Пошук академічних текстів

Інформація × Реєстраційний номер 2120U008135, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система автоматичного оцінювання творів Автор Фельдман Михайло ГеоргійовичFeldman Mykhailo Heorhiiovych Дата публікації 01-01-2020 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/34332 Видання Київ Опис Дипломна робота присвячена вирішенню завдання автоматизованого оцінювання невеликих за обсягом прозових творів (есе) із використанням методів та засобів комп'ютерної обробки природної мови (англ. natural- language processing, NLP). У зв’язку з тим, що останнім часом інтерес до самоосвіти та масових відкритих онлайн-курсів (англ. massive open online course) постійно зростає, системи, які дозволяють автоматизувати перевірку академічної успішності, набувають великої популярності. Очевидно, що такі системи зможуть не тільки зменшити вартість онлайн-освіти, а й радикально скоротити час, що витрачається на перевірку завдань. У цій роботі були розглянуті та програмно реалізовані методи попередньої обробки тексту, конструювання ознак, векторизації тексту, обирання ознак, перехресної перевірки, комбінування базових моделей та класифікації даних. Було проведено дослідження ефективності кінцевої моделі із використанням коефіцієнта “каппа Коена” (англ. Cohen's kappa). The aim of this thesis is to solve the problem of Automated Essay Scoring, using natural-language processing (NLP). Due to the fact that in recent years the interest in self-education and Massive Open Online Courses (MOOC) is constantly growing, systems that are able to deliver automation in academic progress evaluation are gaining popularity. Obviously, such systems can not only reduce the cost of online education but also radically reduce the time spent on task scoring. In this work, the methods of text pre-processing, feature engineering, text vectorization, feature selection, cross-validation, ensemble methods, and supervised learning classification were implemented. The performance of the final model was evaluated using Cohen's kappa coefficient. Дипломная работа посвящена решению задачи автоматизированного оценивания произведений небольшого объёма (эссе), с использованием методов и средств компьютерной обработки естественного языка (англ. natural-language processing, NLP). В связи с тем, что в последнее время интерес к самообразованию и массовым открытым онлайн-курсам (англ. massive open online course) постоянно растет, системы, которые позволяют автоматизировать проверку академической успеваемости приобретают большую популярность. Очевидно, что такие системы смогут не только уменьшить стоимость онлайн-образования, но и радикально сократить время, затрачиваемое на проверку задач. В этой работе были рассмотрены и программно реализованы методы предварительной обработки текста, конструирования признаков, векторизации текста, выбора признаков, перекрестной проверки, комбинирования базовыхмоделей и классификации данных. Была проведена оценка эффективности конечной модели с использованием коэффициента «каппа Коэна» (англ. Cohen's kappa). Додано в НРАТ 2025-11-05 Закрити