Розробка інтелектуальної системи генерації тестових запитань на основі заданого контенту

Abstract

Метою роботи є створення веб-орієнтованої системи, здатної автоматично генерувати тестові завдання на основі завантажених навчальних матеріалів з використанням сучасних великих мовних моделей (LLM), таких як GPT-4o mini. Система покликана спростити процес створення тестів для викладачів, зменшити витрати часу та забезпечити високу якість питань завдяки інтеграції штучного інтелекту. У ході дослідження було проведено комплексний аналіз існуючих рішень для автоматизації генерації тестів, що дозволило виявити ключові обмеження сучасних підходів, зокрема необхідність ручного введення даних, відсутність підтримки україномовного контенту та низький рівень адаптації до специфіки навчальних матеріалів. Паралельно було досліджено потенціал великих мовних моделей (LLM) у сфері освітніх технологій, з особливим акцентом на їх застосування для обробки україномовних текстів та генерації структурованих тестових завдань. На основі отриманих даних розроблено архітектуру системи, яка побудована на сучасному технологічному стеку Next.js, Supabase та Tailwind CSS, що забезпечує повноцінний цикл роботи - від зручного завантаження файлів у різних форматах (PDF, DOCX, TXT) через інтуїтивний інтерфейс до автоматичної генерації тестів, їх подальшого збереження у хмарній базі даних та можливості експорту результатів у зручному PDF-форматі. Важливою складовою системи став інтелектуальний модуль взаємодії з GPT-4o mini, який включає ретельну оптимізацію промптів для отримання максимально точних результатів, а також механізми обробки та валідації відповідей для забезпечення їх коректної структуризації у JSON-форматі. Для персоналізації роботи з системою було реалізовано надійний механізм авторизації користувачів, розроблено особистий кабінет з історією всіх згенерованих тестів та створено функціонал для їх подальшого використання, що дозволяє користувачам зручно керувати своїми матеріалами та повертатися до них у будь-який момент.

The objective of the work is to create a web-oriented system capable of automatically generating test tasks based on uploaded educational materials using modern large language models (LLMs), such as GPT-4o mini. The system aims to simplify the test creation process for educators, reduce time costs, and ensure high question quality through the integration of artificial intelligence. During the research, a comprehensive analysis of existing solutions for test generation automation was conducted, revealing key limitations of current approaches, including the need for manual data entry, lack of support for Ukrainian-language content, and low adaptability to the specifics of educational materials. Simultaneously, the potential of large language models (LLMs) in educational technology was explored, with a particular focus on their application for processing Ukrainian texts and generating structured test tasks. Based on the findings, the system architecture was developed using the modern technological stack of Next.js, Supabase, and Tailwind CSS, ensuring a complete workflow–from convenient file uploads in various formats (PDF, DOCX, TXT) via an intuitive interface to automatic test generation, subsequent storage in a cloud database, and the ability to export results in a user-friendly PDF format. A critical component of the system is the intelligent module for interacting with GPT-4o mini, which includes careful prompt optimization to achieve highly accurate results, as well as mechanisms for processing and validating responses to ensure their correct structuring in JSON format. To personalize the user experience, a reliable user authentication mechanism was implemented, a personal dashboard with a history of all generated tests was designed, and functionality for further test utilization was created, allowing users to conveniently manage their materials and revisit them at any time.