Ứng dụng phân tích lớp tiềm ẩn xây dựng hệ thống trắc nghiệp thích nghi

Hệ thống trắc nghiệm thích nghi TNTN cho phép đánh giá mức độ năng lực của mỗi thí sinh theo mỗi đường đi trắc nghiệm riêng biệt khác nhau về số lượng nội dung và trật tự của câu hỏi trắc nghiệm Hầu hết các hệ thống TNTN hiện tại đều được xây dựng dựa trên cơ sở lý thuyết đáp ứng câu hỏi IRT Tuy nhiên các hệ thống khi sử dụng IRT đều phụ thuộc vào mức độ phù hợp của ngân hàng câu hỏi trắc nghiệm và kết quả đánh giá sẽ không chuẩn xác nếu ngân hàng câu hỏi trắc nghiệm chưa được đánh giá Nhằm khắc phục nhược điểm nêu trên tác giả đề xuất xây dựng hệ thống trắc nghiệm thích nghi trên cơ sở nghiên cứu ứng dụng phân tích lớp tiềm ẩn LCA để phân loại và sử dụng phương pháp lựa chọn câu hỏi theo hàm thông tin toàn cục KL cho phép lựa chọn câu hỏi tiếp theo phù hợp với mức độ năng lực hiện tại của thí sinh

ĐẠI HỌC ĐÀ NẴNG TRƢỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THỊ VÂN THU ỨNG DỤNG PHÂN TÍCH LỚP TIỀM ẨN XÂY DỰNG HỆ THỐNG TRẮC NGHIỆM THÍCH NGHI Chuyên ngành: Khoa học máy tính Mã số: 60.48.01.01 LUẬN VĂN THẠC SĨ KHOA HỌC Ngƣời hƣớng dẫn khoa học: TS ĐẶNG HOÀI PHƢƠNG Đà Nẵng – Năm 2018 LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chưa công bố cơng trình khác Tác giả luận văn Nguyễn Thị Vân Thu MỤC LỤC LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH TĨM TẮT LUẬN VĂN MỞ ĐẦU Lý chọn đề tài Mục đích ý nghĩa đề tài Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Kết luận Bố cục luận văn CHƢƠNG TRẮC NGHIỆM THÍCH NGHI 1.1 Tổng quan TNTN 1.1.1 Khái niệm 1.1.2 Lịch sử phát triển 1.1.3 Hoạt động chung mơ hình TNTN 1.2 Lý thuyết đáp ứng câu hỏi 11 1.3 Mơ hình trắc nghiệm thích nghi sở IRT 13 1.3.1 Mơ hình Rasch 13 1.3.2 Mơ hình Birnbaum tham số 14 1.3.3 Mơ hình Birnbaum tham số 16 1.4 Kết luận 21 CHƢƠNG XÂY DỰNG MƠ HÌNHTRẮC NGHIỆM THÍCH NGHI TRÊN CƠ SỞ PHÂN TÍCH LỚP TIỀM ẨN (LCA) 22 2.1 Lý thuyết lớp tiềm ẩn 22 2.1.1 Các khái niệm 22 2.1.2 Mục đích hạn chế 23 2.2 Mơ hình TNTN đề xuất 24 2.2.1 Phân tích lớp tiềm ẩn (LCA) 24 2.2.2 Phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) 25 2.3 Xây dựng mơ hình TNTN dựa phân tích lớp tiềm ẩn 28 2.4 Kết luận 31 CHƢƠNG XÂY DỰNG HỆ THỐNG TRẮC NGHIỆM THÍCH NGHI 32 3.1 Cấu trúc hệ thống TNTN 32 3.2 Biểu đồ CA hệ thống 33 3.3 Biểu đồ lớp hệ thống 34 3.4 Biểu đồ hệ thống 35 3.5 Biểu đồ hoạt động 38 3.6 Một số hình ảnh giao diện hệ thống 41 3.7 Triển khai hệ thống đánh giá kết 44 3.7.1 Triển khai hệ thống trắc nghiệm thích nghi 44 3.7.2 Đánh giá hệ thống 44 3.8.Kết luận 47 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 48 TÀI LIỆU THAM KHẢO 49 QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN (bản sao) DANH MỤC CÁC CHỮ VIẾT TẮT CSDL NHCH TNTN CAT LCA SD KL THCS IRT Cơ sở liệu Ngân hàng câu hỏi Trắc nghiệm thích nghi Computerized adaptive testing Latent class analysis Standard Deviation Kullback - Leibler Trung học sở Item Theory Response DANH MỤC CÁC KÝ HIỆU p(i)   a b c Xác suất trả lời câu hỏi thứ i Năng lực thí sinh Độ biến thiên mức độ lực thí sinh Độ phân biệt câu hỏi Độ khó câu hỏi Độ dự đoán DANH MỤC CÁC BẢNG Số hiệu bảng Bảng 1.1 Bảng 3.1 Bảng 3.2 Bảng 3.3 Tên bảng Trang Đối chiếu mơ hình TNTN theo IRT tồn 20 Số thí sinh thuộc lớp từ năm 2014 – 2017 43 Xác suất trung bình lớp qua năm 43 Kết so sánh chọn câu hỏi ngẫu nhiên sử dụng KL 46 DANH MỤC CÁC HÌNH Số hiệu hình vẽ Hình 1.1 Hình 1.2 Tên hình vẽ Các thành phần TNTN Mơ hình hoạt động TNTN 07 10 Hình 1.3 Một số đường cong IRT 12 Hình 1.4 Đường cong đặc trưng mơ hình Rasch 14 Hình 1.5 Đường cong đặt trưng mơ hình Brinbaum tham số 15 Hình 1.6 Đường cong đặc trưng mơ hình Brinbaum tham số 17 Hình 2.1 Mơ hình