ВИКОРИСТАННЯ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ВСТАНОВЛЕННЯ АВТЕНТИЧНОСТІ ЦИФРОВИХ ЗОБРАЖЕНЬ ПІД ЧАС ПІДГОТОВКИ ФАХІВЦІВ СУДОВОЇ ЕКСПЕРТИЗИ
The potential opportunities and advantages of artificial intelligence methods contribute to the development and implementation of innovative technologies in various fields of science, including photography and video recording, which creates wide opportunities for manipulating the content of digital...
Saved in:
| Published in: | Information technologies and learning tools Vol. 109; no. 5; pp. 164 - 185 |
|---|---|
| Main Authors: | , , |
| Format: | Journal Article |
| Language: | Ukrainian |
| Published: |
Kyiv
Institute for Digitalisation of Education of the National Academy of Educational Sciences of Ukraine
31.10.2025
Institute for Digitalisation of Education of the NAES of Ukraine |
| Subjects: | |
| ISSN: | 2076-8184, 2076-8184 |
| Online Access: | Get full text |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Abstract | The potential opportunities and advantages of artificial intelligence methods contribute to the development and implementation of innovative technologies in various fields of science, including photography and video recording, which creates wide opportunities for manipulating the content of digital images and actualizes the problem of establishing their authentication. The widespread use of artificial intelligence methods for image editing sometimes makes it impossible or difficult to find changed areas. In this regard, the purpose of this work is to substantiate the areas of training specialists to use of artificial intelligence methods during establishing the authenticity of images, and the main task is to study modern methods of its assessment.The article analyzes the use of artificial neural network models to assess the authenticity of images by the method of complex use of several methods for assessing noise with generalization of its distortions in an artificial neural network. Special attention is paid to the analysis of modern technologies for editing digital images using artificial intelligence methods. The results of the study of known pre-processing methods for detecting inauthenticity of images edited by modern editing technologies and suitable for generalization by artificial intelligence methods are presented. The features of the use of neural network classifiers for assessing image editing zones with pre-processing using filtering methods also in the methodological plane are considered, namely when training experts in the field of phototechnical research and video recording research. The scientific novelty of the work lies in assessing the effectiveness of combinations of various artificial neural network models and methods for extracting digital noise in images to solve the problem of their authentication. Probabilities for assessing the authenticity of images are provided based on the generalization of the results of the simultaneous application of ELA, PCA, and NOISE methods using artificial neural network models in the semantic classification and segmentation mode. Based on the research conducted, the main areas of training specialists to solve the problem of image authentication in modern conditions have been determined.
