THE ROLE AND OPPORTUNITIES OF THE ARTIFICIAL INTELLIGENCE-BASED “AI-PEDAGOGUE” SYSTEM IN THE EDUCATIONAL PROCESS
Keywords:
Artificial intelligence, pedagogical assessment, AI Agent, ReAct architectureAbstract
This article presents the artificial intelligence-based “AI-Pedagogue” system for automatically assessing students’ knowledge and skills on the topic “Organization of extracurricular activities.” The system operates through the ReAct (Reasoning + Acting) Agent architecture and the Groq API. Assessment is carried out on the basis of four criteria, and constructive feedback and recommendations are provided to the student.
References
O‘zbekiston Respublikasi Prezidentining ““Raqamli Oʻzbekiston - 2030” strategiyasini tasdiqlash va uni samarali amalga oshirish chora-tadbirlari toʻgʻrisida”gi 2020-yil 5-oktabrdagi PF-6079-son farmoni. - Toshkent, 2020. URL. https://lex.uz/ru/docs/-5030957
Abujadallah M., Saad M., Abudalfa S. Evaluating Open Source LLMs for Automated Essay Scoring: The Critical Role of Prompt Design // Preprints. — 2025. — DOI: 10.20944/preprints202511.1429.v1. — URL: https://labs.sciety.org/articles/by?article_doi=10.20944/preprints202511.1429.v1 (дата обращения: 25.04.2026).
Anderson L. W., Krathwohl D. R. (eds.). A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. — New York : Longman, 2001. — 336 p. — URL: https://www.uky.edu/~rsand1/china2018/texts/Anderson%20Krathwohl%20-%20A%20taxonomy%20for%20learning%20teaching%20and%20assessing.pdf (дата обращения: 25.04.2026).
Attali Y., Burstein J. Automated Essay Scoring with E rater® // Journal of Technology, Learning, and Assessment. — 2006. — Vol. 4, № 3. — P. 1 30. — URL: https://ejournals.bc.edu/index.php/jtla/article/view/1650 (дата обращения: 25.04.2026).
Bland J. M., Altman D. G. Statistical Methods for Assessing Agreement Between Two Methods of Clinical Measurement // The Lancet. — 1986. — Vol. 327, № 8476. — P. 307 310. — URL: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(86)90837-8/fulltext (дата обращения: 25.04.2026).
Bloom B. S., Engelhart M. D., Furst E. J., Hill W. H., Krathwohl D. R. Taxonomy of Educational Objectives: The Classification of Educational Goals. Handbook I: Cognitive Domain. — New York : David McKay Company, 1956. — 207 p. — URL: https://www.uky.edu/~rsand1/china2018/texts/Bloom%20et%20al%20-Taxonomy%20of%20Educational%20Objectives.pdf (дата обращения: 25.04.2026).
Cohen J. A Coefficient of Agreement for Nominal Scales // Educational and Psychological Measurement. — 1960. — Vol. 20, № 1. — P. 37 46. — URL: https://journals.sagepub.com/doi/10.1177/001316446002000104 (дата обращения: 25.04.2026).
Crocker L., Algina J. Introduction to Classical and Modern Test Theory. — New York : Holt, Rinehart and Winston, 1986. — 527 p. — URL: https://archive.org/details/introductiontocl0000croc (дата обращения: 25.04.2026).
DeVellis R. F. Scale Development: Theory and Applications. — 4th ed. — Los Angeles : SAGE Publications, 2017. — 262 p. — URL: https://us.sagepub.com/en-us/nam/scale-development/book242921 (дата обращения: 25.04.2026).
Glass G. V., Stanley J. C. Statistical Methods in Education and Psychology. — Englewood Cliffs, NJ : Prentice Hall, 1970. — 596 p. — URL: https://archive.org/details/statisticalmetho0000glas (дата обращения: 25.04.2026).
Groq. Groq API Documentation: Llama 3.3 70B Versatile // Groq. — 2024. — URL: https://console.groq.com/docs/models (дата обращения: 25.04.2026).
Groq. Getting Started with Groq API // Groq Cloud Documentation. — 2025. — URL: https://console.groq.com/docs/quickstart (дата обращения: 25.04.2026).
