بهبود هوشمندانه انتخاب سوال بر پایه سطح دانش آزمون دهنده در آزمون انطباقی کامپیوتری : کارشناسی ارشد مهندسی فناوری اطلاعات گرایش مدیریت سیستمهای اطلاعاتی
یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” بهبود هوشمندانه انتخاب سوال بر پایه سطح دانش آزمون دهنده در آزمون انطباقی کامپیوتری ” با فرمت Word (قابل ویرایش) در 120 صفحه را معرفی مینماید.
چکیده پایان نامه بهبود هوشمندانه انتخاب سوال بر پایه سطح دانش آزمون دهنده در آزمون انطباقی کامپیوتری :
آزمون انطباقی کامپیوتری یک روش رو به رشد ارزیابی در بسیاری از موسسات آموزشی و همچنین غیر آموزشی در سراسر جهان است. ویژگی متمایزکننده آزمون انطباقی کامپیوتری اجرای آزمون متناسب با توانایی آزمون دهنده بر اساس پاسخ سوالات قبلی میباشد. از این رو، میتوان آزمون کوتاهتر را اجرا و در عین حال تخمین دقیقتری از توانایی آزموندهنده به دست آورد. روشهای مختلفی برای ایجاد آزمون انطباقی کامپیوتری بر اساس نظریه سوال پاسخ ارائه شده است. هدف این پایان نامه بهبود روش انتخاب سوال در آزمون انطباقی کامپیوتری بر اساس نظریه سوال پاسخ با توجه به سطح دانش آزموندهنده میباشد. در این پایان نامه علاوه بر پارامترهای سوال که در نظریه سوال پاسخ مطرح شده است، ساختاری برای سوالات پیشنهاد شده است که بر اساس آن میتوان روش انتخاب سوال را بهبود بخشید، علاوه بر این طول آزمون کوتاهتر خواهد شد. همچنین میتوان مبحثی که آزمون دهنده در آن ضعیف میباشد را شناسایی و بر اساس آن رویکردی مناسب آزمون دهنده پیشنهاد داد. یعنی اگر آزمون دهندهای در مبحثی ضعیف بود، معلم میتواند تصمیمی متناسب با سطح آزموندهنده اتخاذ کند.
در انتخاب سوال، موضوع دیگری که مطرح است محاسبه سطح توانایی آزموندهنده است، چون بر اساس سطح او، سوال مناسب برای او انتخاب میشود. روشهای مختلفی برای محاسبه و تخمین سطح آزموندهنده وجود دارد، در این پایان نامه از شبکه های عصبی برای تحمین سطح دانش استفاده شده است. سه مدل شبکه عصبی در اینجا مطرح شده است، مدل اول شبکه عصبی هرس جامع است که شبکهای دقیق ولی با طول زمان آموزش بالاست، مدلهای دیگر، شبکه عصبی پرسپترون چند لایه و مدل شبکه عصبی تابع پایه شعاعی است.
واژگان کلیدی: سنجش کامپیوتری ، آزمون های مبتنی بر کامپیوتر ، آزمون انطباقی کامپیوتری، نظریه سوال پاسخ، شبکه بیزین، شبکه عصبی
فهرست مطالب پایان نامه بهبود هوشمندانه انتخاب سوال
چکیده……………1
فصل اول : مقدمه. 2
1 – 1 اهداف تحقیق و تبیین صورت مسئله. 3
فصل دوم : آزمون انطباقي کامپيوتري.. 5
2 – 1 مقدمه. 5
2 – 2 انواع سنجش انطباقی.. 5
2 – 3 انتخاب سوال.. 9
2 – 4 پايان دادن به آزمون انطباقي.. 12
2 – 5 کاربردهاي آزمون انطباقي کامپيوتري.. 13
2 – 6 ساختار آزمون انطباقي کامپيوتري.. 13
فصل سوم : بحثهای مرتبط.. 18
3 – 1 نظریه سوال پاسخ.. 18
3 – 1 – 1 مقدمه. 18