Потенційні можливості та переваги методів штучного інтелекту сприяють розвитку та впровадженню інноваційних технологій у різні сфери науки, зокрема в галузі фотозйомки та відеозапису, що створює широкі можливості маніпулювання змістом цифрових зображень та актуалізує проблему встановлення їх автентифікації. Широке використання методів штучного інтелекту для редагування зображень інколи унеможливлює або ускладнює пошук змінених ділянок. З огляду на це метою даної роботи є обґрунтування напрямків підготовки судової експертизи до використання методів штучного інтелекту при встановленні автентичності зображень , а основним завданням – дослідження сучасних способів їх оцінки. Об’єктом даного дослідження є процес автентифікації цифрових зображень. Предмет дослідження – процеси цифрової обробки зображень, зокрема на основі моделей штучних нейронних мереж. У статті проаналізовано використання моделей штучних нейронних мереж для оцінки автентичності зображень методом комплексного використання кількох методів оцінки шуму з узагальненням його спотворень у штучній нейронній мережі. Особливу увагу приділено аналізу сучасних технологій редагування цифрових зображень з використанням методів штучного інтелекту. Наведено результати дослідження відомих методів попередньої обробки для виявлення неавтентичності зображень, відредагованих сучасними технологіями редагування та придатних для узагальнення методами штучного інтелекту. Розглянуто особливості використання нейромережевих класифікаторів для оцінки зон редагування зображення з попередньою обробкою методами фільтрації також у методологічній площині, а саме при підготовці фахівців у галузі фототехнічних досліджень та досліджень відеозапису. Наукова новизна роботи полягає в оцінці ефективності комбінацій різних моделей штучних нейронних мереж і методів виділення цифрового шуму в зображеннях для вирішення задачі їх автентифікації. Надано ймовірності оцінки автентичності зображень на основі узагальнення результатів одночасного застосування методів ELA, PCA та NOISE з використанням моделей штучних нейронних мереж у режимі семантичної класифікації та сегментації. На підставі проведених досліджень визначено основні напрямки підготовки фахівців до вирішення задачі автентифікаціії зображень у сучасних умовах. |
|---|---|
| AbstractList | The potential opportunities and advantages of artificial intelligence methods contribute to the development and implementation of innovative technologies in various fields of science, including photography and video recording, which creates wide opportunities for manipulating the content of digital images and actualizes the problem of establishing their authentication. The widespread use of artificial intelligence methods for image editing sometimes makes it impossible or difficult to find changed areas. In this regard, the purpose of this work is to substantiate the areas of training specialists to use of artificial intelligence methods during establishing the authenticity of images, and the main task is to study modern methods of its assessment.The article analyzes the use of artificial neural network models to assess the authenticity of images by the method of complex use of several methods for assessing noise with generalization of its distortions in an artificial neural network. Special attention is paid to the analysis of modern technologies for editing digital images using artificial intelligence methods. The results of the study of known pre-processing methods for