Проверяемый текст
Корпачева, Лариса Николаевна. Оптимизация формирования информационного базиса в интерактивных адаптивно-обучающих системах (Диссертация 2006)
[стр. 100]

3 I Модель на основе уровней усвоения Уровень [усвоения УМ; [трудность и сложность УМ отведенного времени i [Число правильно выполненных существенных операций; общее число существенных операций в заданиях 4 ! Метод линейно [Значимость, кусочной аппроксимации трудность, спецификация Число заданий; число попыток выполнения заданий;число обращений к справке; число заданий, выполненных с превышением отведенного времени; 'граничные значения Модели на основе [вероятностных критериев [Модели на основе АВО Сложность Число заданий; время ответа; априорная вероятность получения оценки; граничные значения; риски ’недооценки и Переоценки Число заданий; число [попыток; число [обращений к справке; [точность сравнения 3.2.
ГЕРТ-модель сценария контроля знаний 3.2.1.
Графо-аналитический метод оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах В работе на основе графо-аналитического метода предложена ГЕРТмодель сценария контроля знаний.
Причем разработанная ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения
101
[стр. 6]

процесса изучения ИБ УММ с применением цепей Маркова с дискретным временем.
3.
Впервые предложены и программно реализованы алгоритмы решения задач определения оптимальной по трудоемкости освоения блочномодульной структуры информационного базиса для случаев равномерной разбивки базиса и его синтеза из заданных блоков.
Значение для теории.
Теоретически обоснована возможность применения стохастических ГЕРТ-сетевых моделей для реализации графоаналитической методики оценки и пересмотра сценариев контроля знаний в интерактивных адаптивно-обучающих системах.
Результаты, полученные при выполнении диссертационной работы, создают теоретическую основу как для повышения эффективности функционирования адаптивных систем обучения, так и для улучшения качества компьютерной обработки информации при формировании оптимальной блочно-модульной структуры информационного базиса данного класса систем.
На защиту выносятся: ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах, позволяющая получать вероятностновременные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний; оптимизационная модель формирования информационного базиса интерактивных систем обучения, базирующаяся на методике моделирования процесса его изучения с применением цепей Маркова с дискретным временем; алгоритмы оптимизации по трудоемкости освоения блочномодульной структуры информационного базиса в интерактивных адаптивнообучающих системах, обеспечивающие как равномерную разбивку базиса (на равновеликие блоки), так и синтез модульной структуры информационного базиса из заданных блоков.


[стр.,97]

уровней усвоения усвоения УМ; трудность и сложность УМ существенных операций; общее число существенных операций в заданиях 4 Метод линейно кусочной аппроксимации Значимость, трудность, спецификация Число заданий; число попыток выполнения заданий;число обращений к справке; число заданий, выполненных с превышением отведенного времени; граничные значения 5 Модели на основе вероятностных критериев Сложность Число заданий; время ответа; априорная вероятность получения оценки; граничные значения; риски недооценки и ререоценки 6 Модели на основе АВО Число заданий; число попыток; число обращений к справке; точность сравнения 2.2.
ГЕРТ-модель сценария контроля знаний 2.2.1.
Графо-аналнтичсский метод оценки и пересмотра сценариев контроля знаний в АОС В работе на основе графо-аналитического метода предложена ГЕРТмодель сценария контроля знаний.
Причем разработанная ГЕРТ-методика оценки и пересмотра сценариев контроля знаний в адаптивно-обучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения
процедуры контроля знаний.
Следовательно, в полученный временной норматив уже включены все случайные колебания и нет необходимости вносить в него дополнительные.
ГЕРТ-сетевая модель позволяет получить дисперсию нормативного времени выполнения контроля знаний, с помощью которой для него строятся доверительные интервалы.
В качестве формальной базы алгоритмической ГЕРТ-процедуры используется аппарат стохастических сетей и графического метода оценки и пересмотра планов [116,117].
Ранее рассматривались модели временной реализации распределенных алгоритмов, которые описываются детерминированными структурами сетей.
Для полного выполнения типичной

[стр.,126]

Интерактивные методы проведения контроля и методы оценивания в составе адаптивно-обучающих систем тесно взаимосвязаны.
В общем случае любая модель выставления оценки может быть использована при любом методе проведения КЗ, за исключением моделей на основе вероятностных критериев, которые предназначены лишь для частично адаптивных и адаптивных методов организации контроля.
Структура информационного базиса должна поддерживать механизмы управления адаптивным электронным обучением, позволяющие реализовать статическую, динамическую и многоуровневую адаптацию учебных материалов в сетевой ИОС.
Как правило, модели и алгоритмы, положенные в основу сетевой ИОС, реализующие принципы адаптивного электронного обучения, основываются на теории конечных автоматов Мура и марковских процессов, а также объектной модели обработки учебно-методической информации.
В данном разделе на основе графо-аналитического метода предложена ГЕРТ-модель сценария контроля знаний.
Важно, что разработанная ГЕРТметодика оценки и пересмотра сценариев контроля знаний в адаптивнообучающих системах позволяет получать вероятностно-временные характеристики ГЕРТ-сценариев, в которые уже включены случайные отклонения и неопределенность, возникающие непосредственно во время выполнения процедуры контроля знаний.

[Back]