TNTN đề xuất 29 Mơ hình hoạt động TNTN đề xuất Sơ đồ phân rã chức hệ thống Sơ đồ CA sử dụng hệ thống Biểu đồ lớp hệ thống Biểu đồ chức quản lý mơ hình miền kiến thức Biểu đồ chức tạo câu hỏi trắc nghiệm Biểu đồ chức thi trắc nghiệm Biểu đồ hoạt động tổng quát chức thí sinh Biểu đồ hoạt động chức thi trắc nghiệm Biểu đồ hoạt động chức quản lý câu hỏi Giao diện quản lý câu hỏi Giao diện tạo câu hỏi Quản lý đề mục Thí sinh chọn phương pháp trắc nghiệm Thí sinh trả lời câu hỏi Kết thi thí sinh Q trình đánh giá thí sinh thuộc lớp khác với 10 câu hỏi Hình 3.17 Q trình đánh giá thí sinh thuộc lớp khác với 15 câu hỏi Hình 2.2 Hình 3.1 Hình 3.2 Hình 3.3 Hình 3.4 Hình 3.5 Hình 3.6 Hình 3.7 Hình 3.8 Hình 3.9 Hình 3.10 Hình 3.11 Hình 3.12 Hình 3.13 Hình 3.14 Hình 3.15 Hình 3.16 Trang 29 33 33 34 35 36 37 38 39 40 41 41 42 42 43 43 45 45 TĨM TẮT LUẬN VĂN ỨNG DỤNG PHÂN TÍCH LỚP TIỀM ẨN XÂY DỰNG HỆ THỐNG TRẮC NGHIỆM THÍCH NGHI Nguyễn Thị Vân Thu, học viên cao học khóa 33,chuyên ngành Khoa học máy tính, trường Đại học Bách Khoa - Đại học Đà Nẵng *Tóm tắt - Hệ thống trắc nghiệm thích nghi (TNTN) cho phép đánh giá mức độ lực thí sinh theo đường trắc nghiệm riêng biệt (khác số lượng, nội dung trật tự câu hỏi trắc nghiệm) Hầu hết hệ thống TNTN xây dựng dựa sở lý thuyết đáp ứng câu hỏi (IRT) Tuy nhiên hệ thống sử dụng IRT phụ thuộc vào mức độ phù hợp ngân hàng câu hỏi trắc nghiệm, kết đánh giá không chuẩn xác ngân hàng câu hỏi trắc nghiệm chưa đánh giá Nhằm khắc phục nhược điểm nêu trên, tác giả đề xuất xây dựng hệ thống trắc nghiệm thích nghi sở nghiên cứu ứng dụng phân tích lớp tiềm ẩn (LCA) để phân loại sử dụng phương pháp lựa chọn câu hỏi theo hàm thơng tin tồn cục (KL) cho phép lựa chọn câu hỏi phù hợp với mức độ lực thí sinh Từ khóa –Trắc nghiệm thích nghi; lý thuyết đáp ứng câu hỏi; phân tích lớp tiềm ẩn; thơng tin KL; phương thức lựa chọn câu hỏi ESSAY SUMMARY ULTILIZE LATENT CLASS ANALYSIS IN CREATING COMPUTERIZED ADAPTIVE SETTING Nguyễn Thị Vân Thu, masters student of term 33, specialized in Computer Science, of Da Nang’s University of Technologies Summary – Computerized Adaptive Testing (CAT) allows evaluating level of qualification of every candidates in separate ways (differs in quality, contents and order of questions) Most of current CASs are based on Item Response Theory (IRT) However these settings depend on the consistency of question banks, and the result will not be accurate if the banks are not evaluated In order to overcome the above disadvantage, the author proposes creating a CAT based on using Latent Class Analysis (LCA) to sort and use item selection method according to Kullback – Leibler Information function (KL) The method allows choosing next question that is suitable with current level of qualification of the candidate Key words - Computerized Adaptive Testing; Item Response Theory; Latent Class Analysis; Kullback – Leibler information; Item Selection Method MỞ ĐẦU Lý chọn đề tài Hiện nay, hình thức thi trắc nghiệm đưa vào sử dụng rộng rãi việc đánh giá lực người học nhằm thúc đẩy tính tích cực chủ động người học Tuy nhiên, kiểm tra trắc nghiệm giấy hình thức kiểm tra để đánh giá số lượng lớn người học lúc tốn nhiều thời gian công sức, kết đánh giá không xác khách quan Nhằm mục đích khắc phục hạn chế hình thức thi trắc nghiệm máy tính ứng dụng rộng rãi phổ biến trình kiểm tra, đánh giá kiến thức người học Và mơ hình trắc nghiệm máy tính sử dụng phổ biến rộng rãi mơ hình trắc nghiệm thích nghi(TNTN) Các hệ thống trắc nghiệm thích nghi máy tính (Computerized Adaptive Testing – CAT) cho phép lựa chọn câu hỏi trắc nghiệm phù hợp với mức độ kiến thức lực người học Ứng dụng CAT cho phép tự động đánh giá