Abstract
The article presents the conceptual foundations, architecture and functionality of the computer adaptive testing system, a feature of which is the focus on the individual cognitive style of the student. At the same time, the variation in the level of complexity is considered as a transition from a successfully completed task in a priority strategy (determined by the cognitive style) and in a non-priority one.

Key words: adaptive testing, cognitive style, computer adaptive testing system.

----------------

Разработка систем компьютерного адаптивного тестирования в настоящее время рассматривается как одно из перспективных направлений в рамках создания универсальных платформ адаптивного обучения. Однако, как показали результаты проведенного анализа методологических подходов к разработке компьютерных адаптивных тестов [1], [2], [3] структурно-функциональных моделей реализованных систем компьютерного адаптивного тестирования [4], [5] большинство российских и зарубежных ученых и специалистов рассматривают адаптацию на трех уровнях: уровня сложности тестовых заданий, количество выполненных заданий, время выполнения. Творческим коллективом РГПУ А.И. Герцена был предложен и разработан принципиально новый концептуальный подход к конструированию адаптивных тестов на основе учета индивидуальных особенностей познавательного стиля (в частности, приоритетных каналов восприятия) и соответствующего ему кодирования (формы представления) информации [1], [6]. Предложенный подход позволяет реализовать принцип двойной последовательности: переход от тестового задания одного уровня сложности к другому определяется как успешностью выполнения задания в приоритетном стиле кодирования, так и в неприоритетном; переход к тестовому заданию следующего уровня сложности определяется как успешностью выполнения задания в приоритетной стратегии (определяемой когнитивным стилем), так и в неприоритетной.

Архитектура разработанного программного комплекса – системы компьютерного адаптивного тестирования (СКАТ) представляет классическую трехзвенную архитектуру (данные – бизнес-логика – представление) с применением MVC-паттерна при проектировании и разработке системы (рисунок 1). Программный интерфейс реализован на базе платформы NodeJS.

Рис. 1. Архитектура системы КАТ

На уровне данных СКАТ взаимодействует с базой данных MySQL посредством применения пакета promise-mysql.js (https://www.npmjs.com/package/promise-mysql), что обеспечивает удобство написания кода и его структурированность. На концептуальном уровне (уровень бизнес-логики) СКАТ реализует бизнес-логику адаптивного тестирования посредством взаимодействия с моделью данных через разработанные функций API, которые подразделяются на следующие направления: пользователи; роли; группы; дисциплины, категории; вопросы; тесты; эссе (задания со свободным ответом); навигационные пути. Уровень представлений (интерфейс) обеспечивает все необходимые инструменты для взаимодействия с пользователем. Возможности СКАТ позволяют размещать тестовые вопросы с использованием графиков, таблиц, иллюстраций.

В соответствии с концептуальными подходами [1], [2], [5] разработанная СКАТ обеспечивает: диагностику приоритетного типа восприятия информации обучающегося, назначение тестовых заданий в зависимости от выявленного приоритетного типа восприятия информации обучающегося; переход от тестов более низкого (первого) уровня сложности при условии их верного выполнения к более высокому (2 уровню и т.д.); назначение заданий со свободным ответом, оценку результатов тестирования каждого отдельного задания и теста в целом и т.д. [1], [2]. Заметим, в случае отсутствия задания для приоритетного типа восприятия, назначается задание для другого типа восприятия, например, при отсутствии задания в образно- графической форме предлагается задание в символьной форме, а в случае его отсутствия – в вербальной. Таким образом обеспечивается выполнение одинакового количества тестовых заданий каждым обучающимся [2].

Хранение списка пользователей СКАТ, приоритетных каналов восприятия обучающихся, тестов, вопросов, в том числе вопросов со свободным ответом (эссе), попыток прохождения тестов, результатов тестирования организованно с применением основных таблиц, каждая из которых выполняет определенные задачи по хранению соответствующих данных:

users – список пользователей зарегистрированных в системе;

perceptions – данные о типах восприятия информации (рисунок 2);

perceptionAttempts – список попыток выполнения входного диагностического тестирования для определения типа восприятия информации;

subjects – перечень учебных предметов по классам;

tests – описательные характеристики создаваемых тестов (название теста (name), описание теста (description), которое выполняет роль инструкции для обучающегося, указание ограничения времени тестирования (timelimit), финальный отзыв (finalreview), идентификацию автора записи (имя пользователя, создавшего тест - поле creator);

questions – типы возможных тенстовых вопросов (множественный выбор, короткий ответ, вопрос на соответствие и встроенные вопросы);

сategory – тестовые вопросы, распределенные по соответствующим категориям для дальнейшего взаимодействия в СКАТ;

attempts – время начала и завершения тестирования, список вопросов, общую оценку по результатам выполнения теста, финальный отзыв, статус завершения теста (inprogress - тест в процессе выполнения, finish - тест завершен);

essays – характеристики описания задания со свободным ответом (название, описание и индекс автора);

essays_answers – список попыток выполнения задания со свободным ответом, время отправки ответа, присланный файл и индекс отправившего ответ обучающегося.

Схема связи таблиц возможностей, ролей и пользователей представлена на рисунке 2, связь таблиц пользователя, тесты, вопросы, категории и попытки прохождения теста иллюстрирует схема на рисунке 3.

