该算法源于对教育多媒体中的问题进行智能分类的需求。
使用项目反应理论（IRT）根据困难，区分程度和占卜概率来确定问题或项目将被正确回答的概率。
在教育软件中使用的算法开发然后，以答案正确的可能性，绘制贝叶斯网络，该贝叶斯网络将根据预期的技能水平确定将要事后学习的内容或主题的顺序。使用了有关IRT，贝叶斯网络和经典项目响应理论的材料。
关键词：项目响应理论，贝叶斯网络，多媒体。
介绍
该算法来自更为通用的计算机自适应测试（TAI）。这是在教育多媒体方向上对其进行简化和指定的结果。随后的工作仅使用IRT，并且仅使用经典评估理论的贝叶斯网络。EvaMillán（Millán等，2001）在将IRT和贝叶斯网络结合起来的这一分支中开展了一项非常有趣的工作，但是有时她在违反了该理论所提出的假设的情况下使用IRT，例如，她提出了与之相关的问题。具有两个或多个内容违反单维性假设该项目。这就确定了该理论没有被正确使用，并且如果假设不符合假设，那么该论点是无效的。因此，我们可以得出这样的结论，即Millán认为该算法在对IRT进行校正的假设中存在某些问题。
这项工作的目的是获得一种适用于教育软件的高效算法，并且相对易于实现，主要用于我们的软件公司创建的多媒体软件，以将其交付给各个层次的学生。因为它不仅是一种显示应试者能力的算法，还可以指导您并在出现错误的情况下为您显示正确的答案。当然，这可以是可选的，具体取决于将使用哪种类型的算法的算法，如果在测试中知道答案的大小无关紧要，尽管这不是主要目的，但此步骤将显示正确的答案。错误的情况。该算法的主要区别在于它使TAI适应了智能导师的想法。
- 发展
1.1人工智能
长期以来，人类不仅在外观方面，而且在推理和情感方面都努力创造类似的东西。弗兰肯斯坦是玛丽·雪莱（Mary Shelley）剧中的怪物，正是这种渴望的表达。计算机的出现打开了通向小说书籍狭窄框架的大门：一个智能实体，人工智能的创建。科学的这一分支很快在科学界受到欢迎。其中一些给出了不同的定义，例如：
“我试图重现（建模）人们识别，构造和解决难题的方式”（Miller等，1982）。
“让计算机思考的有趣任务（Haugeland，1985年）。
“创建具有能够执行人需要的功能的机器的技巧。” （库兹韦尔，1990年）
“一个研究领域专注于基于计算过程的智能行为的解释和仿真。” （Schalkoff，1990年）
“研究情报机制和支持情报的技术。” （Newell等，1988）
“关于如何使计算机执行目前人类可以做得更好的任务的研究。” （McGraw Hill。Rich等，1991）本质上，这是必须通过计算模型来解决真正的问题（对人而言乏味的问题）的方式。
1.2专家系统
任何需要人工干预的计算机辅助系统，都会自动在繁琐的应用领域中执行知识任务，并利用专家先前获得的技能，经验，判断以及从人类观察中积累的历史数据中得出的启发式知识它围绕着这个世界而不是书目来源，因此被称为专家系统（SE）。
SE基本上由推理引擎（MI）组成，该引擎的功能是检查假设，并且通常使用执行搜索操作的软件来实现，该软件使用在搜索引擎的知识库（BC）上运行的算法应用程序域。在BC上，MI是基于对解决方案的搜索，因此，BC在问题域上存储的信息的大小和精度在答案的确定性中起着决定性的作用。（Lago Aguilar，2004年）。
1.3基于概率的专家系统。
SEBP被认为是一种SE，SE的知识BC由概率空间或抽象知识中的元素组成，而MI则基于贝叶斯推理框架，通过称为概率推理或概率推理的策略建立。
在SEBP中，概率被假定为不确定性的直观度量，其中联合概率分布 （DPC）用来描述变量之间的依赖关系，并使用“理论”中的著名公式得出结论
赔率。
特性和类别用于表征任何对象的填充元素。按班级了解问题的各种可能解决方案和特征，按班级介绍的每个特征。对象属于某个类的成员资格是由表征该类的特征给出的，它可以属于其中一个，并且只能属于其中一个。从总体中选择一个对象时，还要确定它属于哪个类别以及表征它的特征是什么。这些对象出现的特征和类别的可能值的出现频率正是SEBP BC的组成部分。总体中对象特征之间的关系由它们的联合概率函数描述，这就是为什么该功能是所谓知识的一部分。 （拉各·阿吉拉尔，2004年）
1.4贝叶斯定理。
如果A发生的概率是PA，则我们将事件A和B（两者）的概率称为PAB。PA -B表示当我们知道B发生时A发生的概率（称为条件概率）。已经确定，一旦发生B，A和B的发生概率等于B的概率乘以A的乘积：
假设我们将A分为三个子集（A1，A2，A3），如图1所示：
图1
这些事件是互斥的 并且它们构成所有可能的情况，请注意PA 1 PA 2 PA 3 1，因为事件A总是会发生，事件B可能会在三种情况下发生。如果我们还记得前面的等式：
是要回答的项目j的二分值（1正确，0错误）。P j是正确回答项目j的概率。
问题或项目集。
这是一个标准级别，取决于教学水平和测试主题。
参见2.7 TAI计算机自适应测试
参见2.7 TAI计算机化自适应测试。
同上
也许模型是只对程序有意义的一系列数字。
参见2.7 TAI计算机化自适应测试。
如何计算下一项仍在研究中。
下载原始文件
