Комплексная автоматизация и моделирование адаптивных процессов тестового контроля и обучения в системе аттестации и подготовки кадров предприятий промышленности и транспортного комплекса тема диссертации и автореферата по ВАК РФ 05.13.06, доктор технических наук Строганов, Виктор Юрьевич

• Строганов, Виктор Юрьевич
• доктор технических наук
• 2004

Оглавление диссертации доктор технических наук Строганов, Виктор Юрьевич

Введение.

1. СИСТЕМНЫЙ АНАЛИЗ ЗАДАЧ АТТЕСТАЦИИ, ПОДГОТОВКИ И ПЕРЕПОДГОТОВКИ КАДРОВ ПРЕДПРИЯТИЙ ПРОМЫШЛЕННОГО И ТРАНСПОРТНОГО КОМПЛЕКСА.

1.1. Проблемы кадрового обеспечения промышленных предприятий.

1.1.1. Программы развития кадрового обеспечения промышленных предприятий.

1.1.2. Дидактические принципы системы аттестации и подготовки кадров.

1.1.3. Методы и формы управления обучением.

1.1.4. Характеристические свойства личности обучаемого.

1.1.5. Роль консультанта в системе аттестации и подготовки кадров.

1.2. Анализ педагогических принципов формирования системы подготовки кадров.

1.2.1. Педагогическое проектирование системы подготовки кадров.

1.2.2. Принцип модульности и соотношение материала и диалога.

1.2.3. Организация методической работы в системе подготовки кадров

1.2.4. Критерии эффективности процесса обучения.

1.3. Анализ методик проведения аттестации и оценки уровня знаний.

1.3.1. Педагогические принципы построения процедур контроля.

1.3.2. Функции и методы диагностики.

1.3.3. Методические правила проектирования тестовых заданий.

1.3.4. Формы тестовых заданий.

1.3.5. Принципы построения шкал в задачах тестового контроля.

1.3.6. Формализованные модели классификации обученности.

1.4. Математические моделирование компонентов системы аттестации и подготовки кадров.

1.4.1. Анализ моделей научения и функций забывания информации при организации учебного процесса.

1.4.2. Модели оценки сложности учебной информации.

1.4.3. Математическое моделирование процедур тестового контроля.

1.4.4. Моделирование совместного процесса обучения и тестирования.

1.6. Информационные технологии в обучении.

Выводы по главе 1.

2. РАЗРАБОТКА КОНЦЕПТУАЛЬНЫХ ОСНОВ СОЗДАНИЯ АДАПТИВНОЙ СИСТЕМЫ АТТЕСТАЦИИ И ПОДГОТОВКИ КАДРОВ.

2.1. Разработка принципов организации адаптивной системы индивидуализации образовательной траектории.

2.1.1. Концепция создания программно-моделирующего комплекса.

2.1.2. Интеграция компонентов системы подготовки кадров.

2.1.3. Взаимосвязь математических методов и моделей обучения и тестового контроля.

2.1.4. Критерий оптимальности индивидуальной образовательной траектории.

2.1.5. Принципы создания адаптивного интерфейса.

2.1.6. Формирование требований к программно-моделирующему комплексу системы аттестации и подготовки кадров.

2.2. Классификация пользователей и функциональных приложений системы подготовки.

2.3. Процессное описание функционирования пользователей и компонентов системы.

2.3.1. Определение процесса и его свойств.

2.3.2. Понятие структуры и описание подобных процессов.

2.3.3. Основные понятия сцепленности процессов.

2.3.4. Классы одновременных событий.

2.4. Функциональная декомпозиция программно-моделирующего комплекса.

Выводы по главе 2.

3. ДИНАМИЧЕСКАЯ МОДЕЛЬ УЧЕБНОГО ПЛАНА НА ОСНОВЕ

ТЕРМ-СВЯЗНОСТИ МОДУЛЕЙ.

3.1. Формализованное представление компонентов учебного плана.

3.1.1. Принципы структуризации учебного материала.

3.1.2. Модуль как неделимая логическая единица учебной информации.

3.1.3. Формализовавнное описание входных и выходных термов.

3.1.4. Терм-анализ связности учебного материала.

3.1.5. Оценка сложности учебных материалов.

3.2. Алгоритм зонной структуризации учебно-методических материалов.

3.3. Моделирование процесса восприятия и забываемости информации.

3.3.1. Особенности усвоения и запоминания учебного материала.

3.3.2. Классификация забывания процессов по виду тренда.

3.3.3. Анализ моделей авторегрессии.

3.3.4. Анализ гауссовских условно-нестационарных процессов.

3.4. Имитационная модель процесса восприятия терм-множества учебного плана.

3.4.1. Сетевая модель учебного плана.

3.4.2. Операции над функциями принадлежности.

3.4.3. Кусочно-экспоненциальная аппроксимация функции забывания термов.

3.4.4. Модель преобразования уровня усвоения термов.

3.4.5. Нечеткая модель восприятия учебной информации.

3.4.6. Моделирование информационной системы обучения.

3.5. Алгоритм оптимизации образовательной траектории.

Выводы по главе 3.

4. РАЗРАБОТКА МЕТОДОВ И МОДЕЛЕЙ АДАПТИВНОГО КОМПЬЮТЕРНОГО ТЕСТОВОГО КОНТРОЛЯ.

4.1. Взаимосвязь методов и моделей тестового контроля.

4.1.1. Лингвистические переменные сложности тестового задания и уровня знаний.

4.1.2. Аппроксимация нормального распределения логистической функцией.

4.1.3. Построение функции принадлежности логистического преобразования нормального распределения.

4.2. Принципы построения инструментальной среды конструирования тестовых заданий.

4.3. Принцип оптимальности тестов.

4.3.1. Оптимальность тестов для оценки регрессионных зависимостей.

4.3.2. Оптимальное распределение сложности тестовых заданий в статическом плане.

4.3.3. Разрешающая способность теста для группы тестируемых.

4.3.4. Факторный план гетерогенного теста.

4.3.5. Имитационная модель оценки качества теста.

4.4. Оценка значимости сложности заданий на основе дискриминантного анализа.

4.5. Общая схема построения адаптивных алгоритмов тестового контроля

4.6. Адаптивный алгоритм вычисления доверительных границ соответствия требованиям специализации.

4.7. Марковская цепь поведения адаптивного алгоритма с постоянным шагом приращения сложности.

4.7.1. Описание алгоритма с постоянным шагом.

4.7.2. Построение марковской цепи процесса адаптивного тестового контроля.

4.7.3. Сходимость стационарных вероятностей при увеличении дискретизации шкалы уровня сложности.

4.7.4. Плотность распределения сложности тестовых заданий.

4.7.5. Анализ сходимости алгоритма поисковой оптимизации.

