Методы и модели интеллектуального автоматизированного контроля знаний
и тестирования и т.п.).
Подсчет показывает, что в состав этого семейства входят, по крайней
мере, 24 алгоритма оценивания широты знаний и 78 алгоритмов оценивания
глубины знаний, что позволяет организатору тестирования выбирать в
конкретной ситуации именно тот алгоритм, который наилучшим образом
соответствует требованиям действующих инструктивно-методических документов,
либо который он считает наиболее адекватным собственному представлению об
организации контроля знаний [27].
Рис. 1 – Свойства алгоритмов прямого тестирования
2.2.5 Метод адаптивного автоматизированного тестирования знаний
Адаптивным тестированием знаний будем называть способ экзаменационного
контроля уровня подготовки обучаемого, при котором процедура выбора и
предъявления ему очередного тестового задания на (t+1)-м шаге тестирования
определяется ответами обучаемого на предыдущих t шагах теста.
Математическую основу такого учета составляет предложенная в [2] модель
объединения тестовых заданий в тематические последовательности со
взвешенным ранжированием как отдельных заданий, так и целых
последовательностей и выведением итоговой оценки за тест с учетом
нормированной суммы баллов, накапливаемой за выбранные обучаемым варианты
ответов.
Пусть V = {vj}, [pic] - множество тестовых заданий, которые могут
использоваться для формирования теста, VT = {vi}, VT ? V, [pic] - тестовые
задания, отобранные для проверки знаний конкретного тестируемого, причем N
<< Nmax. Обозначим St нормированную относительно количества заданных
вопросов сумму баллов, накопленную обучаемым за ответы на 1, 2, …, t-м
шагах теста, причем t ? N, а 0 ? St ? 1. Шкалу итогового оценивания
знаний ZI упрощенно представим в виде
ZI = [0; I1/O1; I2/O2; …; In/On; 1/On+1]
где 0 < I1 < I2 < …< In < 1 – границы оценочных интервалов; Oi, [pic]
- оценка, которой характеризуются знания тестируемого в случае, когда
накопленная им сумма баллов St попадает в интервал (Ii-1,Ii].
Поскольку N << Nmax, то согласно теории вероятностей сумма баллов St
может использоваться для оценивания знаний обучаемого с доверительной
вероятностью Pt < 1 и, следовательно, при выведении итоговой оценки знаний
по результатам t ? N шагов тестирования необходимо учитывать ненулевой
интервал неопределенности ±?I>0, в котором с вероятностью Pt находится
истинное значение Stи: Stи?[St-?I;St+?I]. C практической
точки зрения это означает, что при проецировании значения St на шкалу ZI
следует принимать во внимание не только сегмент этой шкалы (Ii,Ii+1], в
который попадает значение St, но и его зонирование с учетом интервала
неопределенности ?I.
При попадании суммы баллов в интервал Ii+?I
| |  скачать работу |
Методы и модели интеллектуального автоматизированного контроля знаний |
