Как цитировать
Аннотация
В данной статье рассматривается проблема распределения студентов и научных руководителей в высшем образовании путем предложения гибридной рекомендательной системы, основанной на искусственном интеллекте и обработке естественного языка (NLP). Для преодоления семантических и когнитивных барьеров между исследовательскими предложениями студентов и компетенциями научных руководителей система использует многоязычную архитектуру Sentence-BERT (SBERT) для генерации плотных векторных представлений, обеспечивая высокоточное семантическое сопоставление на английском, русском и казахском языках. Кроме того, модель интегрирует модифицированный алгоритм оптимизации Гейла-Шепли для обеспечения справедливого распределения академической нагрузки и предотвращения выгорания научных руководителей, успешно уменьшая дисбаланс рабочей нагрузки. Предложенная микросервисная архитектура также включает в себя объяснимый искусственный интеллект (XAI) для обеспечения прозрачных обоснований сопоставления и динамический механизм пороговой обработки для обработки аномальных или узкоспециализированных запросов типа «холодный старт». В конечном итоге, этот подход, основанный на данных, повышает качество академического наставничества, снижает академические трения и предлагает масштабируемое ИТ-решение, готовое к бесшовной интеграции в современные университетские системы управления обучением (LMS).