CC BY
145Литература:
1. Звягин, М.М. Административно-правовые средства охраны общественного порядка и права граждан на проведение публичных мероприятий в РФ // Современное право. - 2020. - №5. - С. 11-17.
2. Карпенко, В.А. Основные направления деятельности полиции / В.А. Карпенко. - М.: Знание, 2021. - 239 с.
3. Мочалова, Я.В. Влияние образования на формирование личности / Я.В. Мочалова // Актуальные проблемы развития науки и современного образования. Белгород: ИД «Белгород» НИУ «БелГУ». - 2017. - С. 246-247.
4. Мальцев, Е.П. Особенности организации и проведения тактико-специальных учений в органах внутренних дел Российской Федерации / Е.П. Мальцев, П.В. Мясников // Молодой ученый. - 2016. - № 21 (125). - С. 885-888.
5. Светличный, Е.Г. Формирование навыков стрельбы из-за укрытия у обучающихся образовательных организаций МВД / Е.Г. Светличный, В.В. Шанько, А.А. Жамборов // Проблемы современного педагогического образования. - Ялта. -2021. - Выпуск 72 (2). - С. 238-242.
Педагогика
УДК 378.2
кандидат педагогических наук, доцент Суханова Надежда Тимофеевна
Нижегородский государственный архитектурно-строительный университет (г. Нижний Новгород); кандидат физико-математических наук, доцент Вежелис Татьяна Мечисловасовна
Московский энергетический институт (г. Москва)
ИСПОЛЬЗОВАНИЕ ЧАТ-БОТОВ ДЛЯ АВТОМАТИЗАЦИИ ПРЕДОСТАВЛЕНИЯ СПРАВОЧНОЙ ИНФОРМАЦИИ АБИТУРИЕНТАМ И СТУДЕНТАМ ВУЗОВ
Аннотация. В статье рассматриваются возможности использования чат-ботов в высшем учебном заведении на примере автоматизации предоставления справочной информации, ориентированной на студентов и абитуриентов. Рассматривается работа чат-ботов, возможности запуска электронного помощника с помощью месенджера и социальной сети. Приводятся варианты решений для реализации чат-бота.
Ключевые слова: чат-бот, виртуальный ассистент, backend, frontend, мессенджер, социальная сеть, искусственный интеллект, нейронная сеть, машинное обучение, публичный аккаунт.
Annotation. The article discusses the possibilities of using chatbots in a higher educational institution on the example of automating the provision of background information aimed at students and applicants. The work of chat bots, the possibility of launching an electronic assistant using a messenger and a social network are considered. Solutions for the implementation of the chat-bot are given.
Key words: chatbot, virtual assistant, backend, frontend, messenger, social network, artificial intelligence, neural network, machine learning, public account.
Введение. В последнее время многие организации прибегают в общении с пользователями и клиентами к помощи виртуальных ассистентов или чат-ботов. Высшие учебные заведения, которые стремятся к построению в своих стенах цифрового университета, также не отстают от этого тренда.
Виртуальный ассистент (ВА) - это программное средство или Интернет-ресурс, выполняющий функции секретаря пользователя в обязанности которого входят задачи планирования времени и контактов, организация и исполнение различных задач, поиск информации в Интернете и т.д. [11. ВА может использоваться как на мобильном устройстве, так и на компьютере. Виртуальных ассистентов существует довольно большое количество, но в данном случае рассматриваются только чат-боты.
По сути, чат-бот является неким помощник, посредством которого происходит взаимодействие с пользователем с помощью текстовых сообщений. Чат-бот может либо отвечает на вопрос пользователя, либо он выполняет требуемое действие. При этом возможности современных чат-ботов значительные. В частности они могут помимо текстовой информации, показывать картинки, использовать ссылки или формы и пр. [2].
