عنوان پایان‌نامه
کاهش خطا در سیستم های ارزیابی ویژگیهای شناختی بر پایه ی بازی
- رشته تحصیلی
- مهندسی کامپیوتر-هوش مصنوعی- رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2347;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 60300
- تاریخ دفاع
- ۱۹ شهریور ۱۳۹۲
- دانشجو
- امین نیکوکاران
- استاد راهنما
- مسعود اسدپور, منوچهر مرادی سبزوار
- چکیده
- در این پایان‌نامه به بررسی ارزیابی ویژگیهای شناختی، عوامل ایجاد خطا در ارزیابی و چگونگی رفع نمودن این خطاها می‌پردازیم. ارزیابی این ویژگی‌ها به کمک تست‌های کامپیوتری انجام می‌شود که پارامترهای مختلفی را از فرد اندازه‌گیری می‌کنند. از آن‌جا که در سویی از سیستم انسان قرار دارد و انسان در طول زمان عملکرد یکسانی را از خود نشان نمی‌دهد، خروجی این تست‌ها نیز همواره در معرض خطا قرار دارد. برای کاهش چنین خطاهایی دو روش را پیشنهاد می‌نماییم که نخستین آنها مبتنی بر یافتن دسته‌های افراد دارای عملکرد مشابه از یک آزمون است. در این روش با به کارگیری روش‌های خوشه‌بندی، افرادی را که در طی چندین ارزیابی از یک ویژگی واحد، خروجی یکسانی ندارند شناسایی نموده و به این ترتیب مانع از ورود داده‌های دارای خطا به ارزیابی آن فرد می‌شویم. روش دومی که در این پژوهش پیشنهاد می‌کنیم، به کارگیری تعاملات فرد مورد ارزیابی با تست در قالب مجموعه کنش‌های فرد با ابزار تست است. با نشان‌گذاری بخش‌های تست به خطادار و بی‌خطا می‌توانیم قسمت‌های دارای خطا را از تست فرد حذف نموده و از سایر قسمت‌های یک تست برای ارزیابی دقیق‌تر فرد کمک بگیریم. به این منظور از روش‌های دسته‌بندی کمک گرفته می‌شود و ویژگیهای مورد نیاز برای این دسته‌بندی را از تعاملات فرد با کامپیوتر استخراج می‌کنیم. در نهایت با به کارگیری محیطی برای ارزیابی یک ویژگی شناختی به پیاده‌سازی و بررسی روش‌های ارائه شده می‌پردازیم. محیطی که در این‌جا مورد ارزیابی قرار می‌دهیم یک بازی کامپیوتری است که به منظور ارزیابی حافظه کاری کودکان طراحی شده است. به دلیل نفس بازی بودن این تست و همچنین مخاطب بودن کودکان در این ارزیابی، خطاهای ایجاد شده در خروجی این تست‌ها بسیار است. با به کارگیری روش‌های یاد شده توانستیم دقت ارزیابی را تا حد خوبی افزایش دهیم و کارایی روش‌های یاد شده را نشان دهیم.
- Abstract
- In this dissertation we study assessment systems for cognitive abilities, the factors which introduce error in to their measurements and different ways in order to reduce these errors. These assessments are done using computer systems which measure different parameters from a human. Due to having a human on one side of the system and the tendency of them behaving ununiformed through time, these measurements are prone to a lot of errors. In order to reduce these errors we present two methods. The first method is based on finding groups among the test subjects with similar performances. By using clustering methods we identify the subjects which do not perform uniformly during the tests and therefore prevent inaccurate data from entering their assessments. The second method proposed is to use the different interactional data from the user and the system in order to reduce the assessment error. By tagging the different stages of an assessment as valid or invalid we could use only the valid data for assessment. This is done by using classification methods and extracting the necessary features from the interactions of the subject with the system. At the end by using an environment for the assessment system and implementing the proposed methods on its results we observe their performances. The environment we used here was a computer game designed to assess the working memory performance of children. Because of the nature of the game environment and the subjects which are children, the system is prone to a lot of errors. By using the aforementioned methods, we were able to reduce the assessment error to a lot of degree and also view the performance of these methods. Keywords: Assessment, Attention Detection, Computer Game, Validation, Working Memory
