
Л.Н. Гумилев атындағы Еуразия ұлттық университетінде философия докторы (PhD) дәрежесін алу үшін Ергеш Манас Жантуғанұлы «8D06102 – Информатика» білім беру бағдарламасы бойынша «Қазақ тіліндегі мектеп пәндері бойынша интеллектуалды сұрақ-жауап жүйесін жасау технологиясы» тақырыбында диссертациясы қорғалады.
Диссертация Л.Н.Гумилев атындағы Еуразия ұлттық университетінің «Жасанды интеллект технологиялары кафедрасы» кафедрасында орындалды.
Қорғау тілі - қазақ тілінде
Ресми рецензенттер:
Тукеев Уалшер Ануарбекович – техника ғылымдарының докторы, профессор, Әл-Фараби атындағы Қазақ ұлттық университетінің Ақпараттық жүйелер кафедрасының профессоры (Алматы қ., Қазақстан Республикасы);
Шоманов Адай Сакенович – философия докторы (PhD), Nazarbayev University, Компьютерлік ғылымдар және жасанды интеллект мектебінің оқытушысы (Астана қ., Қазақстан Республикасы).
Диссертациялық кеңестің уақытша мүшелері:
Мамырбаев Оркен Жумажанович – философия докторы (PhD), профессор, «Ақпараттық және есептеу технологиялары институты» РМК бас директорының орынбасары (Алматы қ., Қазақстан Республикасы);
Аканова Акерке Сапаровна – философия докторы (PhD), Astana IT университеті «Бағдарламалық инженерия» мектебінің қауымдастырылған профессоры (Астана қ., Қазақстан Республикасы);
Мұхиядин Айнұр Ұлықпанқызы – философия докторы (PhD), Esil University мекемесінің «Ақпараттық жүйелер және технологиялар» кафедрасының доцент міндетін атқарушысы (Астана қ., Қазақстан Республикасы).
Ғылыми кеңесшілері:
Шәріпбай Алтынбек Әмірұлы – техника ғылымдарының докторы, профессор, «Жасанды интеллект технологиялары» кафедрасының профессоры, Л.Н. Гумилев атындағы Еуразия ұлттық университеті (Астана қ., Қазақстан Республикасы);
Сади Эврен Шекер (Sadi Evren Seker) – философия докторы (PhD), Компьютерлік ғылымдар кафедрасының профессоры, Эрик Джонссон атындағы инженерия және компьютерлік ғылымдар мектебі, Техас университеті, Даллас (University of Texas at Dallas) (Ричардсон қ., АҚШ).
Қорғау 2026 жылғы 13 қараша, сағат 16:00 Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «8D06102 – Информатика» білім беру бағдарламасы бойынша «8D061 – Ақпараттық-коммуникациялық технологиялар» кадрларды даярлау бағыты бойынша диссертациялық кеңесте өтеді. Диссертациялық кеңес мәжілісі офлайн және онлайн форматта өткізіледі деп жоспарлануда.
Сілтемесі: https://surl.li/ftnmaa
Мекен-жайы: Астана қаласы, Қажымұқан көшесі, 13, №3 оқу ғимаратының №205 аудиториясы.
