CN106781865A - 一种基于双向细目表模式识别的智能组卷方法及系统 - Google Patents

一种基于双向细目表模式识别的智能组卷方法及系统 Download PDF

Info

Publication number
CN106781865A
CN106781865A CN201611226292.6A CN201611226292A CN106781865A CN 106781865 A CN106781865 A CN 106781865A CN 201611226292 A CN201611226292 A CN 201611226292A CN 106781865 A CN106781865 A CN 106781865A
Authority
CN
China
Prior art keywords
examination question
question
examination
test
test paper
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611226292.6A
Other languages
English (en)
Inventor
胡钦太
黄昌勤
张瑜
卢春和
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU CREATEVIEW OPTOELECTRONICS TECHNOLOGY Co Ltd
South China Normal University
Original Assignee
GUANGZHOU CREATEVIEW OPTOELECTRONICS TECHNOLOGY Co Ltd
South China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GUANGZHOU CREATEVIEW OPTOELECTRONICS TECHNOLOGY Co Ltd, South China Normal University filed Critical GUANGZHOU CREATEVIEW OPTOELECTRONICS TECHNOLOGY Co Ltd
Priority to CN201611226292.6A priority Critical patent/CN106781865A/zh
Publication of CN106781865A publication Critical patent/CN106781865A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于双向细目表模式识别的智能组卷方法及系统,系统包括题库接口、双向表模式库、智能组卷策略模块、互动式试题编制器和试题输出接口,题库接口分别与互动式试题编制器和智能组卷策略模块连接,智能组卷策略模块的输出端与互动式试题编制器的输入端连接,智能组卷策略模块还与双向表模式库连接,互动式试题编制器还分别与双向表模式库以及试题输出接口连接。本发明采用了基于双向细目表的双向表模式库,质量更高;在智能组卷策略模块以双向细目表为基础将模式识别中的自动识别原理应用来进行自动化组卷操作,提高了组卷的效率;增设了互动式试题编制器,易于维护且更加灵活。本发明可广泛应用于教育信息化领域。

Description

一种基于双向细目表模式识别的智能组卷方法及系统
技术领域
本发明涉及教育信息化领域,尤其是一种基于双向细目表模式识别的智能组卷方法及系统。
背景技术
在智能组卷系统的研究领域,国外对标准化考试系统建设的研究已经逐步成熟,美国已经率先在 TOEFL、GRE等大型考试上采用了计算机系统考试。新加坡也已经在化学考试中利用计算机系统实现标准化考试。但是这些智能组卷系统虽然实现了组卷流程简易、试题管理方便等诸多优点,但是它也在组卷功能上存在着针对性、随机性太强的缺点。由于软件算法和软件研发人员水平的不同,软件的组卷规模和试卷的质量参次不齐,存在着功能单一、通用性弱、用户人群不普遍等不足。
