The subject matter of the article is the development of a universal structural-functional model of computerized learning systems that integrates learner, learning, and explanation models. This model addresses the task of personalizing the learning process, considering the individual characteristics of the learner, and ensuring long-term knowledge retention. The goal of the work is to develop a universal structural-functional learning system model that combines modern adaptive algorithms, integrates psychological and cognitive aspects, and introduces new approaches to long-term knowledge retention. Special emphasis is placed on the system's flexibility, allowing the adaptation of educational content to each user's needs while considering the dynamics of their development and changes in their level of knowledge. The following tasks were solved in the article: analyzing existing learning models, identifying their limitations, and developing new approaches to building an adaptive learning process. The following methods used are – network and vector models for constructing learning trajectories, graph structures for visualizing educational content, and psychological profiling algorithms. Additionally, knowledge actualization methods were applied to reduce the forgetting rate and optimize the learning process. The following results were obtained – a universal structural-functional model of computerized learning systems was created, integrating the learner model, the learning process model, and the explanation model. This model reflects the structure of the adaptive learning process and the interconnections between its components, enabling the personalization of learning trajectories based on the learner’s knowledge level, motivation, and psychological characteristics. The proposed model represents knowledge using network and vector structures, which allows for the systematization of educational materials, visualization of relationships between concepts, and adaptive management of the learning process.The developed model can be applied to analyze students’ preparedness levels, support adaptive learning strategies, and assess progress. The integration of psychological profiling mechanisms and knowledge renewal algorithms enhances the efficiency of the educational process. Conclusions: The proposed structural-functional model demonstrates its effectiveness in addressing key challenges of personalized and adaptive learning. By integrating psychological profiles, knowledge levels, and advanced algorithms, the model enables the creation of scalable and intelligent educational systems. It facilitates personalized learning, effective assessment, and targeted feedback while ensuring long-term knowledge retention and fostering innovation in modern educational technologies.

Предметом статті є розроблення універсальної структурно-функціональної моделі комп’ютеризованих систем навчання, яка інтегрує моделі студента, навчального процесу та пояснення. Ця модель виконує завдання персоналізації процесу навчання, уваги на індивідуальних особливостях студента та забезпечення довгострокового збереження знань. Мета роботи – розроблення універсальної структурно-функціональної моделі системи навчання, яка поєднує сучасні адаптивні алгоритми, інтегрує психологічні та когнітивні аспекти, а також упроваджує нові підходи до довгострокового збереження знань. Особливу увагу зосереджено на гнучкості системи, що дає змогу адаптувати навчальний контент до потреб кожного окремого користувача, зважаючи на динаміку його розвитку та зміну рівня знань. У статті розв’язано такі завдання: аналіз наявних моделей навчання, виявлення їх обмежень та розроблення нових підходів для побудови адаптивного навчального процесу. Упроваджено такі методи: мережні та векторні моделі для побудови траєкторій навчання, графові структури для візуалізації навчального контенту, алгоритми психологічного профілювання. Крім того, застосовано методи актуалізації знань для оптимізації навчання та зниження рівня забування. Досягнуті результати: створено універсальну структурно-функціональну модель комп’ютеризованих систем навчання, яка інтегрує модель суб’єкта навчання, модель навчального процесу та модель пояснення. Модель відтворює структуру адаптивного навчального процесу та взаємозв’язки між його компонентами, що дає змогу персоналізувати навчальні траєкторії з огляду на рівень знань, мотивацію та психологічні особливості суб’єкта навчання. Запропонована модель подає знання за допомогою мережних і векторних структур, що дає змогу систематизувати навчальний матеріал, візуалізувати зв’язки між поняттями та підтримувати адаптивне управління навчальним процесом. Розроблена модель може застосовуватися для аналізу рівня підготовки студентів, підтримки адаптивних стратегій навчання та оцінювання прогресу. Інтеграція механізмів психологічного профілювання та алгоритмів оновлення знань сприяє підвищенню ефективності освітнього процесу. Висновки: запропонована структурно-функціональна модель демонструє ефективність у розв’язанні ключових завдань персоналізованого та адаптивного навчання. Інтегруючи психологічні профілі, рівні знань та вдосконалені алгоритми, модель допомагає створювати масштабовані та інтелектуальні освітні системи, здійснювати персоналізоване навчання, ефективне оцінювання та цілеспрямований зворотний зв’язок, забезпечуючи довгострокове збереження знань і сприяючи інноваціям у сучасних освітніх технологіях.