Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали
У статті застосовано методи лінгвістичних змінних і нечітких множин для кількісно-якісної диференціації
 оцінок абсолютної 200-бальної та стенів 10-бальної шкал. Побудовано функції приналежності лінгвістичної
 змінної «рівень навчальних досягнень» розглядають як узагальнені прогнозні...
Saved in:
| Published in: | Искусственный интеллект |
|---|---|
| Date: | 2013 |
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/85213 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали / В.В. Камишин // Искусственный интеллект. — 2013. — № 1. — С. 225–232. — Бібліогр.: 12 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860123201465483264 |
|---|---|
| author | Камишин, В.В. |
| author_facet | Камишин, В.В. |
| citation_txt | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали / В.В. Камишин // Искусственный интеллект. — 2013. — № 1. — С. 225–232. — Бібліогр.: 12 назв. — укр. |
| collection | DSpace DC |
| container_title | Искусственный интеллект |
| description | У статті застосовано методи лінгвістичних змінних і нечітких множин для кількісно-якісної диференціації
оцінок абсолютної 200-бальної та стенів 10-бальної шкал. Побудовано функції приналежності лінгвістичної
змінної «рівень навчальних досягнень» розглядають як узагальнені прогнозні моделі проактивної оцінки
мотивації абітурієнтів на майбутнє зовнішнє незалежне тестування під час вступу до вищого навчального
закладу. Уведено імперативи на виявлення експертів-вимірювачів знань ліберально-демократичного і
об’єктивно-харизматичного типів, розроблено рекомендації для аналізу функцій приналежності.
В статье применены методы лингвистических переменных и нечетких множеств для количественно-
качественной дифференциации оценок абсолютной 200-балльной и стенов 10-балльной шкал. Построенные
функции принадлежности лингвистической переменной «уровень учебных достижений» рассматриваются
как обобщенные прогнозные модели проактивной оценки мотивации абитуриентов на предстоящее внешнее
независимое тестирование при поступлении в высшее учебное заведение. Введены императивы на
выявление экспертов-измерителей знаний либерально-демократического и объективно-харизматического
типов, разработаны рекомендации для анализа функций принадлежности.
In this paper the methods of linguistic variables and fuzzy sets for quantitative and qualitative estimates
differentiation of the absolute 200-point scale and sthenes of the 10-point scale are used. Constructed functions of a
linguistic variable "a level of academic achievements" membership are considered as generalized predictive models of
proactive estimate motivating students for future external independent testing for admission to a higher education
institute. The imperatives to identify the knowledge-testing experts of liberal-democratic and objective-charismatic
types are introduced here, the recommendations for the analysis of membership functions are worked out.
|
| first_indexed | 2025-12-07T17:40:56Z |
| format | Article |
| fulltext |
ISSN 1561-5359 «Штучний інтелект» 2013 № 1 225
6К
УДК 378.147
В.В. Камишин
Інститут обдарованої дитини НАПН України, м. Київ
03190, м. Київ, вул. Салютна,11 а, iod@iod.gov.ua
Нечітка модель прийняття рішень
щодо якісної диференціації
кількісних оцінок 200-бальної шкали
V.V. Kamyshyn
Institute of Gifted Child (NAPS of Ukraine)
Kyiv; iod@iod.gov.ua
Fuzzy Decision-Making Model on Qualitative
Differentiation of 200-Point Scale Quantitative Estimates
В.В. Камышин
Институт одаренного ребенка НАПН Украины, г. Киев
03190, г. Киев, ул. Салютная, 11 а, iod@iod.gov.ua
Нечеткая модель принятия решений
о качественной дифференциации
количественных оценок 200-балльной шкалы
У статті застосовано методи лінгвістичних змінних і нечітких множин для кількісно-якісної диференціації
оцінок абсолютної 200-бальної та стенів 10-бальної шкал. Побудовано функції приналежності лінгвістичної
змінної «рівень навчальних досягнень» розглядають як узагальнені прогнозні моделі проактивної оцінки
мотивації абітурієнтів на майбутнє зовнішнє незалежне тестування під час вступу до вищого навчального
закладу. Уведено імперативи на виявлення експертів-вимірювачів знань ліберально-демократичного і
об’єктивно-харизматичного типів, розроблено рекомендації для аналізу функцій приналежності.