3 – 1 – 2 مدلهاي نظريه سوال پاسخ.. 21
3 – 1 – 3 مدلهاي دو ارزشي نظريه سوال پاسخ.. 22
3 – 1 – 4 مدلهاي سوال پاسخ تک بعدي براي داده هاي دو ارزشي.. 22
3 – 1 – 5 مدلهاي سوال پاسخ چند ارزشي.. 27
3 – 1 – 6 نمره گذاري آزمودنيها بر اساس مدلهاي نظريه سوال پاسخ.. 27
3 – 1 -7 بيشنه پسين.. 35
3 – 1 – 8 نمره گذاري به روش پسين مورد انتظار. 37
3 – 1 – 9 مدرج کردن سوالها (برآورد کردن) 39
3 – 1 – 10 برآورد به روش بيشينه درست نمايي.. 40
3 – 1 – 11 برآورد بيشينه درستنمايي با پارامترهاي معلوم شخص…. 41
3 – 1 – 12 معادله هاي برآورد. 44
3 – 1 – 13 روش جستجوي نيوتن – رافسون. 44
3 – 1 – 14 بيشينه درست نمايي همزمان (JML) 46
3 – 1 – 15 بيشينه درست نمايي حاشيه اي (MML) 47
چهار |
3 – 1 – 1 6 بيشينه درست نمايي شرطي (CML) 51
3 – 2 شبکه های بیزین.. 55
3 – 2 – 1 مقدمه. 55
3 – 2 – 2 استنتاج با استفاده از توزيع توام كامل.. 56
3 – 2 – 3 رابطههاي استقلال شرطي در شبكههاي بيزي.. 59
3 – 2 – 4 نمايش كارآمد توزيعهاي شرطي.. 60
3 – 2 – 5 يادگيري شبكههاي بيزين.. 61
3 – 2 – 6 شبکه های باوری بیزین.. 61
3 – 2 – 7 استفاده از شبکه های بیزین در آزمون انطباقی کامپیوتری.. 63
3 – 3 شبکه های عصبی.. 66
3 – 3 – 1 مقدمه. 66
3 – 3 – 2 کاربردهای شبکه های عصبی.. 69
3 – 3 – 3 مزیتهای شبکه های عصبی.. 69
3 – 3 – 4 محدودیتهای شبکه های عصبی.. 70
3 – 3 – 5 تعمیم شبکه. 71
3 – 3 – 6 استراتژیهای یادگیری.. 71
3 – 3 – 7 پیشبینی با استفاده از شبکه های عصبی.. 72
فصل چهارم : پیشنهاد روش بهبود یافته. 73
4 – 1 مقدمه. 73
4 – 2 مشکلات روشهای قبل.. 74
4 – 3 روش پیشنهادی.. 75
4 – 4 مدلسازی ساختار سوالات بر اساس شبکه بیزین.. 77
4 – 5 مدلسازی آزمون با استفاده از شبکه های عصبی.. 79
4 – 5 – 1 شبكه عصبي پرسپترون ساده 80
4 – 5 – 2 شبكه عصبي پرسپترون چند لايه ) MLP ( 81
4 – 5 – 3 شبكه با تابع پايه شعاعي (RBF) 82
4 – 5 – 4 شبكه عصبی هرس جامع. 83
4 – 6 نتیجه گیری.. 84
فصل پنجم : پیاده سازی.. 85
5 – 1 مقدمه. 85
5 – 2 مجموعه داده. 85
5 – 3 آزمایشات و نتایج.. 85
پنج |
5 – 3 – 1 آزمایش اول. 86
5 – 3 – 2 آزمایش دوم. 89
5 – 3 – 3 آزمایش سوم. 95
5 – 3 – 4 نتیجه گیری.. 100
فصل ششم : مقایسه و نتیجه گیری.. 102
6 – 1 مقدمه. 102
6 – 2 نتیجه گیری.. 103
6 – 3 کارهای آتی.. 105
مراجع.. 106
شش |
فهرست شکلها
شکل 2‑1 : فلوچارت الگوريتم آزمون کامپيوتر تطبيقي [6] 9
شکل 2‑2: توابع اطلاعات براي 10 سوال. 11
شکل 2‑3: توابع اطلاعات براي 9 سوال. 12
شکل 2‑4: توابع اطلاعات براي 8 سوال. 12
شکل 2‑5 : انتخاب سوال انطباقي [10] 14
شکل 3‑1: منحني هاي ويژگي سوال از مدل لوجستيک يک پارامتري.. 24
شکل 3‑2: منحني هاي ويژگي سوال از مدل لوجستيک دو پارامتري.. 25
شکل 3‑3: منحني هاي ويژگي سوال از مدل لوجستيک سه پارامتري.. 26
شکل 3‑4: منحني هاي سوال پاسخ براي سه سوال نمونه. 29