detecting inauthenticity of images edited by modern editing technologies and suitable for generalization by artificial intelligence methods are presented. The features of the use of neural network classifiers for assessing image editing zones with pre-processing using filtering methods also in the methodological plane are considered, namely when training experts in the field of phototechnical research and video recording research. The scientific novelty of the work lies in assessing the effectiveness of combinations of various artificial neural network models and methods for extracting digital noise in images to solve the problem of their authentication. Probabilities for assessing the authenticity of images are provided based on the generalization of the results of the simultaneous application of ELA, PCA, and NOISE methods using artificial neural network models in the semantic classification and segmentation mode. Based on the research conducted, the main areas of training specialists to solve the problem of image authentication in modern conditions have been determined.
Потенційні можливості та переваги методів штучного інтелекту сприяють розвитку та впровадженню інноваційних технологій у різні сфери науки, зокрема в галузі фотозйомки та відеозапису, що створює широкі можливості маніпулювання змістом цифрових зображень та актуалізує проблему встановлення їх автентифікації. Широке використання методів штучного інтелекту для редагування зображень інколи унеможливлює або ускладнює пошук змінених ділянок. З огляду на це метою даної роботи є обґрунтування напрямків підготовки судової експертизи до використання методів штучного інтелекту при встановленні автентичності зображень , а основним завданням – дослідження сучасних способів їх оцінки. Об’єктом даного дослідження є процес автентифікації цифрових зображень. Предмет дослідження – процеси цифрової обробки зображень, зокрема на основі моделей штучних нейронних мереж. У статті проаналізовано використання моделей штучних нейронних мереж для оцінки автентичності зображень методом комплексного використання кількох методів оцінки шуму з узагальненням його спотворень у штучній нейронній мережі. Особливу увагу приділено аналізу сучасних технологій редагування цифрових зображень з використанням методів штучного інтелекту. Наведено результати дослідження відомих методів попередньої обробки для виявлення неавтентичності зображень, відредагованих сучасними технологіями редагування та придатних для узагальнення методами штучного інтелекту. Розглянуто особливості використання нейромережевих класифікаторів для оцінки зон редагування зображення з попередньою обробкою методами фільтрації також у методологічній площині, а саме при підготовці фахівців у галузі фототехнічних досліджень та досліджень відеозапису. Наукова новизна роботи полягає в оцінці ефективності комбінацій різних моделей штучних нейронних мереж і методів виділення цифрового шуму в зображеннях для вирішення задачі їх автентифікації. Надано ймовірності оцінки автентичності зображень на основі узагальнення результатів одночасного застосування методів ELA, PCA та NOISE з використанням моделей штучних нейронних мереж у режимі семантичної класифікації та сегментації. На підставі проведених досліджень визначено основні напрямки підготовки фахівців до вирішення задачі автентифікаціії зображень у сучасних умовах. Потенційні можливості та переваги методів штучного інтелекту сприяють розвитку та впровадженню інноваційних технологій у різні сфери науки, зокрема в галузі фотозйомки та відеозапису, що створює широкі можливості маніпулювання змістом цифрових зображень та актуалізує проблему встановлення їх автентифікації. Широке використання методів штучного інтелекту для редагування зображень інколи унеможливлює або ускладнює пошук змінених ділянок. З огляду на це метою даної роботи є обґрунтування напрямків підготовки судової експертизи до використання методів штучного інтелекту при встановленні автентичності зображень , а основним завданням – дослідження сучасних способів їх оцінки. Об’єктом даного дослідження є процес автентифікації цифрових зображень. Предмет дослідження – процеси цифрової обробки зображень, зокрема на основі моделей штучних нейронних мереж. У статті проаналізовано використання моделей штучних нейронних мереж для оцінки автентичності зображень методом комплексного використання кількох методів оцінки шуму з узагальненням його спотворень у штучній нейронній мережі. Особливу увагу приділено аналізу сучасних технологій редагування цифрових зображень з використанням методів штучного інтелекту. Наведено результати дослідження відомих методів попередньої обробки для виявлення неавтентичності зображень, відредагованих сучасними технологіями редагування та придатних для узагальнення методами штучного інтелекту. Розглянуто особливості використання нейромережевих класифікаторів для оцінки зон редагування зображення з попередньою обробкою методами фільтрації також у методологічній площині, а саме при підготовці фахівців у галузі фототехнічних досліджень та досліджень відеозапису. Наукова новизна роботи полягає в оцінці ефективності комбінацій різних моделей штучних нейронних мереж і методів виділення цифрового шуму в зображеннях для вирішення задачі їх автентифікації. Надано ймовірності оцінки автентичності зображень на основі узагальнення результатів одночасного застосування методів ELA, PCA та NOISE з використанням моделей штучних нейронних мереж у режимі семантичної класифікації та сегментації. На підставі проведених досліджень визначено основні напрямки підготовки фахівців до вирішення задачі автентифікаціії зображень у сучасних умовах. Потенційні можливості та переваги методів штучного інтелекту сприяють розвитку та впровадженню інноваційних технологій у різні сфери науки, зокрема в галузі фотозйомки та відеозапису, що створює широкі можливості маніпулювання змістом цифрових зображень та актуалізує проблему встановлення їх автентифікації. Широке використання методів штучного інтелекту для редагування зображень інколи унеможливлює або ускладнює пошук змінених ділянок. З огляду на це метою даної роботи є обґрунтування напрямків підготовки судової експертизи до використання методів штучного інтелекту при встановленні автентичності зображень , а основним завданням – дослідження сучасних способів їх оцінки. Об’єктом даного дослідження є процес автентифікації цифрових зображень. Предмет дослідження – процеси цифрової обробки зображень, зокрема на основі моделей штучних нейронних мереж. У статті проаналізовано використання моделей штучних нейронних мереж для оцінки автентичності зображень методом комплексного використання кількох методів оцінки шуму з узагальненням його спотворень у штучній нейронній мережі. Особливу увагу приділено аналізу сучасних технологій