В программном обеспечении «Программа по глубокому адаптивному обучению для системы «01Математика»» искусственный интеллект используется следующим образом:
Алгоритмы ИИ разбиты на несколько блоков:
Алгоритмы для взаимодействия пользователя с системой:
- распознавание рукописного ввода с использование нейросети,
- считывание символьных ответов (математических) любой сложности и в произвольном порядке на основе системы компьютерной алгебры и собственных модулей распознавания ответов,
- работа с интерактивными графиками на основе модуля JSXgraph,
- цепочки задач,
- модуль домашних заданий с предсказанием времени выполнения заданий на основе больших данных;Внутренняя учебная аналитика созданных материалов в режиме реального времени и за фиксированный временной период;
Платформа собирает статистику ответов на каждую задачу (далее используется для персонализации подсказки пользователю), делает оценку математического ожидания каждой задачи, связки, уровня сложности. В каждом уровне сложности происходит оценка среднеквадратичного отклонения для улучшения работы типовых заданий на одном уровне сложности, приближенно вычисляются условные вероятности для стандартизации весов графа связей, создан модуль выдачи задач для анализа админстрами с указанным диапазоном успешности;Создание графа учебных связей материалов.
На первом этапе используются алгоритмы NLP (обработка текстов на естественном языке) типа Word2Vec. На платформе “01Математика” преимущественно используется дообученная нейросеть SBERT. На втором этапе используются статистические данные для установления более точной зависимости в классе полученных предварительных связей для исключения ложноположительных и недостающих связей. На третьем этапе используется экспертная оценка для улучшения качества полученных зависимостей.
Создание индивидуальной траектории ученика на основе персонализированной статистики работы и графа связей учебных материалов (четыре уровня адаптивного обучения в онлайн режиме), анализ поведения для выдачи подсказок и/или условия следующей задачи в зависимости от ответа на текущую;
При успешном прохождении учебного блока учеником блок получает максимальный уровень знаний, который далее уменьшается по кривой забывания. Учебные блоки косвенным образом также получают баллы знаний в зависимости от вложения в общий уровень знаний блока (определяется через оценку частотами условной вероятности) и длины ветви, на который расположен этот блок. Во всех блоках учитывается процесс забывания и повторения материала прямым и косвенным образом.
На графе знаний введена метрика отличия пользователей.
При определении персональных приоритетов в обучении пользователя платформа учитывает текущий уровень знаний пользователя и все успешные траектории других пользователей, близких к данному пользователю по метрике графа.