基于模糊认知图的多项选择降低个体和群体自适应测试模型的复杂度

DOI:

评审日期

出版日期

注解: 该研究的主题是具有多项选择的适应性测试。 这种类型的测试允许您简单轻松地对参与者的知识水平进行机器评估，排除评估结果中的错误。 然而，自适应测试模型包括一个参数，描述猜测测试任务答案的概率，这取决于许多因素：任务的复杂性，学生的知识水平，试图猜测的惩罚的存在，以及具有 需要明确指定此参数会使模型复杂化，并在测试结果中引入不确定性。 在回答测试任务时，引入模糊认知映射来确定"纯"和"部分"猜测的程度，由于排除了显式概率参数，降低了测试模型的复杂性。 与认知地图的众所周知的定义相反，所提出的解释是基于具有多项选择的个体和群体适应性测试的模型。 现实世界测试中的计算实验结果证实了引入地图的有效性。 结果发现，与需要明确分配"纯粹"猜测概率的估计相比，知识水平较低的参与者对更复杂任务的响应的模糊估计更加一致。 基于模糊认知图的降低测试模型复杂度的方法既可用于教育软件系统，也可用于涉及选择题测试的智能系统和决策支持系统。

出版日期: