智能组卷系统设计文献综述.doc

智能组卷系统设计文献综述 文献综述 智能组卷系统设计 前言部分 随着互联网的普及,网络正改变着人们社会生活的各个方面,同时也改变着我国教育领域各个层次的教学方法、教学手段和教学内容。目前在国内外,远程教育、在线智能学习系统等相关形式的计算机辅助教育已经逐渐成为教育领域中一股不可忽视的生力军。网络的快速便捷及普及为传统教育的提供了新型的教育方式,使得传统教育打破了拘泥于时间、空间形式上的限制,使得人们在任何时间、任何地点学习成为可能。对于工作、生活节奏越来越快的现代社会,在线学习系统能充分利用现代信息技术,建立了最有效、最经济的学习方式,充分发挥了现有的各种优秀的教育资源,为迅速提高我国国民基本文化素质,为我国终身教育体系的构建和学习型社会的建设提供了行之有效的方法。 而在线学习系统中,智能组卷系统是其中非常重要的部分,对智能组卷系统的研究也成为了该领域的一个热点。传统的组卷方式仍然停留在依靠教师在海量题库中选择试题的阶段,完全靠个人主观经验确定考查的知识点 难度和历次考试重复率等重要信息,造成组卷的工作量大且效率不高 同时整张试卷的质量也仅仅由组卷人主观决定,不能对试卷进行一个统筹的合理评判。[1] 综上特点,研究基于计算机和网络的在线智能组卷系统成为了必然。 (一)有关概念 智能组卷系统[2]所谓自动智能组卷系统,是将人工智能技术与人类教育专家的组卷知识和经验结合起来,由计算机来完成试卷内容的设计,且使得由计算机所生成的试卷达到专家级水平。具体说就是利用现代教育理论和计算机技术,从已经生成的题库中选出自动生成满足教学和教师包括考试内容、章、节、题目类型、难度等一系列要求的各类试题。 “人工智能”[3]一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。从计算机应用系统的角度出发,人工智能是研究如何制作智能机器和智能系统,来模拟人类智能活动的能力以延伸人们智能的科学。如果仅从技术的角度来看,人工智能要解决的问题是如何是电脑表现智能化,使电脑能更灵活方法有效的为人类服务。 遗传算法[4]以其自适应寻优及良好的智能搜索技术得到了广泛的应用。Potts J. C.等人基于变异和人工选择的遗传算法对最优群体规模进行了论述; Hamilton M. A.等结合遗传算法把其运用到神经网络中, 并取得了良好的效果; 也有众多的学者对收敛速度做了讨论。通过理论推导和实际运用, 发现遗传算法在寻优和收敛性方面都是非常有效的。它尤其适用于处理传统搜索方法难于解决的复杂问题和非线性问题, 可广泛应用于组合优化、 机器学习、 自适应控制、 规划设计和人工生命等领域[5]。 (二)综述范围 本文论述的是一个智能系统的考试,其实现了题库管理、自动组卷、生成试卷。其中自动组卷作为系统的主要功能是基于遗传算法设计的,按照用户的要求,结合专家经验生成的组卷策略,按照算法从题库中抽出相应的题目组成试卷。 本文将首先介绍几种传统的优化方法,然后介绍遗传算法的基本原理、特点,以及与其它几种算法的不同点。结合分析了本系统的功能组成,并着重进行了组卷相关的分析,建立组卷数学模型,把组卷问题转化为约束条件下的多目标优化问题。解决了此问题就解决了自动组卷问题。 (三)相关争论焦点 对于任何一个具体的优化问题,调节遗传算法的参数可能会有利于更好的更快的收敛,这些参数包括个体数目、交叉率和变异率。例如太大的变异率会导致丢失最优解,而过小的变异率会导致算法过早的收敛于局部最优点。对于这些参数的选择,现在还没有实用的上下限。适应度函数对于算法的速度和效果也很重要。 二、主题部分 (一)历史背景及发展方向 组卷系统的诞生是从计算机用于教学开始的,那时的组卷系统并没有一个明确的概念,并且也不是计算机辅助教学的重点,只是用于一个小型的试卷库对学生进行简单的测验。到上世纪 60 年代初,伴随着计算机辅助教学CAI的发展智能考试系统才逐步完善起来的,其中包括考试系统、课表编排、管理教学系统等。这个阶段的辅助教学系统利用计算机为媒介,通过存入计算机程序(教案)运行来实现课堂教学、辅助答疑、实验仿真以及测验考试等教学活动的综合技术是当时国外教学技术领域中最重要、最活跃的组成部分之一。自 70 年代开始,一些研究者开始把人工智能AI的基本技术引进到计算机辅助教学中,组卷系统作为计算机辅助教学一个侧面有了很大的提高,并在教学中发挥越来越大的重要性。此后,自动组卷系统作为试题库系统的一个重要子系统出现。 在试题库系统的研究上,国外对标准化考试系统建立的试题库软件系统有美国的 TOEFL, GRE, GMAT考试计算机系统[6],新加坡的化学标