DOI: https://doi.org/10.32515/2664-262X.2025.11(42).2.11-22
Контекстуальні характеристики цифрових слідів та їхній вплив на інформаційну безпеку університету
Про авторів
Лахно Мирослав Валерійович, здобувач вищої освіти на третьому (освітньо-науковому) рівні, Національний університет біоресурсів і природокористування України, Київ, Україна, ORCID: https://orcid.org/0000-0001-6979-6076, e-mail: valss725@gmail.com
Анотація
Для галузі управління інформаційною безпекою (ІБ) інформаційно-освітнього середовища університету (ІОСУ) показано, що ефективне використання даних, отриманих шляхом збирання та аналізу різних цифрових слідів (ЦС) користувачів, включно зі студентами, викладачами та співробітниками, можливе для підвищення рівня ІБ і ступеня його захищеності від зовнішніх і внутрішніх загроз. Розроблено концептуальну модель модуля системи підтримки прийняття рішень (СППР), що базується на аналізі ЦС користувачів ІОСУ. Модель враховує як контекстно-залежні, так і контекстно-незалежні характеристики ЦС (відповідно КЗХ, КНХ), що впливають на стан ІБ в ІОСУ. Аналіз ЦС у межах ІОСУ надає фахівцям з ІБ університету можливість не тільки визначати рівні компетентності та відстежувати індивідуальні освітні траєкторії студентів, а й розробляти відповідні керуючі впливи для забезпечення стійкості ІБ. Розглядається використання програмних продуктів, як-от Splunk і ELK Stack (що включає Elasticsearch, Logstash і Kibana), що дають змогу не тільки ефективно аналізувати, а й виявляти потенційні загрози ІБ ІОСУ. Ці інструменти забезпечують університетам високу ефективність в ідентифікації, відстеженні та аналізі проблем, пов'язаних із ЦС користувачів, тим самим сприяючи поліпшенню захисту від несанкціонованого доступу до ресурсів ІОСУ.
Ключові слова
інформаційно-освітнє середовище, освітнє середовище університету, інформаційна безпека, цифрові сліди, прийняття рішень
Повний текст:
PDF
Посилання
1. Lakhno, V., Voloshyn, S., Mamchenko, S., Kulinich, O., & Kasatkin, D. (2024). Cluster analysis for the study of digital footprints of students of educational institutions. Electronic professional scientific publication “Cybersecurity: Education, Science, Technology”, 3(23), 31-41 [in Ukrainian].
2. Pichkur, M. O., Poluden, L. I., Demchenko, I. I., & Sotska, G. I. (2023). Monitoring of digital traces of fine arts training of applicants for higher art education. Information Technologies and Learning Tools, 2(94), 128-149 [in Ukrainian].
3. Morse, N., Kuzminska, O., & Mazorchuk, M. (2019). Attitudes towards the digital learning environment in Ukrainian universities. In ICT in Education, Research, and Industrial Applications. Proc. 15th Int. Conf. ICTERI 2019. Volume II: Workshops. (Vol. 2393, pp. 53-67). Zaporizhzhia National University, Department of Computer Science [in Ukrainian].
4. Andersen, J. V., Lindberg, A., Lindgren, R., & Selander, L. (2016, January). Algorithmic agency in information systems: research opportunities for analyzing digital footprint data. In 2016 49th Hawaii International Conference on System Sciences (HICSS) (pp. 4597-4605). IEEE.
5. J. Hedman, N. Srinivisan and R. Lindgren, “Digital Traces of Information Systems: Sociomateriality Made Researchable,” Thirty-fourth International Conference on Information Systems Milan 2013, vol. 38, pp. 809-830, 2013.
6. Ollagnier-Beldame, M. (2011). Utilizing digital footprints: a promising framework for designing adapted information systems? International Journal on Computer Science and Information Systems. Special issue “Users and Information Systems”, 6(2), 24-45.
7. Sen, I., Flöck, F., Weller, K., Weiß, B., & Wagner, C. (2021). A total error framework for digital traces of human behavior on online platforms. Public Opinion Quarterly, 85(S1), 399-422.
8. Mohssine, B., Mohammed, A., Abdelwahed, N., & Mohammed, T. (2021). An adaptive tutoring system based on students' digital footprints and learning styles. International Journal of Emerging Technologies in Education (iJET), 16(10), 288-294.
