НЕЙРОСЕТЕВЫЕ МЕТОДЫ РЕАЛИЗАЦИИ АДАПТИВНОГО ТЕСТИРОВАНИЯ - Студенческий научный форум

VIII Международная студенческая научная конференция Студенческий научный форум - 2016

Личный портфель

НЕЙРОСЕТЕВЫЕ МЕТОДЫ РЕАЛИЗАЦИИ АДАПТИВНОГО ТЕСТИРОВАНИЯ

Макарова К.И. 1
1Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского
 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Развитие тестирования как метода психолого-педагогической диагностики началось в 19 веке. В настоящее время тестирование интенсивно применяется в педагогических целях, в том числе и для диагностики результатов учебной деятельности студентов вузов [1].

Одной из проблем в развитии тестирования является недостаточная надёжность оценок, получаемых с помощью распространённых моделей тестирования знаний. Решить эту проблему позволяет использование адаптивного тестирования

Адаптивное тестирование (АТ) – разновидность тестирования, при котором порядок предъявления заданий (или трудность заданий) зависит от ответов испытуемого на предыдущие задания. Адаптивное тестирование позволяет повысить эффективность контрольно-оценочных процедур за счет индивидуализации процедуры тестирования, что, в свою очередь, приведет к точности измерения, минимизации числа заданий и времени на контроль.

Для организации адаптивного тестирования необходимо разработать следующие компоненты: цели тестирования, способы построения набора заданий тестирования, методы проведения тестирования, методы проверки результатов тестирования, методы оценивания результатов тестирования, правила окончания тестирования. Особый интерес представляют методы проведения тестирования, классификация которых приведена в работе [2].

На данном этапе проведен анализ исследований в области теории и практики АТ [3-5], который позволяет сделать вывод о том, что способы построения траектории АТ при помощи задания переходов между состояниями (используя Байесовские сети, цепи Маркова, сети Петри, конечные автоматы) достаточно хорошо изучены. В связи с этим была определена цель работы – рассмотреть возможность использования нейросетевых методов для построения траектории АТ.

Процесс тестирования с использованием нейронной сети можно описать следующим образом [6]: На вход подаются 3 параметра: X1 − номер этапа тестирования, X2 − уровень сложности вопроса в тесте, X3 − количество правильных ответов, набранных испытуемым после одного этапа тестирования. Выход нейронной сети – Yi − данные о повышении или понижении уровня сложности вопроса на следующем этапе тестирования испытуемого, где i = 1,N. Где N − количество этапов тестирования.

На начальной фазе тестирования испытуемому предлагается пройти первый этап, вопросы которого отражают фундаментальные знания по дисциплине. Целью данного этапа является выявление уровня подготовленности испытуемого. В процессе тестирования система переводит испытуемого с одного этапа тестирования на другой с учетом его подготовленности, повышая или понижая уровень сложности вопросов в тесте. Процесс завершается попрохождению испытуемым всех запланированных в тестировании этапов, подведением итоговой оценки.

В дальнейшем планируется изучить программное обеспечение, применяемое для моделирования нейронных сетей, что позволит разработать тестирующую систему, использующую нейросетевые методы для построения траектории АТ.

Источники информации

  1. Балакирева, Е.И. Использование Moodle для дистанционного тестирования учебных достижений студентов вузов/ Е.И. Балакирева, Е.В. Кудрина//Материалы Международной научной конференции, посвящённой 100-летию СГУ «Компьютерные науки и информационные технологии» -Саратов: Изд-во Сарат. ун-та, 2009. - стр. 19-22.

  2. Метод разработки алгоритмов адаптивного тестирования [Электронный ресурс]. URL: http://cyberleninka.ru/article/n/metod-razrabotki-algoritmov-adaptivnogo-testirovaniya (дата обращения: 28.11.2015).

  3. Юрьев, Г.А. Математическая модель интерпретации результатов компьютерного тестирования с использованием Марковских сетей: Автореферат диссертации на соискание ученой степени кандидата физико-математических наук. Москва, 2013.

  4. Ульянов, Д.А. Марковская модель адаптивного тестирования и ее программная реализация в условиях дистанционного обучения: Автореферат диссертации на соискание ученой степени кандидата технических наук. Иркутск, 2005.

  5. Дуплик, С.В. Модель адаптивного тестирования на нечеткой математике. Текст. / С.В. Дуплик // Информатика и образование. 2004. - № 11. - С. 57-65.

  6. Применение модифицированных алгоритмов обучения нейронных сетей в задачах адаптивного тестирования [Электронный ресурс]. URL: http://na-journal.ru/4-2012-tehnicheskie-nauki/159-primenenie-modificirovannyh-algoritmov-obuchenija-nejronnyh-setej-v-zadachah-adaptivnogo-testirovanija (дата обращения: 06.12.2015).

Просмотров работы: 743