Информация о статье

Название статьи:

Индикаторная модель экзаменационных оценок с латентными параметрами

Авторы:
Братищенко В.В., кандидат физико-математических наук, доцент, кафедра математических методов и цифровых технологий, Байкальский государственный университет, г. Иркутск, Российская Федерация, vvb@bgu.ru

В рубрике:
ТЕХНИЧЕСКИЕ НАУКИ

Год: 2025 Том: 7 Номер журнала: 1

Страницы: 17-28

Тип статьи: Научная статья

УДК: 378

DOI: 10.17150/2713-1734.2025.7(1).17-28

Аннотация:
В статье предлагается для описания вероятностей экзаменационной оценки использовать индикаторы оценок 5, 4, 3. Предполагается, что вероятность единичного значения каждого индикатора зависит от латентных параметров: подготовленности обучающегося к получению оценки, соответствующей индикатору, и трудности получения соответствующей оценки на экзамене. Определены вероятности оценок в зависимости от вероятностей индикаторов. Определены вероятности индикатора в зависимости от значений латентных параметров обучающегося и экзамена. Методом максимального правдоподобия получены уравнения, связывающие латентные параметры и наблюдения индикаторов. Описан алгоритм численного решения уравнений для поиска оценок латентных параметров по массиву оценок. Адекватность модели проверена методами дисперсионного анализа. Описаны варианты применения модели экзаменационных оценок для повышения качества обучения.

Ключевые слова: модель экзаменационных оценок, латентные параметры, статистическая обработка экзаменационных оценок, метод максимального правдоподобия, дисперсионный анализ, коэффициент детерминации

Скачиваний - 0
География скачиваний

Скачать полный текст статьи

Список цитируемой литературы:

Братищенко В.В. Статистический анализ экзаменационных оценок / В.В. Братищенко. - EDN NTYRIN // Известия Иркутской государственной экономической академии (Байкальский государственный университет экономики и права). - 2011. - № 3. - C. 31.
Бодряков В.Ю. Вероятностно-статистическая модель равно- и неравно- взвешенного подходов к количественному оцениванию знаний учащихся / В.Ю. Бодряков, К.Г. Фомина. - EDN JVPXHJ // Качество. Инновации. Образование. - 2008. - № 10. - С. 12-16.
Богоудинова Р.З. Основные подходы к оцениванию результатов образовательной деятельности / Р.З. Богоудинова. - EDN OKFEPB // Вестник Казанского технологического университета. - 2011. - № 22. - С. 320-323.
Парфёнова А.В. Методические аспекты оценивания образовательных результатов по информатике на основе критериально-ориентированного подхода / А.В. Парфёнова. - EDN OXUGZB // Вестник РУДН. Серия: Информатизация образования. - 2012. - № 2. - C. 17-22.
Смирнов С.Д. Показатели интеллектуального потенциала студентов как предикторы успешности обучения в вузе / С.Д. Смирнов. - DOI 10.51314/2073-2635-2014-3-19-41. - EDN SNTMCZ // Вестник Московского университета. Серия 20. Педагогическое образование. - 2014. - № 3. - 19-41.
Звонников В.И. Современные средства оценивания результатов обучения / В.И. Звонников, М.Б. Челышкова. - Москва : Академия, 2007. - 224 с.
Сосницкий В.Н. Вероятностный подход к анализу успеваемости студентов / В.Н. Сосницкий, Н.И. Потанин. - EDN SJMNAR // Фундаментальные исследования. - 2014. - № 8. - С. 734-738.
Лебедева Т.В. Статистический анализ факторов, влияющих на успеваемость студентов российских вузов / Т.В. Лебедева, А.П. Цыпин, В.С. Сидоренко. - EDN YHGLVP // Интеллект. Инновации. Инвестиции. - 2016. - № 9. - С. 55-58.
Галимова Н.С. Построение многофакторной модели успеваемости студента / Н.С. Галимова, Л.Р. Загитова. - DOI 10.23670/IRJ.2020.96.6.080. - EDN OPTLTI // Международный научно-исследовательский журнал. - 2020. - № 6-3 (96). - С. 31-36.
Русаков С.В. Нейросетевая модель прогнозирования группы риска по успеваемости студентов первого курса / С.В. Русаков, О.Л. Русакова, К.А. Посохина. - DOI 10.25559/SITITO.14.201804.815-822. - EDN JWGGFH // Современные информационные технологии и ИТ-образование. - 2018. - T. 14. - № 4. - С. 815-822.
Канапухин П.А. Статистический анализ факторов академической успеваемости (на примере обучающихся экономического факультета ФГБОУ ВО «ВГУ») / П.А. Канапухин, В.В. Коротких, С.С. Щекунских. - DOI 10.17308/econ.2020.2/2899. - EDN SYWUAJ // Вестник Воронежского государственного университета. Серия: Экономика и управление. - 2020. - № 2. C. 27-44.
Гранков М.В. Анализ и кластеризация основных факторов, влияющих на успеваемость учебных групп вуза / М.В. Гранков, В.М. Аль-Габри, М.Ю. Горлова. - EDN VYBVEH // Инженерный вестник Дона. - 2016. - № 4 (43). - C. 57.
Шафоростова Е.Н. Проблемы внедрения информационной системы контроля качества обучения студентов / Е.Н. Шафоростова, Т.И. Лазарева. - EDN NCZSCJ // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. - 2010. - № 3. - C. 173-176.
Рожков Н.Н. Система перезачета оценок успеваемости - инструмент поддержки академической мобильности / Н.Н. Рожков. - EDN KUWVJH // Университетское управление: практика и анализ. - 2006. - № 5. - C. 104-113.
Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests / G. Rasch. - Chicago : The University of Chicago Press, 1980. - 228 p.
Masters G.N. A Rasch Model for Partial Credit Scoring / G.N. Masters // Psychometrika. - 1982. - Vol. 47. - P. 149-174.
Andrich D. A Rating Formulation for Ordered Response Categories / D. Andrich // Psychometrika. - 1978. - Vol. 43. - P. 561-573.
Братищенко В.В. Параметрическая модель экзаменационных оценок / В.В. Братищенко // Качество. Инновации. Образование. - 2012. - № 3. - С. 32-35.
Родионов А.В. Модификация рейтинговой параметрической модели оценки латентных факторов для измерения уровня сформированности компетенций / А.В. Родионов. - DOI 10.17150/1993-3541.2014.24(6).168-174. - EDN TEJYXZ // Известия Иркутской государственной экономической академии (Байкальский государственный университет экономики и права). - 2014. - № 6 (98). - С. 168-174.

Даю свое согласие на обработку персональных данных на следующих условиях:

Согласие распространяется на обработку данных Оператором , то есть совершение , в том числе последующих действий : обработку (включая сбор, систематизацию, накопление, хранение , уточнение (обновление, изменение), использование ,обезличивание, блокирование, уничтожение, при этом общее описание вышеуказанных способов обработки ПД приведено в ФЗ от 27.07.2006г № 152 –ФЗ , а так же на передачу такой информации третьим лицам , в случаях, установленных нормативными документами вышестоящих органов и законодательством.

Действует до достижения цели либо отзыва согласия.

Мне известно, что согласие на обработку ПД может быть отозвано мною в любой момент.

Мне известно, что по моему письменному запросу имею право на получение информации, касающейся обработки моих персональных данных (в соответствии с п. 4 ст. 14 ФЗ от 27.06.2006 г №152-ФЗ).

Кроме того, я ознакомлен с тем, что на Сайте установлено программное средство Яндекс.Метрика, использование функционала которого позволяет определить уникального посетителя Сайта, формировать сведения о его предпочтениях и поведении на Сайте, что указывает на обработку его персональных данных. В соответствии с п. 18 Условий использования сервиса Яндекс.Метрика и AppMetrica все данные, собираемые и хранимые Сервисом, Яндекс рассматривает как персональные данные и конфиденциальную информацию Пользователя (https://yandex.ru/legal/metrica_termsofuse).

В соответствии с ч. 1 ст. 9 Закона о персональных данных я принимаю решение о предоставлении своих персональных данных и даю согласие на их обработку своей волей и в своем интересе при посещении данного сайта.