Аңдатпа (қаз.): Зерттеу тақырыбының өзектілігі. Білім беру жүйесін цифрландыру, жасанды интеллект технологияларын оқу үдерісіне енгізу және білім алушыларға дербестендірілген цифрлық қызметтер ұсыну қазіргі кезеңдегі маңызды ғылыми-техникалық міндеттердің қатарына жатады. Әлемде табиғи тілді өңдеу, үлкен тілдік модельдер, онтологиялық модельдеу және іздеумен толықтырылған генерация (Retrieval-Augmented Generation, RAG) технологияларына негізделген интеллектуалды сұрақ-жауап жүйелері қарқынды дамып келеді. Алайда қазақ тілі үшін, әсіресе мектеп пәндері деңгейінде, мұндай жүйелер жеткілікті дамымаған. Оның негізгі себептері – қазақ тіліндегі сапалы пәндік корпустардың аздығы, аннотацияланған білім беру деректерінің шектеулілігі және қазақ тілінің агглютинативті морфологиясын ескеретін арнайы модельдердің жеткіліксіздігі. «Қазақстан тарихы» сияқты фактологиялық пәндерде интеллектуалды жүйе жауабының тек мағыналық жағынан дұрыс болуы жеткіліксіз: жауап нақты оқу материалына негізделуі, пайдаланушыға түсінікті болуы және оның дереккөзі көрсетілуі тиіс. Сондықтан пәндік мәтіндік корпусты, онтологиялық білімді және нейрожелілік модельдерді бір архитектурада біріктіретін гибридті нейро-символдық тәсілдерді әзірлеу қажет. Диссертациялық зерттеу осы ғылыми мәселені шешуге бағытталған. Диссертациялық зерттеудің мақсаты – «Қазақстан тарихы» пәні бойынша білімді формалдау, онтологиялық модельдеу және машиналық оқыту әдістерін біріктіру арқылы қазақ тіліндегі сұрақтарға нақты әрі негізделген жауап беретін интеллектуалды жүйені құру технологиясын әзірлеу. Зерттеу міндеттері: 1) білім беру саласында интеллектуалды сұрақ-жауап жүйелерін құруға арналған ғылыми еңбектерге шолу және талдау жасау; 2) мектеп оқулықтары негізінде «Қазақстан тарихы» пәнінің арнайы мәтіндік корпусын (KAZHISTEDU) жинақтау, цифрландыру және машиналық оқытуға бейімдеп құрылымдау; 3) пәндік саланы онтологиялық модельдеу, терминологиялық тезаурус құру және семантикалық байланыстарды RDF-триплеттер түрінде автоматты генерациялау алгоритмін әзірлеу; 4) қазақ тіліндегі пәндік сала бойынша интеллектуалды сұрақ-жауап жүйесінің моделін әзірлеу; 5) қазақ тіліндегі мектеп пәндері бойынша интеллектуалды сұрақ-жауап жүйесін жасау технологиясын әзірлеу және бағдарламалық жүзеге асыру. Зерттеу объектісі – «Қазақстан тарихы» пәні бойынша қазақ тіліндегі оқу-әдістемелік мәтіндер, мектеп оқулықтары және білім беру деректері. Зерттеу пәні – қазақ тіліндегі мәтіндерді интеллектуалды өңдеу, онтологиялық модельдеу және сұрақ-жауап жүйелерін құру әдістері. Зерттеу әдістері. Зерттеу барысында табиғи тілді өңдеу, мәтіндерді цифрландыру және құрылымдау, таңбаларды оптикалық тану (OCR), мәтінді нормализациялау, пәндік онтология мен терминологиялық тезаурус құру, білімді RDF-триплеттер түрінде ұсыну, ақпараттық іздеу, машиналық оқыту және терең нейрожелілік модельдеу әдістері қолданылды. Экстрактивті сұрақ-жауап міндетінде BERT негізіндегі тілдік модельдер, ал қорытынды көптапсырмалы EduRAG-TutorKZ моделінде генеративті Seq2Seq Transformer архитектурасы пайдаланылды. Нейрожелілік және онтологиялық компоненттер гибридті нейро-символдық тәсіл мен RAG технологиясы аясында біріктірілді. Модельдер мен алгоритмдердің тиімділігі Exact Match (EM), F1, P@k, Recall@k, MRR, nDCG, Accuracy, Macro F1 және Weighted F1 метрикалары арқылы бағаланды. Қорғауға шығарылатын негізгі қағидалар (дәлелденген ғылыми гипотезалар және жаңа білім болып табылатын басқа да тұжырымдар): 1. Мектеп оқулықтарын бөлім деңгейінде цифрландыру және құрылымдау арқылы қалыптастырылған KAZHISTEDU мәтіндік корпусы мен білім базасы оқу мәтінін, сұрақ-жауап жұптарын және онтологиялық триплеттерді ортақ бөлім идентификаторымен байланыстырады; бұл жауаптың дереккөзін көрсетуге және оқыту, валидация, тест жиынтықтары арасында деректердің қайталануын болдырмауға мүмкіндік береді. 