4.7.6. Плотность распределения для функций регрессии с постоянной дисперсией и постоянным коэффициентом вариации.

4.7.7. Оценка эффективности алгоритма с постоянным шагом.

4.8. Адаптивный алгоритм тестового контроля в непрерывной шкале сложности на базе стохастической аппроксимации.

4.8.1. Аналитические оценки скорости сходимости алгоритма оценивания.

4.8.2. Имитационные эксперименты по оценке скорости сходимости.

4.8.3. Использование критерия максимального правдоподобия.

Выводы по главе 4.

5. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ГЕНЕРАЦИИ ИНДИВИДУАЛЬНОЙ ОБРАЗОВАТЕЛЬНОЙ ТРАЕКТОРИИ.

5.1. Формализованное представление учебного процесса.

5.2. Разработка модели оценки и переоценки сложности учебных материалов.

5.3. Разработка метода классификации обучаемых с учетом априорной информации.

5.4. Принципы адаптивного представления мультимедийных учебных материалов.

5.4.1. Понятие фрагмента как неделимой единицы мультимедийного интерактивного курса.

5.4.2. Формирование лекций.

5.4.3. Формирование тестов.

5.4.4. Формирование практикумов.

5.4.5. Принципы проектирования адаптивного интерфейса программных приложений системы подготовки и аттестации.

5.5. Алгоритм генерации индивидуальной образовательной траектории.

5.5.1. Автоматическая генерация последовательности фрагментов.

5.5.2. Формирование нечеткого отношения связности модулей.

5.5.3. Отношение связности тестовых заданий и модулей.

5.5.4. Композиция нечеткого отношения связности модулей.

5.6. Методика организации системы аттестации и подготовки кадров.

Выводы по главе 5.

6. ПРОГРАММНО-МОДЕЛИРУЮЩИЙ КОМПЛЕКС ИНТЕГРИРОВАННОЙ АДАПТИВНОЙ СРЕДЫ АТТЕСТАЦИИ И ПОДГОТОВКИ КАДРОВ.

6.1. Структура программных приложений системы аттестации и подготовки кадров.

6.2. Инструментальная среда разработки учебных курсов.

6.2.1. Структура инструментальных средств создания мультимедийных обучающих программ.

6.2.2. Среда разработки мультимедийных компонентов.

6.2.3. Создание и редактирование лекций с использованием конструктора лекций.

6.2.4. Создание и редактирование тестовых заданий с использованием конструктора тестовых заданий.

6.2.5. Работа в инструментальной среде администратора учебных планов.

6.3. Пользовательский интерфейс обучаемого.

Выводы по главе 6.

Введение диссертации (часть автореферата) на тему «Комплексная автоматизация и моделирование адаптивных процессов тестового контроля и обучения в системе аттестации и подготовки кадров предприятий промышленности и транспортного комплекса»

Развитие системы управления кадрами промышленных предприятий невозможно без широкомасштабного внедрения информационных технологий в процесс подготовки, повышения квалификации и аттестации кадров. Использование современных информационных технологий в процессе обучения требует модернизации процессов подготовки за счет использования мощной аппаратной и программной базы. Не вызывает сомнения необходимость индивидуализации обучения, что естественным образом сокращает сроки и повышает качество подготовки специалистов.

Совершенствование технологии обслуживания сложной и дорогостоящей техники, внедрение новых методов управления персоналом диктуют необходимость динамичного изменения учебных планов и программ подготовки персонала, рассчитанных на различные возрастные категории и различный уровень начальной подготовки. В настоящее время начинают внедряться методы формирования индивидуальных учебных планов и программ. Значительное количество работ посвящено частным задачам автоматизации формирования учебных планов, процедур тестового контроля, мультимедийных обучающих программ. Однако всей проблеме в целом от разработки мультимедийных обучающих программ по отдельным дисциплинам до моделирования всего процесса подготовки на базе создания интегрированного программно-моделирущего комплекса, позволяющего в автоматическом режиме генерировать индивидуальную образовательную траекторию, уделяется недостаточно внимания.

Основу организационно-методической системы подготовки индивидуальных учебных планов и программ должно составлять формализованное структурированное представление учебного материала. Основу самой методики формирования индивидуальной образовательной траектории и ее динамической корректировки должны составлять формализованные модели процедур тестового контроля. Кроме того, необходимо создание системы комбинированных форм обучения, включающей локальные, сетевые и WEB технологии. Только интеграция структурированных методических материалов, соответствующих тестовых заданий и разработка процедур синхронизация взаимодействия пользователей в различных режимах позволит создать адаптивную систему подготовки кадров. Именно этим обоснована актуальность проводимых в диссертационной работе исследований.

Предметом исследования являются методы и модели формализованного описания процессов обучения и тестового контроля в системе аттестации и подготовки кадров предприятий промышленности и транспортного комплекса.

Основная цель работы - комплексная автоматизация процессов аттестации, подготовки и переподготовки кадров на базе формализованных методов и моделей процессов обучения и тестового контроля, а также создание интегрированной адаптивной среды и соответствующего программно-моделирующего комплекса.

Для достижения данной цели в работе решаются следующие задачи:

• системный анализ задач аттестации, подготовки и переподготовки рабочих и служащих предприятий, методов и моделей структуризации учебных материалов, методов и моделей организации процедур компьютерного тестового контроля в системе аттестации, а также принципов индивидуализации обучения;

• разработка концепции создания многофункциональной интегрированной среды на базе формализованного описания процессов обучения и тестового контроля, формальная декомпозиция программно-моделирующего комплекса системы аттестации и подготовки на множество открытых приложений;

• формирование принципов структуризации учебных материалов на основе понятий входных и выходных термов, методов и моделей анализа связности учебных материалов;

• разработка вероятностной и лингвистической сетевой модели учебного плана как параллельно-последовательного процесса изучения связного комплекса модулей с учетом моделей динамики забывания учебной информации на всем периоде подготовки;

• обоснование критериев эффективности учебного плана с учетом начальной подготовки обучаемых и алгоритмов статической оптимизации учебного плана;

• разработка формальных методов и моделей описания процессов тестового контроля в условиях вероятностной и лингвистической неопределенности;

• разработка адаптивных механизмов формирования тестовых заданий с учетом временных факторов и требований к программной инструментальной среде;

• обоснование методик корректировки сложности тестовых заданий на основании статистики ответов испытуемых с учетом семантической сети знаний и механизмов предъявления тестовых заданий для непрерывной оценочной шкалы;

• разработка методов и алгоритмов автоматизации процессов генерации индивидуальной траектории на базе формализованных моделей связности учебного материала и результатов тестового контроля;

• разработка структуры и макета интегрированной адаптивной среды аттестации и подготовки кадров с комбинированными формами локального, сетевого и WEB вариантов обучения и аттестации;

При обосновании формальных моделей компонентов системы аттестации, подготовки и переподготовки кадров в диссертации использовались методы теории систем, случайных процессов, стохастической аппроксимации, методы шкалирования, экспертного оценивания и др. Анализ эффективности разработанных методов и моделей выполнен с применением методов корреляционного, факторного, дискриминантного, методов многомерного статистического анализа, с привлечением математических пакетов Statistica и MathCad.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, методик и алгоритмов.

