Аналіз можливостей сучасних моделей ШІ для розробки тестових завдань з вищої математики

Abstract

У доповіді аналізуються можливості та обмеження сучасних моделей штучного інтелекту (ШІ) у створенні тестових завдань з вищої математики. Зазначається, що спеціалізованих моделей ШІ для цієї мети наразі не існує , але можна адаптувати великі мовні моделі, такі як ChatGPT, Claude та Gemini. Додатково вказуються моделі ШІ, що підтримують використання математичних формул, зокрема Wolfram Alpha, Google Bard та Mathpix. Обговорюється проблема відсутності підтримки формату MathType та Word Equation у моделях ШІ, що ускладнює роботу викладачів. Власний досвід показує, що Gemini найкраще інтерпретує формули у форматі Latex , а також підтримує текстовий опис формул, MathML, ASCII та графічні зображення. Хоча розробниками ШІ Gemini заявлена велика кількість видів тестових завдань, які можуть бути згенеровані за допомогою цієї моделі , при практичному використанні виникають труднощі з генерацією стандартної кількості варіантів, попри заявлену можливість створення практично необмеженої кількості варіантів тестових завдань. Модель ШІ Wolfram Alpha дозволяє генерувати тестові завдання як запрограмовані за допомогою Wolfram Language розв’язання обернених задач, але використання самого ШІ сходить нанівець. Інтеграція ШІ-інструментів для генерації тестових завдань до LMS відкриває нові можливості для трансформації сучасних освітніх процесів. Для популярної в Україні LMS Moodle прийнятним є використання файлів з тестовими завданнями у форматі GIFT, XML або використання плагінів: H5P, LTI. Навчання моделі Gemini для генерації тестових завдань у форматі JSON є складним процесом, що вимагає знань в області машинного навчання , але це відкриває великі можливості для автоматизації процесу створення навчальних матеріалів та підвищення ефективності освітнього процесу. The report analyzes the capabilities and limitations of modern artificial intelligence (AI) models in creating test assignments for higher mathematics. It is noted that currently there are no specialized AI models for this purpose, but large language models such as ChatGPT, Claude, and Gemini can be adapted. Additionally, AI models that support the use of mathematical formulas, including Wolfram Alpha, Google Bard, and Mathpix, are indicated. The problem of the lack of support for MathType and Word Equation formats in AI models, which complicates the work of teachers, is discussed. Personal experience shows that Gemini best interprets formulas in Latex format, and also supports text descriptions of formulas, MathML, ASCII, and graphic images. Although the developers of AI Gemini claim a large number of types of test tasks that can be generated using this model, practical use reveals difficulties with generating a standard number of variants, despite the stated ability to create a practically unlimited number of test task variants. The Wolfram Alpha AI model allows generating test tasks as programmed inverse problem solutions using Wolfram Language, but the use of AI itself becomes pointless in this way. The integration of AI tools for generating test tasks into LMS opens new opportunities for transforming modern educational processes. For Moodle, a popular LMS in Ukraine, it is acceptable to use test task files in GIFT, XML format or use plugins: H5P, LTI. Training the Gemini model to generate test tasks in JSON format is a complex process that requires knowledge in the field of machine learning, but this opens up great opportunities for automating the process of creating educational materials and increasing the effectiveness of the educational process.