Поле цифровой дидактики - Вклад [ru]

Участник:Конухова Анастасия

2026-06-16T06:43:37Z

Конухова Анастасия:

{{UserMGPU
|Field_of_knowledge=Информатика, Лингвистика, Игра, Культура, Искусственный интеллект
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Working_On=Статистическое сравнение страниц про роботов, Voyant Tools Конухова Анастасия, Песочница API Конухова Анастасия, R-скрипт анализа Конухова Анастасия
}}
----
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Участник:Конухова Анастасия

2026-06-16T06:13:21Z

Конухова Анастасия:

{{UserMGPU
|Field_of_knowledge=Информатика, Лингвистика, Игра, Культура, Искусственный интеллект
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Working_On=Анализ данных и статей, Статистическое сравнение страниц про роботов, Voyant Tools Конухова Анастасия, Песочница API Конухова Анастасия, R-скрипт анализа Конухова Анастасия
}}
----
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Участник:Конухова Анастасия

2026-06-16T06:11:19Z

Конухова Анастасия:

{{UserMGPU
|Field_of_knowledge=Информатика, Лингвистика, Игра, Культура, Искусственный интеллект
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Working_On=Анализ данных и статей, Статистическое сравнение страниц про роботов
}}
----
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Песочница API Конухова Анастасия

2026-06-13T12:30:48Z

Конухова Анастасия: Новая страница: «Страница создана Конуховой Анастасией, ИНФА-221. === Выбранные страницы === Через API Sandbox было получено содержание следующих 4 страниц из категории ''':Категория:DigitalTool''': # Git # Figma # Deepseek # Hadoop == Параметры API-запроса == * '''action''' = query * '''format''' = json * '''prop''' =...»

Страница создана Конуховой Анастасией, ИНФА-221.

=== Выбранные страницы ===

Через API Sandbox было получено содержание следующих 4 страниц из категории '''[[:Категория:DigitalTool]]''':
# [[Git]]
# [[Figma]]
# [[Deepseek]]
# [[Hadoop]]

== Параметры API-запроса ==

* '''action''' = query
* '''format''' = json
* '''prop''' = revisions
* '''titles''' = Hadoop|Git|Figma|Deepseek
* '''rvprop''' = comment|user|content

=== Ссылка на API-запрос ===

[https://digida.mgpu.ru/api.php?action=query&format=json&prop=revisions&titles=Hadoop%7CGit%7CFigma%7CDeepseek&formatversion=2&rvprop=comment%7Cuser%7Ccontent Выполнить запрос]

=== Результат API-запроса ===

В ответе API содержится полный текст каждой страницы в вики-разметке.

<syntaxhighlight lang="json">
{
"batchcomplete": true,
"query": {
"pages": [
{
"pageid": 1524,
"ns": 0,
"title": "Git",
"revisions": [
{
"user": "Patarakin",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{DigitalTool\n|Description=http://digida.mgpu.ru/images/5/51/Git.png\nCистема контроля версий, инструмент для управления историей исходного кода.\n|Affordances=Контроль версий и отслеживание всех изменений\n|Difficult=работа с командной строкой, возможные ошибки в работе с ветвями проекта\n|Область применения=программирование\n|Website=https://git-scm.com/\n|End users=Учащиеся, Преподаватели, Исследователи, Разработчики\n|Tool is made for=Разработка программного обеспечения\n|Community=GitHub\n|distant_collab=Да\n|Language_Ru_Eng=English\n|AI=Нет\n|Screenshot=Git1.png\n}}\n\n[[Gist]]\n\n[[Git diagrams]] - основные концепции использования [[Git]]\n<br clear = all />\nhttp://digida.mgpu.ru/images/diagrams/Diagrams_00611695696e5c6e4b1bbdf8d1ae74da.png",
"comment": ""
}
]
},
{
"pageid": 2965,
"ns": 0,
"title": "Figma",
"revisions": [
{
"user": "Patarakin",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{DigitalTool\n|Description=Figma - это мощный веб-инструмент для дизайна интерфейсов, позволяющий создавать, прототипировать и коллаборировать над дизайн-проектами в режиме реального времени.\n|Affordances=1. Создание и редактирование дизайнов интерфейсов...\n|launch year=2012\n|AI=Нет\n}}\nFigma — онлайн-сервис, созданный в первую очередь для веб- и UX/UI-дизайнеров.",
"comment": ""
}
]
},
{
"pageid": 5836,
"ns": 0,
"title": "Deepseek",
"revisions": [
{
"user": "Patarakin",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{DigitalTool\n|Description=Deepseek.ai — китайская языковая модель на базе архитектуры MoE...\n|launch year=2023\n|AI=Да\n}}",
"comment": ""
}
]
},
{
"pageid": 8336,
"ns": 0,
"title": "Hadoop",
"revisions": [
{
"user": "Patarakin",
"contentformat": "text/x-wiki",
"contentmodel": "wikitext",
"content": "{{DigitalTool\n|Description=Apache Hadoop — платформа для хранения и обработки Big Data...\n|launch year=2006\n|AI=Нет\n}}",
"comment": ""
}
]
}
]
}
}
</syntaxhighlight>

== Выводы ==

API Sandbox MediaWiki позволяет удобно получать структурированное содержимое страниц в формате JSON.

Эти данные могут быть использованы для дальнейшего анализа корпуса текстов: подсчёта частотности терминов, сравнения характеристик инструментов, извлечения метаданных и автоматизированной обработки вики-контента.

[[Категория:CompLing Works]]

Voyant Tools Конухова Анастасия

2026-06-11T13:03:58Z

Конухова Анастасия: Новая страница: «Страница создана Конуховой Анастасией, ИНФА-221. == Введение == Для анализа был выбран текст: Система_задач_Программирование_8_и_9_классы.docx. В тексте представлен список задач по программированию в рамках курса по Информатике с разными уровнями сложности...»

Страница создана Конуховой Анастасией, ИНФА-221.

== Введение ==

Для анализа был выбран текст: Система_задач_Программирование_8_и_9_классы.docx.
В тексте представлен список задач по программированию в рамках курса по Информатике с разными уровнями сложности для 8-9 классов.

== Визуализация корпуса в Voyant Tools ==

=== Облако слов (Cirrus) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=ef1274f0988a4e0f3e5cb370e5c52dc4&view=Cirrus
|width=1200
|height=600
}}

=== График трендов (Trends) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=ef1274f0988a4e0f3e5cb370e5c52dc4&view=Trends
|width=1200
|height=600
}}

=== Таблица частот (CorpusTerms) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=ef1274f0988a4e0f3e5cb370e5c52dc4&view=CorpusTerms
|width=1200
|height=600
}}

=== Сеть терминов (TermsBerry) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=ef1274f0988a4e0f3e5cb370e5c52dc4&view=TermsBerry
|width=1200
|height=600
}}

=== Сводная статистика корпуса ===

{| class="wikitable"
! Показатель !! Значение
|-
| Всего слов (токенов) || 2 086
|-
| Уникальных слов (типов) || 574
|-
| Лексическая плотность (TTR) || 0.275
|-
| Средняя длина предложения || 10.8 слов
|-
| Индекс удобочитаемости (Readability) || 138.0
|}

'''Самые частые слова в корпусе:'''
* в - 108 раз
* блок - 73 раза
* и - 62 раза
* программирование - 59 раз
* паскаль - 57 раз

=== Ленточные диаграммы (Bubblelines) ===
{{#widget:iframe
|url=https://voyant-tools.org/?corpus=ef1274f0988a4e0f3e5cb370e5c52dc4&view=Bubblelines
|width=1200
|height=400
}}

== Выводы ==

Анализ текста в Voyant Tools показал, что общий объём корпуса составляет 2 086 слов, из которых 574 уникальных. Лексическая плотность (TTR) равна 0.275, что говорит о среднем лексическом разнообразии.