Изложение основного материала статьи. Рассмотрим, как работают чат-боты. Передача сообщений, вводимых пользователем, и ответов, создаваемых чат-ботом осуществляется посредством HTTP-запросов. Связь между чат-ботом и платформой, на которой он реализован, происходит посредством вебхука в виде URL, состоящего из двух взаимодействующих частей, а именно: backend и frontend.
Backend является программно-аппаратной частью сервиса, которая выполняется на сервере. Его назначение - принять сообщение от пользователя и дать ему ответ. Для разработки чат-ботов чаще всего используются язык программирования PHP. Однако на рынке программного обеспечения для создания чат-ботов представлено большое количество библиотек, написанных на Java или Python.
Frontend является клиентской стороной интерфейса. Для этого можно использовать, в частности, любой мессенджер (Facebook, Viber, Telegram). Деятельность любого бота заключается в двух принципах: набор правил и машинное обучение [3, 4].
Чат-боты первого типа основываются на некотором наборе команд или правил. При этом распознаются только зарезервированные команды. В таких ботах чаще всего используются кнопки с прописанными выражениями, подсказывающими пользователю какие лучше использовать ключевые слова.
Что касается ботов, основанных на машинном обучении, они обладают уже искусственным интеллектом. Такой бот может дать ответ пользователю даже без наличия ключевых слов. Процесс общения с пользователями позволяет таким ботам узнавать новые слова, особенности речи, т.е. становиться еще умнее.
Алгоритм работы чат-бота начинается с поступления в систему запроса. В составе системы имеется анализатор, который запрос пользователя разбивает на отдельные слова и только потом происходит их анализ. Затем анализатор ищет ответ в специальной базе данных и, выполнив этот поиск, выдает ответ пользователю.
Запустить электронного помощника можно почти в любом популярном мессенджере или социальной сети. Например: Telegram, Viber, Вконтакте, Facebook, Skype, Slack.
Для реализации чат-бота, который позволяет автоматизировать предоставления справочной информации, возможно использование различных решений. Рассмотрим эти способы разработки чат-ботов.
1. Чат-бот на базе простых алгоритмов. Для понимания принципа работы чат-ботов в целом можно реализовать его на языке программирования C#. Для его работы необходим текстовый документ, в котором первой строчкой прописывается вопрос, а следующей - ответ. Бот, созданный таким образом не способен вести диалог должным образом. Все вопросы
зафиксированы в текстовом документе и если пользователь попытается задать вопрос по-другому, ни так как прописано в документе, то алгоритм не сможет предоставить ответ, так как он не найдет вопроса.
2. Чат-бот с использованием NLTK. Инструментарий NLTK (Natural Language Toolkit) - это платформа, позволяющая создавать программы для анализа текста.
Обработка естественного языка (NLP) - это автоматическая обработка человеческого языка. Она связана с методами компилятора, формальной теорией языка, взаимодействием человека и компьютера, машинным обучением и теоретическими доказательствами.
Такой чат-бот можно написать на языке искусственного интеллекта Python. За счет использования технологии NLTK он будет гораздо умнее своего предшественника и сможет различать человеческую речь. Для этого создается текстовый документ, который может содержать: статью, пост на сайте или просто набор определений. Далее этот файл загружается в программу и с ней можно начать диалог. Такой бот мог бы отлично справляться с материалом состоящий из определений, но если ему предложить файл с нормативным документом, то тут он может начать выдавать первую попавшуюся строчку, при упоминании интересующего слова. Эта программа может быть модулем, который может распознавать естественный язык, но для формирования ответа нужен еще один модуль.
3. Чат-бот с использованием нейронных сетей. Чат-боты, базирующиеся на такой технологии, могут быть очень востребованы, так как могут анализировать информацию и на выходе получать ответы. Для рассматриваемой задачи можно выбрать рекуррентную нейронную сеть, которая используется для обучения модели переводы пары языков - это английский и французский. Принцип работы ее заключается в следующем. Имеются два файла, в одном файле прописываются предложения на одном языке, например, на английском, в другом те же самые предложения, соответственно, на французском, что по сути является переводом. После этого нейронная сеть обучается и учится переводить разные слова.
