Применение обучаемых структур для анализа результатов компьютерного тестирования

Л.С. Куравский; П.А. Мармалюк; В.И. Алхимов; Г.А. Юрьев

Применение обучаемых структур для анализа результатов компьютерного тестирования

Л.С. Куравский¹, П.А. Мармалюк², В.И. Алхимов³, Г.А. Юрьев⁴

научная статья Страницы: 18-27

¹ д.т.н., профессор, декан факультета «Информационные технологии», Московский городской психолого-педагогический университет
² к.т.н., доцент, факультет «Информационные технологии», Московский городской психолого-педагогический университет
³ д.ф.-м., профессор, факультет «Информационные технологии», Московский городской психолого-педагогический университет
⁴ аспирант, факультет «Информационные технологии», Московский городской психолого-педагогический университет

Ключевые слова: тестирование марковский процесс уравнение ФоккераПланкаКолмогорова уравнения Колмогорова

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.

Для цитирования

Куравский Л.С., Мармалюк П.А., Алхимов В.И., Юрьев Г.А. Применение обучаемых структур для анализа результатов компьютерного тестирования // Нейрокомпьютеры: разработка, применение. 2013. № 4. С. 18–27.

Список источников

Tjumeneva JU.A. Psikhologicheskoe izmerenie. M.: Aspekt-Press. 2007.
Gulliksen H. Theory of Mental Tests. John Wiley & Sons Inc. 1950.
Barabanshhikov V.A. EHkspressii lica i ikh vosprijatie. M.: IP RAN. 2012.
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.
Rayner K. Eye movements in reading and information processing: 20 years of research // Psychological Bulletin. 1998.
V. 124. P. 372-422.
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.
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.
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.
Vigneau F., Caissie A., Bors D. Eye-movement analysis demonstrates strategic influences on intelligence // Intelligence 34. 2006. P. 261-272.
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.
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.
Ellis S.R., Stark L. Statistical dependency in visual scanning. Human Factors.1986. № 28. R. 421-438.
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.
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.
Rabiner L.R. A tutorial on hidden Markov models and selected applications in speech recognition. Proceedings of the IEEE.1989. № 77.R. 257-286.
Dayan P. Improving generalization for temporal difference learning: The successor representation // Neural Computation. 1993. № 5.R. 613-624.
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.
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.
Kuravskijj L.S., Baranov S.N. Sintez setejj Markova dlja prognozirovanija ustalostnogo razrushenija // Nejjrokompjutery: razrabotka, primenenie. 2002. № 11. S. 29-40.
Kuravskijj L.S., Baranov S.N., Malykh S.B. Nejjronnye seti v zadachakh prognozirovanija, diagnostiki i analiza dannykh: ucheb. posobie. M.: RUSAVIA. 2003.
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.
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.
Kuravsky L.S., Malykh S.B. On the application of queuing theory for analysis of twin data // Twin Research, 2000. № 3. R. 92-98.
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.
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.

[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.

Аннотация

Для цитирования

Похожие статьи