SCI Библиотека

Цель исследования. Основными целями разработки модуля для автоматического оценивания работ студентов на основе российской системы оценочных шкал являются:- повышение эффективности оценивания: автоматическая система может обрабатывать большее количество работ за меньшее время, чем преподаватель, что позволяет сократить время, затрачиваемое на проверку;- объективность оценивания: автоматическая система не подвержена предвзятости и другим человеческим факторам, что обеспечивает более объективную оценку работ;- стандартизация оценивания: автоматическая система обеспечивает единый подход к оцениванию работ, что повышает его прозрачность и сопоставимость;- снижение нагрузки на преподавателей: освобождение преподавателей от рутинной работы по проверке работ позволяет им больше времени посвятить индивидуальной работе со студентами. Материалы и методы. Для разработки модуля для автоматического оценивания работ студентов могут быть использованы различные методы, такие как: Методы машинного обучения: эти методы позволяют модулю обучаться на наборе примеров, где работы студентов уже оценены преподавателями, и автоматически выставлять оценки новым работам. Методы обработки естественного языка (NLP): Эти методы позволяют модулю понимать смысл текста и оценивать его по заданным критериям. Методы экспертных систем: Эти методы позволяют модулю использовать знания экспертов в области оценивания студенческих работ. Для данного проекта мы выбрали комбинацию алгоритмов индексов Левенштейна и Жаро, основанных на методе оценки знаний учащихся в российской системе. Результаты. В ходе выполнения данного исследования были получены следующие основные результаты. Модуль автоматической оценки студенческих работ успешно разработан и реализован на основе российской системы оценочных шкал. Проведенные тестовые оценки работ показали высокую точность предсказаний модуля и надежность его работы. Сравнение модуля с ручной оценкой подтвердило его способность давать сравнимые результаты. Модуль оказался полезным для преподавателей, предоставляя им возможность быстрой и объективной оценки работ студентов. Интеграция модуля с существующими системами управления обучением облегчает его внедрение в образовательную среду. Все полученные результаты свидетельствуют о высокой эффективности и перспективности разработанного модуля. Заключение. В результате выполнения данной работы был разработан и реализован модуль автоматической оценки студенческих работ на основе российской системы оценочных шкал. Основные результаты работы заключаются в том, что модуль успешно прошел тестирование и продемонстрировал высокую точность и надежность в оценке работ. Модуль также показал свою полезность для преподавателей, предоставляя им возможность быстрой и объективной оценки работ студентов. Благодаря интеграции с существующими системами управления обучением, модуль может быть легко внедрен в образовательную среду. В целом, результаты работы подтверждают эффективность и перспективность использования автоматической оценки студенческих работ на основе российской системы оценочных шкал.

В быстро развивающейся сфере научных исследований способность эффективно собирать и анализировать данные приобретает существенное значение. В этой связи возникает потребность в разработке программы (бота), выполняющей рутинные операции по извлечению данных со страниц определенного сайта и формированию из них текстового документа, например, в формате MS Word. Автоматизация процесса сбора данных позволяет исследователю сосредоточить усилия на интеллектуальной работе. В статье рассматривается, методика применения Selenium и Python для автоматизации сбора данных и оптимизации исследовательских процессов.

Развитие информационно - образовательной среды приводит к увеличению количества разных форм образовательной документации, требующей учета в электронной форме. В статье выделены принципы работы системы обработки, хранения и анализа вузовской документации, реализующей гибридный подход в технологии обработки данных

В статье рассмотрены вопросы конструктивной цифровой трансформации учебного процесса посредством использования образовательных онлайн-платформ. На основе анализа существующих решений разработана авторская методика дифференцированного оценивания образовательной онлайн-платформы вуза. Встроенная в платформу метрическая модель на основе рискового термометра являет собой новый подход в области образовательного технологического проектирования учебного процесса. Практическая значимость методики оценивания эффективности образовательной онлайн-платформы состоит в получении релевантной информации для принятия решений по развитию платформы, что, в свою очередь, обеспечит эффективную организацию и повысит результативность учебного процесса в вузе.

Приведены результаты исследований по разработке автоматизированной классификации снимков дистанционного зондирования Земли внутрихозяйственного землепользования на основе применения объектно ориентированного подхода, машинного обучения и геоинформационного моделирования. Методология классификации включала три этапа: анализ цифровых изображений с выделением пространственных объектов путем предварительной сегментации, классификация пространственных объектов с использованием алгоритмов машинного обучения (RF и SVM), оценка общей точности полученного результата. Для обработки использовали космические снимки Sentinel-2 с мая по апрель на территорию землепользования ОС «Элитная» и ИП ГК(Ф)Х Ковалев С.М. Новосибирской области с пространственным разрешением 10 м в пикселе. Обработка полученных многозональных снимков проходила с применением программного продукта SAGA GIS версии 8.5.1 и QGIS с открытым исходным кодом, создание моделей классификации осуществляли в пакете статистического языка программирования R. Установлено, что общая точность классификации объектов землепользования, отображенных на космических снимках, для территории ОС «Элитная» алгоритмом SVM составила 87,1 % (коэффициент Каппа 0,74), алгоритмом RF – 90,3 % (коэффициент Каппа 0,87). Для территории землепользования ИП ГК(Ф)Х Ковалев С.М. – алгоритмом SVM – 78,4 % (коэффициент Каппа 0,78), алгоритмом RF – 82,3 % (коэффициент Каппа 0,82). Объектно - ориентированный подход в интеграции с машинным обучением способствует эффективной сегментации и классификации снимков дистанционного зондирования для выделения пространственных объектов, дает возможность автоматизировать процесс картографирования территории землепользования и включать эту информацию в геоинформационное моделирование оценки и классификации земель сельскохозяйственного назначения.