Мера Кульбака – Лейблера как средство оценивания результативности учебного процесса
- Авторы: Алябышева Ю.А.1, Веряев А.А.1, Лозыченко Ю.Э.2
-
Учреждения:
- Алтайский государственный педагогический университет
- Филиал Российского государственного социального университета
- Выпуск: № 5 (2025)
- Страницы: 132 - 143
- Раздел: МЕТОДОЛОГИЯ И ТЕХНОЛОГИЯ ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
- URL: https://bakhtiniada.ru/1609-624X/article/view/359784
- DOI: https://doi.org/10.23951/1609-624X-2025-5-132-143
- ID: 359784
Цитировать
Полный текст
Аннотация
Об авторах
Юлия Анатольевна Алябышева
Алтайский государственный педагогический университет
Email: alyabysheva_y@mail.ru
кандидат педагогических наук, доцент Барнаул, Россия
Анатолий Алексеевич Веряев
Алтайский государственный педагогический университет
Email: veryaev_aa@mail.ru
доктор педагогических наук, профессор Барнаул, Россия
Юлия Эдуардовна Лозыченко
Филиал Российского государственного социального университета
Email: uliya_l@mail.ru
старший преподаватель Анапа, Россия
Список литературы
-
Кульбак С. Теория информации и статистика. М.: Наука, 1976. 409 с. Kullback S., Leibler R.A. On information and sufficiency // The Annals of Mathematical Statistics. 1951. Vol. 22, № 1. P. 79-86. Звонников В.И. Современные средства оценивания результатов обучения. Москва: Академия, 2007. 224 с. Агальцов В.П. Контроль знаний – доминирующая составляющая образовательного процесса // Информатика и образование. 2005. № 2. С. 94–96. Bloom B.S., Engelhart M.D., Furst E.J., Hill W.H., Krathwohl D.R. Taxonomy of educational objectives. The classification of educational goals. NYC: David McKay Company, 1956. 216 с. Anderson L.W., Krathwohl D.R. A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. New York: Addison Wesley Longman, 2001. 333 p. Handbook of Polytomous Item Response Theory Models / Edited by M.L. Nering, R.Ostini. Routledge, 2010. 307 p. Крокер Л., Алгина Дж. Введение в классическую и современную теорию тестов. М.: Логос, 2010. 668 c. Rasch G. Probabilistic models for some intelligence and attainment tests. Chicago: University of Chicago Press, 1980. 199 p. Uchaikin V.V. Fractional Derivatives for Physicists and Engineers. Vol. I : Background and Theory. Springer, 2013. 400 p. Reckase M.D. The difficulty of test items that measure more than one dimension // Applied Psychological Measurement. 1985. № 9. P. 401–412. Handbook of Item Response Theory: Statistical Tools. Vol. 2 / Edited by Wim J. van der Linden. CRC Press, 2016. 442 p. Wind S., Hua C. Rasch Measurement Theory Analysis in R. New York: Chapman and Hal. 2022. 323 p. D’Elia A., Piccolo D. A mixture model for preferences data analysis // Computational Statistics & Data Analysis. 2005. № 49. P. 917–934. URL: https://www.labstat.it/home/wp-content/uploads/2015/10/0deec526a04cff09db000000-1.pdf (accessed 10 January 2025). Corduas M. A statistical procedure for clustering ordinal data / Quaderni di statistica. 2008; 10. P. 177–189. URL: https://www.labstat.it/home/wp-content/uploads/2015/03/Corduas_2008.pdf (дата обращения: 10.01.2025) Bini M., Monari P., Piccolo D., Salmaso L. Statistical methods for the evaluation of educational services and quality of products. 2009. 243 p. Алябышева Ю.А., Антонов А.Ю., Веряев А.А. Цифровизация тезаурусного подхода в образовании // Информатика и образование. 2020. № 1. С. 51–58. Бокова О.А., Веряев А.А. Субъективное восприятие неравенства и несправедливости школьниками и студенческой молодежью // Перспективы науки и образования. 2022. № 2 (56). С. 381–407. Samawi H.M., Yin J., Zhang X., Yu L., Rochani H. et al. Kullback-Leibler Divergence for Medical Diagnostics Accuracy and Cut-point Selection Criterion: How it is related to the Youden Index // J Appl Bioinforma Comput Biol. 2020, Vol. 9, Issue URL: https://www.scitechnol.com/peer-review/kullbackleibler-divergence-for-medical-diagnostics-accuracy-and-cutpoint-selection-criterion-how-it-is-related-to-the-youden-index-zT5p.php?article_id=11036 (дата обращения: 10.01.2025) Clim A., Zota R., Tinica G. Procedia. The Kullback-Leibler Divergence Used in Machine Learning Algorithms for Health Care Applications and Hypertension Prediction: A Literature Review // Computer Science. 2018. Vol. 141. P. 448–453. Applications of Information Theory to Epidemiology. URL: https://www.mdpi.com/journal/entropy/special_issues/epidemic (дата обращения: 10.01.2025) Алябышева Ю.А., Веряев А.А., Лозыченко Ю.Э. Технология пролонгированного оценивания учебных достижений студентов при использовании информационной меры Кульбака – Лейблера // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы VIII Междунар. науч. конф. Красноярск, 24–27 сентября 2024 г. Красноярск: КГПУ им. В.П. Астафьева, 2024. Ч. 1. C. 16–19. Кричевец А.Н., Корнеев А.А., Рассказова Е.И. Основы статистики для психологов. М.: Акрополь, 2019. 286 c. Корнеев А.А., Кричевец А.Н. Условия применимости критериев Стьюдента и Манна – Уитни // Психологический журнал. 2011. 32. № 1. С. 97–110. Алябышева Ю.А. Баракина Т.В., Бейлин М.В. и др. Геймификация в контексте восприятия и формирования представлений о неравенстве и несправедливости. Барнаул: Изд-во АлтГПУ, 2022. 212 c. Кларин М.В. Инновационные модели обучения: Исследование мирового опыта. М.: Луч, 2016. 632 с. Болтышев М. Г. Геймификация цифрового обучения: актуальные проблемы // Информатика и образование. 2022. Т. 37, № 3. С. 28–34.
Дополнительные файлы