9. Kendall, J. S., Dandapani, N., & Cicchinelli, L. F. (2016). Benchmarking the Pohnpei State Education Management Information System. REL 2017-175. Regional Education Laboratory for the Pacific.
10. Bilyeva DS, Lobatyuk VV, Rubtsova AV (2019). Information and communication technologies as an active principle of social change. In IOP Conference Series: Earth and Environmental Science (Vol. 337, No. 1, p. 012054). IOP Publishing.
11. Bilyeva DS, Lobatyuk VV, Rubtsova AV (2019). Information and communication technologies as an active principle of social change. In IOP Conference Series: Earth and Environmental Science (Vol. 337, No. 1, p. 012054). IOP Publishing.
12. Bilyeva D., Lobatyuk V., Safonova A., Rubtsova A. (2019). The relationship between the practical aspect of the course and the progress of e-learning. Education Sciences, 9(3), 167.
13. Smirnov, A. V. T., & Levashova, T. V. (2020). Context-aware approach to intelligent decision support based on digital user footprints. Informatics and Automation, 19(5), 915-941.
14. Almarghani, E. M., & Mijatovic, I. (2017). Factors influencing student engagement in higher education - it's all about good teaching. Teaching in Higher Education, 22(8), 940-956.
15. Tara, Harshita and Amarnath Mishra. “A comparative study of digital forensics tools for data extraction from electronic devices.” (2021): 97-104.
16. Yulianto, S., & Soewito, B. (2023, August). Research on the impact on data recovery in computer forensics. In 2023 IEEE International Conference on Cryptography, Informatics, and Cybersecurity (ICoCICs) (pp. 109-114). IEEE.
17. Javed, A. R., Ahmed, W., Alazab, M., Jalil, Z., Kifayat, K., & Gadekallu, T. R. (2022). A comprehensive review of computer forensics: state of the art, tools, techniques, challenges, and future directions. IEEE Access, 10, 11065-11089.
18. Delija, D., Mohenski, I., & Sirovatka, G. (2021, September). Comparative analysis of network forensics tools on different operating systems. In 2021 44th International Convention on Information, Communication and Electronic Technology (MIPRO) (pp. 1231-1235). IEEE.
19. Mehrotra, T., & Mehre, B. M. (2014, July). An automated forensic tool for image metadata and Windows 7. In 2014 International Conference on Control, Instrumentation, Communication and Computing Technologies (ICCICCT) (pp. 419-425). IEEE.
20. Huntington, P., Nicholas, D., Jamali, H. R., & Watkinson, A. (2006). Extracting subject data from log files using deep log analysis: The OhioLINK case study. Journal of Information Science, 32(4), 299-308.
21. Zhu, J., Wu, H., & Gao, G. (2010). An efficient method for web sequential pattern mining based on session filter and transaction identification. Journal of Networks, 5(9), 1017.
22. Wang, J. Z., Huang, J. L., & Chen, Y. C. (2016). On efficient mining of sequential high utility patterns. Knowledge and Information Systems, 49, 597-627.
23. Wedyan, S. (2014). A survey and comparison of approaches to mining associative classification data. International Journal of Industrial and Manufacturing Engineering, 8(1), 34-45.
24. Goswami, A., & Polly, P. D. (2010). Methods for studying morphological integration and modularity. Transactions of the Palaeontological Society, 16, 213-243.
25. Tsibulya, A. N., & NGIA, H. M. (2016). Algoritm analiza zhurnala registratsii sistemnyih protsessov sistemy elektronnogo dokumentooborota s ispolzovaniem metoda klasterizatsii sotsial'nyih setey. Informatsionnyie sistemii i tehnologii, 94(2), 148.
Пристатейна бібліографія
1. Лахно В., Волошин С., Мамченко С., Кулініч О., Касаткін Д. Кластерний аналіз для дослідження цифрових слідів студентів закладів освіти. Кібербезпека: освіта, наука, техніка. 2024. № 3(23). С. 31–41.
2. Пічкур М. О., Полудень Л. І., Демченко І. І., Сотська Г. І. Моніторинг цифрових слідів образотворчої підготовки здобувачів вищої мистецької освіти. Інформаційні технології та засоби навчання. 2023. № 2(94). С. 128–149.
3. Морзе Н., Кузьмінська О., Мазорчук М. Ставлення до цифрового навчального середовища в українських університетах. ICT in Education, Research, and Industrial Applications. Proc. 15th Int. Conf. ICTERI 2019. Volume II: Workshops. Запоріжжя : ЗНУ, 2019. Т. 2393. С. 53–67.
