Этот алгоритм возникает как необходимость разумно классифицировать вопросы в образовательных мультимедиа.
Используйте Теорию ответа на предмет (IRT), чтобы определить вероятность правильного ответа на вопрос или предмет в зависимости от сложности, степени дискриминации и вероятности гадания.
разработка-оф-ан-алгоритм-для-его использования-в-учебно-программного обеспеченияЗатем, с вероятностью того, что ответ будет правильным, составляется байесовская сеть, которая будет определять последовательность содержания или предметов, подлежащих апостериорному изучению, в соответствии с ожидаемым уровнем квалификации. Были использованы материалы по IRT, байесовским сетям и классической теории отклика элементов.
Ключевые слова: теория отклика предметов, байесовские сети, мультимедиа.
ВВЕДЕНИЕ
Этот алгоритм взят из компьютеризированных адаптивных тестов (TAI), которые являются более общими. Это результат того, что он упростил и уточнил в направлении образовательных мультимедиа. Есть последующие работы только с IRT и только с байесовскими сетями, применяющими классическую теорию оценки. Ева Миллан (Millán, et al., 2001) разработала очень интересную работу в этой отрасли объединения IRT и байесовских сетей, но иногда она использует IRT, где она нарушает предположения, выдвинутые этой теорией, например, она включает вопросы, связанные с с двумя или более контентом, нарушающими предположение об одномерностипункта Это определяет, что нет правильного использования теории, и если предположения не соответствуют гипотезе, тезис не является действительным. Таким образом, мы можем сделать вывод, что алгоритм, как полагает Миллан, имеет определенные проблемы с IRT в предположениях, которые исправляются в этом алгоритме.
Целью данной работы является получение эффективного алгоритма и относительной простоты реализации для применения к образовательному программному обеспечению, в основном для мультимедиа, созданного нашими компаниями-разработчиками программного обеспечения, чтобы передать его в руки учащихся всех уровней образования. Поскольку это не просто алгоритм, который показывает способности испытуемого, он также направляет вас и показывает правильный ответ в случае, если ответ неверный. Конечно, это может быть необязательным в зависимости от того, какое программное обеспечение будет использоваться алгоритмом, если это тест, в котором не важно, что ответы известны, хотя это и не главная цель, этот шаг показа правильного ответа в случай неправильности.Основное отличие этого алгоритма состоит в том, что он адаптирует TAI к идее умных преподавателей.
- РАЗРАБОТКА
1.1 Искусственный интеллект
Долгое время человек стремился создать подобное не только во внешнем аспекте, но и в рассуждениях и чувствах. Франкенштейн, монстр пьесы Мэри Шелли, является выражением этого стремления. Подъем компьютеров открыл дверь к тому, что долгое время было недоступно фантастическим книгам: создание разумного существа, искусственного интеллекта. Эта отрасль науки вскоре завоевала популярность среди научных кругов. Некоторые из них дали разные определения, такие как:
«Я пытаюсь воспроизвести (смоделировать) способ, которым люди идентифицируют, структурируют и решают сложные проблемы» (Miller et al., 1982).
«Интересная задача заставить компьютеры думать» (Haugeland, 1985).
«Искусство создавать машины с возможностью выполнять функции, которые, когда они выполняются людьми, требуют интеллекта». (Kurzweil, 1990)
«Область исследований, которая фокусируется на объяснении и эмуляции интеллектуального поведения, основанного на вычислительных процессах». (Schalkoff, 1990)
«Изучение механизмов интеллекта и технологий, которые его поддерживают». (Ньюэлл и др., 1988)
«Изучение того, как заставить компьютеры выполнять задачи, которые на данный момент делают люди лучше». (McGraw Hill. Rich, et al., 1991). По сути, именно таким способом реальная проблема, утомительная для человека, должна решаться с помощью вычислительной модели.
1.2 Экспертная система
Любая автоматизированная система, которая при вмешательстве человека автоматически выполняет задачи знаний в громоздкой области применения и использует навыки, опыт, суждения, ранее приобретенные экспертами, и эвристические знания, полученные из исторических данных, накопленных человеком в процессе наблюдения мира, который его окружает, а не из библиографических источников, он называется экспертной системой (SE).
SE в основном состоит из Inference Engine (MI), функция которого заключается в проверке гипотезы, и, как правило, реализуется как программное обеспечение, которое выполняет операции поиска с использованием алгоритмов, которые работают на базе знаний (BC) домен приложения. БК полагается на БК в поиске решений, поэтому величина и точность информации, которую БК хранит в проблемной области, имеют решающее значение в достоверности ответов. (Лаго Агилар, 2004) .
1.3 Экспертные системы, основанные на вероятностях.
SEBP считается типом SE, чья БК знаний состоит из элементов из вероятностного пространства или абстрактного знания, а MI основан на Байесовской Структуре Вывода посредством стратегии, известной как вероятностное рассуждение или вероятностный вывод.
В SEBP вероятность принимается как интуитивная мера неопределенности, в которой совместное распределение вероятностей (DPC) переменных используется для описания отношений зависимости между ними, и выводы делаются с помощью известных формул из теории
Коэффициенты.
Черты и классы используются для характеристики элементов населения любых объектов. Понимать по классам каждое возможное решение проблемы и по признакам, каждую характеристику, представленную классами. Принадлежность объекта к определенному классу задается характеристиками, которые характеризуют класс, и он может принадлежать одному и только одному из них. При выборе объекта из совокупности также определяется, к какому классу он принадлежит и какие характеристики характеризуют его. Частота появления указанных объектов для возможных значений признаков и классов, к которым они принадлежат, является как раз тем, что составляет БК SEBP. Отношения между особенностями объектов в популяции описываются их совместной функцией вероятности, и поэтомучто эта функция является частью того, что называется знанием. (Лаго Агилар, 2004)
1.4 Теорема Байеса.
Если вероятность появления A равна PA, мы называем вероятность событий A и B (оба) PAB. PA - B с вероятностью того, что A происходит, когда мы знаем, что B произошло (это называется условной вероятностью). Было установлено, что вероятность появления A и B равна произведению умножения вероятности B на вероятность A после появления B:
Предположим, мы разделим A на три подмножества (A1, A2, A3), как показано на рисунке 1:
фигура 1
Эти события являются взаимоисключающими и они составляют все возможные ситуации, обратите внимание, что PA 1, PA 2, PA 3 1, потому что всегда будет происходить событие A. Событие B. может произойти в любой из трех ситуаций. Если мы помним предыдущее уравнение:
дихотомическое значение элемента j, на который дается ответ (1 верно, 0 неверно). P j - вероятность того, что на вопрос j дан правильный ответ.
Набор вопросов или предметов.
Это стандартизированный уровень, который зависит от уровня обучения и предмета теста.
См. 2.7 TAI Компьютеризированный адаптивный тест
См. 2.7 TAI Компьютеризированный адаптивный тест.
Idem.
Возможно, модель представляет собой последовательность чисел, которая имеет смысл только для программы.
См. 2.7 TAI Компьютеризированный адаптивный тест.
Как будет рассчитываться следующий элемент, все еще изучается.
Скачать оригинальный файл
