एल्गोरिथम: बाइनरी खोज जब मान अनिश्चित होते हैं


11

बाइनरी खोज करने के लिए मुझे एक एल्गोरिथ्म की आवश्यकता होती है जब प्रत्येक चरण पर परीक्षण गलत परिणाम दे सकता है।

पृष्ठभूमि: मुझे छात्रों को 12 कठिनाई स्तरों में से सबसे उपयुक्त जगह पर रखने की आवश्यकता है। वर्तमान दृष्टिकोण क्रूर शक्ति है और 60 4-उत्तर वाली बहुविकल्पी प्रश्नों को बढ़ाने में कठिनाई, तीन गलत होने के बाद रोकना, और छात्र को स्तर पर रखता है: floor((score - 1) / 5) + 1न्यूनतम 1 के साथ।

जब हम वास्तव में कार्यक्रम का उपयोग कर सकते हैं, तो 60 से अधिक प्रश्नों के साथ एक परीक्षा का सामना करने पर ग्राहकों को बंद कर दिया जाता है, इसलिए हम चिंतित हैं, इसलिए हम परीक्षण में पूछे गए प्रश्नों की संख्या को कम करना चाहेंगे। हम यह भी चिंतित हैं कि ग्राहक प्लेसमेंट परीक्षण को छोड़ रहे हैं (क्योंकि यह लंबा लगता है) और फिर कार्यक्रम को छोड़ देना क्योंकि यह बहुत आसान लगता है।

मंझला प्लेसमेंट वास्तव में 2 के स्तर पर है, इसलिए छात्रों का 50%% स्कोर <11 (यानी उत्तर <14 प्रश्न) है। अनायास, यह हो सकता है क्योंकि वे ऊब गए हैं और सवालों को गंभीरता से लेना बंद कर रहे हैं (वे छोटे बच्चे हैं)।

प्रस्तावित समाधान: कठिनाई स्तर 6/7 पर एक प्रश्न के साथ शुरू होने वाली बारह वस्तुओं पर एक द्विआधारी खोज के रूप में परीक्षण को लागू करें और इस आधार पर आगे बढ़ें कि क्या उन्हें प्रश्न सही या गलत मिलता है। सिद्धांत रूप में, यह 3-4 प्रश्नों में उनके लिए उपयुक्त कठिनाई स्तर का पता लगा सकता है।

समस्या: जैसा कि आप मौजूदा परीक्षा से अनुमान लगा सकते हैं कि केवल तीन गलत उत्तरों के बाद समाप्त हो रही है और 12 स्तरों के बीच चयन करने के लिए 60 प्रश्नों का उपयोग कर रहे हैं, हम छात्रों को सही उत्तर के लिए भत्ता बनाना चाहते हैं (जो उन्हें 25% समय में करना चाहिए) या गलती से गलत उत्तर देना (मोटी उंगलियां, गलत सवाल आदि)। यह द्विआधारी खोज के साथ और भी महत्वपूर्ण है क्योंकि पहले प्रश्न पर एक सही उत्तर को प्रवाहित करना आपको कठिनाई स्तर के शीर्ष आधा में रख सकता है, भले ही आप हर दूसरे प्रश्न को गलत पाते हों।

तो क्या द्विआधारी खोज के लिए एक मान्यता प्राप्त एल्गोरिथ्म है जहां आप गारंटी नहीं दे सकते कि एक व्यक्तिगत परीक्षण सटीक है?

Naively मैं प्रत्येक चरण में 3 या 5 प्रश्नों में से सबसे अच्छा प्रयास कर सकता हूं, और, चूंकि शुरुआती प्रश्नों का बाद के प्रश्नों की तुलना में अंतिम परिणाम पर बड़ा प्रभाव पड़ता है, हो सकता है कि इन अतिरिक्त प्रश्नों को केवल शुरुआती चरणों में जोड़ें और बाद के लोगों को नहीं। क्या इससे ज्यादा कुछ है?


आखिर क्यों दिखावा? बस वास्तविक परीक्षा पर प्रश्नों को स्वयं समायोजित करें
स्कॉट स्टेंसलैंड 22

@ScottStensland, दिलचस्प विचार। हालाँकि वास्तविक कार्यक्रम 10 'सबक' के 12 'मानचित्र' हैं, जिनमें प्रत्येक पाठ 8-15 एचटीएमएल 5 कैनवस 'गतिविधियों' से युक्त है या प्रत्येक उच्च चर डिजाइन का है। छात्र नक्शे के माध्यम से प्रगति करते हैं और प्रत्येक पाठ और मानचित्र के बाद पुरस्कार और पुरस्कार / प्रमाण पत्र प्राप्त करते हैं। यदि हम लगातार हर खेल के बाद उनके स्तर को समायोजित कर रहे हैं तो यह बहुत ही भयावह होगा, और हमें अपने सभी मौजूदा गेमों में फीडबैक बनाने और प्रत्येक गेम के लिए फीडबैक के नियमों का पता लगाने की आवश्यकता होगी।

@Kirill, क्या किसी अन्य खंड में किसी प्रश्न को स्थानांतरित करने / पार करने का एक आसान तरीका है?

@jim आप इसे ध्यान में लाने के लिए कह सकते हैं कि वे प्रश्न को आगे बढ़ाते हैं, या आप इस प्रश्न को यहाँ हटा भी सकते हैं और वहाँ एक नया समान प्रश्न बना सकते हैं। क्रॉसपोस्टिंग (एक ही समय में विभिन्न साइटों पर समान प्रश्न होने) को आमतौर पर हतोत्साहित किया जाता है। मैंने वह सुझाव इसलिए दिया क्योंकि यह मुझे एक अपेक्षाकृत सीधे आँकड़े / मशीन सीखने के सवाल की तरह लगता है जो वहाँ पर एक स्पष्ट उत्तर बहुत जल्दी मिलेगा।
किरिल

जवाबों:


2

समस्या को बायेसियन संभावनाओं की एक सरणी के रूप में समझो; प्रारंभ में, मान लें कि एक 1/13 मौका है कि बच्चा प्रत्येक स्तर से नीचे है और पूर्णता के लिए, 1/13 मौका वे शीर्ष पर हैं। फिर: 1) अपने एरे के मध्य स्तर का पता लगाएं अर्थात वह स्तर जहाँ उसके ऊपर होने की संभावना 50% 2 के सबसे करीब है) बच्चे से उस स्तर का प्रश्न पूछें। 3) 25% त्रुटि दर मानते हुए, प्रत्येक सेल की संभावना को अद्यतन करने के लिए बेयस नियम का उपयोग करें। जब एक सेल एक पर्याप्त उच्च संभावना हिट करता है, या जब आप एक स्तर पर प्रश्नों से बाहर निकलते हैं, तो मुझे लगता है कि सबसे संभावित स्तर को समाप्त करें और वापस लौटें।

इस एल्गोरिथ्म का एक और अधिक कठोर उपचार यहाँ है ; मैं इसे लागू करने से पहले पढ़ने की सलाह देता हूं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.