В первой главе проведен анализ проблем кадрового обеспечения предприятий промышленного и транспортного комплекса, а также системный анализ методов и моделей организации системы аттестации, подготовки и переподготовки кадров в условиях широкого внедрения новых информационных технологий. Рассмотрены педагогические принципы построения системы подготовки кадров, основные психофизические характеристики обучаемого как личности. Проведен сравнительный анализ методов и средств обучения. Определено место компьютерного тестового контроля и диагностики в системе подготовки для реализации методики индивидуализации учебных планов и программ. Выделены математические методы и модели, необходимые для формирования интегрированной адаптивной среды системы аттестации, подготовки и переподготовки кадров.

Во второй главе диссертации на основе проведенного анализа педагогических и дидактических принципов организации обучения, методов контроля и диагностики уровня знаний формируется концепция автоматизации управления системой аттестации, подготовки и переподготовки кадров. В результате формируются технические требования для реализации программной среды, обеспечивающей функциональную полноту системы подготовки в целях индивидуализации обучения с использованием комбинированных технологий. Концепция направлена на достижение трех основных целей. Первая - наглядность представления учебных материалов, которая достигается на основе использования современных мультимедийных технологий. Вторая - индивидуализация образовательной траектории за счет использования формализованных математических методов и моделей. Третья - технологическая прозрачность для обучаемого использования локальной, сетевой или WEB-технологий.

В третьей главе диссертации в целях реализации предложенной концепции подготовки кадров разработана формализованная модель связности учебно-методических материалов. Основой разработки является введение понятия входных и выходных термов по всему комплексу дисциплин. В результате учебный план представляется в виде однородной структуры модулей, связанных через отношения входных и выходных термов. Для моделирования процессов забывания термов в работе предлагается использовать модели процесс авторегрессии второго порядка. Разработана сетевая вероятностная модель учебного плана, позволяющая индивидуализировать процесс переподготовки и повышения квалификации персонала без отрыва от производства, а также получить информацию об индивидуальных особенностях сотрудников с целью его дальнейшего профессионального роста.

В четвертой главе ставятся и решаются задачи построения адаптивных процедур тестового контроля. Строится формализованные модели основных понятий тестового контроля на базе теории нечетких множеств. Для задачи классификации и оценки коррелированности результатов ответов построена формальная модель дискриминантного анализа. Сформулированы критерии оптимальности тестового контроля. Решается задача оптимального распределения тестовых заданий по уровню «сложности» при общем ограничении на длину теста. Разработана имитационная модель оценки эффективности тестов. Сформирована концепция построения адаптивных механизмов тестирования. Разработаны методы и модели адаптивных механизмов предъявления тестовых заданий. Разработана модификация алгоритма стохастической аппроксимации и получены оценки скорости сходимости алгоритмов, которые показа эффективность разработанных методов и процедур.

В пятой главе диссертации выполнена реализация различных механизмов адаптивности. В работе введено четыре типа адаптивности: структурная, функциональная, методическая, технологическая. Основной упор сделан на разработку методов и алгоритмов генерации индивидуальной образовательной траектории. Основу составляет формализованное представление учебного материала, разработанное в главе 3 и адаптивные алгоритмы тестового контроля, разработанные в главе 4.

В шестой главе диссертации рассматриваются вопросы построения программно-моделирующего комплекса интегрированной адаптивной среды аттестации, подготовки и переподготовки кадров предприятий промышленного и транспортного комплекса. Разработана структура системы баз данных, интегрирующая учебный план, тестовые задания, результаты учебных достижений и др. Приведен список программных пользовательских приложений и их основных функциональных возможностей. Разработаны и реализованы принципы создания адаптивного пользовательского интерфейса. На основании результатов моделирования предложены варианты реорганизации учебного плана для ряда учебных центров промышленных предприятий.

В заключении представлены основные результаты работы.

В приложении приводятся акты внедрения результатов диссертационной работы.

Научную новизну работы составляют:

• структурная декомпозиция функциональных приложений программно-моделирующего комплекса интегрированной адаптивной среды;

• процессно-орентированная концепция аттестации, подготовки и переподготовки кадров;

• формализованное представление методических материалов в рамках единого информационного пространства на основе понятий входных и выходных термов и обоснование количественных характеристик методической связности учебных материалов;

• вероятностная сетевая модель учебного плана как параллельно-последовательный процесс изучения связного комплекса модулей;

• динамическая модель забывания термов и многокритериальная постановка задачи оценки эффективности учебного плана на основе функций забывания всех термов;

• модель логистического преобразования лингвистической переменной уровня знаний в лингвистическую переменную вероятности ответа;

• методика выбора весовых коэффициентов тестовых заданий различного уровня сложности, и разделяющей константы на базе процедуры дискриминантного анализа;

• формализованное описание процесса адаптивного тестового контроля марковской цепью и аналитические выражения стационарных характеристик состояний марковской цепи;

• алгоритмы предъявления тестовых заданий, основанные на процедурах стохастической аппроксимации;

• методика переоценки сложности тестовых заданий на основе формализации экспертной оценки сложности в виде бинарного отношения;

• метод автоматической генерации образовательной траектории на базе нечеткого отношения терм-анализа связности учебных модулей и тестовых заданий.

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей, согласованностью результатов аналитических и имитационных моделей процессов обучения и компьютерного тестового контроля. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения работы в ряде крупных предприятий.

Научные результаты, полученные в диссертации, доведены до практического использования в системе аттестации, подготовки и переподготовки кадров предприятий промышленности и транспортного комплекса.

Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в системе переподготовки на предприятиях «Мосгортранс», учебных центрах Минтруда РФ, а также используются при организации учебного процесса на кафедре АСУ МАДИ(ГТУ) и СОИУ МГТУ им.Н.Э.Баумана.

Содержание разделов и диссертации в целом было доложено и получило одобрение:

• на Российских, межрегиональных и международных научно-технических конференциях, симпозиумах и семинарах (1984-2004 гг.);

• на заседаниях кафедры АСУ МАДИ (ГТУ).

