ИНТЕГРАЦИЯ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МОДУЛЬ ТЕСТИРОВАНИЯ МАССОВОГО ОТКРЫТОГО ОНЛАЙН-КУРСА
DOI:
https://doi.org/10.52167/1609-1817-2025-138-3-249-263Ключевые слова:
МООК, DeepSeek-R1, искусственный интеллект, Laravel, цифровое образование, генерация тестов, автоматизация контентаАннотация
В эпоху цифровой трансформации система образования переживает период развития массовых открытых онлайн-курсов (МООК), обеспечивающих качественные изменения, в том числе глобальный доступ к образованию. Однако существующие платформы МООК в основном используют стандартизированные материалы и не учитывают индивидуальные особенности обучающихся, что снижает эффективность курсов и приводит к снижению процента завершения. Для устранения таких ограничений используются технологии искусственного интеллекта (ИИ). Создание учебного контента с помощью искусственного интеллекта, предоставление рекомендаций, автоматическая адаптация пути обучения к прогрессу обучающегося – открывает путь к персонализации современного образования. Данная работа направлена на изучение способов адаптации модуля тестирования на курсах формата МООК через ИИ. Исследование выполнено в рамках проекта грантового финансирования (№AP23485289). К выполнению проекта были привлечены и студенты Торайгыровского университета. В результате была написана дипломная работа и разработан модуль тестирования платформы МООК. Этот модуль был реализован на основе фреймворка Laravel, объединив языковую модель DeepSeek-R1 через REST API. Предлагаемый подход обеспечивает адаптацию тестовых вопросов к уровню обучающегося на основе k-ближайших соседей и показателей результативности. Модуль автоматизирует составление вопросов и их сложность, а также дает индивидуальные рекомендации. Экспериментальные результаты показывают, что модель ИИ достигает 92% точности генерации; сокращает время подготовки теста-теста до 8-12 секунд. Предлагаемое решение соответствует современным требованиям цифрового образования, открывая перспективы масштабируемой и персонализированной оценки знаний.
Библиографические ссылки
[1] AI-Sana инновациялық бағдарламасының жүзеге асырылуы туралы. (2025). URL: https://www.gov.kz/memleket/entities/sci/press/news/details/967895?lang=kk&ysclid=m9fltujvrd447770142. (қаз).
[2] Қазақстан Республикасының Жоғары білім берудің мемлекеттік жалпыға міндетті стандарты (ҚР ЖБ МЖМБС) (2024). https://adilet.zan.kz/kaz/docs/V2400034991#z3. (қаз).
[3] Қазақстан Республикасының білім берудің цифрлық экожүйесін дамытудың 2025 жылға дейінгі тұжырымдамасы. (2022).
URL: https://www.gov.kz/memleket/entities/edu/documents/details/327409?lang=ru. (қаз).
[4] 2023-2029 жылдарға арналған «Сапалы білім» Ұлттық жобасы. (2023). URL: https://www.gov.kz/memleket/entities/edu/press/news/details/58769?lang=ru. (қаз).
[5] Н.Н. Оспанова, А.Қ. Каирбаева, Р.С. Куанышева, Н.К. Токжигитова, С.Д. Байжуманов. Формалды емес білім беру тұрғысынан MOOC платформаларының SWOT-талдауы. / Торайғыров университетінің Хабаршысы, ISSN 2959-068Х. Физика, математика және компьютерлік ғылымдар сериясы. № 4, Б. 30-44. – 2024. DOI: https://doi.org/10.48081/IIPM8904. (қаз.)
[6] Р.С. Куанышева, Н.Н. Оспанова, А.Қ. Каирбаева, Н.К. Токжигитова, М.Е. Нургалиева. Қазақстанның жоғары оқу орындарының мысалында бейресми білім беруді дамыту мәселелері. / Торайғыров университетінің Хабаршысы, ISSN 2710-2661. Педагогикалық сериясы № 1. Б. 325-336. – 2025. DOI: https://doi.org/10.48081/MDSG4237. (қаз)
[7] Serban, I. V., García-Durán, A., Gulcehre, C., Ahn, S., Chandar, S., Courville, A., & Bengio, Y. Generating Factoid Questions with Recurrent Neural Networks: The 30M Factoid Question-Answer Corpus // arXiv preprint. – 2016. – URL: https://arxiv.org/abs/1603.06807. (In Eng.).
[8] Bulathwela, S., Muse, H., Yilmaz, E. Scalable Educational Question Generation with Pre-trained Language Models // arXiv preprint. – 2023. – URL: https://arxiv.org/abs/2305.07871. (In Eng.).
[9] Drori, I., Zhang, S., Shuttleworth, R., Tang, L., Lu, A., Ke, E., & Strang, G. A Neural Network Solves, Explains, and Generates University Math Problems by Program Synthesis and Few-Shot Learning at Human Level//arXiv preprint. – 2021. – URL: https://arxiv.org/abs/2112.15594. (in Eng.).
[10] Маслова М. А. Обзор существующих методов автоматической генерации тестовых заданий на естественном языке. Computational nanotechnology, 10 (4), C.46-55. – 2023.doi: https://doi.org/10.33693/2313-223X-2023-10-4-46-55. (на рус.).
[11] Бордачев Д. В. Разработка адаптивного массового открытого онлайн-курса в рамках обучения технологиям искусственных нейронных сетей // Вестник РУДН. Серия: Информатизация образования. – 2021. – Т. 18, № 1. – С. 100–106. DOI: https://doi.org/10.22363/2312-8631-2021-18-1-100-106. (на рус.).
[12] Министерство науки и высшего образования РК. Вопросы для ЕНТ будут разрабатывать с помощью искусственного интеллекта // Informburo.kz. – 2025. URL: https://informburo.kz/novosti/voprosy-dlia-ent-budut-razrabatyvat-s-pomoshhiu-iskusstvennogo-intellekta. (на рус.).
[13] Костанайский политехнический высший колледж. Искусственный интеллект в помощь педагогу: повышение квалификации. – 2025. URL: https://kpvk.edu.kz/ru/iskusstvennyj-intellekt-v-pomoshh-pedagogu-povyshenie-kvalifikatsii. (на рус.).
[14] Керімбердина А.Б., Садвакасова А.К. Жасанды нейрондық желілердің білім беруде қолданылу жағдайы // XXI ғасырдағы білім және ғылым. – 2023. – Т. 2, № 1. – Б. 15–22. DOI: https://doi.org/10.48371/PEDS.2022.67.4.018%20. (қаз.).
[15] Brown, T. B., Mann, B., Ryder, N., et al. Language models are few-shot learners. arXiv preprint. – 2020. – URL: https://doi.org/10.48550/arXiv.2005.14165. (in Eng.).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Назира Оспанова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