4. Andersen J. V., Lindberg A., Lindgren R., Selander L. Алгоритмічна агентура в інформаційних системах: дослідницькі можливості для аналітики даних цифрових слідів. 49th Hawaii International Conference on System Sciences (HICSS). 2016. С. 4597–4605.
5. Hedman J., Srinivisan N., Lindgren R. Digital Traces of Information Systems: Sociomateriality Made Researchable. Proceedings of the 34th International Conference on Information Systems. Milan, 2013. Vol. 38. P. 809–830.
6. Ollagnier-Beldame M. Використання цифрових слідів: перспективна основа для проектування адаптованих інформаційних систем? International Journal on Computer Science and Information Systems. 2011. Vol. 6(2). P. 24–45.
7. Sen I., Flöck F., Weller K., Weiß B., Wagner C. Структура тотальної помилки для цифрових слідів поведінки людини на онлайн-платформах. Public Opinion Quarterly. 2021. Vol. 85(S1). P. 399–422.
8. Mohssine B., Mohammed A., Abdelwahed N., Mohammed T. Адаптивна система допомоги на основі "Цифрових слідів" учнів та стилів навчання. International Journal of Emerging Technologies in Learning (iJET). 2021. Vol. 16(10). P. 288–294.
9. Kendall J. S., Dandapani N., Cicchinelli L. F. Бенчмаркінг інформаційної системи управління освітою штату Понпей. REL 2017-175. Pacific Regional Educational Laboratory, 2016.
10. Билієва Д. С., Лобатюк В. В., Рубцова А. В. Інформаційно-комунікаційні технології як активний принцип соціальних змін. IOP Conference Series: Earth and Environmental Science. 2019. Vol. 337, № 1. P. 012054.
11. Билієва Д., Лобатюк В., Сафонова А., Рубцова А. Співвідношення між практичним аспектом курсу та прогресом електронного навчання. Науки про освіту. 2019. Т. 9, № 3. С. 167.
12. Смирнов А. В. Т., Левашова Т. В. Контекстно-свідомий підхід до інтелектуальної підтримки прийняття рішень на основі цифрових слідів користувачів. Informatics and Automation. 2020. Vol. 19(5). P. 915–941.
13. Almarghani E. M., Mijatovic I. Фактори, що впливають на залученість студентів у вищих навчальних закладах. Teaching in Higher Education. 2017. Vol. 22(8). P. 940–956.
14. Tara G., Mishra A. Порівняльне дослідження інструментів цифрової криміналістики для вилучення даних з електронних пристроїв. 2021. С. 97–104.
15. Yulianto S., Soewito B. Дослідження впливу на відновлення даних у комп' ютерній криміналістиці. IEEE Int. Conf. on Cryptography, Informatics, and Cybersecurity (ICoCICs). 2023. P. 109–114.
16. Javed A. R., Ahmed W., Alazab M., Jalil Z., Kifayat K., Gadekallu T. R. Всебічний огляд комп'ютерної криміналістики: сучасний стан, інструменти, методи, виклики та майбутні напрямки. IEEE Access. 2022. Vol. 10. P. 11065–11089.
17. Delija D., Mohenski I., Sirovatka G. Порівняльний аналіз інструментів мережевої криміналістики на різних операційних системах. 44th Int. Convention on Information, Communication and Electronic Technology (MIPRO). 2021. P. 1231–1235.
18. Mehrotra T., Mehtre B. M. Автоматизований інструмент криміналістичної експертизи метаданих зображень і Windows 7. Int. Conf. on Control, Instrumentation, Communication and Computational Technologies (ICCICCT). 2014. P. 419–425.
19. Huntington P., Nicholas D., Jamali H. R., Watkinson A. Отримання суб'єктних даних із лог-файлів за допомогою глибокого лог-аналізу: case study OhioLINK. Journal of Information Science. 2006. Vol. 32(4). P. 299–308.
20. Zhu J., Wu H., Gao G. Ефективний метод видобутку веб-послідовних шаблонів на основі фільтра сеансів та ідентифікації транзакцій. Journal of Networks. 2010. Vol. 5(9). P. 1017.
21. Wang J. Z., Huang J. L., Chen Y. C. Про ефективний видобуток послідовних шаблонів високої корисності. Knowledge and Information Systems. 2016. Vol. 49. P. 597–627.
