ИССЛЕДОВАНИЕ ПРИМЕНЕНИЯ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ АВТОМАТИЧЕСКОЙ ОЦЕНКИ КАЧЕСТВА УЧЕБНЫХ МАТЕРИАЛОВ

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.