目前,出现了一些专用的自动组卷系统,按照试题的数据结构和生成算法可大致分为三种:以随机算法为主的自动组卷系统、以回溯试探法为主的自动组卷系统和以人工智能算法为主的自动组卷系统。采用随机算法的组卷系统是最早出现的自动组卷系统中的一种,它利用计算机内部产生的随机数产生一批题目在题库中的流水号,并且从题库中按照此流水号抽取一定数量的试题构成试卷。采用随机算法的组卷系统组卷迅速、算法结构简单,但是由于其随机选取的试卷对于命题要点的把握度不够,因而其在多种约束条件下不能满足较高的教学实践中的组卷要求。如果高校想利用这样的系统去完成多目标、高质量的组卷任务,那么组卷软件就必须满足用户提出的各种要求,即系统需要在各种约束条件下不断地重复产生随机流水号,选择试题,判断是否符系统要求,剔除不符合条件的题目,然后再选取流水号的操作,如果一直无法随机到合适的流水号,那么系统就很容易陷入死循环状态。为了避免采用随机算法的组卷系统这一缺点,研究人员在经过大量研究后提出了基于回溯算法的组卷系统。回溯法以固定次序对变量依次进行试探操作,当查找到的新变量与原变量不一致时,算法试探结束,退回到试探前的上一状态,并且开始尝试对变量域中的其它值进行比对,直到试题域中所有的值都被试探比对过后算法结束。对于利用回溯法的软件来说,系统从软件界面获取组卷约束条件信息后,首先从题库中随机一道随机产生的试题开始组卷,并在组卷过程中不断比对题目信息与约束条件;当约束条件的目标函数越来越多,选取题目信息已经不能满足约束条件的情况下向前回溯, 并且修改已经选择过的试题信息,剔除此已经选择过的题目信息以打破无法向前继续试题的僵局。回溯算法在一定程度上避免了随机算法的抽取题目信息时的盲目性操作,但是回溯算法存在只有到无法进行向前试探时才能被动地对约束条件进行调整的缺点;并且其不能预先规避可能出现的无效信息,也不能预测题目信息与约束条件相相互矛盾时的具体时间。而以人工智能算法为主的自动组卷系统结合了上述两种算法的优点,并且针对随机算法和回溯算法的缺点都进行了一些改进。人工智能算法在抽题过程中会根据预先获得的专家组卷经验和试卷考量的针对点进行试题搜索,由于这样的系统一般都会建立相应的人工智能推理机制和相应专家知识库,因此在试卷质量和组卷成功率方面都有相当大的保证,但是基于人工智能算法的组卷系统也存在不易维护和灵活性较差等方面的缺点。
随着计算机软硬件的发展、人工智能技术和组合数学理论的飞速发展,寻求新的组卷算法来建立高质量、高效率、易维护和灵活的智能组卷系统迫在眉睫。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种高质量、高效率、易于维护和灵活的,基于双向细目表模式识别的智能组卷系统。
本发明的另一目的在于:提供一种高质量和高效率的,基于双向细目表模式识别的智能组卷方法。
本发明所采取的技术方案是:
一种基于双向细目表模式识别的智能组卷系统,包括:
题库接口,用于从试题库中选择所需的题目;
双向表模式库,用于建立多种考试形式的双向细目表模式,供用户在组卷时进行选择,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
智能组卷策略模块,用于根据用户选择的双向细目表模式运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作;
互动式试题编制器,用于提供互动式的试题预览和试题选择,以在自动化组卷操作得到的试题未满足用户的要求时重新进行试题选择;
试题输出接口,用于在试题满足用户的要求后将试题进行输出;
所述题库接口分别与互动式试题编制器和智能组卷策略模块连接,所述智能组卷策略模块的输出端与互动式试题编制器的输入端连接,所述智能组卷策略模块还与双向表模式库连接,所述互动式试题编制器还分别与双向表模式库以及试题输出接口连接。
进一步,所述题库接口根据设定的考试指标从试题库中选择所需的题目,所述设定的考试指标包括但不限于考试所针对的知识点类型,考试类型,题目的难度以及分值,所述试题库中的题目按照双向细目表的属性要求进行标注;所述双向表模式库中多种考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试。
进一步,所述智能组卷策略模块包括:
双向细目表模式获取单元,用于从双向表模式库获取用户选择的双向细目表模式;
题目自动匹配与试题调度单元,用于根据用户选择的双向细目表模式采用最优路径寻找算法,按照整体偏离目标模式最小的原则从试题库中寻找出最合适的题目来组成复合目标模式的最优试题,以完成自动化组卷操作;
输出单元,用于将组成复合目标模式的最优试题进行输出;
