Адаптивне тестування знань методами логічних мереж
DOI:
https://doi.org/10.30837/bi.2020.2(95).11Ключові слова:
ДИСТАНЦІЙНА ОСВІТА, ЛОГІЧНА МЕРЕЖА, АЛГЕБРА СКІНЧЕННИХ ПРЕДИКАТІВ, ДИСТАНІЙНЕ ТЕСТУВАННЯ ЗНАНЬ, МОДЕЛЬ СУБ’ЄКТА НАВЧАННЯАнотація
Під адаптивним тестовим контролем розуміють комп’ютеризовану систему науково обґрунтованої перевірки й оцінювання результатів навчання, що має високу ефективність за рахунок оптимізації процедур генерації, пред’явлення й оцінки результатів виконання адаптивних тестів, що заснована на методах побудови та оптимізації логічних мереж. Алгоритми підбору й пред’явлення завдань будуються за принципом зворотного зв’язку, коли при правильній відповіді суб’єкта навчання чергове завдання вибирається більш важким, а невірна відповідь спричиняє пред’явлення наступного більш легкого завдання, ніж те, на яке суб’єктом навчання була дана невірна відповідь. Також є можливість завдання додаткових питань по темах, які суб’єкт навчання знає не дуже добре для більш точного з’ясування рівня знань у даних областях. Вибір алгоритмів тестування наразі фактично обмежений формами представлення тестових завдань і алгоритмами оцінювання результатів тестування. Досягнення більш високих результатів і підвищення мотивації навчання в остаточному підсумку є основною метою тестування знань. Для визначення базового алгоритму, необхідно навести сценарій роботи системи. У його основі лежить модель приймання іспиту викладачем у студента, як модель адаптивного тестування. Такий вибір сценарію роботи системи обумовлений тим, що, по-перше, дана процедура історично добре формалізована, по-друге, при проектуванні тестів, їх розробнику необхідно спиратися на загальноприйняті, відомі й використовувані їм методи з мінімальною модифікацією.
Посилання
Шабанов-Кушнаренко Ю.П. Про теорію інтелекту // Проблеми біоніки // Х.: Вища школа, 1979. – Вип. 22. – с. 3-11.
Шабанов-Кушнаренко Ю.П. Теорія інтелекту. Проблеми й перспективи // X.: Вища школа, 1987. – 160 с.
Логічні мережі та їх використання для вирішення морфологічних завдань / І.Ю. Шубін, М.О. Пітюкова // Матеріали ІІІ Міжнародної конференції «Інноваційні технології в науці та освіті». м. Амстердам, Нідерланди, 2019. – С. 402-405
Алгебра предикатов и предикатных операций./ М.Ф. Бондаренко, З.В. Дударь, Н.Т. Процай, В.В. Черкашин, В.А. Чикина, Ю.П. Шабанов-Кушнаренко // Радиоэлектроника и информатика. – 2004.–№ 1. – С. 5-22
Learning management system // URL: https://en.wikipedia. org/wiki/Learning_management_system (дата звернення: 26.04.2020).
Бейкер, Р. Educational data mining and learning analytics/ Р. Бейкер, Г. Сіменс – The Cambridge handbook of the learning sciences, 2019. – 274 с.
Fourier J. Un modele d’indexation relationnel pour les graphes conceptuels fondee sur une interpretation logique: Phd thesis // Universitee. – Grenoble, 1998. – 302 p.
Климушев В.Б. Моделювання кореляційного алгоритму розпізнавання образів на базі формальної граматики // Автоматизовані системи керування й прилади автоматики. – 2001. – №115.– С. 54-74.
Brainlike computing / Shabanov-Kushnarenko Yu., Klimushev V., Lukashenko O. // Proceedings of the East- West Design and Test Workshop. Odessa, Ukraine, September 15 – 19, 2005, p. 274 - 279.
Бондаренко М.Ф., Осика А.Ф. Автоматична обробка інформації природньою мовою. // Київ: УМК В, 1991. – 143 с.
Бондаренко М.Ф., Дудар З.В., Процай Н.Т., Черкашин В.В., Чикина В.А., Шабанов-Кушнаренко Ю.П. Алгебра предикатів і предикатних операцій // Радіоелектроніка й інформатика. – 2004.–№ 1. – С. 5-22.
Четвериков Г.Г. Многозначные структуры (анализ, сравнение, синтез, обобщение). ч.1. – К.: ИСМО, 1997. – 192.
Chetverikov G.G., Vechirska I.D., Tanyanskiy S.S. The methods of algebra finite predicates in the intellectual system of complex calculations of telecommunication companies // International Conference Proceedings Crimean Microwave and Telecommunication Technology (CriMiCo).-2014, 6959425. - pp. 346-347.
Chetverikov G., Puzik O., Vechirska I. Multiple-valued structures of intellectual systems //Proceedings of the with Internations Computer Sciences and Information Technologies (CSIT). 2016, 7589907. – pp. 204-207.