Система оценки качества знаний студентов на основе нейронных сетей тема диссертации и автореферата по ВАК РФ 13.00.08, кандидат педагогических наук Жуйков, Виктор Викторович

• Жуйков, Виктор Викторович
• кандидат педагогических наук
• 2009

Оглавление диссертации кандидат педагогических наук Жуйков, Виктор Викторович

Введение

Глава 1. Анализ современных подходов к оценке качества знаний в профессиональном образовании

1.1 Состояние проблемы оценки качества знаний в профессиональном образовании

1.2 Мониторинг качества знаний и его задачи

1.3 Анализ основных подходов к оценке качества знаний

1.4 Выводы

Глава 2. Создание системы оценки качества знаний на основе системного подхода

2.1 Междисциплинарный характер исследований при построении системы оценки качества знаний на основе этапов системного анализа

2.2 Искусственные нейронные сети как математический аппарат для создания систем контроля и оценки качества знаний

2.3 Система оценки качества знаний студентов на основе нейронных сетей с использованием системного подхода

2.4 Практическое применение электронного ресурса контроля и оценки качества знаний на примере предметов параллельное программирование и теория вычислительных процессов и структур

2.5 Выводы

Введение диссертации (часть автореферата) на тему «Система оценки качества знаний студентов на основе нейронных сетей»

Актуальность темы диссертации.

Современный уровень развития науки и технологий ставит перед системой высшего профессионального образования задачу переосмысления проблем контрольно-оценочного процесса. Существующие на данный момент подходы к оценке качества знаний студентов зачастую имеют множество недостатков, таких как повышенная сложность, узкая применимость, стихийность, нерациональное использование методов и форм, отсутствие дидактической целенаправленности, недостаточная упорядоченность проведения контроля.

Увеличение объёма получаемой информации и повышение сложности образовательных программ выдвигают на первый план аспекты оперативности их изучения и систематизации. В современных системах контроля и оценки качества знаний данное направление остаётся неисследованным.

Проблема системы оценки качества знаний студентов получила теоретическую разработку в трудах многих исследователей. Вопросы построения систем контроля и оценки знаний интересовали многих учёных в разных областях знания. Так, в области обучения информатике студентов вуза этим занимались Д.С. Костылёв, Л.Ю. Заикина, в области профессионально-педагогического образования — Ф.М Калимуллин, в области повышения качества познавательной деятельности в образовательном процессе — Л.П. Тихонова, в области подготовки учащихся профильных школ — И.Р. Павлова, Н.М. Скотникова. В разработку проблемы управления качеством подготовки студентов внесли значительный вклад В.П. Беспалько, Н.Ф. Ефремова, A.A. Аветисов, А .Г. Бермус, П.И. Образцов, C.B. Шелапутина, М.М. Поташник. Исследованиями управления качеством в образовательных системах национального уровня занимались H.A. Селезнева, А.И. Субетто, Г.В. Гутник. Вопросы методологии построения образовательных технологий были в сфере научных интересов JL Андерсона, Н.В. Апатовой, В.П. Беспалько, В.И. Боголюбова, В.В. Гузеева и др. Исследованиям в области построения рейтинго3 вых систем контроля и качества обучения посвящены труды С.Н. Дуброва, Ю.В. Попова, В.П. Подлеснова, Е.С. Брискина, В.И. Садовникова, И.Р. Павловой, H.A. Воронковой. Вопросы в области построения систем контроля и качества обучения на основе тестовых технологий интересовали О.Д. Юнее-ва, М.Б. Шашкина, Н.Д. Нестеренко, Г.Н. Хубаев, O.A. Маркова.

Научный подход к совершенствованию учебного процесса ставит перед собой задачу информатизации всех его этапов для обеспечения более эффективного усвоения знаний, умений, навыков обучаемыми с целью реализации успешного выполнения задач профессиональной деятельности. Без систематического и достаточного по объему осуществления принципа обратной связи не может всерьез идти речь об эффективном управлении процессом обучения.

К сожалению, до сих пор в практике вузовского обучения данный принцип реализуется очень слабо и в весьма несовершенной форме. Каждый из применяемых методов и форм проверки уровня знаний студентов имеет свои преимущества и недостатки, свои ограничения. Данные, полученные на этапе контроля и измерения результатов обучения, могут способствовать изменению методики изложения материала, поэтому решение вопросов информатизации соответствующего направления является важной задачей с педагогической точки зрения.

Для контроля над ходом образовательного процесса необходимо внедрять современные системы обработки информации, основанные на теории искусственного интеллекта. Результаты контроля учебной деятельности представляют собой набор ответов, зависящий от многочисленных параметров, многие из которых трудно формализуемы. Для того чтобы учитывать их, необходимы гибкие математические инструменты, одним из которых может служить нейронная сеть.