2. Пәндік ұғымдар мен олардың семантикалық байланыстарын сипаттайтын онтологиялық модель оқулық мәтінінен дәлел табу сапасын арттырады: онтологиялық құжаттарды іздеу индексіне қосқанда BM25 ранжирлеуінің P@1 көрсеткіші 0,556-дан 0,857-ге, nDCG@10 көрсеткіші 0,774-тен 0,925-ке өседі. 3. Онтологиялық білім мен нейрожелілік модельдерді біріктіретін гибридті нейро-символдық тәсіл дұрыс үзіндіні ранжирлеу сапасы мен жауап шығару жылдамдығы бойынша таза нейрожелілік шешімнен басым: BERT негізіндегі модельге берілетін контексті онтологиялық сүзгіден өткізу MRR көрсеткішін 0,802-ден 0,836-ға, Recall@5 көрсеткішін 0,863-тен 0,911-ге арттырып, жауап шығару кідірісін 12,0 мс-тан 4,5 мс-қа қысқартады, ал осы тәсілге негізделген көптапсырмалы EduRAG-TutorKZ моделі сұраққа жауап беруде F1 = 0,875 және EM = 0,809 нәтижесіне жетеді. 4. EduRAG-TutorKZ моделі негізінде әзірленген Qazaq History QA интеллектуалды сұрақ-жауап жүйесі бір генеративті модель арқылы төрт оқу әрекетін – сұраққа жауап беруді, оқу сұрағын құрастыруды, ұғымды түсіндіруді және білім алушының жауабын бағалауды – орындайды; жүйе Астана қаласының екі мектебінің оқу үдерісіне ендірілді. Зерттеудің негізгі нәтижелерінің сипаттамасы. Диссертациялық зерттеу нәтижесінде: – 5–11-сынып оқулықтары негізінде «Қазақстан тарихы» пәнінің құрылымдалған және машиналық оқытуға бейімделген KAZHISTEDU мәтіндік корпусы мен білім базасы қалыптастырылды; ол 77 тарауды, 596 оқу бөлімін, 4 728 Open-QA сұрақ-жауап жұбын, 844 іздеу құжатын және 6 928 онтологиялық триплетті қамтиды; оқулықтарды цифрландыру мен құрылымдаудың толық конвейері әзірленді; – пәндік ұғымдар мен олардың семантикалық байланыстарын сипаттайтын онтологиялық модель мен терминологиялық тезаурус құрылып, дереккөзге байланған RDF-триплеттерді автоматты генерациялау алгоритмі әзірленді; – онтологиялық білімді, пәндік мәтіндерді және нейрожелілік модельдерді біріктіретін гибридті нейро-символдық EduRAG-TutorKZ сұрақ-жауап моделі ұсынылды; – модельдің практикалық іске асырылуы ретінде Qazaq History QA интеллектуалды веб-платформасы әзірленді. Эксперименттік бағалау төрт бағытта жүргізілді. Онтологиялық құжаттарды іздеу индексіне қосу BM25 ранжирлеуінің сапасын арттырды: P@1 көрсеткіші 0,556-дан 0,857-ге, nDCG@10 көрсеткіші 0,774-тен 0,925-ке өсті (тест жиынтығы – 133 сұрақ). Контексті онтологиялық сүзгіден өткізетін гибридті модель BERT негізіндегі таза нейрожелілік модельмен салыстырғанда MRR көрсеткішін 0,802-ден 0,836-ға, Recall@5 көрсеткішін 0,863-тен 0,911-ге арттырып, жауап шығару кідірісін 12,0 мс-тан 4,5 мс-қа қысқартты. Көптапсырмалы EduRAG-TutorKZ моделі сұраққа жауап беруде F1 = 0,875 және EM = 0,809, оқу сұрағын құрастыруда F1 = 0,864 нәтижесін көрсетті; білім алушы жауабын 100 балдық шкала бойынша бағалаудағы орташа абсолюттік қате базалық модельдегі 48,75 балдан 23,91 балға дейін төмендеп, бағалау жауабының талап етілген форматта берілу үлесі 0,98-ге жетті. Тезаурус терминдерін типтер бойынша жіктейтін классификатордың дәлдігі (Accuracy) 0,890, Macro F1 = 0,844, Weighted F1 = 0,895 болды. Алынған нәтижелердің жаңалығы мен маңыздылығының негіздемесі. Зерттеудің ғылыми жаңалығы: 1. Алғаш рет орта мектептің «Қазақстан тарихы» пәні бойынша 5–11-сынып оқулықтарын қамтитын, құрылымдалған және машиналық оқытуға бейімделген KAZHISTEDU білім базасы құрылды. 