Самые частотные слова: предлоги и союзы («в», «и»), а также ключевые термины темы: «блок», «программирование», «паскаль». Облако слов наглядно демонстрирует, что основная лексика связана с программированием.

График трендов позволяет увидеть распределение ключевых слов по тексту. Сеть терминов показывает связи между основными понятиями. Инструмент Voyant Tools оказался полезным для быстрого первичного анализа учебных текстов.

[[Категория:CompLing Works]]

Статистическое сравнение страниц про роботов

2026-06-10T14:00:27Z

Конухова Анастасия:

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль Aggregator Clear]] ===

* Arduino: {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* Clicbot: {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* Codey Rocky: {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

=== Пример работы модуля для страницы Arduino ===
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

=== [[Модуль:Statistics]] ===
Сводная статистика по числу слов
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

== Семантические запросы ([[#ask]]) ==
Страницы роботов с описаниями.
{{#ask: [[Arduino]] OR [[Clicbot]] OR [[Codey Rocky]]
| ?Description
| format=table
| class=wikitable
| mainlabel=Робот
}}
== Гистограмма числовых характеристик трёх текстов ==
=== Число слов ===
{{#invoke:Chart | bar chart
| height = 300 | width = 500 | stack = 0
| group 1 = {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}} : {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}} : {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
| colors = #339966 | group names = Слова | units suffix = слов
| x legends = Arduino : Clicbot : Codey Rocky
}}

=== Число символов ===
{{#invoke:Chart | bar chart
| height = 300 | width = 500 | stack = 0
| group 1 = {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}} : {{#invoke:Aggregator Clear|main|mode=chars|title=Clicbot}} : {{#invoke:Aggregator Clear|main|mode=chars|title=Codey Rocky}}
| colors = #3366CC | group names = Символы | units suffix = символов
| x legends = Arduino : Clicbot : Codey Rocky
}}
== Подсчёт слов с помощью собственного Lua-модуля ==
Этот модуль создан на основе примера со страницы [[Lua]].
{{#invoke:RobotWordCount|compareRobots}}

Мой модуль берет те же страницы роботов и считает количество слов. Результаты сопоставимы с работой модуля Aggregator Clear.

[[Категория:CompLing Works]]

Статистическое сравнение страниц про роботов

2026-06-10T13:58:17Z

Конухова Анастасия:

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль Aggregator Clear]] ===

* Arduino: {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* Clicbot: {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* Codey Rocky: {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

=== Пример работы модуля для страницы Arduino ===
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

=== [[Модуль:Statistics]] ===
Сводная статистика по числу слов
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

== Семантические запросы ([[#ask]]) ==
Страницы роботов с описаниями.
{{#ask: [[Arduino]] OR [[Clicbot]] OR [[Codey Rocky]]
| ?Description
| format=table
| class=wikitable
| mainlabel=Робот
}}
== Сравнение количества слов на страницах роботов ==

{{#invoke:Chart | bar chart
| height = 300
| width = 500
| stack = 0
| group 1 = {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}} : {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}} : {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
| colors = #339966
| group names = Количество слов
| units suffix = слов
| x legends = Arduino : Clicbot : Codey Rocky
}}
== Подсчёт слов с помощью собственного Lua-модуля ==
Этот модуль создан на основе примера со страницы [[Lua]].
{{#invoke:RobotWordCount|compareRobots}}

Мой модуль берет те же страницы роботов и считает количество слов. Результаты сопоставимы с работой модуля Aggregator Clear.

[[Категория:CompLing Works]]

R-скрипт анализа Конухова Анастасия

2026-06-10T13:41:39Z

Конухова Анастасия:

Страница создана Конуховой Анастасией, ИНФА-221.

== Описание датасета ==

Датасет Billionaires содержит информацию о миллиардерах мира:https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv

Датасет был взят с [[:Категория:Dataset]]

== Код R-скрипта ==
[[Файл:Код R.png|400px|thumb|right|Код R-скрипта в RStudio]]
<syntaxhighlight lang="R" line>
library(tidyverse)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

glimpse(data)

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = `location.citizenship`, sort = TRUE) %>%
head(10)
print("Топ-10 стран по числу миллиардеров:")
print(top_countries)
</syntaxhighlight>

== Результаты анализа ==
{| class="wikitable"
! Показатель !! Значение
|-
| Общее количество миллиардеров || 2614
|-
| Общее количество слов в именах || 5908
|}

=== 10 самых частых слов в именах ===
[[Файл:Результаты1 R.png|300px|thumb|right|Результаты в консоли R]]
{| class="wikitable"
! Слово !! Частота
|-
| John || 65
|-
| David || 41
|-
| Robert || 40
|-
| Michael || 39
|-
| Richard || 36
|-
| James || 31
|-
| de || 31
|-
| Jr. || 28
|-
| and || 28
|-
| Lee || 27
|}

=== Топ-10 стран по числу миллиардеров ===
[[Файл:Результаты2 R.png|300px|thumb|right|Топ-10 стран по числу миллиардеров]]
{| class="wikitable"
! Страна !! Количество миллиардеров
|-
| United States || 903
|-
| Germany || 160
|-
| China || 153
|-
| Russia || 119
|-
| Japan || 96
|-
| Brazil || 81
|-
| Hong Kong || 77
|-
| France || 72
|-
| United Kingdom || 65
|-
| India || 63
|}
== Расширенный анализ ==
Простой подсчет частоты слов не дает полной картины. В расширенном анализе я добавила биграммы для составных имен, TTR для оценки разнообразия, а также графики, чтобы сравнить распределение состояния и частотность слов по странам.
=== Код расширенного анализа ===
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(10)

print("Топ-10 стран по числу миллиардеров:")
print(top_countries)

words <- data %>%
unnest_tokens(word, name) %>%
count(word, sort = TRUE)

print("Топ-20 самых частых слов:")
print(head(words, 20))

bigrams <- data %>%
unnest_tokens(bigram, name, token = "ngrams", n = 2) %>%
count(bigram, sort = TRUE)

print("Топ-10 биграмм:")
print(head(bigrams, 10))

total_tokens <- sum(words$n)
total_types <- nrow(words)
ttr <- total_types / total_tokens

print(paste("Всего слов (токенов):", total_tokens))
print(paste("Уникальных слов (типов):", total_types))
print(paste("TTR:", round(ttr, 4)))

top5_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(5) %>%
pull(country)

country_comparison <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word, sort = TRUE) %>%
group_by(country) %>%
slice_max(n, n = 5)

print("Топ-5 слов по странам:")
print(country_comparison)

name_lengths <- data %>%
mutate(word_count = str_count(name, "\\S+")) %>%
count(word_count)

print("Распределение количества слов в именах:")
print(name_lengths)

# столбчатая диаграмма топ 15 слов
plot1 <- words %>%
slice_max(n, n = 15) %>%
ggplot(aes(x = reorder(word, n), y = n)) +
geom_col(fill = "steelblue") +
coord_flip() +
labs(title = "15 самых частых слов в именах миллиардеров",
x = "Слово", y = "Частота") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
print(plot1)