Нейронные сети, несмотря на то что не имеют универсальной структуры, подходящей для всех областей применения, являются инструментом для эффективного решения широкого круга задач. В настоящий момент уровень развития информационных технологий предоставляет возможность использовать нейронные сети, в том числе и при оценке качества знаний. Система оценки качества знаний студентов на основе нейронных сетей позволит упростить и реструктуризировать контрольно-оценочный процесс.

Проблемы использования достижений в области искусственного интеллекта, в том числе искусственных нейронных сетей, в различных сферах деятельности получили теоретическую и практическую разработку в трудах многих исследователей. Вопросам построения интеллектуальных обучающих систем уделили внимание В.Л. Латышев, М.В. Суханова, О.В. Покалицына, И.А. Суслова, В.А. Кудинов. Тем не менее, в комплексе система оценки качества знаний студентов на основе нейронных сетей ещё не исследовались. Сложность исследования усугубляется его междисциплинарным характером, обусловленным его положением на стыке педагогических и технических теорий и парадигм.

Анализ существующих источников информации, посвященных контролю и оценке результатов обучения, вскрывает целый ряд противоречий: существование предпосылок в необходимости создания системы оценки качества знаний студентов на основе нейронных сетей, с одной стороны, и недостаточное внимание вопросам реализации и методики использования системы в профессиональном образовании — с другой; существование необходимости использования в области оценки качества знаний студентов последних достижений в области нейронных сетей, с одной стороны, и отсутствие исследований в данной области, с другой стороны; существование необходимости создания модели обучающегося относительно предметной области и отсутствие методики и информационных средств решения данной задачи.

Научно-практические потребности и выявленные противоречия позволили определить проблему исследования: каковы теоретические основы и педагогические условия моделирования и применения системы оценки качества знаний студентов на основе нейронных сетей?

Цель исследования — разработка и апробация математической модели системы оценки качества знаний студентов на основе нейронных сетей.

Объект исследования — образовательный процесс в высшей школе.

Предметом исследования является математическая модель системы оценки качества знаний студентов на основе нейронных сетей.

Гипотеза исследования заключается в предположении о том, что искусственные нейронные сети позволят повысить результативность контрольно-оценочного процесса знаний студентов. Эффективность системы оценки качества знаний студентов на основе нейронных сетей может быть значительно повышена, если:

- при решении многокритериальной задачи генерации контрольно-оценочного материала будет использована ЭВМ;

- в процессе мониторинга качества знаний с использованием модели усвоения предметных знаний обучающегося будут использованы нейронные сети;

- на основе объективных контрольно-оценочных данных с эффектом накопления будет строиться модель полноты усвоения знаний образовательной области на основе нейронных сетей;

- обеспечивается управление процессом оценки качества знаний студентов на основе нейронных сетей.

Исходя из гипотезы и цели исследования, были поставлены следующие задачи:

1) проанализировать состояние системы оценки качества знаний студентов в профессиональном образовании;

2) разработать математическую модель системы оценки качества знаний студентов на основе нейронных сетей;

3) создать программные средства, обеспечивающие информационную поддержку мониторинга оценки качества знаний студентов на основе нейронных сетей;

4) определить организационно-педагогические условия эффективности системы оценки качества знаний студентов на основе нейронных сетей.

Методологическую основу исследования составляют работы в области системного анализа (A.B. Антонов, Н.П. Бусленко, В.Н. Волкова, A.A. Денисов, Ф.И. Перегудов, Ф.П. Тарасенко); работы в области тестового контроля качества учебных достижений обучающихся (B.C. Аванесов, Б.В. Володин, В.Н. Бочаров, В.И. Васильев, Г.А. Епанчинцева, К.Т. Кузовлева, Н.И. Пак, A.JI. Симонова); работы в области измерения качества знаний (A.A. Аветисов, Т.С. Анисимова); работы в области управления качеством образования (А.Г. Бермус, П.Л. Брусиловский); работы в области нейронных сетей (A.B. Гаврилов, В.А. Головко, А.Н. Горбань, В.В. Круглов, В.В. Борисов).

