Вісник ХНУ. Технічні науки - 2019 рік
Постійне посилання зібрання
Переглянути
Перегляд Вісник ХНУ. Технічні науки - 2019 рік за Ключові слова "004.9"
Зараз показуємо 1 - 5 з 5
Результатів на сторінці
Налаштування сортування
Документ Метод автоматизованого формування тестових завдань(Хмельницький національний університет, 2019) Мазурець, О.В.; Mazurets, O.У статті розглянуто метод автоматизованого створення тестових завдань до навчальних матеріалів, який не вимагає додаткової формалізації навчальних матеріалів та використовує продукційну модель представлення знань для подання правил формування тестових завдань. В результаті використання методу автоматизованого формування тестових завдань створюється множина тестових завдань, що різні за параметрами й можуть бути використані для перевірки рівня засвоєння знань за допомогою існуючих навчальних середовищ та систем тестування. Створені тестові завдання розрізняються за такими параметрами, як тип запитання, кількість правильних відповідей, правило продукції, за яким сформоване тестове завдання, терміни, які використовуються в завданні тощо. Множина тестових завдань до навчальних матеріалів містить тестові завдання, що семантично, структурно та параметрично рівномірно охоплюють відповідний вхідний навчальний матеріалі. Важливою рисою розробленого методу є прив’язка створених тестових завдань до всіх рівнів семантичної структури інформаційного навчального матеріалу, що забезпечує його повне покриття та надає можливість проведення адаптивного контролю рівня одержаних знань. Вхідними даними методу автоматизованого створення тестових завдань є контент інформаційного навчального матеріалу чи його визначеного елементу структури та відповідна множина ключових термінів. Вихідними даними є множина тестових завдань, а також множини зв’язків – між заголовками та тестовими завданнями, між ключовими термінами та тестовими завданнями. Для роботи методу необхідна множина правил продукції тестових завдань, створених окремо і заздалегідь. Оскільки правила продукції застосовуються для всіх рівнів семантичної структури навчальних матеріалів, забезпечується повне покриття начального матеріалу. Автоматизація процесу формування тестових завдань забезпечує суттєве скорочення часу на розробку тестових завдань. Дані, що містяться у моделі, дають можливість проведення адаптивного контролю рівня одержаних знань.Документ Розбиття 3d-об’єктів на тетраедри із заданим ступенем дискретності(Хмельницький національний університет, 2019) Білоус, Г.А.; Скрипник, Т.К.; Медведчук, Н.К.; Bilous, H.A.; Skrypnyk, Т.К.; Medvedchu, N.K.В роботі визначається проблема із методами тріангулювання 3D-об’єктів та пропонується інформаційна технологія розбиття із заданим ступенем дискретності контурного 3D-об’єкта на тетраедри, особливістю якої є робота з STL-файлами тривимірних об’єктів як вхідних та вихідних даних, що ґрунтується на алгоритмі масштабування заданої неструктурованої розрахункової трикутної сітки.Документ Інформаційна технологія автоматизованого створення тестів до навчальних матеріалів(Хмельницький національний університет, 2019) Мазурець, О.В.; Mazurets, O.У статті розглянуто інформаційну технологію автоматизованого створення тестів до навчальних матеріалів, яка є комплексним засобом для автоматизованого формування тестових завдань, що містить всі необхідні кроки для перетворення вхідних даних у вигляді електронного документу навчальних матеріалів у вихідні дані у вигляді множини тестових завдань та необхідних для проведення адаптивного тестування метаданих. Інформаційна технологія автоматизованого створення тестів до навчальних матеріалів використовує інформаційну модель семантичної структури навчального курсу. Інформаційна модель є цілісним поданням семантичної структури навчального курсу. Формалізація моделі проводиться шляхом подання частини елементів навчального курсу як множини сутностей – заголовків, слів, ключових термінів, тестових завдань, зв’язків. Це дозволяє застосовувати її для реалізації інформаційної технології автоматизованого створення тестів до навчальних матеріалів і вирішенні ряду інших задач. При використанні інформаційної технології для наповнення всіх множин моделі семантичної структури навчального курсу послідовно застосовуються два методи – метод формування структури навчальних матеріалів та пошуку у них ключових термінів й метод автоматизованої генерації прототипів тестових завдань. Оскільки правила продукції застосовуються для всіх рівнів семантичної структури навчальних матеріалів, забезпечується повне покриття начального матеріалу. Автоматизація процесу формування тестових завдань забезпечує суттєве скорочення часу на розробку тестових завдань. Дані, що містяться у моделі, дають можливість проведення адаптивного контролю рівня одержаних знань. Розглянуто відповідну прикладну програмну систему, призначену для експериментального тестування інформаційної технології, використання якої підтвердило можливість автоматизованого створення тестових завдань різних типів за вхідним контентом навчального матеріалу.