Рус Eng Cn 翻译此页面:
请选择您的语言来翻译文章


您可以关闭窗口不翻译
图书馆
你的个人资料

返回内容

控制论与编程
正确的文章链接:

测试学科能力形成水平的智能系统体系结构

Nekhaev Igor' Nikolaevich

博士学位 技术科学

伏尔加国立技术大学副教授

424007, Russia, respublika Marii El, g. Ioshkar-Ola, pl. Lenina, 3, kab. 534a-1

nehaevin@volgatech.net
Zhuykov Il'ya Vladimirovich

伏尔加国立技术大学研究生

424007, Russia, Republic of Mari El, Yoshkar-Ola, pl. Lenina, 3, room No. 529a-1

zhuikill@yandex.ru
Bastrakov Roman Valeryevich

伏尔加州立大学程序员

424007, Russia, respublika Marii El, g. Ioshkar-Ola, pl. Lenina, 3, kab. 529a-1

g-serg88@yandex.ru

DOI:

10.25136/2644-5522.2017.4.23840

评审日期

09-08-2017


出版日期

17-09-2017


注解: 本文讨论了具有智能标志的计算机测试系统的体系结构。 测试系统的智能在于测试过程的适应性,诊断和识别解决方案错误的可能性,并通过使用学科领域的知识库,案例任务复杂结构,专家子系统,学生的能力模
该研究的主题是对学生的学科能力形成程度进行自动评估的方法和结果,该评估是根据典型任务的复杂性结构分析他们对问题的解决方案而产生的。 考虑了在在线学习环境中使用智能测试系统的选项,作为嵌入在LMS Moodle中的学习子系统的已实现系统的组件架构,系统的功能和应用图。 该研究包括分析解决教育任务的实施环境的结构和关于学生学科能力形成水平的决策结构。 分析了在真实在线课程中实现该子系统的结果。 该研究的主要结论是:所使用的子系统架构足够灵活,可以确保测试系统用户决策的设计和记录,为学生设计可能的解决方案提供自由;解决方案与专家代理解决方案的比较分析可以评估决策的合理性;以复盖模型的形式构建学生能力图,可以根据所解决任务的复杂程度评估学科能力的形成水平,它允许你组织考虑到学生个人特征的适应性测试;通过引入多代理和神经网络解决方案,该系统可供进一步开发。


出版日期:

智能测试系统, 智能系统架构, 系统用例, 用户角色, 任务复杂性的网格, 面向代理的环境, 能力形成水平, 学生分类, 游戏学习环境, 能力形成图