Достоверность и обоснованность решений об уровне подготовленности испытуемых, принимаемых по результатам компьютерного тестирования, существенно зависит от качества тестов. Чтобы обеспечить требуемое качество компьютерного теста, методы, обеспечивающие адекватность тестирования и достоверность его результатов, должны быть включены в процесс создания теста. В статье рассмотрены инструменты конструирования компьютерных тестов, обеспечивающие требуемое качество процесса тестирования.
Идентификаторы и классификаторы
Компьютерное тестирование широко применяется в разных областях человеческой деятельности: в образовании для оценки уровня усвоения знаний и оперативного управления учебным процессом; в рекрутинговых фирмах при подборе кандидатов на определенную вакансию; на предприятиях для оценки навыков и аттестации сотрудников и т. д. Несмотря на очевидные достоинства этого метода контроля, у экспертного сообщества к тестированию имеется ряд претензий, прежде всего, к достоверности и точности результатов тестирования, а также к обоснованности решений, базирующихся на этих результатах. Отметим, что эти характеристики, прежде всего, зависят от качества теста его соответствия целям, задачам и обстоятельствам тестирования. В статье рассматриваются информационные инструменты, позволяющие авторам теста создать качественный тест, обеспечивающий требуемые достоверность и точность результатов компьютерного тестирования.
Список литературы
1. Федеральный интернет-экзамен в сфере профессионального образования (ФЭПО). https://fepo.i-exam.ru.
2. Система компьютерного адаптивного тестирования АСТ-ТЕСТ 4. Официальный сайт. www.ast-centre.ru.
3. Инструкции по работе в Moodle // Инструкции по работе в «Виртуальной образовательной среде НГУ» (Moodle) URL: https://help.nsu.ru/pages/viewpage.action?pageId=3113415 (дата обращения: 08.11.2024).
4. Безруков А.И., Хворостухина Е.В. Инструментально-методическое обеспечение систем интеллектуального тестирования // «Информатизация образования и науки». - 2024. - №4 (64). - С 46-53.
5. Partchev Ivailo. A visual guide to item response theory - Jena: Friedrich-Schiller-Universitat, 2004. - 61 p. - URL: https://docplayer.net/20748000-A-visual-guide-to-item-responsetheory.html.
6. Bayesian Prior Choice in IRT Estimation Using MCMC and Variational Bayes. Prathiba Natesan, Ratna Nandakumar, Tom Minka and Jonathan D.Rubright. https://www.frontiersin.org/articles/10.3389/fpsyg.2016.01422/full.
7. Ларин С.Н., Юдинова В.В., Юрятина Н.Н. Теоретические основы, методы и подходы адаптивного тестирования // Вестник НИЦ МИСИ: актуальные вопросы современной науки. - 2018. - № 12. - С. 43-56.
8. Соколова Т.Н., Гусятников В.Н., Безруков А.И., Каюкова И.В. Методика оценки набора компетенций на основе результатов тестирования // Фундаментальные исследования. - 2020. - № 12. - С. 209-215.
9. Безруков А.И., Грахольская Л.В. Сравнение алгоритмов компьютерного тестирования, базирующихся на различных методах // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. - 2021. - № 6. - С. 23-28.
10. Безруков А.И., Умнова Е.Г. Учет трудностей заданий при принятии решений о подготовленности испытуемых по результатам компьютерного тестирования // Вестник СГТУ. - 2024. - № 2(101). - С.12 -21.
11. Безруков А.И., Акимова С.А. Оценка соответствия рейтинговой шкалы и трудностей заданий в компьютерном тесте // Информатизация образования и науки. - 2024. - № 1 (61). - С. 134-145.
12. Гусятников В.Н., Безруков А.И., Акимова С.А., Погожильская Г.Г. Имитационная модель для анализа методов и результатов тестирования. Свидетельство о регистрации программы для ЭВМ RU 2017662725, 15.11.2017. Заявка № 2017619338 от 18.09.2017.
13. Интернет-тренажеры для преподавателя // Интернет-тренажеры в сфере образования для преподавателя URL: https://i-exam.ru/sites/default/files/training/user_guide_teach_tren.pdf (дата обращения: 08.11.2024).
Выпуск
Другие статьи выпуска
В публикации описывается проект «Умная Кухня», представляющий собой физический модуль, который взаимодействует с имеющейся в наличии линейкой умного дома, помогает подбирать рецепты и проверяет возможность приготовления того или иного блюда, проверяя наличие продуктов и кухонного оборудования каждого отдельного пользователя. Проект из учебного со временем перерос в коммерческий, поэтому представляет практический интерес для системы высшего образования и решает вопросы профессиональной адаптации: от студентов до сотрудников ITкомпаний.
В статье рассматривается исследование, в ходе которого была разработана методика преподавания черчения с применением технологии дополненной реальности. В результате применения данной технологии в методике выявлено повышение уровня наглядности и вовлечённости учащихся в процесс обучения.