# тепловая карта
heatmap_data <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word) %>%
group_by(country) %>%
slice_max(n, n = 10) %>%
ungroup()

plot3 <- heatmap_data %>%
ggplot(aes(x = word, y = country, fill = n)) +
geom_tile(color = "white", linewidth = 0.5) +
scale_fill_gradient(low = "white", high = "steelblue", name = "Частота") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
axis.text.y = element_text(size = 11),
plot.title = element_text(hjust = 0.5, face = "bold")) +
labs(title = "Тепловая карта: частотность слов по странам",
x = "Слово", y = "Страна")

print(plot3)
</syntaxhighlight>
=== Числовые результаты ===
В данном датасете общее количество слов (токенов) в именах миллиардеров составляет 6034, а уникальных слов 2870. Type-Token Ratio (TTR) равен 0.4756, что говорит о среднем лексическом разнообразии: имена миллиардеров не слишком однообразны, но и не сильно разнообразны. TTR близкий к 1 означал бы, что почти все имена уникальны, а близкий к 0 что имена постоянно повторяются.
[[Файл:Код R 3.png|300px|thumb|right|Числовые результаты]]
{| class="wikitable"
! Показатель !! Значение
|-
| Всего слов (токенов) || 6034
|-
| Уникальных слов (типов) || 2870
|-
| Type-Token Ratio (TTR) || 0.4756
|}
=== Топ-10 биграмм ===
Биграмма - это последовательность из двух слов, которые идут подряд в тексте.
[[Файл:Биограммы.png|300px|thumb|right|Топ биграмм]]
{| class="wikitable"
! Биграмма !! Частота
|-
| de moraes || 7
|-
| al kharafi || 5
|-
| al rajhi || 5
|-
| dos santos || 5
|-
| ermirio de || 5
|-
| roberto marinho || 5
|-
| del pino || 4
|-
| forrest mars || 4
|-
| louis dreyfus || 4
|-
| moreira salles || 4
|}
=== Топ-5 слов по странам ===
[[Файл:Код R 1.png|300px|thumb|right|Топ-5 слов по странам]]
{| class="wikitable"
! Страна !! Слово !! Частота
|-
| China || wang || 16
|-
| China || li || 11
|-
| China || liu || 10
|-
| China || zhang || 9
|-
| China || chen || 7
|-
| China || wei || 7
|-
| Germany || family || 15
|-
| Germany || von || 12
|-
| Germany || michael || 9
|-
| Germany || oetker || 8
|}
Там таблица еще строки есть дополнительные, но очень длинная получится, поэтому выше только ее часть.
=== Распределение количества слов в имени ===
[[Файл:Код R 2.png|300px|thumb|right|Распределение количества слов в имени]]
{| class="wikitable"
! Количество слов !! Количество имён
|-
| 1 || 2
|-
| 2 || 2099
|-
| 3 || 387
|-
| 4 || 92
|-
| 5 || 27
|-
| 6 || 6
|-
| 8 || 1
|}

=== Визуализация ===
На столбчатой диаграмме видно, что самые частые слова в именах: John, David и Robert. На тепловой карте цветом выделена частотность слов: самые темные клетки (Wang в Китае, John в США) соответствуют максимальной частоте.
[[Файл:График частота r.png|600px|center|frameless|График частоты]]
[[Файл:Тепловая карта.png|600px|center|frameless|Тепловая карта]]
== Комментарий ==
В итоге получилось, что в датасете 2614 миллиардеров, а общее количество слов в их именах 5908. При этом уникальных слов (типов) 2870, а Type-Token Ratio (TTR) = 0.4756. Это значит, что почти половина всех слов в именах уникальна, остальные повторяются. Самые частые слова ожидаемо оказались простыми английскими именами: John, David, Robert.

Что касается стран, то США сильно лидируют 903 миллиардера. Германия на втором месте (160), а Китай только третий (153). При этом в Китае в топе частотности стоят именно китайские фамилии (Wang, Li, Zhang), а в Германии интересно, что часто встречаются слова family и von, это говорит о семейных династиях и дворянском происхождении.

Самым сложным в этой работе было не столько написание кода, сколько его отладка. Постоянно вылезали ошибки :( то пакет не устанавливался, то графики не строились, то таблицы в вики съезжали. Особенно долго возилась с тепловой картой. Еще неожиданностью стали биграммы, например, de moraes, al kharafi, dos santos. Оказалось, что многие миллиардеры имеют составные португальские или арабские фамилии, про которые я раньше не задумывалась.

В целом работа получилась объемной, но полезной. Теперь я лучше понимаю, как работать с текстовыми данными в R, строить графики и оформлять результаты на вики-странице.
[[Категория:CompLing Works]]

R-скрипт анализа Конухова Анастасия

2026-06-10T13:39:43Z

Конухова Анастасия:

Страница создана Конуховой Анастасией, ИНФА-221.

== Описание датасета ==

Датасет Billionaires содержит информацию о миллиардерах мира:https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv

Датасет был взят с [[:Категория:Dataset]]

== Код R-скрипта ==
[[Файл:Код R.png|400px|thumb|right|Код R-скрипта в RStudio]]
<syntaxhighlight lang="R" line>
library(tidyverse)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

glimpse(data)

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = `location.citizenship`, sort = TRUE) %>%
head(10)
print("Топ-10 стран по числу миллиардеров:")
print(top_countries)
</syntaxhighlight>

== Результаты анализа ==
{| class="wikitable"
! Показатель !! Значение
|-
| Общее количество миллиардеров || 2614
|-
| Общее количество слов в именах || 5908
|}

=== 10 самых частых слов в именах ===
[[Файл:Результаты1 R.png|300px|thumb|right|Результаты в консоли R]]
{| class="wikitable"
! Слово !! Частота
|-
| John || 65
|-
| David || 41
|-
| Robert || 40
|-
| Michael || 39
|-
| Richard || 36
|-
| James || 31
|-
| de || 31
|-
| Jr. || 28
|-
| and || 28
|-
| Lee || 27
|}

=== Топ-10 стран по числу миллиардеров ===
[[Файл:Результаты2 R.png|300px|thumb|right|Топ-10 стран по числу миллиардеров]]
{| class="wikitable"
! Страна !! Количество миллиардеров
|-
| United States || 903
|-
| Germany || 160
|-
| China || 153
|-
| Russia || 119
|-
| Japan || 96
|-
| Brazil || 81
|-
| Hong Kong || 77
|-
| France || 72
|-
| United Kingdom || 65
|-
| India || 63
|}
== Расширенный анализ ==
Простой подсчет частоты слов не дает полной картины. В расширенном анализе я добавила биграммы для составных имен, TTR для оценки разнообразия, а также графики, чтобы сравнить распределение состояния и частотность слов по странам.
=== Код расширенного анализа ===
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(10)

print("Топ-10 стран по числу миллиардеров:")
print(top_countries)

words <- data %>%
unnest_tokens(word, name) %>%
count(word, sort = TRUE)

print("Топ-20 самых частых слов:")
print(head(words, 20))

bigrams <- data %>%
unnest_tokens(bigram, name, token = "ngrams", n = 2) %>%
count(bigram, sort = TRUE)

print("Топ-10 биграмм:")
print(head(bigrams, 10))

total_tokens <- sum(words$n)
total_types <- nrow(words)
ttr <- total_types / total_tokens

print(paste("Всего слов (токенов):", total_tokens))
print(paste("Уникальных слов (типов):", total_types))
print(paste("TTR:", round(ttr, 4)))

top5_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(5) %>%
pull(country)

country_comparison <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word, sort = TRUE) %>%
group_by(country) %>%
slice_max(n, n = 5)

print("Топ-5 слов по странам:")
print(country_comparison)

name_lengths <- data %>%
mutate(word_count = str_count(name, "\\S+")) %>%
count(word_count)

print("Распределение количества слов в именах:")
print(name_lengths)

