Информация о статье

Название статьи:

Оценивание качества обучения на основе распределений вероятностей оценок

Авторы:
Братищенко В.В., кандидат физико-математических наук, доцент, доцент кафедры математических методов и цифровых технологий, Институт культуры, социальных коммуникаций и информационных технологий, https://orcid.org/0000-0002-7755-4170, SPIN-код: 4131-7181, Байкальский государственный университет, г. Иркутск, Российская Федерация, vvb@bgu.ru

Для цитирования:
Братищенко В.В. Оценивание качества обучения на основе распределений вероятностей оценок / В.В. Братищенко. — DOI 10.17150/2411-6262.2025.16(3).1157-1165. — EDN TZWCOY // Baikal Research Journal. — 2025. — Т. 16, № 3. — С. 1157–1165.

В рубрике:
5.2.3. РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА

Год: 2025 Том: 16 Номер журнала: 3

Страницы: 1157-1165

Тип статьи: Научная статья

УДК: 37.091.26:519.2

DOI: 10.17150/2411-6262.2025.16(3).1157-1165; EDN: TZWCOY

Аннотация:
Оценки успеваемости являются общепризнанными измерителями результатов обучения. По набору оценок можно оценивать качество учебного процесса. Традиционно рассчитываются такие показатели, как «средний балл», «успеваемость» - доля положительных оценок, «качество обучения» - доля оценок «хорошо» и «отлично». Такой подход оказывается неудовлетворительным из-за сильной зависимости частот от тенденции завышать или занижать оценки на некоторых экзаменах. Целью исследования является решение задачи сопоставление оценок на основе законов распределения вероятностей оценок в зависимости от подготовленности экзаменуемых и трудности экзаменов. Предложена модель с латентными параметрами в виде функции softmax для описания распределений вероятностей экзаменационных оценок. Латентные параметры характеризуют уровни подготовленности обучающихся и трудности экзаменов. Модель отличается от аналогов использованием функции softmax и параметров для каждой градации оценок. Методом максимального правдоподобия получены уравнения, связывающие латентные параметры и наблюдаемые оценки. Предложен алгоритм численного решения этих уравнений. Разработан алгоритм определения соответствия оценок одной шкалы оценкам другой шкалы, основанный на сравнении распределений вероятностей для первой и второй шкал. Метод апробирован на объемном массиве оценок. Модель прошла проверку на адекватность по критерию Фишера. Гипотеза о нормальном распределении отклонений оценок от математических ожиданий проверена по критерию хи-квадрат. Разработанный метод сопоставления оценок предложено применять для определения по оценке экзамена оценку усредненной шкалы. Для усредненной шкалы распределение вероятностей определяется по всем оценкам. Для каждой экзаменационной оценки вычислено значение в усредненной шкале. Эти оценки предлагается применять для построения рейтингов студентов и выделения экзаменов с завышенными и заниженными оценками.

Ключевые слова: качество обучения, шкала оценок, сопоставление шкал, модель с латентными параметрами, функция softmax, распределение вероятностей оценок

Информация о статье: Дата поступления 25 июня 2025 г.; дата принятия к печати 8 июля 2025 г.; дата онлайн-размещения 28 августа 2025 г.

Скачиваний - 22
География скачиваний

Скачать полный текст статьи

Список цитируемой литературы:

Сенашенко В.С. Системы оценки академических достижений учащихся как инструмент управления и контроля / В.С. Сенашенко, Г.Ф. Ткач. - EDN RLZCSB // Высшее образование в России. - 2013. - № 10. - С. 3-13.
Рожков Н.Н. Система перезачета оценок успеваемости - инструмент поддержки академической мобильности / Н.Н. Рожков. - EDN KUWVJH // Университетское управление: практика и анализ. - 2006. - № 5. - С. 104-113.
Бугаев К.В. Системы оценивания успеваемости студентов: проблемы и перспективы / К.В. Бугаев. - EDN YSKQVZ // Вестник Сибирского института бизнеса и информационных технологий. - 2017. - № 2 (22). - С. 107-113.
Сосницкий В.Н. Вероятностный подход к анализу успеваемости студентов / В.Н. Сосницкий, Н.И. Потанин. - EDN SJMNAR // Фундаментальные исследования. - 2014. - № 8-3. - С. 734-738.
Галимова Н.С. Построение многофакторной модели успеваемости студента / Н.С. Галимова, Л.Р. Загитова. - DOI 10.23670/IRJ.2020.96.6.080. - EDN OPTLTI // Международный научно-исследовательский журнал. - 2020. - № 6-3 (96). - С. 31-36.
Лебедева Т.В. Статистический анализ факторов, влияющих на успеваемость студентов российских вузов / Т.В. Лебедева, А.П. Цыпин, В.С. Сидоренко. - EDN YHGLVP // Интеллект. Инновации. Инвестиции. - 2016. - № 9. - С. 55-58.
Акопова М.А. Исследование структуры академических способностей студентов педагогического вуза / М.А. Акопова. - DOI 10.34670/AR.2019.44.4.042. - EDN PYSVDX // Психология. Историко-критические обзоры и современные исследования. - 2019. - Т. 8, № 4-1. - С. 114-123.
Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests / G. Rasch. - Chicago : The University of Chicago Press, 1980. - 199 p.
Нейман Ю.М. Введение в теорию моделирования и параметризации педагогических тестов / Ю.М. Нейман, В.А. Хлебников. - Москва : Прометей, 2000. - 168 с.
Wright B.D. Rating Scale Analysis: Rasch Measurement / B.D. Wright, G.N. Masters. - Chicago, Illinois : MESA Press, 1982. - 223 p.
Andrich D. A Rating Formulation for Ordered Response Categories / D. Andrich // Psychometrika. - 1978. - Vol. 43. - P. 561-573.
Родионов А.В. Модификация рейтинговой параметрической модели оценки латентных факторов для измерения уровня сформированности компетенций / А.В. Родионов. - DOI 10.17150/1993-3541.2014.24(6).168-174. - EDN TEJYXZ // Известия Иркутской государственной экономической академии. - 2014. - № 6 (98). - С. 168-174.
Goodfellow I. Deep Learning / I. Goodfellow, Y. Bengio, A. Courville. - Cambridge, Massachusetts : The MIT Press, 2016. - 775 p.

Даю свое согласие на обработку персональных данных на следующих условиях:

Согласие распространяется на обработку данных Оператором , то есть совершение , в том числе последующих действий : обработку (включая сбор, систематизацию, накопление, хранение , уточнение (обновление, изменение), использование ,обезличивание, блокирование, уничтожение, при этом общее описание вышеуказанных способов обработки ПД приведено в ФЗ от 27.07.2006г № 152 –ФЗ , а так же на передачу такой информации третьим лицам , в случаях, установленных нормативными документами вышестоящих органов и законодательством.

Действует до достижения цели либо отзыва согласия.

Мне известно, что согласие на обработку ПД может быть отозвано мною в любой момент.

Мне известно, что по моему письменному запросу имею право на получение информации, касающейся обработки моих персональных данных (в соответствии с п. 4 ст. 14 ФЗ от 27.06.2006 г №152-ФЗ).

Кроме того, я ознакомлен с тем, что на Сайте установлено программное средство Яндекс.Метрика, использование функционала которого позволяет определить уникального посетителя Сайта, формировать сведения о его предпочтениях и поведении на Сайте, что указывает на обработку его персональных данных. В соответствии с п. 18 Условий использования сервиса Яндекс.Метрика и AppMetrica все данные, собираемые и хранимые Сервисом, Яндекс рассматривает как персональные данные и конфиденциальную информацию Пользователя (https://yandex.ru/legal/metrica_termsofuse).

В соответствии с ч. 1 ст. 9 Закона о персональных данных я принимаю решение о предоставлении своих персональных данных и даю согласие на их обработку своей волей и в своем интересе при посещении данного сайта.