Информационно-образовательный портал СОДРУЖЕСТВА НЕЗАВИСИМЫХ ГОСУДАРСТВ
ИНФОРМАТИЗАЦИЯ ОБРАЗОВАНИЯ
И ДИСТАНЦИОННОЕ ОБУЧЕНИЕ В СНГ
Информационно-образовательный портал СОДРУЖЕСТВА НЕЗАВИСИМЫХ ГОСУДАРСТВ  

Страны
Азербайджанская Республика
Республика Армения
Республика Беларусь
Республика Казахстан
Кыргызская Республика
Республика Молдова
Российская Федерация
Республика Таджикистан
Туркменистан
Республика Узбекистан
Украина

Типы материала
Информационно-коммуникационные технологии
Дополнительные информационные материалы
Нормативно-правовое обеспечение
Организация и методики обучения
Экономика образования
Межгосударственное сотрудничество
Образовательные центры
Методики обучения
Межвузовское сотрудничество
Повышение квалификации
Международные проекты и гранты, конкурсы
Конференции, симпозиумы, семинары и др.
Библиотека
 
Журнал «Вестник РУДН» серия «Информатизация образования»
 
2014, №4
2014, №3
2014, №2
2014, №1
2013, №4
2013, №3
2013, №2
2013, №1
2012, №4
2012, №3
2012, №2
2012, №1
2011, №4
2011, №3
2011, №2
2011, №1
2010, №4
2010, №3
2010, №2
2010, №1
2009, №4
2009, №3
2009, №2
2009, №1
2008, №4
2008, №3
2008, №2
2008, №1
2007, №4
2007, №3
2007, №2-3
2007, №1
2006, №1(3)
2005, №1(2)
2004, №1
Научные и специальные электронные ресурсы
Учебная, научная и специальная литература
Комиссия по дистанционному обучению совета по сотрудничеству в области образования государств-участников СНГ
Новости

Совершенствование системы контроля результативности обучения информатике путем применения адаптивных тестов с нейросетями


Аннотация
В статье рассматривается один из вариантов усовершенствования системы контроля результативности обучения информатике путём применения адаптивных тестов вместе с нейросетями.

Текст документа

В связи с возросшими требованиями к уровню профессионализма и компетентности специалистов особую значимость приобретает повышение качества образования. Особое внимание уделяется вопросам, связанным с появлением новой системы контроля и оценки учебных достижений учащихся, направленной на применение педагогических тестов. Введение независимой системы аттестации учащихся вузов, с одной стороны, требует объективности в установлении соответствия качества их подготовки требованиям образовательных стандартов, с другой стороны, существующая практика тестирования далеко не всегда позволяет объективно оценить качество знаний учащихся по определённой дисциплине. К тому же, в настоящее время трудно назвать дисциплину, в обучении которой так или иначе не применялись бы тестовые формы контроля знаний. При этом одной из самых информатизированных была и остаётся информатика. Этот предмет характерен тем, что в обучении информатике параллельно применяются как изучаемые средства информатики, образовательные ресурсы, так и тестирование, способствующее повышению эффективности контроля изученного материала, и как следствие – обучения в целом.

            На сегодняшний день большинство существующих и применяемых в вузах программных тестовых комплексов по информатике направлены на так называемую “усреднённую личность”. То есть, нет учёта сложности вопросов, а как следствие и их количества в тесте, отсутствует учёт индивидуальных способностей и особенностей студентов. А в связи с увеличением количества и недостаточным качеством тестовых комплексов, применяемых в обучении информатике в вузе, на сегодня уже не представляется возможным качественно определить уровень учебных достижений учащегося, основываясь только на средствах традиционного компьютерного тестирования. В связи с этим складывается следующая ситуация – традиционное тестирование, осуществляемое с помощью тестов фиксированной длины, перерастает в современные эффективные формы адаптивного тестирования, при использовании которых, оценка сложности каждого задания получается путём обработки статической информации. Таким образом, процесс тестирования адаптируется  к уровню знаний тестируемого, что позволяет сократить время, затрачиваемое на прохождение теста.

            У истоков адаптивного тестирования лежало стремление к повышению эффективности тестовых измерений, что, как правило, связывалось с уменьшением числа заданий, времени, стоимости тестирования и с повышением точности оценок, полученных испытуемыми по результатам выполнения теста, повышение мотивации к тестированию у слабых и сильных студентов. Именно это и легло в основу преимуществ над тестами фикси??ованной длины. Исследователи видели возможность повышения эффективности в адаптации тестов, трудность которых учитывала диапазон подготовленности тестируемых. При компьютерном адаптивном тестировании по информатике тестовые задания формируются индивидуально для каждого студента с учётом его ответов на предыдущие вопросы. Типы заданий, их количество и порядок следования – индивидуальны.

            Таким образом, адаптивное тестирование:

§        даёт более объективную оценку знаний, умений и навыков обучаемых;

§        позволяет выявлять, какие знания ошибочны или неполны;

§        позволяет давать рекомендации для дальнейшего построения образовательного процесса.

            Благодаря развитию теории адаптивного тестирования, стала возможной адаптация не только тестовых заданий, но и тестирующих систем направленная на:

• приспособление к предметной области, выбранной для тестирования;

• приспособление к текущим потребностям конкретного испытуемого;

• приспособление к текущему состоянию конкретного испытуемого.

            Начиная с 90-х годов, компьютерное адаптивное тестирование получило широкое признание за рубежом. На сегодняшний день разработано много алгоритмов адаптивного тестирования, каждый из которых имеет свои положительные и отрицательные стороны, а также ряд программных продуктов, позволяющих создавать банк вопросов и осуществлять процедуру тестирования.