Теоретической основой исследования явились: идеи и теории тестового контроля качества учебных достижений обучающихся (B.C. Аванесов, В.Н. Бочаров, А.Н. Майоров);

-теории в области мониторинга качества знаний профессионального образования (А.И. Кукуев, А.Н. Майоров, A.A. Макаров);

-теории педагогических измерений (A.A. Аветисов, В.П.Беспалько, Т.С. Анисимова, Н.М. Розенберг, Г.Н. Хубаев); теория системного анализа (A.B. Антонов, Н.П. Бусленко, В.Н. Волкова, A.A. Денисов, Ф.И. Перегудов, Ф.П. Тарасенко, Э.В. Попов, И.Б. Фоминых, В.Н. Спицнадель);

-теории качества профессионального образования (В.П.Беспалько, O.E. Лебедев, И.Я. Лернер, В.Д. Шадриков); теория нейронных сетей (A.B. Гаврилов, В.В. Круглов, В.В. Борисов, Ф. Уоссерман); теории педагогических систем (В.П.Беспалько, O.E. Лебедев);

-фундаментальные теории кибернетики (В.И. Арнольд, Р. Аткинсон, А.И. Захаров, A.M. Матюшкин, А.Н. Колмогоров);

-теории управления педагогическими процессами (Ю.К. Бабанский, П.Л. Брусиловский, С.Н. Дубров, Н.В. Кузьмина, А.И. Герцен);

-теории управления качеством профессионального образования (А.Г. Бермус, Н.Ф. Ефремова, Г.В. Гутник, В.А. Качалов, Э.М. Короткое, М.М. Поташник, А.И. Субетто);

- педагогические и психологические теории целостного развития личности (Н.Ф.Талызина, Ю.К. Бабанский, Е.А. Климов, П.Г. Марквард, В.В. Сериков).

Методы исследования:

- теоретические: сравнительный анализ, моделирование системы, теоретическое обобщение результатов исследования;

-эмпирические: наблюдение, педагогический эксперимент, мониторинг;

- общенаучные для теоретического и эмпирического исследования: абстрагирование, анализ, синтез, дедукция, индукция, аналогия, исторический и логический методы;

- диагностические: беседа, тестирование, контрольные задания;

- квалиметрические: статистические методы (шкалирование, методы математической статистики).

Опытно-экспериментальной базой исследования стало государственное образовательное учреждение высшего профессионального образования «Курский государственный университет». В исследовании приняли участие 3 преподавателя кафедры программного обеспечения и администрирования информационных систем и 145 студентов специальности «Математическое обеспечение и администрирование информационных систем».

Организация исследования. Исследование состояло из нескольких этапов.

На первом этапе (2005 г.) определялись исходные положения исследования, проводился поиск путей повышения эффективности оценки качества знаний студентов, изучалась научная литература и современный педагогический опыт в области построения систем оценки качества знаний, мониторинга и квалиметрии. Проводился анализ исторического развития рассматриваемой проблемы в психолого-педагогической литературе. Формулировалась рабочая гипотеза, выявлялись основные теоретико-методологические понятия исследования, определялись его задачи.

На втором этапе (2006 г.) проводилась разработка системы оценки качества знаний студентов на основе нейронных сетей. Были разработаны материалы для проведения контрольных мероприятий.

На третьем этапе (2006-2008 г.) осуществлялось внедрение разработанной системы оценки качества знаний студентов на основе нейронных сетей в процесс преподавания учебных дисциплин «Параллельное программирование», «Теория вычислительных процессов и структур» и анализ её эффективности для достижения поставленных целей. Проводилась обработка эмпирических данных.

Положения, выносимые на защиту:

1. Математический аппарат нейронных сетей является универсальным средством, позволяющим использовать его при построении системы оценки качества знаний.

2. Математическая модель системы оценки качества знаний студентов на основе нейронных сетей состоит из следующих компонентов: подсистемы оценки результатов тестирования, подсистемы перенастройки весовых коэффициентов, подсистемы экспертной корректировки, подсистемы ввода тестовых заданий, подсистемы построения портрета обучающегося, подсистемы мониторинга качества знаний, подсистемы генерации тестов, подсистемы построения онтологий.

3. Возможности онтологии предметной области позволяют решить задачу выявления направлений корректирующих воздействий для осуществления адаптивного управления обучением на основе индивидуальных результатов обучающихся.

4. Организационно-педагогическими условиями эффективности системы оценки качества знаний студентов на основе нейронных сетей являются:

1) формализация и построение онтологии предметной области;

2) создание тестовых заданий многократно превосходящих по количеству обучающихся;

3) создание тестовых заданий с характеристиками:

- формулировка или текстовое сопровождение,

- вид,

- связи с областями знаний на основе построенной онтологии,

- время, требуемое на выполнение (в среднем),

- сложность,

- трудность,

- актуальность,

- дополнительный материал;

4) выделение и задание основных характеристик эталонной модели обучающегося;

5) проведение в рамках учебного процесса распределённого мониторинга качества знаний обучающихся.

Основные результаты, полученные исследователем, и их научная новизна состоят в том, что:

- уточнено содержание понятия системы оценки качества знаний студентов в профессиональном образовании;

- разработана математическая модель системы оценки качества знаний студентов на основе нейронных сетей;

- созданы программные средства, обеспечивающие информационную поддержку мониторинга оценки качества знаний студентов на основе нейронных сетей; определены организационно-педагогические условия эффективности системы оценки качества знаний студентов на основе нейронных сетей.

