DOI: 10.14489/vkit.2023.02.pp.054-062
Стативко Р. У., Пентюк С. И., Тетюхин А. О. ОЦЕНКА УРОВНЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОГО ВЫВОДА (c. 54-62)
Аннотация. Цель данной работы – разработка инструментария оценки уровня знаний с использованием нечеткого вывода. Разработан подход к оценке уровня знаний на основе нечеткой логики. Во избежание проблем, связанных с показательной зависимостью количества правил нечеткого вывода от числа входных переменных, рассматриваются только правила, являющиеся активными для конкретных числовых оценок компетентностных составляющих. В целях автоматизации оценки был применен пакет Fuzzy Logic Toolbox, входящий в состав программного продукта MATLAB. По мнению авторов, данная модель может использоваться в различных системах оценивания, применяемых в вузах.
Ключевые слова: информационно-коммуникационные образовательные технологии; учебный контент; аппарат нечетких множеств.
Stativko R. U., Pentyuk S. I., Tetyukhin A. O. ASSESSMENT OF THE LEVEL OF KNOWLEDGE USING FUZZY INFERENCE (pp. 54-62)
Abstract. Education today is characterized on the one hand by dynamically increasing and changing volumes of knowledge, and on the other hand by the use of various learning technologies. Learning technologies include both classical learning technologies, which are limited by time, geographical and territorial limits, and technologies containing the latest achievements of information technologies (information and communication technologies). Information and communication educational technologies mean a set of educational methods using various possibilities of information tools (author’s academic disciplines, electronic library fund, multi-media, as well as online services, etc.). Online educational technologies allow you to conduct the learning process remotely. Accordingly, the question arises of controlling the level of knowledge – to what extent the student remotely (or in person) mastered the amount of required knowledge. That is, it is necessary to develop tools for monitoring the level of knowledge according to indicators determined by experts. Assessment of the level of knowledge of the student is necessary for both the student and the management of the educational institution. That is, it is necessary to develop tools for monitoring the level of knowledge according to indicators determined by experts. Assessment of the level of knowledge of the student is necessary for both the student and the management of the educational institution. The authors calculated the evaluation of test results based on fuzzy logic. In order to automate the evaluation, the package Fuzzy Logic Toolbox was used, which is part of the MATLAB software product. The purpose of this work is to develop tools for assessing the level of knowledge using fuzzy inference.
Keywords: Information and communication educational technologies; Educational content; Apparatus of fuzzy sets.
Р. У. Стативко, С. И. Пентюк (Белгородский государственный технологический университет им. В. Г. Шухова, Белгород, Россия) E-mail:
stativko1@mail.ruЭтот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
А. О. Тетюхин (МИРЭА – Российский технологический университет, Москва, Россия) E-mail:
antontetyukhin@gmail.comЭтот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
R. U. Stativko, S. I. Pentyuk (Belgorod State Technological University named after V. G. Shukhov, Belgorod, Russia) E-mail:
stativko1@mail.ruЭтот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
, A. O. Tetyukhin (MIREA – Russian Technological University, Moscow, Russia) E-mail:
antontetyukhin@gmail.comЭтот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Лещинский Б. С. Оценивание знаний учащегося с использованием теории нечетких множеств // Вестник Томского государственного университета. 2003. № 280. С. 374 – 378. 2. Рудинский И. Д. Модель нечеткого оценивания как методологический базис автоматизации педагогического тестирования знаний // Педагогические измерения. 2005. № 2. С. 67 – 79. 3. Фадеева М. В. Оценка уровня усвояемости дисциплины с использованием аппарата нечеткой логики на основе усвоения компетенций // NovaInfo. 2015. № 34. URL: https://novainfo.ru/article/3570 (дата обращения: 30.08.2022). 4. Добрица В. П., Локтионова Н. Н. Применение теории нечетких множеств для оценки качества образованности обучающихся // Вестник РУДН. Информатизация образования. 2010. № 1. С. 66 – 70. 5. Данилова С. Д. Адаптивная нечеткая модель оценивания результатов автоматизированного тестирования с разделением заданий по уровням усвоения: дис. … канд. техн. наук: 05.13.01 / Восточно-Сибирский государственный технологический университет. Красноярск, 2006. 115 с. 6. Ибрагимова М. С. Использование математической модели аппарата нечетких множеств для оценивания знаний в обучающей программе // Современные инновации. 2018. № 2(24). С. 20 – 24. 7. Амаева Л. А. Оценка результатов учебной деятельности студентов с использованием нечеткого подхода // Вестник Казанского технологического университета. 2017. № 13. С. 81 – 83. 8. Перевезенцев Е. Е., Ромашкова В. В. Применение теории нечетких множеств для оценки качества образованности обучающихся // Математическое и программное обеспечение вычислительных систем. Рязань. 2019. С. 87 – 90. 9. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И. З. Батыршин и др.; под ред. Д. А. Поспелова. М.: Наука. Гл. ред. физ-мат. лит., 1986. 312 с. 10. Рыжов А. П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. 116 с. 11. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981. 286 с. 12. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с. 13. Заде Л. А. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем // Новости Искусственного Интеллекта. 2001. № 2–3. С. 7 – 11. 14. Борисов А. Н., Крумберг О. А., Федоров И. П. Принятие решения на основе нечетких моделей: примеры использования. Рига: Знание, 1990. 184 с. 15. Miller G. A. The Magic Number Seven Plus or Minus Two: Some Limits on Our Capacity for Processing Information // Psychological Review. 1956. V. 63. P. 81 – 97. 16. Стативко Р. У. Оценка показателя - «использование» нечетких информационных систем на основе нечеткой квалиметрии. М.: Приборы и Системы. Управление, контроль, диагностика, 2014. С. 18 – 23. 17. Стативко Р. У. Использование аппарата нечетких множеств в теоретико-информационном анализе интернет-портала образовательной организации // XXI ВЕК: Итоги прошлого и проблемы настоящего плюс. 2018. Т. 7, № 3(43). С. 31 – 35. 18. Аванесов В. С. Научные основы тестового контроля знаний. М.: Исследовательский центр, 1994. 135 с.