Несмотря на все свои преимущества, адаптивное тестирование имеет ряд недостатков, один из которых – несоответствие  запланированной сложности вопроса реальной. Как правило, все вопросы имеют фиксированные веса (оценка сложности вопроса). При многократном тестировании, складывается ситуация, когда самые сложные вопросы (по мнению разработчика теста) на самом деле будут иметь сложность не выше среднего. Для решения этой проблемы необходимо использование такой технологии, которая могла бы самостоятельно произвести анализ ответов и на его основе изменить (если это требуется) весовые коэффициенты вопроса(ов). Проблематика данного типа характерна для искусственного интеллекта, а именно – искусственных нейронных сетей. Одной из характеристик которой является сбор информации, анализ и применение решения, если оно тр??буется.

За последние десятилетия возрос интерес к искусственным нейронным сетям (НС). Специалисты из разных областей науки (математика, информатика, техническое конструирование, философия, физиология и психология) заинтересованы возможностями, предоставляемыми НС, и ищут способы применения их внутри своих дисциплин. Это проявление интереса было вызвано как теоретическими, так и прикладными достижениями.

Искусственные нейронные сети  — это совокупность моделей биологических нейронных сетей, представляющих собой сеть элементов — искусственных нейронов — связанных друг с другом синаптическими соединениями. Эти элементы затем группируются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют большое число свойств, присущих мозгу. Например, они способны к обучению (самообучению) на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.

Сеть обрабатывает входную информацию и в процессе изменения своего состояния во времени формирует совокупность выходных сигналов. Работа сети состоит в преобразовании входных сигналов во времени, в результате чего меняется внутреннее состояние сети и формируются выходные воздействия. Большинство моделей НС требуют обучения. В общем случае, обучение - такой выбор параметров сети, при котором сеть лучше всего справляется с поставленной проблемой. Обучение — это задача многомерной оптимизации, и для ее решения существует множество алгоритмов.

            Положительные аспекты применения НС вытекают из их способности решать такие задачи, как: автоматизация процессов распознавания образов, адаптивное управление, анализ информации и принятие решения, прогнозирование, создание экспертных систем и многие другие. Однако, не смотря на широкое применение в различных сферах человеческой деятельности, до последнего времени применение НС в образовании рассматривалось крайне редко. А ведь если в тестировании по информатике применить определённую НС (сеть Кохонена), способную к самоанализу с последующими изменениями, то любой тестирующий комплекс (в частности тест), направленный на  контроль и оценку учебных достижений учащихся, будет:

·        иметь способность адаптироваться по тому или иному признаку;

·        иметь способность к самоанализу с последующими конструктивными изменениями.

            Нейросети представляют собой принципиально новый подход к программированию, а их применение даёт преимущество не только в сфере экономики, медицины, но и в области образования. Они позволяют относительно быстро обрабатывать большое количество информации и отсеивать лишнюю, создавать задания в нужной тестовой форме, производить корректировку весов вопр??сов  в соответствии с их реальным уровнем сложности.

            С появлением адаптивных тестов теория тестирования вышла на новый уровень образования и получила более широкое применение. Был решён ряд вопросов, которое не могло позволить традиционное тестирование. А с развитием аппарата искусственных нейронных сетей и их последующим применением в адаптивных тестах теория тестирования становится более улучшенной, нежели без них.

            Как видим, одним из вариантов совершенствования системы контроля учебных достижений может послужить применение адаптивных тестов с НС, что позволит получать  более достоверные (валидные) результаты оценивания знаний по информатике, и как следствие, повысит эффективность контроля учебных достижений.

Литература

 

1.      Экономическая информатика /под. Ред. П.В. Конюховского. — СПб.:Питер. 2000 — 560 с.

2.      Груенко И.С. Методологический анализ оценки качества знаний в экзаменационных процедурах: Дис… кан. фил. наук.- Москва, 2005.

3.      Челышкова М.Б. Теоретико-методологические и технологические основы адаптивного тестирования в образовании: Дис…д.п.н.- Москва, 2001.

4.      Коротких С. Нейронные сети: основные положения // http://www.orc.ru/~stasson/neurox.html

5.      Труды третьего международного симпозиума «Интеллектуальные системы», Псков, 1998.

Павлюк А.А. Система интеллектуального анализа данных для прогнозирования успешности учебной деятельности: Дис… кан. тех.наук. – Красноярск, 2004.

Автор оригинала: Горюшкин Е.И.
Источник оригинала: Журнал «Вестник РУДН» серия «Информатизация образования», 2007, №4

Новости
16.06.2017

Российский университет дружбы народов объявляет о проведение первой волны вступительных испытаний среди иностранных граждан для обучения на программах магистратуры на контрактной основе. Первая ...

13.10.2016

26 октября-27 октября 2016 года Российский университет дружбы народов проводит Международную конференцию «Сетевые университеты и международный рынок труда (пространства БРИКС, СНГ, ШОС)».

19.05.2016

The Peoples’ Friendship University of Russia (PFUR) announces the beginning of admission of foreign citizens who graduated from Bachelor and Specialist Degree programs of PFUR and other Russian and ...

19.05.2016

Российский университет дружбы народов (РУДН) объявляет о наборе иностранных граждан -выпускников бакалавриата и специалитета РУДН и других российских и зарубежных ВУЗов на программы магистратуры на ...

11.12.2015

Проект рекомендаций Семинара-совещания научной общественности по проблемам международного научно-технического и образовательного сотрудничества