<div>
	Веб-приложение для быстрой оценки субъективных ответов с использованием обработки естественного языка</div>
<div>
	<div>
		 </div>
</div>

Минакши Анураг Талор , Мане Прадип Б. , Вишака Мандж

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

2022 , ТОМ 22, НОМЕР 3 ( май-июнь )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

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

УДК 004.89

Веб-приложение для быстрой оценки субъективных ответов с использованием обработки естественного языка

Минакши А., Мане П., Вишака М.

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

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.
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.
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
Kate A., Kamble S., Bodkhe A., Joshi M. Conversion of Natural Language Query to SQL Query // Proc. of the 2^nd International conference on Electronics, Communication and Aerospace Technology (ICECA). 2018. P. 488–491. https://doi.org/10.1109/ICECA.2018.8474639
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
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 8^th Mediterranean Conference on Embedded Computing (MECO). 2019. P. 8760042. https://doi.org/10.1109/MECO.2019.8760042
Cai J., Li J., Li W., Wang J. Deeplearning model used in text classification // Proc of the 15^th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP). 2018. P. 123–126. https://doi.org/10.1109/ICCWAMTIP.2018.8632592
Tan M., Santos C., Xiang B., Zhou B. Improved representation learning for question answer matching // Proc. of the 54^th Annual Meeting of the Association for Computational Linguistics (ACL). 2016. P. 464–473.
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
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
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
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
Pakray P., Pal S., Bandyopadhyay S., Gelbukh A. Automatic answer validation system on English language // Proc. of the 3^rd International Conference on Advanced Computer Theory and Engineering. 2010. P. V6329–V6333. https://doi.org/10.1109/ICACTE.2010.5579166
Thalor M.A. A descriptive answer evaluation system using cosine similarity technique // Proc. of the 4^th International Conference on Communication information and Computing Technology (ICCICT). 2021. https://doi.org/10.1109/ICCICT50803.2021.9510170
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

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License