Программные продукты и системы

При ручном планировании банка заданий в адаптивных обучающих системах очень сложно предсказать потенциальную потребность в заданиях различных категорий, поскольку это требует знания того, какие ошибки и трудности обучаемые будут испытывать чаще и задания какой сложности наиболее эффективны для обучения. Поэтому в процессе эксплуатации адаптивной системы возникает дефицит определенных видов задач. Это приводит к их частому повторению или подбору менее подходящих задач, что снижает качество обучения. Так, при эксплуатации прототипа интеллектуальных обучающих систем CompPrehension с автоматически сгенерированным банком задач на тему «порядок вычисления выражений в алгоритмических языках высокого уровня» заметен значительный недостаток задач на выполнение операции внутри операций скобочного типа (вызовы функций, обращение к элементу массива) и на правую ассоциативность операций. При возникновении недостатка заданий должен создаваться запрос на генерацию новых заданий и активироваться механизм его выполнения. Ключевым фактором успеха является то, что интеллектуальная обучающая система обладает необходимой информацией о том, какие задания и насколько часто требуются, и способна самостоятельно пополнять банк заданий при достижении граничных условий, в роли которых могут выступать низкая точность выполнения запросов на поиск задач (нет задачи с подходящими свойствами, берем похожую) или высокая частота использования одной и той же задачи в одной группе студентов.
Подробное описание дается в статье "Автоматическая генерация заданий по результатам анализа использования их банка в интеллектуальной обучающей системе", авторы Сычев О.А.,  Прокудин А.А.,  Денисов М.Е. (Волгоградский государственный технический университет, г. Волгоград).