В статье рассматривается понятие профессиональной устойчивости как ключевой характеристики выпускника среднего профессионального образования (СПО) в условиях быстро меняющегося рынка труда и технологий. Автором выделены три основных фактора, воздействующие на подготовку кадров в долгосрочном контексте: скорость развития технологий, влияние генеративного искусственного интеллекта и необходимость воспитания личности будущего профессионала. В качестве решения предлагается смещение фокуса профессионального образования с формирования компетенций на развитие профессиональной устойчивости, что позволит выпускникам более эффективно адаптироваться к изменениям в профессиональной среде.
В статье рассмотрен цифровой фильтр Гильберта, который является важным инструментом в обработке сигналов и находит широкое применение в различных областях науки и техники, включая радиолокацию, телекоммуникации, медицинскую диагностику. Вопрос о выборе порядка цифрового фильтра Гильберта остается открытым, и на данный момент нет универсального критерия для определения оптимального порядка фильтра. Предложено осуществлять выбор порядка фильтра, основываясь на сравнении гистограмм, которые традиционно используют для описания статистической структуры сигналов
В статье анализируются преимущества и проблемы, возникающие из-за использования генеративного искусственного интеллекта, в частности ChatGPT, при написании научных текстов. Методической основой исследования являлся анализ научных публикаций и обобщенный практический опыт применения систем генеративного искусственного интеллекта ChatGPT при написании научных статей. Проанализированы способы написания научных статей с использованием ChatGPT и возникающие при этом особенности работы с системами генеративного искусственного интеллекта. Показано, что ChatGPT – эффективный справочный и вспомогательный инструмент для написания научных статей, который имеет свои особенности практического применения и определенные риски использования таких систем.
Статья посвящена анализу нового направления доказательного образования – прогнозированию образовательных результатов, которая стала возможной с развитием инструментов искусственного интеллекта. Рассмотрена проблематика прогнозирования образовательных результатов в ретроспективе, современное состояние, аналитика отечественных и международных исследований, потенциал данного направления и практическое применение. Проанализировано проблемное поле прогнозирования образовательных результатов с помощью инструментов искусственного интеллекта и предложены способы интеграции подобных решений в систему общего образования.
В статье рассказывается об использовании среды Jupyter Lab для развития навыков реализации методов машинного обучения у специалистов по информационной безопасности. Результаты дают представление о том, как среда Jupyter Lab может стать эффективным инструментом развития навыков специалистов по информационной безопасности, позволяя им выполнять анализ данных, разрабатывать и тестировать алгоритмы и модели, а также автоматизировать рутинные задачи по обеспечению безопасности. В качестве примера приведен анализ результатов решения задач бинарной и многоклассовой классификации вторжений в сетевой трафик с использованием набора данных UNSW-NB15.
В статье рассмотрены вопросы устойчивости распределенных систем автоматического управления и запаздывания сигналов в виртуальном сетевом пространстве. Рассмотрены типовые характеристические уравнения и вычислены их корни в зависимости от запаздывания. Результаты вычислений подтверждены моделированием в среде Matlab.
В статье рассматривается проблематика разработки модели информационно-технологического обеспечения подготовки специалистов по землеустройству, направленной на формирование и развитие профессиональных компетенций, включая ПК-5 «Способен проводить исследования, делать анализ, предложения по совершенствованию землеустроительных и кадастровых работ». Обсуждаются информационные системы, методы и технологии для анализа, управления и обработки данных о земельных ресурсах. Анализируется эффективность этих инструментов и их соответствие образовательным стандартам Российской Федерации.
Статья посвящена вопросам создания современной цифровой среды образовательной организации и подготовки кадров для цифровой экономики. Анализируются стандарты, которые могут быть включены в профиль требований цифровой информационной среды образовательной организации.
Виртуальная реальность предоставляет учащимся полезный и увлекательный опыт. Она открывает новые возможности, так как преодолела технические барьеры, которые ранее мешали ей получить широкое признание среди исследователей и потребителей. Иммерсивная виртуальная реальность благодаря своим техническим возможностям мотивирует преподавателей переходить от компьютеров к шлемам виртуальной реальности. Одним из ограничивающих успешность обучения факторов является недостаточная настраиваемость персонализации обучения. В статье приведены способы обучения под обучаемого, повышая тем самым его мотивацию и результативность.
В статье рассматриваются вопросы организации электронного документооборота в органах государственного управления. Обозначается наличие проблемы правового регулирования использования информационных технологий субъектами государственной власти, отмечается необходимость формирования адекватной правовой основы для сферы юридически значимого электронного документооборота и обеспечения его безопасности.
Издательство
- Издательство
- ФИЦТО
- Регион
- Россия, Москва
- Почтовый адрес
- 115054, Москва, ул.Валовая, 21, к. 125
- Юр. адрес
- 115093, Москва, ул. Люсиновская, д. 51,
- ФИО
- Молотков Александр Борисович (И.о. директора)
- E-mail адрес
- info@ficto.ru
- Контактный телефон
- +7 (495) 0099888
- Сайт
- https://ficto.ru/