АРХИТЕКТУРА ВЕБ-СИСТЕМЫ АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ РАБОЧИХ ПРОГРАММ ДИСЦИПЛИН НА ОСНОВЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ

Тархов С.В., д.т.н., профессор,

Пихтовников С.В., к.х.н., доцент,

Пихтовников А.С., студент

УУНиТ, г. Уфа, Россия

Аннотация. В статье предлагается архитектура веб-системы автоматизированного формирования рабочих программ дисциплин и сопутствующей учебно-методической документации на основе крупных языковых моделей. Обосновывается выбор ключевых компонентов системы, предлагается многорежимный конвейер генерации, позволяющий варьировать степень автоматизации и экспертного контроля. Рассматриваются перспективы практического применения подхода.

Ключевые слова: рабочая программа дисциплины, языковая модель, автоматизация документооборота, ФГОС, генерация текста, учебно-методическая документация.

Разработка рабочих программ дисциплин остается одной из наиболее трудоемких регламентных задач научно-педагогического работника. Значительная часть затрачиваемых усилий приходится не на содержательное наполнение, а на соблюдение формальных требований действующих федеральных государственных образовательных стандартов (ФГОС) и локальных регламентов вуза [3]. Ситуацию усугубляет частая смена образовательных стандартов: уже готовые документы требуют систематической переработки, а контроль их актуальности ложится на преподавателей и учебно-методические службы [2].

Развитие больших языковых моделей (Large Language Models, LLM) открывает качественно новую возможность для автоматизации данного процесса: в отличие от шаблонных систем, LLM способны генерировать связный нормативно-ориентированный текст на основе небольшого набора входных параметров. Функция проектирования учебных курсов с применением генеративного ИИ входит в число наиболее активно исследуемых в российской педагогической науке [1], однако архитектурные решения, обеспечивающие применимость LLM к специфической задаче формирования РПД, в отечественной литературе представлены недостаточно.

Прямое применение LLM без специализированной настройки сопряжено с характерными рисками: генерация несуществующих библиографических источников, несоответствие актуальным редакциям ФГОС, невозможность учесть индивидуальный шаблон кафедры [1]. В настоящей статье предлагается архитектура системы, устраняющая перечисленные ограничения за счет интеграции LLM с семантическим поиском по нормативной базе.

Систематический анализ практики российских вузов позволяет выделить четыре основных подхода к автоматизации формирования РПД [2]: (1) ручная разработка без инструментальной поддержки; (2) использование программного компонента штатной АСУ (например, «1С: Университет ПРОФ»); (3) создание гибкого шаблона средствами используемой АСУ; (4) применение автономного программного компонента, интегрированного с АСУ или работающего независимо. Каждый из перечисленных подходов обладает характерными ограничениями: высокой долей ручного труда, поддержкой лишь части типов документов (как правило, только РПД), сложностью адаптации под требования конкретного вуза или зависимостью от сторонней технической поддержки.

Для инструментального средства автоматизированного создания качественной учебно-методической документации исследователи формулируют следующие ключевые требования: использование образовательного стандарта и учебного плана в качестве источников входной информации; применение актуальных шаблонов; поддержка широкого набора выходных документов; сокращение ошибок за счет автоматической репликации повторяющихся данных; программный контроль качества [3].

Общим ограничением всех описанных подходов является отсутствие механизма генерации связного текста: система формирует структуру и переносит формальные параметры, но содержательные разделы по-прежнему заполняются вручную. Интеграция LLM с семантическим поиском по нормативной базе позволяет преодолеть это ограничение.

Система реализована в виде веб-приложения с разделением серверной и клиентской частей. Серверная часть отвечает за хранение проектов, управление очередью задач генерации и взаимодействие с API языковых моделей; клиентская обеспечивает ввод параметров и отображение результатов в режиме реального времени. Общая архитектура системы представлена на рисунке 1.