# столбчатая диаграмма топ 15 слов
plot1 <- words %>%
slice_max(n, n = 15) %>%
ggplot(aes(x = reorder(word, n), y = n)) +
geom_col(fill = "steelblue") +
coord_flip() +
labs(title = "15 самых частых слов в именах миллиардеров",
x = "Слово", y = "Частота") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
print(plot1)

# тепловая карта
heatmap_data <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word) %>%
group_by(country) %>%
slice_max(n, n = 10) %>%
ungroup()

plot3 <- heatmap_data %>%
ggplot(aes(x = word, y = country, fill = n)) +
geom_tile(color = "white", linewidth = 0.5) +
scale_fill_gradient(low = "white", high = "steelblue", name = "Частота") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
axis.text.y = element_text(size = 11),
plot.title = element_text(hjust = 0.5, face = "bold")) +
labs(title = "Тепловая карта: частотность слов по странам",
x = "Слово", y = "Страна")

print(plot3)
</syntaxhighlight>
=== Числовые результаты ===
В данном датасете общее количество слов (токенов) в именах миллиардеров составляет 6034, а уникальных слов 2870. Type-Token Ratio (TTR) равен 0.4756, что говорит о среднем лексическом разнообразии: имена миллиардеров не слишком однообразны, но и не сильно разнообразны. TTR близкий к 1 означал бы, что почти все имена уникальны, а близкий к 0 что имена постоянно повторяются.
[[Файл:Код R 3.png|300px|thumb|right|Числовые результаты]]
{| class="wikitable"
! Показатель !! Значение
|-
| Всего слов (токенов) || 6034
|-
| Уникальных слов (типов) || 2870
|-
| Type-Token Ratio (TTR) || 0.4756
|}
=== Топ-10 биграмм ===
Биграмма - это последовательность из двух слов, которые идут подряд в тексте.
[[Файл:Биограммы.png|300px|thumb|right|Топ биграмм]]
{| class="wikitable"
! Биграмма !! Частота
|-
| de moraes || 7
|-
| al kharafi || 5
|-
| al rajhi || 5
|-
| dos santos || 5
|-
| ermirio de || 5
|-
| roberto marinho || 5
|-
| del pino || 4
|-
| forrest mars || 4
|-
| louis dreyfus || 4
|-
| moreira salles || 4
|}
=== Топ-5 слов по странам ===
[[Файл:Код R 1.png|300px|thumb|right|Топ-5 слов по странам]]
{| class="wikitable"
! Страна !! Слово !! Частота
|-
| China || wang || 16
|-
| China || li || 11
|-
| China || liu || 10
|-
| China || zhang || 9
|-
| China || chen || 7
|-
| China || wei || 7
|-
| Germany || family || 15
|-
| Germany || von || 12
|-
| Germany || michael || 9
|-
| Germany || oetker || 8
|}

=== Распределение количества слов в имени ===
[[Файл:Код R 2.png|300px|thumb|right|Распределение количества слов в имени]]
{| class="wikitable"
! Количество слов !! Количество имён
|-
| 1 || 2
|-
| 2 || 2099
|-
| 3 || 387
|-
| 4 || 92
|-
| 5 || 27
|-
| 6 || 6
|-
| 8 || 1
|}

=== Визуализация ===
На столбчатой диаграмме видно, что самые частые слова в именах: John, David и Robert. На тепловой карте цветом выделена частотность слов: самые темные клетки (Wang в Китае, John в США) соответствуют максимальной частоте.
[[Файл:График частота r.png|600px|center|frameless|График частоты]]
[[Файл:Тепловая карта.png|600px|center|frameless|Тепловая карта]]
== Комментарий ==
В итоге получилось, что в датасете 2614 миллиардеров, а общее количество слов в их именах 5908. При этом уникальных слов (типов) 2870, а Type-Token Ratio (TTR) = 0.4756. Это значит, что почти половина всех слов в именах уникальна, остальные повторяются. Самые частые слова ожидаемо оказались простыми английскими именами: John, David, Robert.

Что касается стран, то США сильно лидируют 903 миллиардера. Германия на втором месте (160), а Китай только третий (153). При этом в Китае в топе частотности стоят именно китайские фамилии (Wang, Li, Zhang), а в Германии интересно, что часто встречаются слова family и von, это говорит о семейных династиях и дворянском происхождении.

Самым сложным в этой работе было не столько написание кода, сколько его отладка. Постоянно вылезали ошибки :( то пакет не устанавливался, то графики не строились, то таблицы в вики съезжали. Особенно долго возилась с тепловой картой. Еще неожиданностью стали биграммы, например, de moraes, al kharafi, dos santos. Оказалось, что многие миллиардеры имеют составные португальские или арабские фамилии, про которые я раньше не задумывалась.

В целом работа получилась объемной, но полезной. Теперь я лучше понимаю, как работать с текстовыми данными в R, строить графики и оформлять результаты на вики-странице.
[[Категория:CompLing Works]]

R-скрипт анализа Конухова Анастасия

2026-06-10T13:35:47Z

Конухова Анастасия:

Страница создана Конуховой Анастасией, ИНФА-221.

== Описание датасета ==

Датасет Billionaires содержит информацию о миллиардерах мира:https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv

Датасет был взят с [[:Категория:Dataset]]

== Код R-скрипта ==
[[Файл:Код R.png|400px|thumb|right|Код R-скрипта в RStudio]]
<syntaxhighlight lang="R" line>
library(tidyverse)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

glimpse(data)

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = `location.citizenship`, sort = TRUE) %>%
head(10)
print("Топ-10 стран по числу миллиардеров:")
print(top_countries)
</syntaxhighlight>

== Результаты анализа ==
{| class="wikitable"
! Показатель !! Значение
|-
| Общее количество миллиардеров || 2614
|-
| Общее количество слов в именах || 5908
|}

=== 10 самых частых слов в именах ===
[[Файл:Результаты1 R.png|300px|thumb|right|Результаты в консоли R]]
{| class="wikitable"
! Слово !! Частота
|-
| John || 65
|-
| David || 41
|-
| Robert || 40
|-
| Michael || 39
|-
| Richard || 36
|-
| James || 31
|-
| de || 31
|-
| Jr. || 28
|-
| and || 28
|-
| Lee || 27
|}

