bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2025-23-3-54-61bsuir-4162Research ArticleСтатьиМетод автоматической генерации вопросов и ответов для систем тестирования знанийMethod of Automatic Generation of Questions and Answers for Knowledge Testing SystemsМигалевичС. А.MigalevichS. А.нач. центра информатизации и инновационных разработок, соискатель каф. программного обеспечения информационных технологийHead of the Center of Informatization and Innovations, Applicant at the Department of Software Provision of Information TechnologiesГерманЮ. О.GermanJu. O.канд. техн. наук, доц. каф. информационных технологий автоматизированных системGerman Ju. O., Сand. Sci. (Tech.), Associate Professor at the Information Technologies in Automatized System DepartmentГерманО. В.GermanO. V.канд. техн. наук, доц. каф. информационных технологий автоматизированных системGerman O. V., Сand. Sci. (Tech.), Associate Professor at the Information Technologies in Automatized System DepartmentБелорусский государственный университет информатики и радиоэлектроникиBelarusian State University of Informatics and Radioelectronics2025150720252335461Copyright © Мигалевич С.А., Герман Ю.О., Герман О.В., 20252025Мигалевич С.А., Герман Ю.О., Герман О.В.Migalevich S.А., German J.O., German O.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/4162

Рассмотрена техника автоматической генерации вопросов и ответов для тестирования знаний. Предложенный подход построен на разработанном методе определения и использования кластеров ключевых слов для генерации по ним вопросов и ответов на базе глобальной или локальной языковой модели, что определяет теоретико-прикладную новизну. Кластеры строятся на основе корпуса текстовых документов, относящихся к изучаемой области (учебная литература, методические пособия, электронные ресурсы). Представленное в статье техническое решение является логически законченным и может служить основой для практических разработок. 

The technique of automatic generation of questions and answers for knowledge testing is considered. The proposed approach is based on the developed method of defining and using clusters of keywords to generate questions and answers based on a global or local language model, which constitutes theoretical and applied novelty. Clusters are built on the basis of a corpus of text documents related to the studied area (textbooks, methodological manuals, electronic resources). The technical solution presented in the article is logically complete and can serve as a basis for practical developments.

информационные технологииобучениетестирование знанийкластерный анализinformation technologieseducationknowledge testingcluster analysis.ReferencesA Review on Question Generation from Natural Language Text / Ch. Ruqing [et al.] // ACM Trans. on Information Systems. 2021. Vol. 40, No 1.Ruqing Ch., Jiafeng G., Lu Ch., Xueqi Cheng., Yixing Fan. (2021) A Review on Question Generation from Natural Language Text. ACM Trans. on Information Systems. 40 (1).Brusilowsky, P. Web-Based Testing for Distance Education / P. Brusilowsky, P. Miller // WebNet’99, World Conference of the WWW and Internet, AACE, Honolulu, 1999. Р. 149–154.Brusilowsky P., Miller P. (1999) Web-Based Testing for Distance Education. WebNet’99, World Conference of the WWW and Internet, AACE, Honolulu. 149–154.Герман, О. В. Введение в теорию экспертных систем и обработку знаний / О. В. Герман // Минск: ДизайнПро, 1995.German O. V. (1995) Introduction to Expert Systems Theory and Knowledge Processing. Minsk, DesignPro Publ. (in Russian).Bird, S. Natural Language Processing with Python / S. Bird, E. Klein, E. Loper // O’Reilly Media Inc. USA, 2007.Bird S., Klein E., Loper E. (2007) Natural Language Processing with Python. O’Reilly Media Inc. USA.Montgomery, D. C. Design and Analysis of Experiments / D. C. Montgomery // John Wiley&Soms Inc. USA, 2013.Montgomery D. C. (2013) Design and Analysis of Experiments. John Wiley&Soms Inc. USA.Neter, J. Applied Linear Regression Models / J. Neter, W. Wasserman, M. H. Kutner // R. D. Irwin Inc. USA, 1983.Neter J., Wasserman W., Kutner M. H. (1983) Applied Linear Regression Models. R.D. Irwin Inc. USA.Blei, D. M. Latent Dirichlet Allocation / D. M. Blei, A. Y. Ng, M. I. Jordan // Journal of Machine Learning Research. 2003. No 3. P. 993–1022.Blei D. M., Ng A. Y., Jordan M. I. (2003) Latent Dirichlet Allocation. Journal of Machine Learning Research. (3), 993–1022.Han, J. Data Mining. Concepts and Techniques / J. Han, M. Kamber, J. Pei // Elsevier. 2012.Han J., Kamber M., Pei J. (2012) Data Mining. Concepts and Techniques. Elsevier.Герман, О. В. Алгоритм булевой оптимизации на (0,1)-матрицах / О. В. Герман, Е. И. Германович, В. Г. Найденко // Журнал вычислительной математики и математической физики. 1992. Т. 32, № 7. C. 1114–1125.German O. V., Germanovich E. I., Naidenko V. G. (1992) Boolean Optimization Algorithm on (0,1)-Matrices. Journal of Computational Mathematics and Mathematical Physics. 32 (7), 1114–1125 (in Russian).Герман, О. В. Разрешающий принцип для задачи о минимальном покрытии 0,1-матрицы / О. В. Герман // Кибернетика и системный анализ. 1996. № 1. C. 135–145.German O. V. (1996) Decision Principle for the Minimum Covering Problem of a 0,1-Matrix. Cybernetics and Systems Analysis. (1), 135–145 (in Russian).Герман, Ю. О. Метод извлечения информации из резюме / Ю. О. Герман, O. В. Герман, С. Наср // Труды БГТУ. Серия 3. Физико-математические науки и информатика. 2019. № 1. С. 64–68.German Yu. O., German O. V., Nasr S. (2019) Information Extraction Method from a Resume (CV). Works BSTU. Series 3. Physics and Mathematics Science and Computer Science. (1), 64–68.

The authors declare that there are no conflicts of interest present.