Совокупность научных положений, идей и практических результатов исследований в области автоматизации образовательного процесса составляет новое направление в области теоретических и практических методов принятия решений и выбора стратегий формирования индивидуальной образовательной траектории в системе аттестации, подготовки и переподготовки кадров предприятий различных форм собственности и отраслевой принадлежности.

По результатам выполненных исследований опубликовано около 50 печатных работ.

Диссертационная работа состоит из введения, шести глав и заключения, опубликованных на 377 страницах машинописного текста, содержит 105 рисунков, 25 таблиц, список литературы из 139 наименований и приложения.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Строганов, Виктор Юрьевич

Основные выводы и результаты работы

1. Проведен системный анализ задач организации системы аттестации, подготовки и переподготовки кадров, определены классы методов и моделей формализованного представления компонентов учебного плана и процедур компьютерного тестового контроля в рамках системы автоматизации и моделирования процессов обучения в целях автоматической генерации индивидуальной образовательной траектории.

2. Реализована концепция создания интегрированной адаптивной среды аттестации и подготовки кадров. Проведена классификация пользователей системы и разработано формализованное описание схем их взаимодействия с учетом привязки к программным и информационным ресурсам системы переподготовки.

3. Реализовано формализованное представление компонентов учебного плана. Обоснована необходимость создания базы данных входных и выходных термов, которая является основой количественной оценки связности модулей и дисциплин специализации.

4. Разработана динамическая модель функции забывания термов на основе процессов авторегрессии второго порядка и построена кусочно-линейная аппроксимация функций забывания на всем цикле переподготовки. Разработана сетевая модель учебного плана в условиях вероятностных и лингвистических неопределенностей времен изучения модулей.

5. Разработана методика параметризации компонентов системы компьютерного тестового контроля и формализованная модель преобразования лингвистических переменных уровня знаний и сложности заданий.

6. Разработан метод вычисления весовых коэффициентов значимости заданий различной сложности, а также разделяющей константы при реализации процедур классификации уровня знаний тестируемых. Сформированы критерии оптимальности теста на основе матрицы ошибочной классификации и разработана интерактивная имитационная модель вычисления матрицы ошибочных классификаций.

7. Построена формализованная модель процедуры адаптивного тестового контроля в виде марковской цепи. На основе имитационных экспериментов получены количественные оценки эффективности разработанных адаптивных алгоритмов тестового контроля и показана их эффективность.

8. Построена модель процедуры адаптивного тестового контроля в непрерывной оценочной шкале и разработаны механизмы предъявления тестовых заданий и процедуры оценивания «уровня знаний» на основе методов стохастической аппроксимации. Проведенные имитационные эксперименты подтвердили высокую эффективности разработанных адаптивных алгоритмов.

9. Разработана методика формирования банка тестовых заданий с возможностью динамической корректировкой сложности заданий по статистике ответов тестируемых с учетом семантической сети знаний предметной области и экспертных оценок преподавателей, позволяющая реализовать более точную идентификацию сложности заданий и, следовательно, более точную оценку уровня знаний обучаемых.

10. Разработаны методы и алгоритмы формирования индивидуальной образовательной траектории по результатам тестового контроля и структурной связности методических материалов. Их использование позволяет в автоматическом режиме генерировать совокупность учебных модулей индивидуального учебного плана.

11. Разработана структура базы данных программно-моделирующего комплекса аттестации и подготовки кадров в интегрированной адаптивной среде. Разработана программная среда консультанта, включающая функции автоматической генерации и последующего интерактивного редактирования образовательной траектории в системе аттестации, подготовки и переподготовки кадров, что позволяет повысить эффективность взаимодействия консультанта с обучаемым. Разработан набор программных компонентов, реализующих конвертацию данных сетевого, локального и WEB вариантов среды.

12. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения на ряде промышленных предприятий, предприятиях «Мосгортранс», Институте развития профессионального образования, а также используются при организации учебного процесса на кафедре АСУ МАДИ(ГТУ).

УМОЗАКЛЮЧЕНИЕ форма мышления, представляющая собой логический способ получе-ния из одного или не-скольких суждений но-вого, выводного сужде-ния.

Умозаключение сос-тоит из: посылок - исходных суждений; заключения — нового суждения; вывода — логического перехода от посылок к заключению U

ПОНИМАНИЕ - один из основных видов сложной мыслительной деятельности, заключающейся в раскрытии существенного в предметах и явлениях действительности, их взаимосвязи и причинной обусловленности. Понимание основывается на знаниях и предшествующем опыте человека, установках и концепциях U

ОБЪЯСНЕНИЕ - основная функция и завершающий этап познания, совпадающий с раскрытием необходимых и существенных связей процесса профессионального обучения. Объяснить — значит пролить свет на какой-либо факт U

ОБРАБОТКА ДАННЫХ - широкий спектр операций и процедур, используемых в процессе анализа первичной социологической информации и получения выводов в виде гипотез или утверждений теоретического либо прикладного характера формирования диагноза U

ИНТЕРПРЕТАЦИЯ - многоступенчатая процедура истолкования и разъяснения результатов диагностики, определения путей коррекции исследуемого объекта

Специалистами Института психологии РАО (Божович Е.Д. Практикоориентированная диагностика учения: проблемы и перспективы. -Педагогика, №2, 1997) выделены три взаимосвязанных аспекта диагностики учебной деятельности:

Когнитивный аспект предлагает поиск ответа на вопросы: как работает с материалом тот или иной обучаемый? Чем объясняются успехи одних и неудачи других? Почему некоторые типы ошибок становятся устойчивыми?

Мотивационный аспект проявляется в стремлении обучаемого обсудить с консультантом собственный индивидуальный путь обучения; мотив проявляется здесь как механизм избирательного отношения человека к профессиональной деятельности.

Ценностный аспект связан с разработкой процедур и материалов для диагностики смыслового содержания ценностной ориентации, направленной на использование открытого обучения. Это одна из наиболее сложных и перспективных задач в диагностике.

К типичным недостаткам проведения диагностики относятся поиски ее идеальной методики, которая могла бы быть универсальным средством исследования, а также коллекционирование множества методик с целью их использования методом проб и ошибок.

Методы диагностики многочисленны, их выбор следует проводить с учетом ограничений по ресурсам (времени, диагностическим материалам, профессиональной компетенции) и точности. Главное в выборе метода - его адекватность поставленным целям. Теоретический анализ научной, учебной и методической литературы позволил выделить методы диагностики, которые можно использовать для изучения состояния открытого обучения. Теоретическими и эмпирическими исследованиями выявлено и обосновано более 40 видов анализа, приведем некоторые из них:

• социометрический метод - исследование малых групп с помощью описания системы межличностных отношений между их членами;

• генетический анализ - установление связей изучаемых явлений во времени, изучение переходов от низших форм к высшим, от простых к сложным;

• метод наблюдений - сбор первичной учебно-методической информации путем прямой и непосредственной регистрации явлений;

• метод моделирования - исследование, в основе которого лежит построение моделей изучаемого явления;

• метод аналогии - использование типового сходства между объектами;

• статистические методы - применяются для обработки больших объемов данных;

• метод экспертных оценок;

• метод рейтинга, дисперсионный анализ, корреляционный анализ

Используются и другие эффективные методы диагностики: оценивания, социальной психологии, экспликации, психодиагностический, сравнительно-исторический, статистический, игровой и другие.