شکل 3‑5: تابع درستنمايي براي آزمون 3 سوالي.. 30
شکل 3‑6: تابع لگاريتم درستنمايي براي آزمون 3 سوالي.. 31
شکل 3‑7: تابع احتمال لگاريتمي و مشتق اول و دوم آن. 32
شکل 3‑8 : تابع توزيع طبيعي.. 37
شکل 3‑9: درستنمايي دادهها تحت اندازههاي مخنلف پارامتر يک سوال. 44
شکل 3‑10 : انتگرالگيري گاووسي با پنج نقطه. 50
شکل 3‑11: شبکه بيزی قلمرو دستگاه آژير جديد. 59
شکل 3‑12: ارائه مفاهيم ساختاری به دو صورت معمول. 60
شکل 3‑13: شبکه بیزین برای آزمون انطباقی.. 64
شکل 3‑14: شبکه بیزین برای موضوع و مباحث آن. 65
شکل 3‑15: ساختار يك نورون مصنوعي.. 67
شکل 3‑16: ساختار يک شبکه عصبي مصنوعي.. 68
شکل 4‑1: گامهای روال الگوریتم پیشنهادی برای آزمون انطباقی کامپیوتری.. 76
شکل 4‑2: ساختار سوالات پیشنهادی در آزمون انطباقی پیشنهادی.. 77
شکل 4‑3: بلوک دیاگرام آزمون انطباقی مبتنی بر شبکه عصبی.. 80
شکل 4‑4: ساختار پرسپترون چندلايه با نرونهاي پنهان tansig و نرونهاي خروجي با تابع خطي [28]. 81
شکل 4‑5: ساختار شبکه هاي تابع با پايه شعاعي [28] 83
شکل 5‑1: دقت شبکه عصبی آزمایش اول. 87
شکل 5‑2: نسبت اهمیت ورودیها در ساخت مدل برای مجموعه A در آزمایش اول. 88
شکل 5‑3 : نسبت اهمیت ورودیها در ساخت مدل برای مجموعه B در آزمایش اول. 89
شکل 5‑4 : شمای کلی شبکه عصبی چند لایه پرسپترون (MLP) 91
شکل 5‑5 : دقت شبکه عصبی آزمایش دوم برای مجموعه A.. 92
شکل 5‑6 : نسبت اهمیت ورودیها در ساخت مدل برای مجموعه A.. 92
شکل 5‑7 : پیشبینی توسط شکل برای مجموعه A در آزمایش دوم ( هدف : سطح آزمون دهنده ) 92
شکل 5‑8 : دقت شبکه عصبی آزمایش دوم برای مجموعه B.. 94
هفت |
شکل 5‑9 : نسبت اهمیت ورودیها در آزمایش دوم برای ساخت مدل مجموعه B.. 94
شکل 5‑10 : پیشبینی توسط شکل در آزمایش دوم برای مجموعه B( هدف : سطح آزمون دهنده ) 95
شکل 5‑11 : دقت شبکه عصبی آزمایش سوم برای مجموعه A.. 97
شکل 5‑12 : نسبت اهمیت ورودیها در آزمایش سوم برای ساخت مدل مجموعه A.. 97
شکل 5‑13: پیشبینی توسط شکل در آزمایش سوم برای مجموعه A( هدف : سطح آزمون دهنده) 98
شکل 5‑14: دقت شبکه عصبی آزمایش سوم برای مجموعه B.. 99
شکل 5‑15: نسبت اهمیت ورودیها در آزمایش سوم برای ساخت مدل مجموعه B.. 99
شکل 5‑16: پیشبینی توسط شکل در آزمایش سوم برای مجموعه B ( هدف : سطح آزمون دهنده ) 100
شکل 6‑1: مجذور خطای استاندارد در سه مدل. 104
فهرست جداول
جدول 2‑1 : مشاهده عملکرد توابع و بازخورد آنها بعد از پاسخ به سوال. 15
جدول 3‑1: نمادهای متداول در مدلهای نظریه سوال پاسخ.. 22
جدول 3‑2: مجموعه هاي تکرارشونده نيوتن– رافسون به دريافتن بيشينه احتمال برآورد سطح صفت.. 33
جدول 3‑3 : توزيع يک قلمرو ساده 56
جدول 5‑1 : مشخصات شبکه عصبی آزمایش اول بر روی مجموعه A.. 87
جدول 5‑2: نتایج اعمال مدل روی داده های تست مجموعه A.. 87
