278
www.namspi.uz
universaljurnal.uz
SUN'IY INTELLEKT VA NEYRONTO’RLI TEXNOLOGIYALAR
FANIDAN TALABALARNI BILIM VA KO’NIKMALARINI
BAHOLASHDA INTELLEKTUAL TIZIMLARDAN FOYDALANISH
1
А
bdull
ау
ev
А
xr
о
rbek
А
nv
а
rj
о
n
о
’g’li,
2
Nazirjonov Diyorbek Fazliddin
o‘g‘li
1,2
N
а
m
а
ng
а
n d
а
vl
а
t universiteti,
1
O’qituvchi,
2
Talaba
Em
а
il:
а
xr
о
rbek930303@gm
а
il.c
о
m
Em
а
il:
nazirjonovdiyorbek49@gm
а
il.c
о
m
Annotatsiya:
Ushbu maqolada sun'iy intellekt va neyron tarmoqli
texnologiyalar fanidan talabalarning bilim va ko’nikmalarini baholash uchun
intellektual tizimlarni yaratish texnologiyalari muhokama qilinadi. Talabalarni
baholashda
intellektual
tizimlardan
foydalanish,
o‘quv
jarayonini
avtomatlashtirish va samaradorligini oshirish bilan birga, talabalarning bilim
darajasini chuqurroq tahlil etish imkonini beradi. Ushbu maqolada intellektual
baholash tizimlarining afzalliklari, ularni yaratish texnologiyalari va qo‘llanilish
imkoniyatlari tavsiflanadi.
Kalit so‘zlar:
Sun’iy intellekt, Neyron tarmoqlar, bilim, ko’nikmalarini,
Intellektual tizimlar, Avtomatik baholash, Mashinaviy o‘qitish, Ta'lim
texnologiyalari.
KIRISH
Zamonaviy ta'lim tizimida talabalarning bilim va ko’nikmalarini aniq va
samarali baholash muhim vazifalardan biridir. Sun'iy intellekt va neyron tarmoqli
texnologiyalarning rivojlanishi ta'lim jarayonida yangi imkoniyatlar yaratib,
o‘qituvchilarga baholash jarayonini avtomatlashtirish va optimallashtirish
imkonini berdi. An'anaviy baholash usullari ko‘p hollarda inson omiliga bog‘liq
bo‘lganligi sababli sub'ektiv natijalar berishi mumkin. Shu sababli,
avtomatlashtirilgan va intellektual tizimlardan foydalanish, talabalarning bilim va
ko‘nikmalarini yanada ob'ektiv baholashni ta’minlaydi.
Bilim va ko’nikmalarini hamda ularni baholash zaruriyati. Kasbiy
kompetensiyalar talabaning o‘z sohasida muvaffaqiyatli ishlash uchun zarur
bilimlar, ko‘nikmalar va qobiliyatlarga ega bo‘lishini anglatadi. Sun'iy intellekt va
neyron tarmoqlar fanida bu quyidagi asosiy ko‘nikmalarni o‘z ichiga oladi:
Algoritmik fikrlash: Talabalarning sun'iy intellekt va mashinaviy o‘qitish
algoritmlarini tushunishi va ularni amalda qo‘llashi.
Dasturlash ko‘nikmalari: Talabalarning dasturlash tillari va asbob-
uskunalar bilan ishlash qobiliyati (masalan, Python, TensorFlow).
Ma'lumotlarni tahlil qilish: Katta hajmdagi ma'lumotlarni tahlil qilish va
ularni mashinaviy o‘qitish modellariga tayyorlash.
Muammolarni hal qilish: Real hayotdagi muammolarni sun'iy intellekt
texnologiyalari yordamida yechish qobiliyati.
279
www.namspi.uz
universaljurnal.uz
Baholash jarayonida bu ko‘nikmalarni aniq va samarali o‘lchash muhimdir.
An'anaviy baholash usullari (imtihonlar, testlar) ushbu maqsadga to‘liq erisha
olmaydi, chunki ular ko‘pincha faqatgina talabaning nazariy bilimlarini
baholaydi. Intellektual baholash tizimlari esa talabaning amaliy ko‘nikmalarini
ham tahlil qilishga imkon beradi va ularning bilimlarini chuqurroq o‘rganadi.
Intellektual tizimlar va ularning afzalliklari
Intellektual tizimlar — bu sun'iy intellekt va neyron tarmoqlar kabi
texnologiyalardan foydalanib, insonning kognitiv faoliyatini taqlid qiluvchi
dasturiy tizimlardir. Bunday tizimlar quyidagi afzalliklarni taqdim etadi:
Avtomatik baholash: Testlar, imtihonlar va loyihalarni avtomatik ravishda
baholash imkonini beradi.
Obyektivlik: Inson omilidan xoli bo‘lgan baholash natijalari aniq va
obyektiv hisoblanadi.
Shaxsiylashtirilgan o‘rganish: Intellektual tizimlar talabaning bilim
darajasiga mos ravishda shaxsiy o‘quv dasturlarini taklif qilishi mumkin.
Natijalarni tahlil qilish: Tizimlar talabaning o‘quv jarayonida qanday
qiyinchiliklarga duch kelayotganligini aniqlab, ularni yaxshilash bo‘yicha
tavsiyalar beradi.
Intellektual tizimlarni yaratish texnologiyalari
Intellektual baholash tizimlarini yaratish uchun quyidagi texnologiyalar
qo‘llaniladi:
Mashinaviy O‘qitish (Machine Learning): Mashinaviy o‘qitish intellektual
tizimlarning asosiy texnologiyalaridan biridir. Bu texnologiya yordamida tizim
talabaning o‘quv jarayonidagi natijalarini tahlil qilib, ularning bilim darajasini
avtomatik ravishda baholaydi. Mashinaviy o‘qitish algoritmlari yordamida tizim
talabalarning bilimlari va ko‘nikmalarini chuqur o‘rganadi va baholaydi.