Ключові слова: рівень навчальних досягнень, функції приналежності при аргументі –
континуумі 200-бальної шкали.
In this paper the methods of linguistic variables and fuzzy sets for quantitative and qualitative estimates
differentiation of the absolute 200-point scale and sthenes of the 10-point scale are used. Constructed functions of a
linguistic variable "a level of academic achievements" membership are considered as generalized predictive models of
proactive estimate motivating students for future external independent testing for admission to a higher education
institute. The imperatives to identify the knowledge-testing experts of liberal-democratic and objective-charismatic
types are introduced here, the recommendations for the analysis of membership functions are worked out.
Keywords: level of educational achievements, membership functions with argument –
continuum of the 200-point scale.
В статье применены методы лингвистических переменных и нечетких множеств для количественно-
качественной дифференциации оценок абсолютной 200-балльной и стенов 10-балльной шкал. Построенные
функции принадлежности лингвистической переменной «уровень учебных достижений» рассматриваются
как обобщенные прогнозные модели проактивной оценки мотивации абитуриентов на предстоящее внешнее
независимое тестирование при поступлении в высшее учебное заведение. Введены императивы на
выявление экспертов-измерителей знаний либерально-демократического и объективно-харизматического
типов, разработаны рекомендации для анализа функций принадлежности.
Ключевые слова: уровень учебных достижений, функции принадлежности при аргументе –
континууме 200-балльной шкалы.
Камишин В.В.
«Искусственный интеллект» 2013 № 1 226
6К
Актуальність
Підвищення якості освіти в Україні у зв’язку з приєднанням до Болонських домов-
леностей передбачає реформування освітянської системи за рахунок упровадження нових
інформаційних технологій навчання. Зазначені інноваційні процеси характеризуються
не тільки істотними змінами у змісті навчання та виховання, переходом на багаторів-
неву систему професійної підготовки фахівців, гуманізацією та фундаменталізацією
освіти, але і кардинальними змінами в методах і формах навчання. У зв’язку з цим
актуальним є питання організації науково-обґрунтованої і об’єктивної системи педаго-
гічного контролю і методик діагностування знань тих, хто навчається. До того ж, на
рівні зовнішнього незалежного оцінювання (ЗНО) знань, що відбувається шляхом за-
стосування об’єктивного тестового контролю (ОТК) і абсолютної 200-бальної шкали
йдеться про реальне запровадження державних стандартів у відповідні процеси.
Аналіз досліджень і публікацій
Отже, принципово нові інноваційні можливості в атестації випускників шкіл,
педагогічних кадрів і самих навчальних закладів відкриває єдиний державний іспит.
Заснована на цьому державна атестація (ЗНО) випускників середньої школи покли-
кана забезпечувати:
– єдність вимог до знань випускників;
– рівні можливості отримання об’єктивної оцінки;
– висока якість оцінок з позицій теорії педагогічних вимірювань;
– довіра до результатів ЗНО самих випускників, їхніх батьків, педагогічної
громадськості шкіл і вузів;
– можливість використання результатів підсумкової атестації для аналізу та мо-
ніторингу стану системи середньої освіти для атестації навчальних закладів і педагогіч-
них кадрів;
– створення розгалуженої системи моніторингу якості освіти;
– забезпечення якісного інструментарію та технологій отримання, збору, обробки
й узагальнення інформації про полягання якості всієї національної освітянської системи.
Вимоги, що перераховані, мають цільовий характер, але поки не повністю реалі-
зуються на практиці. Їх застосування ускладнює відсутність повної ясності в норматив-
них документах, що піднімають питання атестації випускників шкіл і оцінки якості
самого освітнього процесу за рівнями навчальних досягнень (РНД) випробовуваних.
При традиційних методах оцінювання об’єктивна, єдина та стандартизована база оцінки
для різних ланок системи освіти відсутня, у більшості випадків оціночний процес но-
сить спонтанний характер [1]. Це обумовлено низкою причин: відсутністю стандартів у
загальній освіті та труднощами, що витикають, навчання та створення стандартизо-
ваних педагогічних вимірників, недостатнім розвитком системи незалежного ОТК і
використанням його для підготовки тих, хто навчається, до такого роду атестації, від-
сутністю даних освітньої статистики, неопрацьованістю методів аналізу й інтерпретації
статистичних результатів ОТК, відсутністю культури тестування і кваліметричних під-
ходів у педагогічному середовищі, настороженим ставленням певної частини педагогів
до ЗНО і недооцінкою його як засобу зниження педагогічних і психологічних наванта-
жень, слабким використанням можливостей інформаційного освітнього моніторингу.
Варто зазначити, що абсолютна більшість наукової літератури, присвяченої до-
слідженню проблем ОТК знань [2-5], базується на дослідженнях результатів тестування,
не беручи до уваги ставлення до них учасників навчально-виховного процесу. З іншого
Нечітка модель прийняття рішень щодо якісної диференціації...
«Штучний інтелект» 2013 № 1 227
6К
боку, унікальні можливості абсолютної 200-бальної шкали, що при цьому застосовується,
фактично не вивчаються, хоча ще 25 років тому було з’ясовано, що викладачам не
вистачає континууму 100-бальної шкали і вони вводять додаткові «дробові» бали для
більш ефективної диференціації тих, хто навчається [6].
Безумовно, мотивувати студентів, учнів до навчання можна, розглядаючи будь-
яку бальну шкалу як терм-множину (ТМ) лінгвістичної змінної (ЛЗ) «РНД», загальне
поняття якої ввів Л. Заде [7]. Якщо побудувати ще й відповідні функції приналежності
(ФП), скажімо, на континуумі 100-бальної шкали, то відкривається перспектива ефектив-
ної кількісно-якісної кваліметрії знань. Уперше таку гіпотезу висунув проф. О.М. Рева [8],
результати відповідних досліджень, що були проведені під його керівництвом, узагаль-
нені у праці [9]. Унаслідок цього була забезпечена ефективна кваліметрія і порівняння
РНД студентів у різних оціночних (бальних) системах. Однак такого роду моделі для
ЗНО не побудовані, що певним чином гальмує розвиток цього виду державної ате-
стації абітурієнтів.
Основуючись на вищезазначеному, метою цієї статті є побудова нечітких моделей
прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали.
Процедури побудови і аналізу ФП ЛЗ «РНД»
Якщо взяти за основу якісну 10-бальну шкалу стенів, що прийнята в Інституті об-
дарованої дитини НАПН України для оцінювання академічної обдарованості учнів,
уявити її як ТМ ЛЗ «РНД» і для кожного терму-стену побудувати ФП при аргументі –
континуумі 200-бальної шкали, то таким чином й можна отримати проактивну нечітку
мотиваційну модель кількісно-якісної диференціації результатів ЗНО. Таким чином,
у процесі опитування випробуваним пропонують розглянути континуум 200-міліметро-
вого відрізку, що уявляється як відома шкала Купера-Харпера [10], і поставити на ньому
чотири відмітки, що відповідають: Н – низькому, С – середньому, В – високому, НВ –
надзвичайно високому РНД (рис. 1). Отримання експертної інформації здійснюється у
вигляді «точки на заданій шкалі параметра» [9], [11].
До досліджень було залучено 670 старшокласники шкіл Бориспільського району
Київської області. Узагальнення експертної інформації, що було отримано від них у
вищезгаданий спосіб (рис. 1) здійснено за 10-бальними інтервалами 200-бальної шкали
(табл. 1). Таким чином й отримуємо матрицю даних ijB B= , де bij – частота (кількість)
Рисунок 1 – Парадигма застосування шкали Купера-Харпера для збору інформації,
потрібної для побудови функцій приналежності лінгвістичної змінної
«рівень навчальних досягнень» при аргументі – континуумі 200-бальної шкали
0 Н С В НВ
130
160
180
196
Н С В НВ
0 Континуум знань 200
а)
б)
Камишин В.В.
