Автоматизированный подход к отбору предложений для генерации тестовых заданий

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Современная сфера образования характеризуется растущим использованием тестов с множественным выбором для оценки знаний и навыков учащихся. Одним из распространенных методов подбора предложений для таких тестов является применение процедур кластеризации текстовых данных. В данном исследовании был разработан модуль для отбора предложений, включающий три этапа: предварительную обработку, вычисление параметров предложений и их кластеризацию. Однако объективная оценка качества полученных кластеров с помощью коэффициента силуэта и индекса Дэвиса–Болдина показала, что использованная модель кластеризации не дала удовлетворительных результатов.

Об авторах

Мария Александровна Маслова

Волжский политехнический институт (филиал) Волгоградского государственного технического университета

Автор, ответственный за переписку.
Email: miss.mari.m@inbox.ru
ORCID iD: 0000-0003-3845-3972
SPIN-код: 2933-6263

старший преподаватель, кафедра информатики и технологии программирования

Россия, г. Волжский

Список литературы

  1. Bholowalia P., Arvind K. EBK-means: A clustering technique based on elbow method and K-means in WSN // International Journal of Computer Applications. 2014. No. 105. Pp. 17–24.
  2. Das B., Majumder M., Phadikar S., Ahmed S.A. Automatic generation of fill-in-the-blank question with corpus-based distractors for E-assessment to enhance learning // Computer Applications in Engineering Education. 2019. No. 27. Pp. 1485–1495.
  3. Das B., Majumder M., Phadikar S., Sekh A.A. Multiple-choice question generation with auto-generated distractors for computer-assisted educational assessment // Multimedia Tools and Applications. 2021. No. 80. Pp. 31907–31925. doi: 10.1007/s11042-021-11222-2
  4. Riza L.S., Firdaus Y., Sukamto R.A., Samah W.Kh.A.F.A. Automatic generation of short-answer questions in reading comprehension using NLP and KNN // Multimedia Tools and Applications. 2023. No. 82. Pp. 41913–41940. doi: 10.1007/s11042-023-15191-6
  5. Булыга Ф.С., Курейчик В.М. Кластеризация корпуса текстовых документов при помощи алгоритма k-means // Известия вузов. Северо-Кавказский регион. Технические науки. 2022. № 3. С. 33 – 40. doi: 10.17213/1560-3644-2022-3-33-40
  6. Вальтер А.И. Методика разработки тестовых заданий контрольно-измерительных материалов // Известия ТулГУ. Технические науки. 2022. № 3. URL: https://cyberleninka.ru/article/n/metodika-razrabotki-testovyh-zadaniy- kontrolno-izmeritelnyh-materialov
  7. Мизернов И.Ю., Гращенко Л.А. Анализ методов оценки сложности текста // Новые информационные технологии в автоматизированных системах. 2015. № 18. URL: https://cyberleninka.ru/article/n/analiz-metodov-otsenki-slozhnosti-teksta
  8. Яцко В.А. Стоп-слова как основа классификации текстовых документов // Актуальные проблемы прикладной математики, информатики и механики, 2021. С. 486–492.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Кластеризация предложений по пяти параметрам

Скачать (82KB)
Метаданные
3. Рис. 2. Кластеризация предложений по двум параметрам

Скачать (30KB)
Метаданные


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».