Skip to main content

Справка о работе ИИ

Использование искусственного интеллекта

В программном обеспечении «Программа по глубокому адаптивному обучению для системы «01Математика»» применяются алгоритмы искусственного интеллекта, машинного обучения и анализа больших данных.

Блок 1

Алгоритмы взаимодействия пользователя с системой

Распознавание ввода
Используется нейросеть для распознавания рукописного ввода математических выражений.
Проверка ответов
Система считывает математические ответы любой сложности с использованием компьютерной алгебры и собственных модулей анализа.
Интерактивные графики
Работа с графиками реализована на основе модуля JSXGraph для интерактивного взаимодействия.
Домашние задания
Модуль домашних заданий прогнозирует время выполнения задач на основе больших данных.
Блок 2

Учебная аналитика и обработка данных

Анализ в реальном времени
Платформа собирает статистику ответов на каждую задачу и использует эти данные для персонализации подсказок, оценки сложности заданий, анализа вероятностей и улучшения качества материалов.
Оценка сложности
Система оценивает уровень сложности и математическое ожидание задач.
Статистический анализ
Используется среднеквадратичное отклонение и анализ условных вероятностей.
Контроль качества
Создан модуль анализа задач для администраторов платформы.
Блок 3

Создание графа учебных связей

1
NLP-анализ
Используются алгоритмы NLP, включая Word2Vec и дообученную нейросеть SBERT.
2
Статистическая проверка
Выполняется анализ связей для исключения ложноположительных и недостающих зависимостей.
3
Экспертная оценка
Полученные зависимости дополнительно проверяются экспертами платформы.
Блок 4

Персональная траектория обучения

Платформа формирует индивидуальную траекторию ученика на основе персонализированной статистики, графа учебных связей и поведения пользователя.

Адаптивное обучение
В системе реализованы четыре уровня адаптивного обучения в режиме онлайн. Платформа анализирует ответы учащегося и может выдавать подсказки либо изменять параметры следующего задания в зависимости от результатов текущего.
Блок 5

Граф знаний и эффект забывания

При успешном прохождении учебного блока ученик получает максимальный уровень знаний, который постепенно уменьшается по кривой забывания.

Учебные блоки получают косвенные баллы знаний в зависимости от вклада в общий уровень знаний и структуры графа связей.

Во всех блоках учитываются процессы забывания и повторения материала как прямым, так и косвенным образом.

Блок 6

Метрика отличия пользователей

Персональные приоритеты обучения
При определении персональных приоритетов платформа учитывает текущий уровень знаний пользователя и успешные траектории других пользователей, близких к нему по метрике графа знаний.