1. Leshchinskiy B. S. (2003). Assessing student knowledge using fuzzy set theory. Vestnik Tomskogo gosudarstvennogo universiteta, 280, pp. 374 – 378. [in Russian language] 2. Rudinskiy I. D. (2005). Fuzzy assessment model as a methodological basis for the automation of pedagogical testing of knowledge. Pedagogicheskie izmereniya, (2), pp. 67 – 79. [in Russian language] 3. Fadeeva M. V. (2015). Assessment of the level of assimilation of the discipline using the apparatus of fuzzy logic on the basis of mastering competences. NovaInfo, 34. Available at: https://novainfo.ru/article/3570 (Accessed: 30.08.2022). [in Russian language] 4. Dobritsa V. P., Loktionova N. N. (2010). Application of fuzzy sets theory to assess the quality of education of students. Vestnik RUDN. Informatizatsiya obrazovaniya, (1), pp. 66 – 70. [in Russian language] 5. Danilova S. D. (2006). Adaptive fuzzy model for evaluating the results of automated testing with division of tasks by levels of assimilation. Vostochno-Sibirskiy gosudarstvenniy tekhnologicheskiy universitet. Krasnoyarsk. [in Russian language] 6. Ibragimova M. S. (2018). Using a mathematical model of fuzzy sets to assess knowledge in a training program. Sovremennye innovatsii, 24(2), pp. 20 – 24. [in Russian language] 7. Amaeva L. A. (2017). Assessment of student learning outcomes using the fuzzy approach. Vestnik Kazanskogo tekhnologicheskogo universiteta, 13, pp. 81 – 83. [in Russian language] 8. Perevezentsev E. E., Romashkova V. V. (2019). Application of fuzzy sets theory to assess the quality of education of students. Matematicheskoe i programmnoe obespechenie vychislitel'nyh sistem, pp. 87 – 90. Ryazan'. [in Russian language] 9. Pospelov D. A. (Ed.), Averkin A. N., Batyrshin I. Z. et al. (1986). Fuzzy sets in control models and artificial intelligence models. Moscow: Nauka. Glavnaya redaktsiya fiziko-matematicheskoy literatury. [in Russian language] 10. Ryzhov A. P. (1998). Elements of fuzzy set theory and fuzzy measurements. Moscow: Dialog-MGU. [in Russian language] 11. Orlovskiy S. A. (1981). Problems of decision-making with fuzzy input information. Moscow: Radio i svyaz'. [in Russian language] 12. Kofman A. (1982). Introduction to the theory of fuzzy sets. Moscow: Radio i svyaz'. [in Russian language] 13. Zade L. A. (2001). The Role of Soft Computing and Fuzzy Logic in Understanding, Designing and Developing Information/Intelligent Systems. Novosti Iskusstvennogo Intellekta, (2–3), pp. 7 – 11. [in Russian language] 14. Borisov A. N., Krumberg O. A., Fedorov I. P. (1990). Decision-making based on fuzzy models: examples of use. Riga: Znanie. [in Russian language] 15. Miller G. A. (1956). The Magic Number Seven Plus or Minus Two: Some Limits on Our Capacity for Processing Information. Psychological Review, Vol. 63, pp. 81 – 97. 16. Stativko R. U. (2014). Evaluation of the indicator - "use" of fuzzy information systems based on fuzzy qualimetry, pp. 18 – 23. Moscow: Pribory i Sistemy. Upravlenie, Kontrol', Diagnostika. [in Russian language] 17. Stativko R. U. (2018). Using the apparatus of fuzzy sets in the theoretical and informational analysis of the Internet portal of the educational organization. XXI VEK: Itogi proshlogo i problemy nastoyashchego plyus, Vol. 7, 43(3), pp. 31 – 35. [in Russian language] 18. Avanesov V. S. (1994). Scientific foundations of test control of knowledge. Moscow: Issledovatel'skiy tsentr. [in Russian language]
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2023.02.pp.054-062
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2023.02.pp.054-062
and fill out the form
.
|