Адаптивный контроль знаний в обучающей системе подготовки персонала объектов хранения и уничтожения химически-опасных веществ Текст научной статьи по специальности «Науки об образовании»

Кучинская Светлана Петровна

Тверской государственный Технический Университет

Ассистент кафедры ЭВМ Kuchinskaya Svetlana Petrovna Tver State Technical University

Assistant

E-Mail: svetlankapk@gmail.com 05.13.01 Системный анализ, управление и обработка информации

Адаптивный контроль знаний в обучающей системе подготовки персонала объектов хранения и уничтожения химически-опасных веществ

Adaptive control of knowledge in the training system of staff of storage and destruction of chemically hazardous substances

Аннотация: В статье рассмотрена актуальность применения обучающих систем для подготовки персонала на объектах хранения и уничтожения химически-опасных веществ. Выделены основные блоки обучающей системы. Для проведения контроля знаний предлагается использовать методику IRT (вопрос-ответ). В статье описаны три основные математические модели, используемые в рамках методики IRT. Также описаны основные требования к тестовой базе. Выбранный подход к проведению тестирования позволяет индивидуализировать контрольно-оценочные процедуры.

Abstract: The article considers the relevance of the use of training systems for staff on storage and destruction of chemical hazardous substances. There are basic blocks of the training system in the article. The technique IRT is proposed.The paper describes the three basic mathematical models used in theIRT. It is described the basic requirements for the test database. The chosen approach to testing allows to individualize monitoring and evaluation procedures.

Ключевые слова: Обучающая система; адаптивное тестирование; методика IRT.

Keywords: Training system; adaptive testing; IRT.

***

Создать арсеналы хранения или предприятия уничтожения химического оружия с нулевым риском аварии невозможно.

Масштабы последствий аварий зависят в значительной степени от достоверного прогнозирования возможности аварий, анализа возникшей обстановки, качества оперативного руководства силами и средствами аварийного реагирования.

В современных условиях интенсивного технологического прогресса адекватное решение задач подготовки квалифицированного оперативного персонала, обеспечивающего функционирование сложных технологических комплексов, требует применения компьютерных обучающих систем (КОС) с развитыми интерактивными возможностями.

Система подготовки персонала предназначена для формирования у персонала навыков управления технологическим процессом в штатном, нештатном режимах (аварийных и чрезвычайных ситуациях) в соответствии с требованиями промышленной безопасности.[3]

Обучающая система должна функционировать в следующих режимах работы:

• автоматизированный информационно-справочный режим;

• режим обучения;

• режим проверки знаний обучаемых.

Для осуществления контроля знаний предлагается использовать компьютерное тестирование с применением адаптивных технологий.

Одной из широко применяемых методик адаптивного тестирования является методика, основанная на теории ответ-вопрос (ГОГ). Данная методика направлена на оценивание латентных качеств личности и параметров заданий теста на основе математикостатистических моделей измерения.

В зависимости от числа параметров задания, существует несколько математических моделей, которые можно использовать:

• однопараметрическая модель Г. Раша;

• двухпараметрическая модель А. Бирнбаума;

• трехпараметрическая модель А. Бирнбаума.

При организации процесса компьютерного тестирования знаний необходимо создание базового множества тестовых заданий, обладающих рядом параметров[4].

Организация тестовой базы основана на следующих принципах:

• тестовая база полностью отражает содержание предметной области;

• содержательная валидность тестовой базы проверена экспертами и не вызывает сомнений;

• каждое задание тестовой базы имеет ряд атрибутов (параметров) основным из которых является трудность тестового задания;

• значения параметров тестовых заданий на начальном этапе определяются экспертно, в дальнейшем, по мере проведения тестирований и накопления статистических данных, уточняются с использованием трёхпараметрической логистической ЖТ-модели.

Согласно трёхпараметрической логистической ГОТ-модели, вероятность Pj(9i) правильного решения тестового задания j испытуемым с уровнем знаний 9і выражается равенством

где aj - дифференцирующая способность тестового задания j, в] - трудность задания j, у] - вероятность угадывания правильного ответа при выполнении задания ] [2].

Определить значения параметров тестовых заданий, не прибегая к пилотажному тестированию, возможно с использованием экспертных методов, самый простой из которых, метод моноэкспертизы.

При генерации адаптивного теста наиболее значимым параметром является трудность

задания в]. Менее значимым, но существенным, является вероятность угадывания правильного ответа у]. Параметром а], на начальном этапе использования тестовой базы можно пренебречь, приняв для всех заданий а]=1.

После проведения тестирования возможно определение или уточнение значений параметров а], в], у] и Ш по полученным результатам. Источником исходной информации является матрица результатов Х=(ху), элементы которой в простейшем случае равны нулю или единице:

0, если получен неправильный ответ,

1, если получен правильный ответ.

(2)

Описанный подход к проведению тестирования позволяет индивидуализировать контрольно-оценочные процедуры посредством немедленного реагирования на особенности подготовки тестируемых за счёт эффективного использования всей доступной информации об уровне знаний и имеющейся в наличии базы тестовых заданий.

ЛИТЕРАТУРА

1. Борисов Н.А., Борисов А.А. База курса системы электронного обучения -Математические методы и информационные технологии в экономике, социологии и образовании: Сборник статей XVII Международной научнотехнической конференции. - Пенза, 2006, с. 230-233.

2. Редикарцева Е. М. Разработка самонастраивающейся системы оценки знаний. Автореф. дис. канд. техн. наук : 05.13.10 Республика Казахстан Алматы, 2007 20 с.

3. Скрипников Дмитрий Альбертович Разработка методов и средств построения компьютерных обучающих систем технологического персонала : Автореф. дис. канд. техн. наук : 05.13.15 М., 2006 22 с.

4. Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests./ Rasch G. Copenhagen, Denmark: Danish Institute for Educational Research, 1960.

Рецензент: Гаганов Павел Геннадьевич, ведущий инженер-программист, ООО «НПО Альфа-Телекс».