Hattie J., Timperley H. The Power of Feedback // Review of Educational Research. — 2007. — Vol. 77, № 1. — P. 81 112. — URL: https://journals.sagepub.com/doi/10.3102/003465430298487 (дата обращения: 25.04.2026).
Luckin R., Holmes W., Griffiths M., Forcier L. B. Intelligence Unleashed: An Argument for AI in Education. — London : Pearson, 2016. — 120 p. — URL: https://static.googleusercontent.com/media/edu.google.com/en//pdfs/Intelligence-Unleashed-Publication.pdf (дата обращения: 25.04.2026).
Meta AI. Llama 3.3: Open Foundation and Fine Tuned Chat Models // Meta Platforms, Inc. — 2024. — URL: https://ai.meta.com/blog/llama-3-3 (дата обращения: 25.04.2026).
Page E. B. The Imminence of Grading Essays by Computer // Phi Delta Kappan. — 1966. — Vol. 47, № 5. — P. 238 243. — URL: https://www.jstor.org/stable/20371555 (дата обращения: 25.04.2026).
Ramesh D., Sanampudi S. K. An Automated Essay Scoring Systems: A Systematic Literature Review // Artificial Intelligence Review. — 2022. — Vol. 55. — P. 2495 2527. — DOI: 10.1007/s10462-021-10068-2. — URL: https://link.springer.com/article/10.1007/s10462-021-10068-2 (дата обращения: 25.04.2026).
Roll I., Wylie R. Evolution and Revolution in Artificial Intelligence in Education // International Journal of Artificial Intelligence in Education. — 2016. — Vol. 26, № 2. — P. 582 599. — DOI: 10.1007/s40593-016-0110-3. — URL: https://link.springer.com/article/10.1007/s40593-016-0110-3 (дата обращения: 25.04.2026).
Rosa A. G., Yokomizo C. A. Systematic Literature Review on Artificial Intelligence in Education (AIED): Proposing a Conceptual Structure // Artificial Intelligence in Education. — 2026. — Vol. 2, № 1. — P. 49 66. — DOI: 10.1108/AIIE-08-2025-0232. — URL: https://www.emerald.com/aiie/article/2/1/49/1346370/ (дата обращения: 25.04.2026).
Seßler K., Fürstenberg M., Bühler B., Kasneci E. Can AI Grade Your Essays? A Comparative Analysis of Large Language Models and Teacher Ratings in Multidimensional Essay Scoring // 15th International Conference on Learning Analytics and Knowledge (LAK 2025). — Dublin, Ireland, 2025. — P. 462 472. — DOI: 10.1145/3636555.3636858. — URL: https://portal.fis.tum.de/en/publications/can-ai-grade-your-essays-a-comparative-analysis-of-large-language/ (дата обращения: 25.04.2026).
Shermis M. D., Burstein J. (eds.). Handbook of Automated Essay Evaluation: Current Applications and New Directions. — New York : Routledge, 2013. — 356 p. — URL: https://www.routledge.com/Handbook-of-Automated-Essay-Evaluation-Current-Applications-and-New-Directions/Shermis-Burstein/p/book/9780415822031 (дата обращения: 25.04.2026).
Streamlit. Streamlit: The Fastest Way to Build Data Apps // Streamlit, Inc. — 2024. — URL: https://streamlit.io (дата обращения: 25.04.2026).
VanLehn K. The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems // Educational Psychologist. — 2011. — Vol. 46, № 4. — P. 197 221. — URL: https://www.tandfonline.com/doi/abs/10.1080/00461520.2011.611369 (дата обращения: 25.04.2026).
Yao S., Zhao J., Yu D., Du N., Shafran I., Narasimhan K., Cao Y. ReAct: Synergizing Reasoning and Acting in Language Models // arXiv preprint. — 2022. — arXiv:2210.03629. — URL: https://arxiv.org/abs/2210.03629 (дата обращения: 25.04.2026).
Аванесов В. С. Математические модели педагогического измерения. — М. : Исследовательский центр проблем качества подготовки специалистов, 1994. — 26 с. — URL: https://nlr.ru/nlr/dary/des.php?book_report=1&record_ID=78995 (дата обращения: 25.04.2026).