1.3.3. Методические правила проектирования тестовых заданий

Применение методологических правил для проектирования тестовых ситуаций в области точных наук позволяет избежать конструирования некорректных тестовых заданий и указывает на возможность использования многообразия форм тестовых заданий при одном и то же содержании. Методологические правила конструирования теста в единстве с направленностью специальных знаний находят выражение в философии компьютерного адаптивного тестирования [33,47].

77; результаты интеллектуальной деятельности обучаемых, рассматриваемые как понимание, выражаются языковыми структурами, которыми они одинаково пользуются.

Содержание тестового задания, которое "видят" за словами на экране, должно восприниматься ими одинаково. Под объектом компьютерного адаптивного тестирования подразумеваются все сотрудники и рабочие предприятий, участвующие в аттестации, и уровень обученности которых априорно не установлен. Образ составляют тестируемые только одного уровня достижений (например, только "отличники"). Каждый конкретный тестируемый из заданного образа называется испытуемым.

Следующее правило П2 связано с необходимостью представления тестового задания в виде утверждения или повелительного предложения, из которых, в зависимости от качества ответов, получается истинное или ложное высказывание.

П2: тестовое задание формулируется так, что в его структуре заложена возможность однозначного ответа, преобразующего это утверждение в истинное высказывание.

Тестовые задания не только строятся на основе и с помощью синтаксических, семантических и прагматических правил, но сами содержат в себе задание и ответ.

ПЗ: тестовое задание конструируется с учетом момента времени накопленных обучаемым знаний в определенной предметной области.

Ставить вопрос в один ряд с тестовым заданием можно только в том случае, когда вопрос адресативен, причем отнесенность вопроса к самому себе - аномалия.

П4: вопрос, который может предполагать отсутствие ответа, не может использоваться при конструировании тестового утверждения.

Прагматически некорректным тестовым утверждением является задание с таким значением энтропии, которое является недоступным для формирования истинного ответа образом или с образом. В этом случае необходимо свести исходное тестовое задание с высокой энтропией к тестовым утверждениям с более низким уровнем неопределенности.

П5: сведение (декомпозиция) исходного тестового задания к утверждениям оптимальной энтропии необходимо выполнить в случае прагматически некорректного тестового задания.

Форма выражения содержания проблемной ситуации характеризует максимальную близость энтропии тестового задания к уровню достижений испытуемых заданного класса обученности (например, отличников). Отсюда следует методологическое правило:

П6: формулировка тестового задания детерминируется специфическими условиями задачи, которая решается с помощью данного задания, при условии возможно большей его различающей способности.

1.3.4. Формы тестовых заданий

При рассмотрении форм тестовых заданий, они классифицируются на четыре группы, некоторые из которых разбиваются на виды. Классификация построена по признаку действий, выполняемых испытуемым в процессе формирования истинных высказываний:

Открытая форма требует сформулированного самим обучаемым корректного ответа. Имеет вид неполного утверждения, в котором отсутствует один элемент. Обычно тестируемый подставляет число или слово (допустимо словосочетание, состоящее не более чем из двух слов).

Закрытая форма предполагает выбор испытуемым правильного ответа из предложенных. Состоит из неполного утверждения с одной вакансией и множества элементов, один или несколько из которых являются истинными. Испытуемый выбирает правильный ответ из предложенного множества.

Установить правильное соответствие — это, значит, выбрать из двух приведенных множеств объектов истинные пары. Имеет вид двух групп элементов. Испытуемый должен связать каждый элемент первой группы с одним или несколькими элементами из второй группы. Рекомендуется дополнить вторую группу несколькими однотипными элементами, не связанными с первой группой.

Установить правильную последовательность означает определение порядка следования предложенных объектов (символов, слов, формул, рисунков). Дано множество неупорядоченных элементов, необходимо установить порядок между ними.

1.3.5. Принципы построения шкал в задачах тестового контроля

В настоящее время в образовании сосуществуют два основных вида оценки результатов учебной деятельности - субъективная, выставляемая преподавателем или группой (комиссией) экспертов, и объективная, являющаяся результатом педагогического тестирования. Оба вида оценки необходимы и взаимодополняют друг друга.

Объективная тестовая оценка уровня обученности учащихся выражается в индивидуальном балле на определенной шкале.

Количественным выражением субъективной оценки является отметка. Отметка условно выражает количественную оценку знаний, умений и навыков в цифрах или так называемых баллах. В системе ПО России применяется пятибалльная система отметок, а точнее четырех балльная система отметок. В этой системе субъективных отметок трудно обеспечить объективность и точность при оценке результатов учебной деятельности. Все разнообразие оттенков уровня подготовки невозможно вложить в жесткие рамки пяти баллов [32].

Достоверность педагогических оценок успешности обучения можно повысить, заменяя традиционные аттестационные процедуры стандартизованными педагогическими тестами с высокими показателями надежности и валидности.

В.С.Аванесовым [2] была предложена одиннадцатибальной шкала, которая реализована в учебном пособии для институтов и факультетов повышения квалификации по основам педагогики и психологии высшей школы. Соотношение между значениями нормированных отклонений Z, процентом испытуемых и оценочными эквивалентами можно представить в виде таблицы (таблица 1.7.). Особенно четко в одиннадцатибальной шкале дифференцируется один процент лучших и худших. Если согласиться с тем, что один хороший специалист лучше ста плохих и средних, то ясно, что от этого одного процента зависит довольно много.

Список литературы диссертационного исследования доктор технических наук Строганов, Виктор Юрьевич, 2004 год

1. Аванесов B.C. Научные проблемы тестового контроля знаний. Монография. - М.: Исследовательский центр, 1994.

2. Аванесов B.C. Теоретические основы разработки заданий в тестовой форме. М.: Исследовательский центр, 1995.

3. Агафонов В.Н. Спецификация программ: понятийные средства и их организация. Новосибирск, Наука, 1987, 238 с.

4. Афанасьев В.О., Алешин В. И. и др. Формирование стереоскопического изображения виртуальной сцены в системе «Ги-первизор» // Вопросы кибернетики. -1995. № 181.

5. Васильев В.И. Наша концепция.// Вестник высшей шкояы. 1990. №10

6. Вороновский Г. К. и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. -Харьков, 1997.-111 с.

