Моделі та методи адаптивного тестування як інструмент інформатизації системи контролю знань у закладах вищої освіти

Автор(и)

  • Сергій Володимирович Вронський ДВНЗ «Ужгородський національний університет, Ужгород, Україна https://orcid.org/0000-0002-9960-6437
  • Юрій Васильович Андрашко ДВНЗ «Ужгородський національний університет, Ужгород, Україна https://orcid.org/0000-0003-2306-8377

DOI:

https://doi.org/10.32347/2412-9933.2025.64.267-275

Ключові слова:

сучасна теорія тестування, адаптивне тестування, якість тесту, тестова форма контролю рівня знань, математичні моделі оцінювання якості тесту

Анотація

Дослідження присвячене огляду сучасних моделей та методів, що використовуються для аналізу ефективності тестової форми контролю знань. Наведено опис теоретичних підходів до оцінювання результатів здійснюваного тестування. Розглянуто математичні моделі сучасної теорії тестування, що описують взаємозв’язок між навичками здобувачів та їх практичним відображенням при виконанні тестових завдань. Наведено опис загальних принципів адаптивного тестування з використанням дихотомічних та політомічних завдань для контролю знань та вмінь здобувачів, набутих у процесі навчання. Проаналізовано тестовий підхід до оцінки рівня знань, оскільки його застосування передбачає об’єктивне оцінювання знань і врахування різноманітних аспектів навчальної діяльності: уміння впізнавати і розуміти матеріал, класифікувати явища й процеси, визначати послідовність логічних операцій, систематизувати і синтезувати ситуації і процеси, в подальшому – проводити самостійні дослідження та застосовувати отримані знання на практиці. У статті досліджено специфіку застосування різноманітних підходів, що описують теоретичну основу функціонування сучасної теорії тестування: однопараметричних моделей Раша та Фергюсона, двопараметричної та трипараметричної моделей Бірнбаума. У науковому дослідженні наведено огляд алгоритму роботи та специфіку використання засобів адаптивного тестування, що використовується для визначення загального рівня знань з певних навчальних дисциплін; розглянуто математичний апарат, що застосовується безпосередньо для формування блоків завдань відповідного рівня складності та для інтерпретації результатів перевірки знань здобувачів різного рівня підготовки. Особливу увагу приділено автоматичному підбору завдань необхідного рівня складності, що безпосередньо базується на результатах тестування в режимі реального часу. Такий алгоритм дозволяє виявити рівень знань тестованого з конкретної дисципліни, водночас оцінюючи його психометричні характеристики: рівень зосередженості, вміння протистояти стресовим ситуаціям, швидкість перемикання між завданнями різного типу та рівня складності. Також важливим є попередній розподіл завдань за блоками відповідно до типу сформульованої умови виконання завдання та кількості логічних кроків, що необхідно здійснити для правильного розв’язання завдання. Отриманий в результаті повного проходження тестування профіль рівня знань тестованого дозволяє виявити не тільки прогалини в знаннях з певного предмету, а й оцінити рівень психомоторної адаптації до процесу тестування в процесі виконання завдань.

Біографії авторів

Сергій Володимирович Вронський, ДВНЗ «Ужгородський національний університет, Ужгород

Аспірант кафедри системного аналізу та теорії оптимізації

Юрій Васильович Андрашко, ДВНЗ «Ужгородський національний університет, Ужгород

Доцент кафедри системного аналізу та теорії оптимізації

Посилання

Kartashov, M. V. (2007). Probability, processes, statistics. Kyiv: University Publishing and Printing Center. 504 p.

Okseniuk, I. I. (2022). Organization of Diagnostics and Control of Knowledge by Means of Computer Testing. Pedagogical Search, 1 (113), 31–35.

Sachanyuk-Kavetska, N. V., & Prozor, O. P. (2020). Features of test control of knowledge of students of higher educational institutions. In Dynamics of the Development of World Science: The 8th International Scientific and Practical Conference (April 15-17, 2020). Vancouver, Canada: Perfect Publishing, 796–803.

Shevchuk, S. S. (2020). Vectors of the specialists' vocational training quality improvement in modern conditions. Image of the Modern Pedagogue, 3 (192), 5–9.

Bae, C. L., Therriault, D. J., & Redifer, J. L. (2019). Investigating the testing effect: Retrieval as a characteristic of effective study strategies. Learning and Instruction, 60 (1), 206–214.

Han, J., & Morag, C. (1995). The influence of the sigmoid function parameters on the speed of backpropagation learning. From Natural to Artificial Neural Computation: Lecture Notes in Computer Science, 930, 195–201.

Linden, W., & Hambleton, R. (2018). Handbook of modern item response theory. New York: Springer. 512 p.

Loken, E., & Rulison, K. L. (2010). Estimation of Four-Parameter Item Response Theory Model. British Journal of Mathematical and Statistical Psychology, 63, 509–525.

Rasch, G. (1980). Probabilistic models for some intelligence and attainment tests. Chicago: The University of Chicago Press.

Riggs, C. D., Kang, S., & Rennie, O. (2020). Positive Impact of Multiple-Choice Question Authoring and Regular Quiz Participation on Student Learning. CBE—Life Sciences Education, 19 (2).

Ronald, K. (1993). Comparison of classical test theory and item response theory and their applications to test development. Educational Measurement: Issues and Practice, 12 (3), 21–28.

Rusch, T., Lowry, P., Mair, P., & Treiblmaier, H. (2017). Breaking free from the limitations of classical test theory: Developing and measuring information systems scales using item response theory. Information & Management, 54 (2), 189–203.

Wang, W. (2012). Are All Item Response Functions Monotonically Increasing? (Doctoral dissertation). University of Kansas, 166 p.

Wiberg, M. (2004). Classical test theory vs. item response theory. Emergency Medicine, 50. Retrieved from: http://www.edusci.umu.se/digitalAssets/59/59529_em-no-50.pdf

Ying, C. (2008). Computerized adaptive testing: New developments and applications. University of Illinois at UrbanaChampaign. 92 p.

##submission.downloads##

Опубліковано

2025-12-25

Як цитувати

Вронський, С. В., & Андрашко, Ю. В. (2025). Моделі та методи адаптивного тестування як інструмент інформатизації системи контролю знань у закладах вищої освіти. Управління розвитком складних систем, (64), 267–275. https://doi.org/10.32347/2412-9933.2025.64.267-275

Номер

Розділ

ІНФОРМАТИЗАЦІЯ ВИЩОЇ ОСВІТИ