试题库建设及组卷算法研究.docVIP

试题库建设及组卷算法研究 　　提要：试题库系统是专门为各学科老师开发的计算机辅助教学软件。它具有通用性强、试卷质量高、操作简单可靠的特点。该文介绍了试题库建设中题库设计内容，组卷算法的主要问题、组卷算法的总体思想。 　　关键词：试题库；算法 　　中图分类号：G424 文献标识码：A 文章编号：1009-3044（2013）13-2955-02 　　随着计算机网络技术的迅猛发展，智能化考试系统越来越受人们青睐。智能化考试可以大量减少教师重复劳动，提高工作效率，增加公平性。智能化题库则能为考试提供高质量试卷，增加强考试的科学性和客观性，是保障考试系统运行的基础。智能化考试逐渐取代传统考试已成为一种网络时代的教育趋势。 　　目前，国内外已有许多知名的考试系统运作。如美国的TOEFL、GRE，国内的计算机等级考试，国际的Cisco的CCNA、CCNP以及各类信息技术的认证考试等智能化考试系统能科学地测试出学生的实际水平。 　　但是各校自己拥有的考试系统水平不一，功能强度差距比较大，有的系统过于简单，无法满足计算机化取代传统考试的要求，有的试题类型过于简单，教师无法按教学需求定制试题类型。在当前的网络环境下，智能化考试最主要的研究在于智能化组卷，而组卷必然需要相应的智能性题库做基础。 　　1 试题库设计 　　智能性题库的设计需分几个方面进行。首先要建立系统的数学模型，然后确定试题的属性指标以及试题的组成结构，最后组织教师编写试题。要想试题库更具科学性和有效性，还需要进行大量的测试样本，进行抽样检测，依据结果再对试题进行校正。 　　试题本身含有一些固有的特性参数，这些固有的特性参数需要用相应的指标来刻画。在构建试题库时就应该对每一道试题赋予多个属性值，试题的主要指标一般有： 题型，知识点，难度， 曝光度。每个指标都对应着一种约束条件， 满足这一点的分数分布规则。 　　1）题型：题型是指试题类型。可分为选择题、填空题、操作题、程序阅读题等。可根据每次组卷的需要动态增加新的题型。 　　2）知识点：可用十进制的整型类型字段表示章节，例如：用6位十进制数表示时，可以用前2位表示章，中间2位表示小节，最后2位表示每小节中存在的不同知识点。在自动组卷时，可以根据这一参数精确地对知识点进行选取，可避免同一知识点在同一试卷中多次出现的现象，以保证知识点在试卷中尽量分布均衡。 　　3）难度：难度是衡量试题难易程度的指标。在使用计算机进行自动组卷过程中，试题难度分布设计得是否合理至关重要，若一份试卷使学生成绩普遍都很高，或是普遍都很低，都是失败的。因此，必须合理地设计试卷中试题的难度分布，使其达到或是基本达到组卷的预期要求。 　　4）曝光度：用于统计试题库中，某试题在实际试卷中出现过的次数。通过该参数可以控制题目在试卷中出现的概率。 　　经过精心选择、严格审核、科学分类几个阶段后，将试题存储在试题库进行管理。试题库管理应包括录入、修改、恢复、预览、打印等操作。整个试题库的创建过程，应严格遵循教育测量理论，依据坚实科学的设计理念，使试题库能应对日常各种练习、测试和考试。同时要在内容、深度、难度、题型等方面都把握好尺度，比如内容上能反映教学目标，深度上能体现实践能力，难度上能激发潜在能力，题型比例能表现客观思维和主观能力。 　　2 组卷算法比较 　　目前实现智能化组卷的方法有两种，一是根据约束条件从试题库中随机搜索符合条件的试题，主要表现为随机抽取法和回溯试探法，这两种方法具有很大的随机性和不确定性，对内存的占有量大。二是整卷随机抽取法，即一次性从试题库抽取能满足所有约束条件的试题，这种方法对抽取算法的要求比较高。 　　1）随机算法：在过去十几年里，随机算法领域有了长足进展，随机算法从一个计数理论的工具发展成为在许多类型的算法中得到广泛应用的工具。随机算法的两个优势：简单和快速，促进了这种发展。所谓随机算法，就是在执行过程中要做出随机选择的算法。该方法的缺点也显而易见，极大的随机性和不确定性，求解效率不高，不适合试题库建设的要求。 　　2）回溯试探法：回溯法有“通用的解题法”之称，用它可以系统的搜索一个问题的所有解或任一解。它在包含问题的所有解的解空间树中，按照深度优先的策略，从根节点出发搜索解空间树。但在试题库系统中，试卷量比较大的时候，试卷的组合数太大，回溯法占用内存大且耗时长，并不适合。 　　3）遗传算法：遗传算法（GA）是美国密执根（Michigan）大学的Holland教授于20世纪60年代末70年代初创立的一种仿生算法，旨在研究自然系统的适应现象。遗传算法是一种高度并行、随机和自适应的优化算法，它将问题的求解表示成“染色体”的适者生存过程，通过染色体群的一代代不断进化，包括选择、杂交、变异等操作，最终收敛