Keywords
K-means
maximum likelihood estimation
threeparameter logistic model
adaptive learning path
How to Cite
Abstract
we studied personalized learning in school exam preparation settings and developed a method for constructing adaptive learning paths based on student performance in standardized school exams. The approach targets individual learning needs and uses modern data-driven techniques to support instructional planning.
We collected student performance data and applied Item Response Theory (IRT) to model test responses. We estimated the probability of a correct answer using a three-parameter logistic model. We then inferred student ability levels using maximum likelihood estimation.
We grouped students according to their estimated ability using the K-means clustering method. The resulting clusters provided a basis for adapting learning trajectories to different performance levels.
References
Шеманаева М. А. Индивидуальная образовательная траектория как форма синхронноасинхронной образовательной деятельности. Научно-методический электронный журнал «Концепт». 2017;9:43-47.
Аванесов В. С. Item Response Theory. Основные понятия и положения. Педагогические измерения. 2007;3:23-28.
Муратова Л. А. Модели Бирнбаума для оценки качества теста «Линейная алгебра, аналитическая геометрия». Вестник Самарского государственного технического университета. Серия: Психолого-педагогические науки. 2017;3:83-91.
Клепиков Н. П., Соколов С. Н. Анализ и планирование экспериментов методом максимума правдоподобия: практическое пособие. Москва: Наука; 1964. 190 с.
Корнилов С. А. Лонгитюдные исследования: теория и методы. Экспериментальная психология. 2011;4(4):101-116.
Линник Ю. В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. Москва: Физматгиз; 1962. 90 с.
Кугаевских А. В., Муромцев Д. И., Кирсанова О. В. Классические методы машинного обучения: учебное пособие. СПб.: НИУ ИТМО; 2022. 14 с.
Чернова Н. И. Математическая статистика: учебное пособие. Новосибирск: СибГУТИ; 2009. 90 с.