Т.А. Концова1, Е.П. Догадина2

1,2 Финансовый университет при Правительстве РФ (Москва, Россия)

Постановка проблемы. В настоящее время процесс составления контрольной или любой другой проверочной работы лежит полностью на преподавателе. Однако формирование бланка заданий контрольной работы происходит без учета личностных характеристик обучающегося. От успеха написания проверочной работы часто зависит не только оценка, но и моральная составляющая успешности обучающегося. В силу этого очень важно не только проверить полученные знания и приобретенные навыки, но и сделать процесс прохождения контроля знаний более «гладким» для обучающегося с психоэмоциональной точки зрения.

Цель. Разработать алгоритм и его программную реализацию для подбора контрольных заданий в ходе промежуточного контроля усвоения учебного материала обучающимися с учетом их индивидуальных особенностей.

Результаты. Предложена гибридная система многокритериальной оптимизации с двумя полносвязными нейронными сетями, определяющая наиболее подходящую модель составления задания контрольной работы с учетом индивидуальных личностных характеристик обучающегося.

Практическая значимость. Предложенный алгоритм и его программная реализация обеспечивают решение задачи многокритериальной оптимизации параметров учебных заданий, способствующих повышению успеваемости обучающихся, снижению их стрессового состояния при выполнение контрольных или проверочных работ. Результаты работы позволяют автоматизировать и тем самым облегчить работу преподавателя при составлении контрольной работы с учетом личностных характеристик обучающегося.

Концова Т.А., Догадина Е.П. Многокритериальная оптимизация процесса составления контрольной работы для обучающегося с использованием нейронных сетей // Нейрокомпьютеры: разработка, применение. 2023. T. 25. № 5. С. 41-49. DOI: https://doi.org/10.18127/j1999 8554-202305-06

1. Bakoush M. Evaluating the role of simulation-based experiential learning in improving satisfaction of finance students. Southampton: University of Southampton. 2021. DOI 10.13140/RG.2.2.19256.47363.
2. Elphinstone B., Egan P., Whitehead R. Greater autonomous motivation for study and basic psychological need satisfaction by being presently aware and "letting go": An exploration of mindful attention and nonattachment // Motivation and Emotion. 2021. V. 45. № 1. Р. 1–12. DOI 10.1007/s11031-020-09836-4.
3. Fredriksdotter H., Norén N., Bråting K. Investigating grade-6 students’ justifications during mathematical problem solving in small group interaction // The Journal of Mathematical Behavior. 2022. V. 67. № 1. P. 100972. DOI 10.1016/j.jmathb.2022.100972.
4. Guarino A., Malandrino D., Marzullo F., Torre A., Zaccagnino R. Adaptive talent journey: Optimization of talents’ growth path within a company via Deep Q-Learning // Expert Systems with Applications. 2022. V. 209. P. 118302. DOI 10.1016/j.eswa. 2022.118302.
5. Rashid M., Mathew J., Raj V., Raja K. Optimization of Backpack Loads Using Gait Parameters in School Boys // Journal of Bodywork and Movement Therapies. 2020. V. 25. P. 174–182. DOI 10.1016/j.jbmt.2020.11.014.
6. Багрецов С.А., Михлин М.Я., Лиференко В.Д. Определение предельных уровней обученности специалистов радиотехнических комплексов в ходе тренажной подготовки с использованием метода Z-преобразований линейного марковского процесса // Информационно-измерительные и управляющие системы. 2022. Т. 20. № 5. С. 74–82. DOI 10.18127/j20700814-202205-11.
7. Гузаиров М.Б., Черняховская Л.Р., Герасимова И.Б., Нугаева К.Р. Поддержка принятия решений по управлению качеством образовательного процесса с использованием нейронных сетей // Нейрокомпьютеры: разработка, применение. 2007. № 10. С. 62–65.
8. Зарецкий Ю.В., Зарецкий В.К., Кулагина И.Ю. Методика исследования субъектной позиции учащихся разных возрастов // Психологическая наука и образование. 2014. № 1. С. 99–110.
9. Божович Л.И. Личность и ее формирование в детском возрасте. СПб.: Питер. 2009. 400 с.
10. Курапова Т.Ю. Критерии успешности обучения учащихся общеобразовательных школ // Материалы Междунар. науч. конф. «Психология в России и за рубежом». Санкт-Петербург: Реноме, 2011. С. 106–109.
11. Dogadina E., Smirnov M., Osipov A., Suvorov S. Formation of the Optimal Load of High School Students Using a Genetic Algorithm and a Neural Network // Applied Sciences. 2021. V. 11. P. 5263. DOI 10.3390/app11115263.