350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №2 за 2011 г.
Статья в номере:
Адаптивное тестирование как марковский процесс: модели и их идентификация*
Ключевые слова: адаптивное тестирование марковские модели идентификация марковских моделей IRT классические теории тестирования
Авторы:
Л. С. Куравский - д. т. н., профессор, зав. кафедрой прикладной информатики, декан факультета ИТ Москов-ского городского психолого-педагогического университета. E-mail: l.s.kuravsky@gmail.com Г. А. Юрьев - аспирант Московского городского психолого-педагогического университета
Аннотация:
Представлена новая технология адаптивного тестирования, основанная на использовании обучаемых структур в форме марковских моделей с дискретным и непрерывным временем. Ее особенностями, в частности, являются выявление и использование при построении расчетных оценок временной динамики изменения способности справляться с заданиями теста, а также возможность учета времени, затрачиваемого на решение тестовых задач. Разработанный подход имеет преимущества по сравнению с использованными ранее способами тестирования, что обусловлено его большей информативностью и ускорением процесса выполнения заданий.
Страницы: 21-29
Список источников
  1. Baker, F. B.,The Basics of Item Response Theory. ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD, 2001.
  2. Gregory, R. J., Psychological testing: History, principles, and applications (5th edition). New York: Pearson. 2007.
  3. Gulliksen, H., Theory of Mental Tests. John Wiley & Sons Inc. 1950.
  4. Haberman, S. J., Analysis of qualitative data: new developments. N.Y. 1988.
  5. Kuravsky, L. S. and Baranov, S. N., Condition monitoring of the structures suffered acoustic fatigue failure and forecasting their service life // Proc. Condition Monitoring 2003. Oxford. United Kingdom. P. 256-279. July 2003.
  6. Kuravsky, L. S. and Baranov, S. N., Neural networks in fatigue damage recognition: diagnostics and statistical analysis // Proc. 11th International Congress on Sound and Vibration. St.-Petersburg. Russia. P. 2929-2944. July 2004.
  7. Kuravsky, L. S. and Baranov, S. N., The concept of multifactor Markov networks and its application to forecasting and diagnostics of technical systems // Proc. Condition Monitoring 2005. Cambridge. United Kingdom. P. 111-117. July 2005.
  8. Rasch, G.,Probabilistic models for some intelligence and attainment tests// Copenhagen, Danish Institute for Educational Research, expanded edition (1980) with foreword and afterword by B.D. Wright. Chicago: The University of Chicago Press. 1960/1980
  9. URL: http://www.solver.com
  10. URL: http://www.matlab.mgppu.ru/work/0015.htm
  11. Wright, B. D., Stone, M.N. Best Test Design. Chicago: MESA Press. 1979.
  12. Wright, B. D., Masters, G. N., Rating scale analysis. Rasch measurements. Chicago: MESAPress. 1982.
  13. Аванесов В. С. Педагогическое измерение латентных качеств // Педагогическая диагностика. 2003. № 4. С. 69-78.
  14. Заочников Б. И., Найденова Н. Н., Никифоров С. В., Челышкова М. Б. Шкалирование и выравнивание результатов педагогических измерений. М.: Логос. 2003.
  15. Карданова Е. Ю.Моделирование и параметризация тестов: основы теории и приложения. ФГУ «Федеральный центр тестирования». 2008.
  16. Крамер Г. Математические методы статистики. М.: Мир. 1976.
  17. Куравский Л. С., Баранов С. Н., Малых С. Б. Нейронные сети в задачах прогнозирования, диагностики и анализа данных: Учеб. пособие. М.: РУСАВИА. 2003.
  18. Куравский Л. С., Баранов С. Н. Применение нейронных сетей для диагностики и прогнозирования усталостного разрушения тонкостенных конструкций // Нейрокомпьютеры: разработка и применение. 2001. № 12. С. 47-63.
  19. Овчаров Л. А. Прикладные задачи теории массового обслуживания. М.: Машиностроение. 1969.
  20. Тюменева Ю. А.Психологическое измерение. М.: Аспект-Пресс. 2007.