所述题目自动匹配与试题调度单元分别和双向细目表模式获取单元、题库接口以及输出单元连接,所述双向细目表模式获取单元还与双向表模式库连接,所述输出单元还与互动式试题编制器的输入端连接。
进一步,所述互动式试题编制器包括:
试题预览单元,用于对试题进行预览;
判断单元,用于判断试题是否满足用户的要求,若是,则直接跳至试题输出接口,反之,则转至试题重选择单元;
试题重选择单元,用于重新进行试题选择,直到试题满足用户的要求;
所述试题预览单元的输入端与智能组卷策略模块的输出端连接,所述试题预览单元还与判断单元连接,所述判断单元还与试题重选择单元连接,所述试题重选择单元还分别与试题输出接口、题库接口和双向表模式库连接。
进一步,所述试题输出接口包括:
试题打印接口,用于直接打印试题;
试题导出接口,用于将试题导出至在线考试系统;
所述试题打印接口和试题导出接口均与互动式试题编制器连接。
本发明所采取的另一技术方案是:
一种基于双向细目表模式识别的智能组卷方法,包括以下步骤:
建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
按照双向细目表的导引编辑试题模式,并根据不同的考试形式由不同的试题模式组成试题模式库;
根据考试的目标进行试题条件设置和试题模式选择;
进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题;
通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出。
进一步,所述建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注这一步骤,其包括:
根据考试所针对的知识点类型,考试类型和试题的难度,进行试题的编辑分值设置,以根据考试所针对的知识点类型,考试类型,试题的难度和编辑分值建立试题库;
对试题库中的每一道试题按照双向细目表的属性要求进行标注。
进一步,所述不同的考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试,所述试题条件包括但不限于考试的类型、难度和题量。
进一步,所述进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题这一步骤,其包括:
确定试题调度策略,并以目标模式为依据,在试题库的支持下确定逼近目标模式的试题调度方法,所述逼近目标模式的试题调度方法到试题库中寻找最适合目标模式的已有题目,并对于在试题库中无最适合目标模式已有题目的题目,依据总体最接近的原则来组合成一份试题库中已有题目的有效组合;
以选择的试题模式作为目标模式,采用逼近目标模式的试题调度方法进行题目自动匹配,得到一份最接近目标模式的试题。
进一步,所述通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出这一步骤,其包括:
S11、通过互动式试题编制器对试题进行预览;
S12、判断自动化组卷操作得到的试题是否满足用户的要求,若是,则执行步骤S13,反之,则执行步骤S14;
S13、转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出;
S14、逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出。
本发明的系统有益效果是:包括题库接口、双向表模式库、智能组卷策略模块、互动式试题编制器和试题输出接口,采用了基于双向细目表的双向表模式库,能建立多种考试形式的双向细目表模式,满足了多目标约束条件的要求,质量更高;在智能组卷策略模块以双向细目表为基础将模式识别中的自动识别原理应用来进行自动化组卷操作,加快了算法的收敛速度和提高了组卷的效率;增设了互动式试题编制器,能在自动化组卷操作的结果无法满足用户的要求时允许用户通过互动的方式进行自定义组卷,易于维护且更加灵活。
本发明的方法有益效果是:包括按照双向细目表的导引编辑试题模式,并根据不同的考试形式由不同的试题模式组成试题模式库的步骤,采用了基于双向细目表的试题模式库,能建立多种考试形式的双向细目表模式,满足了多目标约束条件的要求,质量更高;包括进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题的步骤,以双向细目表为基础将模式识别中的自动识别原理应用来进行自动化组卷操作,加快了算法的收敛速度和提高了组卷的效率;包括通过互动式试题编制器对试题进行预览和在自动化组卷操作无法满足用户的要求时通过互动式试题编制器进行试题预览和重新选题的步骤,能在自动化组卷操作的结果无法满足用户的要求时允许用户通过互动式试题编制器采取互动的方式进行自定义组卷,易于维护且更加灵活。
