
پایان نامه بهبود هوشمندانه انتخاب سوال بر پایه سطح دانش آزمون دهنده در آزمون انطباقی کامپیوتری
فرمت فایل دانلودی: .docxفرمت فایل اصلی: docx
تعداد صفحات: 120
پایان نامه بهبود هوشمندانه انتخاب سوال بر پایه سطح دانش آزمون دهنده در آزمون انطباقی کامپیوتری
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 120 صفحه
چکیده
آزمون انطباقی کامپیوتری یک روش رو به رشد ارزیابی در بسیاری از موسسات آموزشی و همچنین غیر آموزشی در سراسر جهان است. ویژگی متمایزکننده آزمون انطباقی کامپیوتری اجرای آزمون متناسب با توانایی آزمون دهنده بر اساس پاسخ سوالات قبلی می باشد. از این رو، می توان آزمون کوتاه تر را اجرا و در عین حال تخمین دقیق تری از توانایی آزمون دهنده به دست آورد. روش های مختلفی برای ایجاد آزمون انطباقی کامپیوتری بر اساس نظریه سوال پاسخ ارائه شده است. هدف این پایان نامه بهبود روش انتخاب سوال در آزمون انطباقی کامپیوتری بر اساس نظریه سوال پاسخ با توجه به سطح دانش آزمون دهنده می باشد. در این پایان نامه علاوه بر پارامترهای سوال که در نظریه سوال پاسخ مطرح شده است، ساختاری برای سوالات پیشنهاد شده است که بر اساس آن می توان روش انتخاب سوال را بهبود بخشید، علاوه بر این طول آزمون کوتاه تر خواهد شد. همچنین می توان مبحثی که آزمون دهنده در آن ضعیف می باشد را شناسایی و بر اساس آن رویکردی مناسب آزمون دهنده پیشنهاد داد. یعنی اگر آزمون دهنده ای در مبحثی ضعیف بود، معلم می تواند تصمیمی متناسب با سطح آزمون دهنده اتخاذ کند.
در انتخاب سوال، موضوع دیگری که مطرح است محاسبه سطح توانایی آزمون دهنده است، چون بر اساس سطح او، سوال مناسب برای او انتخاب می شود. روش های مختلفی برای محاسبه و تخمین سطح آزمون دهنده وجود دارد، در این پایان نامه از شبکه¬های عصبی برای تحمین سطح دانش استفاده شده است. سه مدل شبکه عصبی در اینجا مطرح شده است، مدل اول شبکه عصبی هرس جامع است که شبکه¬ای دقیق ولی با طول زمان آموزش بالاست، مدل های دیگر، شبکه عصبی پرسپترون چند لایه و مدل شبکه عصبی تابع پایه شعاعی است.
واژگان کلیدی: سنجش کامپیوتری ، آزمون
فهرست مطالب
چکیده ۱
فصل اول : مقدمه 2
۱ – ۱ اهداف تحقیق و تبیین صورت مسئله 3
فصل دوم : آزمون انطباقی کامپیوتری 5
۲ – ۱ مقدمه 5
۲ – ۲ انواع سنجش انطباقی 5
۲ – 3 انتخاب سوال 9
۲ – 4 پایان دادن به آزمون انطباقی 12
۲ – ۵ کاربردهای آزمون انطباقی کامپیوتری 13
۲ – ۶ ساختار آزمون انطباقی کامپیوتری 13
فصل سوم : بحث های مرتبط 18
۳ – ۱ نظریه سوال پاسخ 18
۳ – ۱ – ۱ مقدمه 18
۳ – ۱ – ۲ مدل های نظریه سوال پاسخ 21
۳ – ۱ – ۳ مد ل های دو ارزشی نظریه سوال پاسخ 22
۳ – ۱ – ۴ مدل های سوال پاسخ تک بعدی برای داده های دو ارزشی 22
۳ – ۱ – ۵ مدل های سوال پاسخ چند ارزشی 27
۳ – ۱ – ۶ نمره گذاری آزمودنی ها بر اساس مدل های نظریه سوال پاسخ 27
۳ – 1 -7 بیشنه پسین 35
۳ – ۱ – ۸ نمره گذاری به روش پسین مورد انتظار 37
۳ – ۱ – ۹ مدرج کردن سوال ها (برآورد کردن) 39
۳ – ۱ – ۱۰ برآورد به روش بیشینه درست نمایی 40
۳ – ۱ – ۱۱ برآورد بیشینه درست نمایی با پارامترهای معلوم شخص 41
۳ – ۱ – ۱۲ معادله های برآورد 44
۳ – ۱ – ۱۳ روش جستجوی نیوتن – رافسون 44
۳ – ۱ – ۱۴ بیشینه درست نمایی همزمان (JML) 46
۳ – 1 – 15 بیشینه درست نمایی حاشیه ای (MML) 47
۳ – 1 – 1 6 بیشینه درستنمایی شرطی (CML) 51
۳ – ۲ شبکه¬های بیزین 55
۳ – ۲ – ۱ مقدمه 55
۳ – ۲ – ۲ استنتاج با استفاده از توزیع توام کامل 56
۳ – ۲ – ۳ رابطههای استقلال شرطی در شبکههای بیزی 59
۳ – ۲ – ۴ نمایش کارآمد توزیعهای شرطی 60
۳ – ۲ – ۵ یادگیری شبکههای بیزین 61
۳ – ۲ – ۶ شبکه های باوری بیزین 61
۳ – ۲ – ۷ استفاده از شبکه های بیزین در آزمون انطباقی کامپیوتری 63
۳ – ۳ شبکه های عصبی 66
۳ – ۳ – ۱ مقدمه 66
۳ – ۳ – ۲ کاربردهای شبکه های عصبی 69
۳ – ۳ – ۳ مزیت های شبکه های عصبی 69
۳ – ۳ – ۴ محدودیت های شبکه¬های عصبی 70
۳ – ۳ – ۵ تعمیم شبکه 71
۳ – ۳ – ۶ استراتژی های یادگیری 71
۳ – ۳ – ۷ پیش بینی با استفاده از شبکه¬های عصبی 72
فصل چهارم : پیشنهاد روش بهبود یافته 73
۴ – ۱ مقدمه 73
۴ – ۲ مشکلات روشهای قبل 74
۴ – ۳ روش پیشنهادی 75
۴ – ۴ مدل سازی ساختار سوالات بر اساس شبکه بیزین 77
۴ – ۵ مدل¬سازی آزمون با استفاده از شبکه¬های عصبی 79
۴ – ۵ – ۱ شبکه عصبی پرسپترون ساده 80
۴ – ۵ – ۲ شبکه عصبی پرسپترون چند لایه ) MLP ( 81
۴ – ۵ – ۳ شبکه با تابع پایه شعاعی (RBF) 82
۴ – ۵ – ۴ شبکه عصبی هرس جامع 83
۴ – ۶ نتیجه گیری 84
فصل پنجم : پیاده¬سازی 85
۵ – ۱ مقدمه 85
۵ – ۲ مجموعه داده 85
۵ – ۳ آزمایشات و نتایج 85
۵ – ۳ – ۱ آزمایش اول 86
۵ – ۳ – ۲ آزمایش دوم 89
۵ – ۳ – 3 آزمایش سوم 95
۵ – ۳ – ۴ نتیجه گیری 100
فصل ششم : مقایسه و نتیجه¬گیری 102
۶ – ۱ مقدمه 102
۶ – ۲ نتیجه گیری 103
۶ – ۳ کارهای آتی 105
مراجع.. 106