2. Мәтіннен автоматты түрде алынған және сарапшылық жолмен верификацияланған терминдер негізінде пәндік саланың онтологиялық моделі құрылып, RDF-триплеттерді автоматты генерациялау алгоритмі әзірленді. 3. Цифрлық ресурстары шектеулі қазақ тілі үшін жауаптың дәлдігін арттыру мақсатында онтологиялық модель мен BERT негізіндегі нейрожелілік модельдерді кіріктіретін, контексті сүзуге негізделген гибридті нейро-символдық сұрақ-жауап іздеу моделі және алгоритмі ұсынылды. Ұсынылған EduRAG-TutorKZ моделінің ерекшелігі – мәтіндік дәлелдерді, пәндік онтологияны және нейрожелілік өңдеуді біріктіріп, сұраққа жауап беру, оқу сұрағын құрастыру, ұғымды түсіндіру және білім алушының жауабын бағалау міндеттерін бір архитектура шеңберінде орындауында. Модель генеративті көптапсырмалы Seq2Seq архитектурасына негізделген. Зерттеудің теориялық маңыздылығы қазақ тіліндегі табиғи тілді өңдеу, пәндік білімді формалдау, онтологиялық модельдеу және интеллектуалды сұрақ-жауап жүйелерін құру әдістерін дамытуға қосқан үлесімен айқындалады: агглютинативті және цифрлық ресурстары шектеулі тілдер үшін пәндік білімді семантикалық құрылымдау мен оны нейрожелілік модельдермен біріктірудің ғылыми-әдістемелік негіздері кеңейтілді. Практикалық маңыздылығы зерттеу нәтижелерінің Qazaq History QA интеллектуалды веб-платформасы түрінде іске асырылуымен айқындалады. Жүйе оқушылардың қазақ тіліндегі сұрақтарына оқулық материалынан дәлелді жауап береді, тарихи ұғымдар арасындағы байланыстарды көрсетеді және мұғалімдердің ақпарат іздеуге жұмсайтын уақытын азайтады. Зерттеу нәтижелері Астана қаласы әкімдігінің «№36 жалпы орта білім беретін мектеп» КММ мен «№106 орта мектеп» КММ-нің оқу үдерісіне ендірілді. Жаңа оқулық цифрландыру конвейері арқылы қосылатындықтан, ұсынылған технология басқа мектеп пәндеріне бейімделе алады. Ғылымның даму бағыттарына немесе мемлекеттік бағдарламаларға сәйкестігі. Диссертациялық зерттеу Қазақстан Республикасында білім беру жүйесін цифрландыру және жасанды интеллект технологияларын енгізу жөніндегі стратегиялық құжаттарда айқындалған міндеттерге сәйкес келеді. Олар: 2029 жылға дейінгі «Digital Qazaqstan» жалпыұлттық стратегиясы (Қазақстан Республикасы Президентінің 2026 жылғы 9 маусымдағы Жарлығымен бекітілген); Қазақстан Республикасында мектепке дейінгі, орта, техникалық және кәсіптік білім беруді дамытудың 2023 – 2029 жылдарға арналған тұжырымдамасы (Қазақстан Республикасы Үкіметінің 2023 жылғы 28 наурыздағы № 249 қаулысы); Жасанды интеллектті дамытудың 2024 – 2029 жылдарға арналған тұжырымдамасы (Қазақстан Республикасы Үкіметінің 2024 жылғы 24 шілдедегі № 592 қаулысы); «Жасанды интеллект туралы» Қазақстан Республикасының 2025 жылғы 17 қарашадағы Заңы; орта білім беру жүйесіне жасанды интеллектті енгізу жөніндегі шаралар туралы Қазақстан Республикасы Президентінің 2026 жылғы Жарлығы. Зерттеу мазмұны білім беру үдерісіне интеллектуалды ақпараттық жүйелерді енгізу, оқытуды дербестендіру және білім сапасын арттыру міндеттерімен сабақтас. Диссертация тақырыбы бойынша зерттеулердің бір бөлігі Қазақстан Республикасы Ғылым және жоғары білім министрлігі Ғылым комитетінің гранттық қаржыландыруы (жоба № AP22787194) аясында орындалды. Зерттеу нәтижелері қазіргі ғылымдағы табиғи тілді өңдеу, үлкен тілдік модельдер, іздеумен толықтырылған генерация, білім графтары, онтологиялық модельдеу, нейро-символдық жасанды интеллект және