Но нам нужно чтобы с ботом можно было вести диалог, а не перевод слов. Поэтому немного модернизируя данную нейронную сеть, мы получим тот же принцип работы при нужном результате.
Для начала нужно подготовить файл, по которому нейронная сеть будет обучаться. Далее нужен скрипт на python, который сканирует данный файл и выделяет из него простые диалоги. После этого создаются два файла, в один из них реплики одного персонажа, в другом - реплики второго. Эти два файла и будут служить обучающей заготовкой для дальнейшего чат-бота.
Следующий шаг - это обучение нейронной сети. Нейронная сеть может быть взята как пример библиотеки TensorFlow с небольшими доработками, которая занимается переводом двух языков - английского и французского. Эта библиотека предназначена для решения задач, связанных с построением и тренировкой нейронной сети с целью автоматического нахождения и классификации образов, достигая качества человеческого восприятия.
Модифицируем программный код так чтобы можно было подставить свои файлы с репликами и обучить нейросеть.
Теперь запускаем скрипт с двумя параметрами, указывающими нейросети сколько нужно учить уникальных слов. И еще два параметра, указывающие на две папки, в первой лежит два обучающих файла, а вторая - папка, куда будет добавляться обученная модель.
Но и этот способ создания чат-бота не подходит для наших целей, так как нужен большой объём обучающего контента, достаточно мощные вычислительные ресурсы и по итогу чат-бот не будет отвечать на заданные вопросы в полном объёме.
Чат-бот с использованием нейронных сетей и библиотек NLTK. Так как по отдельности технологии на базе нейронных сетей и библиотек для python NLTK проявили себя не продуктивно, была попытка объединить их в одной программе с использованием машинного обучения Scikit-learn.
Scikit-learn является библиотекой, написанной на языке Python и ориентирована на машинное обучение. Эта библиотека дает возможность реализации различных алгоритмов классификации, регрессии и кластеризации, в том числе алгоритмы SVM, случайного леса, k-ближайших соседей и DBSCAN, построенных на взаимодействии таких библиотек как NumPy и SciPy с Python.
Данные технологии помогут более качественно выделять параметры из фраз пользователя и отправлять специально заготовленные ответы, основываясь на этих параметрах. Данному боту требовалась серверная часть, эту роль заменила программа «Docker».
В пользовательской части бота размещается кнопка «Chat Now», при нажатии которой открывается поле, где непосредственно можно начать диалог (Рисунок 1).
.здравствуйте
Я информационный ботННГАСУ
Могу помочь ответить на интересующие вас вопросы, касаемые приёмной комиссии.
У нас есть 5 факультетов: • Общетехнический факультет (ОТФ) • Инженерно-строительный факультет (ИСФ) • Факультет инженерно-экологических систем и сооружений (ФИЭСиС) * Факультет архитектуры и дизайна (ФАиД) • Международный институт технологий бизнеса (МИТБ) Если хотите узнать о факультете подробнее, то просто напишите «ОТФ» или другой интересующий Вас факультет.
А какие документы?!
Рисунок 1. Пользовательская часть чат-бота
В административной части на вкладке «Намерения» (Intents) происходит обучение, конфигурация ответов и настройка событий (Events). Справа от чата присутствует диагностическая информация. Также у данного бота присутствует параметр такой как «Порог обнаружения», где можно предоставить нейронной сети некую свободу и возможность отвечать через раз другие фразы, но тогда может пострадать актуальность ответов, то есть на нужный вопрос можно не получить нужного ответа.
Это один из вариантов, который можно использовать и пустить в разработку или модернизацию. Основная проблема -это интеграция, так как API для данного бота нет.
Реализация чат-бота на базе Dialogflow. Dialogflow - это работающая нейронная сеть от компании Google. Тут только одни плюсы, стабильно работающая нейронная сеть, которая постоянно поддерживается, примерно схожий принцип работы с чат-ботом на базе NLTK и есть API для интеграции в мессенджеры [5]. Рассмотрим, как она работает.
