智能试题库系统【文献综述】.docVIP

毕业设计文献综述 计算机科学与技术 智能试题库系统 摘要：对智能试题库系统进行介绍，着重了解算法的选取，组卷因素的选择，对遗传算法进行了介绍。 关键字：智能试题库系统，遗传算法， 1引言 随着计算机技术的发展，计算机辅助教育作为一门新兴的综合学科，越来越受到广大教育工作者的重视。在计算机辅助教育的研究中，组卷算法是评价考试系统好坏的一个主要因素，一个良好的组卷算法对于准确地检验学生学习成绩和教师教学效果起着非常重要的作用。 因此如何设计一个算法从试题库中既快又好地抽出一组最符合考试要求的试卷，是本文研究的目的。2组卷算法： 2.1. 随机选取法【5】 定义：根据状态空间的控制指标，由计算机随机的抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。 2.2 回溯试探法【5】 定义：这是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好，但是在实际到一个应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。 2.3. 遗传算法【13】 定义：模拟自然界自然选择遗传机制进行搜索寻优的方法，通过模拟生物在染色体层面的各种遗传优化作用而设计人工寻优方法，GA本质上是一个群体迭代过程，从一个随机的初始群体出发，依据优胜劣汰原则．通过竞争、选择、繁衍、变异等遗传操作，产生性能更优的下一代群体。直到满足环境约束酌优良体或合乎具体的应用准则为止。 3 三种算法的对比 不难发现，在限制条件状态空间的控制下，随机选取法有时能够抽取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大，无法确定目前条件下哪些区域能够抽取合适的试题，反而可能在那些已经证明是无法抽取合适试题的区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯试探法组卷成功率高，但它是以牺牲大量的时间为代价的，对于现今越来越流行的考生网上随机即时调题的考试过程来说，它已不符合要求。因此,必须结合以上两种方法寻找一种新的改进算法，这种算法要具有全局寻优和收敛速度快的特点。 结论：遗传算法（Genetic Algorithms）以其具有自适应全局寻优和智能搜索技术，并且收敛性好的特性能很好的满足自动考试组卷的要求。【2】 4试题核心属性的确定【13】 许艳在基于改进遗传算法的自动组卷研究中提到： 在自动组卷系统中，一些试题库设置了试题的各类属性，如章节、层次、要求、题型、难度系数、难度级别、各章节分值等属性，其实过多的属性会增加实际组卷的难度，降低效率。以HYPERLINK /jiaoyu/教育学理论为指导，选择以下属性作为试题的核心属性。 ??? (1)题号。试题的编号，用来唯一标识试题。 ??? (2)题型。试题的类型。 ??? (3)知识点。某道题属于某门课程的哪个知识点，知识点的设置不以章节为依据，从而可以避免教材的不同对组卷造成影响。 ??? (4) 难度系数。难度系数[1]是表示某一试题的难易程度，通常用未通过率来表示，即一次HYPERLINK /考试中未答对某道试题的考生数在其总体中所占的比例。一般来说，难度系数值为0.5时，是中等难度，如果小于0.3试题太简单，如果大于0.7试题太难，对考生都会做或都不会做（难度系数为0或为1）的试题，属于无意义的试题，必须淘汰。 ??? (5)区分度。区分度[2]是指某道题对不同水平考生加以区分的能力。区分度高的试题，对学生水平有较好的鉴别力。区分度的HYPERLINK /pc/计算公式为： ??? 其中，B表示试题的区分度，H表示样本中高分组在某题上所得的平均分，L表示样本中低分组在某题上所得的平均分，K表示某题满分。高分组和低分组一般各占样本的25%～30%，最好取27%。一般来说，试题的区分度在0.4以上就被认为是很好的。在0.3～0.39之间，认为良好；在0.2～0.29之间，认为可以；在0.19以下，认为差，必须淘汰或加以修改。对在校学生的达标考试，试卷的区分度不宜太高，因为它不是选拔性质的考试。但也不能过低，否则对学生的鉴别效果差，不能很好的达到考试的目的。一般区分度控制在0.2～0.3之间为宜。 ??? (6)