ВКР МЭИ: «Исследование методов и разработка средств обработки естественного языка для автоматической генерации тестовых заданий»

Диплом МЭИ 09.03.03 "Прикладная информатика" Исследование методов и разработка средств обработки естественного языка для автоматической генерации тестовых заданий

Бесплатная консультация по вашей теме: Telegram: @Diplomit Телефон/WhatsApp/MAX: +7 (987) 915-99-32, Email: admin@diplom-it.ru,

Актуальность темы ВКР

Современные образовательные системы все чаще сталкиваются с необходимостью автоматизации процесса оценки знаний студентов. Согласно исследованию Министерства просвещения РФ (2024), преподаватели тратят до 30% рабочего времени на создание и проверку тестовых заданий, что негативно сказывается на качестве образовательного процесса. В условиях цифровой трансформации образования разработка средств обработки естественного языка для автоматической генерации тестовых заданий становится критически важной задачей для повышения эффективности работы преподавателей и качества оценки знаний студентов.

Особую актуальность данная тема приобретает в свете требований Руководства по написанию ВКР для МЭИ, где особое внимание уделяется практической реализации и внедрению разработанных решений. Современные методы обработки естественного языка (NLP), основанные на технологиях искусственного интеллекта, позволяют создавать высококачественные тестовые задания, соответствующие уровню подготовки студентов и специфике учебного предмета.

Цель и задачи

Цель исследования: исследование методов и разработка средств обработки естественного языка для автоматической генерации тестовых заданий по дисциплине "Информационные системы в экономике" для студентов МЭИ, обеспечивающих повышение качества и эффективности процесса оценки знаний.

Для достижения поставленной цели необходимо решить следующие задачи:

• Провести анализ существующих подходов к автоматической генерации тестовых заданий и выявить их недостатки
• Исследовать методы обработки естественного языка, применимые для генерации тестовых заданий
• Определить функциональные и нефункциональные требования к системе на основе анализа потребностей преподавателей МЭИ
• Разработать архитектуру системы автоматической генерации тестовых заданий
• Создать методику оценки качества генерируемых тестовых заданий
• Реализовать прототип системы с основными функциями: анализ учебного материала, генерация тестовых заданий, оценка их качества
• Провести тестирование системы с группой преподавателей и студентов МЭИ
• Оценить эффективность внедрения системы по критериям: сокращение времени на создание тестов, повышение качества заданий, удовлетворенность пользователей

Объект и предмет исследования

Объект исследования: процессы создания и использования тестовых заданий в образовательных учреждениях, в частности, в Национальном исследовательском технологическом университете "МИЭТ".

Предмет исследования: методы и технологии разработки средств обработки естественного языка для автоматической генерации тестовых заданий, включая алгоритмы NLP, методы анализа учебного материала и системы оценки качества генерируемых заданий.

Исследование фокусируется на создании решения, которое будет соответствовать специфике преподавания дисциплины "Информационные системы в экономике" в МЭИ, учитывая особенности учебного материала и требования к тестовым заданиям.

Примерный план (Содержание) работы

Структура ВКР должна отражать логическую последовательность этапов исследования и разработки системы автоматической генерации тестовых заданий. Вот примерный план работы по данной теме:

Глава 1. Анализ проблемной области и постановка задачи

• 1.1. Современное состояние систем автоматической генерации тестовых заданий в образовательных учреждениях
• 1.2. Анализ существующих методов обработки естественного языка для образовательных задач
• 1.3. Исследование процессов создания тестовых заданий в МЭИ
• 1.4. Выявление проблем и ограничений текущих методов создания тестов
• 1.5. Постановка задачи и определение критериев оценки эффективности

Глава 2. Результаты работ, выполняемые на этапах анализа, проектирования и разработки

• 2.1. Анализ требований к системе автоматической генерации тестовых заданий в контексте МЭИ
• 2.2. Исследование и выбор методов обработки естественного языка для генерации тестов
• 2.3. Проектирование архитектуры системы и выбор технологического стека
• 2.4. Разработка алгоритмов анализа учебного материала и генерации тестовых заданий
• 2.5. Создание методики оценки качества генерируемых тестовых заданий

Глава 3. Описание итоговой реализации и тестирование

• 3.1. Описание реализованной системы автоматической генерации тестовых заданий
• 3.2. Реализация модуля анализа учебного материала
• 3.3. Реализация модуля генерации тестовых заданий различных типов
• 3.4. Тестирование системы с группой преподавателей и студентов МЭИ
• 3.5. Анализ результатов внедрения и рекомендации по дальнейшему развитию

Ожидаемые результаты и практическая значимость

Результатом исследования станет система автоматической генерации тестовых заданий, позволяющая преподавателям МЭИ:

• Сократить время на создание тестовых заданий на 60-70%
• Повысить качество тестовых заданий за счет соответствия учебному материалу
• Генерировать тесты различного типа (выбор, соответствие, открытые вопросы)
• Создать персонализированные тесты на основе уровня подготовки студентов
• Интегрировать систему с существующими образовательными платформами университета

Практическая значимость работы заключается в том, что разработанная система может быть внедрена не только в учебный процесс МЭИ, но и адаптирована для других дисциплин и высших учебных заведений. Это особенно важно в свете требований к повышению эффективности образовательного процесса и внедрению персонализированного обучения.

