网络考试系统中自动评卷算法应用探究

《网络考试系统中自动评卷算法应用探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、网络考试系统中自动评卷算法应用探究【摘要】随着网络化的发展，网络教学近几年逐渐兴盛起来，是未来教育发展的一种趋势，网络考试系统是网络教学的核心组成部分之一。本文针对当前已有考试系统的不足和学校的实际需求，设计和实现了一个新的网络考试系统，其中就主观题自动评卷技术作了分析与讨论。【关键词】网络教学；网络考试；主观题自动评卷一、相关背景随着计算机技术的不断发展和网络技术的日益普及，如何能最大限度的利用各类资源，快速提高技术人员的知识和能力水平成为社会的强烈需求。不管是在目前的高等学校,还是各类异地教育和培训机构，考试都是教学活动的一个重要环节[1],用来检测学习

2、成效。随着考试类型的增多和考试要求的不断提高，特别是考生数量比较大时，教师的工作量也越来越大，组织一次完整的考试至少包括以下几个步骤：考生报名、人工出卷、试卷印刷、考生考试、人工评卷和成绩统计分析等，在整个工作过程中，由于接触的人员较多，通常还要考虑保密性方面的问题，例如教师需要找大量试题出多份试卷，再由选择其中一份或者两份作为考试用卷，试卷选择随意性大，凭教师的主观意愿来评定一张试卷的难易程度；还要联系印刷和送试卷等，花费教师们大量的时间和精力，通常效率低下，可以说传统的考试方式己经不能适应现代考试的需要。本文根据作者所在的院系教学的需要，利用校园网强大的

3、服务功能，要研究和设计的是一个完全无纸化考试系统,采用B/S结构，易于安装使用。系统实现了从自动组卷、考试到自动评卷的全部功能。本文对其中主观题的自动评卷技术进行重点研究。、自动评卷技术网络考试的主要优点之一就是可以快速、客观地给出考试成绩，有效地缩短了考试周期，这一优点主要得益于网络考试的自动评卷［2］。一般情况下，网络考试系统对于客观题可以进行自动评卷。客观题一般有判断题、单选题等。对于这类题，计算机可以采用字符串比较的方法，将考生的答案与标准答案进行精确的匹配评卷。如果一个考试系统中的考题都是客观题，这样的试卷不是一份好的试卷，仅有这类题型的试卷对测试

4、考生的能力还存在欠缺。因此，理想的试卷针对不同的学科还应该包括有主观题（问答、证明、计算、设计题）等多种题型。但是对于主观题，如论述题、简答题等没有统一答案的试题，目前还没有一种考试系统能很好地完成其自动评卷。对此我们进行了一些尝试，对自动评卷技术做一些详细的介绍。主观题自动评卷涉及到人工智能、模式识别和自然语言处理等方面的理论［3-4］,面临许多技术上的问题，从而成为网络考试系统中的一个技术难点［5］。主观题自动评卷技术主要由自然语言处理，中文分词技术［6］,语句相似度计算三方面构成。其中自然语言处理技术和中文分词技术到目前为止还没有得到广泛的应用，原因在

5、于对自然语言处理技术的研究还处在一个初级阶段，无法实现计算机能够百分之百地“读懂”人类的语言，同时由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，目前基于理解的分词系统也还处在试验阶段。所以基于语句相似度的主观题自动批改系统的实现成为本文研究的重点。在本系统中，由于开发时间短促以及各项条件尚不成熟，因而没有全面地实现主观题自动评卷模块的设计，但在本文先分析了目前使用主观题自动评卷技术中的一些算法，以期能抛砖引玉。（一）基于词语匹配的相似度法1.思路分析分析教师的评卷过程，教师在人工评阅主观题时一般是预先制定好一套评卷标准，然后将

6、每道试题的总分划分成若干部分，将分数分配到试题的求解过程中的一些关键的步骤或关键的词语上，通常称之为得分点，评阅时看学生的答案和标准答案的各个得分点的贴近度，贴近度高则得分高，最后查看一下学生答案的语句是否通顺、是否有条理性等，综合地给出一个适当的分数。根据上述分析，可以发现，影响评卷的因素主要有两个:一个是得分点，另一个是学生答案和标准答案的贴近度。可以将每个得分点转化为每道题目的标准答案关键字，用这些关键字去匹配学生答案，根据匹配程度的高低，决定得分的高低。对学生答案和标准答案的贴近度的表示可采用模糊数学中贴近度的概念进行描述[7],而对于语法结构则不做

7、过多考虑，这样，一方面可以避免对句子进行复杂的句法分析,另一方面也可增加系统的健壮性，如学生答案中出现无关大局的语法错误时，只要其概念表述正确，系统仍然可以给出相应的贴近度评价，这与教师的评卷过程是相符合的。最后,再根据关键字和贴近度在评卷时所占的权值比重，计算最终成绩。1.算法设计(1)相关定义为解决学生答案和标准答案的贴近度表示问题，可以把学生答案和标准答案均看成字符串，下面对单向贴近度的概念进行定义。把一个字符串分解为单个字符，并把它们构成的有序集合称为一个模糊集，U={ul,u2,,un}称为论域，论域u上的全体模糊子集所组成的集合记作F(U)(也叫

8、模糊無集)[7]。为度量两模糊集的接近程度，引入单向