Разработка универсального интеллектуального помощника для учебных занятий на основе искусственного интеллекта

1.

Государственное бюджетное общеобразовательное учреждение
города Москвы «Школа №1593»
Разработка универсального интеллектуального
помощника для учебных занятий на основе
искусственного интеллекта
Участники:
Ученики 10 «И» класса ГБОУ Школы №1593
Бердакова Полина Васильевна
Кузьминцев Леонид Антонович
Руководитель:
Ассистент НИУ ВШЭ
Бубнова Мария Андреевна

2.

Актуальность проблемы
Проблематика современного образования:
• Информационная перегрузка учебных программ
• Когнитивные ограничения при многозадачности
• Неэффективность традиционных методов конспектирования
• Необходимость индивидуализации обучения
Статистика:
• 78% студентов испытывают трудности при одновременном
восприятии и фиксации лекционного материала
• Традиционное конспектирование занимает до 40% учебного
времени
• Качество усвоения материала при многозадачности снижается на
30-40%

3.

Цель и задачи проекта
Цель
Разработка интеллектуального программного обеспечения для автоматизированной обработки учебных
материалов с генерацией структурированных образовательных ресурсов
Основные задачи:
1. Анализ существующих методов обработки учебной информации
2. Разработка алгоритмов семантического анализа учебных материалов
3. Создание системы классификации по учебным дисциплинам
4. Реализация модуля генерации разноформатных учебных материалов
5. Разработка интуитивного пользовательского интерфейса
6. Комплексное тестирование и оценка эффективности

4.

Методология исследования
ТЕХНОЛОГИЧЕСКИЙ СТЕК:
• Язык программирования: Python 3.10
• Графический интерфейс: Tkinter
• Распознавание речи: SpeechRecognition + Google API
• Обработка аудио: Librosa
• ИИ-обработка текста: Transformers (Hugging Face)
• Многопоточность: Threading
НАУЧНАЯ БАЗА:
• Теория когнитивной нагрузки (Sweller, 1988)
• Принципы семантического анализа текста
• Методы обработки естественного языка
• Педагогические технологии цифрового обучения

5.

Архитектура приложения
Модульная Архитектура приложения
[Схема: 6 основных модулей]
1. МОДУЛЬ ВВОДА ДАННЫХ
- Аудиофайлы (MP3, WAV, OGG, M4A, FLAC, AAC)
- Текстовые файлы (TXT)
2. МОДУЛЬ ОБРАБОТКИ АУДИО
- Конвертация форматов
- Распознавание речи
- Обработка качества звука
3. МОДУЛЬ СЕМАНТИЧЕСКОГО АНАЛИЗА
- Классификация по дисциплинам
- Выделение ключевых понятий
- Определение структуры информации

6.

Архитектура системы
4. МОДУЛЬ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ
- Нейросетевое сокращение текста
- Локальные алгоритмы обработки
- Адаптация к типу контента
5. МОДУЛЬ ГЕНЕРАЦИИ МАТЕРИАЛОВ
- Структурированные конспекты
- Учебные ресурсы
- Дидактические материалы
6. ПОЛЬЗОВАТЕЛЬСКИЙ ИНТЕРФЕЙС
- Управление процессом
- Отображение результатов
- Настройка параметров

7.

Система классификации
дисциплин
Поддерживаемые учебные дисциплины:
Гуманитарные предметы:
• Литература (анализ, характеристики, цитаты)
• История (хронология, события, личности)
• Обществознание (понятия, схемы, таблицы)
Естественнонаучные предметы:
• Биология (процессы, классификации)
• Химия (формулы, реакции, свойства)
• Физика (явления, законы, формулы)
• География (описания, характеристики, сравнения)
Точные науки:
• Математика (теоремы, формулы, алгоритмы)
• Информатика (понятия, методы, примеры)
Языковые дисциплины:
• Русский язык (правила, исключения, примеры)
• Английский язык (грамматика, конструкции, времена)

8.

Алгоритм обработки данных
Пошаговый алгоритм работы системы:
1. Выбор и загрузка файла
- Определение типа файла (аудио/текст)
- Валидация формата и размера
- Загрузка в систему обработки
2. Преобразование аудио в текст
- Конвертация в WAV формат
- Распознавание речи через Google API
- Коррекция ошибок распознавания
3. Семантический анализ
- Определение дисциплинарной принадлежности
- Выделение ключевых понятий и терминов
- Анализ структуры информации

9.

Алгоритм обработки данных
4. Интеллектуальное сокращение
- Каскадный подход к обработке
- Приоритет нейросетевых методов
- Резервные локальные алгоритмы
- Валидация качества сокращения
5. Генерация учебных материалов
- Создание структурированных конспектов
- Формирование словарей терминов
- Генерация вопросов и заданий
- Подготовка схем и таблиц
6. Вывод и сохранение результатов
- Отображение в пользовательском интерфейсе
- Форматирование для различных целей
- Сохранение в файлы различных форматов

10.