người học khác với tập hợp câu hỏi trắc nghiệm khác số lượng, nội dung thứ tự câu hỏi.Mức độ lực kiến thức người học đánh giá thường xuyên trình trắc nghiệm, hệ thống ngừng độ biến thiên mức độ lực kiến thức nhỏ Từ nâng cao hiệu trình đánh giá kết mức độ lực, kiến thức cuối người học xác khách quan Một mơ hình TNTN sử dụng phổ biến mơ hình dựa lý thuyết đáp ứng câu hỏi (Item Theory Response – IRT), câu hỏi lựa chọn dựa hàm thông tin câu hỏi mức độ ước lượng lực người học Tuy nhiên, kết đánh giá mức độ kiến thức, lực người học sở mơ hình IRT phụ thuộc vào tập hợp tham số câu hỏi trắc nghiệm Trong trường hợp tập hợp câu hỏi trắc nghiệm không phù hợp kết đánh giá sở mơ hình IRT khơng xác Vì vậy, nhằm mục đích khắc phục hạn chế nêu tác giả đề xuất chọn đề tài luận văn cao học: “Ứng dụng phân tích lớp tiềm ẩn xây dựng hệ thống trắc nghiệm thích nghi” 2 Mục đích ý nghĩa đề tài a Mục đích - Xâydựngmơhìnhtrắcnghiệmthíchnghitrêncơsởứng dụng phân tích lớp tiềm ẩn (LCA) phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL); - XâydựnghệthốngTNTNtrêncơsởmơhìnhđềxuấtvàtriểnkhai ứngdụng choviệcđánhgiámức độ lực môn Tin học củahọc sinhTrường THCS Nghĩa An – Xã Nghĩa An – Tỉnh Quảng Ngãi; - Gópphầnvàohướngnghiêncứumơhìnhthíchnghi,đặcbiệtlàTNTNnhằmứngdụn gchothựctiễngiáodụctạiViệtNam b Ý nghĩa khoa học thực tiễn đề tài - Ý nghĩa khoa học: + Ứng dụng phân tích lớp tiềm ẩn (LCA) phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) xây dựng mơ hình trắc nghiệm thích nghi; + Kết làm tài liệu tham khảo nghiên cứu mơ hình thích nghi - Ý nghĩa thực tế: Hiện thực hóa hệ thống trắc nghiệm thích nghi sở mơ hình đề xuất, triển khai hệ thống thực tế đánh giá kết đạt c Mục tiêu Mục tiêu đề tài nghiên cứu LCA phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) Hiện thực hóa hệ thống tự động đánh giá kiến thức người học sở mơ hình đề xuất Để thỏa mãn mục tiêu cần đạt mục tiêu cụ thể sau: - Nghiên cứu, phân tích mơ hình, phương pháp hệ thống trắc nghiệm thích nghi nay; - Xây dựng mơ hình TNTN sở ứng dụng Latent Class Analysis phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL); - Đánh giá tính hiệu mơ hình đề xuất d Nhiệm vụ Để đạt mục tiêu nhiệm vụ đặt đề tài là: - Phân tích nắm vững mơ hình, phương pháp, đưa tốn cần giải - Phân tích đề xuất mơ hình giải tốn; - Hiện thực hóa hệ thống dựa mơ hình đề xuất triển khai, đánh giá kết đạt thực tế Đối tƣợng phạm vi nghiên cứu Trong khuôn khổ luận văn thuộc loại nghiên cứu ứng dụng, tác giả giới hạn nghiên cứu vấn đề sau: 46 Qua hình 3.16 3.17 thấy rằng, độ dài câu hỏi trắc nghiệm dành cho thí sinh 10 câu hỏi tốt 15 câu hỏi Để đánh giá phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) xác nhất, tác giả đưa hai phương pháp để so sánh là: phương pháp lựa chọn câu hỏi ngẫu nhiên (Random) phương pháp lựa chọn câu hỏi theo thơng tin tồn cục(KL) Phương pháp lựa chọn câu hỏi ngẫu nhiên (Random) phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) so sánh xác theo tỷ lệ thí sinh phân loại Để đánh giá hiệu phương pháp lựa chọn câu hỏi, độ dài trắc nghiệm dành cho hai phương pháp 10, 15 câu hỏi Trong hai phương pháp, lớp đánh giá mức lực thí sinh trung bình chứa thí sinh có khả trả lời câu hỏi xác Kết nghiên cứu trình bày bảng 3.3dưới dạng sai số trung bình (mean) sai số chuẩn (SD) số thí sinh phân loại xác 50 lần lặp lại với độ dài trắc nghiệm 10, 15 câu hỏi Dựa vào bảng 3.3 thấy rằng, hai giải pháp phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) với 10 câu hỏi thực phân loại lại xác so với phương pháp lựa chọn câu hỏi ngẫu nhiên Hơn nữa, giải pháp lớp, phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) thực tốt phương pháp lựa chọn câu hỏi ngẫu nhiên phân loại lại