Документ Інформаційна технологія рекурсивного пошуку ключових термінів у цифрових текстах(Хмельницький національний університет, 2019) Мазурець, О.В.; Коваль, О.О.; Mazurets, O.; Koval, O.В статті розглянуто інформаційну технологію рекурсивного пошуку ключових термінів у цифрових текстах, яка проводить аналіз текстового контенту із використанням методу дисперсійної оцінки та без використання лексичних баз даних корпусів слів. Характерною рисою запропонованої інформаційної технології є використання рекурсивних складових при пошуку ключових термінів. Процес автоматизованого аналізу цифрового тексту шляхом рекурсивного пошуку ключових термінів із використанням методу дисперсійного оцінювання складається з ряду етапів перетворення інформації, які у сукупності формують інформаційну технологію рекурсивного пошуку ключових термінів. Розроблена інформаційна технологія рекурсивного пошуку ключових термінів була реалізована в тестовому програмному продукті. Вхідними даними для системи є електронний документ із цифровим текстом, а вихідними даними є множина ключових термінів, що відповідна досліджуваному фрагменту текстового контенту електронного документу. За допомогою розробленого тестового програмного забезпечення були проведені дослідження, що підтвердили можливість ефективно автоматизовано формувати множини ключових семантичних термінів текстів із показниками точності пошуку до 89,6% й повноти пошуку до 93,3%. Результати порівняння ефективності інформаційної технології рекурсивного пошуку ключових термінів у цифрових текстах із аналогічними результатами для технологій, що використовують лексичні бази даних корпусів слів для ідентифікації слів у текстах, є неоднозначними. У 42,3% випадках використання рекурсивного пошуку негативно вплинуло на якість результату, проте в 18,6% випадків такий підхід виявив кращий результат. Перевагами розробленої інформаційної технології рекурсивного пошуку ключових термінів у цифрових текстах, яка проводить аналіз текстового контенту із використанням методу дисперсійної оцінки, є відсутність необхідності використання лексичних баз даних корпусів слів, суттєве прискорення швидкодії, можливість використання для текстів різними мовами, можливість використання для текстів із кількома мовами, кращі результати під час обробки вузькоспеціалізованого контенту. Дана інформаційна технологія може бути ефективно використана для аналізу текстів із невідомими властивостями тематики та мови.Документ Інформаційна технологія тематичної класифікації текстових повідомлень(Хмельницький національний університет, 2019) Мазурець, О.В.; Тимуш, О.Ю.; Федорко, А.П.; Mazurets, O.; Tymush, O.; Fedorko, A.У статті розглянуто інформаційну технологію сортування текстових повідомлень за тематикою. При цьому використовуються розроблений підхід до визначення множин ключових слів для рубрик новин на основі методу оцінки TFIDF та розроблені математико-алгоритмічні моделі для визначення приналежності тестової новини до актуальних рубрик новин. На основі розробленої інформаційної технології тематичного сортування текстової інформації було створено два програмних продукти: систему визначення множин ключових слів для рубрик новин та систему тематичного сортування новин. Система визначення множин ключових слів для рубрик новин дозволяє за введеною множиною новин, що мають приналежність до певної конкретної рубрики, визначити множину ключових слів, які розглядаються як еквівалент узагальненого семантичного вмісту для новин цієї рубрики. В результаті використання програмної системи для аналізу вхідних даних у вигляді множин новин для всіх актуальних рубрик, одержуються вихідні дані у вигляді відповідної кількості множин ключових слів, які розглядаються в подальшому як портрети новин цих рубрик. Система тематичного сортування новин дозволяє за вхідними даними у вигляді текстового контенту тестової новини одержати вихідні дані у вигляді цифрових показників, що відображають оцінку приналежності тестової новини до кожної з рубрик. Для цього проводиться автоматизоване порівняння множини слів із контенту новини та множин ключових слів рубрик новин. Розроблені тестові програмні системи були використані для дослідження ефективності інформаційної технології тематичного сортування текстової інформації. Для цього проводилось автоматизоване визначення рубрик для тестових зразків новин за допомогою розроблених програмних продуктів. Одержані результати дослідження ефективності інформаційної технології показали, що в переважній більшості випадків програмна система, виконана відповідно до запропонованої інформаційної технології тематичного сортування текстової інформації, успішно виконала сортування новин за рубриками, й середня успішність сортування за рубриками склала 94,4%.