Metody a možnosti neskalárního a adaptivního testování ve výukových systémech – Ing. Dita Dlabolová
Ing. Dita Dlabolová
Doctoral thesis
Metody a možnosti neskalárního a adaptivního testování ve výukových systémech
Methods and possibilities of non-scalar and adaptive testing in educational systems
Anotácia:
Práce se zabývá návrhem adaptivního způsobu testování ve výukových systémech, navržený adaptivní test simuluje ústní zkoušení učitelem. Testované znalosti jsou uložené ve dvou nově vytvořených strukturách - studijní mapě a mapě propozic, které také řídí průběh testu. Cílem testu je vytvořit spojitý graf zobrazující znalosti zkoušeného, který zároveň představuje neskalární výsledek. V rámci práce byly …viacAbstract:
The thesis deals with a design of adaptive testing in educational systems, the aim of the designed adaptive test is to simulate an oral examination by a teacher. Tes-ted knowledge are represented in two new structures - study map and proposition map that also drive the test. The goal of the test is to create a connected graph depicting knowledge of the examinee that represents its non-scalar result …viac
Jazyk práce: Czech
Datum vytvoření / odevzdání či podání práce: 30. 6. 2017
Obhajoba závěrečné práce
- Vedúci: doc. Dr. Ing. Jiří Rybička
Citační záznam
Citace dle ISO 690:
DLABOLOVÁ, Dita. \textit{Metody a~možnosti neskalárního a~adaptivního testování ve výukových systémech}. Online. Dizertačná práca. Brno: Mendelova univerzita v Brně, Faculty of Business and Economics. 2017. Dostupné z: https://theses.cz/id/gkxjvd/.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Mendelova univerzita v Brně, Provozně ekonomická fakultaMendel University in Brno
Faculty of Business and EconomicsDoctoral programme / odbor:
System engineering and informatics / Economic informatics
Práce na příbuzné téma
-
Improving NLP Systems with Common Sense Knowledge and Reasoning
Zuzana Nevěřilová -
Výuka reprezentace znalostí
Josef KAZÁK -
Reprezentace komputačních znalostí a návrh inferenčního stroje pro TIL
Michal Fait -
Formální dedukce v grafových systémech reprezentace znalostí
Martin ŽÁČEK -
Reprezentace znalostí pro účely havarijního plánování
Kateřina Gruňová -
Učení v Multiagentních systémech za pomocí symbolické reprezentace znalostí
Adam Albert -
Adaptivní systém pro testování znalostí
Jiří Procházka -
Automatizované testování znalostí uživatelů v projektu StartupJobs.cz
Filip Mikschik