Автоматизация_оценки_знаний_студентов_с_помощью_искусственный_интелект

1. АВТОМАТИЗАЦИЯ ОЦЕНКИ ЗНАНИЙ СТУДЕНТОВ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЕКТА

Барахоева Х.В., Молоткова А.В
presentation-creation.ru

2. Актуальность

Цифровизация и рост числа студентов демонстрируют
неэффективность традиционного оценивания. Ручная проверка
требует значительного времени, субъективна и не обеспечивает
оперативную обратную связь. Это делает внедрение систем
искусственного интеллекта для автоматизации оценки актуальной
задачей, позволяющей наладить объективный и оперативный
образовательный мониторинг.

3. Основные технологии автоматизированной оценки

1
Семантические технологии и онтологии
Семантические технологии и онтологии позволяют перейти от простого подсчета баллов к
глубинному анализу усвоения знаний, выявляя связи между элементами учебного процесса для
оценки понимания студентом целых предметных областей.
2
Обработка естественного языка (NLP)
Методы обработки естественного языка (NLP) автоматически анализируют смысл,
структуру и языковые качества письменных работ студентов, такие как эссе и рефераты.
3
Машинное обучение и анализ данных
Машинное обучение автоматизирует оценку задач с четкими критериями (например, по
программированию), а также прогнозирует успеваемость, помогая вовремя оказывать поддержку
студентам.

4. Классификация технологий ИИ для автоматизации оценки

Технология
Область применения
Преимущества
Семантические технологии и онтологии
Глубокая оценка знаний по терминам и Учет контекста и связей между понятиями,
предметным
областям,
формирование высокая степень персонализации обратной связи
рекомендаций
Обработка естественного языка (NLP)
Проверка эссе, рефератов, курсовых работ
Машинное обучение
Проверка
задач
по
программированию, Высокая
скорость
обработки
математике; прогнозирование успеваемости
стандартизированных заданий, объективность,
выявление паттернов успеваемости
Возможность анализа смысла и структуры
текста, проверка грамматики и стиля

5. Практическое применение и примеры внедрения

-Оценка письменных работ и
программирования
-Контроль и прогнозирование в
образовательном процессе
- Системы электронного обучения на
базе онтологий

6. Ключевые преимущества

1
Алгоритм
свободен от
человеческих
факторов
(усталость,
симпатии),
обеспечивая
единый
стандарт
оценки.
2
3
Система
мгновенно
обрабатывает
тысячи работ,
что критически
важно для
массовых
курсов.
На основе
данных об
успеваемости
ИИ формирует
индивидуальны
е траектории
для
восполнения
пробелов в
знаниях.

7. Проблемы и ограничения

1
2
3
Широкое
распространени
е ИИгенераторов
текста создает
почву для
плагиата.
Алгоритмы
неспособны
адекватно
оценить
оригинальность,
глубину мысли и
иронию,
которые легко
распознает
человек.
Невозможность
объяснить
логику оценки
нейросетей
подрывает
доверие к
системе со
студентов и
преподавателей.

8.

СПАСИБО ЗА
ВНИМАНИЕ