7. Выготский Л.С. Избранные психологические исследования. М., МГУ, 1956.

8. Гершунский Б.С Философия образования. М.: Флинта, 1998,

9. Государственный образовательный стандарт Российской Федерации. Высшее профессиональное образование. Общие требования. М., ГКВОРФ, 1993 -9с.

10. Готлиб М.А. Компьютеру дидактическое обеспечение. // Информатика и образование - М., Педагогика, N 4, с.3-14.

11. И. Готлиб М.А. Структура АОС. //Информатика и образование -М-, Педагогика, N 3, 1987, с. 11-20.

12. Ериов А.П., Звенигородский Г.А., Первин Ю.А. Школьная информатика (концепции, состояние, перспективы). Новосибирск, ВЦ СО АН СССР, препринт N 152, 1979.

13. Ершов А.П. Компьютеризация школы и математическое образование. //Программирование. 1990, N 1, с. 5-25.

14. Желтое С., Лихачев Н., Степанов В. Виртуальная реальность новая информационная технология // Экология непознанного. - 1995. - № 1.- С.6-11.

15. Жуковская З.Д. Методологические основы разработки и функционирования комплексной системы контроля качества подготовки специалистов в вузе. Диссертация на соискание ученой степени доктора педагогических наук.-С.П.: ЛГУ, 1994.

16. Закон Российской Федерации "О высшем и послевузовском профессиональном образовании", М.: 1996.

17. Закон Российской Федерации "Об образовании", М.: Правительство РФ, 1996.

18. Зимняя И.А. Проблемы самооценивания как интериоризированной внешней оценки в процессе обучения. "Квалиметрия человека и образования. Методология и практика. 2-й симпозиум, кн.1, 4.1. М.: Исследовательский центр, 1993.

19. Казанович В.Г. Образовательная система как объект оценивания. Диссертация на соискание научной степени кандидата педагогических наук. -М.: Исследовательский центр, 1995.

20. Катыс Г.П., Катыс П.Г. Автоматический синтез трехмерных объектов // Приборы и системы управления. -1997. № 2. - С. 48-53.

21. Катыс Г.П., Катыс П.Г. Трехмерное отображение визуальной информации в виртуальном пространстве: Учебное пособие / МИРЭА. М., 1998.-78 с.

22. Катыс Г.П., Катыс П.Г; Яковлев А. И. Трехмерные системы представления объемной видеоинформации / Международная инженерная академия. М., 1998. -122 с.

23. Кашицин В.П. и др. Состояние и развитие дистанционного образования в мире: Научно-аналитический доклад. М.: Изд-во «Магистр», 1997.-С. 44.

24. Коломиец Б.К. Инвариантные функции интеллектуальной деятельности; Техническое творчество: теория, методология, практика,энциклопедический словарь справочник./Под ред. А.И.Половинкина, В.В.Попова/. М.: НПО "Информсистема", 1994.

25. Коломиец Б.К. Комплексная оценка выпускников высших учебных заведений. Отчет по НИР за 1996 г. -М.: Исследовательский центр проблем качества подготовки специалистов. 1997, 136 с.

26. Коломиец Б.К. Образовательные стандарты и программы: инвариантные аспекты М.: Исследовательский центр проблем качества подготовки специалистов. 1999 - с. 144.

27. Лавров С.С. Представление и использование знаний в автоматизированных системах. //МП. 1986, N 3, с. 14-19.

28. Литвак Б.Г. Экспертная оценка и принятие решений. М.: Патент, 1996-271 с.

29. Литвинцева Л.В. Виртуальная реальность новый шаг в технологии человеко-машинного взаимодействия //Теория и системы управления. - 1995. -№5. -С. 173-183.

30. Литвинцева Л.В., Налитое С.Д. Виртуальная реальность: анализ состояния и подходы к решению // Новости искусственного интеллекта. -1995. -№3.-С. 24-90.

31. ЛитвинцеваЛ. В., Налитое С.Д. Графические средства для построения систем когнитивной графики и виртуальных миров // Программные продукты и системы. -1995. № 2.

32. Национальный центр дистанционного обучения Франции (CNED) / http ://www.cned. fr.

33. Новое качество высшего образования в современной России. Труды Исследовательского центра. Род научной редакцией Селезневой Н.А. и Субетто А.И. М.: Исследовательский центр проблем качества подготовки специалистов. 1995. - 199 с.

34. Отчет Комитета аккредитации высшего образования США в 1998 г. / http://chea.org/Perspective/assuring.html.

35. Отчет по поправкам в высшем образовании США 1998 г. / http://www.ed.gov/offlces/AC/ACSFA/sepbrief/ distance learening/html.

36. Петин Б.Ф. Предложения по совершенствованию ГОСов по направлениям подготовки и специальностям. -М: Исследовательский центр проблем качества подготовки специалистов, 1996.

37. Плясневич Г.С; Тюхов Б.П. Концептуальное моделирование виртуальной реальности // Интеллектуальные системы. Тр. Конф. 1996 г. Второго международного симпозиума. СПб., 1996.

38. Подгорецкая Н.А. Изучение приемов логического мышления у взрослых. М., Педагогика, 1980.

39. Положение об итоговой государственной аттестации выпускников высших учебных заведений в Российской Федерации. М.Госкомвуз РФ, 25.05.94.

40. Положение об итоговой государственной аттестации студентов высших учебных заведений в РСФСР. Проект. М.: Научно - методический центр по подготовке, переподготовке и повышению квалификации специалистов. 1994.

41. Проходов А В., Рузин В.С О глубинной концепции образования.// Вестник высшей школы. 1990 № 5.

42. Растригин JI. С. Адаптивное обучение с моделью обучаемого. Рига: Знание, 1988.

43. Реформа и развитие высшего образования. Программный документ. ЮНЕСКО, 1995.

44. Роберте Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. М., Наука, 1986.

45. Родионов Б.У.,Татур А.О. Стандарты и тесты в образовании.- М.: Исследовательский центр, 1995. 48с.

46. Сборник методических рекомендаций по разработке содержания обучения и дидактических систем. /Под ред. А.А.Золотарева М., МИИГА, 1988, 270 с.

47. Селезнева Н.А. Проблемы оценки качества образования в России: состояние и перспективные пути решения. Труды Исследовательского центра. Серия: Научные доклады. М. Исследовательский центр проблем качества подготовки специалистов 1994.

48. Селезнева Н.А., Коломиец Б.К. Проблемы итоговой государственной аттестации выпускников вузов, сб."Современные формы и методы контроля знаний студентов на различных этапах обучения и при аккредитации вузов" М.: Исследовательский центр. 1995.

