автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Разработка и исследование сетевых средств дистанционного тестирования знаний на основе вероятностных критериев

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР МЕТОДОВ И СИСТЕМ КОМПЬЮТЕРНОГО

ТЕСТИРОВАНИЯ ЗНАНИЙ

1.1 Методы организации тестирования

1.1.1 Традиционные методы организации тестирования

1.1.2 Адаптивные методы организации тестирования

1.2 Методы оценивания.

1.2.1 Математические методы и модели

1.2.2 Классификационные методы и модели оценивания.

ГЛАВА 2. МОДЕЛЬ ТЕСТИРОВАНИЯ ЗНАНИЙ, ОСНОВАННАЯ НА

ВЕРОЯТНОСТНЫХ КРИТЕРИЯХ ОЦЕНКИ

2.1 Процесс тестирования знаний

2.2 Выбор очередного задания

2.3 Типы тестовых заданий и их вероятностные модели

2.3.1 Бинарный элементарный тест

2.3.2 Тестовые задания с выбором одного или нескольких элементов

2.3.3 Исходы заданий

2.3.4 Вес ошибки

2.3.5 Тестовые задания с последовательным анализом элементов

2.3.6 Тестовые задания на установление соответствия.

2.3.7 Тестовые задания на установление правильной последовательности

2.4 Коррекция матриц условных вероятностей тестовых заданий по результатам тестирования (процесс самообучения)

2.4.1 Адаптация матриц условных вероятностей на основе критерия максимального правдоподобия

2.4.2 Адаптация матриц условных вероятностей по мажоритарному принципу

ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ ДИСТАНЦИОННОГО ТЕСТИРОВАНИЯ ЗНАНИЙ, ОСНОВАННОЙ НА ВЕРОЯТНОСТНЫХ

КРИТЕРИЯХ ОЦЕНКИ, В КОМПЬЮТЕРНЫХ СЕТЯХ

3.1 Технологии реализации клиент-серверных приложений

3.2 Структура системы дистанционного тестирования

3.3 Особенности функционирования системы дистанционного тестирования в среде Интернет

3.3.1 Временные задержки при передаче данных

3.3.2 Время обработки запроса

3.3.3 Организация веб-узла

ГЛАВА 4. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ТЕСТИРОВАНИЯ И САМООБУЧЕНИЯ. ОЦЕНКА ВРЕМЕННЫХ

ХАРАКТЕРИСТИК РАБОТЫ СИСТЕМЫ В СЕТЕВОЙ СРЕДЕ 4.1 Имитационное моделирование процесса тестирования

4.2 Имитационное моделирование процесса самообучения t 4.3 Оценка времени транзакции и времени тестирования

4.3.1 Время обработки запроса

4.3.2 Распределение размера графических файлов

4.3.3 Время транзакции

4.3.4 Время тестирования

Актуальность темы. Особое значение в сфере образовательных услуг приобретает повышение квалификации сотрудников предприятий, в частности, тестирование знаний персонала. Научное направление, в рамках которого целенаправленно разрабатываются средства, алгоритмы и методики тестирования знаний, получило название «тестология». В последнее время наблюдается повышенный интерес к этой области, методологическую основу исследований которой составляют работы, направленные на создание и адаптацию средств и методов информатики и инфокоммуникационных технологий для системы образования (B.C. Аванесов, Е.А. Михайлычев, Дж. Равен, М.И. Грабарь, Б.Я. Лихтциндер, В.А. Хлебников, М.Б. Челышкова, А.Г. Шмелев, Ю.М. Нейман, Н.И. Пак, О.А. Козлов, А.А. Кузнецов, а также Дж. Раш, Дж. Гласс, Дж. Стэнли, К. Ингекамп, П. Клайн и др.).

По экономическим соображениям на первое место выходит дистанционное тестирование. Большинство тестирующих знания систем, в связи с развитостью сети Интернет, ориентировано на IP-технологии и используют мультимедиа информацию, объёмы которой достаточно велики. Однако малая пропускная способность абонентского доступа накладывает жесткие ограничения на объём передаваемой тестовой информации.

Эти ограничения входят в противоречие с требованиями объективности и надёжности тестирования, для обеспечения которых следует увеличивать число тестовых заданий, а, следовательно, объём передаваемой тестовой информации.

