جزئیات پروژه

پلتفرم نوزیا (Nuzia) یک دستیار هوشمند و تخصصی در زمینه آموزش زبان انگلیسی است که تمرکز اصلی خود را بر روی ارزیابی و تصحیح رایتینگ‌های آزمون آیلتس (IELTS) قرار داده است. این پلتفرم با بهره‌گیری از مدل‌های پیشرفته هوش مصنوعی، به زبان‌آموزان و داوطلبان این آزمون کمک می‌کند تا بدون نیاز به پرداخت هزینه‌های بالای کلاس‌های خصوصی یا صرف زمان طولانی برای دریافت بازخورد از اساتید، مهارت نوشتاری خود را به صورت خودخوان بسنجند و ارتقا دهند. نوزیا به عنوان یک ابزار نوین، فرآیند پرچالش آماده‌سازی برای بخش رایتینگ آیلتس را برای کاربران بسیار ساده‌تر، سریع‌تر و هدفمندتر کرده است.

 

عملکرد اصلی نوزیا به این صورت است که زبان‌آموزان متن رایتینگ خود (Task 1 یا Task 2) را در سیستم وارد می‌کنند و هوش مصنوعی در کوتاه‌ترین زمان ممکن، آن را دقیقاً بر اساس چهار معیار استاندارد و رسمی آزمون آیلتس ارزیابی می‌کند. این چهار فاکتور شامل پاسخگویی به سوال (Task Response)، انسجام و پیوستگی (Coherence & Cohesion)، دایره واژگان (Lexical Resource) و دقت و تنوع گرامری (Grammatical Range & Accuracy) هستند. نوزیا نه تنها یک نمره تخمینی (Band Score) نزدیک به واقعیت به کاربر ارائه می‌دهد، بلکه خطاهای گرامری، ساختاری و املایی را به صورت خط به خط مشخص کرده و کلمات یا عبارات حرفه‌ای‌تری را برای جایگزینی پیشنهاد می‌دهد.

 

یکی از بزرگترین مزیت‌های استفاده از دستیار زبانی نوزیا، در دسترس بودن همیشگی (۲۴/۷) و ارائه بازخورد فوری است که به زبان‌آموزان اجازه می‌دهد به صورت مستمر تمرین کنند. این تکرار و تمرین به همراه فیدبک تحلیلی لحظه‌ای، باعث می‌شود کاربر نقاط ضعف خود را به سرعت شناسایی کرده و از تکرار اشتباهات رایج در روز آزمون اصلی جلوگیری کند. علاوه بر تصحیح خطاها، ارائه راهنمایی‌هایی برای بهبود ساختار پاراگراف‌ها و توسعه ایده‌ها، نوزیا را از یک ابزار ساده تصحیح‌گر به یک «معلم خصوصی مجازی» تبدیل کرده است که مسیر رسیدن به نمرات بالاتر (مانند ۷ و بالاتر) در رایتینگ آیلتس را هموارتر می‌سازد.

در ادامه، معماری فنی نوزیا را در لایه اصلی کالبدشکافی می‌کنیم:

۱. پایگاه دانش و موتور RAG تخصصی آیلتس

در نوزیا، سیستم RAG برای جستجو در وب یا اسناد عمومی طراحی نشده است. پایگاه داده برداری (Vector Database) نوزیا شامل اطلاعات کالیبره‌شده برای آزمون است:

  • اسناد مرجع (Ground Truth): شامل جداول رسمی Band Descriptors آیلتس، کامنت‌های ممتحنین رسمی (Examiner Reports) و قوانین گرامری.

  • نمونه‌های استاندارد: مجموعه‌ای از رایتینگ‌های نمره ۸ و ۹ طبقه‌بندی شده بر اساس موضوع (مثلاً محیط زیست، تکنولوژی، آموزش).

  • بازیابی کانتکست (Retrieval): وقتی شما یک رایتینگ با موضوع «ترافیک شهری» در سیستم ثبت می‌کنید، RAG بلافاصله واژگان تخصصی (Collocations)، ایده‌های رایج و ساختارهای مناسب برای این موضوع خاص را از دیتابیس بازیابی کرده و به عنوان الگو در اختیار مدل زبانی قرار می‌دهد تا رایتینگ شما را با آن مقایسه کند.

۲. مدیریت حافظه: از سطح پاراگراف تا پروفایل تاریخی

نوزیا برای اینکه بداند شما چه کسی هستید و دقیقاً در مورد کدام بخش متنتان صحبت می‌کنید، دو سطح حافظه را درگیر می‌کند:

  • حافظه کوتاه‌مدت (Session / Context Window): وقتی نوزیا رایتینگ شما را تصحیح می‌کند، کل متن، شماره خطوط و خطاهای استخراج‌شده را در حافظه فعال نگه می‌دارد. اگر شما در چت بپرسید “چرا در پاراگراف دوم گفتی از Despite استفاده نکنم؟”، سیستم نیازی ندارد متن را دوباره بخواند؛ با استفاده از تکنیک‌های Pointer و حافظه کوتاه‌مدت، مستقیماً به ساختار گرامری همان خط ارجاع می‌دهد.

  • حافظه بلندمدت (Historical Profiling): نوزیا هر خطایی که در رایتینگ‌های قبلی داشته‌اید را به صورت تگ‌های دیتا (مثلاً Error: Articles, Error: Cohesion) ذخیره می‌کند. در طول زمان، سیستم یک گراف از نقاط ضعف شما می‌سازد و می‌فهمد که شما به طور مزمن در استفاده از حروف تعریف (a, an, the) مشکل دارید.

۳. لایه ارزیابی شخصی‌سازی (Personalization Routing)

این هوشمندترین بخش معماری نوزیا است. قبل از اینکه مدل زبانی شروع به تصحیح متن کند، روتر (Router) شخصی‌سازی شرایط شما را بررسی می‌کند:

  1. بررسی نمره هدف (Target Band Score): روتر چک می‌کند که نمره هدف شما چند است. اگر شما برای نمره ۶.۰ تلاش می‌کنید، سیستم در بخش Lexical Resource سخت‌گیری شدیدی نمی‌کند و کلمات سطح C2 را به شما پیشنهاد نمی‌دهد تا گیج نشوید. اما اگر نمره ۸.۰ بخواهید، روتر به مدل زبانی دستور می‌دهد که روی ظرافت‌های معنایی و تنوع گرامری با بالاترین حساسیت تمرکز کند.

  2. تزریق نقاط ضعف (Weakness Injection): روتر به پروفایل تاریخی شما نگاه می‌کند. اگر در رایتینگ‌های قبلی مشکل Coherence (انسجام) داشته‌اید، یک دستور مخفی (System Instruction) به مدل اضافه می‌کند: “این کاربر در ربط دادن پاراگراف‌ها ضعف دارد؛ در بازخورد این متن، تمرکز ویژه‌ای روی بررسی کلمات ربط (Linking Words) داشته باش.”