Стохастический подход к исследованию латентных параметров объектов электроэнергетики
DOI:
https://doi.org/10.17213/0136-3360-2019-2-113-118Ключевые слова:
контроль пригодности объекта, трудность индикатора, матрица откликов, латентные переменные, политомическая модель РашаАннотация
Представлена стохастическая политомическая модель для расчёта латентных параметров, характеризующих качественные свойства объектов электроэнергетики и других технических объектов. Расчёт проводился по матрице откликов (матрице результатов контроля) объектов на воздействие политомических индикаторов диагностического средства. В едином процессе итерационных вычислений находятся латентные параметры и объектов, и политомических индикаторов. Показано, что модель совпадает с политомической моделью Раша, известной как Partial Credit Model. Это позволяет использовать для расчёта латентных параметров объектов и индикаторов математический аппарат, вычислительные алгоритмы и программное обеспечение, которые применяются для автоматизированной обработки результатов диагностики в педагогике, медицине и социологических исследованиях. Полученная с помощью стохастической политомической модели информация обеспечит отслеживание значений латентного параметра в процессе эксплуатации объекта, своевременное выявление и замену непригодных к эксплуатации объектов или изделий новыми, что повысит безаварийность их работы. Предложенный подход и полученная политомическая модель могут быть использованы для расчёта латентных параметров объектов электроэнергетики, объектов и изделий промышленности, жилищно-комму-нального хозяйства и других технических объектов.Библиографические ссылки
Елисеев И.Н., Елисеев И.И. Использование латентных переменных для контроля технических объектов // Изв. вузов. Электромеханика. 2017. № 6. С. 102 - 107.
Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests. Copenhagen, Denmark: Danish Institute for Educational Research, 1960. 160 p.
Елисеев И.Н. Алгоритмы итерационных процедур вычисления оценок уровня подготовки студентов // Изв. вузов. Электромеханика. 2013. № 3. С. 83 - 90.
Шрайфель И.С., Елисеев И.Н. Теоретическое обоснование единого итерационного процесса совместной количественной оценки трудностей заданий и уровней подготовки студентов // Сибирский журнал вычислительной математики. 2016. Т. 19. № 1. С. 107 - 123.
Елисеев И.Н., Елисеев И.И. Расчёт параметров тестовых заданий при представлении результатов тестирования в виде политомической переменной // Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2002. № 3. С. 123 - 125.
Елисеев И.Н. Методы, алгоритмы и програм-мные комплексы для расчёта характеристик диагностических средств независимой оценки качества образования: монография. 2 изд., перераб. и доп. Новочеркасск: Лик, 2013. 285 с.
Andrich, D. Advanced Social and Educational Measurement. Perth: Murdoch University, 2001. 128 p.
Wright B.D., Masters G.N. Rating Scale Ana-lysis: Rasch Measurement. Chicago, MESA Press, 1982. 206 pp.
Bezruczko N. Rasch Measurement in Health Sciences. Maple Grove, Minnesota: JAM Press, 2005. 483 p.
Руководство пользователя диалоговой системой RUMM 2030 [Электронный ресурс], RUMM Laboratory Pty Ltd, 2010. URL: http://www.rummlab.com.au/demo/ marmgetstart.pdf (дата обращения 18.04.2010).
Елисеев И.Н., Елисеев И.И., Фисунов А.В. Программный комплекс RILP-1 // Программные продукты и системы. 2009. № 2. С. 178 - 181.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
