Для измерения знаний (раз мы их не видим) мы используем индикаторы (то, что можем непосредственно увидеть. например: тест, экзамен, как человек справляется с практическим заданием) и набор правил (уравнение, где из индикаторов получаем уровень знаний)
Лет сто назад думали, что можно напрямую переводить количество решённых задач в уровень знаний, но это не так. для этого и нужны наборы правил
Для этого разработали классические модели, которые до сих пор используются. но у неё есть проблема: главная - уровень знаний (то, что мы получаем) зависит от трудности заданий. Если у нас всегда один и тот же тест - это не важно. Но если мы меняем задания для проверки - мы уже не можем напрямую сравнить результаты со старым заданием и с новым.
Модель Раша и Item responce Theory
Чем больше решённых задач и чем они труднее - тем выше уровень знаний
Всё это привело к появлению в последние 5-7 лет психометрики обучения (вычислительная психометрика (computational psychometrics)) - гибкие модели: динамика знаний и объяснение как дать знания лучше
Используем не один индикатор (тест), а паттерн поведения (какие лекции студент посмотрел, в каких форумах участвовал и как и т. п.). И уже из этого строим уровень знаний
И тогда, например, мы можем увидеть, что успешность студента определяется только просмотром лекций. И тогда, если студенты ошибаются, можем найти ту лекцию, которая к ней приводит. Иначе - лектор топ!
Или можем увидеть, что важным является участие на форуме.
А может быть что лекции дают негативный вклад, а форумы - позитивный. Например, когда профессор в лекции допустил ошибку, которая путает людей. И правильный ответ находят лишь на форумах.
Можно увидеть что важны попытки для успешной сдачи, значит, видимо, тут работает метод тыка. ТОгда надо тест перевести из выбора ответов на ввод ответов
И т.д. и т.п.
Моделирование сложных взаимосвязей между студентами, контентом, действиями и результатами
Телефон:
22579
.be +32 486 362 888
Электронная почта: dabbakumov@hse.ru