Теоретическая значимость исследования состоит в дополнении теории профессионального образования в области оценки качества знаний студентов. Разработанная математическая модель системы оценки качества знаний студентов на основе нейронных сетей служит теоретической основой для дальнейших исследований в области педагогических измерений.

Практическая значимость работы заключается в том, что применение системы оценки качества знаний на основе нейронных сетей в управлении процессом обучения при преподавании дисциплин «Параллельное программирование» и «Теория вычислительных процессов и структур» повышает эффективность учебного процесса и дидактического взаимодействия преподавателя со студентами. Материалы исследования найдут применение при разработке и совершенствовании диагностического инструментария, используемого как в профессиональном образовании так самообразовании преподавателей и студентов.

Достоверность и обоснованность основных положений и выводов исследования обеспечены за счёт:

- обоснованности исходных теоретико-методологических позиций, сформулированных в результате всестороннего изучения проблемы автоматизации контрольно-оценочного процесса;

- адекватности методологии исследования его предмету, целям и задачам; экспериментальной работы и полученных в результате исследования данных, доказывающих эффективность внедрения электронного ресурса в образовательный процесс.

Апробация и внедрение результатов исследования осуществлялись в ходе педагогического эксперимента (2006-2008 г.) на факультете информатики и вычислительной техники государственного образовательного учреждения высшего профессионального образования «Курский государственный университет». Основные положения и результаты исследования опубликованы в научном журнале «Вестник Российского университета дружбы народов. Серия «Информатизация образования» и в других изданиях. Материалы исследования обсуждались и получили одобрение на международных и всероссийских научно-практических конференциях (г. Биробиджан, 16 апреля 2008г., г. Красноярск, 19-21 мая 2008г., г. Курск, 8-11 декабря 2008г.).

Структура диссертации определяется логикой и последовательностью решения поставленных задач. Работа состоит из введения, двух глав, заключения, списка использованной литературы и приложений.

Заключение диссертации по теме «Теория и методика профессионального образования», Жуйков, Виктор Викторович

Основные результаты теоретических и экспериментальных исследований, проведенных в диссертационной работе в соответствии с поставленной целью, могут быть сформулированы следующим образом:

1. Исследование современных образовательных подходов к оценке качества знаний студентов выявили необходимость внедрения последних достижений в области искусственного интеллекта для повышения эффективности контрольно-оценочного процесса.

2. Построение системы оценки качества знаний студентов на основе нейронных сетей должно основываться на следующих компонентах: подсистеме оценки результатов тестирования, подсистеме перенастройки весовых коэффициентов, подсистеме экспертной корректировки, подсистеме ввода тестовых заданий, подсистеме построения портрета обучающегося, подсистеме мониторинга качества знаний, подсистеме генерации тестов, подсистеме построения онтологий.

3. Организационно-педагогическими условиями эффективности системы оценки качества знаний студентов на основе нейронных сетей являются:

1) формализация и построение онтологии предметной области;

2) создание тестовых заданий многократно превосходящих по количеству обучающихся;

3) создание тестовых заданий с характеристиками: формулировка или текстовое сопровождение,

-вид, связи с областями знаний на основе построенной онтологии, время, требуемое на выполнение (в среднем), сложность, трудность, актуальность, дополнительный материал;

4) выделение и задание основных характеристик эталонной модели обучающегося;

5) проведение в рамках учебного процесса распределённого мониторинга качества знаний обучающихся.

4. Корректирующие воздействия для адаптивного управления обучением могут быть основаны на онтологии образовательной области и результатах оценки качества знаний студентов.

5. Разработан программный комплекс системы оценка качества знаний студентов на основе нейронных сетей и проведена его апробация на примере предметов «Параллельное программирование» и «Теория вычислительных процессов и структур» для студентов обучающихся по специальности «Математическое обеспечение и администрирование информационных систем» Курского государственного университета. Подтверждена эффективность использования системы в учебном процессе.

Вместе с тем выполненная работа не претендует на исчерпывающую полноту разработки системы оценки качества знаний студентов. Дальнейшего углубленного изучения требуют такие аспекты проблемы, как: разработка методики использования системы оценки качества знаний студентов на основе нейронных сетей в области самообразования; исследования в области учёта личностных качеств обучающихся и их влияние на качество знаний.

Заключение

Список литературы диссертационного исследования кандидат педагогических наук Жуйков, Виктор Викторович, 2009 год

1. Аванесов B.C. Научные проблемы тестового контроля знаний.— М., 1994.— 143 с.

2. Аванесов B.C. Основы научной организации педагогического контроля в высшей школе.— М., 1989.— 157 с.

3. Аванесов B.C. Теоретические основы разработки заданий в тестовой форме.— М., 1995.— 95 с.