Аванесов В. С. Основы научной организации педагогического контроля в высшей школе. — М. : [б. и.], 1989. — 167 с. — URL: https://unis.shpl.ru/Pages/Search/BookInfo.aspx?Id=2618322 (дата обращения: 25.04.2026).
Аванесов В. С. Применение статистических методов в педагогических измерениях // Педагогические измерения. — 2005. — № 2. — С. 3 27. — URL: https://cyberleninka.ru/article/n/primenenie-statisticheskih-metodov-v-pedagogicheskih-izmereniyah (дата обращения: 25.04.2026).
Быстренина И. Е., Чекашкин В. А. Система контроля и анализа знаний студентов // Бизнес и дизайн ревю. — 2023. — № 3 (31). — С. 131 139. — URL: https://elibrary.ru/download/elibrary_54403624_61966378.pdf (дата обращения: 25.04.2026).
Власов Д. В. Автоматизация диагностики знаний обучающихся средствами больших языковых моделей и облачных интеграционных платформ // Современные информационные технологии и ИТ-образование. — 2026. — Т. 21, № 4. — URL: http://sitito.cs.msu.ru/index.php/SITITO/article/view/1279 (дата обращения: 25.04.2026).
Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии / Пер. с англ. Л. И. Хайрусовой. — М. : Прогресс, 1976. — 495 с. — URL: https://www.studmed.ru/glass-dzh-stenli-dzh-statisticheskie-metody-v-pedagogike-i-psihologii_89cabbe0fe6.html (дата обращения: 25.04.2026).
Грабарь М. И., Краснянская К. А. Применение математической статистики в педагогических исследованиях. Непараметрические методы. — М. : Педагогика, 1977. — 136 с. — URL: https://rusneb.ru/catalog/005664_000048_RU_RGPU_BIBL_96551140/ (дата обращения: 25.04.2026).
Катаев М. Ю., Кориков А. М., Мкртчян В. С. Количественная оценка знаний в виртуальной образовательной системе // Вестник Томского государственного педагогического университета. — 2015. — № 12 (165). — С. 45 50. — URL: https://vestnik.tspu.ru/archive?year=2015&issue=12&article_id=5707 (дата обращения: 25.04.2026).
Лагутина Н. С., Лагутина К. В. Обзор моделей автоматической оценки сходства ответа учащегося с эталонным ответом // Моделирование и анализ информационных систем. — 2025. — Т. 32, № 1. — С. 42 65. — URL: https://m.mathnet.ru/php/archive.phtml?wshow=paper&jrnid=mais&paperid=840 (дата обращения: 25.04.2026).
Погуда А. А., Тапе Ж. М. Х. Разработка алгоритма и модуля для автоматического оценивания студенческих работ на основе семантического анализа текста // Открытое образование. — 2024. — Т. 28, № 3. — С. 46 55. — URL: https://openedu.rea.ru/jour/article/view/1032 (дата обращения: 25.04.2026).
Прокопьев Н. А. Автоматизированная оценка ответов при контроле знаний для вопросов типа «Определение» и «Описание» // Ученые записки Казанского университета. Серия Физико-математические науки. — 2024. — Т. 166, № 4. — С. 580 593. — URL: https://uzakufismat.elpub.ru/jour/article/view/84 (дата обращения: 25.04.2026).
Фишер Р. А. Статистические методы для исследователей / Пер. с англ. под ред. Е. В. Рябова. — М. : Госстатиздат, 1958. — 268 с. — URL: https://www.studmed.ru/fisher-ra-statisticheskie-metody-dlya-issledovateley_7bfda4323e0.html (дата обращения: 25.04.2026).
Шульгинов В. А., Клокова К. С., Юдина Т. А., Обухова Т. М., Лебедева М. Ю. Оценка эффективности больших языковых моделей в выявлении коммуникативно значимых ошибок в письменных работах студентов, изучающих русский язык как иностранный // Доклады Российской академии наук. Математика, информатика, процессы управления. — 2025. — Т. 527. — С. 94 102. — URL: https://www.mathnet.ru/rus/danran599 (дата обращения: 25.04.2026).
