E-mail:
Пароль:
Забыли пароль?

Построение графа теста для системы дистанционного обучения

Построение графа теста для системы дистанционного обучения

Конференция «НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ», 2001

А.Н. Киселёв, В.Л. Борисов

Аннотация. В докладе рассмотрен существующий подход к построению сертификационного пути и предложен новый, использующий теорию нейронных сетей. Показана целесообразность использования нейросетей при формировании графа теста.

В настоящее время широкое распространение получает система дистанционного обучения, являющаяся одной из базовых составляющих концепции открытого образования. Уже существует множество учебных Internet-курсов для автомехаников (www.atcchallenge.com), медсестёр (www.nclexonline.com), визажистов и т.д. Мы можем оплатить такой курс через Internet, нам предоставят доступ к учебным материалам, после прочтения (изучения) которых сдаётся экзамен (тест), также через Internet.

В рассмотренных нами системах дистанционного обучения используются следующие принципы построения тестов. Все вопросы объединены в блоки. Испытуемый отвечает только на несколько таких блоков вопросов, подающихся в некоторой последовательности, чем обеспечивается неповторимость состава экзамена, а также зависимость от знаний испытуемого. Эксперт по знаниям строит так называемый граф теста, который включает в себя мультиплексоры и блоки вопросов. Каждый блок имеет настройку, устанавливающую порядок предъявления вопросов. Он может быть случайным, жёстко фиксированным, а также случайным для части вопросов. В процессе прохождения одного блока вопросов испытуемый набирает некоторое число баллов. В зависимости от этого числа в мультиплексоре, стоящем на выходе блока, принимается решение о том, к какому следующему блоку вопросов перейти.

Наиболее важной частью в графе теста, на наш взгляд, являются мультиплексоры, а точнее логика, заложенная в них. На вход мультиплексора поступает информация не только с последнего пройденного блока вопросов, но и информация о порядке прохождения предыдущих блоков, информация о личности пользователя (количестве попыток одного пользователя) и т.д. Вся входная информация – это числа в некотором диапазоне. Эксперту по знаниям, составляющему граф теста, невероятно трудно, оперируя числовой информацией, задать правила принятия решения каждым мультиплексором в графе так, чтобы сформированный тест наиболее полно проэкзаменовал испытуемого и вынес оценку, адекватную его знаниям. Данная задача является в общем случае неалгоритмизируемой.

Мы предлагаем использовать свойство аппроксимации произвольной функции, присущее нейронным сетям (НС), и реализовать мультиплексоры с применением НС. Формирование логики мультиплексора, т.е. обучение НС, будет происходить опытным путём на некоторой выборке испытуемых, знания которых уже достаточно известны эксперту или же заданием нескольких типичных цепочек блоков вопросов. В данном случае для нас не важна скорость обучения НС, т.е. в режиме on-line будет использоваться только прямое прохождение. Поэтому удобно использовать наиболее изученную модель – двухслойный персептрон с сигмоидальными передаточными функциями и обучением обратным распространением ошибки.

Таким образом, наш подход не только облегчит работу по составлению графа теста, но и позволит повысить точность соответствия моделируемой последовательности блоков вопросов и последовательности, которую предъявил бы опытный экзаменатор.

ТРУДЫ VII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ «НЕЙРОКОМПЬЮТЕРЫ И ИХ ПРИМЕНЕНИЕ» НКП-2001 С МЕЖДУНАРОДНЫМ УЧАСТИЕМ. МОСКВА, 14-16 ФЕВРАЛЯ 2001 Г.


Возврат к списку

ѕрокрутить вверх