The Application of Machine Learning and Neural Networks to Automated Text and Visual Assignment Verification Used as Assistance to Educators
Процесс цифровизации образования, активно проводимый в нашей стране и по всему миру, позволил более широко применить в учебном процессе современные приемы преподавания, перенося часть педагогической нагрузки с очного формата на дистанционный. Проектируемые и используемые цифровые образовательные платформы уже сейчас включают в себя не только оцифрованный лекционный видеоматериал и электронные формы учебников, но и элементы автоматизации проверки выполненных учащимися заданий. Расширение области применения автоматической проверки решенных учащимися задач и выполненных упражнений является объективной необходимостью, в противном случае при дистанционных формах образовательного процесса резко возрастает нагрузка на педагога, который должен выделять значительное время на проверку увеличившегося самостоятельной работы школьников и студентов. Кроме того, при дистанционном преподавании снижается эффект личного присутствия педагога, когда учитель и ученики разделены экранами компьютеров. Существенной помощью может стать использование интеллектуальных помощников преподавателя и автоматизированных систем проверки, построенных методами машинного обучения и технологии нейронных сетей. В настоящей статье рассмотрены подходы к решению поставленных задач по автоматической проверке графических заданий и выявлению заимствований в текстовом виде. Показаны возможные варианты реализации этих функций с использованием технологий искусственного интеллекта. The digitalization of education in Russia and worldwide enables a more extensive introduction of advanced teaching methods through a partial switch from offline to online teaching. The existing and coming e-learning platforms feature not only digital lecture videos and e-textbooks, but some automated assessment/grading tools. There is a need to expand the coverage of such tools to avoid the extreme burden of online teaching as the educator has to allocate significant time for assessing the increased amount of high school/university student assignments. Also, distant learning diminishes the effect of the educator personal presence since the teacher and the student are separated by their computer screens. Smart educator assistants and automated assessment tools based on machine learning and neural networks can significantly alleviate the problem. This study offers some strategies for automated assessment of graphic assignments and checks for plagiarism. Possible AI-based implementations of such features are presented.