Интеллектуальный анализ цифрового следа при оценке контрольно-измерительных материалов для поддержки принятия решений в образовательном процессе : научное издание
Библиографическое описание:Интеллектуальный анализ цифрового следа при оценке контрольно-измерительных материалов для поддержки принятия решений в образовательном процессе : научное издание / В. А. Углев, О. А. Сычев, А. В. Аникин. - Текст : непосредственный // Журнал Сибирского федерального университета. Серия: Техника и технологии. - 2022. - Т. 15, № 1. - С. 121-136. - ISSN 1999-494X. - ISSN 2313-6057, DOI 10.17516/1999-494X-0378.
Аннотация: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.
The paper describes the problems of generation and modeling of learning assessments, their grading, and analyzing the process of their completion by learners using data mining methods. The authors propose to enhance the digital footprint of learner’s interactions with e-assessment systems with the information allowing determining demonstrated level competence development and the causes of learners’ mistakes and hypo. The learner’s level of competence development can be evaluated using expert estimates and the Certainty Factor. Generating assessments and determining the causes of learner’s mistakes can be done using ontological models of subject domains, built on the comprehension level of Bloom’s taxonomy. The paper explores the properties of such models. Examples of applying the proposed approaches to intelligent decision making during the learning process of different subject domains are shown. This leads to formulating the requirements for subject domain models for intelligent tutoring systems.
