试卷生成与分析关键技术的分析与其应用

《试卷生成与分析关键技术的分析与其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论1．1自动组卷系统的研究背景计算机在教育方面的应用始于20世纪50年代的计算机辅助教学系统，其中包括考试系统、排课系统、教学管理系统等。计算机辅助教学主要是把计算机技术应用到教学领域，以提高教学水平和教学质量。最初的计算机辅助教学系统有电子翻页器口age．tIlIners)以及句型和练习监控程序(DriU-and-practicemonitors)。通过运行事先存入的计算机程序来实现教学、辅导答疑、实验仿真以及测验考试等教学活动。它一般需要通过计算机硬件系统、系统软件和课程软件来实现。自20世纪70年代以来，计算机在辅助教学上的应用取得了新的

2、进展。国外早期比较有名的是SCHOLAR系统(Carbonell&Collins，1970)，它应用人工智能的知识表达方式，其知识库采用语义网络形式，并由事实、概念和过程组成，教学方式采用苏格拉底对话式，根据学生的回答，通过推理机制产生更多提问并评价学生的解答，系统能诊断学生的一些错误概念并引导学生自己思考后纠正错误[1】。20世纪80年代后，认知心理学、教学设计理论给计算机辅助教学系统的研究带来了深远的影响，使计算机辅助教学系统进一步得到发展。在智能计算机辅助教学软件的开发中，智能组卷系统一直是一个重要的发展方向。智能组卷系统是一种设计型专家系统，它

3、是指计算机根据出卷人指定的组卷参数，如题目类型数、难度系数、区分度、知识点范围、完成试题时间等从题库中抽取满足以上组卷约束条件的试题组成试卷，这是一个典型的多约束目标的求解问题。通过计算机自动组卷系统代替专家出题，得到了广泛的研究、应用。1．2国内外研究现状用电脑进行出题考试就必然涉及到组卷抽题的问题，国外和国内的许多科研单位、学校机构都对组卷系统进行了研究【2、31。虽然组卷系统是个被探讨了很长时间的问题，但至今也没有一个很好的解决其自动出题的算法方案。组卷问题东南大学工程硕士论文是一个带约束的多目标优化问题，采用经典的数学方法很难解决这个难题，自动

4、组卷的效率和质量完全取决于抽题算法的设计【4、5】。如何设计一个算法从试题库中既快又好的抽出一组最符合考生要求的试题，涉及到一个全局寻优和收敛速度快慢的问题。以往的具有自动组卷功能的考试系统大多采用随机选取法和回溯试探法[6】，它们虽然都能最终组出试卷，但都存在不足和缺点。(1)随机选取法随机选取法根据状态空间的控制指标，随机的抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或己无法从题库中抽取满足条件的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以容忍。(2)回溯试

5、探法回溯试探法是将随机选取法产生的每一状态都记录下来，当搜索失败时释放上次记录的状态类型，然后再依据一定的规律(正是这种规律破坏了选取试题的随机性)变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有条件的深度优先法，对于状态类型和出题量都较小的题库系统而言，组卷成功率较好，但是在实际到一个应用时发现这种算法对内存的占用量大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它不是一种很好的用来自动组卷的算法。分析上述两种算法的优缺点，不难发现，在组卷条件和状态空间的限制下，随机选

6、取法有时能够取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大，无法确定目前条件下哪些区域能抽出合适的试题，反而可能在那些已经证明是无法抽取合适的试题区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯法组卷成功率高，但它以牺牲大量的时间为代价，对于目前越来越流行的考生网上即时出题的考试过程来说，它己不符合要求。(3)数据挖掘和知识发现数据挖掘和知识发现作为一门新的研究领域，涉及到机器学习、模式识别、统计学、数据库、和人工智能等科学。它可被看作是数据库理论，和机器学习的交叉学科[7】。作为一种独立于应用的技术，受到了广泛的关注

7、，有着广泛的前景，可以应用于商业管理、科学研究、智能决策、故障诊断等方面，当然也被应2第一章绪论用于组卷系统中。目前国内数据挖掘的研究重点是找出频繁项目集(frequentitem--sets)。典型的关联规则挖掘算法有ILAGRAWAL等人提出的Apfiofi算法DHP算法等。它们都属于数据库遍历类算法。R．AGRAWL提出的Apfiofi算法，Park等人提出的DHP算法(DirectHashingandPruning)使用哈西Caasing)技术有效地改进了候选集Ck的产生过程。SavaSers等人在1995年提出了一种把数据库分割处理的算法，降

8、低采掘过程中的I／O次数，减轻了CPU的负担。H．Toivonen使用抽样(samping)的