22. Wedyan S. Огляд і порівняння підходів до видобутку даних асоціативної класифікації. International Journal of Industrial and Manufacturing Engineering. 2014. Vol. 8(1). P. 34–45.
23. Goswami A., Polly P. D. Методи вивчення морфологічної інтеграції та модульности. Paleontological Society Papers. 2010. Vol. 16. P. 213–243.
24. Tsibulya A. N., NGIA H. M. Algoritm analiza zhurnala registratsii sistemnyih protsessov sistemyi elektronnogo dokumentooborota s ispolzovaniem metoda klasterizatsii sotsialьnuyih setey. Informatsionnyie sistemyi i tehnologii. 2016. № 94(2). С. 148.
Copyright (c) 2025 М. В. Лахно
Контекстуальні характеристики цифрових слідів та їхній вплив на інформаційну безпеку університету
Про авторів
Лахно Мирослав Валерійович, здобувач вищої освіти на третьому (освітньо-науковому) рівні, Національний університет біоресурсів і природокористування України, Київ, Україна, ORCID: https://orcid.org/0000-0001-6979-6076, e-mail: valss725@gmail.com
Анотація
Ключові слова
Повний текст:
PDFПосилання
1. Lakhno, V., Voloshyn, S., Mamchenko, S., Kulinich, O., & Kasatkin, D. (2024). Cluster analysis for the study of digital footprints of students of educational institutions. Electronic professional scientific publication “Cybersecurity: Education, Science, Technology”, 3(23), 31-41 [in Ukrainian].
2. Pichkur, M. O., Poluden, L. I., Demchenko, I. I., & Sotska, G. I. (2023). Monitoring of digital traces of fine arts training of applicants for higher art education. Information Technologies and Learning Tools, 2(94), 128-149 [in Ukrainian].
3. Morse, N., Kuzminska, O., & Mazorchuk, M. (2019). Attitudes towards the digital learning environment in Ukrainian universities. In ICT in Education, Research, and Industrial Applications. Proc. 15th Int. Conf. ICTERI 2019. Volume II: Workshops. (Vol. 2393, pp. 53-67). Zaporizhzhia National University, Department of Computer Science [in Ukrainian].
4. Andersen, J. V., Lindberg, A., Lindgren, R., & Selander, L. (2016, January). Algorithmic agency in information systems: research opportunities for analyzing digital footprint data. In 2016 49th Hawaii International Conference on System Sciences (HICSS) (pp. 4597-4605). IEEE.
5. J. Hedman, N. Srinivisan and R. Lindgren, “Digital Traces of Information Systems: Sociomateriality Made Researchable,” Thirty-fourth International Conference on Information Systems Milan 2013, vol. 38, pp. 809-830, 2013.
6. Ollagnier-Beldame, M. (2011). Utilizing digital footprints: a promising framework for designing adapted information systems? International Journal on Computer Science and Information Systems. Special issue “Users and Information Systems”, 6(2), 24-45.
7. Sen, I., Flöck, F., Weller, K., Weiß, B., & Wagner, C. (2021). A total error framework for digital traces of human behavior on online platforms. Public Opinion Quarterly, 85(S1), 399-422.
8. Mohssine, B., Mohammed, A., Abdelwahed, N., & Mohammed, T. (2021). An adaptive tutoring system based on students' digital footprints and learning styles. International Journal of Emerging Technologies in Education (iJET), 16(10), 288-294.
9. Kendall, J. S., Dandapani, N., & Cicchinelli, L. F. (2016). Benchmarking the Pohnpei State Education Management Information System. REL 2017-175. Regional Education Laboratory for the Pacific.
10. Bilyeva DS, Lobatyuk VV, Rubtsova AV (2019). Information and communication technologies as an active principle of social change. In IOP Conference Series: Earth and Environmental Science (Vol. 337, No. 1, p. 012054). IOP Publishing.
11. Bilyeva DS, Lobatyuk VV, Rubtsova AV (2019). Information and communication technologies as an active principle of social change. In IOP Conference Series: Earth and Environmental Science (Vol. 337, No. 1, p. 012054). IOP Publishing.
12. Bilyeva D., Lobatyuk V., Safonova A., Rubtsova A. (2019). The relationship between the practical aspect of the course and the progress of e-learning. Education Sciences, 9(3), 167.