Пользователь набирает сообщение, которое поступает на сервер. Далее нейронная сеть извлекает параметры из пользовательского сообщения и вызывает выполнение, которое содержит параметры вместе с множеством других полезных сведений о намерении. Например, на вопрос какая завтра погода извлекаются параметры такие как: дата, место. Так же нейросеть должна понять, что завтра это день +1 и т.д. Или, как в нашем случае, она должна понять суть вопроса и отправить актуальный ответ.
Далее наше намерение (Intent) обрабатывает любую необходимую ему информацию, создает ответ и возвращает его обратно в Dialogflow для рендеринга пользователю. Данный сервис является бекендом рассматриваемого чат-бота.
После продолжительных тестов и обучения нужно реализовать нейронную сеть для пользователей, чтобы они могли задавать вопросы. Здесь отлично подойдет интеграция с мессенджерами. Для этого можно использовать такие из них как: Viber, Telegram, VK.
Интеграция с мессенджером Viber. Чтобы настроить интеграцию Viber понадобилось следующее: приложение Viber на смартфоне и публичный аккаунт. Этот аккаунт будет использоваться для передачи сообщений в сервис. По аналогии с диалогом с другом, только отвечать вам будет наша нейронная сеть.
В приложении, в настройках публичного аккаунта, получаем Viber App Key. Это токен доступа или ключ, по которому dialogflow сможет взаимодействовать с публичным аккаунтом.
Далее идет настройка бекенда. В разделе «Интеграции» выбираем Viber, вводим соответствующую информацию в следующие поля: ключ приложения Viber, имя Bot, публичный URL-адрес аватара бота и запускаем.
Интеграция с мессенджером Telegram. Для интеграции с Телеграм нужно создать скрипт, который будет перенаправлять сообщения от публичного аккаунта до Dialogflow. Данный сервис имеет Web версию чата, что позволяет интегрировать на сайт например, вуза. Все сообщения, которые будут отправлены через web версию не шифруются, тем самым можно перенаправить их в телеграм аккаунт, зная токен доступа публичного аккаунта и токен бекенда.
Принцип работы чат-бота в Telegram следующий: пользователь отправляет сообщение в публичном аккаунте, оно отправляется на сервер с работающим скриптом. Этот скрипт отправляет сообщение на web версию dialogflow. В это время сервис генерирует и отправляет ответ обратно на сервер, а он в свою очередь пользователю.
Интеграция с социальной сетью ВКонтакте. VK - популярная социальная сеть в России, которой пользуются большое количество людей разных возрастов, поэтому разместить тут бекенд тоже необходимо. При этом необходимо также написать скрипт, для реализации чата через личные сообщения. Принцип работы чат-бота в VK схож с принципом работы в Telegram.
ВКонтакте предоставляет большой инструментарий для ведения групп и сообществ, благодаря которым можно внедрить бекенд для реализации чат-бота. В сообщество, в личные сообщения можно интегрировать чат-бот, с которым можно контактировать посредством личных сообщений сообщества. Пользователь находит официальную группу на сайте, вступает в нее и может написать в ЛС. Вместо администраторов будет отвечать нейронная сеть, как и в других случаях. Так же пользователь отправляет сообщение в группе, скрипт перенаправляет на сервера Dialogflow и так же в обратном порядке.
Кроме этого скрипта, может быть предложен еще один метод интеграции с данной социальной сетью. Сообщества могут поддерживать различные приложения, которые можно создать самому. Используя данную возможность, можно интегрировать веб-виджет в приложение, которое нужно привязать к сообществу.
Интеграция с официальным сайтом. Самым важным и актуальным источником информации является сайт, например вуза. Все данные, которые представлены в чат-боте берутся именно от сюда. Так как данный продукт не являются конкурирующей информационной системой, то его можно интегрировать с сайтом. Разработчики Dialogflow уже предоставили виджет для работы с сайтом. На рисунке 2 показана работа чат-бота, встроенного на сайт вуза.