附图说明
图1为本发明一种基于双向细目表模式识别的智能组卷系统的整体结构框图;
图2为本发明一种基于双向细目表模式识别的智能组卷方法的步骤流程图;
图3为本发明实施例一的组卷算法流程图。
具体实施方式
参照图1,一种基于双向细目表模式识别的智能组卷系统,包括:
题库接口,用于从试题库中选择所需的题目;
双向表模式库,用于建立多种考试形式的双向细目表模式,供用户在组卷时进行选择,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
智能组卷策略模块,用于根据用户选择的双向细目表模式运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作;
互动式试题编制器,用于提供互动式的试题预览和试题选择,以在自动化组卷操作得到的试题未满足用户的要求时重新进行试题选择;
试题输出接口,用于在试题满足用户的要求后将试题进行输出;
所述题库接口分别与互动式试题编制器和智能组卷策略模块连接,所述智能组卷策略模块的输出端与互动式试题编制器的输入端连接,所述智能组卷策略模块还与双向表模式库连接,所述互动式试题编制器还分别与双向表模式库以及试题输出接口连接。
进一步作为优选的实施方式,所述题库接口根据设定的考试指标从试题库中选择所需的题目,所述设定的考试指标包括但不限于考试所针对的知识点类型,考试类型,题目的难度以及分值,所述试题库中的题目按照双向细目表的属性要求进行标注;所述双向表模式库中多种考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试。
参照图1,进一步作为优选的实施方式,所述智能组卷策略模块包括:
双向细目表模式获取单元,用于从双向表模式库获取用户选择的双向细目表模式;
题目自动匹配与试题调度单元,用于根据用户选择的双向细目表模式采用最优路径寻找算法,按照整体偏离目标模式最小的原则从试题库中寻找出最合适的题目来组成复合目标模式的最优试题,以完成自动化组卷操作;
输出单元,用于将组成复合目标模式的最优试题进行输出;
所述题目自动匹配与试题调度单元分别和双向细目表模式获取单元、题库接口以及输出单元连接,所述双向细目表模式获取单元还与双向表模式库连接,所述输出单元还与互动式试题编制器的输入端连接。
参照图1,进一步作为优选的实施方式,所述互动式试题编制器包括:
试题预览单元,用于对试题进行预览;
判断单元,用于判断试题是否满足用户的要求,若是,则直接跳至试题输出接口,反之,则转至试题重选择单元;
试题重选择单元,用于重新进行试题选择,直到试题满足用户的要求;
所述试题预览单元的输入端与智能组卷策略模块的输出端连接,所述试题预览单元还与判断单元连接,所述判断单元还与试题重选择单元连接,所述试题重选择单元还分别与试题输出接口、题库接口和双向表模式库连接。
参照图1,进一步作为优选的实施方式,所述试题输出接口包括:
试题打印接口,用于直接打印试题;
试题导出接口,用于将试题导出至在线考试系统;
所述试题打印接口和试题导出接口均与互动式试题编制器连接。
参照图2,一种基于双向细目表模式识别的智能组卷方法,包括以下步骤:
建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
按照双向细目表的导引编辑试题模式,并根据不同的考试形式由不同的试题模式组成试题模式库;
根据考试的目标进行试题条件设置和试题模式选择;
进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题;
通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出。
进一步作为优选的实施方式,所述建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注这一步骤,其包括:
根据考试所针对的知识点类型,考试类型和试题的难度,进行试题的编辑分值设置,以根据考试所针对的知识点类型,考试类型,试题的难度和编辑分值建立试题库;
