Дисертаційна робота присвячена підвищенню ефективності розподілених систем підтримки прийняття групових рішень. Запропоновано нову інформаційну модель розподіленої системи підтримки прийняття групових рішень, яка дозволяє поєднувати усі елементи розподіленої системи та, забезпечує можливість впливу на початкові ймовірності появи альтернатив для прийняття рішень, шляхом введення поточних переваг користувачів. Запропоновано метод підготовки даних для прийняття групових рішень за допомогою баєсової мережі, який на відміну від існуючих дозволяє формувати альтернативи для вибору користувачів шляхом статистичного аналізу навчальної вибірки, що дає можливість підвищити ефективність прийняття групових рішень за рахунок пропонування найбільш ймовірних початкових альтернатив для вибору користувачами. Запропоновано динамічну баєсову мережу для формування альтернатив вибору користувачів, яка використовує апріорні ймовірності появи альтернатив та динамічно оновлюється під час кожного етапу прийняття рішень користувачами, що дозволяє пропонувати найбільш ймовірні альтернативи на кожному етапі прийняття рішень користувачами до закінчення усіх альтернатив. Розроблено алгоритмічне забезпечення розподіленої системи підтримки прийняття групових рішень. Розроблено та програмно реалізовано технології групового прийняття рішень з врахуванням переваг кожного користувача. Розроблено програмне та методичне забезпечення групового навчання програмуванню, яке використовує запропоновану інформаційну технологію з модулями синтаксичного аналізу програмних кодів.^UThe dissertation work is dedicated to increase the efficiency of the distributed group decision support systems. A new information model of a distributed group decision support system is proposed, which allows to combine all elements of a distributed system and provides an opportunity to influence the initial probabilities of alternative decision-making by introducing current user preferences. A method of preparing data for group decision-making using a Bayesian network is proposed, which, unlike the existing ones, allows to form alternatives for user selection by statistical analysis of the training sample, which allows to increase group decision-making efficiency by offering the most probable initial alternatives for user selection. A dynamic Bayesian network for the formation of user choice alternatives is proposed, which uses apriori probabilities of alternatives and is dynamically updated by users during each decision-making stage, which allows to propose the most probable alternatives at each stage of user decision-making process until all the alternatives are chosen. Algorithmic support of the distributed system of group decision-making support is developed. Developed and programmatically implemented group decision-making technologies that take into account the preferences of each user. Software and methodological support for group programming training has been developed, which uses the proposed information technology with modules of program codes parcing.