Анализ и исследование методов построения систем обучающего компьютерного тестирования

NovaInfo 58, с.72-77, скачать PDF
Опубликовано
Раздел: Технические науки
Язык: Русский
Просмотров за месяц: 1
CC BY-NC

Аннотация

В данной статье рассматриваются существующие методы построения обучающего компьютерного тестирования, модель системы компьютерного тестирования представляется в виде набора нечетких переменных, приведено описание реализованных в разработанной системе математических моделях, а также скриншоты разработанной системы.

Ключевые слова

ОБУЧАЮЩЕЕ ТЕСТИРОВАНИЕ, СИСТЕМЫ, МЕТОДЫ ПОСТРОЕНИЯ

Текст научной работы

Введение

Педагогическое компьютерное тестирование, используемое в качестве инструмента оценки уровня усвоения знания, на сегодняшний день достаточно часто применяется как в процессе обычного, так и в процессе дистанционного обучения. Достоинствами использования тестового контроля знаний являются: достижение контроля сразу у большой группы обучающихся, высокая скорость обработки результатов, обезличенность и стандартизации процесса выставления оценки. Над проблемой увеличения эффективности применения средств автоматизации во время контроля знаний с помощью тестов в учебном процессе на сегодняшний день работает достаточно большое количество специалистов, что свидетельствует об актуальности темы, и о существующих перспективах дальнейшей работы в данной области.

На сегодняшний день система контроля качества обучения не основывается на достаточно объективных методах педагогических измерений, поэтому понятие «качества» трактуется сегодня в достаточно произвольной форме, каждый преподаватель создает свою систему заданий для выполнения контроля знаний. Ответы одних и тех же студентов оцениваются разными преподавателями по-разному и отличия в значениях оценок для одной и той же их группы оказываются весьма значительными.

Целью данной работы является: анализ эффективности системы обучающего компьютерного тестирования с элементами нечеткой логики.

Для достижения поставленной цели были решены следующие исследовательские задачи:

  • Провести анализ и исследование методов построения систем обучающего компьютерного тестирования;
  • Составить математическое описание системы обучающего компьютерного тестирования с элементами нечеткой логики;
  • Выполнить программную реализацию системы обучающего компьютерного тестирования с элементами нечеткой логики;
  • Проверить эффективность реализованных алгоритмов системы обучающего компьютерного тестирования с элементами нечеткой логики.

Постановка задачи

Проблема автоматизированного проектирования тестов для осуществления контроля знаний обучающихся на сегодняшний день не может быть корректно и достаточно полно решена, например, из-за большого количества различных ситуаций, возникающих в процессе обучения, а также из-за отсутствия четко описанных критериев автоматизации данной достаточно плохо формализуемой задачи. Несмотря на данные обстоятельства, педагогами и учеными были сформулированы базовые принципы автоматизированной разработки тестов и тестирования.

Технология автоматизированного тестирования должна обладать перечисленными ниже основными характеристиками:

  • присутствие интерактивной инструментальной среды;
  • применение для любой предметной области;
  • отражение разрабатываемой модели предметной области при описании процесса тестирования должно соответствовать реальной обстановке;
  • возможность выбор одного из алгоритмов тестирования;
  • возможность внедрения в различные образовательные технологии;
  • профилируемость;
  • масштабируемость;
  • доступность;
  • пользовательский интерфейс должен быть дружественен;
  • сопровождение базы тестовых многоуровневых заданий;
  • возможность настроить планирование и управление;
  • в качестве цели должно быть достижение более высоких результатов обучения, а также повышение мотивации.

Приведенный перечень характеристик, можно сказать, достаточно полно отражает функционал системы, которая предназначена для реализации обучающего тестирования. Если программное средство соответствует перечисленным критериям, то его можно считать достаточно качественно выполненным. Далее были рассмотрены основные принципы контроля знаний в обучающих системах.

Далее были сформулированы основные требования к автоматизированным системам контроля знаний, рассмотрена структурная схема типичного образовательного приложения, приведено общее описание всех модулей подобного приложения.

В заключении были рассмотрены такие системы как: система Moodle, система Learning Space. Были выделены их достоинства и недостатки. Таким образом, разрабатываемая программное средство должно включать в себя следующие элементы: подсистема построения тестовых заданий, подсистема сбора данных по качеству тестовых заданий и подсистема выработки рекомендаций по содержательной части тестов.

Описание модели системы

В процессе проведенного анализа были выделены перечисленные далее группы нечетких алгоритмов обучения: нечеткий обучающий автомат, обучение на базе условной нечеткой меры и адаптивный нечеткий логический регулятор.

Рассмотрим автомат с четким входом i(t) и зависимым от времени нечетким отношением перехода \delta(t). Пусть (\tilde s(t)) — нечеткое состояние автомата в момент времени t на конечном множестве состояний S={s_{1}, \ldots, s_{n}} и il — оценка значения i(t).Состояние автомата в момент времени (t+1) определяется \min — \max композицией:

\mu_{\tilde{s}(t+1)}(s_k)=\sup_j\min(\mu_{\tilde{s}(t)}(s_j),\mu_{\delta(t)}(s_x,i_l,s_j))

Обучение данного конечного автомата направлено на изменение его нечеткой матрицы переходов:

\mu_{\delta(t)}(s_x,i_l,s_j)=\mu_{\delta-1}(s_x,i_l,s_k), j\neq k

\mu_{\delta-1}(s_x,i_l,s_k)=\alpha_k\mu_{\delta-1}(s_x,i_l,s_k)+(1-\alpha_k)\lambda_k(t)

Формирование модели обучения выполняется следующим образом. Сначала выдвигается предположение, что классификатор имеет в своем распоряжении множество дискриминантных функций от нескольких переменных. Система выполняет адаптацию к наилучшему решению. Лучшее решение отражает множество дискриминантных функций, при которых нераспознавание среди множества дискриминантных функций для данного множества образцов стремится к минимуму.

