Введение. В статье рассматриваются когнитивные основы персонализированного обучения, представленные на базе сетевых информационных блоков (чанков). Авторы развивают классическую педагогическую модель Н. В. Кузьминой, адаптируя ее к современным условиям цифровизации образования. Предложенная система персонализированного обучения включает пять взаимосвязанных компонентов: гностический, проектировочный, конструктивный, организаторский и коммуникативный. Постановка задачи. Исследование направлено на решение проблемы несоответствия традиционных линейных форматов представления учебного материала индивидуальным когнитивным особенностям обучающихся и поиск новых подходов к организации образовательного процесса в эпоху цифровизации. Исследовательская задача декомпозируется следующим образом: 1) теоретическое обоснование и проектирование модели персонализированного обучения путем модернизации классической пятикомпонентной функциональной модели Н. В. Кузьминой с учетом достижений когнитивной психологии и технологий искусственного интеллекта; 2) разработка структуры информационных блоков (чанков) как базовых единиц учебного материала, обладающих свойствами самодостаточности, компактности, связности с другими блоками и измеримости освоения; 3) проектирование и внедрение алгоритмов персонализации образовательных траекторий на основе коллаборативной и контентной фильтрации, гибридных подходов, методов глубокого обучения и обучения с подкреплением; 4) создание и апробация цифрового Ассистента на базе больших языковых моделей для реализации принципов автодидактики в персонализированном обучении; 5) экспериментальная проверка эффективности разработанной системы в процессе повышения квалификации преподавателей в области цифровых компетенций. Широкое внедрение информационно-телекоммуникационных технологий в систему образования, новые запросы рынка труда предопределяют изменения не только в содержании, но и в процессе обучения всех категорий субъектов образования. Именно поэтому необходимо рассматривать новые когнитивные возможности персонализированного обучения, основанного на сетевых информационных блоках, что позволит обеспечить эффективное личностно-ориентированное обучение как студентов, так и слушателей системы дополнительного образования. Методика и методология исследования. Методологической основой исследования персонализированного обучения выступает функциональная пятикомпонентная модель, адаптированная авторами для современных условий цифровизации образования. Исследование опирается на междисциплинарный подход, интегрирующий положения когнитивной психологии, педагогического проектирования и теории нейронных сетей. Теоретическую базу составляют работы Дж. Миллера о кратковременной памяти («кошелёк Миллера»); исследования Г. А. Саймона о «чанкинге» как механизме формирования экспертной компетентности; теория когнитивной нагрузки Дж. Суэллера и теория мультимедийного обучения Р. Мейера. Методика исследования включает проектирование системы персонализированного обучения на основе сетевых информационных блоков (чанков). Результаты. В исследовании разработан и применен «цифровой Ассистент» для автодидактики на базе больших языковых моделей. Проведена экспериментальная апробация модели повышения квалификации преподавателей с участием 100 педагогов. Осуществлен мониторинг развития ключевых цифровых компетенций через систему регулярных оценочных мероприятий. Представлен статистический анализ эффективности применения разработанных алгоритмов персонализации образовательных траекторий. В рамках исследования модифицированы диагностические инструменты, необходимые для оценки цифровых компетенций преподавателей, выявления профессиональных дефицитов и определения индивидуальных образовательных потребностей. Проведена оценка результатов апробации на основе векторной модели оценки, учитывающей паттерны навигации по образовательному контенту, семантическую плотность усвоения материала и временную динамику обучения. Выводы. Предложенная система персонализированного обучения на основе сетевых информационных блоков (чанков) представляет собой эффективное развитие классической педагогической модели, адаптированной к условиям цифровизации образования. Структурирование учебного материала в виде сети взаимосвязанных чанков соответствует психологическим особенностям познавательных процессов. Разработанные алгоритмы персонализации образовательных траекторий: коллаборативная и контентная фильтрация, гибридные подходы, методы глубокого обучения и обучения с подкреплением. Внедрение цифрового Ассистента на базе больших языковых моделей обеспечивает реализацию принципов автодидактики М. Монтессори в современном цифровом формате, предоставляя обучающимся возможность самостоятельно конструировать свою образовательную траекторию. Экспериментальная апробация модели повышения квалификации преподавателей подтвердила эффективность разработанной системы. Предложенная векторная модель оценивания, учитывающая паттерны навигации, семантическую плотность и временную динамику  обучения.