thí sinh trả lời xác Lớp đánh giá mức độ thí sinh Khá lớp khó dự đoán hai phương pháp lựa chọn câu hỏi Lớp đánh giá mức độ thí sinh trung bình phân loại lại xác Bảng 3.3 cho thấy kết mô với 15 câu hỏi lựa chọn cho kiểm tra trắc nghiệm thích nghi với tỷ lệ thí sinh trả lời câu hỏi phân loại xác cao so với kiểm tra trắc nghiệm thích nghi với 10 câu hỏi Bảng 3.3 Kết so sánh chọn câu hỏi ngẫu nhiên sử dụng KL Số câu hỏi Random KL lớp Mean SD Mean SD 10 câu hỏi - lớp Lớp 0.867 0.0249 0.905 0.0272 Lớp 0.753 0.0323 0.819 0.0348 Lớp 0.863 0.0256 0.873 0.0344 15 câu hỏi - lớp Lớp 0.918 0.0213 0.948 0.0202 Lớp 0.848 0.0284 0.896 0.0226 Lớp 0.912 0.0221 0.922 0.0183 47 Từ bảng 3.3 cho thấy phương pháp lựa chọn câu hỏi theo thơng tin tồn cục (KL) tốt phương pháp lựa chọn câu hỏi ngẫu nhiên việc ước tính số lượng thành viên lớpvới tỷ lệ xác cao 3.8 Kết luận Hệ thống trắc nghiệm thích nghi xây dựng cho kết đánh giá tốt với việc ứng dụng phân tích lớp tiềm ẩn lựa chọn câu hỏi theo thơng tin tồn cục để xây dựng mơ hình TNTN Bên cạnh đó, mơ hình TNTN xây dựng khắc phục nhược điểm mơ hình dựa IRT liệu kiểm tra, áp dụng thuật tốn lựa chọn câu hỏi theo thơng tin tồn cục giúp lựa chọn câu hỏi phù hợp xây dựng kiểm tra thích ứng 48 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Trong luận văn này, tác giả trình bày kiến thức tổng quan trắc nghiệm thích nghi, phân tích lớp tiềm ẩn, lý thuyết đáp ứng câu hỏi, so sánh mơ hình trắc nghiệm thích nghiđã tồn tại, xây dựng mơ hình trắc nghiệm thích nghitheo mơ hình xây dựng đánh giá số kết đạt Đề tài thực xây dựng thành cơng mơ hình trắc nghiệm thích nghidựa phân tích lớp tiềm ẩn phương pháp lựa chọn câu hỏi theo thơng tin tồn cục Sử dụng mơ hình xây dựng tiến hành xây dựng hệ thống trắc nghiệm thích nghi để đánh giá lực (kiến thức) thí sinh môn Tin học, trường THCS Nghĩa An, TP.Quảng Ngãi, tỉnh Quảng Ngãi Hệ thống TNTNđã xây dựng hoạt động cách mềm dẻo, linh hoạt, có tính xác cao khắc phục thiếu sót, nhược điểm cịn tồn đọng hệ thống TNTN tồn tại, nâng cao hiệu quả, tính xác cơng tác kiểm định đánh giá lực (kiến thức) thí sinh Tuy nhiên vấn đề mơ hình chưa xây dựng giải pháp phân tích lớp tiềm ẩn cho nhiều ba lớp Trong thời gian tới, tác giả tiếp tục nghiên cứu hoàn thiện hệ thống trắc nghiệm thích nghiđã xây dựng, tiến hành thử nghiệm, đánh giá, so sánh với mơ hình trắc nghiệm thích nghi tồn để hiệu chỉnh tính cịn thiếu sót hệ thống đưa hệ thống vào ứng dụng thực tế 49 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Đặng Hồi Phương,Lê Xn Tài(2015), Xây dựng mơ hình trắc nghiệm thích nghi sở lý thuyết đáp ứng câu hỏi, Tạp chí Khoa học, Đại học Huế, Tập 97;Số [2] Trần Kiêm Hồng(2008), Trắc nghiệm khách quan đánh giá lực nhậ thức người học Tiếng Anh [3] Allan Birnbaum, Some latent trade models and their use in inferring an examinee's ability, M.A: Addison-Wesley, 1968 [4] Baker,F (2001), The basic of itemresponsetheory, ERICClearinghouseon Assessment and Evaluation [5] Béguin, A A., & Glas, C A (2001) MCMC estimation and some model-fit analysis of multidimensional IRT models Psychometrika, 66(4), 541-561 [6] Chang, H.H., Ying, Z (1996), Aglobalinformationapproach to computerizedadaptivetesting, Applied Psychological Measurement, 210-213 [7] Cheng, Y (2009) When cognitive diagnosis meets computerized adaptive testing: CD-CAT Psychometrika, 74(4), 619–632 [8] Embretson, S E & Reise, S P (2000), Item response theory for psychologists, Mahwah NJ, Lawrence Erlbaum Associates [9] Frank B.Baker (2001), The Basic of Item Response Theory, University of Wisconsin [10] Gin-Fon N Ju, Alfred Bork (2005), The Implementation of an Adaptive Test on the Computer, Proceedings of the Fifth IEEE International Conference on Advanced Learning Technologies (ICALT’05) [11] Guido Makrankysky (2012), Computerized Adaptive Testing in Industrial and Organizational Psychology, University of Twente the Netherlands [12] Guzmán, E., Conejo, R., & García-Hervás, E (2005), An Authoring Environment for Adaptive Testing, Educational Technology & Society, 6676 [13] Kullback, S., & Leibler, R A (1951), On information and sufficiency The Annals of Mathematical Statistics, 22(1), 79–86 [14] Lazarsfeld, P F., & Henry, N W (1968), Latent structure analysis Boston, MA: Houghton Mifflin [15] Mulder, J., & van der Linden, W J (2009), Multidimensional adaptive testing with Kullback– Leibler information item selection In W J van der Linden, & C A W Glas (Eds.), Elements of adaptive testing (pp 77–101) New York: Springer 50 [16] Nylund, K L., Asparouhov, T., & Muthén, B (2008), Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study, Structural Equation Modeling, 14(4), 535–569 [17] Rasch, G., Probablistic Models for Some Intelligence and Attainment Tests Copenhagen, Denmark: Danish Institute for Educational Research, 1960 [18] Sawatzky, R., Ratner, P A., Kopec, J A., & Zumbo, B D (2012), Latent variable mixture models: A promising approach for the validation of patient reported outcomes, Quality of Life Research, 21(4), 637–50 [19] Xu, X., Chang, H., & Douglas, J (2003, April), Computerized adaptive testing strategies for cognitive diagnosis Paper presented at the annual meeting of National Council on Measurement in Education, Montreal, Quebec [20] Yang, F M., & Kao, S T (2014), Item response theory for measurement validity Shanghai Archives of Psychiatry, 26(3), 171–177 I I RI 111111 I/ \N ;•;( IO (l{ It N1.51 Hill ( 111 '‘‘i Ill (hiehi \ I 11111 11\1 II 1.11()% ) N o Ito - 1111111' l lIiI)I)b\t)I ouvEr DIN'' giao de \ vii it iiit:ii rtetil)N(; izii?iNG 1).31 11(,)(' IS ( 1111 R111) \ i Lui IINLIIIj iloili ,ei 322C L' iiica3 1)4 Than? A inlin E4Li-1 ella ( latilii phi( ‘c % iy Omni I iii 11 1/ii NAny: ( LIJICII 111111111.! it, Ni.:5 OS 2011 1.1-1 it il.)1)1 mair 211 thimic riaiii 2Y1 I coil IIiii aiiiinw Ity i kali 1.111(2 \•i1 On(' 1;111 \•L ‘ ici_ lacil li(iiili Qii‘ elle to yllue ‘ a 11; 4;11 klyllg ell:I 111;111.1C IFIIIIIINF :1 IFLIC ;;FF SO !41Llil 1/4 [1.11 iLli 1.111C111[11111 \ Kt ()11>L•nt1111h ‘n 69.700 OD-1)11151N riga) III Ili:lila 12 11:lIll 21114 / ail (ilani cloy Hui laic I IIA Nthig \ ‘Ic:c lian IL-mil L/0" , L10011111.00.100 'It 141>1:11 11011 1/4711:1 Dal hoe Ilia N:11.1,2 L.11 Li! •41 !Ai 11111C kh1/14 HOC 1111111111.1011 \ a uric chin 3i hire Ilitiiiiiii t an kir I licia4 iii 3i i 15 2(1131 •I-Il( il)&1) nge‘ I thiiiiic 111111 21/11 cilia ilii ilia i I kW di !L %LI pall LIO 'he \ lc! 11:11111:11111 ()II \ C111:.' MO L1(11111)11 (11:1 I hcle 1.: i)1131:1 dila! 'II S'Jg 1)1 -1)1 111k tiya‘ • 12 2)11 Ii etiii Jilin Irtrinig truoingi lloi hoc Ilaeli kliiiit ‘e %iv( Ilitii liaoli Willi Al iii Lao LI Illil 1.1.1-5 (11.16 l MI L II 1,i1.1421121 iii1111 'II [ 16401113k 1)1 ligay 25;8'2011, Lila I I i0ii It ironi5 iiiriing 1401 line lict III:laic 3C \ 1:2L L 011p IIII;III line Vidl C(10 hoe (any itaiiiiiin: i an Lii I ti ii•Liiii;.(111; I II-I N 11 cue Alicia ( i445 ii ii(liC ih(ing tilt ‘ Y A i(‘‘‘ hi i iiii‘ el /hull araii I L16: iill \ :I (giro' litaniii ie iiiiiii Iiiiiii Iiiii ihey siiii elmi Iloy ‘icii ecio Iiiie Liiiixen iii5eal5 13.1iiiii line ieraii, limb: Nei (1Y twill coat Iii.r(inic Pining lhao tau ()I vfiT I)INII Ilii10t I I iin() din ERIC‘i(iii yaii Ilia: Ngti‘(ti 11.1.1 1•ail 11111, hirp K3 i 14N11 ()Ng eliii5yii y lei Ii iiitti ‘ aii • l r 1145n lil 1.1 11111M.101., lik k rnin 100h iiai Em: {ha w iihcin 40,14 1(1p loi 00002 h liThel:' ?JUL 1/LEhiLl/1/ IiI/Lif ilYill iiiiiiii iiiir litroni5 Ilan ciat TS LliOarci 1110‘11111.00r0 010 1,12 A 0.0u 0.110 Il0h.