基于模糊聚类的考试分析方法.docVIP

基于模糊聚类的考试分析方法 　　摘要:基于聚类的考试分析可以将成绩特征相同的考生聚集为一类,从而更加客观和准确地揭示考生的知识和能力水平。将试卷中的各个试题分别视为一个特征项,利用传递闭包法进行模糊聚类分析。在取得聚类结果的基础上,利用Excel对聚类特征项进行再分析,即可得到聚类依据并验证聚类结果。仿真实验表明,基于模糊聚类的考试分析结果明确、可信、有效,并可得到传统的试卷分析难以发现的现象和规律,对于个性化教学和素质教育有很大指导意义,值得推广应用。 　　关键词:模糊聚类;传递闭包;特征分析;考试分析 　　中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)33-9579-02 　　Methed of Examination Analysis Based on Fuzzy Cluster 　　ZHANG Dong-sheng, JI Chao, ZHENG Wen-kui 　　(Computing Center of Henan University, Kaifeng 475004, China) 　　Abstract: Examination analysis based on cluster can cluster the testees with same feature of score to one class, and bring to light the level of knowledge and capability of testees more objectivity and more correctly. The way is to looked upon each examination question as a feature item, and make use of transitive closure for fuzzy clustering analysis. Based on the reselt of the clustering, use the Excel to analysis the clustering feature item farther, to get the reason of the clustering and to validate the reselt of clustering. The simulation show that reselt of examination analysis based on clustering is clear, believable and effective, and can get the hard-won phenomena and rule what by traditional examination analysis. It has important meaning for individuation teaching and education for all-around development, and it is extending and applying worthwhile. 　　Key words: fuzzy clustering; transitive closure; feature analysis; examination analysis 　　1 概述 　　基于聚类的考试分析可以从应试者的全部考试数据中,将各试题得分作为特征值,并依此将应试者划分若干类簇,从而客观、准确地揭示应试者知识点和能力点的掌握情况。相比传统的对试卷所作的信度、效度、区分度等统计学数据的分析,聚类分析可以更深入更全面地表现考生的认知水平和能力水平。例如,一群考生的考试成绩可能均为70分左右,但其对考试的知识点和能力点的掌握情况可能有很大不同,聚类分析可以找出这些差异,而传统的成绩统计分析却难以做到。模糊聚类分析是众多聚类算法中较为成熟和聚类效果较好的一种,包括传递闭包法、直接聚类法和C-划分法等三种分析方法[1-2]。模糊聚类分析已成功应用于数据挖掘、模式识别及经济、管理、生物医学等许多领域。本文作者应用传递闭包法对某考试数据进行聚类分析,取得良好效果。第2节介绍考试数据,第3节介绍聚类算法,第4节介绍仿真实验,第5节分析聚类结果。 　　2 数据材料 　　考试数据来自河南大学本科生的某次考试。试卷包括4个大题(仿真题号分别为A、B、C、D),每题25分。全体考生平均成绩78分,符合正态分布。不失一般性,本文抽取得分为78±5分的考生20人的考试数据进行聚类分析。数据见表1。 　　3 模糊聚类算法 　　3.1 聚类对象定义 　　设论域U={x1,x2,