редагування цифрових зображень з використанням методів штучного інтелекту. Наведено результати дослідження відомих методів попередньої обробки для виявлення неавтентичності зображень, відредагованих сучасними технологіями редагування та придатних для узагальнення методами штучного інтелекту. Розглянуто особливості використання нейромережевих класифікаторів для оцінки зон редагування зображення з попередньою обробкою методами фільтрації також у методологічній площині, а саме при підготовці фахівців у галузі фототехнічних досліджень та досліджень відеозапису. Наукова новизна роботи полягає в оцінці ефективності комбінацій різних моделей штучних нейронних мереж і методів виділення цифрового шуму в зображеннях для вирішення задачі їх автентифікації. Надано ймовірності оцінки автентичності зображень на основі узагальнення результатів одночасного застосування методів ELA, PCA та NOISE з використанням моделей штучних нейронних мереж у режимі семантичної класифікації та сегментації. На підставі проведених досліджень визначено основні напрямки підготовки фахівців до вирішення задачі автентифікаціії зображень у сучасних умовах. |
| Author | Чорний, Сергій Брендель, Ольга Мєшков, Олег |
| Author_xml | – sequence: 1 givenname: Sergiy surname: Chornyy fullname: Chornyy, Sergiy – sequence: 2 givenname: Olha surname: Brendel fullname: Brendel, Olha – sequence: 3 givenname: Oleh surname: Mieshkov fullname: Mieshkov, Oleh |
| BookMark | eNpNks1u00AQx01VJErpA3BbiXPC7Hq93j2iio9KlbjQ82r9hRyFuNgpEi9Qrm5IaNRS06QtcEDiVeaRGNtRxa5WO5__-R3msbc9KSap5z3lMPR9CeHzfDqeDj9xMHkwVALUlrcjIFQDzbXc_s9-5O1V1QjohKEOldp5sIUzXOIFNnhN_wrXWOMV3b8Mv-OC3AbneIozhr_JucFflGvwKzaMolcUWuAlvYs2yaj0su2c3Qs1ZLf5jWRN7rpz1zSt12pLTxn-pMAtQTQd0B3DczLPKFDjt67jD8MfNHPOqK_G1cZrUTrKGTEsGUnUeNcCk2CHvSLoeZdv8AvrUFfUuiDlluEcl0-8h5kbV-ne5t_1jl69fLf_ZnD49vXB_ovDQcxDowYuCjIXSqlNIjJlOEguIdYQg04jJXQMJslMIqWMHPhRHGglfQgjnmYQcc79Xe-g100KN7LHZf7BlZ9t4XLbBYryvXXlNI_HqU200kKAE9IPpE6MTgGE0UEAseE6dKT1rNc6LouPJ2k1taPipJwQvvWF0lwY7iuq4n1VXBZVVabZ_VQOttsc226O7TfHtpvj_wMJygyR |
| ContentType | Journal Article |
| Copyright | 2025. This work is published under https://creativecommons.org/licenses/by-nc-sa/4.0/ (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License. |
| Copyright_xml | – notice: 2025. This work is published under https://creativecommons.org/licenses/by-nc-sa/4.0/ (the “License”). Notwithstanding the ProQuest Terms and Conditions, you may use this content in accordance with the terms of the License. |
| DBID | AAYXX CITATION 8FE 8FG ABUWG AFKRA ARAPS AZQEC BENPR BGLVJ CCPQU DWQXO GNUQQ HCIFZ JQ2 K7- P62 PHGZM PHGZT PIMPY PKEHL PQEST PQGLB PQQKQ PQUKI PRINS DOA |
| DOI | 10.33407/itlt.v109i5.6206 |
| DatabaseName | CrossRef ProQuest SciTech Collection ProQuest Technology Collection ProQuest Central (Alumni) ProQuest Central UK/Ireland Advanced Technologies & Computer Science Collection ProQuest Central Essentials ProQuest Central ProQuest Technology Collection ProQuest One ProQuest Central Korea ProQuest Central Student SciTech Premium Collection ProQuest Computer Science Collection Computer Science Database ProQuest Advanced Technologies & Aerospace Collection ProQuest Central Premium ProQuest One Academic (New) Publicly Available Content Database ProQuest One Academic Middle East (New) ProQuest One Academic Eastern Edition (DO NOT USE) ProQuest One Applied & Life Sciences ProQuest One Academic (retired) ProQuest One Academic UKI Edition ProQuest Central China DOAJ Directory of Open Access Journals |