=== Топ-10 стран по числу миллиардеров ===
[[Файл:Результаты2 R.png|300px|thumb|right|Топ-10 стран по числу миллиардеров]]
{| class="wikitable"
! Страна !! Количество миллиардеров
|-
| United States || 903
|-
| Germany || 160
|-
| China || 153
|-
| Russia || 119
|-
| Japan || 96
|-
| Brazil || 81
|-
| Hong Kong || 77
|-
| France || 72
|-
| United Kingdom || 65
|-
| India || 63
|}
== Расширенный анализ ==
Простой подсчет частоты слов не дает полной картины. В расширенном анализе я добавила биграммы для составных имен, TTR для оценки разнообразия, а также графики, чтобы сравнить распределение состояния и частотность слов по странам.
=== Код расширенного анализа ===
<syntaxhighlight lang="R" line>
library(tidyverse)
library(tidytext)
library(ggplot2)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(10)

print("Топ-10 стран по числу миллиардеров:")
print(top_countries)

words <- data %>%
unnest_tokens(word, name) %>%
count(word, sort = TRUE)

print("Топ-20 самых частых слов:")
print(head(words, 20))

bigrams <- data %>%
unnest_tokens(bigram, name, token = "ngrams", n = 2) %>%
count(bigram, sort = TRUE)

print("Топ-10 биграмм:")
print(head(bigrams, 10))

total_tokens <- sum(words$n)
total_types <- nrow(words)
ttr <- total_types / total_tokens

print(paste("Всего слов (токенов):", total_tokens))
print(paste("Уникальных слов (типов):", total_types))
print(paste("TTR:", round(ttr, 4)))

top5_countries <- data %>%
count(country = location.citizenship, sort = TRUE) %>%
head(5) %>%
pull(country)

country_comparison <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word, sort = TRUE) %>%
group_by(country) %>%
slice_max(n, n = 5)

print("Топ-5 слов по странам:")
print(country_comparison)

name_lengths <- data %>%
mutate(word_count = str_count(name, "\\S+")) %>%
count(word_count)

print("Распределение количества слов в именах:")
print(name_lengths)

# столбчатая диаграмма топ 15 слов
plot1 <- words %>%
slice_max(n, n = 15) %>%
ggplot(aes(x = reorder(word, n), y = n)) +
geom_col(fill = "steelblue") +
coord_flip() +
labs(title = "15 самых частых слов в именах миллиардеров",
x = "Слово", y = "Частота") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
print(plot1)

# тепловая карта
heatmap_data <- data %>%
filter(location.citizenship %in% top5_countries) %>%
unnest_tokens(word, name) %>%
count(country = location.citizenship, word) %>%
group_by(country) %>%
slice_max(n, n = 10) %>%
ungroup()

plot3 <- heatmap_data %>%
ggplot(aes(x = word, y = country, fill = n)) +
geom_tile(color = "white", linewidth = 0.5) +
scale_fill_gradient(low = "white", high = "steelblue", name = "Частота") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
axis.text.y = element_text(size = 11),
plot.title = element_text(hjust = 0.5, face = "bold")) +
labs(title = "Тепловая карта: частотность слов по странам",
x = "Слово", y = "Страна")

print(plot3)
</syntaxhighlight>
=== Числовые результаты ===
В данном датасете общее количество слов (токенов) в именах миллиардеров составляет 6034, а уникальных слов 2870. Type-Token Ratio (TTR) равен 0.4756, что говорит о среднем лексическом разнообразии: имена миллиардеров не слишком однообразны, но и не сильно разнообразны. TTR близкий к 1 означал бы, что почти все имена уникальны, а близкий к 0 что имена постоянно повторяются.
[[Файл:Код R 3.png|300px|thumb|right|Числовые результаты]]
{| class="wikitable"
! Показатель !! Значение
|-
| Всего слов (токенов) || 6034
|-
| Уникальных слов (типов) || 2870
|-
| Type-Token Ratio (TTR) || 0.4756
|}
=== Топ-10 биграмм ===
Биграмма - это последовательность из двух слов, которые идут подряд в тексте.
[[Файл:Биограммы.png|300px|thumb|right|Топ биграмм]]
{| class="wikitable"
! Биграмма !! Частота
|-
| de moraes || 7
|-
| al kharafi || 5
|-
| al rajhi || 5
|-
| dos santos || 5
|-
| ermirio de || 5
|-
| roberto marinho || 5
|-
| del pino || 4
|-
| forrest mars || 4
|-
| louis dreyfus || 4
|-
| moreira salles || 4
|}
=== Топ слов по странам ===
[[Файл:Код R 1.png|300px|thumb|right|Топ слов по странам]]
{| class="wikitable"
! Страна !! Слово !! Частота
|-
| China || wang || 16
|-
| China || li || 11
|-
| China || liu || 10
|-
| China || zhang || 9
|-
| China || chen || 7
|-
| Germany || family || 15
|-
| Germany || von || 12
|-
| Germany || michael || 9
|-
| Germany || oetker || 8
|}

=== Распределение количества слов в имени ===
[[Файл:Код R 2.png|300px|thumb|right|Распределение количества слов в имени]]
{| class="wikitable"
! Количество слов !! Количество имён
|-
| 1 || 2
|-
| 2 || 2099
|-
| 3 || 387
|-
| 4 || 92
|-
| 5 || 27
|-
| 6 || 6
|-
| 8 || 1
|}

=== Визуализация ===
На столбчатой диаграмме видно, что самые частые слова в именах: John, David и Robert. На тепловой карте цветом выделена частотность слов: самые темные клетки (Wang в Китае, John в США) соответствуют максимальной частоте.
[[Файл:График частота r.png|600px|center|frameless|График частоты]]
[[Файл:Тепловая карта.png|600px|center|frameless|Тепловая карта]]
== Комментарий ==
В итоге получилось, что в датасете 2614 миллиардеров, а общее количество слов в их именах 5908. При этом уникальных слов (типов) 2870, а Type-Token Ratio (TTR) = 0.4756. Это значит, что почти половина всех слов в именах уникальна, остальные повторяются. Самые частые слова ожидаемо оказались простыми английскими именами: John, David, Robert.

Что касается стран, то США сильно лидируют 903 миллиардера. Германия на втором месте (160), а Китай только третий (153). При этом в Китае в топе частотности стоят именно китайские фамилии (Wang, Li, Zhang), а в Германии интересно, что часто встречаются слова family и von, это говорит о семейных династиях и дворянском происхождении.

Самым сложным в этой работе было не столько написание кода, сколько его отладка. Постоянно вылезали ошибки :( то пакет не устанавливался, то графики не строились, то таблицы в вики съезжали. Особенно долго возилась с тепловой картой. Еще неожиданностью стали биграммы, например, de moraes, al kharafi, dos santos. Оказалось, что многие миллиардеры имеют составные португальские или арабские фамилии, про которые я раньше не задумывалась.

В целом работа получилась объемной, но полезной. Теперь я лучше понимаю, как работать с текстовыми данными в R, строить графики и оформлять результаты на вики-странице.
[[Категория:CompLing Works]]

Файл:Биограммы.png

2026-06-10T13:25:12Z

Конухова Анастасия:

Вывод программы

Файл:Код R 3.png

2026-06-10T13:14:50Z

Конухова Анастасия:

Вывод программы

Файл:Код R 2.png

2026-06-10T13:12:56Z

Конухова Анастасия:

Вывод программы

Файл:Код R 1.png

2026-06-10T13:09:36Z

Конухова Анастасия:

Вывод программы

Файл:Тепловая карта.png

2026-06-10T13:06:13Z

Конухова Анастасия:

Тепловая карта датасета

Файл:График частота r.png

2026-06-10T13:03:26Z

Конухова Анастасия:

График по датасету богачей.

