Диагностика по тестовым траекториям: метод паттернов ⁴⁹⁹

Представлен метод паттернов для диагностики испытуемых по тестовым траекториям, представляющим результаты выполнения заданий в порядке их появления. Метод позволяет решать задачи диагностики, располагая ограниченными результатами наблюдений, строить диагностические выводы, опираясь только на анализ накопленных эмпирических данных, а также адаптивно изменять как количество предъявляемых тестовых заданий, так и их содержание, добиваясь заданного уровня надежности диагностической оценки.

Ключевые слова: диагностика когнитивных способностей, диагностика операторов сложных технических систем, адаптивное тестирование, IRT, метод паттернов

Рубрика: Математическая психология

Тип: научная статья

DOI: http://dx.doi.org/10.17759/exppsy.2018110206

Компьютерное тестирование широко используется как средство психологических и педагогических измерений, для диагностики различных заболеваний, а также с целью определения уровня компетенций и степени сформированности навыков, необходимых для выполнения той или иной деятельности. Качество и достоверность получаемых результатов определяются технологиями тестирования, которые в последние десятилетия стали предметом активных научных исследований.

1. Валуева Е.А., Ушаков Д.В. Эмпирическая верификация модели соотношения предметных и эмоциональных способностей // Психология. Журнал Высшей школы экономики, 2010. Т. 7, № 2. С. 103—114.
2. Куравский Л.С., Артеменков С.Л., Юрьев Г.А., Григоренко Е.Л. Новый подход к компьютеризированному адаптивному тестированию // Экспериментальная психология. 2017. Т. 10. №. 3. С. 33—45. doi:10.17759/exppsy.2017100303
3. Куравский Л.С., Марголис А.А., Мармалюк П.А., Юрьев Г.А., Думин П.Н. Обучаемые марковские модели в задачах оптимизации порядка предъявления психологических тестов // Нейрокомпьютеры: разработка и применение. 2013. № 4. С. 28—38.
4. Куравский Л.С., Марголис А.А., Мармалюк П.А., Панфилова А.С., Юрьев Г.А. Математические аспекты концепции адаптивного тренажера // Психологическая наука и образование. 2016. Т. 21. № 2. C. 84—95. doi: 10.17759/pse.2016210210
5. Куравский Л.С., Марголис А.А., Юрьев Г.А., Мармалюк П.А. Концепция системы поддержки принятия решений для психологического тестирования // Психологическая наука и образование. 2012. № 1. С. 56—65.
6. Куравский Л.С., Юрьев Г.А. Адаптивное тестирование как марковский процесс: модели и их идентификация // Нейрокомпьютеры: разработка и применение. 2011. № 2. С. 21—29.
7. Куравский Л.С., Юрьев Г.А. Вероятностный метод фильтрации артефактов при адаптивном тестировании // Экспериментальная психология. 2012. Т. 5. № 1. С 119—131.
8. Куравский Л.С., Юрьев Г.А. Использование марковских моделей при обработке результатов тестирования // Вопросы психологии. 2011. № 2. С. 98—107.
9. Куравский Л.С., Юрьев Г.А. Об одном подходе к адаптивному тестированию и устранению его артефактов // Нейрокомпьютеры: разработка и применение. 2012. № 1.
10. Марковские модели в задачах диагностики и прогнозирования: учеб. пособие / Под ред. Л.С. Куравского. 2-е изд., доп. М.: Изд-во МГППУ, 2017. 203 с.
11. Baker F.B. The Basics of Item Response Theory. ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD, 2001.
12. Borg I., Groenen P.J.F. Modern Multidimensional Scaling Theory and Applications // Springer. 2005. P. 140.
13. Gregory R.J. Psychological testing: History, principles, and applications (5th edition). New York: Pearson, 2007.
14. Gulliksen H. Theory of Mental Tests. John Wiley & Sons Inc, 1950.
15. Kuravsky L.S., Marmalyuk P.A., Baranov S.N., Alkhimov V.I., Yuryev G.A. and Artyukhina S.V. A New Technique for Testing Professional Skills and Competencies and Examples of its Practical Applications // Applied Mathematical Sciences. 2015. Vol. 9. № 21. Р. 1003—1026, http://dx.doi.org/10.12988/ ams.2015.411899
16. Kuravsky L.S., Marmalyuk P.A., Yuryev G.A. and Dumin P.N. A Numerical Technique for the Identification of Discrete-State Continuous-Time Markov Models [Электронный ресурс] // Applied Mathematical Sciences. 2015. Vol. 9. № 8. Р. 379—391. URL: http://dx.doi.org/10.12988/ams. 2015.410882 (дата обращения: 16.06.2018)
17. Neal Phillip Grieb. Multiresolution Analysis for Adaptive Refinement of Multiphase Flow Computations. University of Iowa, 2010. P. 116.
18. Rasch G. Probabilistic models for some intelligence and attainment tests // Copenhagen, Danish Institute for Educational Research, expanded edition (1980) with foreword and afterword by B.D. Wright. Chicago: The University of Chicago Press. 1960/1980.
19. René Vidal, Yi Ma, Shankar Sastry. Generalized Principal Component Analysis [Электронный ресурс] // Springer-Verlag New York, 2016. URL: http://www.springer.com/ us/book/9780387878102 (дата обращения: 16.06.2018)
20. Thompson N.A., Weiss D.J. A framework for the development of computerized adaptive tests // Practical Assessment, Research & Evaluation, 2011. 16(1), З. 1—9.
21. Torre J. de la, Patz R.J. Making the Most of What We Have: A Practical Application of Multidimensional Item Response Theory in Test Scoring // Journal of Educational and Behavioral Statistics. 2005. 30(3) Р. 295—311. doi:10.3102/10769986030003295.
22. Trevor F. Cox, M.A.A. Cox. Multidimensional Scaling, Second Edition. Chapman & Hall/CRC, 2001. P. 299.
23. Wright B.D., Masters G.N. Rating scale analysis. Rasch measurements. Chicago: MESA Press, 1982.
24. Xiangyu Kong, Changhua Hu, Zhansheng Duan. Principal Component Analysis Networks and Algorithms [Электронный ресурс] // Springer, 2017. URL: http://www.springer.com/us/book/9789811029134 (дата обращения: 16.06.2018)
25. Young F. MDS: History, Theory, and Applications. Psychology Press, 2013. P. 317.