АВТОМАТИЗАЦИЯ ПРОВЕРКИ КОДА В ОНЛАЙН-ШКОЛАХ ПРОГРАММИРОВАНИЯ С ПРИМЕНЕНИЕМ ЛОКАЛЬНОЙ ЯЗЫКОВОЙ МОДЕЛИ

AUTOMATION OF CODE CHECKING IN ONLINE PROGRAMMING SCHOOLS USING A LOCAL LANGUAGE MODEL

Vasin Nikita Alexandrovich

Student, Department of Information Technology, Institute of Oil Refining and Petrochemistry - branch of the Ufa State Petroleum Technological University,

Russia, Salavat

Almukhametova Elina Ilnurovna

Scientific Supervisor, Assistant, Department of Information Technology, Institute of Oil Refining and Petrochemistry - branch of the Ufa State Petroleum Technological University,

Russia, Salavat

АННОТАЦИЯ

Рассматривается проблема автоматизации проверки заданий по программированию в онлайн-школах. Предложено веб-приложение «Клари» на основе локальной языковой модели Ollama, формирующее персонализированные рекомендации по исправлению ошибок. Описана архитектура системы и экономическое обоснование проекта.

ABSTRACT

The problem of automating programming assignment checking in online schools is considered. The «Klari» web application based on the local Ollama language model generating personalized error correction recommendations is proposed. The system architecture and economic justification are described.

Ключевые слова: автоматизированная проверка кода; искусственный интеллект; онлайн-образование; локальная языковая модель.

Keywords: automated code checking; artificial intelligence; online education; local language model.

Рост рынка образовательных технологий обнажил ключевую проблему: ручная проверка домашних заданий по программированию не справляется с масштабированием учебных групп [1]. Преподаватель затрачивает до пятидесяти часов в неделю на проверку, что приводит к задержкам обратной связи и выгоранию педагогов [2]. Существующие платформы (Stepik, LeetCode, HackerRank) ограничиваются бинарной проверкой по тест-кейсам [3], а облачные ИИ-решения нарушают требования 152-ФЗ о персональных данных [4].

Для решения проблемы разработано веб-приложение «Клари», реализующее трёхэтапную гибридную проверку: формальная верификация тест-кейсами, логический анализ кода локальной языковой моделью Ollama [5] и формирование персонализированных рекомендаций. Ключевое отличие – отказ от оценочной парадигмы: система не выставляет баллы, а указывает, какой фрагмент содержит ошибку и как её исправить. Использование Ollama гарантирует обработку данных на инфраструктуре заказчика. Сравнение с аналогами представлено в таблице 1.

Таблица 1.

Сравнение платформ проверки кода

Архитектура построена по клиент-серверной модели с асинхронной обработкой через RabbitMQ [6]. Клиент – TypeScript [7], сервер – Elixir/Phoenix [8], СУБД – PostgreSQL [9], развёртывание – Docker [10]. Решение учащегося попадает в очередь, обработчик передаёт код в Ollama, результат возвращается через очередь. Это обеспечивает независимое масштабирование компонентов и отказоустойчивость.

Экономическое обоснование: ИП с УСН 6%, ФОТ – 6 277 752 р./год, инфраструктура – 144 100 р., маркетинг – 413 395 р., прочие – 1 053 022 р. Общая потребность – 7 888 269 р. Доход – SaaS-подписка (50 000 р./год). Точка безубыточности – 153 школы [11]. Финансирование – грант «УМНИК» и акселератор УГНТУ.

Таким образом, «Клари» решает проблему автоматизации проверки кода, обеспечивая качество анализа и конфиденциальность за счёт локальной языковой модели. Гибридная схема сокращает время обратной связи до секунд и предоставляет содержательные рекомендации вместо бинарной оценки.

Список литературы:

1. Образовательные технологии в России: аналитический обзор / под ред. И.В. Степанова. – М.: EdTech Russia, 2025. – 112 с.
2. Тренды EdTech 2026: автоматизация проверки знаний // Ежегодный доклад НИУ ВШЭ. – М.: Изд. дом ВШЭ, 2026. – 84 с.
3. Алёхина М.А., Смирнова Е.В. Автоматизированная проверка программного кода в образовательном процессе: методы и средства // Вестник информатизации образования. – 2024. – № 3 (29). – С. 45–53.
4. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (ред. от 14.04.2023). – [Электронный ресурс]. – URL: https://www.consultant.ru/document/cons_doc_LAW_61801/ (дата обращения: 10.03.2026).
5. Ollama: официальная документация. – [Электронный ресурс]. – URL: https://ollama.com/docs (дата обращения: 10.03.2026).
6. RabbitMQ: официальная документация / Broadcom. – [Электронный ресурс]. – URL: https://www.rabbitmq.com/documentation.html (дата обращения: 14.02.2026).
7. TypeScript: официальная документация / Microsoft. – [Электронный ресурс]. – URL: https://www.typescriptlang.org/docs (дата обращения: 15.02.2026).
8. Thomas D., Hunt A. Programming Elixir 1.6: Functional Concurrent Pragmatic Fun. – Raleigh: Pragmatic Bookshelf, 2024. – 410 p.
9. PostgreSQL 16: официальная документация / The PostgreSQL Global Development Group. – [Электронный ресурс]. – URL: https://www.postgresql.org/docs/16/ (дата обращения: 07.02.2026).
10. Docker: официальная документация / Docker Inc. – [Электронный ресурс]. – URL: https://docs.docker.com (дата обращения: 16.02.2026).
11. Иванов П.С. Применение больших языковых моделей для анализа программного кода // Информационные технологии и вычислительные системы. – 2025. – Т. 31, № 1. – С. 22–30.