Рисунок 2. Пример работы чат-бота на сайте вуза
Интеграция с Яндекс Алисой. Яндекс Диалоги - это платформа, на которой сторонние разработчики могут создавать свои Навыки для голосового помощника Алисы. Например, каждая игра, в которую умеет играть Алиса, - это отдельный навык, созданный разработчиками Яндекса. Благодаря Яндекс Диалогам, возможность обучить Алису новым способностям есть у любого разработчика.
Чтобы интегрировать чат-бот в Яндекс Алису, понадобится механизм оповещения пользователей системы о событиях, так называемые Webhook. Для нашего сервиса будет использоваться API Dialogflower, который поддерживает все основные запросы Алисы и бекенда.
Так как Яндекс уже не просто поисковая система, а некая экосистема, содержащая много сервисов, тем самым чат-ботом можно пользоваться как на Яндекс станции, на компьютере, так и на мобильных приложениях.
Интеграция с Яндекс сервисами является небольшим дополнением для максимального распространения среди пользователей. В приложении на смартфоне Яндекс достаточно сказать: «Алиса, запусти навык вуза», данная команда запустит этот навык, то есть сам чат, где можно задавать вопросы.
Администрирование чат-бота. Самое главное, после обучения и тестирования - это администрирование чат-бота, а именно нейронной сети на которой он был построен. Вся необходимая информация находится на серверах dialogflow.
Страница с консолью разделена на три блока - это блок основных функций, активное поле и тестирование. Блок основных функций также содержит несколько пунктов. Рассмотрим самое необходимое.
Создание намерений. Основной функцией чат-бота является предоставление типовой информации. Для того, чтобы она поступала пользователям нужно правильно создать базу знаний для нейронной сети сервиса.
Для начала, необходимо создать удобную структуру информации, чтобы удобно ориентироваться по ней. Для определения разговорных функций создать намерения, начинающиеся на «Smalltalk».
В рассматриваемом чат-боте присутствуют следующие намерения:
- Вуз - тут предоставлена общая информация об университете или факультетах, например, «вуз.Общее».
- Приёмка - тут предоставлена информация, касающаяся приёмной комиссии. Через точку конкретизируется про что идёт речь в данном намерении. Это может быть про общежития, оперативную информацию или про то, как поступить в университет.
- Профком - тут предоставлена информация, касающаяся первичной профсоюзной организации ННГАСУ. Данные намерения в разработке.
Далее описан процесс создания и модификации намерений, аннотирование тренировочных фраз в рамках этого намерения и возвращение ответов пользователю. После того, как было создано намерение, нужно определить тренировочные фразы для этого намерения, которые отображают то, что пользователи могут сказать.
Аннотирование тренировочных фраз сущностями сообщает Dialogflow, как анализировать параметры с пользовательского ввода. Когда вы определяете свои обучающие фразы, системные объекты автоматически аннотируются и отображаются в таблице «Действия и параметры». Можно редактировать эти аннотации вручную, если это необходимо.
После создания нескольких намерений необходимо убедиться в их правильной работе. Для этого существует блок тестирования. Он представляет собой мессенджер, с предоставлением информации об ответе. Для проверки необходимо задать вопрос, подразумевая, что система даст нужный ответ. Если ответ верный, пробуем менять вопрос, чтобы он подходил по смыслу к интересующему ответу. Если ответ неверный, то необходимо обучить бота, чтобы он смог в дальнейшем понимать данный вопрос.
Для правильной тренировки используется раздел «История». Там можно посмотреть каким был ответ на данную реплику. Для больших сессий это удобный инструмент анализа переписки, с целью модернизации базы знаний.