Amaliy misol: Talabaning test natijalarini tahlil qilish va ularni mashinaviy
o‘qitish algoritmlari yordamida baholash. Masalan, Random Forest yoki Support
Vector Machines (SVM) algoritmlari orqali talabalar natijalari tahlil qilinadi va
ular asosida baho belgilanadi.
Neyron Tarmoqlar (Neural Networks): Neyron tarmoqlar murakkab
ma'lumotlarni tahlil qilish va ulardan tegishli xulosalar chiqarishda qo‘llaniladi.
Bu texnologiyalar yordamida talabaning bilim va ko‘nikmalarini yanada
chuqurroq tahlil qilish va ular asosida baholash mumkin.
Amaliy misol: Convolutional Neural Networks (CNN) yoki Recurrent
Neural Networks (RNN) dan foydalanib, talabaning qiyinchilik darajasiga mos
tarzda baholarni avtomatik aniqlash.
Natural Tilni Qayta Ishlash (Natural Language Processing, NLP): Natural
tilni qayta ishlash texnologiyalari yordamida talabaning yozma ishlarini, masalan,
esse yoki loyihalarni avtomatik baholash mumkin. NLP yordamida tizim
talabaning yozma ishidagi grammatika, mazmun va mantiqiylikni baholaydi.
Amaliy misol: Talabaning esse yozish topshirig‘ini BERT (Bidirectional
Encoder Representations from Transformers) texnologiyasi yordamida tahlil
qilish va baholash.
280
www.namspi.uz
universaljurnal.uz
Ekspert Tizimlar: Ekspert tizimlar — bu inson mutaxassislarining
tajribasini taqlid qiluvchi tizimlardir. Bunday tizimlar baholash jarayonida inson
mutaxassislarining qarorlarini taqlid qiladi va talabalarning bilimlarini tahlil
qiladi.
Amaliy misol: Ekspert tizimlar yordamida talabaning muayyan mavzular
bo‘yicha kompetensiyasini aniqlash va unga mos baho qo‘yish.
Intellektual baholash tizimlarini joriy etish bosqichlari
Intellektual tizimlarni yaratish va joriy etish bir nechta bosqichlardan iborat:
Ma'lumotlar yig‘ish: Talabalarning baholash natijalari, testlar va imtihonlar
ma'lumot sifatida yig‘iladi.
Ma'lumotlarni tozalash va tayyorlash: Yig‘ilgan ma'lumotlar tahlil qilish va
mashinaviy o‘qitish modellariga moslash uchun tayyorlanadi.
Modelni o‘rgatish: Mashinaviy o‘qitish yoki neyron tarmoqlar yordamida
modelga ma'lumotlarni o‘rgatish jarayoni amalga oshiriladi.
Baholash va tahlil: Model talabaning bilim darajasini tahlil qilib, uning
natijalarini baholaydi.
Prognoz qilish va maslahat berish: Tizim talabaning kelajakdagi o‘quv
jarayonini prognoz qiladi va ularning bilim darajasini oshirish uchun tavsiyalar
beradi.
Xulosa
Sun'iy intellekt va neyron tarmoqli texnologiyalar fanidan talabalarning
bilim va ko’nikmalarini baholashni intellektual tizimlar yordamida samarali va
ob'ektiv tarzda amalga oshirilishi mumkin. Bunday tizimlar nafaqat talabalarning
bilimlarini aniq baholaydi, balki ularning zaif tomonlarini aniqlash va ularni
yaxshilash uchun individual o‘quv dasturlarini taklif qiladi. Mashinaviy o‘qitish,
neyron tarmoqlar va natural tilni qayta ishlash texnologiyalari yordamida
avtomatlashtirilgan baholash tizimlarini joriy qilish orqali ta'lim jarayoni yanada
samarali va innovatsion bo‘ladi.
Foydalanilgan manbalar
1.
А
bdull
ау
ev
А
. M
А
KT
А
BD
А
INF
О
RM
А
TIK
А
F
А
NINI SUN’I
У
INTELLEKT BIL
А
N INTEGR
А
LL
А
SHG
А
N USULD
А
О
’QITISH //Talqin va
tadqiqotlar. – 2023. –
Т
. 1. –
№
. 31.
2.
А
bdull
ау
ev
А
xr
о
rbek
А
nv
а
rj
о
n
о
'g'li, Fozilov Shavkatjon
Ibrohimjon o'g'li, Ishmetov Bahrom Yangibayevich. (2024). TA'LIM
JARAYONIDA
SUN'IY
INTELLEKT
VA
NEYRON
TO'RLI
TEXNOLOGIYALAR.
https://doi.org/10.5281/zenodo.13897808
3.
O‘zbekiston Respublikasi Innovatsion Rivojlanish Vazirligi. (2022).
Ta’limda Sun’iy Intellekt Texnologiyalari.Deng, L., & Li, X. (2013). Machine
Learning Paradigms for Speech Recognition: An Overview. IEEE Transactions
on Audio, Speech, and Language Processing, 21(5), 1060-1089.
4.
Huang, X., Baker, J., & Reddy, R. (2014). A Historical Perspective
of Speech Recognition. Communications of the ACM, 57(1), 94-103.
5.
Jurafsky, D., & Martin, J. H. (2019). Speech and Language
Processing. Pearso