Разрешить эти противоречия позволят адаптивные системы, основанных на вероятностных методах диагностирования (И.В. Кузьмин, Б.Я. Лихтциндер, В.А. Гуляев, П.Ш. Абдуллаев, В.Е. Кладов, Р.Дж. Беннеттс), как наиболее объективных, а в процессе тестирования осуществляется направленный поиск тестовых заданий, существенно уменьшающий объём передаваемой информации.

Поэтому разработка новых сетевых средств дистанционного тестирования знаний является актуальной.

Целью работы является создание и реализация в компьютерных IP-сетях адаптивных систем дистанционного тестирования знаний, основанных на вероятностных критериях оценки.

Для достижения поставленной цели в работе решаются следующие задачи:

• разработка вероятностных моделей оценивания знаний для систем дистанционного тестирования, использующих IP-технологии;

• разработка адаптивных алгоритмов поиска тестовых заданий для сетевых компьютерных систем тестирования знаний;

• разработка и реализация в веб-среде программного обеспечения адаптивной системы дистанционного тестирования знаний;

• разработка вероятностных моделей различных типов тестовых заданий (выбор одного или нескольких элементов из набора, установление соответствий между элементами двух наборов, установление правильной последовательности);

• разработка алгоритмов коррекции вероятностных параметров тестовых заданий;

• исследование функционирования системы в сетевой среде (оценка временных характеристик, оценка выигрыша по времени тестирования и объёмам передаваемой тестовой информации).

Объектом исследования являются: системы дистанционного автоматизированного тестирования знаний, компьютерные сети оперативной обработки информации.

Предметом исследования являются: адаптивные алгоритмы тестирования знаний, основанные на вероятностных критериях оценки, процесс компьютерного тестирования, процессы передачи и обмена тестовой информации в компьютерных сетях.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования. При разработке моделей тестовых заданий, алгоритмов оценки уровня знаний использовались методы теории вероятностей, теории информации, дискретной математики, комбинаторики, а также основы проектирования экспертных систем.

При реализации системы в виде программного продукта использовались объектно-ориентированное программирование, основы реляционных баз данных, основы технологии сети Интернет.

Исследование функционирования системы в сети Интернет, а также оценка временных задержек проводились на основе теории передачи дискретных сообщений, теории вычислительных систем, теории массового обслуживания.

Имитационное моделирование процессов тестирования и самообучения, а также моделей массового обслуживания проводилось на основе статистических методов (методе Монте-Карло).

Достоверность изложенных положений работы обосновывается корректным выбором исходных данных, строгим использованием математического аппарата при получении выводов. Подтверждается результатами имитационного моделирования процессов тестирования, коррекции вероятностных параметров тестовых заданий, процессов обмена тестовой информации в системе, результатами практического применения разработанного программного обеспечения, а также научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах. На защиту выносятся:

• новые адаптивные алгоритмы дистанционного тестирования знаний посредством компьютерных сетей.

• программные средства системы дистанционного тестирования, реализованные на основе веб-технологий;

• вероятностная модель тестирования знаний и алгоритм направленного поиска очередного тестового задания, позволяющие достигнуть уменьшения объёмов передаваемой тестовой информации;

• вероятностные модели основных типов тестовых заданий;

• алгоритмы коррекции вероятностных параметров тестовых заданий, повышающие объективность оценки;

• результаты исследования работы системы в сетевой среде: оценка временных характеристик на различных стадиях транзакций, оценка выигрыша по количеству тестовых заданий и объёмам передаваемой информации.

Научная новизна заключается в следующем:

• разработан ранее не применявшийся алгоритм направленного поиска тестовых заданий, осуществляющий выбор очередного задания по критерию максимальной информативности, что позволяет снизить количество тестовых заданий, а, следовательно, объём передаваемой тестовой информации;

• разработана вероятностная модель тестирования знаний, обеспечивающая, в отличие от других, высокий уровень надёжности тестов при малом количестве тестовых заданий;

• предложен алгоритм коррекции вероятностных параметров тестовых заданий, отличающийся простотой реализации, устойчивостью и высокой сходимостью.

Практическая ценность работы заключается в том, что на её основе создана адаптивная автоматизированная система дистанционного тестирования знаний, ориентированная на работу в сетевой среде.

