Разработка математических методов и комплекса программных средств имитационного тестирования знаний на основе семантических моделей

• Автор: Сологуб, Глеб Борисович
• Шифр специальности: 05.13.18, 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 134 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ПОСТРОЕНИЕ ФРЕЙМОВЫХ СЕМАНТИЧЕСКИХ МОДЕЛЕЙ УЧЕБНЫХ ДИСЦИПЛИН И ЗНАНИЙ СТУДЕНТОВ
1.1 Метод построения фреймовых семантических моделей предикатных частей учебных дисциплин
1.2 Метод построения персонифицированных фреймовых семантических моделей предикатных частей учебных дисциплин
1.3 Выводы
2. ПОСТРОЕНИЕ БАЙЕСОВСКИХ СЕТЕЙ ДЛЯ МОДЕЛИРОВАНИЯ И ЭКСПЕРТНОЙ ДИАГНОСТИКИ ЗНАНИЙ СТУДЕНТОВ
2.1 Метод построения структуры байесовской сети на основе фреймовой семантической модели
2.2 Моделирование методики эксперта — рекуррентный алгоритм автоматического обучения параметров байесовской сети
2.3 Автоматизация экспертной диагностики знаний — алгоритм апостериорного оценивания вероятностей в байесовской сети.
2.4 Выводы
3. КОМПЛЕКС ПРОГРАММ ДЛЯ ИМИТАЦИОННОГО ТЕСТИРОВАНИЯ ЗНАНИЙ
3.1 Архитектура и функциональность программного комплекса
3.2 Структуры данных для хранения и обработки семантических моделей
3.3 Компонентная модель теста и алгоритм тестирования
3.4 Методика работы и пользовательские интерфейсы в средстве автора
3.5 Методика работы и пользовательские интерфейсы в средстве тестируемого
3.6 Программный интерфейс и работа серверного приложения
3.7 Выводы

4. ПРИМЕНЕНИЕ ИМИТАЦИОННОГО ТЕСТИРОВАНИЯ ЗНАНИЙ
4.1 Разработанные системы имитационного тестирования знаний
по математическим дисциплинам
4.2 Методика экспертной диагностики знаний на основе построения семантических моделей при компьютерном тестировании..
4.3 Проведенные тестирования знаний
4.4 Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЯ
П.1 Свидетельство о регистрации средства автора
П.2 Свидетельство о регистрации средства тестируемого
П.З Свидетельство о регистрации серверного приложения
П.4 Протокол проверки результатов автоматизированной диагностики знаний студентов

ВВЕДЕНИЕ
Актуальность исследования
В настоящее время в инженерном образовании, в том числе, при подготовке специалистов для аэрокосмической отрасли, осуществляется переход на образовательные стандарты нового поколения, включающие усиленные квалификационные требования на основе компетентностной модели.
Согласно этим стандартам, высшее учебное заведение обязано гарантировать качество подготовки, в том числе, путем разработки объективных процедур оценки уровня знаний и умений обучающихся, компетенций выпускников.
Оценка качества обучения должна включать текущий контроль успеваемости и промежуточную аттестацию обучающихся, причем конкретные формы и процедуры текущего и промежуточного контроля знаний по каждой дисциплине, в том числе, тесты и методы контроля, разрабатываются вузом самостоятельно [96].
При разработке оценочных средств для контроля качества изучения модулей, дисциплин, практик должны учитываться все виды связей между включенными в них знаниями, умениями, навыками, позволяющие установить качество сформированных у обучающихся компетенций по видам деятельности и степень общей готовности выпускников к профессиональной деятельности [96].
Поэтому возникает насущная необходимость в разработке новых методов и средств контроля знаний, соответствующих указанным требованиям.
Выполнение этой практической задачи сопряжено с решением ряда теоретических проблем в области интеллектуальных обучающих и тестирующих систем и смежных областях компьютерного обучения и искусственного интеллекта.

отношения включения и и отношения предшествования IV, причем, предполагается, что пара (5,^7) образует лес, а (£,Ж) является ациклическим орграфом. Эта модель не описывает сами тестовые задания и соответствующие им компетенции, а оценки знаний строятся только лишь на основе косвенных свидетельств, полученных в процессе тестирования.
В работе [97] структура байесовской сети для моделирования знаний строится на основе семантической сети предметной области, узлы которой обозначают концепты предметной области, тестирования и информационной поддержки, а дуги обозначают зависимость, объединение, включение или принадлежность. Однако в этой работе не описан сам процесс формирования ациклического орграфа из произвольной семантической сети (механизмы кластеризации и удаления циклов) и не обеспечена эффективность апостериорного оценивания вероятностей в байесовской сети.
2.1 МЕТОД ПОСТРОЕНИЯ СТРУКТУРЫ БАЙЕСОВСКОЙ СЕТИ НА ОСНОВЕ ФРЕЙМОВОЙ СЕМАНТИЧЕСКОЙ МОДЕЛИ
Формирование структуры байесовской сети предлагается осуществлять на основе предложенной персонифицированной фреймовой семантической модели предикатной части учебной дисциплины.
Фрагмент этой модели может быть представлен в виде графа, где Т,,...,Т^ — темы, С],...,СЛ/ — элементарные компетенции, —
задания, Е,,...^ — структурные элементы заданий, Б,,...^ —
семантические элементы заданий (рис. 4).
Подграф, содержащий задания и их структурные элементы, описывает семантику человеко-машинного взаимодействия при тестировании, в то время как подграф, содержащий темы, элементарные компетенции, задания и их семантические элементы, отражает семантическую структуру, используемую для анализа и оценивания результатов тестирования. Второй