LLM для оценки качества онлайн-уроков: анализ активности, эмоций и обратной связи

В этом видео мы разбираем, как большие языковые модели (LLM) помогают образовательным онлайн-платформам оценивать и повышать качество обучения. Мы рассмотрим реальные кейсы и примеры, а также обсудим, какие методы и инструменты используются для анализа качества преподавания. 🎓 Почему это важно? В условиях массового онлайн-обучения крайне важно следить за качеством преподавания, разбираться в обратной связи от студентов и выявлять слабые места в учебных материалах. Для этого уже недостаточно обычных опросов — нужны автоматические и умные инструменты. 🔍 Что внутри видео? - Как LLM помогают анализировать чаты с обратной связью от студентов. - Обзор технологий и методов - Кейсы из хакатонов: автоматический анализ обратной связи и оценка преподавателей. - Методы анализа: категоризация сообщений, выявление стоп-слов и распознавание эмоциональной окраски. - Как платформы используют анализ чатов и комментариев для улучшения качества уроков. 💡 Чему вы научитесь? - Узнаете, как образовательные платформы оценивают уроки и работу преподавателей с помощью LLM. - Поймете, как работают метрики качества обучения и что анализируют команды на хакатонах. - Посмотрите на возможности автоматизации анализа чатов и обратной связи с помощью open-source инструментов. 📘 Что использовали команды? - NLP-модели для категоризации сообщений (Rubert tiny 2, GEMMA) - GPT для генерации данных и уточнения эмоционального окраса сообщений - LLM для генерации выводов на основе диалогов и контекстов 🎯 Кому...