13. Smirnov, A. V. T., & Levashova, T. V. (2020). Context-aware approach to intelligent decision support based on digital user footprints. Informatics and Automation, 19(5), 915-941.
14. Almarghani, E. M., & Mijatovic, I. (2017). Factors influencing student engagement in higher education - it's all about good teaching. Teaching in Higher Education, 22(8), 940-956.
15. Tara, Harshita and Amarnath Mishra. “A comparative study of digital forensics tools for data extraction from electronic devices.” (2021): 97-104.
16. Yulianto, S., & Soewito, B. (2023, August). Research on the impact on data recovery in computer forensics. In 2023 IEEE International Conference on Cryptography, Informatics, and Cybersecurity (ICoCICs) (pp. 109-114). IEEE.
17. Javed, A. R., Ahmed, W., Alazab, M., Jalil, Z., Kifayat, K., & Gadekallu, T. R. (2022). A comprehensive review of computer forensics: state of the art, tools, techniques, challenges, and future directions. IEEE Access, 10, 11065-11089.
18. Delija, D., Mohenski, I., & Sirovatka, G. (2021, September). Comparative analysis of network forensics tools on different operating systems. In 2021 44th International Convention on Information, Communication and Electronic Technology (MIPRO) (pp. 1231-1235). IEEE.
19. Mehrotra, T., & Mehre, B. M. (2014, July). An automated forensic tool for image metadata and Windows 7. In 2014 International Conference on Control, Instrumentation, Communication and Computing Technologies (ICCICCT) (pp. 419-425). IEEE.
20. Huntington, P., Nicholas, D., Jamali, H. R., & Watkinson, A. (2006). Extracting subject data from log files using deep log analysis: The OhioLINK case study. Journal of Information Science, 32(4), 299-308.
21. Zhu, J., Wu, H., & Gao, G. (2010). An efficient method for web sequential pattern mining based on session filter and transaction identification. Journal of Networks, 5(9), 1017.
22. Wang, J. Z., Huang, J. L., & Chen, Y. C. (2016). On efficient mining of sequential high utility patterns. Knowledge and Information Systems, 49, 597-627.
23. Wedyan, S. (2014). A survey and comparison of approaches to mining associative classification data. International Journal of Industrial and Manufacturing Engineering, 8(1), 34-45.
24. Goswami, A., & Polly, P. D. (2010). Methods for studying morphological integration and modularity. Transactions of the Palaeontological Society, 16, 213-243.
25. Tsibulya, A. N., & NGIA, H. M. (2016). Algoritm analiza zhurnala registratsii sistemnyih protsessov sistemy elektronnogo dokumentooborota s ispolzovaniem metoda klasterizatsii sotsial'nyih setey. Informatsionnyie sistemii i tehnologii, 94(2), 148.
Пристатейна бібліографія
1. Лахно В., Волошин С., Мамченко С., Кулініч О., Касаткін Д. Кластерний аналіз для дослідження цифрових слідів студентів закладів освіти. Кібербезпека: освіта, наука, техніка. 2024. № 3(23). С. 31–41.
2. Пічкур М. О., Полудень Л. І., Демченко І. І., Сотська Г. І. Моніторинг цифрових слідів образотворчої підготовки здобувачів вищої мистецької освіти. Інформаційні технології та засоби навчання. 2023. № 2(94). С. 128–149.
3. Морзе Н., Кузьмінська О., Мазорчук М. Ставлення до цифрового навчального середовища в українських університетах. ICT in Education, Research, and Industrial Applications. Proc. 15th Int. Conf. ICTERI 2019. Volume II: Workshops. Запоріжжя : ЗНУ, 2019. Т. 2393. С. 53–67.
4. Andersen J. V., Lindberg A., Lindgren R., Selander L. Алгоритмічна агентура в інформаційних системах: дослідницькі можливості для аналітики даних цифрових слідів. 49th Hawaii International Conference on System Sciences (HICSS). 2016. С. 4597–4605.
5. Hedman J., Srinivisan N., Lindgren R. Digital Traces of Information Systems: Sociomateriality Made Researchable. Proceedings of the 34th International Conference on Information Systems. Milan, 2013. Vol. 38. P. 809–830.
6. Ollagnier-Beldame M. Використання цифрових слідів: перспективна основа для проектування адаптованих інформаційних систем? International Journal on Computer Science and Information Systems. 2011. Vol. 6(2). P. 24–45.