对试题库中的每一道试题按照双向细目表的属性要求进行标注。
进一步作为优选的实施方式,所述不同的考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试,所述试题条件包括但不限于考试的类型、难度和题量。
进一步作为优选的实施方式,所述进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题这一步骤,其包括:
确定试题调度策略,并以目标模式为依据,在试题库的支持下确定逼近目标模式的试题调度方法,所述逼近目标模式的试题调度方法到试题库中寻找最适合目标模式的已有题目,并对于在试题库中无最适合目标模式已有题目的题目,依据总体最接近的原则来组合成一份试题库中已有题目的有效组合;
以选择的试题模式作为目标模式,采用逼近目标模式的试题调度方法进行题目自动匹配,得到一份最接近目标模式的试题。
进一步作为优选的实施方式,所述通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出这一步骤,其包括:
S11、通过互动式试题编制器对试题进行预览;
S12、判断自动化组卷操作得到的试题是否满足用户的要求,若是,则执行步骤S13,反之,则执行步骤S14;
S13、转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出;
S14、逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出。
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
实施例一
组卷是在有限试题资源下进行的多目标设计,不同的约束条件之间存在着相互影响,因此组卷算法需要对多目标约束条件进行综合评价,而对于一个具有几千道试题的大型试题库而言,符合组卷要求的试题组合类型是很多的,还要结合之前抽取题目的次数和前一次该题被抽取的时间来综合考量试题是否被选作本次试卷库。而在组卷时,每道试题基本都带有知识点分布、认知领域分布和试题类型等指标,且各指标值带有一定的对测试样本的相对性和近似性,组卷过程也会受到试题库中题型分布范围的影响,因此误差在组卷过程中不可避免,这种误差既有消极的一面,又具有积极的一面,因此在设计组卷算法时必须采用一定的误差控制策略,以减少近似性对组卷质量的影响。而目前的组卷系统受到多目标约束条件和所采用的组卷算法的限制,并不能很好的解决上述问题。随着计算机软硬件的发展、人工智能技术和组合数学理论的飞速发展,寻求新的组卷算法来建立高质量、高效率、易维护和灵活的智能组卷系统迫在眉睫。
为此,本发明提出了一种基于双向细目表模式识别的智能组卷方法及系统,引进了双向细目表,能够在题库系统支持下,利用双向细目表模式为组卷模板,通过自动或互动方式生成各种考试类型的试题,实现了高质量、高效率、易维护和灵活的智能化组卷,促进了教学目标、教学内容改革与教学评价方式的结合。
如图1所示,该智能组卷系统包括题库接口、双向表模式库、智能组卷策略模块、互动式试题编制器和试题输出接口。其中,试题输出接口是该组卷系统的输出部分,可以直接打印试题,也可以向在线考试系统导出试题。题库接口,用于从试题库当中选择合适的题目。该智能组卷系统只需要一个题库接口,不需要一个完整的题库管理系统,题目的编辑以及题目的类型、分值的设置,均由试题库来独立完成,而题库接口会根据考试所针对的知识点类型,考试类型,题目的难度以及分值来选择是题库当中的适合的题目。双向模式库,用于建立多种考试形式的双向细目表模式,用户在组卷时可以从多种双向细目表模式当中选取一种最接近用户需求的模式,从而在试题库已有模式的基础上进行编辑。智能组卷策略模块则运用了模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库当中选择最合适的题目来组成复合目标模式的最优试题。智能组卷策略模块对于同一个知识点,指定的试题类型和分值,在几个可选的试题当中,按照整体偏离最小的原则来选择适合的题目。在自动组卷未取得用户满意试题的情况下,互动式试题编辑器还提供了互动式的试题预览、试题重选择的功能。
