Проверяемый текст
Саркисова, Ирина Олеговна. Разработка методов и моделей адаптивного тестового контроля в системе подготовки и аттестации персонала транспортных предприятий (Диссертация 2004)
[стр. 233]

234 т.е.
он способен решать задачи заданной сложности.
Если ответ неправильный, то неспособен.
Это подобно оценки
градиента некоторой гипотетической функции регрессии, в которой градиент сам является случайной величиной.
Предлагается использовать следующий алгоритм, который весьма просто можно реализовать на практике.

Обучаемый, решая задание, сталкивается с определенными трудностями.
Если он решил задание, то появляется желание решить более трудное задание.
Если нет то, вернее всего, будет сделана еще одна попытка решения аналогичного по трудности задания.
Если оно также не решено, то идет “откат” назад, т.е.
необходимо решение задач пониженной сложности.
Если сразу не решено менее сложное задание, то решается еще легче и т.д.
Аналогично падению уровня сложности предъявляются задачи повышенной сложности.
Если решено задание, то решается задание повышенной трудности.
В результате, если исключить этап обучения при решении задач,
обучаемый выберет для себя определенный уровень сложности, вокруг которого и будет размываться сложность заданий.
Таким образом, функция «уровня знаний» является преобразованием функции «сложности» задачи через «способность решения задач» определенной «сложности».

4.5.
Имитационная модель оценки эффективности теста Имитационный метод моделирования имеет существенно меньшие
ограничения на область применения в сравнении с аналитическими моделями и позволяет получить более достоверные оценки характеристик производительности моделируемой системы.
Применение имитационного моделирования допускает разнообразие его целей.

Оно часто используется для получения показателей качества при заданной структуре или для определения структуры системы.
Имитационное
моделирование может применяться также и для систем, которые достаточно хорошо изучены: когда необходимо систему модифицировать или получить
[стр. 103]

Аналогично можно поступить в случае тестирования.
Если ответ правильный, то уровень подготовки студента выше сложности предъявленной задачи, т.е.
он способен решать задачи заданной сложности.
Если ответ неправильный, то неспособен.
Это подобно оценки
фадиента некоторой гипотетической функции рефессии, в которой фадиент сам является случайной величиной.
Предлагается использовать следующий алгоритм, который весьма просто можно реализовать на практике.

Студент, решая задание, сталкивается с определенными трудностями.
Если он решил задание, то появляется желание решить более трудное задание.
Если-нет, то, вернее всего, будет сделана еще одна попытка решения аналогичного по трудности задания.
Если оно также не решено, то идет “откат” назад, т.е.
необходимо решение задач пониженной сложности.
Если сразу не решено менее сложное задание, то решается еще легче и т.д.
Аналогично падению уровня сложности предъявляются задачи повышенной сложности.
Если решено задание, то решается задание повышенной трудности.
В результате, если исключить этап обучения при решении задач,
студент выберет для себя определенный уровень сложности, вокруг которого и будет размываться сложность заданий.
Таким образом, функция «уровня знаний» является преобразованием функции «сложности» задачи через «способность решения задач» определенной «сложности».

3.2.
Имитационная модель оценки эффективности теста Имитационный метод моделирования имеет существенно меньшие
Офаничения на область применения в сравнении с аналитическими моделями и позволяет получить более достоверные оценки характеристик производительности моделируемой системы.
Применение имитационного моделирования допускает разнообразие его целей
[53].
Оно часто используется для получения показателей качества при заданной структуре или для определения структуры системы.
Имитационное
103

[Back]