Вас приветствует Интернет конференция!
Приветствуйем на нашем сайте
КОНЦЕПТУАЛЬНА МОДЕЛЬ СИСТЕМИ АВТОМАТИЗАЦІЇ СТВОРЕННЯ ТА ОЦІНЮВАННЯ ПЕРСОНАЛІЗОВАНИХ ПРАКТИЧНИХ ЗАВДАНЬ
02.04.2025 18:33
[1. Systemy i technologie informacyjne]
Автор: Хижняк Андрій Васильович, аспірант, старший викладач кафедри інформаційних та комп'ютерних систем, Національний університет «Чернігівська Політехніка», м.Чернігів, Україна; Пріла Ольга Анатоліївна, кандидат технічних наук, доцент, доцент кафедри інформаційних та комп'ютерних систем, Національний університет «Чернігівська Політехніка», м.Чернігів, Україна
ORCID 0009-0008-8655-3736 Хижняк А.В.
Дистанційне навчання стало важливим елементом сучасної освіти, особливо в умовах війни, коли безпека студентів є пріоритетом [1]. Наразі більшість навчальних закладів адаптувалися до дистанційного навчання, проте дистанційне навчання має і суттєві недоліки, серед яких зниження рівня контролю за виконанням завдань, особливо у форматі асинхронного навчання. Відсутність безпосереднього нагляду викладача ускладнює перевірку того, чи завдання виконане безпосередньо студентом. Впровадження штучного інтелекту (ШІ, англ. artificial intelligence, AI) у навчання також створює нові виклики, зокрема проблему недобросовісного використання технологій студентами.
Отже, основні виклики, пов'язані з дистанційним навчанням у сфері інформаційних технологій, включають:
- Складність контролю виконання завдань: викладачі не можуть гарантувати, що практичні роботи виконані студентами особисто, особливо якщо вони не проходять у режимі реального часу.
- Використання ШІ: сучасний ШІ дозволяє студентам автоматично генерувати відповіді, що ускладнює об'єктивне оцінювання їхніх знань.
- Навантаження на викладачів: створення і перевірка великої кількості робіт в ручному режимі, особливо персоналізованих завдань, є трудомістким процесом, що вимагає значних часових ресурсів.
Для подолання цих проблем необхідно використовувати підходи, що дозволяють автоматизувати цей процес.
Проблематика персоналізації завдань.
В умовах дистанційного навчання студенти часто отримують завдання у вигляді стандартних шаблонів, що створює ризик масового копіювання відповідей. Застосування персоналізованих завдань частково розв’язує цю проблему, адже кожен студент отримує унікальне завдання.
Проте навіть цей підхід має недоліки:
- Викладачі витрачають значний час на ручне створення завдань.
- Ручна перевірка персоналізованих завдань залишається трудомістким процесом.
- Розвиток систем ШІ уможливлює автоматичне генерування відповідей студентами.
Для вирішення зазначених проблем авторами запропоновано систему, яка автоматизує генерацію та перевірку персоналізованих завдань у дистанційному навчанні і є частиною Digital Learning Ecosystems [2].
Концепція системи.
Запропонована система складається з п’яти основних модулів:
1. Модуль генерації завдань – створює унікальні практичні завдання для кожного студента.
2. Модуль розгортання навчального середовища – налаштовує індивідуальне середовище для виконання завдань.
3. Модуль автоматичної перевірки – здійснює перевірку правильності виконання завдання.
4. Модуль обробки результатів – зберігає результати виконаних завдань та передає їх до наявної в навчальному закладі LMS.
5. Модуль верифікації – використовує спеціально розроблену згідно принципів DSL (domain-specific languages) мову. Мова забезпечує коректність структури та змісту завдань відповідно до визначених шаблонів [3].
Експериментальні результати.
Система була протестована на кафедрі інформаційних та комп’ютерних систем НУ “Чернігівська політехніка” під час викладання дисципліни "Операційні системи". Система дозволяє автоматизувати процес створення завдань, перевірки їх виконання та аналізу результатів, скорочуючи навантаження на викладачів. Результати показали:
- Скорочення часу перевірки завдань викладачем на 60–70%.
- Зниження кількості випадків академічної недоброчесності за рахунок персоналізації.
- Підвищення якості отриманих знань, адже виключається можливість підробки виконання завдань.
Висновки та напрямки подальших досліджень.
Впровадження цієї системи сприятиме оптимізації часу викладачів, підвищенню контролю за виконанням завдань, забезпеченню академічної доброчесності. Подальші дослідження будуть спрямовані на:
- Адаптацію системи до інших дисциплін.
- Інтеграцію з популярними освітніми платформами.
- Оптимізацію використання серверних ресурсів.
- Інтеграцію методів штучного інтелекту для додаткового моніторингу процесу навчання.
Розробка таких систем є важливим кроком у розвитку цифрової освіти, що забезпечить якісну підготовку IT-фахівців у нових реаліях.
Література
1. Черновол Є.О., Чепелюк А.В., Куртяк Ф.Ф. Щодо цифровізації освітнього процесу узакладах вищої освіти України: нові можливості та перспективи. Академічні візії. 2023. Вип.15. С.1–9. DOI:https://doi.org/10.5281 /zenodo.759516
2. A. Zabasta, V. Kazymyr, N. Kunicina, and O. Velihorskyi, "Digital Learning Ecosystem: Online Concept for Engineering Education," 2024 IEEE 65th International Scientific Conference on Power and Electrical Engineering of Riga Technical University (RTUCON), Riga, Latvia, 2024, pp. 1-7, doi: 10.1109/RTUCON62997.2024.10830866.
3. Mernik M., Heering J., Sloane A.M. "When and how to develop domain-specific languages." ACM Computing Surveys, 2005. Available: https://ir.cwi.nl/pub/10893/10893D.pdf
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Другие научные работы даной секции
-
IMPLEMENTING QUALITY ASSURANCE STANDARDS IN SOFTWARE DEVELOPMENT FOR A SMALL IT COMPANY
27.03.2025 11:26 -
CREATING A COMPONENT BASE SOFTWARE USING DROPWIZARD FRAMEWORK
27.03.2025 11:21 -
ВИКОРИСТАННЯ МОЖЛИВОСТЕЙ ШТУЧНОГО ІНТЕЛЕКТУ В УМОВАХ ДИСТАНЦІЙНОЇ ОСВІТИ
26.03.2025 09:22 -
ОГЛЯД ІСНУЮЧИХ РІШЕНЬ ДЛЯ АНАЛІЗУ ДАНИХ В ІНТЕЛЕКТУАЛЬНИХ ІНФОРМАЦІЙНИХ СИСТЕМАХ
16.04.2025 19:01 -
СИСТЕМА ВИЗНАЧЕННЯ СКЕЛЕТУ СОБАК З ВИКОРИСТАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ НА ОСНОВІ DEEPLABCUT
16.04.2025 18:49
Конференции
Конференции 2025
Конференции 2024
Конференции 2023
Конференции 2022
Конференции 2021