Программное обеспечение системы тестирования реализовано в виде веб-приложения. Размещение его в сети Интернет позволяет проводить дистанционное, автоматизированное тестирование испытуемых и обеспечивает высокую доступность данной образовательной услуги.

Реализация и внедрение работы. Разработанная система используется для тестирования пользователей программного обеспечения, разрабатываемого ЗАО «Медиател», студентов ГОУВПО «Самарский государственный медицинский университет», слушателей Самарского регионального телекоммуникационного трейнинг центра.

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: Международной конференции «Интерактивные системы: проблемы человеко-компьютерного взаимодействия» (Ульяновск, 2003); Международном конгрессе конференций «Информационные технологии в образовании» (Москва, 2003); XI Российской научной конференции профессорско-преподавательского состава, научных сотрудников и аспирантов (Самара, 2004); V Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» (Самара, 2004); VIII Международной электронной научной конференции «Новые технологии в образовании» (Воронеж, 2004); Международной научно-технической конференции «Информационные, измерительные и управляющие системы (ИИУС-2005)» (Самара, 2005); 5-й Международной конференции молодых учёных и студентов «Актуальные проблемы современной науки» (Самара, 2004-2005).

Публикации. Результаты работы опубликованы в 16 научных работах, в том числе: 9 статей в научно-технических журналах и сборниках, 6 тезисов докладов на научно-технических конференциях и 1 свидетельство об официальной регистрации программы для ЭВМ.

Объём и структура диссертационной работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 144 листах. В работу включено 42 рисунка, 13 таблиц, библиографический список из 88 наименований.

Выводы

1. Результаты имитационного моделирования подтвердили сходимость процесса тестирования, основанного на вероятностных критериях, в широком диапазоне устанавливаемых пороговых вероятностей.

2. Необходимое количество предъявляемых тестовых заданий растёт с повышением оцениваемого уровня знаний, что вполне соответствует реальному процессу оценивания преподавателем.

3. Предложены и исследованы 2 способа коррекции вероятностных параметров тестовых заданий: пошаговый и интервальный. Результаты имитационного моделирования подтвердили сходимость процесса коррекции, как в пошаговом, так и интервальном способах.

4. При использовании пошагового способа для повышения устойчивости процесса коррекции вероятностных характеристик следует применять малые корректирующие воздействия, что, однако, требует большего числа циклов тестирования.

5. Исследования показали, что повышение сходимость и устойчивости процесса коррекции, реализованного интервальным способом, достигается применением малых корректирующих воздействий и малым число циклов в серии.

6. Исследования показали, что разработанные алгоритмы направленного поиска заданий позволяют получить значительный выигрыш по времени тестирования и объёму передаваемой информации.

ЗАКЛЮЧЕНИЕ

1. Проведенные анализ и классификация существующих методов, моделей и систем тестирования знаний показывают, что их подавляющее большинство не обладает свойством адаптивности и основано на предъявлении полного набора тестовых заданий. Это ведёт к нерациональному использованию телекоммуникационных ресурсов из-за необходимости передачи большого объёма тестовой информации.

2. Актуальной является задача разработки адаптивных методов и автоматизированных средств объективного тестирования знаний на основе вероятностных критериев. Особое значение приобретают методы дистанционного тестирования знаний с использованием современных средств телекоммуникаций.

3. Предложенные и исследованные в работе вероятностные методы оценки знаний и алгоритмы направленного поиска тестовых заданий существенно снижают количество тестовых заданий, а, следовательно, объёмы передаваемой тестовой информации, обеспечивая при этом высокую объективность оценки и надёжность работы системы в среде Интернет.

4. В качестве базовых тестовых заданий предложено использовать бинарные элементарные тесты, параметры которых определяют вероятностные характеристики сложных тестовых заданий. Введением таких параметров бинарного элементарного теста как «трудность» и «вес ошибки», достигается повышение объективности и гибкости оценивания.

5. Проведённые экспериментальные исследования показывают, что для повышения объективности оценки необходимо увеличивать значение пороговой вероятности. Однако это приводит к необходимости передачи большого числа тестовых заданий, а, следовательно, больших объёмов информации.

6. Разработанные новые алгоритмы коррекции параметров тестовых заданий, обеспечивающие высокую сходимость и устойчивость процесса обучения системы, повышают объективность оценивания.

