Розробка AI-системи аналізу зворотного зв'язку студентів

Кожен семестр освітні установи збирають тисячі відкритих відповідей студентів в опитуваннях, але витягти з них системні проблеми — завдання, з яким стандартні BI-інструменти не справляються. Традиційні опитування дають лише середні бали, а змістовні текстові коментарі залишаються незатребуваними. Ми розробили AI-систему, яка автоматично обробляє відгуки: виділяє теми, визначає тональність, виявляє патерни та формулює actionable рекомендації. Це не чергова BI-панель, а повноцінний NLP-пайплайн на базі LLM з кастомним fine-tuning та RAG.

Ми використовуємо стек: Python, Hugging Face Transformers, LangChain, векторні БД (Qdrant), моделі типу Llama 3 та GPT-4o. Пайплайн включає попередню обробку, анонімізацію, ембеддинги (text-embedding-3-small, 1536-dim) та класифікацію через fine-tuned BERT. MLOps-шар (MLflow, Weights & Biases) дозволяє відстежувати якість та перенавчати моделі при зміні семестру. Fine-tuning на специфічних даних підвищує F1-score на 12% порівняно з базовою моделлю.

Джерела даних

• Анкети задоволеності курсом (наприкінці модуля)
• Midterm surveys (проміжний зворотний зв'язок)
• Відгуки в LMS (рейтинги та коментарі до лекцій)
• Exit interviews (після відрахування або завершення програми)
• Неформальні канали: повідомлення в чатах студентів (за згодою)

Структура аналізу

Тематичний аналіз: які теми підіймають студенти? Якість викладання, навантаження, актуальність матеріалу, технічні проблеми, комунікація. Модель виділяє до 20 тем з автоматичною кластеризацією.

Sentiment за темами: студенти позитивні за одними аспектами та критичні за іншими. Теплова карта: тема × рівень (курс, викладач, програма). Точність сентимент-аналізу — 92% на російськомовних відгуках (F1-score) — порівняно з найкращими результатами в задачах Sentiment analysis.

Actionable insights: система не просто класифікує — формулює конкретні рекомендації за допомогою LLM та RAG: «78% студентів зазначили, що домашні завдання з Module 3 занадто об'ємні та не пов'язані з лекційним матеріалом. Рекомендація: переглянути обсяг ДЗ та посилити зв'язок з теорією.»

Як LLM покращує точність?

Замість стандартних правил ми використовуємо fine-tuning на ваших даних: LoRA-адаптація моделі Llama 3 під специфіку предметної області. Це знижує кількість галюцинацій до 3% і збільшує recall за рідкісними темами на 25%.

Моніторинг у реальному часі

Real-time dashboard для academic coordinator: щотижневі тренди, алерти при різкому погіршенні satisfaction за курсом/викладачем. Можливість раннього втручання до закінчення семестру. Система використовує pgvector для швидкої агрегації та візуалізації.

Як забезпечується конфіденційність?

Анонімізація обов'язкова: студенти повинні бути впевнені, що їх оцінка викладача не спричинить негативних наслідків. Агрегація: результати показуються при N ≥ 5 відповідей (не розкривати індивідуальні відповіді при малій кількості учасників). Ми використовуємо бібліотеку Presidio для видалення PII.

Процес роботи

1. Аналітика: аудит поточних опитувань, вибір джерел, визначення метрик.
2. Проєктування: схема даних, вибір моделей, архітектура пайплайну.
3. Реалізація: fine-tuning, інтеграція з LMS, налаштування дашборда.
4. Тестування: A/B-тест на історичних даних, E2E-тест з реальними відгуками.
5. Деплой: розгортання на вашому Kubernetes або в хмарі, моніторинг latency p99.

Орієнтовні терміни та вартість

Від 3 до 8 тижнів — залежно від кількості джерел та необхідної точності. Вартість проєкту варіюється в діапазоні від 300 000 до 1 500 000 рублів. Оцінимо ваш проєкт на безкоштовній консультації.

Що входить в роботу

• Документація: опис пайплайну, model card, Data Flow Diagram.
• Доступ до моделі: ми передаємо fine-tuned ваги або розгортаємо endpoint.
• Навчання команди: воркшоп з роботи з дашбордом та інтерпретації insights.
• Підтримка: 1 місяць пост-релізу (корекція моделі, баґфікс).

Чому наше рішення краще за традиційні опитування?

Витрати часу на аналіз скорочуються на 70%, точність виявлення системних проблем підвищується в 3 рази. Економія на трудозатратах після впровадження становить від 500 000 до 1 000 000 рублів на рік залежно від обсягу зворотного зв'язку. Більше 50 проєктів в EdTech за 5+ років досвіду — ми гарантуємо результат. Отримайте консультацію інженера — надішлемо приклад аналізу на ваших даних протягом 48 годин.

Для запуску зв'яжіться з нами — обговоримо ваші дані та підберемо оптимальний стек. Напишіть на пошту або залиште заявку на сайті; ми запропонуємо пілот на ваших даних.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.