А.Ю. Черепков1, Д.Д. Маторин2, Д.С. Зайцев3

1-3 Елецкий государственный университет им. И.А. Бунина (г. Елец, Россия)

1 cherepkov.andrey@mail.ru; 2 dmitr.matorin@yandex.ru; 3 dimanz1997@bk.ru

Постановка проблемы. На сегодняшний при математическом моделировании образовательных процессов актуальны задачи, связанные с созданием и реализацией инструментальных средств, позволяющих эффективно обрабатывать педагогические данные и прогнозировать объективные оценки усвоения знаний. Оценка знаний студентов по математическим дисциплинам требует разработки эффективных и адаптивных методов, которые могут учитывать уровень подготовки каждого студента.

Цель. Развить подход к обеспечению интерактивного тестирования и моделированию образовательных процессов с применением методов искусственного интеллекта, представить алгоритмы и программы для оценки и прогнозирования знаний в процессе обучения.

Результаты. Рассмотрены аспекты разработки методического и инструментального обеспечения интерактивного тестирования и прогностического моделирования уровня знаний студентов с применением нейронных сетей. Представлен алгоритм интерактивного тестирования, направленный на получение объективной и последовательной оценки знаний студентов по заданной десятибалльной шкале на основе количественных данных. Предложена реализация метода прогнозирования знаний студентов с применением нейронных сетей и машинного обучения. Изучены вопросы идентификации пользователей в условиях дистанционного обучения. Показано, что предложенные компьютерные программы позволяют получать прогностические характеристики усвоения знаний в процессе обучения.

Практическая значимость. Результаты исследования могут быть использованы в задачах совершенствования гибридных интеллектуальных обучающих средах и прогнозирования успеваемости учащихся, для разработки систем адаптивного обучения с учетом персонализации, а также при моделировании образовательных процессов.

Черепков А.Ю., Маторин Д.Д., Зайцев Д.С. Инструментальное обеспечение интерактивного тестирования и прогностического моделирования уровня знаний студентов с применением нейронных сетей // Нелинейный мир. 2023. Т. 21. №4. С. 39-45. DOI: https://doi.org/10.18127/j20700970-202304-05

1. Устинова И.Г, Лазарева Е.Г. Качественная оценка обучающих математических тестов. Томск: Национальный исследовательский Томский политехнический университет. 2016.
2. Volodko I., Cernajeva S. Evaluation Of Students’ Knowledge Using Tests On Mathematics // Physical and Mathematical Education. 2018. Is. 1(15). Р. 163-166.
3. Макарич М.В. Применение Item Response Theory для оценки языкового теста // Системный анализ и прикладная информатика. 2018. № 1.
4. Попова Ю.Б. От LMS к адаптивным обучающим системам // Системный анализ и прикладная информатика. 2019. № 2. С. 58–64.
5. Жадаев Д.С., Кузьменко А.А., Спасенников В.В. Особенности нейросетевого анализа уровня подготовки студентов в процессе адаптивного тестирования их профессиональных компетенций // Вестник Брянского государственного технического университета. 2019. № 2(75). С. 90–98.
6. Маторин Д.Д., Черепков А.Ю., Зайцев Д.С. Нейросетевые архитектуры для моделирования образовательных процессов // Нейрокомпьютеры: разработка, применение. 2023. Т. 25. № 1. С. 63–71. DOI: https://doi.org/10.18127/j19998554-202301-03.
7. Маторин Д.Д., Черепков А.Ю. Подход к нейросетевому моделированию процесса оценивания знаний студентов с учетом классификации на основе мультиномиальной логистической регрессии // Сб. трудов молодежной секции в рамках IX Междунар. науч.-практич. конф. «Системы управления, сложные системы: моделирование, устойчивость, стабилизация, интеллектуальные технологии» (г. Елец, 24-25 апреля 2023 г.). Елец: ЕГУ им. И.А. Бунина. 2023. C. 249–254.
8. Козлова О.А., Протасова А.А. Использование нейронных сетей в дистанционных образовательных технологиях для идентификации обучающихся // Открытое образование. 2021. Т. 25. № 3. С. 26–35.
9. Катасёв А.С., Катасёва Д.В., Кирпичников А.П., Костюжов С.Г. Нейросетевая модель распознавания пользователей в системах дистанционного обучения // Вестник технологического университета. 2015. Т. 18. № 13. C. 160–163.
10. Петров А.А., Дружинина О.В., Масина О.Н. Моделирование систем оценивания знаний в рамках гибридной интел-лектуальной обучающей среды // Современные информационные технологии и ИТ-образование. 2021. Т. 17. № 1. С. 1–14.