Ое обеспечение автоматизированных систем математического факультета кбгу, старший научный сотрудник нии информатики и проблем регионального управления кбнц ран

Вид материалаДокументы
Подобный материал:
1   2   3   4   5

Распределение баллов зависит от процента правильных ответов и может лежать в различных границах, например: "отлично" – более 95% правильных ответов, "хорошо" – 80–94%, "удовлетворительно" – 60–79%, "неудовлетворительно" – менее 60%. К каждой системе такого распределения баллов могут быть предъявлены замечания.

Для измерения "уровеня образованности" ("уровня знаний") лучше использовать логарифмическую шкалу, так называемые "логиты". Поясним эту шкалу.

Очень трудные задания снижают учебную мотивацию многих учащихся, как и очень легкие. Поэтому используется шкала, которую ввел датский математик Г. Раш (Г. Раск, G. Rasch), шкала "логитов". По Рашу определены два логита:
  1. "логит уровня знаний" – натуральный логарифм отношения доли правильных ответов испытуемого на все задания теста, к доле неправильных ответов;
  2. "логит уровня трудности задания" – натуральный логарифм отношения доли неправильных ответов на задание теста к доле правильных ответов на это задание по множеству испытуемых.

Необходимо на всех этапах тестирования учитывать, что первичные баллы – необъективны (в математико-статистическом смысле).

Результаты тестирования могут свидетельствовать иногда и о том, что есть интеллектуально развитые обучаемые, показывающие плохие результаты тестирования, как и слабые обучаемые с так называемым критическим складом ума и хорошей моторной памятью, показывающие неплохие результаты.

Необходимо учитывать дидактическую ограниченность проверки на совпадение с эталоном ответа, особенно, при компьютерной проверке знаний и умений.

Тестирование обычно завершается математико-статистической обработкой данных тестирования.

Рассмотрим вначале некоторые необходимые понятия математической статистики и теории вероятностей.

Пусть задан некоторый статистический ряд из элементов . Если эти элементы могут принимать все мыслимые допустимые значения, а объект с этими характеристиками рассматривается как единый (как система), то такую совокупность называют генеральной совокупностью; часто при этом предполагается, что она является конечной и упорядоченной по возрастанию: .

Любое непустое подмножество генеральной совокупности называется выборкой. Если выборка осуществлена случайным образом, то она называется случайной выборкой.

Средняя величина генеральной совокупности в целом называется общей средней. Она отражает общие черты всей совокупности. Средняя величина для отдельной выборки называется средней по выборке или выборочной средней. Она отражает общие черты группы.

Существуют различные меры средних величин. Чаще используется средняя арифметическая характеристика:



Она называется также выборочной средней или эмпирической средней.

Средняя гармоническая величина, как и средняя арифметическая, может быть простой и взвешенной. Если все веса равны между собой, то можно использовать среднюю гармоническую в виде:



Средняя квадратичная взвешенная величина вычисляется по формуле:



Если веса , для всех , то получаем просто среднее квадратичное. Эти величины характеризуют "концентрацию" данных выборки около среднего (или другой характерной тенденции).

К средним величинам, которые характеризуют структурные изменения, относятся мода и медиана. Они определяются лишь структурой распределения.

Мода – наиболее часто встречающееся значение признака у элементов данной совокупности. Она соответствует определенному значению признака.

Медиана - значение признака, которое делит элементы ранжированной выборки на две равные части. Это середина ранжированного ряда.

Исход – одно из возможных заключений о рассматриваемом процессе.

Выборочное пространство – множество всех исходов.

Событие – любое подмножество выборочного пространства. Пустое событие обозначают, как и в теории множеств, символом . Событием можно считать и всё выборочное пространство (универсальное событие).

Испытание – проверка всевозможных исходов события.

Два испытания независимы, если любое событие, определённое на основе только одного из них, не зависит от любого события, определённого на основе другого.

Так как событие – это множество, то для них должны быть выполнимы основные операции с множествами: объединение, пересечение и дополнение.

Два события и несовместимы, если .

События и образуют полную группу, если (всему выборочному пространству).

События и – противоположны, если они несовместимы и образуют полную группу.

Пусть – событие, – число случаев (исходов), в которых произошло событие из проведенной серии испытаний (в выборочном пространстве). Тогда – относительная частота события .

При больших , . Эта предельная частота называется вероятностью события и обозначается как или просто . Всегда , а .

Важно заметить, что указанный предел не может быть вычислен как предел функции (последовательности), так как её просто нет.

Изложим ряд наиболее часто решаемых и наиболее простых (специально упрощенных) задач, которые часто встречаются при подготовке к тестированию и математической обработке результатов тестирования, а также алгоритмы их решения. При этом мы не будем сильно вдаваться в обоснование используемых математических фактов, используя их, как принято в прикладных задачах, в качестве инструментария (это осуществляется и с целью расширить читательский состав).

Задача 1.

Пусть теперь даны результаты тестирования группы, состоящей из испытуемых для заданного теста из различных знаний. Обычно эти данные представляются в виде некоторой матрицы баллов (типа "тестируемый – задание") размерности на :



Элемент матрицы представляет собой результат выполнения -го задания для -го тестируемого.

Необходимо на основе имеющихся результатов тестирования для каждого из тестированных, вычислить основные статистические показатели тестирования (оценить "сырые" результаты) для выбранной случайным образом группы тестированных.

Алгоритм решения этой задачи состоит из следующих этапов.
  1. Упорядочиваем ряд по возрастанию (находим генеральную совокупность): .
  2. Выбираем интересующее нас подмножество тестированных (выборку).
  3. Находим среднее арифметическое по выборке


  1. Находим среднюю гармоническую величину выборки:


  1. Находим величины, характеризующие структурные изменения, например, моду и медиану. Для данных, имеющих "хорошее поведение", медиана всегда лежит в промежутке между средним арифметическим и модой. Эти величины выстраиваются по возрастанию следующим образом (напомним про упорядоченность по возрастанию выборки, предполагаемую нами далее для любого статистического ряда): среднее, медиана, мода, или же в обратном порядке. Прямой или обратный порядок их расположения можно определить, вычислив так называемый коэффициент асимметрии:



Этот коэффициент отражает относительную изменчивость данных.
  1. Находим меры рассеяния, разброса или вариации, показывающие, как остальные элементы совокупности (выборки) группируются около средних величин. Например,
    1. размах


    1. среднее абсолютное отклонение


    1. среднеквадратичное отклонение


    1. дисперсия


    1. стандартное отклонение:


    1. коэффициент вариации:


  1. Конец алгоритма.



Задача 2.

Даны результаты тестирования для каждого из n тестированных и теста длины в виде матрицы , а также вектор эталонных ответов , где – эталонный ответ на задание номер . Необходимо определить "вес" (меру сложности) конкретного задания теста.

Простейший алгоритм решения этой задачи состоит из следующих этапов.
  1. Определяем для очередного задания теста по матрице количество тестированных, давших правильный ответ на данное задание.
  2. В качестве "веса" задания берется дробь : знаменатель – количество тестированных, числитель – количество тестированных, давших правильные ответы на все задания.
  3. Вычисляем смежные веса : знаменатель – количество всех тестированных, давших неправильный ответ на данное задание номер , числитель – количество тестированных, давших неправильные ответы на все задания. Иногда в знаменателе берется количество всех тестированных.
  4. Находится вектор весов выполнения для заданного вектора эталонных ответов.
  5. Находим вектор весов невыполнения для заданного вектора эталонных ответов.
  6. Оцениваем дисперсию каждого -го задания и стандартное отклонение .
  7. Конец алгоритма.

Задача 3.

Даны результаты тестирования для каждого из тестированных и теста длины в виде матрицы , а также вектор эталонных ответов , где – эталонный ответ на задание номер . Необходимо оценить валидность каждого задания теста.