49. Соколов В.М. Основы проектирования образовательных стандартов (методология, теория, практический опыт). М.: Исследовательский центр, 1996.-86с.

50. Степанов А.А; Бахтина Т.Е., Свердлова Т.А., Желтое С.Ю. Обзор технических и программных средств систем виртуальной реальности // В сб.: "Технология виртуальной реальности". М., 1996. - С. 15-56.

51. Столл P.P. Множества. Логика. Аксиоматические теории. М., Наука, 1988.

52. Строганов В.Ю. Адаптивные алгоритмы управления процессами моделирования систем: Базы знаний и эксп. сист. В АСНИ.: Тез.докл. Всес. науч.-техн. конф.- Севастополь, 1990

53. Строганов В.Ю. Многоуровневые стохастические модели: Оптимальное взаимодействие: Тез. докл. симп. по террамех. с межд. участ.-Суздаль.-1992

54. Строганов В.Ю. Оптимизация стохастических систем на базе обобщенных имитационных моделей: Приложения математики в технике: XV Национ.школа семинар.- Варна (Болгария), 1989

55. Строганов В.Ю., Алексахин С.В., Николаев А.Б. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения: Учебно-практ. пособие для вузов. Книга 1. М.: «Издательство ПРИОР», 1998

56. Строганов В.Ю., Алексахин С.В., Николаев А.Б. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения: Учебно-практ. пособие для вузов. Книга 2. М.: «Издательство ПРИОР», 1998

57. Строганов В.Ю., Артемьев В.И. Разработка диалога в САПР М.: Высшая школа, 1990

58. Строганов В.Ю., Балдин А.В., Зверев С.Н. Методические указания для студентов к вып. лаб. раб. по дисц. «Операционные системы» М.: МИИГА, 1988

59. Строганов В.Ю., Балдин А.В., Криницин В.В. Дисперсионный анализ: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

60. Строганов В.Ю., Балдин А.В., Криницин В.В. Многомерные методы: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

61. Строганов В.Ю., Балдин А.В., Криницин В.В. Основы математической статистики: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

62. Строганов В.Ю., Балдин А.В., Криницин В.В. План курса лекций. Подготовка системы Statgraphics: Методические рекомендации для преподавателей. М.: МГТУ ГА, 1997

63. Строганов В.Ю., Балдин А.В., Криницин В.В. Планирование эксперимента: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

64. Строганов В.Ю., Балдин А.В., Криницин В.В. Регрессионный анализ: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

65. Строганов В.Ю., Балдин А.В., Криницин В.В. Случайные процессы: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА,1997

66. Строганов В.Ю., Балдин А.В., Криницин В.В. Теория вероятностей: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1997

67. Строганов В.Ю., Балдин А.В., Криницин В.В., Строганов Д.В. Математическая статистика. Теоретические аспекты: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1998

68. Строганов В.Ю., Балдин А.В., Криницин В.В., Строганов Д.В. Случайные процессы. Теоретич. аспекты: Методические указания по использованию системы Statgraphics. М.: МГТУ ГА, 1998

69. Строганов В.Ю., Балдин А.В., Нестеров Ю.Н. Методические указания для студентов по курсовому проект, по дисц. «ВК, системы и сети» М.: МИИГА, 1989

70. Строганов В.Ю., Балдин А.В., Николаев А.Б. Имитационная модель СУБД с инвертированными файлами: Эргономика и эффективность систем «Человек-Техника»:Тез.докл.ХУ межрег.семин.- Игналина, 1989

71. Строганов В.Ю., Будихин А.В., Николаев А.Б. Адаптация имитационных моделей информационно-вычислительных систем: XIII Всес.школа-семинар по Вычислительным сетям Алма-Ата, 1988

72. Строганов В.Ю., Васильев В.И. Адаптивное тестирование М.// Научный вестник МГТУ им.Н.Э.Баумана. №5 - 1998

73. Строганов В.Ю., ТягуноваТ.Н. Регрессионные модели оценивания уровня знаний студентов при тестировании. // Научный вестник МГТУ им.Н.Э.Баумана. №17, серия «Системы и технологии обучения». -М.: МГТУ ГА, 1999. С.35-42.

74. Строганов В.Ю. Формализованная модель учебного плана. // Научный вестник МГТУ им.Н.Э.Баумана. №25, серия «Информатика». М.: МГТУ ГА, 2000. - С.83-88.

75. Строганов В.Ю., Николаев А.Б. Выбор структуры АОС по показателям эффективности: Экспертные сист. в научн. исслед., автом.проект.и производ.: Тез.докл. Всес.науч.-техн. семин.- Саратов, 1988

76. Строганов В.Ю., Ничушкина Т.Н. Ранжирование модулей многоуровневого комплекса прикладных программ: Алгоритмы и структуры спец. выч. систем: Сборник научн.трудов.- Тула: ТПИ, 1985

77. Строганов В.Ю., Черненький В.М. Диалоговая интерактивная система взаимодействия с имитационными моделями: Актуальные проблемы современного приборостроения: Тез. докл. Всес.науч.-техн. конф.-М.,1986

78. Строганов В.Ю., Черненький В.М. Планирование экстремального эксперимента на основе адаптивных имитационных моделей: Планирование эксп. и автоматизация научных исслед.: Тез. докл. Всес.науч.-техн. конф.-Л.,1986

79. Строганов В.Ю., Алексахин С.В., Николаев А.Б. Развитие системы дистанционного обучения // Научно методический и информационно-аналитический журнал: «Человеческие ресурсы». — Саратов, 2002. — с. 10-12

80. Строганов В.Ю.,Николаев А.Б., Евстратова И.А., Иванова JI.B. Формализованное описание методической адаптивности с использованием аппарата цепей Маркова. Сб. науч. тр. М., МАДИ (ГТУ), 2003.

81. Строганов В.Ю.,Николаев А.Б., Златин П.А., Иванова JI.B. Адаптивные технологии переподготовки, повышения квалификации иаттестации работников предприятий с использованием системы "СОТА". М., 2004. 22с.: 6 ил. Рус. Деп. в ВИНИТИ 09.04.2004. № 592-В2004.

82. Строганов В.Ю., Николаев А.Б., Саркисова И.О. Организация адаптивного тестового контроля // Моделирование и оптимизация в управлении: Сб. науч. тр. М., 2004, МАДИ(ГТУ). с. 12-19.

83. Субетто А.И. Системология образовательных систем. -М.: Исслед. центр проблем качества подготовки специалистов, 1995.

84. Субетто А.И. Системология образовательных систем. -М.: Исслед. центр проблем качества подготовки специалистов, 1995.

85. Технология виртуальной реальности: состояние и тенденции развития // Новости искусственного интеллекта. 1995. -№3.-С. 118-122.

