АВТОМАТИЧНА ГЕНЕРАЦІЯ НАВЧАЛЬНИХ ТЕСТІВ ЗА ДОПОМОГОЮ ПРОГРАМНОЇ ОБРОБКИ ПРИРОДНО-МОВНИХ ТЕКСТІВ

  • Д. І. Ковальов Київський національний університет імені Тараса Шевченка
Ключові слова: формальна семантика, семантичний аналіз, обробка мови, генерація навчальних тестів, лінгвістичний процесор

Анотація

У статті розглядаються основні технології, які сьогодні використовуються в електронному навчанні в багатьох вищих навчальних закладах. Згадано пакет програм SMPR, створений студентами факультету кібернетики та інформаційних технологій Київського національного університету імені Тараса Шевченка протягом декількох років. Їх метою є спрощення процесу навчання, консультування та перевірки знань учнів як для викладачів, так і для студентів. SMPR використовується для навчання викладачами кількох університетів для підтримки курсу «Теорія рішень» та інших предметів прикладних наук. У 2014 році цей програмний пакет удосконалено за допомогою автоматизованої підсистеми оцінки знань, що є основною темою статті. У межах автоматизованого оцінювання є проблема оцінювання відкритих текстових відповідей. Викладачі хотіли б знати якість знань учнів, ставлячи відповідні запитання, що вимагають опису процесів мислення. Однак немає жодних автоматизованих рішень, які могли хоча б попередньо оцінити такі відповіді. Рішення, певно, лежить у галузі NLP та видобутку даних. Після деяких досліджень із цих тем автор натрапив на статті, що описують підходи до аналізу даних та тексту, а основа для цих рішень лежить у базах знань. Також у тексті виокремлюються фрагменти інтенсивної логіки з точки зору впровадження технічної системи, яка спрямована на роботу з природними текстовими даними. Розглянуто принципи застосування інтенсивної логіки Р. Монтегю для формалізації текстових даних, представлених природною мовою, з метою створення баз даних знань, необхідних для подальшої реалізації автоматичної генерації навчальних тестів. Далі пропонується практичний підхід до завдання генерації навчальних тестів, заснований на технології вилучення знань із природно-мовних текстів із використанням програмного лінгвістичного процесора.

Посилання

1. Robinson, Rhonda; Molenda, Michael; Rezabek, Landra. “Facilitating Learning” (PDF). Association for Educational Communications and Technology. Retrieved 18 March 2016.
2. Courts, B., & Tucker, J. Using Technology To Create A Dynamic Classroom Experience. Journal of College Teaching & Learning (TLC), 9(2), 2012, pp. 121–128.
3. Снитюк В.Е., Юрченко К.М. Интеллектуальное управление оцениванием знаний, Маклаут, Черкассы 2013. 224 c.
4. O.F. Voloshyn, D.I. Kovaliov “Educational system support to decision making theory”, Computer Science And Information, Technologies Conference, Yerevan 2013, Р. 433–434.
5. A. Freeman, M. MacDonald, M. Szpuszta, “Pro ASP.NET 4.5 in C#” [5th Edition] Apress, 2013.
6. H. Kniberg “Scrum and XP from the Trenches (Enterprise Software Development)”, www.lulu.com 2007.
7. Волошин О.Ф., Кудін В.І. Використання новітніх навчальних технологій у Київському національному університеті імені Тараса Шевченка. Класичний університет у контексті викликів епохи (Classic University in the Context of Challenges of the Epoch) : матеріали українсько-польської міжнародної наукової конференції (м. Київ, 22–23 вересня 2016 року) / уклад.: А.С. Філіпенко та ін. Київ : Київський національний університет імені Тараса Шевченка, 2016. C. 167.
8. Ковальов Д.І. Сервіс Дистанційного навчання у форматі соціальної мережі. Вісник КНУ. Серія фізико-математичні науки. 2015.
9. Montague, R. English as a formal language / edited by R. H. Thomason. Formal Philosophy. Yale University Press, 1974.
10. Швецов А.Н., Алешин В.С. Построение приближенной концептуальной модели предметной области на основе анализа смысла естественно-языковых текстов. Международная конференция по мягким вычислениям и измерениям SCM’2003 : сб. докл. Т. 2. Санкт-Петербург, 2003. С. 120–123.
Опубліковано
2021-03-12
Як цитувати
Ковальов, Д. І. (2021). АВТОМАТИЧНА ГЕНЕРАЦІЯ НАВЧАЛЬНИХ ТЕСТІВ ЗА ДОПОМОГОЮ ПРОГРАМНОЇ ОБРОБКИ ПРИРОДНО-МОВНИХ ТЕКСТІВ. Computer Science and Applied Mathematics, (2), 36-42. https://doi.org/10.26661/2413-6549-2020-2-05