Победителями хакатона «Собери университет» стали 8 команд из разных городов России

О хакатоне

Основная задача хакатона «Собери университет 20.35» — создание сервисов, приложений, модулей и платформенных решений для цифрового университета будущего — Университета Национальной технологической инициативы «20.35».

О начале работы университета объявил директор направления «Молодые профессионалы» Агентства стратегических инициатив (АСИ) Дмитрий Песков 7 ноября 2017 года в Санкт-Петербурге. Заказчиком продуктов выступает АСИ и команда проекта «Университет НТИ 20.35». По оценке организаторов хакатона, общий размер инвестиций в технологические решения превысит 10 миллионов рублей в 2017 и 2018 году.

12 ноября в Санкт-Петербурге, Москве, Томске, Владивостоке, Ульяновске и Махачкале завершился первый этап образовательного хакатона «Собери университет 20.35». В нем приняли участие 462 человека из 17 городов России, которые разбились на 99 команд.

По итогам хакатона жюри, состоявшее из представителей IT-компаний, преподавателей вузов, технологических предпринимателей определило 24 проекта, которые вышли в финал.

Хакатон в Санкт-Петербурге

Члены жюри оценивали работы на соответствие идеям платформы Университета НТИ «20.35», на наличие трансформирующего влияния технологии решения на систему образования, и насколько решение готово к дальнейшему развитию и превращению в сервис в рамках платформы как с технологической, так и с командной точки зрения.

Церемония награждения пройдет в «Точке кипения» в Москве. После мероприятия будет проведена сессия, на которой эксперты помогут командам выстроить бизнес-модель, проведут работу по основам командообразования и customer development.

Победители хакатона

• Команда Badcode corporation (Санкт-Петербург).
  Участники команды разработали рекомендательную систему по построению траекторий обучения из онлайн-курсов. Анализируя пройденные студентом курсы, система выявляет наиболее близкие по требуемым навыкам реальные вакансии. После выбора вакансии студенту предлагаются онлайн-курсы с теми компетенциями, которых ему не хватает. Система осуществляет сбор информации об онлайн-курсах и вакансиях автоматически, интерфейс для пользователя представлен в формате чат-бота.

• Команда VIOTR (Санкт-Петербург).
  Ребята представили платформу, позволяющую максимально быстро создавать онлайн-курсы и учебные симуляторы с использованием технологий VR. Модель базируется на лазерном сканировании, что позволяет за несколько часов получить 3D-модель производственного участка, лаборатории или иного помещения. Типовые сценарии образовательных активностей позволяют создать либо виртуальную модель для изучения сложных процессов (в 3D-модели отображается состояние оборудования, параметры процесса, дополнительная информация о внутреннем устройстве и предназначении), либо смоделировать процесс настройки, ремонта, управления.

• Команда EduAdviser (Москва).
  Родители хотят, чтобы дети были состоятельными, а дети хотят интересную работу. Созданная платформа помогает выбрать профессию и траекторию развития на основе цифрового следа пользователя и прохождения дополнительных диагностических тестов. На хакатоне команда продемонстрировала прототип чат-бота, точность прогностической модели которого составила 70%. Для провайдера образовательных услуг платформа обеспечивает доступ к информации о своих учениках и выпускниках.

• FutureBoost (Санкт-Петербург).
  Команда разработала решение, нацеленное на повышение качества онлайн-курсов с помощью биометрии. Участники команды исходили из того, что студенты не проходят онлайн-курсы до конца, потому что либо они оказываются слишком сложными, либо слишком легкими. При этом обучающиеся не оставляют никаких комментариев, от студентов нет обратной связи. Решение использует алгоритмы биометрии, которые позволяют собирать поведенческую информацию пользователя во время прохождения курса.
  
  Во время прохождения курса возникают некоторые поведенческие аномалии, при этом пользователю задают конкретный контекстно-зависимый вопрос относительно выявленной аномалии. Обобщенная информация передается авторам курса, студент получает баллы за выявление слабых мест в курсе. Если студент указывает на вопрос, который показался сложным или простым только ему, то в этом случае обучающемуся дается совет по его дальнейшей траектории обучения, например, повторить главу или перейти на другой курс.

• Команда «Ну что, господа, поехали?» (Челябинск).
  В рамках хакатона команда разработала программу для системы Android, предсказывающую компетенции, которыми обучающийся может в совершенстве овладеть. Для этого используется нейронная сеть прямого доступа с методом обучения «обратное распространение». Программа выдает список курсов (предметов) по выбранному направлению подготовки и прогнозируемые оценки по этим предметам, а также рекомендуемые траектории развития будущего специалиста. Нейронная сеть использует данные ЕГЭ, различных индивидуальных достижений, олимпиад, а также школьные и вузовские оценки. Результаты могут быть использованы для выбора образовательной программы, ее индивидуализации, либо для погружения обучающегося в наиболее сложные для него предметы.

Участники из Владивостока

• Команда «Надежда СОГУ» (Северная Осетия).
  Команда разработала систему мониторинга биометрических параметров обучающихся для адаптации образовательной программы и формирования индивидуальной образовательной траектории. Система учитывает следующие показатели: траектория движения зрачков, клавиатурный почерк, полученная оценка правильности выполнения и время выполнения 4 типов заданий. Типы заданий: чтение текста, просмотр видео, печать текста и прохождение тестов.
  
  Все полученные данные позволяют создать цифровую модель обучающегося, соотнести ее с особенностями онлайн-курса или курсов иного типа. Система может выдавать как рекомендации по ходу обучения (например, что студенту надо отдохнуть), так и рекомендации по выбору курсов для самого обучающегося и обучающихся со схожими персональными особенностями.

• Команда Digital Aristotle (Москва).
  Проверка домашних заданий в форме эссе занимает значительное количество времени преподавателя. Решение, предложенное командой и основанное на алгоритме машинного обучения, вычленяет основные мысли из эссе студента и показывает преподавателю в виде списка. В этом списке преподаватель выставляет оценки. Исходя из этих оценок, система сама оценивает всю работу. Обучение системы позволяет со временем автоматизировать проверку заданий. Платформа позволяет сэкономить до 95% времени преподавателя, которое он тратит на проверку заданий.

• Команда HyPerfomance (сборная Чеченской Республики).
  Ребята представили систему обучения в виртуальной реальности с использованием нейронных интерфейсов и машинного обучения. Ученик, студент или пользователь погружается в виртуальную реальность, моделирующую определенную ситуацию и сценарий из реального мира.
  
  Например, создается симулятор выступления перед инвестором или питч идеи стартапа. Система мониторинга собирает информацию о качественных параметрах деятельности пользователя (например, в случае питча структуру презентации, тайминг, тембр и громкость голоса, жестикуляцию руками и длительность зрительного контакта с аудиторией). Затем система использует нейронную сеть для оценки выступления по качественным показателям, полученным из VR. Во время работы с системой рядом может находиться инструктор или преподаватель. В случае, если он не согласен с оценкой, которую дала нейронная сеть, есть возможность ее скорректировать. Корректировка позволяет системе обучиться, чтобы улучшить точность будущих оценок.