Проектування та реалізація інтелектуальної системи комунікації між здобувачами вищої освіти та деканатом

Abstract

Об’єктом дослідження є процеси цифрової трансформації комунікацій між студентами та адміністрацією закладу вищої освіти. Предмет дослідження – інтелектуальна інформаційна система, що забезпечує автоматизовану обробку студентських запитів із використанням генеративних моделей та семантичного пошуку. Метою роботи є створення автономної, локально розгорнутої системи типу RAG (Retrieval-Augmented Generation), яка дозволяє студентам взаємодіяти з деканатом через чат-бот, інтегрований у Discord, із використанням нормативних документів як бази знань. У роботі проаналізовано сучасні методи побудови систем на базі мовних моделей, розглянуто принципи семантичного пошуку, генерації тексту, embedding-представлення, а також способи реалізації таких рішень у освітньому середовищі. Проведено огляд існуючих платформ, таких як OpenAI, Hugging Face, LocalAI, Ollama, та обґрунтовано вибір локальної моделі Mistral 7B як оптимальної з огляду на автономність, якість та україномовну підтримку. У практичній частині реалізовано скрипти обробки документів, побудовано векторну базу знань на основі ChromaDB, інтегровано генеративну модель через Ollama API, а також створено асинхронного чатбота на Python з використанням бібліотеки discord.py. Для перевірки ефективності реалізовано модуль автоматизованого тестування, що оцінює точність, семантичну відповідність і якість відповідей за низкою лінгвістичних метрик. Система продемонструвала високу ефективність на тестовому наборі, забезпечуючи релевантні відповіді в понад 85% випадків. Рішення є масштабованим, безпечним і придатним до впровадження в освітньому середовищі університету. Рекомендовано для подальшого розвитку як частину цифрової інфраструктури закладу вищої освіти. Кваліфікаційна робота викладена на 73 сторінках, містить 5 таблиці, 6 рисунків, список використаних джерел включає 32 найменування.

The object of the study is the process of digital transformation of communication between students and the administrative units of a higher education institution. The subject of the study is an intelligent information system that provides automated processing of student inquiries using generative language models and semantic retrieval methods. The purpose of the work is to develop an autonomous, locally deployed Retrieval-Augmented Generation (RAG) system that enables students to communicate with the dean’s office through a Discord-based chatbot that uses university regulatory documents as its knowledge base. The thesis analyzes modern approaches to constructing systems based on language models, explores semantic search, text generation, sentence embedding, and the specifics of implementing such systems in educational environments. The study reviews various platforms, including OpenAI, Hugging Face, LocalAI, and Ollama, and justifies the selection of the local Mistral 7B model as optimal in terms of autonomy, performance, and Ukrainian language support. In the practical part, scripts for document processing were developed, a vector knowledge base was constructed using ChromaDB, the generative model was integrated via the Ollama API, and an asynchronous chatbot was implemented using Python and the discord.py library. To evaluate effectiveness, an automated testing module was developed, calculating linguistic metrics such as accuracy, semantic similarity, and coherence. The system demonstrated high efficiency on a test dataset, providing relevant answers in more than 85% of cases. The solution is scalable, secure, and ready for deployment in a university environment. It is recommended for further development as part of the institution’s digital infrastructure. The thesis is 73 pages long, contains 5 tables, 6 figures, and a list of 32 references.