4. Аванесов B.C. Формы тестовых заданий /B.C. Аванесов.— М.: Исследоват. центр, 1991.— 35 с.

5. Аванесов B.C., Володин Б.В. Вопросы применения тестов для контроля знаний студентов // Научная организация учебного процесса.— М.: МИФИ, 1976,—вып. 3,—4.1, С. 102-107.

6. Аванесов B.C. Основы теории разработки заданий в тестовой форме.—М., ИЦПКПС, 1989.— 187с.

7. Аванесов B.C. Композиция тестовых заданий / B.C. Аванесов — М.: АДЕПТ, 1998.—217с.

8. Аванесов B.C. Методологические и теоретические основы тестового педагогического контроля: автореферат дис: д-ра пед. наук: 13.00.01 / B.C. Аванесов; С.-Петербургский гос. Уп-т.— СПб., 1994.

9. Аветисов A.A. Основные положения системно — квалиметриче-ской концепции повышения качества образования // Надежность и контроль качества.— 1999.—№ 2.— С. 57-60.

10. Айвазян С.А., Енюков И.С, Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей / Под ред. С.А. Айвазяна.— М.: Финансы и статистика, 1985.— 487 с.

11. Амонашвили Ш.А. Воспитательная и образовательная функция оценки учения школьников / Ш.А. Амонашвили.— М.: Педагогика, 1984.— 296 с.

12. Анастази А. Психологическое тестирование. Т. 1,2.— М.: Педагогика, 1982.

13. Анисимова Т.С. Выявление статистических взаимосвязей в образовательном процессе / Т.С. Анисимова, A.A. Маслак // Наука Кубани.— 2003.— №2.— С. 10.

14. Анисимова Т.С. Измерение латентных переменных в образовании: монография / Т.е. Анисимова.— М.: Исследовательский центр проблема качества подготовки специалистов, 2004.— 148с.

15. Антонов A.B. Системный анализ. Учеб. для вузов/А.В. Антонов.— М.: Высш. шк., 2004.— 454 с: ил.

16. Арнольд В.И. О представлении непрерывных функций нескольких переменных в виде суперпозиции функций меньшего числа переменных // Мат. просвещение.— 1957.— № 4.— С. 41-61.

17. Аткинсон Р. Введение в математическую теорию обучения./ Под. ред. O.K. Тихомирова.— М.: Мир, 1969.— 486 с.

18. Бабанский Ю.К. Избранные педагогические труды / Ю.К. Бабан-ский.— М.: Педагогика, 1989.— 560 с.

19. Бабанский Ю.К. Методы обучения в современной общеобразовательной школе.— М., 1985.

20. Бермус А.Г. Управление качеством профессионально-педагогического образования: монография / А.Г Бермус.— Ростов-на-Дону: Изд-во РГПУ, 2002.— 301 с.

21. Беспалько В.П. и др. Системно-методическое обеспечение учебно-воспитательного процесса подготовки специалиста, Учебно-методическое пособие.— М. Высшая школа 1989.

22. Беспалько В.П. Основы теории педагогических систем. «Проблемы и методы психолого-педагогического обеспечения технических обучающих систем».— Воронеж, 1977.— 304 с.

23. Беспалько В.П. Элементы теории управления процессом обучения.—М.: Знание, 1971.— 112 с.

24. Беспалько В.П. Слагаемые педагогической технологии / В.П. Беспалько.— М.: Педагогика, 1989.— 192 с.

25. Бочаров В.Н. Проблемы создания и использования тестовых заданий в курсе информатики // Новые информационные технологии в университетском образовании.— Новосибирский техн. университет, 2000.— С. 7880.

26. Брусиловский П.Л. Выбор учебного воздействия в обучающей системе с моделями предметной области и обучающегося // Педагогические и психологические аспекты компьютеризации образования (высшая школа). Тезисы докл. 4.1.— Рига, 1988.— С. 38-40.

27. Бусленко Н.П. Моделирование сложных систем.— М., 1978.—205 с.

28. Васильев В.И., Тягунова Т.Н. Культура компьютерного тестирования: форма тестовой ситуации и формирование теста.— М.: МГУП, 2002.— 83 с.

29. Волкова В.Н., Денисов A.A. Основы теории систем и системного анализа: Учеб. Изд 2-е, перераб. и доп.— СПб.: СПбГТУ, 1999.— 512 с.

30. Гаврилов A.B. Системы искусственного интеллекта: Учеб. пособие: в 2-х ч.— Новосибирск: Изд-во НГТУ, 2001.— 4.1.— 67 с.

31. Гаврилов A.B. Системы искусственного интеллекта: Учеб. пособие: в 2-х ч.— Новосибирск: Изд-во НГТУ, 2001.

