Oʻzbekcha
AI-REPETITOR CHATBOTLARNING O‘ZBEK TILIDAGI JAVOBLARI LINGVISTIK SIFATI: KORPUS ASOSIDAGI TAHLIL METODOLOGIYASI
Journal
Filologiyaning dolzarb masalalari
Issue
“Filologiyaning dolzarb masalalari” mavzusidagi respublika ilmiy-amaliy anjumani
Abstract
Mazkur maqolada sun’iy intellekt asosidagi AI-repetitor chatbotlarning o‘zbek tilidagi javoblari lingvistik sifatini baholash muammosi ko‘tarilgan. Ta’lim sohasida chatbotlardan foydalanish kengaygan sari, ularning javoblari nafaqat mazmunan to‘g‘ri, balki o‘zbek tilining morfologik, sintaktik va uslubiy me’yorlariga mos bo‘lishi pedagogik jihatdan muhim ahamiyat kasb etadi, chunki notabiiy yoki xato nutq namunasi o‘quvchida noto‘g‘ri til ko‘nikmasini shakllantirishi mumkin. Tadqiqotda kompyuter lingvistikasi va pedagogika fanlari kesishmasida yotgan interdisiplinar yondashuv taklif etilgan: chatbot javoblarini baholash uchun ikki qatlamli — avtomatik (morfologik to‘g‘rilik, leksik xilma-xillik) va ekspert-baholash (pragmatik mosligi, pedagogik ohang) — metodika ishlab chiqilgan.
Keywords
AI-repetitor
kompyuter lingvistikasi
korpus tahlili
o‘zbek tili
chatbot
nutq sifati
pedagogik pragmatika
tabiiy tilni qayta ishlash (NLP).
Русский
В статье рассматривается проблема оценки лингвистического качества ответов на узбекском языке, генерируемых чат-ботами, выполняющими роль ИИ-тьюторов. По мере расширения использования чат-ботов в сфере образования особое педагогическое значение приобретает соответствие их ответов не только фактической точности, но и морфологическим, синтаксическим и стилистическим нормам узбекского языка, поскольку неестественные или ошибочные речевые конструкции могут сформировать у обучающихся неправильные языковые навыки. В исследовании предлагается междисциплинарный подход, объединяющий методы компьютерной лингвистики и педагогики: для оценки ответов чат-ботов разработана двухуровневая методика, сочетающая автоматический анализ (морфологическая точность, лексическое разнообразие) и экспертную оценку (прагматическая уместность, педагогический тон).
ИИ-тьютор
компьютерная лингвистика
корпусный анализ
узбекский язык
чат-бот
качество речи
педагогическая прагматика
обработка естественного языка (NLP).
English
This article addresses the problem of evaluating the linguistic quality of Uzbek-language responses generated by AI-tutor chatbots. As chatbot use in education expands, the extent to which responses conform not only to correct content but also to the morphological, syntactic, and stylistic norms of the Uzbek language becomes pedagogically significant, since unnatural or erroneous speech patterns may shape incorrect linguistic habits in learners. The study proposes an interdisciplinary approach situated at the intersection of computational linguistics and pedagogy: a two-layer methodology combining automatic evaluation (morphological accuracy, lexical diversity) and expert rating (pragmatic appropriateness, pedagogical tone) is developed for assessing chatbot responses.
AI tutor
Uzbek language
chatbot
computational linguistics
corpus analysis
speech quality
pedagogical pragmatics
natural language processing (NLP).
1. Hojiyev A. Til va nutq madaniyati asoslari. — Toshkent: Fan, 2015. — 184 b.
2. Sirojiddinov Sh., Boqiyeva G. Matn lingvistikasi. — Toshkent: Akademnashr, 2016. — 240 b.
3. Luckin R., Holmes W., Griffiths M., Forcier L.B. Intelligence Unleashed: An Argument for AI in Education. — London: Pearson Education, 2016. — 60 p.
4. Rodríguez-Cantelar M. va boshq. Robust Conversational Agents against Imperceptible Toxicity Triggers // Proceedings of DSTC11. — 2023. — P. 112–124.
5. Mendonça V. va boshq. Simple LLM Prompting is State-of-the-Art for Robust and Multilingual Dialogue Evaluation // Proceedings of DSTC11 Workshop. — 2023. — P. 133–141.
6. Musayev M. O‘zbek tilida muloqot tizimlari, nutq jarayonlarini amalga oshirish texnologiyalari tahlili // Axborot texnologiyalari va kommunikatsiyalari. — 2025. — №4. — B. 15–24.
7. Mamasoliyev B., Qodirova N. UzRoBERTa va BERTbek: o‘zbek tili uchun sun’iy intellekt asosidagi til modellari // O‘zbek tili va adabiyoti. — 2025. — №5. — B. 33–41.
8. Yo‘ldoshev J.G‘. Pedagogik texnologiya asoslari. — Toshkent: O‘qituvchi, 1999. — 96 b.
9. Papineni K. va boshq. BLEU: a Method for Automatic Evaluation of Machine Translation // Proceedings of ACL. — 2002. — P. 311–318.
10. Liu Y. va boshq. G-Eval: NLG Evaluation using GPT-4 with Better Human Alignment // Proceedings of EMNLP. — 2023. — P. 2511–2522.
11. Firmansyah D., Dede. Common Sampling Techniques in Research Methodology: A Literature Review // Jurnal Metodologi Penelitian. — 2022. — Vol. 4, № 2. — P. 88–96.
12. O‘zbekiston Respublikasi Prezidentining “Raqamli O‘zbekiston — 2030” strategiyasini tasdiqlash to‘g‘risida”gi PF-6079-son Farmoni, 2020-yil 5-oktabr.