7. Sen I., Flöck F., Weller K., Weiß B., Wagner C. Структура тотальної помилки для цифрових слідів поведінки людини на онлайн-платформах. Public Opinion Quarterly. 2021. Vol. 85(S1). P. 399–422.
8. Mohssine B., Mohammed A., Abdelwahed N., Mohammed T. Адаптивна система допомоги на основі "Цифрових слідів" учнів та стилів навчання. International Journal of Emerging Technologies in Learning (iJET). 2021. Vol. 16(10). P. 288–294.
9. Kendall J. S., Dandapani N., Cicchinelli L. F. Бенчмаркінг інформаційної системи управління освітою штату Понпей. REL 2017-175. Pacific Regional Educational Laboratory, 2016.
10. Билієва Д. С., Лобатюк В. В., Рубцова А. В. Інформаційно-комунікаційні технології як активний принцип соціальних змін. IOP Conference Series: Earth and Environmental Science. 2019. Vol. 337, № 1. P. 012054.
11. Билієва Д., Лобатюк В., Сафонова А., Рубцова А. Співвідношення між практичним аспектом курсу та прогресом електронного навчання. Науки про освіту. 2019. Т. 9, № 3. С. 167.
12. Смирнов А. В. Т., Левашова Т. В. Контекстно-свідомий підхід до інтелектуальної підтримки прийняття рішень на основі цифрових слідів користувачів. Informatics and Automation. 2020. Vol. 19(5). P. 915–941.
13. Almarghani E. M., Mijatovic I. Фактори, що впливають на залученість студентів у вищих навчальних закладах. Teaching in Higher Education. 2017. Vol. 22(8). P. 940–956.
14. Tara G., Mishra A. Порівняльне дослідження інструментів цифрової криміналістики для вилучення даних з електронних пристроїв. 2021. С. 97–104.
15. Yulianto S., Soewito B. Дослідження впливу на відновлення даних у комп' ютерній криміналістиці. IEEE Int. Conf. on Cryptography, Informatics, and Cybersecurity (ICoCICs). 2023. P. 109–114.
16. Javed A. R., Ahmed W., Alazab M., Jalil Z., Kifayat K., Gadekallu T. R. Всебічний огляд комп'ютерної криміналістики: сучасний стан, інструменти, методи, виклики та майбутні напрямки. IEEE Access. 2022. Vol. 10. P. 11065–11089.
17. Delija D., Mohenski I., Sirovatka G. Порівняльний аналіз інструментів мережевої криміналістики на різних операційних системах. 44th Int. Convention on Information, Communication and Electronic Technology (MIPRO). 2021. P. 1231–1235.
18. Mehrotra T., Mehtre B. M. Автоматизований інструмент криміналістичної експертизи метаданих зображень і Windows 7. Int. Conf. on Control, Instrumentation, Communication and Computational Technologies (ICCICCT). 2014. P. 419–425.
19. Huntington P., Nicholas D., Jamali H. R., Watkinson A. Отримання суб'єктних даних із лог-файлів за допомогою глибокого лог-аналізу: case study OhioLINK. Journal of Information Science. 2006. Vol. 32(4). P. 299–308.
20. Zhu J., Wu H., Gao G. Ефективний метод видобутку веб-послідовних шаблонів на основі фільтра сеансів та ідентифікації транзакцій. Journal of Networks. 2010. Vol. 5(9). P. 1017.
21. Wang J. Z., Huang J. L., Chen Y. C. Про ефективний видобуток послідовних шаблонів високої корисності. Knowledge and Information Systems. 2016. Vol. 49. P. 597–627.
22. Wedyan S. Огляд і порівняння підходів до видобутку даних асоціативної класифікації. International Journal of Industrial and Manufacturing Engineering. 2014. Vol. 8(1). P. 34–45.
23. Goswami A., Polly P. D. Методи вивчення морфологічної інтеграції та модульности. Paleontological Society Papers. 2010. Vol. 16. P. 213–243.
24. Tsibulya A. N., NGIA H. M. Algoritm analiza zhurnala registratsii sistemnyih protsessov sistemyi elektronnogo dokumentooborota s ispolzovaniem metoda klasterizatsii sotsialьnuyih setey. Informatsionnyie sistemyi i tehnologii. 2016. № 94(2). С. 148.
Copyright (c) 2025 М. В. Лахно