Details

Данная работа посвящена автоматизации процесса анализа и обработки обратной связи студентов и разработке программного решения с целью повышения эффективности. Задачи, которые решались в ходе работы: 1. Анализ предметной области (обзор существующих методов анализа текстовой информации и подходов к автоматизации ее обработки). 2. Выбор наиболее эффективного метода и анализ принципов его работы. 3. Определение требований к разрабатываемому программному обеспечению. 4. Проектирование архитектуры системы. 5. Создание программного продукта с графическим интерфейсом для взаимодействия с пользователем с реализованными алгоритмами обработки данных, расчета статистических показателей, генерации отчетов и определения тональности текста с применением нейросетевой модели RuBERT. 6. Тестирование и оценка корректности работы разработанной системы. 7. Оценка результатов работы программы и определение возможных направлений дальнейшего развития. Работа выполнена, основываясь на деятельности общественного института «Адаптеры», который занимается адаптацией и поддержкой первокурсников, активно собирает их отзывы, и, учитывая их большое количество, нуждается в автоматизации данного процесса. В процессе исследования были изучены существующие методы обработки текстовых данных, выявлены недостатки ручной обработки, связанные с трудоёмкостью и субъективностью, а также рассмотрены существующие подходы к автоматизации этой обработки. Для решения поставленных задач было создано программное решение, которое автоматизирует ключевые этапы анализа обратной связи: загрузку данных из Excel, расчет ключевых показателей, группировку и агрегацию отзывов, реализовано определение тональности студенческих отзывов с применением нейросетевой модели RuBERT, а также формирование файлов с отчетами по результатам работы. Это позволило значительно сократить время анализа и повысить объективность оценки работы адаптеров. В реализации проекта использовались следующие технологии: язык программирования Python, библиотека Tkinter для создания графического интерфейса, библиотека transformers для работы с моделями BERT, а также pandas для обработки и анализа данных.

This work is dedicated to automating the process of analyzing and processing student feedback and developing a software solution aimed at improving efficiency. Tasks that were solved during the work: 1. Analysis of the subject area (a review of existing methods for analyzing textual information and approaches to automating its processing). 2. Selection of the most effective method and analysis of its operating principles. 3. Definition of the requirements for the developed software. 4. Design of the system architecture. 5. Development of a software product with a graphical user interface that includes implemented algorithms for data processing, calculation of statistical indicators, report generation, and sentiment analysis using the RuBERT neural network model. 6. Testing and evaluation of the correctness of the developed system. 7. Evaluation of the software performance and identification of possible directions for further development. The work is based on the activities of the public institution “Adapters,” which is engaged in the adaptation and support of first-year students, actively collects their feedback, and, considering its large volume, requires automation of this process. During the research, existing methods of text data processing were studied, the disadvantages of manual processing were identified – including labor intensity and subjectivity – and existing approaches to automation were reviewed. To solve the set tasks, a software solution was developed that automates key stages of feedback analysis: data loading from Excel, calculation of key indicators, grouping and aggregation of reviews. Sentiment analysis of student feedback was implemented using the RuBERT neural network model, as well as report file generation based on the analysis results. This made it possible to significantly reduce the analysis time and increase the objectivity of evaluating the work of the Adapters. The following technologies were used in the project implementation: Python programming language, Tkinter library for creating the graphical interface, the transformers library for working with BERT models, and the Pandas library for data processing and analysis.

• ВВЕДЕНИЕ
• ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ОБРАТНОЙ СВЯЗИ
  • 1.1 Понятие и значение обратной связи
  • 1.2 Методы анализа текстовой информации
  • 1.3 Обзор и оценка существующих методов автоматического текстового анализа
  • 1.4 Архитектура трансформеров и ее применение в задачах анализа текста
• ГЛАВА 2 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ
  • 2.1 Описание задачи и актуальность
  • 2.2 Требования к программному обеспечению
  • 2.3 Выбор инструментов и технологий
• ГЛАВА 3 ПРОЕКТИРОВАНИЕ СИСТЕМЫ
  • 3.1 Структура системы
  • 3.2 Архитектура приложения
  • 3.3 Разработка графического интерфейса
• ГЛАВА 4 РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПРОГРАММНОГО ПРОДУКТА
  • 4.1 Загрузка данных из Excel
  • 4.2 Анализ данных и генерация статистики
  • 4.3 Анализ тональности
  • 4.4 Генерация отчета
• ГЛАВА 5 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ И РЕЗУЛЬТАТЫ РАБОТЫ
  • 5.1 Оценка корректности работы системы
  • 5.2 Пример работы программы
  • 5.3 Возможные улучшения
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А ГРАФИЧЕСКИЙ ИНТЕРФЕЙС
• ПРИЛОЖЕНИЕ Б ЗАГРУЗЧИК ФАЙЛОВ
• ПРИЛОЖЕНИЕ В АНАЛИЗ ДАННЫХ
• ПРИЛОЖЕНИЕ Г МОДЕЛЬ RUBERT
• ПРИЛОЖЕНИЕ Д ГЕНЕРАТОР ОТЧЕТОВ