📄Работа №31546
Тема: РАЗРАБОТКА СИСТЕМЫ ГЕНЕРАЦИИ ОБУЧАЮЩИХ ТЕСТОВ С ИСПОЛЬЗОВАНИЕМ СЕМАНТИЧЕСКИХ СЕТЕЙ
Тип работы
Дипломные работы, ВКР
Предмет
информатика
Объем:
51 листов
Год:
2019
Просмотров:
356
6500
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Глава 1. Инструментарий 5
1.1. Обзор 5
1.2. Семантическая сеть 10
1.2.1. Семантическая паутина 12
1.2.2. RDF и RDFS 13
1.2.3. OWL 15
1.2.4. SPARQL 15
1.2.5. Wikidata и DBpedia 17
1.3. Область знаний 18
1.4. Эффект тестирования 19
1.4.1. Забывание 20
1.5. Сложность тестов 21
Глава 2. Разработка и апробация 24
2.1. Реализация формирования вопросов 24
2.2. Разделение классов онтологий 25
2.3. Перевод вопросов на русский язык 25
2.4. Популярность статьи в Википедии 26
2.5. Время тестирования 27
2.6. Количество вариантов ответа 27
2.7. Апробация 28
Заключение 29
Глоссарий 31
Источники 33
Приложение 1 37
Приложение 2 44
Глава 1. Инструментарий 5
1.1. Обзор 5
1.2. Семантическая сеть 10
1.2.1. Семантическая паутина 12
1.2.2. RDF и RDFS 13
1.2.3. OWL 15
1.2.4. SPARQL 15
1.2.5. Wikidata и DBpedia 17
1.3. Область знаний 18
1.4. Эффект тестирования 19
1.4.1. Забывание 20
1.5. Сложность тестов 21
Глава 2. Разработка и апробация 24
2.1. Реализация формирования вопросов 24
2.2. Разделение классов онтологий 25
2.3. Перевод вопросов на русский язык 25
2.4. Популярность статьи в Википедии 26
2.5. Время тестирования 27
2.6. Количество вариантов ответа 27
2.7. Апробация 28
Заключение 29
Глоссарий 31
Источники 33
Приложение 1 37
Приложение 2 44
📖 Введение
В современных больших хранилищах знаний информация структурирована с помощью семантических сетей. Эту информацию можно использовать для создания обучающих тестов. Существуют концептуальные приложения, которые создают вопросы викторин на основе семантических сетей. Однако проблема заключается в том, что данные приложения непригодны для реального использования в образовательной деятельности в виду ряда своих недостатков.
Создание готового к применению приложения исключит необходимость самостоятельно искать и оптимизировать данные, на основе которых будет создан обучающий тест. Появляется возможность работать непосредственно с информацией из семантических сетей в исходном виде.
Цель работы состоит в том, чтобы автоматизировать процесс составления вопросов обучающих тестов, основываясь на определенном, заранее выбранном понятии и требуемом уровне сложности. Обучение не должно рассеивать внимание по нескольким темам. При этом информация для вопросов должна быть удобно получена из необходимой семантической сети.
Для достижения этой цели необходимо решить ряд задач:
- сформулировать понятие направления или тематики теста;
- определить критерии сложности вопросов;
- разработать способ построения вопросов из семантической сети;
- автоматизировать процесс создания вопросов теста на основе заданной
тематики с заданной сложностью;
- протестировать полученный продукт на реальных обучающихся.
Объектом исследования является процесс извлечения данных из семантических сетей.
Предметом исследования являются семантические сети, которыми связаны понятия в ресурсах знаний.
Создание готового к применению приложения исключит необходимость самостоятельно искать и оптимизировать данные, на основе которых будет создан обучающий тест. Появляется возможность работать непосредственно с информацией из семантических сетей в исходном виде.
Цель работы состоит в том, чтобы автоматизировать процесс составления вопросов обучающих тестов, основываясь на определенном, заранее выбранном понятии и требуемом уровне сложности. Обучение не должно рассеивать внимание по нескольким темам. При этом информация для вопросов должна быть удобно получена из необходимой семантической сети.
Для достижения этой цели необходимо решить ряд задач:
- сформулировать понятие направления или тематики теста;
- определить критерии сложности вопросов;
- разработать способ построения вопросов из семантической сети;
- автоматизировать процесс создания вопросов теста на основе заданной
тематики с заданной сложностью;
- протестировать полученный продукт на реальных обучающихся.
Объектом исследования является процесс извлечения данных из семантических сетей.
Предметом исследования являются семантические сети, которыми связаны понятия в ресурсах знаний.
