ОПТИМИЗАЦИЯ ПО ВЕРОЯТНОСТНОМУ КРИТЕРИЮ В ДИНАМИЧЕСКОЙ МОДЕЛИ ПРОХОЖДЕНИЯ ТЕСТА

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Рассматривается динамическая модель прохождения ограниченного по времени теста. Ставятся задачи поиска программной и позиционной стратегий, максимизирующих вероятность прохождения теста. Стратегией является выполнение или невыполнение текущего тестового задания. Позиционная стратегия определяется как функция времени, прошедшего с начала тестирования, и набранных за предыдущие задания баллов. Для синтеза позиционной стратегии используется метод динамического программирования Беллмана. Для поиска оптимальной программной стратегии предлагается алгоритм, основанный на методе ветвей и границ. Приводятся результаты вычислений и производится их сравнение с результатами решения аналогичной задачи, в которой тест не считается пройденным, когда тестируемый не уложился в лимит времени.

Об авторах

С. В ИВАНОВ

Московский авиационный институт (национальный исследовательский университет)

Email: sergeyivanov89@mail.ru
д-р физ.-мат. наук

А. Е СТЕПАНОВ

Московский авиационный институт (национальный исследовательский университет)

Email: rus.fta@yandex.ru

Список литературы

  1. Rasch G. Probabilistic models for some intelligence and attainment tests. Chicago: The University of Chicago Press, 1980.
  2. Xiao J., Bulut O. Item selection with collaborative filtering in On-the-fly multistage adaptive testing // Appl. Psychol. Meas. 2022. V. 46. No. 8. P. 690–704.
  3. Наумов А.В., Джумурат А.С., Иноземцев А.О. Система дистанционного обучения математическим дисциплинам CLASS.NET // Вест. компьют. и информ. технологий. 2014. № 10. С. 36–40.
  4. СДО МАИ CLASS.NET [Электронный ресурс] // URL: http://www. https://distance.kaf804.ru// (дата обращения: 12.10.2024.)
  5. Kuravsky L.S., Margolis A.A., Marmalyuk P.A., et al. A Probabilistic Model of Adaptive Training // Appl. Math. Sci. (Ruse). 2016. V. 10. No. 48. P. 2369–2380.
  6. Босов А.В., Мартюшова Я.Г., Наумов А.В., Сапунова А.П. Байесовский подход к построению индивидуальной траектории пользователя в системе дистанционного обучения // Информатика и ее применения. 2020. Т. 14. № 3. С. 86–93.
  7. Босов А.В. Применение самоорганизующихся нейронных сетей к процессу формирования индивидуальной траектории обучения // Информатика и ее применения. 2022. Т. 16. № 3. С. 7–15.
  8. Van der Linden W.J., Scrams D.J., Schnipke D.L. Using Response-Time Constraints to Control for Differential Speededness in Computerized Adaptive Testing // Appl. Psych. Meast. 1999. V. 23. No. 3. P. 195–210.
  9. Босов А.В., Мхитарян Г.А., Наумов А.В., Сапунова А.П. Использование гаммараспределения в задаче формирования ограниченного по времени теста // Информатика и ее применения. 2019. Т. 13. № 4. С. 12–18.
  10. Наумов А.В., Мхитарян Г.А., Черыгова Е.Е. Стохастическая постановка задачи формирования теста заданного уровня сложности с минимизацией квантили времени выполнения // Вест. компьют. и информ. технологий. 2019. № 2. С. 37–46.
  11. Наумов А.В., Степанов А.Е., Устинов А.Э. О задаче максимизации вероятности успешного прохождения ограниченного по времени теста // АиТ. 2024. № 1. С. 83–94.
  12. Мартюшова Я.Г., Наумов А.В., Степанов А.Е. Оптимизация ограниченного по времени теста по квантильному критерию // Информатика и ее применения. 2024. Т. 18. № 4. С. 44–51.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025