Обсуждение:R-script анализ датасета Жильцов Даниил

2026-06-10T12:30:26Z

Конухова Анастасия: Новая страница: «Очень интересный выбор датасета, я даже и не подозревала, например, что Германия тоже в список лидеров по количеству астронавтов входит. Спасибо за наглядное представление :) ~~~~»

Очень интересный выбор датасета, я даже и не подозревала, например, что Германия тоже в список лидеров по количеству астронавтов входит. Спасибо за наглядное представление :) [[Участник:Конухова Анастасия|Конухова Анастасия]] ([[Обсуждение участника:Конухова Анастасия|обсуждение]]) 15:30, 10 июня 2026 (MSK)

R-скрипт анализа Конухова Анастасия

2026-06-02T19:52:03Z

Конухова Анастасия:

R-скрипт анализа Конухова Анастасия

2026-06-02T19:49:50Z

Конухова Анастасия: Новая страница: «Страница создана Конуховой Анастасией, ИНФА-221. == Описание датасета == Датасет Billionaires содержит информацию о миллиардерах мира:https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv Датасет был взят с https://digida.mgpu.ru/index.php/Billionaires_(dataset) == Код R-скрипта == Файл:Код R.png|400px...»

Страница создана Конуховой Анастасией, ИНФА-221.

== Описание датасета ==

Датасет Billionaires содержит информацию о миллиардерах мира:https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv

Датасет был взят с https://digida.mgpu.ru/index.php/Billionaires_(dataset)

== Код R-скрипта ==
[[Файл:Код R.png|400px|thumb|right|Код R-скрипта в RStudio]]
<syntaxhighlight lang="R" line>
library(tidyverse)

data <- read_csv("https://corgis-edu.github.io/corgis/datasets/csv/billionaires/billionaires.csv")

glimpse(data)

total_records <- nrow(data)
print(paste("Всего миллиардеров в датасете:", total_records))

total_words_names <- sum(str_count(data$name, "\\S+"))
print(paste("Всего слов в именах миллиардеров:", total_words_names))

top10_names <- data %>%
separate_rows(name, sep = " ") %>%
count(word = name, sort = TRUE) %>%
head(10)

print("10 самых частых слов в именах миллиардеров:")
print(top10_names)

top_countries <- data %>%
count(country = `location.citizenship`, sort = TRUE) %>%
head(10)
print("Топ-10 стран по числу миллиардеров:")
print(top_countries)
</syntaxhighlight>

== Результаты анализа ==
{| class="wikitable"
! Показатель !! Значение
|-
| Общее количество миллиардеров || 2614
|-
| Общее количество слов в именах || 5908
|}

=== 10 самых частых слов в именах ===
[[Файл:Результаты1 R.png|300px|thumb|right|Результаты в консоли R]]
{| class="wikitable"
! Слово !! Частота
|-
| John || 65
|-
| David || 41
|-
| Robert || 40
|-
| Michael || 39
|-
| Richard || 36
|-
| James || 31
|-
| de || 31
|-
| Jr. || 28
|-
| and || 28
|-
| Lee || 27
|}

=== Топ-10 стран по числу миллиардеров ===
[[Файл:Результаты2 R.png|300px|thumb|right|Топ-10 стран по числу миллиардеров]]
{| class="wikitable"
! Страна !! Количество миллиардеров
|-
| United States || 903
|-
| Germany || 160
|-
| China || 153
|-
| Russia || 119
|-
| Japan || 96
|-
| Brazil || 81
|-
| Hong Kong || 77
|-
| France || 72
|-
| United Kingdom || 65
|-
| India || 63
|}

== Комментарий ==

В датасете Billionaires содержится 2614 записей о миллиардерах. Общее количество слов в именах составляет 5908.

По странам лидируют США (903 миллиардера), затем Германия (160) и Китай (153).

[[Категория:CompLing Works]]

Файл:Результаты2 R.png

2026-06-02T19:43:18Z

Конухова Анастасия:

Результат выполнения кода.

Файл:Результаты1 R.png

2026-06-02T19:42:15Z

Конухова Анастасия:

Результат работы кода.

Файл:Код R.png

2026-06-02T19:32:52Z

Конухова Анастасия:

Код

Статистическое сравнение страниц про роботов

2026-06-02T18:47:52Z

Конухова Анастасия:

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль Aggregator Clear]] ===

* Arduino: {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* Clicbot: {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* Codey Rocky: {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

=== Пример работы модуля для страницы Arduino ===
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

=== [[Модуль:Statistics]] ===
Сводная статистика по числу слов
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

== Семантические запросы ([[#ask]]) ==
Страницы роботов с описаниями.
{{#ask: [[Arduino]] OR [[Clicbot]] OR [[Codey Rocky]]
| ?Description
| format=table
| class=wikitable
| mainlabel=Робот
}}

== Подсчёт слов с помощью собственного Lua-модуля ==
Этот модуль создан на основе примера со страницы [[Lua]].

{{#invoke:RobotWordCount|compareRobots}}

Мой модуль берет те же страницы роботов и считает количество слов. Результаты сопоставимы с работой модуля Aggregator Clear.

[[Категория:CompLing Works]]

Статистическое сравнение страниц про роботов

2026-06-02T18:35:23Z

Конухова Анастасия:

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль:Aggregator Clear]] ===

* Arduino: {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* Clicbot: {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* Codey Rocky: {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

== Пример работы модуля для страницы Arduino ==
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

== Сводная статистика по числу слов ==
==== [[Модуль:Statistics]] ====
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

== Семантические запросы ([[#ask]]) ==

Страницы роботов с описаниями.
{{#ask: [[Arduino]] OR [[Clicbot]] OR [[Codey Rocky]]
| ?Description
| format=table
| class=wikitable
| mainlabel=Робот
}}

== Подсчёт слов с помощью собственного Lua-модуля ==

Этот модуль создан на основе примера со страницы [[Lua]].

=== Результаты ===
{{#invoke:RobotWordCount|compareRobots}}

Мой модуль берет те же страницы роботов и считает количество слов. Результаты сопоставимы с работой модуля Aggregator Clear.

[[Категория:CompLing Works]]

Статистическое сравнение страниц про роботов

2026-06-02T18:35:10Z

Конухова Анастасия:

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль:Aggregator Clear]] ===

* Arduino: {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* Clicbot: {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* Codey Rocky: {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

== Пример работы модуля для страницы Arduino ==
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

== Сводная статистика по числу слов ==
==== [[Модуль:Statistics]] ====
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

== Семантические запросы ([[#ask]]) ==

Страницы роботов с описаниями.
{{#ask: [[Arduino]] OR [[Clicbot]] OR [[Codey Rocky]]
| ?Description
| format=table
| class=wikitable
| mainlabel=Робот
}}

== 7. Подсчёт слов с помощью собственного Lua-модуля ==

Этот модуль создан на основе примера со страницы [[Lua]].

=== Результаты ===
{{#invoke:RobotWordCount|compareRobots}}

Мой модуль берет те же страницы роботов и считает количество слов. Результаты сопоставимы с работой модуля Aggregator Clear.