Пользовательский интерфейс
Основные элементы интерфейса:
1. Область исходного материала
- Отображение загруженного текста
- Информация о файле
- Статус обработки
2. Область обработанного контента
- Структурированные конспекты
- Различные форматы представления
- Возможность редактирования
3. Область учебных материалов
- Словари терминов
- Вопросы для самопроверки
- Практические задания
4. Панель управления
- Выбор дисциплины
- Выбор формата вывода
- Кнопки управления процессом
- Прогресс-бар выполнения

11.

Технические характеристики
Производительность и точность:
Параметры системы:
• Точность распознавания русской речи: 85-90%
• Поддержка аудиоформатов: MP3, WAV, OGG, M4A, FLAC, AAC
• Максимальный объем обрабатываемого текста: 5000 символов
• Время обработки 1 минуты аудио: 15-20 секунд
• Поддержка 11 учебных дисциплин
Технические требования:
• Операционная система: Windows 7/8/10/11
• Процессор: 1 ГГц или выше
• Оперативная память: 2 ГБ
• Свободное место на диске: 100 МБ
• Доступ в интернет (для нейросетевой обработки)

12.

Результаты тестирования
Результаты комплексного тестирования:
Функциональное тестирование:
• Корректность распознавания речи: 87%
• Точность классификации дисциплин: 92%
• Качество сокращения текста: 85%
• Полнота генерации материалов: 100%
Пользовательское тестирование:
• Удобство интерфейса: 4.5/5
• Скорость обработки: 4.3/5
• Полезность материалов: 4.7/5
• Общая удовлетворенность: 4.6/5
Тестирование производительности:
• Обработка 10 МБ аудио: 45 секунд
• Использование памяти: до 200 МБ
• Стабильность работы: 99%

13.

Теоретическая и практическая значимость
• Теоретическое значение
• Практическое значение
1. Междисциплинарный подход
• Объединение когнитивной психологии и ИИ
• Интеграция педагогических и технических
наук
• Развитие цифровой дидактики
1. Для учащихся:
• Сокращение времени на конспектирование на 6070%
• Повышение качества учебных материалов
• Снижение когнитивной нагрузки
• Индивидуализация процесса обучения
2. Методологические разработки
• Алгоритмы семантического анализа учебных
материалов
• Методы предметно-ориентированной
обработки
• Подход к генерации учебных ресурсов
3. Концептуальные инновации
• Модель интеллектуальной обработки
учебного контента
• Система адаптации к дисциплинарной
специфике
• Принципы снижения когнитивной нагрузки
2. Для образовательных учреждений:
• Интеграция в учебный процесс
• Оптимизация работы преподавателей
• Повышение эффективности обучения
• Цифровизация образовательной среды
3. Социально-экономический эффект:
• Повышение доступности качественного образования
• Экономия временных ресурсов
• Развитие цифровых компетенций
• Подготовка к цифровой трансформации образования

14.

Перспективы развития
Краткосрочные перспективы(1 ГОД):
• Добавление поддержки обработки видеофайлов
• Разработка мобильной версии приложения
• Интеграция с системами онлайн-образования
• Расширение списка поддерживаемых дисциплин
Среднесрочные перспективы(2-3 ГОДА):
• Внедрение адаптивного обучения
• Разработка облачной версии
• Создание системы рекомендаций
• Реализация функции проверки знаний
Долгосрочные перспективы(3-5 ЛЕТ):
• Создание комплексной образовательной экосистемы
• Разработка специализированных версий для разных уровней образования
• Интеграция с национальными образовательными платформами
• Проведение масштабных исследований эффективности

15.

Результаты и выводы
Разработана и реализована:
• Полнофункциональная система обработки учебных материалов
• Интеллектуальный помощник для 11 учебных дисциплин
• Многоуровневая архитектура с модульным принципом
2. Достигнуты показатели:
• Высокая точность распознавания и обработки
• Удобство и практическая полезность для пользователей
• Гибкость и адаптивность системы
3. Доказана эффективность:
• Значительное снижение когнитивной нагрузки
• Повышение качества учебных материалов
• Оптимизация временных затрат на обучение
Проект представляет собой инновационное решение актуальной образовательной
проблемы и имеет высокий потенциал для внедрения в учебный процесс.

16.

Источники информации:
[1] Sweller, J. Cognitive Load During Problem Solving: Effects on Learning // Cognitive Science. – 1988.
[2] Бессмертный А.А. Нейросетевые методы обработки естественного языка. – М., 2022.
[3] Китов В.В., Сорокин А.А. Обработка аудиосигналов и речевых данных. – СПб., 2021.
[4] Современные проблемы когнитивной науки. – СПб., 2022.
[5] Документация библиотеки Speech Recognition для Python
[6] Документация библиотеки Transformers (Hugging Face)
[7] Документация библиотеки Librosa
[8] Исследования Google в области распознавания речи
[9] Материалы eLIBRARY по когнитивной нагрузке
[10] Официальная документация Python

17.

Благодарности
Руководителю проекта
Бубновой Марии Андреевне
за научное руководство, ценные советы
и поддержку на всех этапах работы
Учителям и администрации
ГБОУ Школы №1593
за создание условий для реализации проекта
и поддержку исследовательской деятельности
Родителям
за понимание, поддержку
и помощь в организации работы
СПАСИБО ЗА ВНИМАНИЕ!