«Искусственный интеллект» 2013 № 1 228
6К
Таблиця 1 – Узагальнення вихідної експертної інформації за інтервалами
200-бальної шкали
Інтервали континууму 200-бальної шкали РНД
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
Н 54 80 57 96 92 73 45 37 25 48 18 19 16 5 2 3 0 0 0 0
С
0 0 0 5 6 17 15 43 47 138 89 69 56 52 47 50 26 10 0 0
В 0 0 0 0 0 0 2 5 8 16 14 18 21 48 75 116 134 143 67 3
НВ 0 0 0 0 0 0 0 0 0 1 1 2 3 7 9 18 35 60 129 405
К
54 80 57 101 98 90 62 85 80 203 122 108 96 112 133 187 195 213 196 408
Таким чином й отримуємо матрицю даних ijB B= , де bij – частота (кількість)
повторень думок експертів щодо віднесення знання n з визначеного j-го інтервалу до
певної i-ї ЛЗ (нечіткого терму). Далі видаляються очевидно помилкові елементи. Одним
із критеріїв видалення є наявність декількох нулів в ряду навколо цього елемента, чого
в наших результатах виявлено не було. Для одержання гладких ФП необхідно використа-
ти спеціальну «матрицю підказок», елементи якої обчислюються таким чином [9], [12]:
n 4
j ij
i 1
k b ; j 1, m 20,
=
=
= = =е
(1)
де n=4 – розмірність шкали оцінювання знань;
m=1, 2, ..., 20 – кількість інтервалів, для яких обчислюється значення ФП.
«Матриця підказок» згідно з (1) становить собою рядок:
1 2 j mK k , k , , k , , k= K K . (2)
Обчислення елементів «матриці підказок» тривіальне і подано у останньому рядку
табл. 1. Далі з «матриці підказок» вибирається максимальний елемент таким чином:
max j 420
j
k max k b 408= = = . (3)
Усі елементи bij перетворюються за формулою:
i j m a x
i j
j
b k
C
k
Ч
= . (4)
Якщо bij=0, а bij–1≠0 і bij+1≠0, то Cij визначають з тривіального виразу:
ij 1 ij 1
ij
C C
C
2
- +
+
= . (5)
Далі для побудови ФП ( )T
nm% з обчислених елементів матриці ijC C= (табл. 2)
виявляються максимальні елементи по рядках.
Таблиця 2 – Матриця ijC C= початкового перетворення вихідних даних
Інтервали континууму 200-бальної шкали РНД
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
Н 408 408 408 387,8 383 330,9 296,1 177,6 127,5 96,5 60,2 71,8 68 18,2 6,1 6,5 0 0 0 0
С 0 0 0 20,2 25 53 98,7 206,4 239,7 277,4 297,6 260,7 238 189,4 144,2 109,1 54,4 19,15 0 0
В 0 0 0 0 0 0 24,2 5 40,8 32,2 46,8 68 89,3 174,9 230,1 253,1 280,4 273,92 139,47 3
НВ 0 0 0 0 0 0 0 0 0 2 3,3 7,6 12,8 25,5 27,6 39,3 73,2 114,93 268,53 405
H max H j
H
C max C j
C
imax ij
i B B j
B
HB max HB j
HB
C max C 408
C max C 297 ,6
C max C , i 1, n
C max C 280,4
C max C 405
м = =
п
п
= =п
п
= = Ю н
= =п
п
п
= =п
о
(6)
Нечітка модель прийняття рішень щодо якісної диференціації...
«Штучний інтелект» 2013 № 1 229
6К
Проводяться обчислення: ( )
ij
ij
max
C
n
C
m = . (7)
Величини µij(n), що були здобуті за допомогою формули (7), подані у табл. 3. На ос-
нові цих результатів будуються та аналізуються ФП µi кожного терму прийнятої шкали
оцінювання знань (рис. 2 а).
Рисунок 2 – Функції приналежності лінгвістичної змінної «рівень навчальних досягнень»
як моделі ставлення старшокласників до результатів зовнішнього незалежного
оцінювання: а) з урахуванням і ліберально-демократичних, і об’єктивно-харизматичних
думок старшокласників; б) без урахування ліберально-демократичних
думок старшокласників
20 40 60 80 100 120 140 160 180 200
континуум 200-бальної шкали
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
µ(n)
A
B
C
D E F
•
• • •
• •
20 40 60 80 100 120 140 160 180 200
континуум 200-бальної шкали
µ(n)
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
•
•
А
В
С
•
а)
б)
Н С В НВ
Н С В НВ
Камишин В.В.
