Метод кластеризации в системе оценки результатов работы экспертов по проверке экзаменов в форме ЕГЭ
Автор: Щербинин Тимофей Александрович, Гранков Михаил Васильевич
Журнал: Вестник Донского государственного технического университета @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 3 (86) т.16, 2016 года.
Бесплатный доступ
Цель данного исследования - рассмотрение возможности использования метода нечеткой кластеризации в автоматизированной системе оценивания эффективности работы экспертов по проверке результатов государственной итоговой аттестации в форме ЕГЭ. Представлены различные показатели результатов работы экспертов и их расчетные формулы. Параметры разбиты на следующие группы: базовые, статистические оценки базовых, нормированные и качественные. Применение метода нечеткой кластеризации с использованием взвешенной метрики Евклида показано на примере оценивания работы экспертов предметной комиссии по математике (профильный уровень). Эксперименты проводились с учетом и без учета шумов с последующими выводами о влиянии, которое оказывают шумы на результаты. Также по результатам экспериментов были представлены таблицы и графики с разбиением экспертов на кластеры.
Нечеткая логика, кластерный анализ, егэ, оценивание, шумы в данных, терм-множества
Короткий адрес: https://sciup.org/14250217
IDR: 14250217 | DOI: 10.12737/20222
Список литературы Метод кластеризации в системе оценки результатов работы экспертов по проверке экзаменов в форме ЕГЭ
- Гранков, М. В. Оценка параметров работы экспертов предметной комиссии по проверке экзамена в форме ЕГЭ/М. В. Гранков, Т. А. Щербинин//Системный анализ, управление и обработка информации: тр. 5-го Междунар. семинара/под общ. ред. Р. А. Нейдорфа. -Ростов-на-Дону: Изд. центр ДГТУ, 2014. -С. 282-285.
- Щербинин, Т. А. Оценка качества работы экспертов, проверяющих экзамены в форме ЕГЭ, с помощью системы кластеризации/Т. А. Щербинин, М. В. Гранков//Автоматизация технологических объектов и процессов. Поиск молодых: сб. науч. работ ХV науч.-техн. конф. аспирантов и студентов. -Донецк: ДонНТУ, 2015. -C. 208-211.
- Гмурман, В. Е. Теория вероятностей и математическая статистика/В. Е. Гмурман. -Москва: Высшая школа, 2003. -479 с.
- Zadeh, L.-A. The Concept of a Linguistic Variable and its Application to Approximate Reasoning-I/L.-A. Zadeh//Information Sciences. -1975. -Vol. 8. -P. 199-249.
- Zadeh, L.-A. The Concept of a Linguistic Variable and its Application to Approximate Reasoning-III/L.-A. Zadeh//Information Sciences. -1975. -Vol. 9. -P. 43-80.
- Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition/F. Hoppner . -New York: John Wiley & Sons Inc. -1999. -300 p.
- Kaushik, K. Extension of the fuzzy c means clustering algorithm to fit with the composite graph model for web document representation/K. Kaushik, K. Hemanta//International Journal of Cognitive Research in science, engineering and education. -2013. -Vol. 1, № 2. -8 p.
- Рутковский, Л. Методы и технологии искусственного интеллекта/Л. Рутковский. -Москва: Горячая Линия -Телеком, 2010. -520 с.
- Анализ данных и процессов/А. А. Баргесян . -3-е изд., перераб. и доп. -Санкт-Петербург: БХВ-Петербург, 2009. -512 с.
- Щербинин, Т. А. The method of assessing the quality of work of the Commission to verify exams/Т. А. Щербинин, М. В. Гранков, Е. В. Краснова//Стратегии устойчивого развития мировой науки: тр. V Междунар. науч. конф. Евразийского научного объединения. -Москва: ЕНО, 2015. -С. 31-33.