86. Технология системного моделирования. /Под ред. С.В.Емельянова -М., Машиностроение; Берлин, Техник, 1988.

87. Титов А.В. Алгоритм агрегирования с использованием смешанной стратегии. Исследовательский центр. 1995.

88. Титтел Эд., Сандерс К., Скотт Ч., Вольф П. Создание VRML миров / Пер. с англ. Киев: Изд-во Труппа BHV", 1997. - 320 с.

89. Тихомиров В.П., Солдаткин В.И., Лобачев С.Л., Ковальчук О.Г. Дистанционное обучение: к виртуальным средам знаний. Дистанционное образование . №2. - 1999. - С.8-16.

90. Управление современным образованием: социальные и экономические аспекты / Под ред. А.Н.Тихонова. М., 1998,- С. 256.

91. У сков В.Л., Ускова М. Информационные технологии в образовании //Информационныетехнологии. 1999. -№1.-С. 31-37.

92. Фонды комплексных квалификационных заданий по специальностям высшего образования.: Методические разработки ( разработчики : Селезнева Н.А.,Беспалько В.П.,Соколов В.М. и др.) М. Гособразование СССР 1998 г. 89 с.

93. Челышкова М.Б. Разработка педагогических тестов на основе современных математических моделей: Уч. пособие. М.: Исслед. центр проблем качества подготовки специалистов, 1995. 32 с

94. Begault D. 3D Sound for Virtual Reality and Multimedia // Academic Press. 1994.

95. Birnbaum A. Some Latent Trait Models and Their Use in Statistical Theories of Mental Test Scores. Reading, Mass.: Addison Wesly, 1968.

96. Candell Thomas P. The Application of Neural Networks to Virtual Reality // 1CNN Tutorial. 1994. № 13. WCCI (Orlando F.L.).

97. Casas L.A.A. et al. Virtual reality full immersion techniques for enhancing workers performance // Proc. Intern. Conf. On Integrated and Sustainable Industrial Production. (Lisbon, Portugal). 1997. P. 399-411.

98. Elane El-Khawas. External Scrutiny, US Style: multiple actors, overlapping roles. Governments and professional education / Edited by Tony Becher. UK. Published by SRHE and Open University Press. Bristol: HEFCE, 1993.

99. Enseignement a distance: realites, enjeux et perspectives: Rapport presente par 7-C1. Barbarante: Conseil economique et social. P., 1997.

100. Gibson W.A., Latent Structure and Positive Manifold, «British Journal of Statistical Psychology», 15, 1962, 149—160.

101. Gibson W.A. Nonlinear Factors in Two Dimensions, «Psychometrika», 25, 1960,381—392.

102. Green B.F., A General Solution for the Latent Class Model of Latent Structure Analysis, «Psychometrika», 16, 1951, 151— 166.

103. Jnternatronal Standard Classification of Education (JSCD), revised version 2. UNESCO, 1996.

104. Joraskog K-S. A General Programm for Analysis of Coveriance Structures .Including Generalized MANONA, Edication Testing Service, Princeton, N.S., 1971.

105. Kenneth Nemire. Evaluting an immersive virtual environment prototyping and simulation // SPIE. 1997. Vol. 3012. P. 408-416.

106. Lazarsfeld P.F. Latent Structure Analysis, в: S. Koch (ed), «Psychology: A Study of a Science», New York, McGraw-Hill, 1959.

107. Leary D.E. Artificial intelligence and virtual organizations // Commum ACM (USA). 1997. Vol. 40. № 1. P. 52-59.

108. Libermcm Henry. Intelligent graphics // Commun. ACM. 1996. Vol. 39. № 8. P. 38-48.

109. Lord F.M. Application of Item Response Theory to Practical Testing Problems. Hillsdale N J. Lawrence Eribaum Ass., Publ. 1980.

110. Lord F.M., Novick M. Statistical Theories of Mental Test Scores. Addison-Wesley Publ. Co. Reading, Mass., 1968.

111. Macedonia M.R. A transatlantic research and development environment (3D virtual graphics) // IEEE Comput. Graph. Appl. 1997. Vol. 17. № 2. P. 76-82.

112. Menousek В., Wolfe T. Virtual reality the modular way // Comput. Graph. (USA). Aug. 1997. Vol. 31. № 3. P. 66-68.

113. Mood A.M. Macro-Analysis of American Edution System, Operation Res, 17,770-780, 1969.

114. Padgett Mary Lou et al. Virtual Reality systems: from training simulators to . intelligent VR // Proc. SPffi. 1996. Vol. 2878. P. 409-450.

115. Pelletier F. The virtual and real environments: symbiosis // Proc. Internal Conf. On Virtual Systems and Multimedia. 1997. P. 246-247.

116. Pourzand A.R. and Callings N. Progress in the construction of multilayer optical neural network // Proc. SPffi. 1998. Vol. 3940. p. 439-442.

117. Rasch, G. Probabilistic Models for Some Intelligence and Affceword by B.D.Wright. The Univ. of Chicago Press. Chicago & London, 1980.

118. Simmonds В. Enhancing reality to make the ideal instruments // Control and lustrum. 1995. Vol. 27. № 12. P. 29, 30.

119. Stroganov V., Prikhodko V., NikolaevA. Tool environment of development of training courses in system of distant education «СОТА» // 5 International Conference on New Educational Environments. Lucerne (Switzerland) May 26th 28th, 2003. P.363-364.

120. The European conventions on higher education. Council of Europe. -Strasbourg: Council of Europe Press, 1995.

121. Udo Jakob, Efi Douloumi. Let's move on the integration of motion Rendering in VR// SPffi. 1997. Vol. 3012. P. 454-460.

122. Umeki V., Doi M. Sensation of movement in virtual space // Electron. Commun. Jpn. Fundam. Electron. Sc. (USA). June, 1997. Vol. 80. № 6. P. 74-82.

123. Vacca J.R. VRML: bringing virtual reality to the internet: CD-ROM included. Boston, 1996. - 552 p.

124. Watars R.C; Barrus J.W. The rise of shared virtual environments // IEEE Spectr. (USA). March. 1997. Vol. 34. № 3. P. 20-25.

125. Watson В. Evaluation of the effects of frame variation on VR tosk performance I I Proc. ШЕЕ. 1997. Virtual Reality Annual Internal Symposium. P. 38-44.

126. Wherry R.J., Gaylord R.H., Factor Pattern of Test Items and Tests as a Function of the Correlation Coefficient: Content, Difficulty, and Constant Error Factors, «Psychometrika», 9, 1944, 237-244.

127. Ying-Ying Fang et al. A pseudo-immersive virtual environment a shell for research // Int. J. Virtual Real. (USA) 1996. Vol. 2. № 3. p. 8-14.