Простейший алгоритм решения этой задачи состоит из следующих этапов.
  1. Определяем для очередного задания теста по матрице количество тестированных, давших правильный ответ на -ое задание и находим их средний балл .
  2. Находим аналогично количество тестированных, давших неправильный ответ на j-ое задание и их средний балл .
  3. Находим дробь : знаменатель – количество тестированных, давших правильный ответ на данное задание номер , числитель – количество тестированных.
  4. Находим дробь : знаменатель – количество тестированных, давших неправильный ответ на данное задание номер , числитель – количество тестированных.
  5. Оцениваем дисперсию каждого -го задания и стандартное отклонение .
  6. Находим стандартное отклонение по всему тесту.
  7. Находим коэффициент корреляции (меру валидности задания):


  1. Если , то задание считаем валидным, иначе – не валидным (отметим, что с точки зрения критериальной валидности, задания, выполненные всеми или невыполненные никем, не являются валидными).
  2. Конец алгоритма.

Задача 4.

Даны результаты нормативно-ориентированного тестирования для каждого из тестированных и теста длины в виде матрицы , а также вектор эталонных ответов , где – эталонный ответ на задание номер . Необходимо оценить надежность теста (степень устойчивости результатов тестирования каждого испытуемого, если тестирование было проведено в совершенно одинаковых условиях).

Для вычисления надежности нормативно-ориентированного теста используем коэффициент корреляции между результатами двух параллельных тестов. Сравнивая коэффициенты корреляции, делаем заключение о надежности (внутренней) теста. Если две половины теста коррелированны, то и тест надёжен; в противном случае – не надёжен (или необходимо применить другой, более тонкий математический аппарат исследования надежности).

Простейший алгоритм решения этой задачи состоит из следующих этапов.
  1. Делим тест на две равные части и , например, по четным и нечетным номерам заданий. Этот метод называется методом расщепления теста. Таким образом, мы имеем данные по двум параллельным тестам и – индивидуальные баллы , , где – количество тестированных.
  2. Для каждого задания группы выполняем предыдущий алгоритм.
  3. Для каждого задания группы выполняем предыдущий алгоритм.
  4. Находим коэффициент корреляции и по формуле:


  1. Находим надежность всего теста по формуле (Спирмена-Брауна):


  1. Конец алгоритма.

Задача 5.

Необходимо на основе имеющихся результатов тестирования (матрица ) получить для каждого из тестированных интегральный (обобщенный) показатель выполнения теста длины , а затем по вычисленным значениям этого интегрального показателя разбить всех тестированных на заданное количество групп (задача классификации).

Алгоритм решения этой задачи состоит из следующих этапов.
  1. Если для -го задания увеличение значений результатов измерения свидетельствует об улучшении соответствующего свойства, то с ним свяжем признак , а если свидетельствует об ухудшении – признак .
  2. Выполняем нормирование элементов исходной матрицы так, чтобы в каждом столбце они изменялись в "одном направлении": для каждого задания (при фиксированном ) и для каждого испытуемого вычислим новое значение



где , – наибольшее и наименьшее значения элементов -го столбца и применяем преобразование вида


  1. Для каждого столбца полученной новой матрицы (нормированной) вычисляется среднее квадратичное отклонение по формуле



где – среднее арифметическое элементов -го столбца.
  1. Вычисляется классификационный интегральный показатель



где – значение интегрального показателя для -го обучаемого , – весовой коэффициент -го задания в тесте или в банке всех заданий, – элемент матрицы или его преобразованное (нормированное, например, по отношению к максимальному элементу или к норме матрицы).
  1. Находим наименьшее и наибольшее значения интегрального показателя (по всем тестированным). Отрезок делим на заданное число интервалов. Часто берут (при построении, например, гистограммы) . Всех тестированных, для которых вычисленные значения интегрального показателя попадают в один и тот же интервал, отождествляем и относим к одному классу.
  2. Выдаем результаты: значения интегрального показателя для каждого тестированного, а также его класс (или классификацию тестированных по интегральному показателю).
  3. Конец алгоритма.

Задача 6.

Дана интегральная норма тестовых результатов. Необходимо разбить группу тестированных на несколько групп по их интегральным показателям (по отношению их к норме).

