Интеллектуальный анализ цифрового следа при оценке контрольно-измерительных материалов для поддержки принятия решений в образовательном процессе
Автор: Углев В.А., Сычев О.А., Аникин А.В.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Информационно-коммуникационные технологии
Статья в выпуске: 1 т.15, 2022 года.
Бесплатный доступ
В работе рассматриваются проблемы моделирования предметной области, генерации контрольно-измерительных материалов, а также оценки и интерпретации ответов на них методами интеллектуального анализа. Для решения этих проблем предложено ответы обучаемого, рассматриваемые как образовательный цифровой след, дополнить информацией, позволяющей делать выводы как об уровне развития компетентностей, так и о затруднениях учащегося и их причинах. Оценку уровня развития индивидуальных и групповых компетентностей предложено осуществлять через экспертные оценки и автоматическую проверку гипотез. Для генерации заданий и выявления причин затруднений учащихся предлагается использовать онтологические модели предметных областей на уровне«понимания» таксономии Блума. Рассмотрены свойства таких моделей. Приведены примеры применения этих подходов к принятию решений в образовательном процессе различных дисциплин. В результате были сформулированы требования к перспективному модельному обеспечению интеллектуальных обучающих систем.
Интеллектуальный анализ данных, электронное обучение, принятие решений, автоматизированная обучающая система, контрольно-измерительный материал, образовательный цифровой след, таксономия блума, уровень развития компетентности, онтология, генерация заданий, адаптивное обучение
Короткий адрес: https://sciup.org/146282416
IDR: 146282416
Список литературы Интеллектуальный анализ цифрового следа при оценке контрольно-измерительных материалов для поддержки принятия решений в образовательном процессе
- Mendicino M., Razzaq L., Heffernan N. A Comparison of Traditional Homework to Computer-Supported Homework, Journal of Research on Technology in Education, 2009, 41(3), 331-359.
- Singh R., Saikhuka M., Pradhan P., Heffernan C., Heffernan N., Razzaq L., Dailey M., O'Connor C., Mulcahy C. Feedback during Web-Based Homework: The Role of Hints, Proceedings of the 15th international conference on Artificial intelligence in education, 2011, 6738, 328-336. DOI: 10.1007/978-3-642-21869-9_43
- Kurdi G., Leo J., Parsia B., Sattler U., Al-Emari S. A Systematic Review of Automatic Question Generation for Educational Purposes, International Journal of Artificial Intelligence in Education, 2019, 30(4), 121-204. DOI: 10.1007/s40593-019-00186-y
- Rasch G. Probabilistic models for some intelligence and attainment tests, Chicago, The University of Chicago Press, 1980, 199 p.
- Bloom B. S., Engelhart M. D., Furst E. J., Hill W. H., Krathwohl D. R. Taxonomy ofEducational Objectives: Handbook I: Cognitive Domain, New York, David McKay Company, 1956, 207 p.
- Lang C., Siemens G., Wise A., Gasevic D. (Eds.). Handbook of learning analytics, SoLAR, 2017, 356 p. DOI: 10.18608/hla17
- Beyyoudh М., Idrissi М., Bennani S. Towards a New Generation of Intelligent Tutoring Systems, International Journal of Emerging Technologies in Learning, 2019, 14:14, 105-121.
- Brusilovsky P., Rus V. Social navigation for self-improving intelligent educational systems, In Design Recommendations for Intelligent Tutoring Systems, 2019, 7, 131-145.
- Woloszynsky T., Kurzynski M. On a New Measure of Classifier Competence in the Feature Space, Advanced in Intelligent and Soft Computing, 2009, 3, 285-292. DOI: 10.1007/978-3-540-93905-4_34
- Baker R. S. Stupid tutoring systems, intelligent humans, International Journal of Artificial Intelligence in Education, 2016, 26(2), 600-614.
- Lazarsfeld P. F., Henry N. W. Latent Structure Analysis, Boston, Houghton Mifflin Company, 1968, 294 p.
- Uglev V. A., Ustinov V. A. The new competencies development level expertise method within Intelligent Automated Educational Systems, Trends in Practical Applications of Heterogeneous MultiAgent Systems. The PAAMS Collection. Advances in Intelligent Systems and Computing, 2014, 293, 157-164. DOI: 10.1007/978-3-319-07476-4_19
- Buchanan B., Shortliffe E. Rule-based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project, Reading, Addison-Wesley, 1984, 748 p.
- Uglev V. A., Sychev O. A. Concentrating Competency Profile Data into Cognitive Map of Knowledge Diagnosis, Diagrammatic Representation and Inference. LNCS, 2021, 12909, 443-446. DOI: 10.1007/978-3-030-86062-2_46
- Лефевр В. А. Лекции по теории рефлексивных игр. Москва: Cogito-Tsentr, 2009, 218 с. [Lefebvre V. A. Lectsyypo teorii reflexivnyh igr, Moscow. Cogito-Tsentr, 2009, 218 p. (in Russian)]
- Углев В. А. Базовая модель процессов рефлексии в интеллектуальных автоматизированных обучающих системах. Математические структуры и моделирование, 2018, 1(45), 111-121. [Uglev V. A. The base model of reflexive process in the intellectual automation educational systems, In Mathematical structures and modeling, 2018, 1(45), 111-121 (in Russian)]
- Butcher P. G., Jordan S. E. A comparison of human and computer marking of short free-text student responses, Computers & Education, 2010, 55(2), 489-499
- Сычев О. А., Стрельцов В. О. Использование шаблонов в виде регулярных выражений в тренировочных и контрольных тестовых вопросах с открытым ответом. Открытое образование, 2015, 2(109), 38-45 [Sychev O. A., Streltsov V. O. Usage of regular expressions as templates in formative and summative open-answer questions. Open education, 2015, 2(109), 38-45 (in Russian)]
- Callear D. H., Jerrams-Smith J., Soh V. CAA of short non-mcq answers, Proceedings of the 5th International CAA conference, 200.
- Leacock C., Chodorow M. C-rater: Automated scoring of short-answer questions, Computers and the Humanities, 2003, 37(4), 389-405. DOI: 10.1023/A:1025779619903
- Sirin E., Parsia B., Grau B., Kalyanpur A., Katz Y. Pellet: A Practical OWL-DL Reasoner, Web Semant., 2007, 5(2), 51-53. DOI: 10.2139/ssrn.3199351
- McBride B. Jena: A Semantic Web Toolkit, IEEE Internet Computing, 2002, 6(6), 55-59. DOI: 10.1109/MIC.2002.1067737
- Грибова В. В., Островский Г Е. Интеллектуальный облачный сервис для отработки навыков постановки диагноза. Медицинская техника, 2017, 6(306), 29-32 [Gribova, V.V., Ostrovskiy G. E. Intelligent cloud service for diagnosis training, Biomedical Engineering, 2017, 6(306), 29-32 (in Russian)]
- Sychev O., Penskoy N. Ontology-Based Determining of Evaluation Order of C Expressions and the Fault Reason for Incorrect Answers, Proceedings ofthe ISWC2020 Demos and Industry Tracks: From Novel Ideas to Industrial Practice, 2020, 44-49
- Sychev O., Denisov M., Terekhov G. How it Works: Algorithms - A Tool for Developing an Understanding of Control Structures. Proceedings of the 26th {ACM} Conference on Innovation and Technology in Computer Science Education, 2021, 621-622. DOI: 10.1145/3456565.3460032
- Wielemaker J., Schrijvers T., Triska M., Lager T. SWI-Prolog. Theory and Practice of Logic Programming, 2012, 12(1-2), 67-96. DOI: 10.1017/S1471068411000494
