| Title: | Программное средство тестирования и анализа результатов пользователей с использованием искусственного интеллекта |
| Other Titles: | Software tool for testing and analyzing user results using artificial intelligence |
| Authors: | Гарбуз, И. А. |
| Keywords: | материалы конференций;большие языковые модели;цифровые компетенции;архитектурные решения |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Гарбуз, И. А. Программное средство тестирования и анализа результатов пользователей с использованием искусственного интеллекта = Software tool for testing and analyzing user results using artificial intelligence / И. А. Гарбуз // Информационные системы и технологии : сборник статей 62-й научной конференции аспирантов, магистрантов и студентов, Минск, 13–17 апреля 2026 г. / Институт информационных технологий Белорусского государственного университета информатики и радиоэлектроники ; редкол.: А. И. Парамонов [и др.]. – Минск, 2026. – С. 25–28. |
| Abstract: | В статье рассматривается разработка программного средства для интеллектуального тестирования и анализа
результатов обучающихся с применением технологий искусственного интеллекта. Система использует большие языковые
модели (GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro) для динамической генерации уникальных заданий, архитектуры
трансформеров (BERT, sentence-transformers) для семантического анализа ответов, а также алгоритмы кластеризации и
предиктивной аналитики для персонализации образовательных траекторий. Обоснована актуальность разработки в контексте
глобального роста рынка ИИ в образовании, прогнозируемого на уровне 7,49 млрд долларов в 2026 году. Описаны архитектурные
решения, принципы обеспечения цифровой доступности и инклюзивности системы, а также этические аспекты применения ИИ
в оценке знаний. |
| Alternative abstract: | This paper presents the design and development of a software tool for intelligent testing and analysis of learning outcomes
using artificial intelligence technologies. The system employs large language models (GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro) for
dynamic generation of unique assignments, transformer architectures (BERT, sentence-transformers) for semantic analysis of answers,
and clustering and predictive analytics algorithms for personalization of educational trajectories. The paper describes architectural
solutions, ethical AI principles, and digital accessibility mechanisms. Pilot testing with 45 students demonstrated an 18% improvement in
average scores and a 23% reduction in test completion time compared to traditional testing methods. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/65527 |
| Appears in Collections: | Информационные системы и технологии : 62-я научная конференция аспирантов, магистрантов и студентов (2026)
|