Рис. 2. Схема связи таблиц возможностей, ролей и пользователей

Рис.  3. Схема связи таблиц пользователя, тесты, вопросы, категории и попытки прохождения теста

К настоящему времени, разработанные и размещенные в СКАТ тесты по математике (7 - 9 классы), физике (7-11 классы), химии (8 -9 классы), проходят апробацию в школах Санкт-Петербурга.

Литература

1. Конструирование заданий для системы адаптивного тестирования по математике : научно-методическое пособие / В. И. Снегурова, Н. С. Подходова, А. Г. Беленко [и др.] ; Российский государственный педагогический университет им. А. И. Герцена. – Санкт-Петербург : Российский государственный педагогический университет им. А. И. Герцена, 2021. – 63 с. – ISBN 978-5-8064-3143-2. – EDN IEOBGP.

2. Ларин С.Н., Герасимова Л.И., Герасимова Е.В. Адаптивное тестирование уровня знаний обучаемых как инструментарий реализации принципов индивидуализации и дифференциации обучения // Педагогический журнал. – 2018. – Т. 8. – No 2А. –С. 48-57.

3. Снегурова, В. И., Готская И.Б. Разработка кейсов для компьютерной системы адаптивного тестирования на основе диагностики индивидуальных затруднений учащихся // Письма в Эмиссия.Оффлайн (The Emissia.Offline Letters): электронный научный журнал. 2022. №1 (январь). ART 3031. URL: http://emissia.org/offline/2022/3031.htm [Дата обращения 01.04.2023]

4. Кочеткова Т.О., Карнаухова О.А. Адаптивная образовательная стратегия обучения математике студентов в электронной среде // Вестник Красноярского государственного педагогического университета им. В.П. Астафьева. 2018. №2 (44). С.50-56. URL: https://www.elibrary.ru/item.asp?id=35139131 [Дата обращения 01.04.2023]

5. Gotskaya, I. B., Zhukov, N. N., Gosudarev, I. B. et al. The problem of increasing the efficiency of computer adaptive testing for students in higher educational establishmen . – 2021. – Vol. 21, No. 2. – P. 98-108. – DOI 10.29276/redapeci.2021.21.215924.98-108.

6. Снегурова В.И., Подходова Н.С., Готская И.Б., Ларченкова Л.А. и др. Электронная система адаптивного тестирования образовательных результатов по математике, информатике и предметам естественно-научного цикла на основе когнитивных особенностей обучающихся. – Санкт-Петербург : Российский государственный педагогический университет им. А. И. Герцена, 2021. – 112 с.

Рекомендовано к публикации:
А.А.Ахаян, доктор педагогических наук, член Редакционной Коллегии

Literature

1. Konstruirovaniye zadaniy dlya sistemy adaptivnogo testirovaniya po matematike : nauchno-metodicheskoye posobiye / V. I. Snegurova, N. S. Podkhodova, A. G. Belenko [i dr.] ; Rossiyskiy gosudarstvennyy pedagogicheskiy universitet im. A. I. Gertsena. – Sankt-Peterburg : Rossiyskiy gosudarstvennyy pedagogicheskiy universitet im. A. I. Gertsena, 2021. – 63 s. – ISBN 978-5-8064-3143-2. – EDN IEOBGP.

2. Larin S.N., Gerasimova L.I., Gerasimova Ye.V. Adaptivnoye testirovaniye urovnya znaniy obuchayemykh kak instrumentariy realizatsii printsipov individualizatsii i differentsiatsii obucheniya // Pedagogicheskiy zhurnal. – 2018. – T. 8. – No 2A. –S. 48-57.

3. Snegurova, V. I., Gotskaya I.B. Razrabotka keysov dlya komp'yuternoy sistemy adaptivnogo testirovaniya na osnove diagnostiki individual'nykh zatrudneniy uchashchikhsya // Pis'ma v Emissiya.Offlayn (The Emissia.Offline Letters): elektronnyy nauchnyy zhurnal. 2022. №1 (yanvar'). ART 3031. URL: http://emissia.org/offline/2022/3031.htm [Data obrashcheniya 01.04.2023]

4. Kochetkova T.O., Karnaukhova O.A. Adaptivnaya obrazovatel'naya strategiya obucheniya matematike studentov v elektronnoy srede // Vestnik Krasnoyarskogo gosudarstvennogo pedagogicheskogo universiteta im. V.P. Astaf'yeva. 2018. №2 (44). S.50-56. URL: https://www.elibrary.ru/item.asp?id=35139131 [Data obrashcheniya 01.04.2023]

5. Gotskaya, I. B., Zhukov, N. N., Gosudarev, I. B. et al. The problem of increasing the efficiency of computer adaptive testing for students in higher educational establishmen . – 2021. – Vol. 21, No. 2. – P. 98-108. – DOI 10.29276/redapeci.2021.21.215924.98-108.

6. Snegurova V.I., Podkhodova N.S., Gotskaya I.B., Larchenkova L.A. i dr. Elektronnaya sistema adaptivnogo testirovaniya obrazovatel'nykh rezul'tatov po matematike, informatike i predmetam yestestvenno-nauchnogo tsikla na osnove kognitivnykh osobennostey obuchayushchikhsya. – Sankt-Peterburg : Rossiyskiy gosudarstvennyy pedagogicheskiy universitet im. A. I. Gertsena, 2021. – 112 s.