| DatabaseTitle | CrossRef Publicly Available Content Database Advanced Technologies & Aerospace Collection Computer Science Database ProQuest Central Student Technology Collection ProQuest One Academic Middle East (New) ProQuest Advanced Technologies & Aerospace Collection ProQuest Central Essentials ProQuest Computer Science Collection ProQuest One Academic Eastern Edition ProQuest Central (Alumni Edition) SciTech Premium Collection ProQuest One Community College ProQuest Technology Collection ProQuest SciTech Collection ProQuest Central China ProQuest Central ProQuest One Applied & Life Sciences ProQuest One Academic UKI Edition ProQuest Central Korea ProQuest Central (New) ProQuest One Academic ProQuest One Academic (New) |
| DatabaseTitleList | CrossRef Publicly Available Content Database |
| Database_xml | – sequence: 1 dbid: DOA name: DOAJ Directory of Open Access Journals url: https://www.doaj.org/ sourceTypes: Open Website – sequence: 2 dbid: PIMPY name: Publicly Available Content Database url: http://search.proquest.com/publiccontent sourceTypes: Aggregation Database |
| DeliveryMethod | fulltext_linktorsrc |
| Discipline | Education |
| EISSN | 2076-8184 |
| EndPage | 185 |
| ExternalDocumentID | oai_doaj_org_article_d868220a243548d98e00298550c9187a 10_33407_itlt_v109i5_6206 |
| GroupedDBID | 5VS AAYXX ADBBV AFFHD AFKRA ALMA_UNASSIGNED_HOLDINGS ARAPS BCNDV BENPR BGLVJ CCPQU CITATION GROUPED_DOAJ HCIFZ K7- KQ8 OK1 PHGZM PHGZT PIMPY PQGLB RNS 8FE 8FG ABUWG AZQEC DWQXO GNUQQ JQ2 P62 PKEHL PQEST PQQKQ PQUKI PRINS |
| ID | FETCH-LOGICAL-c1796-ab5fa74489d2f69104140c80c08eb628c09df9d444ba03bc5864307b1ef0b1113 |
| IEDL.DBID | DOA |
| ISSN | 2076-8184 |
| IngestDate | Mon Nov 10 19:22:56 EST 2025 Mon Nov 03 11:42:57 EST 2025 Wed Nov 05 20:55:05 EST 2025 |
| IsDoiOpenAccess | true |
| IsOpenAccess | true |
| IsPeerReviewed | true |
| IsScholarly | true |
| Issue | 5 |
| Language | Ukrainian |
| License | https://creativecommons.org/licenses/by-nc-sa/4.0 |
| LinkModel | DirectLink |
| MergedId | FETCHMERGED-LOGICAL-c1796-ab5fa74489d2f69104140c80c08eb628c09df9d444ba03bc5864307b1ef0b1113 |
| Notes | ObjectType-Article-1 SourceType-Scholarly Journals-1 ObjectType-Feature-2 content type line 14 |
| ORCID | 0000-0002-3046-6018 0000-0002-0445-2886 0000-0002-1723-0203 |
| OpenAccessLink | https://doaj.org/article/d868220a243548d98e00298550c9187a |
| PQID | 3268129136 |
| PQPubID | 6515896 |
| PageCount | 22 |
| ParticipantIDs | doaj_primary_oai_doaj_org_article_d868220a243548d98e00298550c9187a proquest_journals_3268129136 crossref_primary_10_33407_itlt_v109i5_6206 |
| PublicationCentury | 2000 |
| PublicationDate | 2025-10-31 |
| PublicationDateYYYYMMDD | 2025-10-31 |
| PublicationDate_xml | – month: 10 year: 2025 text: 2025-10-31 day: 31 |
| PublicationDecade | 2020 |
| PublicationPlace | Kyiv |
| PublicationPlace_xml | – name: Kyiv |
| PublicationTitle | Information technologies and learning tools |
| PublicationYear | 2025 |
| Publisher | Institute for Digitalisation of Education of the National Academy of Educational Sciences of Ukraine Institute for Digitalisation of Education of the NAES of Ukraine |
| Publisher_xml | – name: Institute for Digitalisation of Education of the National Academy of Educational Sciences of Ukraine – name: Institute for Digitalisation of Education of the NAES of Ukraine |
