Adaptivní testování znalostí pomocí bayesovských sítí

advisor: Ing. Jiří Vomlel, Ph.D.
e-mail: show e-mail
type: phd thesis
branch of study: MI_MM, MI_AMSM, MINF, APIN
key words: Bayesovské sítě, Adaptivní testování znalostí, Umělá inteligence, Strojové učení
link: http://staff.utia.cas.cz/vomlel/
description: Bayesovské sítě [1,2] jsou příkladem pravděpodobnostního grafického modelu [3] úspěšně používaného v různých reálných aplikacích, kde je třeba podpora rozhodování za nejistoty. Základní výhodou bayesovských sítí je, že umožňují pomocí orientovaného grafu modelovat vztahy mezi veličinami a následně tyto vztahy využít pro efektivní výpočty podmíněných pravděpodobností v modelu (tj. pro pravděpodobnostní inferenci) [4]. Cílem práce je vytvořit prototyp adaptivního testu [5,6] pro e-learning v oblasti zájmu, kterou si student doktorského studia zvolí. Test by měl být navržen tak, aby si studenti mohli ověřit získané znalosti a zjistit oblasti, ve kterých se musí ještě zlepšit. Test bude navržen jako adaptivní, což znamená, že otázky budou vybírány¨vždy na základě předchozích odpovědí. Prvním úkolem je navrhnout bayesovskou síť modelující závislosti mezi různými dovednostmi potřebnými k úspěšnému řešení určitého typu úloh nebo otázek [7,8,9]. Tento model by pak byl použit při návrhu adaptivního testu, jehož cílem je, pomocí co nejmenšího počtu otázek, dosáhnout potřebné informace o dovednostech testovaného studenta. Při následném reálné použití adaptivního testu by byla shromažďována data, která by byla vyhodnocena a použita pro modifikace modelu. Mezi teoretické úlohy řešené v rámci tohoto tématu patří: (a) návrh vhodného typu bayesovské sítě, (b) volba vhodného typu podmíněných pravděpodobnostních tabulek, (c) návrh efektivních metod výpočtu pro vybraný typ bayesovské sítě, (d) návrh metod pro učení a adaptaci modelu z dat.
references: [1] F. V. Jensen, Bayesian networks and decision graphs, Springer Verlag, 2001. [2] Bayesian network, Wikipedia, http://en.wikipedia.org/wiki/Bayesian_network [3] S. L. Lauritzen, Graphical Models, Clarendon Press, Oxford, 1996. [4] F. V. Jensen and S. L. Lauritzen and K. G. Olesen, Bayesian updatingin recursive graphical models by local computation. Computational Statistics Quarterly, 1990, Vol. 4, pp. 269-282. [5] Howard Wainer, David Thissen, and Robert J. Mislevy. Computerized Adaptive Testing: A Primer. Mahwah, N.J., Lawrence Erlbaum Associates, Second edition, 2000. [6] Russell G. Almond and Robert J. Mislevy. Graphical models and computerized adaptive testing. Applied Psychological Measurement, 23(3):223–237, 1999. [7] Russell. G. Almond, Lou Dibello, Frank Jenkins, Deniz Senturk, Robert J. Mislevy, Linda S. Steinberg, and Duanli Yan. Models for conditional probability tables in educational assessment. In Proc. of the 2001 Conference on AI and Statistics. Society for AI and Statistics, 2001. [8] J. Vomlel: Bayesian networks in educational testing, International Journal of Uncertainty, Fuzziness and Knowledge Based Systems, Vol. 12, Supplementary Issue 1, 2004, pp. 83-100. http://staff.utia.cas.cz/vomlel/ijufks-draft.pdf [9] Computerized adaptive testing using Bayesian networks (lecture slides), http://staff.utia.cas.cz/vomlel/uned/uned-cat.pdf
last update: 12.05.2021 10:05:07

administrator for this page: Ľubomíra Dvořáková | last update: 09/12/2011
Trojanova 13, 120 00 Praha 2, tel. 224 358 540, pevná linka 224 923 098, fax 234 358 643
Czech Technical Univeristy in Prague | Faculty of Nuclear Sciences and Physical Engineering | Department of Mathematics