түсіндірілетін интеллектуалды жүйелер бағыттарына сәйкес келеді. Докторанттың әрбір жарияланымды дайындауға қосқан үлесінің сипаттамасы. Диссертация тақырыбы бойынша 5 ғылыми еңбек жарияланды: Web of Science және Scopus деректер базаларында индекстелетін халықаралық рецензияланатын журналда – 1 мақала, Қазақстан Республикасы Ғылым және жоғары білім министрлігінің Ғылым және жоғары білім саласындағы сапаны қамтамасыз ету комитеті ұсынатын басылымдарда – 3 мақала, халықаралық конференция материалдарында – 1 баяндама. Барлық жарияланымда докторант – бірінші автор. 1. Yergesh M., Yergesh B., Sharipbay A., Seker S.E., Maxutova K. Development of a Hybrid Span-QA Model With Ontology Integration for Semantic Enrichment of Answers // IEEE Access. – 2025. – Vol. 13. – P. 165927–165940. – DOI: 10.1109/ACCESS.2025.3608820 (Web of Science, SCIE – Q2; Scopus – 84-процентиль). Докторанттың үлесі: онтологиялық семантикалық байытуы бар гибридті экстрактивті сұрақ-жауап моделінің архитектурасын әзірледі, деректер жиынтығын дайындады, модельдерді оқытып, эксперименттерді жүргізді, нәтижелерді талдады және мақала мәтінін дайындады. 2. Yergesh M.Zh., Yergesh B.Zh., Abdukarimova A.A., Orazayeva A.R. KAZHISTEDU: Digitization, Structuring, and Ontology of the “History of Kazakhstan” Educational Materials // Вестник Алматинского университета энергетики и связи. – 2025. – № 4(71). – P. 162–172. – DOI: 10.51775/2790-0886_2025_71_4_162. Докторанттың үлесі: оқулықтарды цифрландыру мен құрылымдау конвейерін әзірледі, KAZHISTEDU корпусын, сұрақ-жауап жиынтықтары мен онтологиялық триплеттерді қалыптастырды, базалық іздеу әдістерін бағалады және мақала мәтінін дайындады. 3. Ергеш М.Ж., Ергеш Б.Ж., Оразаева А.Р., Талгат А. Построение и лингвистический анализ вопросно-ответного корпуса Kazakh HistoryQA // Шәкәрім университетінің хабаршысы. Техникалық ғылымдар сериясы. – 2026. – № 1(21). – С. 126–135. – DOI: 10.53360/2788-7995-2026-1(21)-14. Докторанттың үлесі: Kazakh HistoryQA сұрақ-жауап корпусын құрастырды, оның лингвистикалық және статистикалық талдауын жүргізді, базалық әдістерді бағалады және мақала мәтінін дайындады. 4. Ергеш М.Ж., Ергеш Б.Ж., Максутова К.М., Тулегулов А.Д. Онтологиялық тезаурусты қолдану әдістемесі сұрақ-жауап жүйелеріне арналған бағдарламалық модуль құру // ҚазТБУ Хабаршысы. – 2026. – № 1(30). – Б. 153–170. – DOI: 10.58805/kazutb.v.1.30-1415. Докторанттың үлесі: онтологиялық тезаурусты құру және оны сұрақ-жауап жүйесінде қолдану әдістемесін әзірледі, бағдарламалық модульді жүзеге асырды, эксперименттерді жүргізді және мақала мәтінін дайындады. 5. Yergesh M., Sharipbay A., Sadi E.S., Yergesh B., Orynbay L., Maxutova K. A System for Classifying Kazakh Language Documents: Morphological Analysis and Automatic Keyword Identification // 2024 IEEE 3rd International Conference on Problems of Informatics, Electronics and Radio Engineering (PIERE). – IEEE, 2024. – P. 1780–1786. – DOI: 10.1109/PIERE62470.2024.10804927. Докторанттың үлесі: морфологиялық талдауға және кілт сөздерді автоматты анықтауға негізделген қазақ тіліндегі құжаттарды жіктеу жүйесін әзірледі, эксперименттерді жүргізді және баяндама мәтінін дайындады. Сонымен қатар диссертация тақырыбы бойынша авторлық құқықпен қорғалатын объектілерге құқықтардың мемлекеттік тізіліміне мәліметтерді енгізу туралы 3 куәлік алынды (диссертацияның А қосымшасы). Диссертацияның негізгі ғылыми нәтижелері мен қорытындылары автордың тікелей қатысуымен алынған.
Зерттеулерді этикалық бағалау жөніндегі комиссияның қорытындысы
