Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Datorsistēmas
Nosaukums Adaptīvas mājienos sakņotas zināšanu novērtēšanas sistēmas izstrāde
Nosaukums angļu valodā Developing an Adaptive Hint-Based Knowledge Assessment System
Struktūrvienība 33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Darba vadītājs Egons Lavendelis
Recenzents Padmaraj Nidagundi
Anotācija Adaptīvās zināšanu novērtēšanas sistēmas tiek plaši izmantotas mūsdienu mācību procesos, lai personalizētu testēšanas procesu, pamatojoties uz studentu sniegumu. Tomēr esošās sistēmas koncentrējas vai nu uz jautājumu izvēli, vai jautājumu ģenerēšanu. Šādas sistēmas nekoncentrējas uz jēgpilna, uz studiju kursa satura balstīta atbalsta sniegšanu studentiem zināšanu novērtēšanas procesā. Šajā darbā tiek risināta problēma, kas saistīta ar uz kursu balstītas jautājumu ģenerēšanas, to adaptīvās secības un uz kursu balstītas mājienu ģenerēšanas mehānismu integrēšanu vienā novērtēšanas sistēmā. Lai sasniegtu šo mērķi, tika analizētas esošās pieejas adaptīvajai secībai, jautājumu ģenerēšanai un mājienu ģenerēšanai. Pamatojoties uz analīzi, gan jautājumu, gan mājienu ģenerēšanai tika izvēlēta ar izguvi paplašinātas ģenerēšanas un lielā valodas modeļa darbplūsma. Šī pieeja ļauj sistēmai saglabāt jautājumus un mājienus, kas balstīti kursa materiālos. Likumos balstīts adaptīvais studiju secības ģenerēšanas mehānisms, kas ņem vērā metadatus, kas ģenerēti kopā ar jautājumiem, studentu atbildēm un informāciju par mājienu pieprasījumiem, ir atbildīgs par jautājumu grūtības līmeņu pielāgošanu zināšanu novērtēšanas procesā. Sistēmas projektēšanas mērķis ir sasniegt augstu jautājumu un mājienu kvalitāti, kā arī augstu mērogojamību un zemu manuālā darba apjomu, kas nepieciešams tās ieviešanai un lietošanai. Sistēmu divās kārtās validēja eksperts, un tā tika pārbaudīta reālās dzīves situācijā ar studentiem. Otrajā ekspertu vērtējuma kārtā 12 no 15 jautājumiem tika atzīmēti kā lietojami (salīdzinājumā ar 11 no 15 pirmajā kārtā). Kopējā jautājumu kvalitāte, kā arī abu mājienu kvalitāte tika novērtēta ar 4/5. RTU tika veikta testa sesija ar 36 studentiem, kas parādīja, ka sistēma darbojas reālās dzīves apstākļos. 85,7 % studentu norādīja, ka viņi izmantotu šādu sistēmu, lai sagatavotos eksāmenam. Turklāt 96,7 % un 96,4 % no tiem, kas izmantoja mājienus, uzskatīja attiecīgi 1. mājienu un 2. mājienu par noderīgiem. Visi mājienu lietotāji apstiprināja, ka tie pilnībā vai daļēji balstījās uz faktisko studiju kursa materiālu. Bakalaura darbs sastāv no 79 lappusēm, 18 attēliem, 8 tabulām, 7 formulām, 18 atsaucēm un 9 pielikumiem.
Atslēgas vārdi adaptīvā novērtēšana, zināšanu novērtēšana, jautājumu ģenerēšana, mājienu ģenerēšana, atgūšanas papildināta ģenerēšana
Atslēgas vārdi angļu valodā Adaptive Assessment, Knowledge Assessment, Question Generation, Hint Generation, Retrieval-Augmented Generation
Valoda eng
Gads 2026
Darba augšupielādes datums un laiks 26.05.2026 16:23:46