32. Головко В.А. Нейронные сети: обучение, организация, применение. Кн.4 / Общ. ред. А.И. Галушкина.— М.: ИПРЖР, 2001.— 256 с.

33. Горбань А.Н. Обучение нейронных сетей.— М.: СП ПараГраф,1991.

34. Гутник Г.В. Проектное управление качеством образования в регионе/Г.В. Гутник// Стандарты и мониторинг.— 2001.— №2.— С. 18—28.

35. Долженко О. Институциональная оценка: стратегия качества / Обзор зарубежных источников / О. Долженко // Aima mater, 1996.— №1.— С. 31-35; №2.— С. 28-31.

36. Ефремова Н.Ф., Сучкова JI.A. Централизованное тестирование как основа для педмониторинга // Развитие системы тестирования в России: Тез. докл. Всерос. науч.-практ. конф.— М., 1999,— №1.— С. 55-57.

37. Ефремова Н.Ф. Школа->тестирование->вуз // Развитие системы тестирования в России: Тез.докл. Всерос. науч.-практ. конф.— М., 2000.— С. 34-37.

38. Закон Российской Федерации «Об образовании» // Высшее образование в России.— 1992.— №3.

39. Захаров А.И., Матюшкин A.M. Проблемы адаптивных систем обучения // Кибернетика и проблемы обучения.— М.: Прогресс, 1970.— 389 с.

40. Качалов В.А. Проблемы управления качеством в вузах // Стандарты и качество.— 2000.— №5.— С. 82-85; №6.— С. 43-49; №7.— С. 6873; №9.—С. 84-88; №11.— С. 82-91; №12.—С. 82-87.

41. Качалов В.А. По поводу оценки качества / В. Качалов, Б. Пруд-ковский // Высшее образование в России.— 1999.— №2.— С. 54-58.

42. Колмогоров А.Н. ДАН, Т. 108, 1956, №2.

43. Колмогоров А.Н. О представлении непрерывной функции нескольких переменных в виде суперпозиции непрерывных функций одного переменного и сложения // Доклады АН СССР.— 1957.— Т. 114, №5.— С. 953-956.

44. Колубеева О.Н., Суханов А.Д. Стратегия развития общего и высшего образования // Известия Российской академии образования.— 2000.— №1,—С. 3-10.

45. Коротков Э. Система комплексной оценки качества образования специалиста / Э. Коротков // Высшее образование в России.— 1995.— №2.— С. 72-78.

46. Кочетков А. (Панкратова И., Шумянкова Н. Контроль знаний студентов, опыт организации //Социально-политический журнал,— М, 1995.— №1— С. 97-105.

47. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.— М.: Горячая линия — Телеком, 2001.— 382 с.

48. Кузовлева. К.Т. Конструирование педагогических тестов на основе современных математических моделей// www.informika.ru.

49. Кукуев А.И. Педагогический мониторинг личностно-ориентированного образовательного процесса: дис: канд. пед. наук / А.И. Кукуев.— Ростов-на-Дону, 2001.— 165 с.

50. Лагутина И.Н. Тест как инструмент измерения уровня знаний // Химия в школе.— 1998.— №3,— С. 41.

51. Лебедев О. Е. Анализ педагогических проблем.— М., 1990.—134 с.

52. Лебедев О.Е. Петербургская школа. Теория и практика формирования многовариантной образовательной системы.— СПб.: Центр педагогической информации.— 1994.— 132 с.

53. Левин Б.Р. Теоретические основы статистической радиотехники.— 3-е изд.— М.: Радио и связь.— 1989.— 656 с.

54. Лернер И.Я. Базовое содержание общего образования.— М, 1991.— 137 с.

55. Лийв Э.Х. Инфодинамика. Обобщённая энтропия и негэнтро-пия.— Таллинн, 1998.— 200с.

56. Логовский А.С. Многопроцессорные и нейрокомпьютерные технологии фирмы Sundence Multiprocessor Technology, Ltd.— Нейрокомпьютер, №1, 1999.

57. Льюнг Л. Идентификация систем. Теория для пользователя: Пер, с англ, / Под ред. Я.З. Цыпкина.— М.: Наука. Гл. ред. физ.-мат. лит., 1991.— 432 с.

58. Люсин Д.В. Основы разработки и применения критериально-ориентированных педагогических тестов: Учебное пособие.— М.: Исследовательский центр Гособразования СССР, 1993.— 51 с.

59. Майоров А.Н. Мониторинг в образовании.— СПб.: Образование-культура, 1998.— 343 с.

60. Майоров А.Н. Тесты школьных достижений: конструирование, проведение, использование.— СПб.: Образование и культура, 1996.— 304 с.

61. Майоров А.Н. Теория и практика создания тестов для системы образования / А.Н. Майоров.— М.: Народное образование, 2000.— 352 с.