7. Предложенные и исследованные вероятностные методы и алгоритмы тестирования легли в основу разработанной системы дистанционного тестирования знаний с использованием современных Интернет-технологий, позволяющих обеспечить простоту и безопасность работы, независимость программного обеспечения от операционной системы.

8. Многопользовательская система тестирования знаний, основанная на вероятностных критериях, внедрена в учебных курсах ЗАО «Медиател», учебно-педагогической работе ГОУВПО «Самарский государственный медицинский университет», Самарского регионального телекоммуникационного трейнинг центра и позволяет проводить удалённое, автоматизированное тестирование пользователей, что обеспечивает высокую доступность данной образовательной услуги, значительно расширяет аудиторию, ускоряет процесс обучения, а также экономит время учебного персонала.

1. Аванесов B.C. Композиция тестовых заданий. М.: Адепт, 1998. - 217 с.

2. Аванесов B.C. Математические модели педагогического измерения. М.: Исследовательский центр проблем качества подготовки специалистов, 1994.-26с.

3. Аванесов B.C. Научные проблемы тестового контроля знаний. Моногр. М.: Исследовательский центр проблем качества подготовки специалистов, 1994.-135 с.

4. Аверьянов С.В. Оптимизация матриц условных вероятностей многоэлементных бинарных тестов. Новые технологии в образовании. Сборник трудов. Вып.8. - Воронеж, 2004. - С. 27-28.

5. Аверьянов С.В. Относительные значимости многоэлементных бинарных тестов. Новые технологии в образовании. Сборник трудов. -Вып.8. Воронеж, 2004. - С. 28-30.

6. Аверьянов С.В. Структура системы дистанционного контроля знаний, основанной на вероятностных критериях оценки. Вестник Самарского государственного технического университета. Вып.ЗЗ. - Сер. «Технические науки». - Самара, 2005. - С. 94-99.

7. Аверьянов С.В., Пугин В.В. Контроль и оценка знаний учащихся медицинских учебных заведений, основанная на вероятностных критериях. Информационные технологии в образовании. Сборник трудов. -4.V.- Москва, 2003.

8. Аверьянов С.В., Пугин В.В. Организация безопасного подключения пользователей в системах с web-интерфейсом. Материалы V международной научно-технической конференции «Проблемы техникик и технологии телекоммуникаций». Самара, 2004.

9. Автоматизированная обучающая система КОНТАКТ/ОС / JI.B. Зайцева, JI.B. Ницецкий, Л.П. Новицкий и др. М.: Моск. науч.- учеб. центр СНПО "Алгоритм", 1982. - 108 с.

10. Алексеенко Е. А., Довгялло А. М., Косая И. X. СПОК система программирования и поддержания обслуживающих и обучающих курсов // Управляющие системы и машины. - 1978, №2. - С. 127-128.

11. Андреев А.Б., Акимов А.В., Усачев Ю.Е. Экспертная система анализа знаний "Эксперт-ТС" // Proceedings. IEEE International Conference on Advanced Learning Technologies (ICALT 2002). 9-12 September 2002. Kazan, Tatarstan, Russia, 2002, p. 97-101.

12. Артемов А., Павлова H., Сидорова Т. Модульно-рейтинговая система // Высшее образование в России. 1999. -№4. - С. 121-125.

13. Атанов Г.А. Обучение и искусственный интеллект или Основы современной дидактики высшей школы. Донецк, 2002. - 504 с. (http://ifets.ieee.org/russian)

14. Атанов Г.А., Пустынникова И.Н. Диагностика знаний / умений с помощью экспертных систем: Учебное пособие для студентов физического факультета. Донецк: ДонГУ, 1997. - 64 с.

15. Атанов Г.А., Пустынникова И.Н. Обучение путем построения баз знаний для экспертных систем // Искусственный интеллект. 1998. - № 2. - с. 42-48.

16. Атанов Г.А., Пустынникова И.Н. Применение методов искусственного интеллекта при обучении (с иллюстрацией по физике) // Современные проблемы дидактики высшей школы: Сб. избр. трудов Междунар. конф. Донецк: ДонГУ. - 1997. - С. 71-87.

17. Атанов Г.А., Пустынникова И.Н. Создание экспертных систем с помощью BESS // Международная конференция "Знания Диалог - Решение". Сборник научных трудов.-Том 2. - Крым, Ялта. - 1995.-С. 315323.