Приведем простейший алгоритм решения этой задачи.

Первый алгоритм решения этой задачи состоит из следующих этапов.
  1. Ввод входных данных: .
  2. Для каждого тестированного определяем суммарный балл:


  1. Разбиваем всю выборку тестированных на три группы: группа 1 с высокими баллами (нижняя граница суммарного балла для попадающих в эту группу равна , группа 2 со средними баллами и группа 3 с низкими баллами (верхняя граница суммарного балла для попадающих в эту группу равна , где – масштабирующий коэффициент, .
  2. Конец алгоритма.

Задача 7.

Необходимо отсеять первичные ("сырые") результаты в группах, т.е. по данным (процент выполнения, валидность и т.д.) выяснить задания (тесты, результаты), которые не согласуются с общей картиной тестирования.

Алгоритм решения задачи состоит из следующих этапов.
  1. Вычисляется средняя величина


  1. Вычисляются наибольшее и наименьшее в группе.
  2. Вычисляются наибольшее отклонение в группе:


  1. Вычисляется относительное отклонение:


  1. Находим по таблице распределения Стьюдента процентные точки для и . Таблица Стьюдента имеется практически во всех справочниках по математической статистике.
  2. Вычисляем соответствующие точки , .
  3. Если , то отсеиваем рассматриваемое данное и пересчитываем все заново (повторяем заново пункты 1-6).
  4. Конец алгоритма.










Случайная величина – числовая переменная (числовая функция), определённая на выборочном пространстве (или приписываемая некоторому выборочному пространству) таким образом, что каждой точке выборочного пространства соответствует одно и только одно значение этой переменной.

Если множество всех теоретически возможных значений величины конечно или счётно, то её называют дискретной случайной величиной.

Функция , которая для каждого возможного значения (или ) дискретной случайной величины равна вероятности появления этого значения, задаёт распределение вероятностей случайной величины. Таким образом, эта функция задаёт множество значений, которые может принимать случайная величина, вместе с соответствующими им вероятностями.

Величину , определяемую формулой



называют математическим ожиданием дискретной случайной величины .

Величину, определяемую формулой



называют дисперсией этой случайной величины.

Математическое ожидание характеризует центр распределения (аналог среднего выборки), а дисперсия – степень рассеяния значений случайной величины вокруг центра (аналог рассеяния в выборке). Эти формулы дают возможность получить оценку математического ожидания и дисперсии на основе опытных данных.

Если случайная величина распределена непрерывно и задана некоторой функцией распределения , то и определяются по соответствующим формулам (для ограниченного и бесконечного множества изменения случайной величины):



Основная цель статистических расчетов, как правило, состоит в том, чтобы по характеристикам выборки получить достоверную информацию о свойствах исходных генеральных совокупностей.

Рассмотрим теперь укрупнено (не приводя, как выше, алгоритмы на уровне, достаточном для реализации, программирования) комплекс задач, который связан с обоснованием принятия гипотез тестирования.

Есть процедуры, позволяющие отвергнуть проверяемую гипотезу как противоречащую имеющимся данным, либо убедиться в том, что гипотеза этим данным не противоречит.

Располагая каким-то распределением данных тестирования, можно исследовать возможность описания этой совокупности каким-то типовым распределением, если тип распределения неизвестен, а затем найти неизвестный параметр распределения, а также эффективность описания.

Наиболее часто рассматриваются гипотезы в основе которых лежат известные распределения: нормальное (Гаусса), , Стьюдента и Фишера. Существуют различные процедуры проверки гипотезы о принадлежности заданного эмпирического распределения к некоторому теоретическому типу.

Рассмотрим нормальное распределение (распределение Гаусса).

Это распределение – наиболее часто встречающееся непрерывное распределение (точнее было бы сказать, что это распределение, к которому "подгоняется" большинство изучаемых распределений). Такому закону или его различным модификациям подчиняются многие наборы случайных величин. Общий вид нормального распределения задаётся функцией:



Часто используется стандартное нормальное распределение или распределение вероятностей нахождения (попадания) случайной величины в интервал . Для вычисления значений такой функции используется интеграл (таблица значений этого, не берущегося в квадратурах, интеграла):



Необходимо на основе имеющихся результатов тестирования проверить гипотезу нормального распределения результатов тестирования, например, достижений (можно в качестве достижения принять среднее арифметическое по всем тестам) тестированных в зависимости от выборки.