62. Макаров A.A. Комплексный мониторинг качества образования.— М.: ИЦПКПС, 1998.—265 с.

63. Марквард П.Г. Вопросы психологии и педагогики в учебном процессе технического вуза / Н.Г. Марквард.— М., 1967.

64. Международная стандартная классификация образования (МСКО). Международные нормативные акты ЮНЕСКО.— М.:ИЦПКПС, 1998.— 62 с.

65. Наводнов В.Г. Математические модели САПР ПИМ: Препринт №4/97.— Йошкар-Ола. Научно-информационный центр государственной аккредитации, 1997.

66. Назаров C.B. Компьютерные технологии обработки информации.— М.: Финансы и статистика, 1999.

67. Новые образовательные системы и технологии обучения в вузе: Межвуз. сб. науч. тр./ВолгГТУ; Редкол.: Ю.В. Попов (отв.ред.) и др.— Волгоград, 2003.— 180 с. ISBN 5-230-04222-2.

68. Основы вузовской педагогики / под ред. Н.В. Кузьминой, В.И. Урклина.— Л.: Изд-во ЛГУ, 1972.— 308 с.

69. Пак Н.И., Симонова А.Л. Методика составления тестовых заданий // Информатика и образование, 1998, № 5.— С. 27-32.

70. Пак Н.И., Филиппов В.В. К вопросу о технологии компьютерного тестирования // Информатика и образование, 1997, № 5.— С. 19-24.

71. Педагогика высшей школы: учеб. пособие.— Л.: Изд-во ЛГПИ им. А.И. Герцена, 1974.— 116 с.

72. Педагогика высшей школы / под ред. Ю.К. Бабанского.— Ростов-на-Дону: Изд-во Ростовского ун-та, 1972.— 124 с.

73. Педагогический контроль и оценка качества образования Электронный ресурс. — Режим доступа: http://www.xpt.narod.ru/FILES/HTML/XPT/materials/pedagogicheskijkontrol.ht ml.

74. Перегудов Ф.И. и др. Основы системного подхода.— Томск: ТГУ, 1976,— 127 с.

75. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп.— Томск: Изд-во HTJ1, 1991.— 396 с.

76. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие.— М.: Высшая школа, 1997.— 389 с.

77. Попов Э.В., И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот Статические и динамические экспертные системы.— М.: Финансы и статистика, 1996.

78. Попов Ю.В. Рейтинговая система оценки деятельности преподавателей и кафедр как способ повышения их творческой активности / Ю.В. Попов, В.П. Подлеснов, Е.С. Брискин, В.И. Садовников Электронный ресурс. — Режим доступа: http://ipk:.admin.tstu.ru.

79. Портал информационной поддержки Единого Государственного Экзамена http://www.ege.edu.ru/.

80. Поташник М.М. Управление качеством образования / М.М. Поташник и др..—М.: Педагогическое общество России, 2000.— 441 с.

81. Проверка и оценка знаний в высшей школе.— Томск: Изд-во ТГУ, 1969.—215 с.

82. Проект концепции "Федеральная система тестирования" // Первое сентября,— М.,— 2000.— №11.

83. Разработка системы рейтинг-контроля уровня усвоения знаний студентов Электронный ресурс. — Режим доступа: http://referat.niv.ru.

84. Рекомендации Международного круглого стола «Обеспечение качества высшего образования: российский опыт в международном контексте» — М //Университетская книга, 2001.— №5.— С. 14-15.

85. Роберт И. Новые информационные технологии в обучении: дидактические проблемы, перспективы использования // Информатика и образование, 1991.—№4.—С. 18-26.

86. Родионов Б.У., Татур А.О. Стандарты и тесты в образовании.— М., 1995.

87. Розенберг Н.М. Проблема измерений в дидактике.— Киев: Вища школа, 1979.— 176 с.

88. Сериков В.В. Личностный подход в образовании: концепция и технологии. Волгоград, 1994. С. 42^43.

89. Симанков B.C. Автоматизация системных исследований: Монография/ Техн. ун-т Кубан. гос. технол. ун-та.— Краснодар, 2002.— 376 с.

90. Скобелев П.О. Открытые мультиагентные системы для поддержки процессов принятия решений при управлении предприятиями // Известия Самар. науч. центра РАН.— 2001.— Янв.-июнь.— С. 71-79.

91. Спицнадель В.Н. Основы системного анализа: Учеб. пособие.— СПб.: Бизнес-пресса, 2000.— 560 с.

92. Сучкова Л.А. Централизованное тестирование как средство экспертизы качества образования: Дис. канд. пед. наук.— Ростов н/Д, 2000.— 167 с.

93. Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992.

94. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы // Открытые системы, 1998. № 4.

