Применение методов Retrieval-Augmented Generation для интеллектуального анализа образовательных данных и формирования персонализированной обратной связи

В статье рассматривается применение технологии Retrieval-Augmented Generation (RAG) для интеллектуального анализа образовательных данных и автоматизированного формирования персонализированной обратной связи обучающимся. Актуальность исследования обусловлена активной цифровизацией системы образования и ростом объема учебной информации, анализ которой требует значительных временных затрат со стороны преподавателей. Целью работы является разработка и исследование интеллектуальной системы, объединяющей методы семантического поиска, обработки естественного языка и генеративных языковых моделей для повышения качества анализа результатов обучения. В работе предложена архитектура системы, включающая модуль индексации учебных материалов, модуль поиска релевантного контекста, механизм формирования запросов к большой языковой модели и подсистему генерации персонализированных рекомендаций. Для оценки эффективности разработанного подхода проведен эксперимент на наборе данных, включающем результаты тестирования студентов и учебные материалы дисциплины. Полученные результаты показали увеличение релевантности ответов до 94 %, снижение количества нерелевантных рекомендаций более чем в два раза и сокращение времени подготовки индивидуальной обратной связи преподавателем более чем на 80 %. Полученные результаты подтверждают перспективность применения архитектуры Retrieval-Augmented Generation при построении интеллектуальных образовательных сервисов и демонстрируют возможность дальнейшего развития подобных решений в условиях цифровой трансформации образования.

Retrieval-Augmented Generation, искусственный интеллект, образовательные данные, персонализированная обратная связь, большие языковые модели, цифровизация образования, интеллектуальные системы.