信息化试题库自动组卷策略研究与实践.docVIP

信息化试题库自动组卷策略的研究与实践 　　摘要：本文基于改进的遗传算法，通过相似个体淘汰和新个体补充扩大试题解的范围，稳定可能解的多样性，在此基础上建立了包含试卷知识点、难度系数、区分度等特征的智能组卷模型，在保证自动组卷精度的同时，提高了系统运算效率。 　　关键词：信息化；自动组卷；计算机辅助教学 　　 　　考试作为衡量教学效果的一种有效手段，要求试卷内容能够真实、恰当地反映学生的水平。但如何才能对学生进行合理考核，一直是众多教师在思考与追求的目标。传统人工出卷方式存在很多不足，很难适应现代教学的要求。随着教学现代化步伐的加速和计算机辅助教学的广泛开展，智能计算机辅助教学系统的研究已经成为教育工作者和科研人员广泛关注的研究领域。而试题库技术和计算机辅助教学的发展，对计算机组卷系统的要求也越来越高。计算机组卷系统利用计算机完成试卷内容编制，可有效改变传统教师出卷方式中质量不稳定、范围狭窄、时间浪费等不足。智能组卷算法是实现试题库系统、考试试卷自动生成、远程在线测试的基础。但现有的智能组卷系统存在诸多问题，如试题库题量要求较高、题型分布复杂、组卷算法设计实时性差、误差大等。 　　如何保证试题库中自动组卷满足用户实际需要，是试题库组卷系统研究者长期追求的目标，其很大程度取决于组卷算法设计的优劣。而从题库中抽出一组最优解或近似最优解，涉及智能优化算法的全局最优解和收敛速度问题，其在一定程度上而言是一对矛盾的问题。当前常见的组卷算法主要包括：随机选取法、回溯试探法、遗传算法、蚁群算法等。其中随机选取法基本思想是根据状态空间的指标，由计算机随机抽取试题放入试题库，重复上述随机抽题过程直到组卷完毕，或题库中没有满足控制条件的试题为止。回溯试探法是记录随机选取法获得的试题状态，失败时则释放上次记录状态，再依据某种规律变换新的状态类型进行试探。遗传算法作为一种并行、能够有效优化的算法，以基因理论及间断平衡理论为依据，同时融合边缘物种形成理论和系统理论的一些思想，模拟达尔文的自然界遗传学，是当前较获认同的方法。蚁群算法作为新型的自然寻迹方式，根据单蚂蚁具有有限感知能力，并可进行简单推理，最终蚁群体现出智慧性和自适应性。 　　 　　● 智能组卷系统设计 　　 　　智能组卷是综合运用人工智能技术，基于已有的包含大量试题的题库，实现满足包括题型、题量、知识点分布、难度系数等约束条件的试题自动选取的系统，因此需要有合理的知识库、知识推理方法和模型的支持。除考虑用户需求特点之外，组卷时间、题目类型、知识点覆盖、平均分和及格率等需要综合考虑。因此智能组卷可看作典型约束满足问题的求解过程，命题者需事先约定考试内容、难度等级、题型和要求等，计算机自动合理地生成一份符合教学要求的试卷，使试题内容在各篇章分布上均匀合理，避免出现重题。 　　计算机自动组卷过程对应为在较大题量的试题库中搜索一个子集，使得该子集符合组卷目标要求。因此组卷中决定一道试题，就要取决于各项指标，包括题号、题型、题分、难度、教学要求等，本文考虑6维向量（d1,d2,d3,d4,d5,d6），其中di为第i项指标。一份试卷对应为一个m×6的矩阵，m是试卷题目数目。系统中，相关实体属性如下。 　　题号：标识题目的唯一数据；题型：各类题型的代号；题分：试题分数；难度系数：试题难易程度；教学要求：试题属于识记、理解、应用、综合之一的代号；估时：试题所需时间。 　　组卷系统数学模型所对应的矩阵D的行对应为试题的题号、章节、难度、题型等属性指标，采用常用的十进制编码方式表示，而矩阵列对应题库中该指标所有试题的取值，对应为： 　　组卷系统自动组卷可视为：对试题库中的试题，通过一定规则选取m道试题，且应满足如下约束： 　　（1）卷面总分=，由用户事先确定试卷分数要求，一般为100； 　　（2）试卷难度=，由用户给定，试卷难度约束由用户事先给定； 　　（3）答题总时间=，由用户给定，即试卷总时间约束； 　　（4）试卷教学要求的约束： 　　教学要求k取值为识记、理解、综合、应用等具体要求，所占分数由用户事先给定。这4个教学要求在组卷过程中需要满足输入难度下系统默认的教学要求的约束，其每个教学要求分值尽量与系统默认的相匹配。 　　自动组卷作为典型的多目标优化问题，需同时考虑k个目标，且要求目标函数在满足约束条件下值越小越好。常用的方法是将多个目标整合成单目标函数进行最优化求解。针对本文研究自动组卷问题，对应函数可设计为： 　　其中，wi为第i个因素的权重系数，对应为第个组卷因数的重要性；ei对应为第i格因素对应的误差；f越小，选出的试卷就越满足用户的要求。 　　 　　● 基于改进遗传算法的组卷实现 　　 　　1.编码改进 　　组卷系统中，每种题型数目一般都事先固定