doi: 10.17586/2226-1494-2022-22-3-594-599


УДК 004.89

Менакши Анураг Т., Прадип Б.М., Вишака М.
Веб-приложение для быстрой оценки субъективных ответов с использованием обработки естественного языка
 



Читать статью полностью 
Язык статьи - английский

Ссылка для цитирования:
Минакши Анураг Т., Прадип Б.М., Вишака М. Веб-приложение для быстрой оценки субъективных ответов с использованием обработки естественного языка // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 3. С. 594–599 (на англ. яз.). doi: 10.17586/2226-1494-2022-22-3-594-599


Аннотация
В современном цифровом пространстве развитие образования связано с продвижением компьютерных технологий. Происходит цифровизация образования: проводятся онлайн-классы, онлайн-экзамены и т. д. В период проведения экзамена учащиеся оцениваются педагогом по ответам на заданные вопросы. На настоящий момент доступно множество инструментов оценки успеваемости учащегося с использованием вопросов с несколькими вариантами ответов. Такой подход обеспечивает мгновенную оценку, однако инструментов, дающих возможность оценки субъективных ответов учащихся еще недостаточно. В работе представлено веб-приложение для решения этой проблемы. Приложение позволяет автоматизировать процесс проверки субъективных ответов и генерировать результаты с применением методов обработки естественного языка, таких как семантическое сопоставление ключевых слов, лексический анализ и косинусное сходство. Экспериментальные результаты показали, что ответы, оцененные педагогами, и предложенная система дают близкие результаты. Полученная точность ответов составила 97 %. Представленная система не только сокращает рабочее время, но и позволяет устранить традиционный метод проведения исключительно субъективных экзаменов с использованием бумажных документов. В результате сокращается время получения результатов и время проверки. Уменьшается утечка информации и повышается объективность оценки.

Ключевые слова: косинусное сходство, извлечение информации, сопоставление ключевых слов, обработка естественного языка

Список литературы
  1. Lakshmi V., Ramesh V. Evaluating students’ descriptive answers using natural language processing and artificial neural networks // International Journal of Creative Research Thoughts - IJCRT. 2017. V. 5. N 4. P. 3168–3173.
  2. Patil S.M., Patil S. Evaluating student descriptive answers using natural language processing // International Journal of Engineering Research & Technology (IJERT). 2014. V. 3. N 3. P. 1716–1718.
  3. Yin W., Kann K., Yu M., Schütze H. Comparative study of CNN and RNN for natural language processing // ArXiv. 2017. arXiv:1702.01923. https://doi.org/10.48550/arXiv.1702.01923
  4. Kate A., Kamble S., Bodkhe A., Joshi M. Conversion of Natural Language Query to SQL Query // Proc. of the 2nd International conference on Electronics, Communication and Aerospace Technology (ICECA). 2018. P. 488–491. https://doi.org/10.1109/ICECA.2018.8474639
  5. Thangarasu S., Sasikala D. Extracting knowledge from XML document using tree-based association rules // Proc. of the International Conference on Intelligent Computing Applications (ICICA).2014. P. 134–137. https://doi.org/10.1109/ICICA.2014.37
  6. Mati D.N., Ajdari J., Raufi B., Hamiti M., Selimi B. A Systematic mapping study of language features identification from large text collection // Proc. of the 8th Mediterranean Conference on Embedded Computing (MECO). 2019. P. 8760042. https://doi.org/10.1109/MECO.2019.8760042
  7. Cai J., Li J., Li W., Wang J. Deeplearning model used in text classification // Proc of the 15th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP). 2018. P. 123–126. https://doi.org/10.1109/ICCWAMTIP.2018.8632592
  8. Tan M., Santos C., Xiang B., Zhou B. Improved representation learning for question answer matching // Proc. of the 54th Annual Meeting of the Association for Computational Linguistics (ACL). 2016. P. 464–473.  
  9. Lan Y., Wang S., Jiang J. Knowledge base question answering with a matching-aggregation model and question-specific contextual relations // IEEE/ACM Transactions on Audio, Speech, and Language Processing. 2019. V. 27. N 10. P. 1629–1638. https://doi.org/10.1109/TASLP.2019.2926125
  10. Grappy A., Grau B., Falco M-H., Ligozat A-L., Robba I., Vilnat A. Selecting answers to questions from Web documents by a robust validation process // Proc. of the IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology. 2011. P. 55–62. https://doi.org/10.1109/WI-IAT.2011.210
  11. Lan Y., Wang S., Jiang J. Knowledge base question answering with a matching-aggregation model and question specific contextual relations // IEEE/ACM Transactions on Audio, Speech, and Language Processing. 2019. V. 27. N 10. P. 1629–1638. https://doi.org/10.1109/TASLP.2019.2926125
  12. Zhang W., Ming Z., Zhang Y., Liu T., Chua T. Capturing the semantics of key phrases using multiple languages for question retrieval // IEEE Transactions on Knowledge and Data Engineering. 2016. V. 28. N 4. P. 888–900. https://doi.org/10.1109/TKDE.2015.2502944
  13. Pakray P., Pal S., Bandyopadhyay S., Gelbukh A. Automatic answer validation system on English language // Proc. of the 3rd International Conference on Advanced Computer Theory and Engineering. 2010. P. V6329–V6333. https://doi.org/10.1109/ICACTE.2010.5579166
  14. Thalor M.A. A descriptive answer evaluation system using cosine similarity technique // Proc. of the 4th International Conference on Communication information and Computing Technology (ICCICT). 2021. https://doi.org/10.1109/ICCICT50803.2021.9510170
  15. Mandge V.A., Thalor M.A. Revolutionize cosine answer matching technique for question answering system // Proc. of the International Conference on Emerging Smart Computing and Informatics (ESCI). 2021. P. 335–339. https://doi.org/10.1109/ESCI50559.2021.9396864


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2022 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика