Представлены основные возможности цифровой образовательной платформы Мирера, относящейся к классу полидисциплинарных информационных интеллектуальных систем и предназначенной для комплексной поддержки образовательного процесса. Платформа объединяет средства управления обучением, автоматизированной проверки заданий, образовательной аналитики, учета посещаемости и интеллектуальной поддержки преподавателей и обучающихся на основе технологий искусственного интеллекта. Описаны основные функциональные возможности системы, включая автоматическую проверку заданий по различным дисциплинам, инструменты формирования адаптивных образовательных траекторий, анализ цифрового следа обучающихся, встроенные средства коммуникации и нейросетевых ассистентов. Рассмотрены механизмы автоматизации рутинных процессов и поддержки принятия педагогических решений на основе данных. Результаты пилотного внедрения показали, что использование платформы способствует снижению нагрузки на преподавательский состав, повышению вовлеченности студентов и повышению эффективности управления образовательным процессом, что подтверждает потенциал применения цифровых образовательных платформ в качестве инструмента трансформации высшего, среднего общего и специального профессионального образования.

Метаданные научных публикаций используются для построения каталогов, определения цитируемости публикаций и решения других задач. Автоматизация извлечения метаданных из PDF-файлов позволяет ускорить выполнение обозначенных задач, а от качества извлеченных данных зависит возможность их дальнейшего использования. Проанализированы существующие программные решения, в итоге отобраны три: GROBID, CERMINE, ScientificPdfParser. Предложена методика сравнения этих программных решений распознавания текстов научных публикаций по качеству извлечения метаданных. На основе методики проведен эксперимент по извлечению четырех типов метаданных (название, аннотация, дата публикации, имена авторов). Для сравнения программных решений использован набор из 112457 публикаций с разбиением на 23 предметные области, сформированный на основе данных Semantic Scholar. Приведен пример выбора эффективного программного решения извлечения метаданных в условиях заданных приоритетов для предметных областей и типов метаданных с использованием взвешенной суммы. Определено, что для приведенного примера CERMINE показывает эффективность на 10,5% выше, чем GROBID, и на 9,6% выше, чем ScientificPdfParser.