Оптимізація структури тестових завдань навчальних онлайн-курсів на основі ймовірнісної моделі

Автор(и):

DOI: https://doi.org/10.30929/2307-9770.2022.10.02.03

Мова статті: UKR

Завантажити статтю

Анотація

Авторами розглянуто питання обґрунтування кількісних параметрів тестових завдань: кількості запитань у тесті, кількості тестових запитань певного типу, кількості варіантів відповідей у тестовому завданні з точки зору мінімізації ймовірності проходження тесту шляхом випадкового вгадування правильних відповідей. Отримані ймовірнісні моделі на базі класичного визначення ймовірності із залученням схеми Бернуллі та гіпергеометричного розподілу дозволяють розв’язати так звані пряму і зворотну задачі. Пряма задача полягає в оцінці ймовірності повного чи часткового проходження тесту за методикою випадкового вгадування відповідей. Зворотна – у визначенні мінімальних значень вищезазначених кількісних параметрів тесту з точки зору мінімізації ймовірності проходження тесту шляхом вгадування правильних відповідей. Дослідження показало, що створення тестів з великою кількістю запитань з точки зору зниження ймовірності проходження його шляхом вгадування правильних відповідей не є доцільним, оскільки цілком достатньо, наприклад, щоб він містив запитання змішаного типу у рівній пропорції загальною кількістю не більше десяти, як на рівні окремих тем, так і в рамках підсумкових тестів. Такий підхід дає можливість суттєво зекономити ресурс бази тестових запитань і використовувати його оптимально. Слід зазначити, що для побудови моделі автори спиралися на ймовірнісній підхід, в основі якого лежить дедуктивна парадигма, а не на імітаційне моделювання, в основі якого лежить індуктивна парадигма, що дало можливість отримати точні, а не наближені оцінки параметрів моделі. Запропоновані моделі не охоплюють всі існуючі типи тестових завдань, але закладена в них ідея може бути розвинута на інші, більш складні, випадки.

Ключові слова

ймовірнісна модель, дедуктивний підхід, оптимізація структури тестових завдань, дистанційне навчання

Бібліографічні посилання

  1. Hwang, Dae-Yeop. (2003). Classical Test Theory and Item Response Theory: Analytical and Empirical Comparisons.
  2. Мудрук, С. (2014). Практичний посібник для розробки тестових завдань. URL: https://newjustice.org.ua/wp-content/uploads/2018/05/Manual_for_test_writers.pdf (дата звернення 28.06.2022)
  3. Chornyi, О.P., Serhiienko, S.A. (2017). A virtual complex with the parametric adjustment to electromechanical system parameters. Institute of Electrodynamics National Academy of Science of Ukraine. Issue No 1, 2019 (January/February) Pages 38 – 41 https://doi.org/10.15407/techned2019.01.038
  4. Geroimenko, V. (2020). Augmented reality in Education. A new technology for teaching and learning.. Springer Nature Switzerland AG 2020. DOI:10.1007/978-3-030-42156-4
  5. Chornyi O., Herasymenko L. Tytiuk V., Bigdan M., Busher V. Visualisation of the Maturity of Future Electrical Engineers Professional Competencies. Proceedings of the IEEE 20th International Conference on Modern Electrical and Energy System (MEES), MEES 2021 (2021) 254-259. DOI: 10.1109/MEES52427.2021.9598577
  6. The analysis of the process of the laboratory practicum fulfillment and the assessment of its efficiency on the basis of the distance function Chornyi, O., Serhiienko, S., Yudyna, A., Sydorenko, V. Proceedings of the International Conference on Modern Electrical and Energy Systems, MEES 2017, 2017, 2018-January, pp. 328–331
  7. Chornyi O., Herasymenko L., Zelenska L. Diagnostic Assessment Of The Competency Maturity Of Electrical Engineers Through Profession-oriented problems. Proceedings of the International Conference on 2020 IEEE 25th International Conference on Problems of Automated Electrodrive. Theory and Practice (PAEP), PAEP 2020 (2020) 423-426. DOI: 10.1109/PAEP49887.2020.9240864
  8. Chornyi O., Herasymenko L., Zelenska L. Diagnostic Assessment Of The Competency Maturity Of Electrical Engineers Through Profession-oriented problems. Proceedings of the International Conference on 2020 IEEE 25th International Conference on Problems of Automated Electrodrive. Theory and Practice (PAEP), PAEP 2020 (2020) 423-426. DOI: 10.1109/PAEP49887.2020.9240864
  9. Chornyi, O.P., Herasymenko, L.V., Busher, V.V. The learning process simulation based on differential equations of fractional orders. CEUR Workshop Proceedings, 8th Workshop on Cloud Technologies in Education, CTE 2020, 2879, pp. 473–483. DOI: ISSN: 16130073
  10. Гмурман В. Теория вероятностей и математическая статистика: Учеб. Пособие для вузов. – 10-е изд., стер. – Москва, Высш. шк., 2004. 479 с.
  11. Hwang, Dae-Yeop. (2003). Classical Test Theory and Item Response Theory: Analytical and Empirical Comparisons.
  12. Anderson, Lorin W.; Krathwohl, David R., ред. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. New York: Longman. ISBN 978-0-8013-1903-7.
  13. Guchenko, M., Sydorenko, V., Belska, V., Liutenko, M., Fesenko, N. (2021). DComFra Project Learning Module M20 Advanced Spreadsheets in Mathematical Modeling Tasks of Electrical and Computer Engineers Education. Proceedings of the 20th IEEE International Conference on Modern Electrical and Energy Systems, MEES 2021, 2021
  14. Shikhnabieva, T.Sh. (2009). Methodological basis for the submission and control of knowledge in the field of computer science using an adaptive semantic models. Diss… d-RA PED. Sciences. M., p. 365
  15. Shikhnabieva, T.Sh. (2012). On the development of modern educational systems. Information environment education and science. Information environment education and science – 2012, No. 10 (2012).