Intelligent Adaptive Testing Using Machine Learning Techniques

Abstract

Intelligent adaptive tests allow to perform evaluations that reduce the number of questions, improve the estimation, and adapt to the person’s answers. A decision to make in the design of these tests is the method for choosing the next question. There is no method that proves to be the best from the perspective of the improvements implied by an adaptive test. In this work, we explore the use of reinforcement learning algorithms in conjunction with deep learning algorithms for question choice. The results show that under certain conditions and depending on the algorithm used, these new methods achieve competent results in terms of the number of questions asked and the accuracy of the estimation compared to traditional statistical methods. (Texto tomado de la fuente)

Los test adaptativos inteligentes permiten realizar evaluaciones que reducen el número de preguntas, mejoran la estimación y se adaptan a las respuestas de la persona. Una decisión a tomar en el diseño de estas pruebas, es el método para escoger la siguiente pregunta. No existe un método que demuestre ser el mejor desde la perspectiva de las mejoras implicadas en un test adaptativo. En este trabajo exploramos el uso de algoritmos de aprendizaje por refuerzo en conjunto con algoritmos de aprendizaje profundo para la escogencia de las preguntas. Los resultados muestran que bajo ciertas condiciones y dependiendo del algoritmo utilizado, estos nuevos métodos logran resultados competentes en términos del número de preguntas hechas y la exactitud de la estimación comparándolos con los métodos estadísticos tradicionales.