18. Аткинсон Р., Бауэр Г., Кротерс 3. Введение в математическую теорию обучения: Пер. с англ. М.: Мир, 1969. - 486 с.

19. Белоус И.В., Пархоменко С.А. Методы математической статистики для анализа тестовых результатов // Вестник ХГТУ №1 (14), 2002.

20. Бобровников А.Э., Пантелеев А.В. Система дистанционного тестирования с иерархической структурой предметного наполнения. //Научная сессия МИФИ-2001, Москва, 2001: Тез. докл. -М., 2001, том 12.1. С.112-113.

21. Буш Р., Мостеллер Ф. Стохастические модели обучаемости. Г.: Физ-матгиз, 1962.-484 с.

22. Выявление экспертных знаний (процедуры и реализации) / О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович. Е.М. Фуремс. М.: Наука, 1989. -128 с.

23. Выявление экспертных знаний (процедуры и реализации) / О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович. Е.М. Фуремс. М.: Наука, 1989. -128 с.

24. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 200 с.

25. Гладковский В.И., Гладыщук А.А., Панасюк И.М. Воспитательные функции рейтинговой системы оценки знаний (РСОЗ) // Высшая школа: состояние и перспективы. Минск: РИВШ БГУ, 1997. - 107 с.

26. Грушецкий С. В., Рудинский И. Д. Построение модели адаптивного тестирования с использованием элементов теории графов. Материалы конференции «Информационные технологии в образовании». Москва, 2004. - С. 37.

27. Дистанционное обучение. Под ред. Е.С. Полат.- М.: Владос, 1998. 192 с.

28. Евсеев В.В., Безуглая А.Е. Проектирование и разработка инструментальных средств создания учебных курсов в системе ДО // Автоматизированные системы управления и приборы автоматики. X.: 2002.

29. Евсеев В.В., Безуглая А.Е., Алёхина С.В. Методы формирования оценки знаний в системах дистанционного обучения // Сб. научных трудов 6-й Международной конференции Украинской ассоциации дистанционного обучения. Харьков-Ялта: 2002.

30. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. 1978. - Вып. 33. -с. 5-68.

31. Зайцева JT.B. Методы контроля знаний при автоматизированном обучении. Автоматика и вычислительная техника, 1991, № 4. - С. 88 — 92.

32. Зайцева Л.В., Новицкий Л.П., Грибкова В.А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. Под ред. Л.В.Ницецкого. - Рига : "Зинатне", 1989. - 174 с.

33. Интеллектуализация компьютерных технологий обучения. Сб. науч. тр.- К.: АН Украины, Ин-т кибернетики им. В. Глушкова, 1993. 58 с.

34. Касимов Р.Я.,Зинченко В.Я., Грантберг И.И. Рейтинговый контроль // Высшее образование в России. 1994. - № 2 - С. 83-92.

35. Клыков В.Е., Денисевич Е.В., Денисевич А.В., Филатова Н.Н. Оболочка для создания тестирующих программ. Образовательные технологии и общество, 2003 №6(3).

36. Кольцов Ю. В. Добровольская Н. Ю. Нейросетевые модели в адаптивном компьютерном обучении. Образовательные технологии и Общество. №5(2). - 2002. - с. 213-216.

37. Компьютерная интегрированная обучающая система (КИОС): Тамбов, ТГТУ.

38. Королев М.Ф., Пашков В.А. Особенности программирования текущего контроля знаний./В сб. Новые методы и средства обучения N 1(13). Изд-во «Знание». М.:1991

39. Кривицкий Б.Х. К вопросу о компьютерных программах учебного контроля знаний. Образовательные технологии и общество, 2004, т.7, №2. с.158.

40. JI. Клейнрок. Вычислительные системы с очередями. Пер. с англ. под ред. д.т.н. Б.С. Цыбакова. Москва, 1979.

41. JI. Клейнрок., Коммутационные сети. Стохастические потоки и задержки сообщений. Пер. с англ. М.: Наука, 1970.

42. Лихтциндер Б.Я. «Оценка знаний с применением вероятностных методов диагностирования». Сборник трудов «Информатика, Радиотехника, Связь». Вып. №4. - Самара, 1999.

43. Лихтциндер Б.Я., Аверьянов С.В. Вероятностная модель тестового задания на установление соответствия. Образовательные технологии. -Воронеж, 2005.-С. 182-186.

