Система персонализированной обратной связи в обучении на основе лексико‑семантической сети

Аннотация

Это исследование представляет персонализированную систему учебной обратной связи, основанную на лексико-семантической сети и адаптированную для обучения на языках с ограниченными ресурсами, с акцентом на преподавание на казахском языке. Основной механизм системы – процесс повторения, запускаемый ошибкой: когда обучающийся неправильно отвечает на задание, семантическая текстовая схожесть (STS) используется для поиска и рекомендации учебных материалов, связанных с понятием, отдавая приоритет целенаправленному исправлению, а не традиционному выставлению оценок. Система реализует трёхкомпонентную цепочку Термин–Лекция–Оценивание (TLA), планируя задания на повторение в соответствии с принципами кривой забывания. Для этого мы перевели корпус SemEval Semantic Textual Similarity Benchmark (STSb) на казахский язык (STSb-kk) и разработали казахский корпус для задач естественно-языкового вывода (NLI-kk). Эксперименты с моделью LaBSE, дообученной в два этапа, показали корреляцию Пирсона 84,72% на STSb-kk, что продемонстрировало высокую эффективность при поиске на основе схожести. Лексико-семантический ресурс для казахского языка, подобный WordNet, был создан посредством перевода, с более лёгкой ручной проверкой по сравнению с STSb-kk и NLI-kk. Хотя STS не подходит для оценивания сложных открытых ответов, он отлично проявляет себя в задачах поиска и рекомендаций в условиях ограниченных ресурсов. Система предлагает масштабируемую структуру для персонализированного исправления ошибок, адаптивный алгоритм планирования и возможность применения в таких дисциплинах, как математика и физика. В будущем планируется интеграция мультимодального контента и адаптация уровня сложности в режиме реального времени.