Одна из задач, стоящих перед преподавателем в ходе педагогического процесса - оценить результаты работы учащихся (студентов). В ходе учебной деятельности учащиеся дают устные и письменные ответы на вопросы преподавателя и т.п. Оценка устных создают большие затруднения у начинающих преподавателей, особенно при желании ставить заслуженную, справедливую оценку. Решение этой задачи достигается только с приобретением некоторого опыта преподавания. При оценке письменных работ преподаватель имеет дополнительное время на размышления, может посоветоваться со старшими коллегами, с другой стороны, оценка за письменную работу должна быть более точной - учащиеся могут сравнивать оценки свои и своих коллег.
        Данная ситуация осложняется тем, что в ходе педагогического процесса создается большое количество таких работ - пояснительных записок к курсовым работам, отчетов по лабораторным работам и других. Кроме того, объем этих работ превышает разумные возможности преподавателя. Тем не менее, каждая работа должна быть оценена.
        Для постановки оценки за студенческую работу можно использовать большое количество факторов и разные критерии, главные из которых - содержательная полнота, ясность решения, отсутствие грубых ошибок в логике изложения. Однако, оценка всех студенческих работ по указанным факторам отдельно представляет дополнительные трудности и требует дополнительное время.
        Предлагается провести избыточное изучение и исследование некоторого количества студенческих работ, чтобы выяснить основные критерии постановки оценки конкретным преподавателем или совокупные критерии группы преподавателей. Полученные данные предлагается обработать с использованием нейронных сетей.
        Для выполнения данной работы была составлена выборка работ студентов СибГТУ, около 60 работ. Эти работы были оцифрованы по следующему набору параметров: оценка, тип текста - рукописный или распечатка компьютерного, дата сдачи, объем в страницах, количество предложений, абзацев, слов, оформление титульного листа (указаны организация, кафедра, тема, разработчик, руководитель, год), красота почерка, страницы текста пронумерованы, наличие введения, заключения и списка литературы, правильность оформления списка литературы (нумерация книг, указание года издания и количества страниц книги, указания фамилии и инициалов авторов и названия в правильном порядке), общее качество оформления работы, количество ошибок и другим.
        По данной выборке было обучено несколько нейросетей для предсказания оценки за отчетную работу в четырехбалльной системе (2, 3, 4 или 5). Обучение и тестирование нейросетей выполнялось с помощью нейроимитаторов MultiNeuron (разработчики: группа НейроКомп Красноярского ИВМ СОАН) и Monoton, предварительная обработка данных выполнена с помощью утилиты PredMake. По тестовой выборке получено 60-70 процентов правильных ответов, т.е. нейросети хорошо обучаются предсказывать точную оценку за студенческую работу по группе описательных параметров этой работы.
        Работа выполнена при поддержке гранта, выделенного по Федеральной Целевой Программе “Интеграция”, проект №68, направление 2.1.