• ,1 ),1 VOIF.g Ilieti I Inc IF ii In in l,LVI hue A:i ta(541(1 Iiiiiinic (Inn CO ICE1 IF i)li;;;;LI I 11110C 111.1011:a LI;IF FIIIIFFIi IIIIIF 114;11 Ethic[]; 'U 1110.1(11111kIII)I) ClliFFI (11:14.1 (FRI 11101:141 IlIcIll IIIIIIII CULI fli iiiiiiii d‘le kti 1)11111:111 (111 \ 111 11111110 C:111 Will :5C Ohl I toeing 144 line Bach Mina IIiiitt I ;IL k 111L2 110 I I:1101y laiiiiim h)cti tail i (inlay 131iiiii I 411111.:.11[1i 11.1011 (kill dii heal' Hanna plionic lie heijelit - cc china' till Ilpflil [mmHg (15( Iiiiiii %all ‘ a hue A ien ciiii iCiii it Did: I ‘Ciii 1.i.i „1,10441.1010 I 1212()Nl; ,0146411:11R11 , .121.1bNCI , , / ,.„„,,2 ' \ r `, ; /)), iI0L: ,z.„.I : , ',2/// (c2 11Lir • K''''' - t -' S:TS I IN Kin" ()lion • DAI HOC DA NANG TRUONG BA! HQC BACH KHOA ONG HOA XA HQ' CHB ROHM VIETNAM 1)0c Op — T1 — Hpall WAR HO SO HO! BONG DANN GIA L1JAN VAN THAC St Hut: vien: Nguyen TN Vfin Thu I Bien ban H!3i clang Bang diem Goa hoc vien cao hoc L9 lich khoa hoc ens hoc vien cri Bien ban kiem phieu Nh3n xe3 NHAN XET TT 149 VA TEN TRACH INIHKIH THONG HOT BONG thin nhiln xet v Chr tjch H'W tieing I IS Le }Cub Viet TS Thum Minh TuAn PGS.TS Nguyen TAn ENE Phan blen I TS Tran Thien Minh Phan b4'n TS I laynh Him Hung Ufr vier/ TS Dhng Hoai Hwang Argiceri din Phiau dilin Thu kfi Hai clang Da Nang, ngby ii thcbw neon 2013 Thu k9 H'Ot &mg DAI HOC DA NANG THHUNG HAT HQC HACH KHOA ONG HOA XA 1101 CHH NGHIA virr NAM 1)4 14p — Tkr —11pnb pink Bits- BAN 1191) HOI BONG DANN G1A LON VAN TH,,NC Si Ngay thang nam 201_, HO di,g dugc lap theo Quyet dinh so 999/QD-DFIBK-DT 24/05/2018 dm lieu truemg tndmg Dai bye Bach Ichoa, gom cac vien: TI- HQ vA TP,N I TS Le Xuan Viet CHONG VI TRONG 1101 HONG Chd tich Hi dang TS Pham Minh Tun Thu k2 II0i diSng PGS.TS.NguyL TA•n KhOi tily• vier) Phan Men I IS "FrAn mien 'fininh Hy vien Phan bi0 TS HuYnh Iffiu Hung Hy vier' da hyp (c6 vAng m41: vien)de daub giáluan van the s9: - 'Rn de tai: Ong dyng phan itch 1677 HAn ánxdy dyng dicing ink nghi*n Hitch nghi - Chuyon nganh: Khoa hoc may tinh (K33.1017:QNg) - Cüa hoc vien can bye: Nguygn Thj Van Thu Mid dung buiii hug danh giii gam gag phan clung sau wwwwww Thu clang hao cao qua frith bye tap, nghien cfru va doc ! 11th khon hoc dm hoc vien (co van ban kern Oleo); xxxx.E Hoc vien frinh bay luo'n van; yyyyyy Cac phan bien dye nhan xet vA neu eau hoi (co van ban kern theo); 7.7727Z H9C Viet) Era Ibi eac can hei clan vien 110i dong; aanaaaa 1101 di.ing thao Wan kin va &Mb gia; bbbbbbh Kiern pIii&i va cOng b ket qua (co hien ban kiem phieu phieu kem theo) coccccc [ac gia luan van ph& bib y kin ddddddd Cht:: tich FlOi dang tuyen bá b& mac Net luau et a) K.& luau chung: Cok ang: D'Wilk' AlJi.-611 1.- 'CIF! ft K- I) HDQ 6tp L h) You can chilli', aim A neki dung: Can Icten Haag: Diem daub gia: Bang s6: -1- Bang chit: 9)cui THU KY HQI BONG CHO TICH HOT HONG XAC NII4N CHA TRUANG DAL HQC HACH ICHOA TL IIWU TRUING TRUDNG NIONG DAD TAO PGS.TS NGUYEN HONG HAI DA1 HOC DA NANO TRLIONG DAL HQC BACH KHOA CONK MIA aCA HO CHB NCIHA VIKT NAM DO lap — —Ranh phite CAU HOI VA VRA Lea Kern theo Bien ban hp Hai tang Koh gia luau van thaC am Iwo vi8n; A I- '-c t7 a k)CIMJL„ -1-t7; 1(41 tt7 J ct—LP.,„fi l e„ Y "-I m.i44") i;f; J -ft: 24, 6: A Do ca V t _7 itd vticL1C —L - THU Kt HOE HONG cy l' actvo Fitt T-t$34-, ONG 116A NA HQI CHia NG.FHA VIFT NAM Ne TV do— Hnnh pink BIEN BAN MEM P1-l1EU COP HOIDONG DAM] GIA LNAN VAN 'MAC SI (Kern theo bien bin hap ITN ding) - Ten (Ia tan bing dung phan tich 16p ti6 n xfiy dung 114 [Wing tràc nghiem Mich nghi - Chuye'n nganh: Khoa hoc may tinh (K33 KIVT.QNg) - Cita hoc vien cao we: Nguyen TN Van Thu - 140i clang bat Mu imp Inc h ngay: - Ti Truiang Dal lye Bach khoa Tham gia kiem phieu gam: 58 rUaarn.11./4 1.j.:Xmaa 59 TS L 4c4i bban 60 Kea qua kiem phieu• S6 phieu thu ye: phieu phat ra: SO 'Mien km le Tong so Mem: C Se phiau kliOng hop le: C Diem trung binh: -• Da Ninig, 'way dieing nom 20]) HQ EN & CHO KX CAC THANE V1EN THAM GIA MEM PHIEU: CR.) PuLit jai-7 Jeayl DAI 11QC DA NANG TRISONG DIM HQC HACH KHOA • CONG 1I6A XA 1101 CHU NOKIA NOKTNAM Dag Itip - To do- Koh pink NHAN XET LU4N VAN TOT NGHIP NGUYEN TAN KHOI lin ye ten ngual nhdn %et: nye* Tien syHgc ham: PGS Chuy en nganh: Khoo Iwo 'nag Will Co' quan c6ng tic: Khan CNT71 Truting,Dai hoc Bach khoo, Da i hoc Da Wang Nguyin Till Pan Thu Hy ya ten bye vien cao hoc: Chuyen nganh: Khoa hoc may lira, Ten d tai ludn yen: 64 dyng phan rich !tip lien; An gay (long h lhdng frac nghiem thicl?nghi ir KIEN NH.Shl XET 1)W 13,ea chon c1 tei Igen o ret NOM Ina hinh nag nglnem khtich pan (Objenive test) dung drat sd dung ;oho' MEn Thy nhign info nghlern khtich mean khong thou so dim kai quo ding elan hoac gong bang mots6 nguyen nhtin: cat edu hoi 'rung mat Ohl kitim tra awe hey chore mat ark* nglu nhien do co bed atm tra qua kW, knac qztti CM don da k gay nlienn ahem rho thi sinh lam toim tau hen qua dl hoar drc chi gap ghat eau hot quer kho Trae nghiem thich nghi tray nghiem drink giti lue hi sinh vdi sit giljp da alla may an/i or Call hal dun cho mJi thE sink Voi Wee Sli dung rtic ughieln Mich nghi thi sti luong va khati nhou, thy thutic yap ming We hien toi eau thi rink VI vay, viec eitinh giti hang lvc thi sinh xi trek nen nhonh cluing chlnh stic re, khtich guar; hon X ' rt; dal Meting nghitn etimena di it c g nghin thilt thou 2) Ifa *rang phap nghien ctrth de tin cdy can A no Ludn van d sO dung Sc phmang phap sap: Phwmg phtip !kart: thu lhdp ref phtin lick tilt rid lieu lien pan; p/inn lick ctic ldp PAM on LCA Phirang pi* thou nghlehr Thu th(ip chi lieu, kitim tru va daub ghi kit mid 3)W het qua khOn bce cda a thi: Luan van boo }oily, nhang pheln chin!, sup: Phan mtik dtiu lrinh hay Ig chon di ten, nut uCri ddi (gong w)phcirn vi nghin can co.unirldmr; r Chum Teing arum va lr& nghiam Mich Chuang Xay ding ma lanh Mc nghiam thigh nghi igen gaga phew etch lop elan, an A Chuang 4: Xay dirng l heing de (pea gut) Wirth Ihr Hen non van earl lac glei duerc fl, Wm qua nhCing diam saw - Tang qzain van (Ia Ihn - Idea dim wig pineenhe pi* mien kiwi da - Phan lick Ike& Ica hay dung Wang - Trion HS thyt nghiani cac win da nghign ant - Donhgio va 'Wan adl We qui deg cluvc Pd Ca Nie la diva, 4) VeInghla khoz hde, frog dyng tlive lien va throng mer rdng can Lugn van ca ngean cind Ern Mau Se A ONO kip aim an eta pima vy cho hai loan Metric nghiam thick nghi Thy Mahn Wong Than win olin Dinh hay ro la Ini srio al chem ?le lemae nkY Ya Phan lleh danh gig so sank kit qUo act dune an Wei meg Ica( qua age cm' WO hiQn linh clang thin va ki.4 qua can Wang 5) Nhfing thieu set v ven de du Mtn r6 6) le kien ket tun Tuy can ton JO r01 sa van d& nhvng &Me gid chung va nai dung vti kit qua dpt dwor, luam van aa Mai guyai theca cac mix aku Pat dacha tia KIEN DE NCH! igrang a oho hew Men awe bag W Juan van tricot hal dans cham Juan van Tema sa Ian nag imgy ifehangVnam201$ NmeM nhan PGS.1-5 NGUYEN TAN KHEll nA Wu' ("nit, Con-kmpi DAI HOC DA NANG ONG AIDA XA DOI CHU NGHIA VIrf NAM TRUTING D61 HOC BAC1110104 Dijellp —Tv —Haub pink - - N12.0 XET LU4iN VAN TOT NGIII$P (Dinh the ngitei pion blen) Ho WI tin ngnai nhen x6t: Tren Thien ThAnh Hoc ham: Hoc Ai: TS Chuyen ngAnh: Khoa hoc