Самый простой, но математически менее надежный алгоритм – построения графика (эскиза) и его анализ.

Процедура может быть следующей.
  1. Эти данные могут быть изображены графически, что даёт наглядное представление о центре их распределения и изменчивости. Для этого по оси абсцисс откладывают в порядке возрастания значения , а по оси ординат – час¬тоты, т.е. количества случаев получения одинаковых показателей (или изменяющихся в определённых пределах).
  2. Соединяя построенные точки линиями, получаем диаграмму распределения. Для многих систем и процессов, при большом числе испытаний, диаграмма распределения близка к нормальной кривой распределения симметричной формы. Эта кривая имеет "колоколообразный" вид.
  3. Построив диаграмму распределения и заметив его схожесть с этой кривой, можно обосновать справедливость нормального распределения для ряда.
  4. Конец алгоритма.

Оценку соответствия рассматриваемого распределения нормальному распределению можно осуществить также и по величине асиммет¬рии:



Если имеет место левая асимметрия (сдвиг влево), то это говорит о том, что в тесте были облегченные задания, на которые сумели правильно ответить подавляющее большинство испытуемых, а также были усложненные задания, с которыми не смогли справиться подавляющее большинство испытуемых.

Если имеет место правая асимметрия (сдвиг вправо), то это говорит о том, что в тесте был очень низкий порог трудности для данного контингента испытуемых.

Алгоритм проверки гипотезы о нормальном законе распределения с помощью коэффициента асимметрии может реализовываться следующими шагами.
  1. Вычислить среднее арифметическое .
  2. Вычислить коэффициент асимметрии по вышеприведенной формуле.
  3. Так как для нормальной кривой распределения характерна симметричность относительно среднего значения, то значение , равное или достаточно близкое к нулю свидетельствует о симметричности распределения; чем больше значение , тем больше отклоняется наиболее часто встречающаяся в распределении величина от средней (больше смещена ось симметрии, больше асимметрия кривой), а сдвиг "колоколообразной" части кривой влево или вправо свидетельствует от чрезмерной легкости или сложности заданий.
  4. Конец алгоритма.

Знание закона распределения баллов необходимо для выработки нормативной шкалы, которая позволит соотнести равные отрезки под кривой распределения равным количествам правильных ответов.

Распределение можно получить следующей процедурой:
  1. Сгенерировать случайную выборку тестируемых (из генеральной совокупности).
  2. Протестировать выборку и получить первичные баллы.
  3. Оценить баллами каждого испытуемого по отношению к баллам других участников.
  4. Найти число интервалов, на которые делится числовая прямая оценок и границы интервалов (например, для четырёхбалльной системы оценок квартили). Обычно находят балл некоторого испытуемого как процентную долю испытуемых, первичный балл которых ниже первичного балла данного испытуемого. Если распределение подчиняется нормальному закону, то интерквантильная широта равна , где – среднеквадратичное отклонение; если же распределение не подчиняется нормальному закону, то либо изменяют тесты до тех пор пока не получим нормальное распределение, либо принудительно нормализуют распределение, либо используют шкалы, ориентированные на другие типы распределений.

Необходимо искусственно приводить распределение первичных тестовых оценок к нормальному виду, так как она наиболее изучена (проста) в математической статистике и дает возможность описывать диагностические нормы в компактной форме. Обычно рассматриваются гистограммы распределения первичных тестовых оценок. Они позволяют выявлять лево- и правостороннюю асимметрию, положительный или отрицательный эксцесс и другие "ненормальности". Применение известных статистических программных пакетов позволяет автоматизировать подгонку требуемого преобразования первичных тестовых оценок к комбинациям различных базисных аналитических функций, что также позволяет стандартизировать тестовые оценки.