| SSID | ssj0000778766 |
| Score | 2.308018 |
| Snippet | The potential opportunities and advantages of artificial intelligence methods contribute to the development and implementation of innovative technologies in... Потенційні можливості та переваги методів штучного інтелекту сприяють розвитку та впровадженню інноваційних технологій у різні сфери науки, зокрема в галузі... |
| SourceID | doaj proquest crossref |
| SourceType | Open Website Aggregation Database Index Database |
| StartPage | 164 |
| SubjectTerms | Artificial intelligence Artificial neural networks Authenticity Editing Image manipulation Neural networks автентичність зображень методи штучного інтелекту нейронні мережі глибокого навчання семантична сегментація цифрові зображення |
| SummonAdditionalLinks | – databaseName: Computer Science Database dbid: K7- link: http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwpV3Pb9MwFDZjcODCb0RhIB84IZnld5wTAsSEBJo4gLRblNgxmpDW0W78CeMaSsuqjQVaGHBA4l95fxKf3bQgIXFBVdvYz375pHx5fs9O_Bi7JRH6R3FhRBhXUliDJwqvKkWQGpWa1IRauheFn6Tr63JjI3vaTrj128cq5zbRGWrdVXaOfBVuBsaizA-Tu9uvhM0aZVdX2xQaJ9kpPwh8y_PHqVjMsXgp6OiWKwOE6wJjUzRb2AxDxDGruBowAr6XbcZ3ksDmPPpjaHI7-P9loN2os3buf_GeZ2dbf5PfmxHkAlvafXnRpmpuH-u4dGKJBjSmA2roE_4nNKWajvD5yekDjVBsaEh7NOD0HYXP9A2yht5Rw1F7hKoRHeJ7YIUcTQ9tz8FCUYNjK29V1ihOXXGKs8102aZ7nL6i4gtANA7QMad9HL5FRU3vXY8fnD7inEOOfjVN2pKF4lAOgGHMoaKmYwsYCh3sCUAPnbyhN9xBnaDrCJothn0aX2bP1x4-e_BItIkhhIL9SERRxqZIEVhmOjAJHJ4IYaKSnvJkVSaBVF6mTaajKCoLLyxVLOF3eWnpV8YrYdzDK2x5q7tVXWXcVBBq7duN-aI4VIVUSZlqU-E3C4zssNtzTuTbs_0_csRNjkC5JVA-I1BuCdRh9y1rFg3t1t2uott7kbeWINcygVPmFQEc1UjqTFZuG3xEiioDjKLDVuaEylt70s9_s-nav8XX2ZnAZih2o-sKW97p7VY32Gn1emez37vpbo9fyVRreA priority: 102 providerName: ProQuest |
| Title | ВИКОРИСТАННЯ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ВСТАНОВЛЕННЯ АВТЕНТИЧНОСТІ ЦИФРОВИХ ЗОБРАЖЕНЬ ПІД ЧАС ПІДГОТОВКИ ФАХІВЦІВ СУДОВОЇ ЕКСПЕРТИЗИ |
| URI | https://www.proquest.com/docview/3268129136 https://doaj.org/article/d868220a243548d98e00298550c9187a |
| Volume | 109 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVAON databaseName: DOAJ Directory of Open Access Journals customDbUrl: eissn: 2076-8184 dateEnd: 99991231 omitProxy: false ssIdentifier: ssj0000778766 issn: 2076-8184 databaseCode: DOA dateStart: 20060101 isFulltext: true titleUrlDefault: https://www.doaj.org/ providerName: Directory of Open Access Journals – providerCode: PRVPQU databaseName: Computer Science Database customDbUrl: eissn: 2076-8184 dateEnd: 99991231 omitProxy: false ssIdentifier: ssj0000778766 issn: 2076-8184 databaseCode: K7- dateStart: 20060101 isFulltext: true titleUrlDefault: http://search.proquest.com/compscijour providerName: ProQuest – providerCode: PRVPQU databaseName: ProQuest Central customDbUrl: eissn: 2076-8184 dateEnd: 99991231 omitProxy: false ssIdentifier: ssj0000778766 issn: 2076-8184 databaseCode: BENPR dateStart: 20060101 isFulltext: true titleUrlDefault: https://www.proquest.com/central providerName: ProQuest – providerCode: PRVPQU databaseName: Publicly Available Content Database customDbUrl: eissn: 2076-8184 dateEnd: 99991231 omitProxy: false ssIdentifier: ssj0000778766 issn: 2076-8184 databaseCode: PIMPY dateStart: 20060101 isFulltext: true titleUrlDefault: http://search.proquest.com/publiccontent providerName: ProQuest |