После того, как мы узнали ответ чат-бота, переходим в раздел «Тренировка». В данном разделе можно наблюдать все сессии и их содержание, которое отличается от содержания раздела «История». Содержание представляет собой точный вопрос пользователя и ответ чат-бота представленный в виде намерения. Для правильной тренировки администратору необходимо понять, что имел в виду пользователь, определить тренировочные фразы в конкретной ситуации и прописать их в подходящем намерении или создано новое. После проделанных действий сохраняем изменения и снова тестируем. Чем больше людей будут тестировать, тем более умный будет чат-бот.
Выводы. В процессе разработки чат-бота важно иметь представление о вариантах, которые могут быть использованы в этой связи. Представленные варианты интеграции чат-бота с рассмотренными средствами коммуникации, дают возможность сориентироваться и правильно подобрать наиболее значимый из них. Использование голосового взаимодействия с ботом в мессенджерах позволит пользователям еще быстрее и удобнее взаимодействовать с чат-ботом. Навык для Яндекс Алисы также позволит вести голосовой диалог, как и в web версии, которая находится на сайте ВУЗа.
Чат-бот - это первый шаг к оптимизации доставки информации среди студентов и абитуриентов, который в дальнейшем может стать мощным инструментом и внедряться в другие структурные подразделения университета. Предполагается, что данная технология поможет студентам и абитуриентам быстро получать актуальную информацию, повысить престиж ВУЗа среди целевой аудитории и снять с подразделений вуза часть нагрузки.
Литература:
1. Провотар, А.И. Особенности и проблемы виртуального общения с помощью чат-ботов / А.И. Провотар, К.А. Клочко // Прикладная и компьютерная лингвистика. - 2018. - №3. - С. 2-7.
2. Фирсова, Е.А. Перспективы использования чат-ботов в высшем образовании / Е.А. Фирсова // Информатизация науки и образования, 2018. - №3(35). - С. 157-166.
3. Мовчан, Д.А. Разработка чат-ботов и разговорных интерфейсов / Д.А. Мовчан, М. Райтман. - ДМК-Пресс, 2019. - 340 с.
4. Гераськов, С. Доступный чат-бот. Как привлечь и удержать клиентов с помощью WhatsApp / С. Гераськов. - М.: Издательский дом. - 2020. - 120 с.
5. Гребельник, Т.В. Мессенджер как новый объект коммуникативной лингвистики / Т.В. Гребельник // Молодой ученый. - 2020. - № 44 (334). - С. 50-53. - URL: https://moluch.ru/archive/334/74686/ (дата обращения: 15.08.2022).
Педагогика
УДК 376.1
кандидат педагогических наук, доцент Сухонина Наталья Сергеевна
Государственное бюджетное образовательное учреждение высшего образования Республики Крым «Крымский инженерно-педагогический университет имени Февзи Якубова» (г. Симферополь)
ПРОФИЛАКТИКА МОБИЛЬНОЙ АДДИКЦИИ У ПОДРОСТКОВ С ЗАДЕРЖКОЙ ПСИХИЧЕСКОГО РАЗВИТИЯ
Аннотация. В статье рассматривается проблема мобильной аддикции у подростков с задержкой психического развития, а также возможная система профилактических мероприятий по предотвращению и устранению негативных последствий данного рода зависимости. Показан комплексный подход и основные задачи профилактической работы. Указаны основные психолого-педагогические условий, необходимые для успешной деятельности по профилактике данной аддикции. Высказывается мысль, что формирование новых паттернов поведения, приобретенных в результате данной работы - это длительный процесс, который требует правильной психолого-педагогической организации всех видов деятельности и должен поддерживаться всеми участниками образовательного процесса.
Ключевые слова: подростки с задержкой психического развития, мобильная аддикция, аддиктивное поведение, мобильный телефон, психолого-педагогические условия.
Annotation. The article discusses the problem of mobile addiction in adolescents with mental retardation, as well as a possible system of preventive measures to prevent and eliminate the negative consequences of this type of addiction. An integrated approach and the main tasks of preventive work are shown. The main psychological and pedagogical conditions necessary for the successful prevention of this addiction are indicated. It is assumed that the formation of new behaviors acquired as a result of this work is a long