may tinh Co (Dan rang tic: Ironing Dai bpc Quy Whom He va ten hoc vien cao hoc: Nguy.in Thj Van Thu Khea: 33 Chuyen nganh: Khoa hoc may filth Ten de NI loan van: ung dung phan deb lop ti2m An xay dung he thong Vic nghiem Mich nghi i( MEN NH(N )(ET — W ly chon d Ai: Trio nghiem thich nghi la met cach tiSp c, telt oho viec dinh gia tang Iva dva via frac nghiam vi no dva via ket qua tth Ibi tong cau tcL nghi4n, Iva chon cau Ric aghiem Hap thee pht hop vol ngubi dupe trAc nph em Hr der se dada gá hien qui vit chit* Ric hon LuP van phin tich Op iem nang d xay dpng mb hinh trio nghiem thich nghi IA de tai c6 nghla that te vk phu hop vdd chuyen nganh Khoa hoc may tinh —Ve phucmg chap nghian cthb tg) tin °ay cue cac (tang phep tha theP va phial tich di lien: thvc nghiem &nit gig St qua la phi! hop voi de thi hian van — W kat qui khoa hoc cite de Ili: Teng hop vit trinh bay lai met sa kian thim co bin ve vac nghiern thich nghi, mo hinh vac nghiem thich nghi van co s& I> May& dap wig cau Mi (1RT), phan tich lop tiem (LCA) Xay dvng he theng trac nghiem thigh nghi rh a van phan tich Idp tiem an dang de tric nghiem mem Tin hoc the hoc sinh THCS Ile theng duo° trien khai va dinh gia kit qui tai Vtreng THCS Nghia An, Xa Nghia An, Qn hg Ngai Phtrong phi', so skill dva ven hoc sinh 41 din cho hApp 0161 KM vA Thing blob, kat qua so sank gift Ive churl can had nglu ahien vi Iva °hen au MI theo thong I n toan cue (dun Wen phan tich LCA) vol Wang hop 10 va 15 eau 1161 cho they del sai sO bid va sal sO chAn thi plurang phap Itra °him eau hdi then thong tin loan eye IA FM hon Thy ohien chtm n6i ró ngin hang de thi sd Itrang, chat krona SO homg hoc sinh than nghikm cOng it nail kat qua KM thuyat plum Veri cat qua Men elm thity hoc vien a Am dupe kien thac vAtr&c nghiam thich nghi v4tg dung vac time ta — Ve *la Una hoc, ang dung dice tiZn It& Wang m6 rang eCa de UM nEu de tai threw dAu nr can than han [rang via° Ay clang ngan hang cau hal, Unit nghiam —Nhtmg diam thidu sot va vim ad lam ro: Nhfing khai ni'm ea ban ve 19 thuyet trAc nghirn dotoc sir dung 'rang luau van can throe trinh bay tit& nhu: d kho, d phan biat, d dỗr doan, ca ngan hang eau Mi C6 lam râ cáo Falai niam tinh chit cent trio neri4m thich nghi la gi? Dinh gia ngan hang cat, IBM [Etc nghiarn litho nao? Cite bieu dd elm phan tich hveng dal Prong cAn then tha dung quy dinh cüa UWEL Vine dUng chin tich Inning dai Mang vat so °him nen la khang pha hop, nen dieu chinh Jai Can IS r6 ngekt hang d thi dung iM tkrre nghlam v cach Mire thve nghiam Vie'c chi chon hoc sinh a thgc nghiam lit qua it da danh gia Vic key dung doing can lam him ve °Ong cc, cai dt lion ea° hinh chac nang — kik kat luan: Can lam Ind nhang nai dung a nom mong ban chinh Mac mkt loan van Lm4n van dap irng duqc cfic y&u cau caa luen von than A' °buy& nginh Khoa hoc may tilt t KIEN DE NGITI BE ngbi cho phop hoc ten ban ye Wan van Intim Hai ding cham Man van Thac sr Da gang, ngiry 14 thing nom 2018 NGUOI PHAN BI$N Trhn Thian Thanh C.r.rirloti 'kat CurnCri-kru ... học: ? ?Ứng dụng phân tích lớp tiềm ẩn xây dựng hệ thống trắc nghi? ??m thích nghi? ?? 2 Mục đích ý nghĩa đề tài a Mục đích - Xâydựngmơhìnhtrắcnghiệmthíchnghitrêncơs? ?ứng dụng phân tích lớp tiềm ẩn (LCA)... thànhphầncơbản,hoạtđộngchungcủamộtmơhìnhTNTN Phân tích so sánh mơ hình hệ thống TNTN có, từ rút kết luận phải xây dựng mơ hình TNTN sở phân tích lớp tiềm ẩn - CHƢƠNG 2: XÂY DỰNG MƠ HÌNH TRẮC NGHI? ??M THÍCH NGHI TRÊN CƠ SỞ PHÂN TÍCH LỚP TIỀM... hình trắc nghi? ??m thích nghi sở IRT Các hệ thống trắc nghi? ??m thích nghi máy tính xây dựng dựa thuật tốn trắc nghi? ??m thích nghi khác Một mơ hình sử dụng phổ biến mơ hình trắc nghi? ??m thích nghi