Рисунок 1 – Предлагаемая архитектура системы

Центральным объектом является проект РПД, объединяющий входные параметры и историю версий документа. В качестве входных параметров предусматриваются: наименование дисциплины и направление подготовки; уровень образовательной программы (бакалавриат, специалитет, магистратура); форма обучения и семестр; трудоемкость в часах; перечень компетенций ФГОС; шаблоны РПД и иной учебно-методической документации, используемые в вузе. Система поддерживает несколько типов выходных документов: РПД, фонд оценочных средств (ФОС), аннотация рабочей программы, программа практики, программа государственной итоговой аттестации.

Ключевым механизмом снижения нормативных ошибок является база нормативных фрагментов с семантическим поиском – реализация подхода Retrieval-Augmented Generation (RAG) [4]. В базе хранятся актуальные редакции ФГОС, профессиональные стандарты и локальные акты вуза; при запуске генерации система автоматически извлекает наиболее релевантные фрагменты посредством поиска по смысловой близости и передает их в контекст языковой модели. Это позволяет получать документы, соответствующие нормативным требованиям, без ручного мониторинга изменений в законодательной базе.

В рамках предлагаемой архитектуры реализован четырехрежимный конвейер генерации, позволяющий адаптировать степень автоматизации к квалификации и временным ресурсам конкретного преподавателя.

Ускоренный режим предполагает единственный проход языковой модели с формированием готового документа без промежуточных проверок. Режим целесообразен при жестких временных ограничениях для получения чернового варианта, требующего дальнейшей редакции.

Режимы одного и двух циклов предусматривают один или два дополнительных прохода автоматической доработки соответственно: на каждом цикле модель анализирует ранее сгенерированный текст и вносит исправления. Введение итерационных проходов повышает полноту содержания и внутреннюю согласованность документа.

Пошаговый режим разбивает процесс генерации на три этапа с паузами для проверки преподавателем. На первом этапе формируются паспорт дисциплины и результаты обучения, на втором – тематический план и оценочные средства, на третьем выполняется финальная сборка документа. Данный режим реализует принцип «human-in-the-loop» («человек в контуре»): преподаватель сохраняет содержательный контроль на каждом ключевом этапе, не редактируя итоговый документ целиком. Именно этот режим рекомендуется для впервые разрабатываемых или существенно обновляемых дисциплин.

Таким образом, предлагаемый подход обладает практической значимостью для цифровой трансформации документооборота высшей школы. По сравнению с существующими решениями в области автоматизации система характеризуется тремя ключевыми особенностями:

-          интеграция базы нормативных фрагментов с семантическим поиском (RAG) обеспечивает соответствие формируемых документов актуальным требованиям ФГОС без необходимости ручного мониторинга нормативной базы;

-          четырехрежимный конвейер генерации позволяет адаптировать уровень автоматизации под квалификацию пользователя и доступные временные ресурсы преподавателя;

-          единый проектный подход объединяет все виды учебно-методической документации, устраняя дублирование данных и повышая согласованность документов.

В совокупности данные особенности повышают эффективность подготовки учебно-методических материалов и создают основу для дальнейшего развития интеллектуальных систем поддержки образовательного процесса.

Литература

1.     Кошкина Е.А., Бордовская Н.В., Гнедых Д.С. и др. Генеративный искусственный интеллект в высшем образовании: обзор теоретических подходов и практик применения // Высшее образование в России. 2025. Т. 34, № 6. С. 36–57.

2.     Майер С.Ф., Муратова Г.В. Анализ систем автоматизации формирования рабочих программ учебных дисциплин // Инженерный вестник Дона. 2021. № 11 (83). URL: https://cyberleninka.ru/article/n/analiz-sistem-avtomatizatsii-formirovaniya-rabochih-programm-uchebnyh-distsiplin.

3.     Рудинский И.Д., Пугачева Н.С. Автоматизация процесса разработки учебно-методической документации // Вестник науки и образования Северо-Запада России. 2020. Т. 6, № 2. С. 1–10. URL: https://cyberleninka.ru/article/n/avtomatizatsiya-protsessa-razrabotki-uchebno-metodicheskoy-dokumentatsii-obrazovatelnoy-organizatsii.

4.     Lewis P., Perez E., Piktus A. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks // Advances in Neural Information Processing Systems. 2020. Vol. 33. P. 9459–9474. URL: https://arxiv.org/abs/2005.11401.