INFOLOGICAL TECHNOLOGIES USED IN AUTOMATED TESTING OF STUDENTS KNOWLEDGE

Main functions and characteristics of students’ knowledge testing are described in the article. Choice of one or several correct answers from offered answers is basis of such testing. It is noted that this testing doesn't fully estimate students’ ability to state logically their thoughts, to form valid conclusions, to make other creative actions. This testing can't be fully objective control of knowledge. It is offered to test students in the form of essay in native language. It is done to increase knowledge control objectivity and to use infological approach for correctness assessment. This approach shows semantic contents revealing and degree of reference anthology. It is possible to do on the basis of automated accounting of contacts between words and/or phrases in the text. Assessment algorithm of students’ answers is offered. The assessment shows terminological and semantic similarity coefficients of students’ answer. Dictionary entry or other text materials (lecture) can be used as corpus. Results of pilot study are given (66 responses on studied disciplines). Disciplines are "Networks and mobile telecommunication systems", "Information theory bases", "Networks and cellular systems". Mathematical processing of results shows low correlative coupling between an assessment of student´s response by the teacher and indices of terminological and semantic compliance. This is explained by existence of grammatical errors and brevity of students’ responses. Main directions of further theoretical and experimental researches using infological technologies implementation when testing students’ knowledge are defined.

автоматизированный контроль знаний, смысловое содержание, семантическое подобие, инфологическая система, экспериментальные исследования, automated monitoring of knowledge, semantic contents, semantic similarity, infological system, experimental researches

1. Попов А.В. Тестирование как метод контроля качества знаний студентов // Труды Санкт-Петербургского государственного университета культуры и искусств. 2013. Т. 200.

2. Аналитический обзор № 6 международных тенденций развития университетского образования. Минск: Изд-во «БГУ», 2003. 76 с.

3. Безсуднов И. В. Интернетика. Навигация в сложных сетях: модели и алгоритмы. М.: Либроком, 2009. 264 с.

4. Salton G., Wong A., Yang C. S. A vector space model for automatic indexing // Communications of the ACM. 1975.Vol. 18. No. 11. P. 613-620.

5. Кузнецов Л. А., Кузнецова В. Ф. Оценка семантической адекватности текстов информационным методом // Информатика и ее применения. 2013. Т. 7. Вып. 1. С. 94 - 104.

6. Михайлов С. Н. Способ тематической кластеризации текстовых документов на основе их инфологической обработки // Наукоёмкие технологии. 2012. №9. С. 48-51.

7. Михайлов С. Н., Чуйкова В.В. Способ инфологической обработки рабочих программ дисциплин профессионального цикла направления подготовки специалистов для оценки подобия тематического содержания лекционных курсов // Образовательные технологии и общество. 2016. №1.

8. Михайлов С. Н., Чуйкова В.В. Способ оценки содержания дисциплин отдельного направления подготовки требуемым компетенциям // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2014. №3. С. 19-23.

9. Михайлов С. Н., Кулешов С.В. Экспертный мониторинг неструктурированных информационных ресурсов в интересах информационно-аналитического обеспечения космических исследований // Известия Юго-Западного государственного университета. 2013. №6 (51). С. 40-43.

10. Исследование и разработка научно-технических путей создания информационно-телекоммуникационной системы аналитического мониторинга данных в неструктурированных информационных ресурсах: отчет о НИР выполнен в рамках проектной части Госзадания: № 2. 2491.2014/К / М.В. Соколова, В.В. Александров, С.Н. Михайлов [и др.]; ЮЗГУ. Курск, 2014.