«Искусственный интеллект» 2013 № 1 230
6К
Таблиця 3 – Значення функцій приналежності лінгвістичної змінної
«рівень навчальних досягнень»
Інтервали континууму 200-бальної шкали µі
10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
Н 1 1 1 0,95 0,94 0,81 0,73 0,44 0,31 0,24 0,15 0,18 0,17 0,04 0,01 0,02 0 0 0 0
С 0 0 0 0,07 0,08 0,18 0,33 0,69 0,81 0,93 1 0,88 0,8 0,64 0,48 0,37 0,18 0,06 0 0
В 0 0 0 0 0 0 0,09 0,02 0,15 0,11 0,17 0,24 0,32 0,62 0,82 0,9 1 0,98 0,50 0,01
НВ 0 0 0 0 0 0 0 0 0 0 0,01 0,02 0,03 0,06 0,07 0,1 0,18 0,28 0,66 1
На основі рис. 2 а), можна зробити висновок, що усі точки перетину сусідніх
термів мають значення ФП, більші за величину 0,5:
µА(n=78)=0,55; µB(n=143)=0,69; µС(n=184)=0,61.
Йдеться про те, що зазначена величина ФП була названа Л. Заде точкою пере-
ходу [7], тому результати ЗНО, що знаходяться у межах 0÷78 балів, скоріше належать
низькому рівню; 79÷143 балів – середньому; 144÷184 балів – високому; 185÷200 балів –
незвичайно високому РНД. Також йдеться про те, що опитувані чітко розрізняють межі
кількісно-якісного переходу від однієї оцінки РНД до іншої.
Варто звернути увагу, що абсциса точки В точно відповідає мінімальному про-
хідному балу до вищих навчальних закладів (ВНЗ), що був встановлений в Україні в
2012 р. Оскільки наші дослідження проводилися до такого рішення Міністерства освіти
і науки, молоді та спорту України (МОНМСУ), то отримана емпірична модель нечіткої
кваліметрії ставлення абітурієнтів до результатів ЗНО має яскраво виражений прогно-
стичний (проактивний) зміст.
Подальший аналіз рис. 2 а) варто було б проводити, орієнтуючись на відповідні
квартилі, децилі та навіть процентилі [2], [9], однак необхідно від цього утриматися з
таких причин. Автор принципово проти того, щоб «середній (прохідний)» бал, який
повинен відповідати знанням більшості абітурієнтів, співпадав би з медіаною шкали,
адже природно, що це неадекватні поняття. Так, було з’ясовано, що 293 (44 %) рес-
понденти вважають, що середній РНД може досягати у 200-бальній шкалі не більше 100
балів. Таких експертів було умовно названо вимірювачами знань ліберально-демократич-
ного типу, а результати їх опитування виключено з подальшого розгляду. На рис. 2 б)
подано ФП ЛЗ «РНД», що побудовано за результатами опитування респондентів-вимірю-
вачів знань об’єктивно-харизматичного типу. Як можна побачити, і в цьому випадку
координати точок А, В, С перетину сусідніх термів мають значення, більші за 0,5:
µА(n=104)=0,78; µB(n=147)=0,56; µС(n=186)=0,59,
таким чином, з’ясовано, що дана категорія респондентів чітко розрізняє межі
кількісно-якісного переходу від однієї оцінки РНД до іншої.
Необхідно також зазначити, що остаточна величина «прохідної» оцінки у 200-
бальній шкалі, пропонована МОНМС, уточнюється у бік більшої суворості та досягає
величини 148 балів. При цьому, щоб бути абсолютно впевненими у відповідності кіль-
кісних інтервалів 200-бальної шкали прийнятим якісним оцінкам, будемо орієнтуватися
на «критеріальне» значення ФП: µi(n)≥0,9. Тоді з рис. 2 б) витікає, що якщо результати
ЗНО знаходяться у межах 0÷105 балів, то вони скоріше належать низькому; 106÷162
бали – середньому; 163÷193 балів – високому; 194÷200 балів – надзвичайно високому
РНД. Ураховуючи, по-перше, що будь-яка шкала будується за принципом «погано –
нейтрально – добре»; по-друге, майже абсолютне значення ФП µі(n)=0,9; по-третє,
емпіричне співвідношення, представлене на рис. 2 б),
∆Н : ∆С : ∆В ⇔ 2,8 : 1,6 : 1⇔ 105 : 57 : 30 ⇔ 3,5 : 1,9 : 1,
Нечітка модель прийняття рішень щодо якісної диференціації...
