Автоматизированный контроль знаний студентов по гуманитарным предметам с использованием нейронных сетей.
С. А. Добрынин, ФЭТ, студент 5-го курса, гр. 431-2
ТУСУР, г. Томск, laesod@ms.tusur.ru
Автоматизированный контроль знаний студентов существует уже давно. Наиболее распространенный вид такого контроля – это компьютерное тестирование. На данный момент этот способ проверки знаний позволяет получать от тестируемых весьма ограниченный набор ответов. Например, выбор одного или нескольких правильных ответов, ввод с клавиатуры числа или слова (термин, название и т.д.). Для некоторых предметов такой вид проверки знаний, может быть, вполне приемлем. Например, в физике или математике. Но в гуманитарных предметах при оценивании ответов следует учитывать смысловую неоднозначность, возможность допущения грамматических ошибок. Неоднозначность ответов заключается в том, что письменный или устный ответ по гуманитарному предмету нельзя четко отнести к множеству правильных или неправильных ответов. Такой ответ может быть частично правильным и частично неправильным. Для объемных и специфических вопросов трудно построить математическую модель оценивания знаний. Для таких вопросов сами преподаватели не всегда могут точно выделить критерии и правила, по которым они за некий ответ ставят соответствующую оценку. Один и тот же ответ иногда оценивается по нескольким категориям: знание теории, умение абстрактно мыслить, хорошее владение практическими навыками, знание интересных фактов, выходящих за рамки стандартного курса лекций и так далее. На данный момент в распространенных программах автоматизированной проверки знаний эти возможности не учитываются. Также большинство программ по тестированию работают только в режиме тестирования и не позволяют создавать собственные тесты. Потребность в проведении тестирования с собственными вопросами возникает довольно часто, а некомпьютерное тестирование занимает много времени на подготовку, проверку и требует известных расходных материалов (бумага, тонер, картон...).
Для контроля знаний по гуманитарным предметам с использованием тестовых заданий следует разработать математические модели оценивания знаний. Эти модели должны учитывать нечеткость ответов, вести контроль ошибок (опечатки, грамматические ошибки), обрабатывать ответы, данные в устной или письменной форме. Эти математические модели должны обладать способностями самообучения для тех случаев, когда преподавателю сложно подобрать параметры модели вручную. Подбор параметров является непростой задачей, когда количество параметров велико или когда преподаватель плохо представляет себе их назначение. В некоторых случаях процесс самообучения пройдет быстрее, чем ручной подбор. В то же время параметры, подобранные в результате самообучения могут быть откорректированы.
В свете вышеизложенных аргументов было принято решение написать программу - создатель тестов, которая могла бы работать в двух режимах: тестирование и создание теста. За основу математической модели тестовых заданий была взята искусственная нейронная сеть. Нейронная сеть способна самообучаться на основе примеров, а также обобщать полученные знания и использовать их при подаче на вход данных, которых не было во время обучения. Корректировать весовые коэффициенты можно и вручную. Математической моделью тестирования служит двухслойная нейронная сеть. Каждому нейрону первого слоя соответствует одно тестовое задание. Нейроны этого слоя могут быть как классическими персептронами, так и нечеткими нейронами. Во втором слое находится один нейрон-персептрон. Весовые коэффициенты этого нейрона показывают степень сложности вопроса. Каждому виду тестового задания сопоставляется особый вид нейрона, интерпретация весовых коэффициентов и тип входных данных. Тестовым заданиям, реализующим выбор одного или нескольких ответов из предложенного списка, сопоставлен персептрон. Положительные весовые коэффициенты соответствуют правильным ответам. При этом чем правильнее ответ, тем больше коэффициент. Неправильным ответам соответствуют отрицательные коэффициенты. Вопросам, в которых нужно ввести число, соответствует нечеткий нейрон. В зависимости от модуля разности правильного и введенного ответов на выходе нейрона формируется число в интервале [0..1], показывающее степень правильности ответа.
Современные средства автоматизированной проверки знаний по гуманитарным предметам, основанные на компьютерном тестировании, не удовлетворяют потребности преподавателей. Построенная математическая модель охватывает не все виды тестовых заданий, но оценивание ответов является достаточно близким к оценкам, которые делает преподаватель во время проверки устного или письменного задания. Данная математическая модель проверки знаний по гуманитарным предметам является развитием идеи классического тестирования и может использоваться в вырожденном виде для проверки знаний по негуманитарным предметам. Задача проверки устного ответа может быть сведена к задаче оценки письменного ответа, если произвести распознавание речи. В будущем планируется разработать математическую модель оценивания коротких и простых предложений, основанную на нейронных сетях. Использование интеллектуальных технологий в области проверки знаний по гуманитарным предметам позволит приблизить оценивание компьютером к оцениванию, которое производит преподаватель при проверке устного или письменного задания.
Литература
1. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.: ил.
2. С. Короткий Нейронные сети: основные положения - Электронная публикация.
3. С. Короткий Нейронные сети: алгоритм обратного распространения - Электронная публикация.