Бұл мақалада жоғары оқу орындарындағы студенттердің өзіндік жұмыс тапсырмаларын автоматты түрде бағалауға арналған жасанды интеллект негізіндегі веб-платформаны жобалаудың теориялық және практикалық мәселелері қарастырылады. Зерттеудің негізгі мақсаты – табиғи тілді өңдеу (NLP), машиналық оқыту алгоритмдері және бұлттық инфрақұрылымды интеграциялау арқылы объективті, сенімді, масштабталатын және адаптивті бағалау жүйесінің тұжырымдамалық моделін әзірлеу. Жұмыста автоматты бағалау жүйелерінің даму эволюциясы, олардың білім беру процесіндегі рөлі және заманауи әдістері талданады. Сонымен қатар ұсынылатын платформаның архитектурасы (frontend, backend, AI модулі), деректер жиындарына қойылатын талаптар және бағалау алгоритмдерінің жұмыс істеу қағидалары сипатталады. Зерттеу барысында BERT/GPT негізіндегі семантикалық талдау, мәтіндердің ұқсастығын анықтау, плагиатты тексеру және нақты уақыттағы аналитика құралдары қарастырылған. Google Classroom, Coursera және Moodle сияқты кең таралған платформалармен жүргізілген салыстырмалы талдау ұсынылатын жүйенің артықшылықтарын анықтауға мүмкіндік берді. Атап айтқанда, жүйе қазақ тілінің ерекшеліктерін ескеретін NLP модельдерін қолдану арқылы жергілікті білім беру контексіне бейімделген. Зерттеу нәтижелері мұндай платформаны енгізу оқытушылардың жүктемесін айтарлықтай азайтып, бағалау сапасын арттыруға және студенттерге жедел кері байланыс ұсынуға мүмкіндік беретінін көрсетеді. Ұсынылған шешім жоғары білім беру жүйесін цифрландыру мен білім сапасын арттыруға бағытталған маңызды қадам ретінде қарастырылады.

ЕЛЕУБЕРГЕН Ж.А

Магистрант, Қ. Жұбанов атындағы Ақтөбе өңірлік университеті, Ақтөбе қ., Қазақстан.

E-mail: janbolat.work.2025@gmail.com, https://orcid.org/0009-0006-9737-5440

БАЙБАКТИНА А.Т

Педагогика ғылымдарының кандидаты, доцент, Қ.Жұбанов атындағы Ақтөбе өңірлік университеті, Ақтөбе қ, Қазақстан

E-mail: aksaule67@mail.ru, https://orcid.org/0000-0001-7872-1252

1. Shermis M. D., Burstein J. (Eds.) Automated Essay Scoring: A Cross-Disciplinary Perspective. Mahwah, NJ: Lawrence Erlbaum Associates, 2003. 238 p. DOI: https://doi.org/10.4324/9781410606860
2. Ramesh D., Sanampudi S. K. An automated essay scoring systems: a systematic literature review. Artificial Intelligence Review. 2022. Vol. 55, Issue 3. P. 2495–2527. DOI: 10.1007/s10462-021-10068-2 DOI: https://doi.org/10.1007/s10462-021-10068-2
3. Alam A. Should Robots Replace Teachers? Mobilisation of AI and Learning Analytics in Education. Proceedings of ICAC3N 2021, IEEE. Greater Noida, India. 2021. P. 1–12. DOI: 10.1109/ICAC3N53548.2021.9725439 DOI: https://doi.org/10.1109/ICAC3N53548.2021.9725439
4. Zawacki-Richter O., Marín V. I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education — where are the educators?. International Journal of Educational Technology in Higher Education. 2019. Vol. 16, Art. 39. P. 1–27. DOI: 10.1186/s41239-019-0171-0 DOI: https://doi.org/10.1186/s41239-019-0171-0
5. Page E. B. The Imminence of Grading Essays by Computer. Phi Delta Kappan. 1966. Vol. 47, №5. P. 238–243.
6. Devlin J., Chang M. W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019. Minneapolis: ACL. 2019. P. 4171–4186. DOI: 10.18653/v1/N19-1423 DOI: https://doi.org/10.18653/v1/N19-1423
7. Dong F., Zhang Y. Automatic Features for Essay Scoring — An Empirical Study. Proceedings of EMNLP 2016. Austin, Texas: ACL. 2016. P. 1072–1077. DOI: 10.18653/v1/D16-1115 DOI: https://doi.org/10.18653/v1/D16-1115
8. Taghipour K., Ng H. T. A Neural Approach to Automated Essay Scoring. Proceedings of EMNLP 2016. Austin, Texas: ACL. 2016. P. 1882–1891. DOI: 10.18653/v1/D16-1193 DOI: https://doi.org/10.18653/v1/D16-1193
9. Yeshpanov R., Khassanov Y., Varol H. A. KazNERD: Kazakh Named Entity Recognition Dataset. Proceedings of LREC 2022. Marseille: ELRA. 2022. P. 417–426. DOI: https://doi.org/10.63317/5398gpuejb6t
10. Luckin R., Holmes W., Griffiths M., Forcier L. B. Intelligence Unleashed: An Argument for AI in Education. London: Pearson Education, 2016. 56 p.
11. Baker R. S., Inventado P. S. Educational Data Mining and Learning Analytics. New York: Springer (In: Learning Analytics / Ed. by J. A. Larusson, B. White), 2014. P. 61–75. DOI: 10.1007/978-1-4614-3305-7_4 DOI: https://doi.org/10.1007/978-1-4614-3305-7_4
12. Sommerville I. Software Engineering. 10th ed. Harlow: Pearson Education, 2015. 816 p.
13. Page E. B. Computer Grading of Student Essays: A Project in a Complex Cognitive Task. Journal of Experimental Education. 1994. Vol. 62, №2. P. 127–142.
14. Riordan B., Horbach A., Cahill A., Zesch T., Lee C.-M. Investigating Neural Architectures for Short Answer Scoring. Proceedings of BEA@EMNLP 2017. Copenhagen: ACL. 2017. P. 159–168. DOI: 10.18653/v1/W17-5018 DOI: https://doi.org/10.18653/v1/W17-5017
15. Dong F., Zhang Y., Yang J. Attention-Based Recurrent Convolutional Neural Network for Automatic Essay Scoring. Proceedings of CoNLL 2017. Vancouver: ACL. 2017. P. 153–162. DOI: 10.18653/v1/K17-1017 DOI: https://doi.org/10.18653/v1/K17-1017

NLP, автоматты бағалау, адаптивтік жүйе, бұлттық технологиялар, веб-платформа, жасанды интеллект, машиналық оқыту, өзіндік жұмыс