350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №4 за 2013 г.
Статья в номере:
Применение обучаемых структур для анализа результатов компьютерного тестирования
Авторы:
Л.С. Куравский - д.т.н., профессор, декан факультета «Информационные технологии», Московский городской психолого-педагогический университет. E-mail: l.s.kuravsky@gmail.com П.А. Мармалюк - к.т.н., доцент, факультет «Информационные технологии», Московский городской психолого-педагогический университет. E-mail: ykk.mail@gmail.com В.И. Алхимов - д.ф.-м., профессор, факультет «Информационные технологии», Московский городской психолого-педагогический университет. E-mail: alvaliv@list.ru Г.А. Юрьев - аспирант, факультет «Информационные технологии», Московский городской психолого-педагогический университет. E-mail: grinch89@mail.ru
Аннотация:
Предложен новый подход к построению интеллектуальных и компетентностных тестов, основанный на применении обучаемых структур. Качество тестирования и адекватность результатов зависят от технологии тестирования, которые стали объектом активных научных исследований в последние десятилетия. Многочисленные проблемы традиционных методов тестирования стимулировали создание данного подхода к построению интеллектуальных и компетентностных тестов, которые основаны на репрезентации динамики движения взгляда. Особое внимание уделено математическому обоснованию рассмотренных методов.
Страницы: 18-27
Список источников
  1. Tjumeneva JU.A. Psikhologicheskoe izmerenie.  M.: Aspekt-Press. 2007.
  2. Gulliksen H. Theory of Mental Tests.  John Wiley & Sons Inc. 1950.
  3. Barabanshhikov V.A. EHkspressii lica i ikh vosprijatie.  M.: IP RAN. 2012.
  4. Bezrukikh M.M., Demidov A.A., Ivanov V.V. Vozrastnye osobennosti okulomotornojj aktivnosti detejj v processe chtenija  // Mater. Vseross. jubil. nauch. konf. «Psikhologija cheloveka v sovremennom mire», posv. 120-letiju so dnja rozhdenija S.L. Rubinshtejjna. 2009. T.2. S. 151-155.
  5. Rayner K. Eye movements in reading and information processing: 20 years of research // Psychological Bulletin. 1998.
    V. 124. P. 372-422.
  6. Marmaljuk P.A., Zvonkina O.M. Opornye pokazateli glazodvigatelnojj aktivnosti pri prokhozhdenii testa Ravena i avtomatizacija ikh raschjota // Materialy XI Mezhvuz. nauch.-prakt. konf. s mezhdunar. uchastiem «Molodye uchenye - nashejj novojj shkole». M.: MGPPU. 2012. S. 350-352.
  7. KHokhlova A.A. Issledovanie glazodvigatelnojj aktivnosti pri prokhozhdenii matrichnogo testa intellekta Ravena // Materialy X nauch.-prakt. mezhvuz. konf. «Molodye uchenye - nashejj novojj shkole». M.: MGPPU. 2011. S. 343-345.
  8. Patalano A.L., Juhasz B.J., and Dicke O. The Relationship Between Indecisiveness and Eye Movement Patterns in a Decision Making Informational Search Task // Journal of Behavioral Decision Making. 2010. V. 23.R 353-368.
  9. Vigneau F., Caissie A., Bors D. Eye-movement analysis demonstrates strategic influences on intelligence // Intelligence 34. 2006. P. 261-272.
  10. Brandt S.A., Stark L.W. Spontaneous eye movements during visual imagery reflect the content of the visual scene. Journal of Cognitive Neuroscience.1997. № 9. R. 27-38.
  11. Myers C.W., Schoelles M.J. ProtoMatch: A tool for analyzing high-density, sequential eye gaze and cursor protocols. Behavior Research Method.2005. № 37. R. 256-270.
  12. Ellis S.R., Stark L. Statistical dependency in visual scanning. Human Factors.1986. № 28. R. 421-438.
  13. Hayes T.R., Petrov A.A., Sederberg P.B. A novel method for analyzing sequential eye movements reveals strategic influence on Raven\'s Advanced Progressive Matrices. Journal of Vision. 2011.№ 10.R. 1-11.
  14. Cagli R.C., Coraggio P., Napoletano P., Boccignone G. What the draughtsman-s hand tells the draughtsman-s eye: A sensorimotor account of drawing. International Journal of Pattern Recognition and Artificial Intelligence. 2008. № 22.R. 1015-1029.
  15. Rabiner L.R. A tutorial on hidden Markov models and selected applications in speech recognition. Proceedings of the IEEE.1989. № 77.R. 257-286.
  16. Dayan P. Improving generalization for temporal difference learning: The successor representation // Neural Computation. 1993. № 5.R. 613-624.
  17. Kuravskijj L.S., Marmaljuk P.A., Alkhimov V.I., JUrev G.A. Matematicheskie osnovy novogo podkhoda k postroeniju procedur testirovanija // EHksperimentalnaja psikhologija. 2012. T. 5. № 4. S. 75-98.
  18. Kuravskijj L.S., Baranov S.N. Primenenie nejjronnykh setejj dlja diagnostiki i prognozirovanija ustalostnogo razrushenija tonkostennykh konstrukcijj // Nejjrokompjutery: razrabotka, primenenie. 2001. № 12. S. 47-63.
  19. Kuravskijj L.S., Baranov S.N. Sintez setejj Markova dlja prognozirovanija ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2002. № 11. S. 29-40.
  20. Kuravskijj L.S., Baranov S.N., Malykh S.B. Nejjronnye seti v zadachakh prognozirovanija, diagnostiki i analiza dannykh: ucheb. posobie. M.: RUSAVIA. 2003.
  21. Kuravskijj L.S., Baranov S.N., JUrev G.A. Sintez i identifikacija skrytykh markovskikh modelejj dlja diagnostiki ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2010. № 12. S. 20-36.
  22. Kuravsky L.S., Baranov S.N. Condition monitoring of the structures suffered acoustic fatigue failure and forecasting their service life // In: Proc. Condition Monitoring 2003. Oxford, United Kingdom. July 2003. R. 256-279.
  23. Kuravsky L.S., Malykh S.B. On the application of queuing theory for analysis of twin data // Twin Research, 2000. № 3. R. 92-98. 
  24. Kuravsky L.S. and Baranov S.N. The concept of multifactor Markov networks and its application to forecasting and diagnostics of technical systems //In: Proc. Condition Monitoring 2005. Cambridge. United Kingdom. July 2005. R. 111-117.
  25. Kuravsky L.S., Baranov S.N., and Yuryev G.A. Synthesis and identification of hidden Markov models based on a novel statistical technique in condition monitoring // In: Proc. 7th International Conference on Condition Monitoring & Machinery Failure Prevention Technologies, Stratford-upon-Avon. England. June 2010. 23 p.