«Штучний інтелект» 2013 № 1 231
6К
нескладно встановити кількісно-якісну відповідність між усіма оцінками 10-бальної
та 200-бальної шкал:
0÷58 балів – 1 стен; 154÷162 балів – 6 стенів;
59÷90 балів – 2 стени; 163÷178 балів – 7 стенів;
91÷105 балів – 3 стени; 179÷187 балів – 8 стенів;
106÷136 балів – 4 стени; 188÷193 балів – 9 стенів;
137÷153 балів – 5 стенів; 194÷200 балів – 10 стенів.
Висновки
Підсумовуючи отримані та подані в цій статті нові наукові результати, необхід-
но констатувати факт, що вперше у практиці системних вимірювань у дидактиці
проведено нечітку кваліметрію ставлення майбутніх абітурієнтів до результатів ЗНО.
До окремих результатів варто віднести наступне.
1. Побудовано ФП ЛЗ «РНД» як проактивні (прогностичні) моделі мотивації
старшокласників на майбутні результати ЗНО залежно від уявлення про особистісні
академічні успіхи.
2. Науково-обґрунтовано два імперативи аналізу ФП та встановлено кількісно-
якісну відповідність – диференціацію між оцінками абсолютної 200-бальної шкали
та стенами 10-бальної. Ступінь впевненості у такій відповідності визначається
значенням ФП.
3. Координата точки перетину ФП, що відповідає «середньому» та «високому»
РНД, є прогностичною та відповідає «прохідному» балу у ВНЗ.
4. Подальші дослідження ефективності ЗНО варто проводити в напрямах:
– узагальнення та розробки надійного і валідного тестового забезпечення;
– побудови нечітких моделей переходу й узгодженості оцінок абсолютних
100-бальної та 200-бальної шкал;
– побудови нечітких моделей переходу й узгодженості оцінок абсолютної 200-
бальної шкали та інших шкал, що застосовуються в навчальних закладах України.
Література
1. Савельева Г.П. Примерная методика обобщения и анализа информации о качестве образования в
вузе и системе его обеспечения / Г.П. Савельева, Н.Ш. Никитина, Г.Б. Скок. – М.: ИЦПКПС, 2001.
2. Михеев В.І. Моделирование и методы теории измерений в педагогике [Текст] / В.И. Миихеев. –
М.: Высшая школа, 1987. – 200 с.
3. Шпильовий В.Д. Створення тестів та проведення тестового контролю якості підготовки / В.Д. Шпильо-
вий, В.Г. Жила. – Луганськ: СУДУ, 1997. – 78 с.
4. Челышкова М.Б. Tеория и практика конструирования педагогических тестов / М.Б. Челышкова. –
М.: Логос, 2002. – 432 с.
5. Аванесов В.С. Педагогические тесты. Вопросы разработки и применения: пособие для преподавателей /
В.С. Аванесов, Т.С. Хохлова, Ю.А. Ступак [та ін.]. – Дніпропетровск: Пороги, 2005. – 64 с.
6. Перегудов Ф.И. Введение в системный анализ: учеб. пособ. / Ф.И. Перегудов, Ф.П. Тарасенко. – М.:
Высшая школа, 1989. – 367 с.
7. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений /
Под ред. Н.Н. Моисеева, С.А. Орловского; Пер. с англ. Н.И. Ринго. – М.: Мир, 1976. – 165 с.
8. Рева О.М. 12 балів: український компроміс європейської «полегшеної шкали оцінювання» / О.М. Рева,
О.Ф. Штанько, І.А. Добрянський // Вища школа: Наук.-практ. видання. – К., 2005. – № 4. – С. 40-55.
9. Камишин В.В. Методи системного аналізу у кваліметрії навчально-виховного процесу: Моно-
графія / В.В. Камишин, О.М. Рева. – К.: Інформаційні системи, 2012. – 270 с.
10. Доброленский Ю.П. Методы инженерно-психологических исследований в авиации / Ю.П. Доброленский,
Н.Д. Завалова, В.А. Пономаренко, В.А. Туваев; Под ред. Ю.П. Доброленского. – М.: Машиностроение,
1975. – 280 с.
Камишин В.В.
«Искусственный интеллект» 2013 № 1 232
6К
11. Эффективность технических систем / Под общ. ред В.Ф. Уткина, Ю.В. Крючкова // Надежность и
эффективность в технике: Справочник в 10 т. – М.: Машиностроение, 1988. – Т. 3. – 328 с.