Выполняется моделирование поиска глобального экстремума функции следующим образом:

  • область определения целевой функции делится на произвольное число подобластей (форма подобластей может варьироваться) и задается некоторым множеством точек;
  • каждой точке определяется состояние автомата, при этом функция принадлежности для каждого состояния показывает степень близости к оптимальному значению;
  • выполняется выбор состояния с максимальным значением функции принадлежности (данная точка называется кандидатом);
  • выполняется формирование новой подобласти из точек, окружающих кандидата (размер подобласти увеличивается при значении целевой функции в точке кандидата меньше, чем в остальных точках выделенной подобласти, и уменьшается в противном случае);
  • при пересечении подобласти с некоторой другой, или в случае, когда две точки-кандидаты находятся в одной подобласти, выполняется разделение подобластей, если степень разделения большая, или объединение, если степень разделения малая;
  • выбор точки-кандидатов выполняется на этапе локального поиска в подобласти, затем по всей области среди точек-кандидатов выполняется поиск глобальной оптимальной точки;
  • как глобальный так и локальный поиск выполняются поочередно.

На сегодняшний день наиболее широкое применение в решении практических задач управления получили нечеткие логические регуляторы, которые на основании лингвистической информации, полученной от опытного оператора, позволяют управлять сложными, достаточно плохо формализованными процессами.

Данные регуляторы используются аналогично традиционным регуляторам с обратной связью. Для определения управляющих воздействий необходимо выполнить четыре основных этапа:

  • Получение и фиксация отклика;
  • Выполнение преобразования значения отклонения к заданному нечеткому виду;
  • Выполнение оценки входного значения по заранее сформулированным правилам принятия решения с помощью композиционного правила вывода;
  • Выполнение вычисления детерминированного выхода, который необходим для регулирования процесса.

Далее были рассмотрены два нечетких алгоритма обучения с использованием лингвистического описания предпочтений: алгоритм формирования нечеткого отношения предпочтений на множестве альтернатив, описываемых наборами лингвистических значений признаков, и алгоритм уточнения лингвистических критериев. Рассмотренные алгоритмы были реализованы в разработанной автоматизированной системе обучающего компьютерного тестирования.

Описание программной разработки

Описанные алгоритмы обучения и нечеткие регуляторы процесса обучения были реализованы в автоматизированной обучающей системе. На рисунке 1 приведен скриншот разработанной системы, отображающий работу с материалом для пользователя «преподаватель».

Пример интерфейса работы с курсами для пользователя преподаватель
Рисунок 1. Пример интерфейса работы с курсами для пользователя преподаватель

Преподаватель в реализованной системе выполняет работу с лекционным материалом и перечнем контролирующих средств для своего курса.

На рисунке 2 показан скриншот интерфейса для просмотра результатов тестирования пользователем студент.

Просмотр результатов тестирования пользователя студент
Рисунок 2. Просмотр результатов тестирования пользователя студент

В зависимости от значения выбранных преподавателем критериев для каждого курса, регулируется уровень подсказки по неправильным ответам студента. Если мера отличия ответа студента от правильного ответа слишком велика, то студенту отображается подробное описание ответа на вопрос. Если студент часто допускает ошибки во время прохождения тестов, то при демонстрации правильного ответа, материал для изучения предоставляется в краткой форме с выделением основных моментов пояснения.

Читайте также

Список литературы

  1. Андреев А.М., Березкин Д.В., Симаков К.В. Особенности проектирования модели и онтологии предметной области для поиска противоречий в правовых электронных библиотеках [Электронный ресурс] - 2013 - http://www.inteltec.ru /publish/ articles/textan/RCDL2004.shtml
  2. Рыбанов А.А. Метод адаптивного тестового контроля знаний на основе поиска по деформируемому симплексу// ОТКРЫТОЕ ОБРАЗОВАНИЕ Издательство: Российский экономический университет имени Г.В. Плеханова (Москва) ISSN: 1818-4243eISSN: 2079-5939 Номер: 3 Год: 2008 Страницы: 31-36
  3. Рыбанов А.А., Макушкина Л.А. Технология определения весовых коэффициентов сложности тем дистанционного курса на основе алгоритма Саати// Рыбанов А.А., Макушкина Л.А. Открытое и дистанционное образование. 2016. № 1 (61). С. 69-79.
  4. Рыбанов А., Макушкина Л. Форматы и системы команд, методы адресации. Квантованный учебный текст с заданиями в тестовой форме// Рыбанов А., Макушкина Л. Педагогические измерения. 2015. № 2. С. 50-57.

Цитировать

Васильев, С.Г. Анализ и исследование методов построения систем обучающего компьютерного тестирования / С.Г. Васильев, Л.А. Макушкина. — Текст : электронный // NovaInfo, 2017. — № 58. — С. 72-77. — URL: https://novainfo.ru/article/10447 (дата обращения: 03.12.2022).

Поделиться