Abstract:
В данной работе исследуются подходы на основе глубокого обучения для
автоматической оценки качества цифровых учебных материалов различных типов и
модальностей данных. Проведен обзор соответствующих предыдущих исследований и
выявлена актуальность задачи автоматизации оценки качества растущего объема
образовательного контента. Рассмотрены несколько архитектур глубоких нейронных сетей,
включая сверточные сети для визуальных данных, рекуррентные сети для текстов, а также
мультимодальные модели для совместной обработки разнородной информации.
Представлены детали экспериментальной оценки предложенных подходов на разработанном
наборе данных. Результаты показывают преимущества мультимодального подхода и
открывают перспективы дальнейших исследований для повышения точности и
масштабируемости систем автоматической оценки качества учебного контента на основе методов глубокого обучения.
