Нейросетевая модель автогенерации тестов для студентов в системе Moodle на основе анализа методических материалов
https://doi.org/10.35596/1729-7648-2025-31-3-66-75
Аннотация
Представлена система автоматизированной генерации тестовых заданий для студентов на основе анализа методических материалов с использованием больших языковых моделей (LLM). Разработана и опробована система, способная автоматически создавать качественные тестовые материалы, сокращая трудозатраты преподавателей и повышая эффективность контроля знаний студентов. Для достижения цели решались следующие задачи: разработка архитектуры системы, включающей модули предобработки текста, генерации вопросов, валидации и фильтрации, а также формирования итогового теста; исследование методов промптинга (точной и структурированной формулировки запросов, определяющих задачу для LLM) и дообучения LLM для генерации и оценки качества тестовых заданий; апробация системы в реальном учебном процессе и оценка ее эффективности. В результате исследования разработаны модульная система, использующая две LLM: основную для генерации вопросов и систему LLM-эксперта для оценки их качества. Показана эффективность методов настройки и дообучения для адаптации LLM к задачам автоматической генерации тестов.
Об авторах
К. С. Курочка
Гомельский государственный технический университет имени П. О. Сухого
Беларусь
Беларусь
Курочка К. С., канд. техн. наук, доц., зав. каф. информационных технологий
246029, Гомель, просп. Октября, 48
Ю. С. Башаримов
Гомельский государственный технический университет имени П. О. Сухого
Беларусь
Беларусь
Башаримов Ю. С., магистр, ассист. каф. информационных технологий
246029, Гомель, просп. Октября, 48
Тел.: +375 232 22-46-36
Башаримов Юрий Сергеевич
Список литературы
1. Курочка, К. С. Применение информационных технологий в учебном процессе инженерного вуза / К. С. Курочка, В. И. Токочаков // Вестник Хакасского государственного университета имени Н. Ф. Катанова. 2017. № 20. С. 117–120.
2. Kurachka, К. The Introduction of Soft Skills in the Study of Disciplines of the Second Stage of Higher Education at the Sukhoi State Technical University of Gomel / K. Kurachka, U. Kamrakou, V. Zakharenko // International Journal of Pedagogy, Innovation and New Technologies. 2023. Vol. 9. P. 84–94.
3. Adapting Large Language Models for Education: Foundational Capabilities, Potentials, and Challenges / Qingyao Li [et al.] // arXiv:2401.08664. 2024.
4. Maity, S. The Future of Learning in the Age of Generative AI: Automated Question Generation and Assessment with Large Language Models / S. Maity, A. Deroy // arXiv:2405.09576. 2024.
5. Al Faraby, S. Review on Neural Question Generation for Education Purposes / S. Al Faraby, А. Adiwijaya, A. Romadhony // International Journal of Artificial Intelligence in Education. 2024. Vol. 34, No 3. P. 1008–1045.
6. Maity, S. Exploring the Capabilities of Prompted Large Language Models in Educational and Assessment Applications / S. Maity, A. Deroy, S. Sarkar // arXiv:2405.11579. 2024.
7. Fine-Tuning a Large Language Model with Reinforcement Learning for Educational Question Generation / S. Lamsiyah [et al.] // International Conference on Artificial Intelligence in Education. 2024. P. 424–438.
8. Соснин, А. В. Взаимосвязь экспертных категорий и автоматических метрик, используемых для оценки качества перевода / А. В. Соснин, Ю. В. Балакина, А. Н. Кащихин // Вестник Санкт-Петербургского университета. Язык и литература. 2022. Т. 19, № 1. С. 125–148.
Рецензия
Для цитирования:
Курочка К.С., Башаримов Ю.С. Нейросетевая модель автогенерации тестов для студентов в системе Moodle на основе анализа методических материалов. Цифровая трансформация. 2025;31(3):66-75. https://doi.org/10.35596/1729-7648-2025-31-3-66-75
For citation:
Kurochka K.S., Basharymau Y.S. Neural Network Model for Automated Test Generation for Students in the Moodle System Based on the Analysis of Methodological Materials. Digital Transformation. 2025;31(3):66-75. (In Russ.) https://doi.org/10.35596/1729-7648-2025-31-3-66-75
Просмотров:
55
Послать статью по эл. почте 