جدول 5‑3 : مشخصات شبکه عصبی آزمایش اول بر روی مجموعه B.. 88
جدول 5‑4 : نتایج اعمال مدل روی داده های تست مجموعه B.. 89
جدول 5‑5 : مشخصات شبکه عصبی آزمایش دوم بر روی مجموعه A.. 90
جدول 5‑6 : نتایج اعمال مدل روی داده های تست مجموعه A.. 90
جدول 5‑7 : مشخصات شبکه عصبی آزمایش دوم بر روی مجموعه B.. 93
جدول 5‑8 : نتایج اعمال مدل آزمایش دوم روی داده های تست مجموعه B.. 93
جدول 5‑9 : مشخصات شبکه عصبی آزمایش سوم بر روی مجموعه A.. 96
جدول 5‑10: نتایج اعمال مدل روی داده های تست مجموعه A.. 96
جدول 5‑11 : مشخصات شبکه عصبی آزمایش سوم بر روی مجموعه B.. 98
جدول 5‑12: نتایج اعمال مدل آزمایش سوم روی داده های تست مجموعه B.. 99
جدول 6‑1: مقایسه دقت تخمین زده شده در سه آزمایش مختلف بر روی مجموعه داده ها 104
جدول 6‑2: مقایسه زمان آموزش مدل در سه آزمایش مختلف بر روی مجموعه داده ها (دقیقه) 104
هشت |
فهرست معادلات
معادله 2‑1 تابع محاسبه اطلاعات فیشر. 9
معادله 2‑2. 10
معادله 2‑3 : اطلاعات KL برای دو توزیع P و Q.. 10
معادله 2‑4. 10
معادله 3‑1: مدل راش… 23
معادله 3‑2:مدل دو پارامتري.. 24
معادله 3‑3: مدل سه پارامتري.. 25
معادله 3‑4: تابع درستنمايي.. 28
معادله 3‑5. 30
معادله3‑6. 30
معادله3‑7: مشتق اول. 32
معادله3‑8: مشتق دوم. 32
معادله 3‑9. 32
معادله 3‑10: چگالي گرههاي انتگرال. 38
معادله 3‑11: محاسبه اندازه صفت.. 38
معادله 3‑12. 38
معادله3‑13. 41
معادله3‑14: احتمال پاسخ مشاهده شده 42
معادله3‑15: لگاريتم احتمال پاسخ به سوال. 42
معادله3‑16: درست نمايي الگوي پاسخدهي فرد s. 42
معادله3‑17: درستنمايي داده ها 42
معادله3‑18: لگاريتم درستنمايي داده ها 43
معادله3‑19: اندازه بهبود يافته برآورد دشواري سوال. 45
معادله3‑20: خطاي استاندارد مدل راش… 46
معادله3‑21 : احتمال کناري الگوي پاسخدهي.. 48
معادله3‑22: احتمال به دست آوردن يک بردار پاسخ خاص Xp 49
معادله 3‑23: لگاريتم درستنمايي داده ها در MML. 50
معادله 3‑24: احتمال يک الگوي خاص پاسخ دهي.. 52
معادله 3‑25. 52
معادله 3‑26: احتمال الگوي پاسخدهي.. 52
معادله 3‑27. 53
معادله 3‑28: درستنمايي الگوي پاسخ دهي.. 53
معادله 3‑29: درستنمايي داده ها در روش CML. 53
نه |
معادله 3‑30: لگاريتم درستنمايي.. 53
معادله 3‑31: معادله هاي برآورد CML. 54
معادله 3‑32. 57
معادله 3‑33 مدل احتمال سراسری مسئله به عنوان شبکه باوری بیزین.. 62
معادله 3‑34: توزیع احتمال شرطی برای هر مبحث Tj 65
معادله 3‑35: توزیع احتمال شرطی برای هر موضوع Aj 65
راهنمای خرید و دانلود فایل
برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب استفاده نمائید.
بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.
در صورت بروز هر مشکلی،میتوانید از طریق تماس با ما پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.
برای دانلود فایل روی دکمه خرید و دانلود کلیک نمایید.
ديدگاه ها