[[Категория:CompLing Works]]

Модуль:RobotWordCount

2026-06-02T18:32:58Z

Конухова Анастасия:

local p = {}

-- Функция для подсчёта слов на странице
function p.countWords(pageName)
if not pageName then
return 0
end

local titleObj = mw.title.new(pageName)
if not titleObj then
return 0
end

local content = titleObj:getContent()
if not content then
return 0
end

-- Считаем слова (последовательности непробельных символов)
local wordCount = 0
for _ in mw.ustring.gmatch(content, "%S+") do
wordCount = wordCount + 1
end

return wordCount
end

-- Функция для сравнения трёх роботов в виде таблицы
function p.compareRobots(frame)
local robots = {"Arduino", "Clicbot", "Codey Rocky"}
local result = '{| class="wikitable"\n! Робот !! Количество слов\n|-\n'

for _, robot in ipairs(robots) do
local count = p.countWords(robot)
result = result .. "| " .. robot .. " || " .. count .. "\n|-\n"
end

result = result .. "|}"
return result
end

return p

Модуль:RobotWordCount

2026-06-02T18:30:24Z

Конухова Анастасия: Новая страница: «local p = {} -- Функция для подсчёта слов на странице function p.countWords(frame) local pageName = frame.args[1] or frame.args.title if not pageName then return "Ошибка: укажите название страницы" end local titleObj = mw.title.new(pageName) if not titleObj then return "Страница не найдена: " .. pageName end local content = tit...»

local p = {}

-- Функция для подсчёта слов на странице
function p.countWords(frame)
local pageName = frame.args[1] or frame.args.title
if not pageName then
return "Ошибка: укажите название страницы"
end

local titleObj = mw.title.new(pageName)
if not titleObj then
return "Страница не найдена: " .. pageName
end

local content = titleObj:getContent()
if not content then
return "Нет содержимого на странице: " .. pageName
end

-- Считаем слова (последовательности непробельных символов)
local wordCount = 0
for _ in mw.ustring.gmatch(content, "%S+") do
wordCount = wordCount + 1
end

return wordCount
end

-- Функция для сравнения трёх роботов в виде таблицы
function p.compareRobots(frame)
local robots = {"Arduino", "Clicbot", "Codey Rocky"}
local result = '{| class="wikitable"\n! Робот !! Количество слов\n|-\n'

for _, robot in ipairs(robots) do
local count = p.countWords(frame:new{args = {robot}})
result = result .. "| " .. robot .. " || " .. count .. "\n|-\n"
end

result = result .. "|}"
return result
end

return p

Статистическое сравнение страниц про роботов

2026-06-01T12:34:08Z

Конухова Анастасия:

Статистическое сравнение страниц про роботов

2026-06-01T12:33:09Z

Конухова Анастасия:

Статистическое сравнение страниц про роботов

2026-05-21T16:26:51Z

Конухова Анастасия: /* Что используем */

Статистическое сравнение страниц про роботов

2026-05-21T16:22:55Z

Конухова Анастасия:

Статистическое сравнение страниц про роботов

2026-05-21T16:22:08Z

Конухова Анастасия: Новая страница: «= Статистическое сравнение страниц о роботах = Страница создана Конуховой Анастасией ИНФА-221. == Что сравниваем == Страницы из категории :Категория:Robots * Arduino * Clicbot * Codey Rocky == Что используем == === Модуль:Aggregator Clear === * '''Arduino''': {{#invoke:Aggregator Clear|main|mode=words|...»

= Статистическое сравнение страниц о роботах =

Страница создана Конуховой Анастасией ИНФА-221.
== Что сравниваем ==
Страницы из категории [[:Категория:Robots]]
* [[Arduino]]
* [[Clicbot]]
* [[Codey Rocky]]

== Что используем ==
=== [[Модуль:Aggregator Clear]] ===

* '''Arduino''': {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
* '''Clicbot''': {{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}}
* '''Codey Rocky''': {{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}

== Пример работы модуля для страницы Arduino ==
{| class="wikitable"
! Вызов !! Результат
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=words|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=chars|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=links|title=Arduino}}
|-
| <code><nowiki>{{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}</nowiki></code>
| {{#invoke:Aggregator Clear|main|mode=headings|title=Arduino}}
|}

== Сводная статистика по числу слов ==
==== [[Модуль:Statistics]] ====
{{#invoke:Statistics|summary|
{{#invoke:Aggregator Clear|main|mode=words|title=Arduino}},
{{#invoke:Aggregator Clear|main|mode=words|title=Clicbot}},
{{#invoke:Aggregator Clear|main|mode=words|title=Codey Rocky}}
}}

[[Категория:CompLing Works]]

Участник:Конухова Анастасия

2026-02-10T06:25:05Z

Конухова Анастасия:

{{UserMGPU
|Field_of_knowledge=Информатика, Лингвистика, Игра, Культура, Искусственный интеллект
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Working_On=Анализ данных и статей, Искусственный интеллект в образование
}}
----
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Участник:Конухова Анастасия

2026-02-10T06:23:19Z

Конухова Анастасия:

{{UserMGPU
|Field_of_knowledge=Информатика, Лингвистика, Игра, Культура
|Position=Бакалавриат
|Profile=Информатика, Английский язык
|PedDirection=Да
|Working_On=Анализ данных
}}
----
[[Категория:UserMGPU]]
[[Категория:ИНФА-221]]

Обсуждение участника:Конухова Анастасия

2025-12-19T10:25:22Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Полный цикл обучения с ИИ

box Учебная платформа
participant Студент
participant Ассистент as ИИ-ассистент (чат)
participant Система as Адаптивная система
end

box Сервисы ИИ
participant Аналитика as Аналитика ИИ
participant Генератор as Генератор контента
participant Проверка as Автопроверка
end

Note over Студент, Система: Студент инициирует процесс
Студент->>Ассистент: Задаёт вопрос / Просит объяснить тему
Ассистент->>Система: Запрос: текущий уровень студента и контекст
Аналитика-->>Система: Данные: пробелы, уровень сложности, стиль обучения
Система->>Генератор: Запрос: объяснение темы на нужном уровне
Система-->>Ассистент: Готовый ответ для студента
Ассистент-->>Студент: Объясняет тему, приводит аналогии, отвечает на уточняющие вопросы

Note over Студент, Проверка: Закрепление и адаптация
Система->>Генератор: Создать персональные задания на закрепление
Генератор-->>Система: Набор заданий с ответами
Система-->>Студент: Предлагает выполнить задания
Студент->>Проверка: Отправляет выполненные задания
Проверка->>Аналитика: Данные для анализа: ошибки, время, шаги решения
Генератор-->>Система: Новые учебные материалы и задания

}}

== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает миграцию популяций разных видов лобстеров в период с 1970 по 2020. Датасет был взят из списка датасетов в Поле цифровой дидактики.

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==
Датасет был взят по запросу из OpenAlex.
* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-18T15:00:41Z

Конухова Анастасия: /* Схема Mermaid */

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Полный цикл обучения с ИИ

box Учебная платформа
participant Студент
participant Ассистент as ИИ-ассистент (чат)
participant Система as Адаптивная система
end

box Сервисы ИИ
participant Аналитика as Аналитика ИИ
participant Генератор as Генератор контента
participant Проверка as Автопроверка
end

Note over Студент, Система: Студент инициирует процесс
Студент->>Ассистент: Задаёт вопрос / Просит объяснить тему
Ассистент->>Система: Запрос: текущий уровень студента и контекст
Аналитика-->>Система: Данные: пробелы, уровень сложности, стиль обучения
Система->>Генератор: Запрос: объяснение темы на нужном уровне
Система-->>Ассистент: Готовый ответ для студента
Ассистент-->>Студент: Объясняет тему, приводит аналогии, отвечает на уточняющие вопросы

Note over Студент, Проверка: Закрепление и адаптация
Система->>Генератор: Создать персональные задания на закрепление
Генератор-->>Система: Набор заданий с ответами
Система-->>Студент: Предлагает выполнить задания
Студент->>Проверка: Отправляет выполненные задания
Проверка->>Аналитика: Данные для анализа: ошибки, время, шаги решения
Генератор-->>Система: Новые учебные материалы и задания

}}

== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает миграцию популяций разных видов лобстеров в период с 1970 по 2020.