12. Борисов А.Н. Принятие решений на основе нечетких моделей: Примеры использования /
А.Н. Борисов, О.А. Крумберг, И.П. Федоров. – Рига: Зинатне, 1990. – 184 с.
Literatura
1. Savel'yeva G.P., Nikitina N.SH., Skok G.B. Primernaya metodika obobshcheniya i analiza informatsii o
kachestve obrazovaniya v vuze i sisteme yego obespecheniya. – M.: ITSPKPS, 2001.
2. Mikheyev V.Í. Modelirovaniye i metody teorii izmereniy v pedagogike [Tekst]. - M.: Vysshaya shkola, 1987. - 200 s.
3. Shpylovyy V.D., Zhyla V.H. Stvorennya testiv ta provedennya testovoho kontrolyu yakosti pidhotovky. –
Luhansk: SUDU, 1997. - 78 s.
4. Chelyshkova M.B. Teoriya i praktika konstruirovaniya pedagogicheskikh testov. - M.: Logos, 2002. - 432 s.
5. Avanesov V.S. Pedagogicheskiye testy. Voprosy razrabotki i primeneniya: posobiye dlya prepodavateley
/ V.S. Avanesov, T.S. Khokhlova, YU.A. Stupak [ta ín.]. – Dnípropetrovsk: Porogi, 2005. – 64 s.
6. Peregudov F.I., Tarasenko F.P. Vvedeniye v sistemnyy analiz: ucheb. posob.– M.: Vysshaya shkola, 1989. – 367 s.
7. Zade L. Ponyatiye lingvisticheskoy peremennoy i yego primeneniye k prinyatiyu priblizhennykh
resheniy: per. s angl. N.I. Ringo / pod red. N.N. Moiseyeva, S.A. Orlovskogo. – M.: Mir, 1976. – 165 s.
8. Reva O.M., Shtanko O.F., Dobryanskyy I.A. 12 baliv: ukraïnskyy kompromis yevropeyskoï “polehshenoï
shkaly otsinyuvannya” // Vyshcha shkola: nauk.-prakt. vydannya. – K., 2005. – № 4. – S.40-55.
9. Kamyshyn V.V., Reva O.M. Metody systemnoho analizu u kvalimetriï navchalno-vykhovnoho protsesu:
monohrafiya. – K.: Informatsiyni systemy, 2012. – 270 s.
10. Metody inzhenerno-psikhologicheskikh issledovaniy v aviatsii / YU.P. Dobrolenskiy, N.D. Zavalova, V.A.
Ponomarenko, V.A. Tuvayev; pod red. YU.P. Dobrolenskogo. – M.: Mashinostroyeniye, 1975. – 280 s.
11. Effektivnost' tekhnicheskikh sistem / pod obshch. red V.F. Utkina, YU.V. Kryuchkova // Nadezhnost' i
effektivnost' v tekhnike: Spravochnik v 10 t. – M.: Mashinostroyeniye, 1988. – T.3. – 328 s.
12. Borisov A.N. Prinyatiye resheniy na osnove nechetkikh modeley: Primery ispol'zovaniya / A.N. Borisov,
O.A. Krumberg, I.P. Fedorov. – Riga: Zinatne, 1990. - 184 s.
V.V. Kamyshyn
Fuzzy Decision-Making Model on Qualitative Differentiation
of 200-Point Scale Quantitative Estimates
Taking into account the importance of developing national standards for external in-
dependent testing of matriculants’ knowledge, the article shows the development, at first in the
practice of didactic system-information measurements, of fuzzy forecasting models of pro-
active qualitative differentiation of quantitative estimates of the absolute 200-point scale.
The models generalize the appropriate expert estimates of 670 senior pupils and
represent a membership function of linguistic variable "level of educational achievements" in
the continuum of 200-point scale. Based on the point of transition in the values of membership
functions, the compliance of quantitative estimate of the 200-point scale continuum to qualit-
ative estimate of each 10-point scale’s sthene is determined here. It is used for the analysis of
the high school academic giftedness. It is imperatively found, that if, in the expert’s opinion,
the average level of educational achievements is higher than the 200-point scale median, this
expert must be related to the knowledge-testers of liberal-democratic type (44% of the total
tested). Rejecting such views, the final models of fuzzy qualimetry of applicants’ attitude to the
200-point scale estimates are constructed.