44. Лихтциндер Б.Я., Аверьянов С.В. Вероятностная оценка знаний с помощью последовательных бинарных тестов. Инфокоммуникационные технологии Самара, 2004. - №4. - т.2. - С. 62-69.

45. Лихтциндер Б.Я., Аверьянов С.В., Пугин В.В. Информационные характеристики бинарных тестов. Актуальные проблемы современной науки. Труды 5-й Международной конференции молодых учёных и студентов. Самара, 2004. - С. 98-100.

46. Лихтциндер Б.Я., Аверьянов С.В., Пугин В.В., Шигаев В.В. Использование вероятностных методов оценки знаний при разработке тестирующих модулей распределённых тренинг-систем. Инфокоммуникаци-онные технологии №3 - т. 1. - Самара, 2003. - С. 40-45.

47. Лихтциндер Б.Я., Иванова Л.Б. «Вероятностные методы контроля и диагностирования многопараметрических объектов». «Информпри-бор». Москва, №3682 от 12.02.87.

48. Лобачев С.Л., Попов А.Э., Семенихин И.Н. Интернет-технологии в дистанционном и открытом образовании. Образовательные технологии и общество, 2001 №4(2), - С. 194-204.

49. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. М.: Мир, 1991.-568 с.

50. Моисеев В.Б., Усманов В.В., Таранцева К.Р., Пятирублевый Л.Г. Статистический подход к принятию решений по результатам тестирования для тестов открытой формы // Открытое образование. 2001. — № 1.

51. Нейман Ю.М. Как измерять учебные достижения? // Вопросы тестирования в образовании. №1, М.: 2001.

52. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации педагогических тестов. М., 2000. - 168 с.

53. Неприков А.А. Применение электронных средств контроля знаний в дистанционном обучении и анализ ограничений в их использовании.// Современные проблемы информатизации/ IV Международная электронная науч. конф. Воронеж: ИПЦ ВГПУ, 1999. - С. 5-6.

54. Овчинников В.В. Оценивание учебных достижений учащихся при проведении централизованного тестирования. М.: Центр тестирования МО РФ, 2001.-27 с.

55. Оганесян А.Г. Проблема обратной связи при дистанционном образовании. Москва: Открытое образование, № 3, 2002.

56. Орлов А.И. Теория измерений и педагогическая диагностика. "Педагогические измерения" №1. - Москва, 2004.

57. Паволоцкий А.В. Системы дистанционного контроля знаний. Тезисы докладов XI Международной студенческой школы-семинара "Новыеинформационные технологии". Москва. - 2003. (http://nit.miem.edu.rU/2003/tezisy/articles/317.htm)

58. Попов Д.И. Способ оценки знаний в дистанционном обучении на основе нечетких отношений // Дистанционное образование. — 2000. №6.

59. Попов Д.И., Никифорова A.M. Оценка тестовых заданий при дистанционном контроле знаний. Перспективные информационные технологии и интеллектуальные системы, 2001, №1.

60. Пустынникова И.Н. Технология использования экспертных систем для диагностики знаний и умений. Образовательные технологии и общество-^) 2001. с. 77- 101.

61. Растригин JI.A., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. — Рига: Зинатне, 1988. — 160 с.

62. Ржецкий Н.Н. Проверяющий стандартизированный контроль знаний и его эффективность. К.: КИСИ, 1965. - 68 с.

63. Ржецкий Н.Н., Фиал ко Э.И. Программированное обучение и стандартизированными контроль знаемый. К.: Изд-во КГУ, 1969. - 108 с.

64. Рудинский И.Д. Основы формально-структурного моделирования систем обучения и автоматизации педагогического тестирования знаний. — М.: 2004.

65. Самыловский А.И. Тест как объективный измерительный инструмент в образовании.//Вопросы тестирования в образовании. №1, 2001

66. Свиридов А.П. Основы статистической теории обучения и контроля знаний. -М.: Высшая школа, 1981. -262 с.

67. Свиридов А.П. Применение методов планирования эксперимента при обучении обучающих и контролирующих машин. -М.: Моск. энерг. ин-т, 1975.-65с.

68. Свиридов А.П. Условные и безусловные алгоритмы диагностического контроля подготовки операторов ЭВМ. М.: Моск. энерг. ин-т, 1987. -69 с.