95. Хорошилова И.Л. Мониторинг качества образования в современной школе в 2001-2002 учебном году (Методическое письмо) / И. Хорошилова Электронный ресурс. — Режим доступа: www.belgorod.edu.ru.

96. Хубаев Г.Н. Статистический подход к построению шкалы оценок в компьютерных системах тестирования // Информационные системы, экономика, управление трудом и производством Вып 1 Ученые записки /РГЭА,— Ростов-на-Дону, 1995.

97. Хубаев Г.Н. О построении шкалы оценок в системах тестирования // Высшее образование в России.— 1996,— №1.

98. Шевченко П.А., Фомин Д.В., Черников В.М., Виксне П.Е. Архитектура нейропроцессора NeuroMatrix NM6403: Сб. докл. V Всероссийской конференции «Нейрокомпьютеры и их применение»,— М.: Радио и связь, 1999,-94 с.

99. Шишов С.Е. Мониторинг качества образования в школе / С.Е. Шишов, В.А. Кальней.— М.: Российское педагогическое агентство, 1998.— 354 с.

100. Birnbaum A. Some Latent Trait Models. In 76. Lord F.M., Novic M.R. Statistical Teories of Mental Test Scores. Reading, Mass.: Addison-Wesley, 1968.

101. Braley A.J. Intelligent Packaging in Pursuit of Customer Needs. Packaging Technology and Science.— 1993,—Vol .6.—No 3.—P. 115-121.

102. Churchland P.S. and Sejnowski T.J. The Computational Brain, Cambridge, MA: MIT Press, 1992.

103. Cybenko, G. Approximation by superpositions of a sigmoidal function // Mathematics Control, Signal & System, Vol. 2, pp. 303-314, 1989.

104. Funahashi K.I. On the approximate realization of continuous mappings by neural networks //Neural Networks, Vol. 2, pp. 183-192, 1989.

105. Gronlund N.E. Measurement and evaluation in teaching. The MacMil-lan Co., N-Y, 1985.— 56 pp.

106. Guttman L. A basis for analizing test-retest reliability. Psycho-metrika.— 1945, 10.—P. 255-282.

107. Guttman L. The guantification of a class of attributes: A theory and method of scale construction. The prediction of personal adjustment. New York: Social Science Research Council. 1941.— P. 319-348.

108. Hambleton R. K., Swamimathan H. Item Responce Theory. Principles and Applications. Boston, 1985.

109. Hecht-Nielsen R. Neurocomputing.— Mass.: Addison Wesley, 1992.— 433 p.

110. Hornik K., Stinchcomb M., White H. Multilayer feedforward networks are universal approximators // Neural Networks.— 1989. — V. 2, N. 5.— P. 359-366.

111. Kelly T.L. Selection of upper and lower groups for the validation of test items// Journal of Educational Psychology, 1939. 30.— P. 17-24.

112. Kohonen T. Self-organizing and Associative Memory.— Berlin: Springer Verlag, 1984.

113. Kohonen T. Self-organizing Maps. ~ Heidelberg: Springer Verlag,1995.

114. Kroese B. An introduction to Neural Networks.— Amsterdam University of Amsterdam, 1996.

115. Lord P.M. Application of Item Response Theory to Practical Testing Problems. Hillsdate N-J. Lawrence Erlbaum Ass., Publ. 1980.

116. Lord P.M., Novic M.R. Statistical Teories of Mental Test Scores. Reading, Mass.: Addison-Wesley, 1968.

117. Nitko A.J., Mulgrave N.W. Study Guide for educational tests and measurement: An introduction.— Harcourt Brace Jovanovich, Inc, 1983.

118. Novic M.R. The Axioms and Principle Results of Classical Test Theory / Journal of Mathematical Psychology, 1966, №3.— P. 1-18.

119. Park J., Sandberg I.W. Universal approximation using radial basis function networks // Neural Computation.— 1991.— V. 3, N. 2.— P. 246-257.

120. Rasch G. Probabilisyic Models for Some Intelligence and Attainment Tests. The Univ. Press. Chicago, 1980.

121. Ratanapan K., Daglu C.H. Implementation of ART 1 Architecture on CNAPS Neurocomputer. Application and Science of Artificial Neural Networks. 1995, SPIE, vol. 2492, pp. 103-110.

122. Rzevski G. Intelligent Systems: Issues and Trends. Intern. Conf. on Intelligent Manufacturing.— Wuhan, China.— 1995.

123. Rzevski G. Mechatronics: Designing Intelligent Machines. Butterworth-Heinemann in association with the Open University.— 1995.

124. Rzevski G., Buckland R. Value Chain Management in Space Industry // Report to DTI.— 1997.

125. Vreeswijk G.A.W. Self-government in Multi-Agent Systems: Experiments and Thought-Experiments. Technical report CS 95-03, Dept. of CS, University of Limburg.— Maastricht, The Netherlands.