Focusing on the absolute value of the membership functions 0.9 the following final
correlations are developed: 0÷58 points of the 200-point scale corresponds to 1 sthene,
59÷90 points – 2 sthenes, 91÷105 points – 3 sthenes; 106÷136 points – 4 sthenes; 137÷153
points – 5 sthenes; 154÷162 points – 6 sthenes; 163÷178 points – 7 sthenes; 179÷187
points – 8 sthenes; 188÷193 points – 9 sthenes; 194÷200 points – 10 sthenes.
Стаття надійшла до редакції 19.12.2012.
|
| id | nasplib_isofts_kiev_ua-123456789-85213 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Ukrainian |
| last_indexed | 2025-12-07T17:40:56Z |
| publishDate | 2013 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Камишин, В.В. 2015-07-21T19:10:24Z 2015-07-21T19:10:24Z 2013 Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали / В.В. Камишин // Искусственный интеллект. — 2013. — № 1. — С. 225–232. — Бібліогр.: 12 назв. — укр. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/85213 378.147 У статті застосовано методи лінгвістичних змінних і нечітких множин для кількісно-якісної диференціації
 оцінок абсолютної 200-бальної та стенів 10-бальної шкал. Побудовано функції приналежності лінгвістичної
 змінної «рівень навчальних досягнень» розглядають як узагальнені прогнозні моделі проактивної оцінки
 мотивації абітурієнтів на майбутнє зовнішнє незалежне тестування під час вступу до вищого навчального
 закладу. Уведено імперативи на виявлення експертів-вимірювачів знань ліберально-демократичного і
 об’єктивно-харизматичного типів, розроблено рекомендації для аналізу функцій приналежності. В статье применены методы лингвистических переменных и нечетких множеств для количественно-
 качественной дифференциации оценок абсолютной 200-балльной и стенов 10-балльной шкал. Построенные
 функции принадлежности лингвистической переменной «уровень учебных достижений» рассматриваются
 как обобщенные прогнозные модели проактивной оценки мотивации абитуриентов на предстоящее внешнее
 независимое тестирование при поступлении в высшее учебное заведение. Введены императивы на
 выявление экспертов-измерителей знаний либерально-демократического и объективно-харизматического
 типов, разработаны рекомендации для анализа функций принадлежности. In this paper the methods of linguistic variables and fuzzy sets for quantitative and qualitative estimates
 differentiation of the absolute 200-point scale and sthenes of the 10-point scale are used. Constructed functions of a
 linguistic variable "a level of academic achievements" membership are considered as generalized predictive models of
 proactive estimate motivating students for future external independent testing for admission to a higher education
 institute. The imperatives to identify the knowledge-testing experts of liberal-democratic and objective-charismatic
 types are introduced here, the recommendations for the analysis of membership functions are worked out. uk Інститут проблем штучного інтелекту МОН України та НАН України Искусственный интеллект Нейронные сети и нейросетевые технологии. Информационная безопасность ИС Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали Нечеткая модель принятия решений о качественной дифференциации количественных оценок 200-балльной шкалы Fuzzy decision-making model on qualitative differentiation of 200-point scale quantitative estimates Article published earlier |
| spellingShingle | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали Камишин, В.В. Нейронные сети и нейросетевые технологии. Информационная безопасность ИС |
| title | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| title_alt | Нечеткая модель принятия решений о качественной дифференциации количественных оценок 200-балльной шкалы Fuzzy decision-making model on qualitative differentiation of 200-point scale quantitative estimates |
| title_full | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| title_fullStr | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| title_full_unstemmed | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| title_short | Нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| title_sort | нечітка модель прийняття рішень щодо якісної диференціації кількісних оцінок 200-бальної шкали |
| topic | Нейронные сети и нейросетевые технологии. Информационная безопасность ИС |
| topic_facet | Нейронные сети и нейросетевые технологии. Информационная безопасность ИС |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/85213 |
| work_keys_str_mv | AT kamišinvv nečítkamodelʹpriinâttâríšenʹŝodoâkísnoídiferencíacííkílʹkísnihocínok200balʹnoíškali AT kamišinvv nečetkaâmodelʹprinâtiârešeniiokačestvennoidifferenciaciikoličestvennyhocenok200ballʹnoiškaly AT kamišinvv fuzzydecisionmakingmodelonqualitativedifferentiationof200pointscalequantitativeestimates |