69. Сельманова Н.Н., Максудова Л.Г., Абросимов В.В., Абросимов Д.В. Обучающе-аттестующая система по естественнонаучным дисциплинам // Труды международной научно-методич. конференции Телематика 2001. 18-21 июня 2001. С-Петербург, 2001, - С. 85.

70. Соловов А.В. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995. с.138.

71. Челышкова М. Б. Теория и практика конструирования педагогических тестов. М.: Логос, 2002.-410 с.

72. Челышкова М.Б. Разработка педагогических тестов на основе современных математических моделей. Учебное пособие. Москва, 1995.

73. Экспертные системы. Принципы работы и примеры: Пер. с англ. / А. Брукинг, П. Джонс, Ф. Кокс и др. / Под ред. Р. Форсайта. М.: Радио и связь, 1987.-224 с.76. http://testolog.narod.ru

74. Guliksen H. Theory of Mental Tests. N-Y Willey. 1950.

75. Hambleton, R. K., Swaminathan, H, Rogers H.J. Fundamentals of Item Response Theory. N-Y.: SAGE Publications, 1991.- 174 p.80. http://neurolab.chat.ru/

76. Lihtsinder В., Ivanova L. Probabilistic methods of knowledge monitoring. «Metrology and measurement education in the internet era». Proceedings Joint International IMEKO TC1+TC7 Symposium. Ilmenau, Germany, 2005.-pp. 77-80.

77. Lord, F. M. Applications of item response theory to practical testing problems- Hillsdale, N. J.: Lawrence Erlbaum, 1980 274 p.

78. Oppermann R., Rashev R., Kinshuk. Adaptability and Adaptivity in Learning Systems. (http://fimswww.massey.ac.nz/~kinshuk/papers/kt97gmd.html).

79. Rasch G. Probabilistic Models for Some Intelligence and Afteword by B.D.Wright. The Univ. of Chicago Press. Chicago & London. 1980.

80. Rasch, G. On Specific Objectivity: An Attempt of Formalizing the Request for Generality and Validity of Scientific Statements / Danish Yearbook of Philosophy. 1977, v. 14, p. 58-94, Munksgaard, Copenhagen. 216p.

81. Аверьянова Сергея Вадимовича

82. Начальник учебного центра Начальник отдела марке тинга1. Е.В. Богомолова1. О.Я. Спасибо1. SlGroniCS

83. НфОЮНЯПММГвМЫГ < rl( I» 14J1. УТВЕРЖДАЮ

84. Проректор по учебной работегосударственного образовательного1. АКТо внедрении результатов кандидатской диссертации Аверьянова Сергея Вадимовича

85. Заведующий учебной частью, доцент

86. Программное обеспечение системы дистанционного тестирования знаний используется для создания и разработки тестов, для оценки знаний и при самоконтроле слушателей.

87. Для эффективного использования программного комплекса в учебном процессе подготовлены и переданы техническое описание системы и руководство пользователя.

88. Использование системы дистанционного тестирования, основанной на вероятностных критериях оценки, позволит автоматизировать контроль и оценку знаний слушателей и тем самым повысить уровень предоставления образовательных услуг.

89. Проректор по В и 30, д.т.н., профессор Зав. каф. ИКТ, к.т.н., профессор1. В.А. Бурдин Б.В. Поповж1. СВИДЕТЕЛЬСТВОоб официальной регистрации программы для ЭВМ №2006611202

90. Программа для тестирования и объективной оценки знанийиспытуемого с использованием вероятностного подхода- у. , г , / ' /' '' ' / - , '/ >/ /■ > ' ''

91. Правообладатель(ли): Пугин Владимир Владимирович (RU)

92. Автор(ы): Аверьянов Сергей Вадимовичу Пугин Владимир Владимирович, Волов Николай Вячеславович, Лихтциндер Борис Яковлевич (RU)1. Заявка № 2006610382

93. Дата поступления 15 февраля 2006 г.

94. Зарегистрировано в Реестре программ для ЭВМ 5 апреля 2006 г.

95. Руководитель Федеральной службы по интеллектуальной собственности, патентам и товарным знакамs,,, „ „ „ , , , ^ Б.П. Симоновжжжжжжжжжжжжжжжжжжжжжжжжжжжжжжж ж ж жж