基于随机搜索逐步优化自动组卷算法及试题库结构研究.docVIP

基于随机搜索逐步优化自动组卷算法及试题库结构研究 　　摘 要：本文简要概括了自动组卷算法的现状，全面分析题库试题应包含的主要属性，给出了基于随机搜索逐步优化的自动组卷算法的基本思想，设计出了配合此算法执行的试题库。实践证明，这种结构下的试题库能很好地配合基于随机搜索逐步优化的自动组卷算法的执行，组卷成功率较高，系统性能稳定，冗余度小。 　　关键词：自动组卷 试题库结构 　　 　　引言 　　 　　试题库这一概念，近年来在教育机构、学校都引起了极大的兴趣。事实上，国内外许多教育机构和大学在花大力气研究试题库，因为，试题库对考试机构变得越来越重要，其明显潜在的优点是试题库使教育测量的质量不断提高而测验编制者所花费的时间不断减少。所谓试题库，是由许多适用于不同目的、技能和任务需求，且具有必要参数的大量优质题目组成的试题集合［１］。试题库中的题目是供测验编制者能根据需要按预定的要求组卷，当试题库中的题目在内容恰当和技巧完备时则测验编制者的工作就会变得简单且卓有成效，组卷的质量就变得更高，就能使测验更加高效地达到既定的测量目标，从而在试卷质量方面保证教育测量的信度和效度。 　　在当今数字化教育时代下自动组卷系统是智能教学系统(CAI)的重要组成部分，自动组卷卷算法的成功与否以及能否达到既定的测量目标很大程度上取决于相对于算法的试题库的库结构，试题库的结构设计成为建立智能组卷系统的重要内容。现存的自动组卷系统针对各自的组卷算法提出的试题库结构大致可分为四类:(1)主要依托于随机函数或随机量的算法所确定的试题库结构;(2)针对深度及广度搜索算法所确定的试题库结构;(3)依托于智能搜索算法所确定的试题库结构；（4）基于遗传算法所确定的试题库结构。这些数据库结构中，都没有全面地考虑到为达到既定测量目标所需的试题的全部属性。前三类只适合于对组卷质量要求不高的场合，后一类虽然组卷质量较高，但是，当考虑的题目参数增加时，其算法会变得非常复杂，会带来性能上的问题。 　　基于此，本文提出一种与基于随机搜索逐步优化的组卷算法相适应的，使组卷效率更高、速度更快、试题库冗余更小的试题库结构。 　　 　　1 算法基本思想 　　 　　该算法的基本思想是设计一随机函数random( )，对题库随机抽取试题，然后匹配用户录入的组卷要求，若匹配，则记录试题编号，否则，放弃该试题，反复此过程直到符合组卷要求的题量为试卷要求的题量，即组卷完毕。 　　①接收用户输入的组卷要求（如题型、题量、满分值分值、答题时间、曝光度、难度分布、知识点分布、能力层次分布和重要程度分布等）。 　　②根据美国著名的网络公司cisco公司的在线测试系统的试卷满分及学生成绩计算方法，本文用百分制计算学生的考试成绩，但试卷满分不一定为100分，有可能出现试卷满分大于100分或小于100分的情况。换算公式为： 　　 　　其中s 为用百分制计算的成绩，s 为原始成绩，t为试卷满分。由于分数属于顺序量表，经过这种变换后不会影响既定的测量目标［２］。故可以认为试卷满分为100分，而且学生成绩也是百分制的，这解决了题库分值属性与用户要求题量挂钩的难题。 　　③设计随机函数random(sum)(sum为题库中的记录总数)抽取n个试题使其满足用户要求的题型、题量、知识点分布及重要程度。 　　用test[n]来记录n个试题的编号，设试卷包含qu_cl个试题类型，每个试题类型的题量为qi(i=1，2，…，c)，则有： 　　 　　用二维数组qu_cl_sum[c][1]来记录各类题型的当前题量，当qu_cl_sum[i][1]=qi(i=1，2，…，c)时，题型及题量满足用户要求; 　　用集合kn_point{}来记录当前已抽到的题目所属的知识点集合，利用一个集合中的元素不能重复的性质来保证知识点的覆盖面； 　　用二维数组qu_im[le_sum][1]来记录le_sum个不同重要程度的试题的当前累积分值，设lj(j=1，2，…，le_sum)为试卷要求的不同重要程度的试题的在试题中所占的分值，当qu_im[j][1]=lj(j=1，2，…，le_sum)时，不同重要程度的试题的在试题中所占的分值满足用户要求。 　　通过这一步的处理试题在题型、题量、知识点分布及不同重要程度的试题的在试题中所占的分值满足了用户要求。接下来局部调整试卷在难度和能力层次上的分布以及每题在出题次数上的合理化，以实现试卷的逐步优化。 　　④评估当前试卷中不同难度的试题所占比重qu_de[de](de表示不同难度级别的数量)是否符合用户要求的比重dk(k=1，2，…，de)（一般不符合），则有： 　　sub[k]=qu_de[de]-dk 　　其中sub[k](k=1，2，…，de)为当前各个不