| link | http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV1Lb9QwEDZV4cCl4ikWSuUDJ6TQbF52jhS1AgGrFQKpnKLEsaVetqgt_IT2GpZdumppYBcKHJD4K_OT-Oyk1UocuKBVHp6xx58yY3tGyY4ZuycR-kdxbrww1tKzE56X-7rwAmGUMMKEpXR_FH4mej25uZn257b6st-ENemBmwe3WsoEa5ifB1jXI1mmUrus4XCsVdqVwrlG8Hrmgik3BwsYYpI0rzHDEFHLKp49hnzXT7fiB0lgdziaW4hcvv6_pmO3xmxcYUutc8gfNqCusgU9uGb3VW6_wbh-YYGGNKEjqukLrlOaUUUn-P3m9InGKNY0on0acvqJwlf6AV5NH6jmoJ6ANKZjHEeWyVH12LYcnguqcW_5rcgKxZkrztBbI8tW3ef0HYRvAFE7QKecDnH7HoSKProWvzh9Rp8jjnYVTduSheJQDoFhwiGiolMLGAId7ClAjxy_pgPuoE7RdAzJFsMhTW6wVxvrLx899tpdHDyFwZ54eRGbXCAKTMvAJPBOIsR0SvrKl7pIAqn8tDRpGUVRkfthoWIJJ8kXRVcbv8BMHN5ki4Ptgb7FuNFglmXXZtGL4lDlUiWFKI3GOQ2M7LD7ZyrN3jTJOjIEOU7_mdV_1ug_s_rvsDWr9POKNs-2I8D6stb6sn9ZX4ctn5lM1g7-3QweMdymtBsmt_9HH3fY5cBuOuwWzGW2uLfzVt9ll9S7va3dnRV2cW2913-x4uwf56fCA63_5Hn_9R9HrF3M |
| linkProvider | Directory of Open Access Journals |
| linkToHtml | http://cvtisr.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMw1V1Lb9NAEF5CigQX3qiBAnuAC5Kp4-f6gBCvqlHTKIcilZPxE1WVmpK0IP5AuYaQ0KilhgQKHBD8lflJfLt2AhIStx5QlNi7szseZb-dh9feYeyGQOhv2UGqmXYiNKnwtEBPQs1w08hN3dSMhXpRuO42GmJ11WuW2I_JuzDyscqJTlSKOm5F8h75PNwM2CKvajp3N59rMmuUXF2dpNDIYbGUvHqJkK1zp_YQ43vTMBYerTxY1IqsAloE8DlaENpp4CIq8WIjdWAtLcQYkdAjXSShY4hI9-LUiy3LCgPdDCNbwGjrblhNUj2UidnB9zibsQB2UWYzzdpy88n0ro7uYgKoBVJDdx0N1tDKl1JNE5HTPMYfaqeqe2v2bceQWZb-MIYqZ8BfJkHZuYUz_9s_dJadLjxqfi-fAudYaXv9vExGXTy4cuFYiXo0pD3K6COOIxpTlw7w-cnpPQ1QzKhPO9Tj9A2FT_QVtIzeUsZRe4CqAe3juyeJHE33Zc_elFGGc0kvWHZRHKviGFfLecmmO5y-oOIzhMiUQIecdnH6BhVdeqd6fOf0Adfsc_Tr0qgoSVGUlD3IMORg0aVDKTAYKrFHELqv6Bm95krUEboOwFnKsEvDi-zxkQzBJVbeaG0ks4ynCYhxXJVbD1q2GQUickI3ThP8ekYqKuzWBIP-Zr7DiY_IUAHWl4D1c8D6ErAVdl-idNpQbk6uKlrtZ36h6_xYOHA79cCAK26J2BOJ2ugfsXDkQYygwuYmAPYLjdnxf6P38r_J19nJxZXlul-vNZausFOGzMesfIk5Vt5qbydX2YnoxdZap32tmJycPT1qtP8C7HvH1g |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%D0%92%D0%98%D0%9A%D0%9E%D0%A0%D0%98%D0%A1%D0%A2%D0%90%D0%9D%D0%9D%D0%AF+%D0%9C%D0%95%D0%A2%D0%9E%D0%94%D0%86%D0%92+%D0%A8%D0%A2%D0%A3%D0%A7%D0%9D%D0%9E%D0%93%D0%9E+%D0%86%D0%9D%D0%A2%D0%95%D0%9B%D0%95%D0%9A%D0%A2%D0%A3+%D0%94%D0%9B%D0%AF+%D0%92%D0%A1%D0%A2%D0%90%D0%9D%D0%9E%D0%92%D0%9B%D0%95%D0%9D%D0%9D%D0%AF+%D0%90%D0%92%D0%A2%D0%95%D0%9D%D0%A2%D0%98%D0%A7%D0%9D%D0%9E%D0%A1%D0%A2%D0%86+%D0%A6%D0%98%D0%A4%D0%A0%D0%9E%D0%92%D0%98%D0%A5+%D0%97%D0%9E%D0%91%D0%A0%D0%90%D0%96%D0%95%D0%9D%D0%AC+%D0%9F%D0%86%D0%94+%D0%A7%D0%90%D0%A1+%D0%9F%D0%86%D0%94%D0%93%D0%9E%D0%A2%D0%9E%D0%92%D0%9A%D0%98+%D0%A4%D0%90%D0%A5%D0%86%D0%92%D0%A6%D0%86%D0%92+%D0%A1%D0%A3%D0%94%D0%9E%D0%92%D0%9E%D0%87+%D0%95%D0%9A%D0%A1%D0%9F%D0%95%D0%A0%D0%A2%D0%98%D0%97%D0%98&rft.jtitle=Information+technologies+and+learning+tools&rft.au=%D0%A7%D0%BE%D1%80%D0%BD%D0%B8%D0%B9%2C+%D0%A1%D0%B5%D1%80%D0%B3%D1%96%D0%B9&rft.au=%D0%91%D1%80%D0%B5%D0%BD%D0%B4%D0%B5%D0%BB%D1%8C%2C+%D0%9E%D0%BB%D1%8C%D0%B3%D0%B0&rft.au=%D0%9C%D1%94%D1%88%D0%BA%D0%BE%D0%B2%2C+%D0%9E%D0%BB%D0%B5%D0%B3&rft.date=2025-10-31&rft.issn=2076-8184&rft.eissn=2076-8184&rft.volume=109&rft.issue=5&rft.spage=164&rft.epage=185&rft_id=info:doi/10.33407%2Fitlt.v109i5.6206&rft.externalDBID=n%2Fa&rft.externalDocID=10_33407_itlt_v109i5_6206 |
| thumbnail_l | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=2076-8184&client=summon |
| thumbnail_m | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=2076-8184&client=summon |
| thumbnail_s | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=2076-8184&client=summon |