Результаты исследования могут быть использованы кафедрой информационных систем МЭИ для оптимизации процесса оценки знаний студентов, а также для создания методических рекомендаций по применению NLP-технологий в образовательном процессе. Система будет соответствовать требованиям информационной безопасности, что делает ее готовой к реальному внедрению в условиях университета.

Пример введения для выпускной квалификационной работы

Современные образовательные системы все чаще сталкиваются с необходимостью автоматизации процесса оценки знаний студентов. Согласно исследованию Министерства просвещения РФ (2024), преподаватели тратят до 30% рабочего времени на создание и проверку тестовых заданий, что негативно сказывается на качестве образовательного процесса. В условиях цифровой трансформации образования разработка средств обработки естественного языка для автоматической генерации тестовых заданий становится критически важной задачей для повышения эффективности работы преподавателей и качества оценки знаний студентов.

Целью настоящей выпускной квалификационной работы является исследование методов и разработка средств обработки естественного языка для автоматической генерации тестовых заданий по дисциплине "Информационные системы в экономике" для студентов МЭИ, обеспечивающих повышение качества и эффективности процесса оценки знаний. Для достижения поставленной цели решаются следующие задачи: анализ существующих подходов к автоматической генерации тестовых заданий, исследование методов обработки естественного языка, определение функциональных требований к системе, разработка архитектуры системы, создание методики оценки качества тестов, реализация прототипа системы и оценка ее эффективности.

Объектом исследования выступают процессы создания и использования тестовых заданий в образовательных учреждениях, предметом — методы и технологии разработки средств обработки естественного языка для автоматической генерации тестовых заданий. В работе используются такие методы исследования, как анализ научной литературы, методы обработки естественного языка, методы проектирования информационных систем и методы оценки эффективности внедренных решений.

Научная новизна исследования заключается в предложении комплексного подхода к автоматической генерации тестовых заданий, объединяющего современные методы NLP с педагогическими принципами создания эффективных тестов. Практическая значимость работы состоит в создании готового к внедрению решения, которое позволит преподавателям значительно сократить время на создание тестовых заданий и повысить их качество.

Заключение ВКР МЭИ

В ходе выполнения выпускной квалификационной работы была разработана и внедрена система автоматической генерации тестовых заданий на основе методов обработки естественного языка. Проведенный анализ существующих подходов позволил выявить ключевые проблемы текущих методов создания тестов и сформулировать требования к новой системе, учитывающей специфику преподавания дисциплины "Информационные системы в экономике" в МЭИ.

Разработанная система включает модули анализа учебного материала, генерации тестовых заданий различных типов и оценки их качества. При реализации были использованы современные методы NLP, включая трансформерные модели и техники семантического анализа. Тестирование системы с группой преподавателей и студентов МЭИ показало, что внедрение разработанного решения позволяет сократить время на создание тестовых заданий на 65%, повысить их качество на 40% и повысить удовлетворенность преподавателей на 35%.

Практическая значимость работы подтверждается готовностью системы к эксплуатации в условиях МЭИ и потенциальной возможностью адаптации для других дисциплин и учебных заведений. Полученные результаты могут стать основой для дальнейших исследований в области применения NLP-технологий в образовательном процессе и разработки специализированных решений для повышения эффективности оценки знаний студентов.

Требования к списку источников

Список использованных источников в ВКР по разработке NLP-систем для генерации тестов должен соответствовать ГОСТ 7.1-2003 и включать не менее 45 источников, из которых 30% должны быть опубликованы за последние 2 года. Источники необходимо разделить на категории: нормативные документы, научная литература по NLP, работы по педагогике и тестированию, исследования по искусственному интеллекту в образовании.

Примеры корректного оформления источников:

1. ГОСТ Р 7.0.97-2016. Система стандартов по информации, библиотечному и издательскому делу. Организация библиотечного поиска. Основные положения. — М.: Стандартинформ, 2016. — 18 с.
2. Соколова, Е.П. Методы обработки естественного языка в образовательных системах / Е.П. Соколова, А.В. Григорьев // Информационные технологии в образовании. — 2024. — № 3. — С. 87-99.
3. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M. Chang, K. Lee, K. Toutanova. — NAACL, 2019. — URL: https://arxiv.org/abs/1810.04805

Особое внимание следует уделить источникам по современным методам обработки естественного языка (BERT, GPT, трансформеры), исследованиям в области автоматической генерации тестов и педагогическим принципам создания эффективных заданий. Все источники должны быть непосредственно связаны с темой исследования и использованы в тексте работы для подтверждения аргументов и выводов.

• Как написать введение для дипломной работы: инструкция и пример
• 7 проверенных способов повысить оригинальность диплома
• Как подготовить killer-презентацию для защиты