✅ Заключение
В ходе работы были решены следующие задачи:
1. Была подобрана база знаний, хранящая статьи Википедии, - Wikidata, а также проект DBpedia, где информация представлена в виде семантических сетей. Были изучены форматы, предложенные Консорциумом Всемирной паутины для описания структуры этих сетей (RDF, RDFS и OWL). Для извлечения информации из DBpedia был рассмотрен и использован язык запросов SPARQL.
2. В качестве понятия направления или тематики обучающего теста было решено использовать перечень общеобразовательных предметов и предметных областей, установленных федеральным государственным образовательным стандартом основного общего образования. Так как классы онтологий в DBpedia не разделены на области знаний, они были вручную распределены по вышесказанной структуре.
3. Для определения критериев сложности вопросов были изучены уровни познавательной деятельности (таксономия Блума), а также оптимальное количество времени, которое должно быть отведено на ответ. Основным критерием было решено использовать популярность статьи Википедии, соответствующей теме вопроса, так как чем больше количество просмотров данной страницы, тем больше вероятность, что учащийся знаком с этой информацией.
4. Для построения вопросов теста на GitHub была найдена библиотека для генерации вопросов из семантических сетей QuizEngine. В рамках данной работы был изучен принцип работы данной библиотеки и добавлены некоторые усовершенствования. Также был осуществлен автоматический перевод вопросов с английского языка на русский при помощи API Яндекс Переводчика.
5. Был изучен алгоритм генерации вопроса:
- преподаватель выбирает направление теста;
- по заданной тематике берется некоторое понятие, по которому будет создан вопрос;
- у данного понятия автоматически выбирается свойство, относительно которого будет задан вопрос, и по которому определяется правильный ответ;
- по этому же свойству, но уже у других понятий, подбираются дистракторы.
6. Перед апробацией встал вопрос о количестве вариантов ответа. Были изучены несколько работ, опираясь на которые было решено предлагать под каждым вопросом 3 варианта ответа.
Получившийся инструмент был протестирован на реальных участниках. Был подтвержден эффект тестирования, так как при повторном прохождении теста среднее количество правильных ответов увеличилось, а значит полученный тест способствует запоминанию.
Все поставленные задачи были выполнены и был получен положительный результат апробации разработанного решения. Цель работы можно считать достигнутой. Работа размещена в открытом доступе на GitLab по ссылке: http://gititis.kpfu.ru/roagaripov/SemanticTest.
1. Была подобрана база знаний, хранящая статьи Википедии, - Wikidata, а также проект DBpedia, где информация представлена в виде семантических сетей. Были изучены форматы, предложенные Консорциумом Всемирной паутины для описания структуры этих сетей (RDF, RDFS и OWL). Для извлечения информации из DBpedia был рассмотрен и использован язык запросов SPARQL.
2. В качестве понятия направления или тематики обучающего теста было решено использовать перечень общеобразовательных предметов и предметных областей, установленных федеральным государственным образовательным стандартом основного общего образования. Так как классы онтологий в DBpedia не разделены на области знаний, они были вручную распределены по вышесказанной структуре.
3. Для определения критериев сложности вопросов были изучены уровни познавательной деятельности (таксономия Блума), а также оптимальное количество времени, которое должно быть отведено на ответ. Основным критерием было решено использовать популярность статьи Википедии, соответствующей теме вопроса, так как чем больше количество просмотров данной страницы, тем больше вероятность, что учащийся знаком с этой информацией.
4. Для построения вопросов теста на GitHub была найдена библиотека для генерации вопросов из семантических сетей QuizEngine. В рамках данной работы был изучен принцип работы данной библиотеки и добавлены некоторые усовершенствования. Также был осуществлен автоматический перевод вопросов с английского языка на русский при помощи API Яндекс Переводчика.
5. Был изучен алгоритм генерации вопроса:
- преподаватель выбирает направление теста;
- по заданной тематике берется некоторое понятие, по которому будет создан вопрос;
- у данного понятия автоматически выбирается свойство, относительно которого будет задан вопрос, и по которому определяется правильный ответ;
- по этому же свойству, но уже у других понятий, подбираются дистракторы.
6. Перед апробацией встал вопрос о количестве вариантов ответа. Были изучены несколько работ, опираясь на которые было решено предлагать под каждым вопросом 3 варианта ответа.
Получившийся инструмент был протестирован на реальных участниках. Был подтвержден эффект тестирования, так как при повторном прохождении теста среднее количество правильных ответов увеличилось, а значит полученный тест способствует запоминанию.
Все поставленные задачи были выполнены и был получен положительный результат апробации разработанного решения. Цель работы можно считать достигнутой. Работа размещена в открытом доступе на GitLab по ссылке: http://gititis.kpfu.ru/roagaripov/SemanticTest.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.