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-18T15:00:25Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Полный цикл обучения с ИИ

box Учебная платформа
participant Студент
participant Ассистент as ИИ-ассистент (чат)
participant Система as Адаптивная система
end

box Сервисы ИИ (фоновые)
participant Аналитика as Аналитика ИИ
participant Генератор as Генератор контента
participant Проверка as Автопроверка
end

Note over Студент, Система: Студент инициирует процесс
Студент->>Ассистент: Задаёт вопрос / Просит объяснить тему
Ассистент->>Система: Запрос: текущий уровень студента и контекст
Аналитика-->>Система: Данные: пробелы, уровень сложности, стиль обучения
Система->>Генератор: Запрос: объяснение темы на нужном уровне
Система-->>Ассистент: Готовый ответ для студента
Ассистент-->>Студент: Объясняет тему, приводит аналогии, отвечает на уточняющие вопросы

Note over Студент, Проверка: Закрепление и адаптация
Система->>Генератор: Создать персональные задания на закрепление
Генератор-->>Система: Набор заданий с ответами
Система-->>Студент: Предлагает выполнить задания
Студент->>Проверка: Отправляет выполненные задания
Проверка->>Аналитика: Данные для анализа: ошибки, время, шаги решения
Генератор-->>Система: Новые учебные материалы и задания

}}
== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает миграцию популяций разных видов лобстеров в период с 1970 по 2020.

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T12:01:29Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over Студент,ГК: 1. Персонализированное обучение
Студент->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>Студент: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>Студент: Персональные задания

}}
== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает миграцию популяций разных видов лобстеров в период с 1970 по 2020.

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T11:56:06Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over Студент,ГК: 1. Персонализированное обучение
Студент->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>Студент: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>Студент: Персональные задания

}}
== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает изменение численностей популяций разных видов лобстеров в период с 1970 по 2020.

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T11:55:53Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over Студент,ГК: 1. Персонализированное обучение
Студент->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>Студент: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>Студент: Персональные задания

}}
== Представление датасета в rawgraph ==
[[Файл:Viz4567.jpg|мини]]
График описывает изменение численностей популяций разных видов лобстеров в период с 1970 по 2020.
== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Файл:Viz4567.jpg

2025-12-17T11:55:01Z

Конухова Анастасия:

График Лобстеров

Обсуждение участника:Конухова Анастасия

2025-12-17T10:37:16Z

Конухова Анастасия: /* Схема Mermaid */

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over Студент,ГК: 1. Персонализированное обучение
Студент->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>Студент: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>Студент: Персональные задания

}}

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T10:37:00Z

Конухова Анастасия: /* Схема Mermaid */

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over С,ГК: 1. Персонализированное обучение
Студент->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>Студент: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>С: Персональные задания

}}

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T10:36:19Z

Конухова Анастасия: /* Схема Mermaid */

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over С,ГК: 1. Персонализированное обучение
С->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>С: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>С: Персональные задания

}}

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T10:35:48Z

Конухова Анастасия: /* Схема Mermaid */

Обсуждение участника:Конухова Анастасия

2025-12-17T10:35:22Z

Конухова Анастасия: /* Схема Mermaid */

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box Участники
participant С как Студент
participant П как Преподаватель
participant А as Администрация
end

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over С,ГК: 1. Персонализированное обучение
С->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>С: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>С: Персональные задания

Note over С,ГК: 2. Автоматизация процессов
П->>АП: Загрузить работы на проверку
АП->>АП: Автоматическая оценка
АП->>АК: Анализ ошибок
АП-->>П: Результаты + аналитика
АК-->>П: 60% ошибок в теме "Интегралы"

Note over С,ГК: 3. Создание и адаптация
А->>ГК: Создать интерактивный курс
ГК->>ГК: Генерация материалов
ГК->>АО: Интеграция в систему
А->>С: Доступ к новому курсу
С->>АО: Изучение курса
АО->>АК: Сбор данных прогресса

}}

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T10:34:51Z

Конухова Анастасия:

== Схема Mermaid ==

{{#mermaid:sequenceDiagram
title Применение ИИ в образовании: Полный цикл взаимодействия

box Участники
participant С как Студент
participant П как Преподаватель
participant А as Администрация
end

box ИИ-системы
participant ПА as ИИ-ассистент
participant АО as Адаптивная система
participant АП as Автопроверка
participant АК as Аналитика ИИ
participant ГК as Генератор контента
end

Note over С,ГК: 1. Персонализированное обучение
С->>ПА: Вопрос по сложной теме
ПА->>АК: Анализ уровня знаний
АК-->>ПА: Выявить пробелы
ПА->>ГК: Запрос контента нужного уровня
ГК-->>С: Объяснение с примерами
ПА->>АО: Подбор упражнений
АО-->>С: Персональные задания

Note over С,ГК: 2. Автоматизация процессов
П->>АП: Загрузить работы на проверку
АП->>АП: Автоматическая оценка
АП->>АК: Анализ ошибок
АП-->>П: Результаты + аналитика
АК-->>П: 60% ошибок в теме "Интегралы"

Note over С,ГК: 3. Создание и адаптация
А->>ГК: Создать интерактивный курс
ГК->>ГК: Генерация материалов
ГК->>АО: Интеграция в систему
А->>С: Доступ к новому курсу
С->>АО: Изучение курса
АО->>АК: Сбор данных прогресса

Note over С,ГК: 4. Аналитика и улучшение
АК->>АК: Анализ эффективности
АК-->>А: Отчеты и insights
АК-->>П: Рекомендации по teaching
А->>ГК: Улучшить курс на основе данных

loop Непрерывная оптимизация
АК->>АО: Корректировка траекторий
АО->>С: Обновленные материалы
end

opt Поддержка отстающих
АК->>П: Уведомление о проблемах
П->>С: Индивидуальная помощь
end
}}

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T08:45:27Z

Конухова Анастасия:

== Модель в Graphviz ==
Этот граф показывает структуру области искусственного интеллекта, выделяя четыре ключевых аспекта: основные технологические подходы (машинное обучение, глубокое обучение), необходимую инфраструктуру (данные, вычисления), практические приложения в различных сферах и возникающие этические вопросы с потребностью в регулировании.
[[Файл:Photo 2025-12-17 11-43-59.jpg|мини]]

== Этика и искусственный интеллект ==

* https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC

{{#widget:iframe
|url=https://app.vosviewer.com/?json=https%3A%2F%2Fdrive.google.com%2Fuc%3Fid%3D1qgf-79v0aNIXhod_-gUv8cpICi5vsomC
|width=1000
|height=1000
}}

== Датасет психологов ==

* https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv

{{#get_web_data:url=https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/lens-mgu-psychol.csv
|format=csv with header
|data=Title=Title,Author=Author/s,URL=External URL
}}

{| class="wikitable sortable"
! Название
! Авторы
! URL {{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Title}}}
{{!}} {{{Author}}}
{{!}} {{{URL}}} }}
|}

Обсуждение участника:Конухова Анастасия

2025-12-17T08:45:06Z

Конухова Анастасия:

Файл:Photo 2025-12-17 11-43-59.jpg

2025-12-17T08:44:26Z

Конухова Анастасия:

Граф