双向细目表(two-way checklist)是一个由测量的内容材料维度和行为技能所构成的表格,它能帮助测量工具的编制者决定应该选择哪些方面的题目以及各类型题目应占的比例。根据双向细目表来命题,是一种科学规划考试评价、科学测量学生知识、能力水平以及科学评价教师教学质量的手段,逐渐成为试卷模式的主要原型,但目前的智能组卷系统尚未引入双向细目表这一概念。
本智能组卷系统中的双向表模式库部分通过双向细目模式表的运用,使得人工智能中的搜索算法执行过程能够快速地收敛,而智能组卷策略模块按照双向模式的指引,采用最优路径的算法,很快可以找到满足用户需求的试题组合。
如图3所示,本实施例的智能组卷过程的具体步骤如下:
(1)建立试题库:根据考试知识点的类型和难度,进行试题的编辑分值的设置,而试题库中的每一道试题都需要按照双向细目表的属性要求进行标注,以便系统进行调用。
(2)编辑试题模式。
编辑试题模式是按照双向细目表的导引,参照单元测验、章节测验、专题考试、综合测试和学科测试等考试的形式建立二维表,组成一个标准的试卷。该基于双向细目表的二维表体现了一份试题当中知识点的分布,题型的分布,以及分值的设定(例如满分可以是100分,也可以是其他设定的总分)。
(3)将不同的试题模式共同组成试题模式库,并根据考试的目标进行试题条件设置和试题模式选择。试题条件设置是在进行一份试题设计前依据考试的目标先确定好考试的类型、难度、题量等,此设置过程可在提供预设选择项的界面当中进行选择。试题模式选择是用户根据考试的目标从试题模式库中选取一种试题模式来进行组卷。试题模式库是智能组卷算法收敛的基本保证,能提高组卷的效率。本发明的试题模式库基于双向表,又与教学中常见的单元测验,章节测验,专题考试,综合考试等类型进行具体的分化,还与学科相关。
(4)试题调度。不同的试题调度策略提供逼近目标模式的不同方法。试题调度是依据试题调度的策略,以试题模式为依据,在试题库的支持下来完成的一个跨模块的综合行为。
(5)在完成当次的题目条件设置和试题模式选择以后,可通过题目自动匹配的方式到试题库当中寻找最接近试题模式的题目的组合。有一些题目或许在试题库没有最恰当的题目,此时则依据总体最接近的原则来组合成一份试题库中已有题目的有效组合,以得到最接近目标模式的完整试题。智能组卷策略模块在进行题目自动匹配时,以现有的试题库支持为基础,努力向目标模式逼近,如果没有合适的题目,尽量选择偏差小的试题,而在多个题目符合的条件下,可以采取平均机率的算法来获取最合适的题目。
(6)在通过自动组卷的方式得出一份完整试题以后,使用互动式试题编制器来预览试题,并判定自动组卷得到的试题是否满足用户的要求,如果自动组卷得到的试题已经满足了用户的要求,就转到试题输出接口直接进行输出处理;如果自动组卷得到的试题中的某些题目不满足用户的要求,就转到互动式试题编制器,逐道题进行预览及重新选题,直到最终取得满意的试题组合后转到试题输出接口进行输出处理。
自动组卷得到的试题局部不满足用户的要求情况下,本发明允许通过自定义组卷的方式,互动地通过互动式试题编制器进行部分题目的预览与重新选择,此时组卷系统可从试题库中选择最适合的几个题目作为备选题目,推荐给用户。
而根据各校的应用实际,试题输出接口可采取比较灵活的机制:既可以支持即时的纸介试题打印服务,又可支持与在线考试系统的连接导出服务。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于双向细目表模式识别的智能组卷系统,其特征在于:包括:
题库接口,用于从试题库中选择所需的题目;
双向表模式库,用于建立多种考试形式的双向细目表模式,供用户在组卷时进行选择,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
智能组卷策略模块,用于根据用户选择的双向细目表模式运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作;
互动式试题编制器,用于提供互动式的试题预览和试题选择,以在自动化组卷操作得到的试题未满足用户的要求时重新进行试题选择;
试题输出接口,用于在试题满足用户的要求后将试题进行输出;
所述题库接口分别与互动式试题编制器和智能组卷策略模块连接,所述智能组卷策略模块的输出端与互动式试题编制器的输入端连接,所述智能组卷策略模块还与双向表模式库连接,所述互动式试题编制器还分别与双向表模式库以及试题输出接口连接。
2.根据权利要求1所述的一种基于双向细目表模式识别的智能组卷系统,其特征在于:所述题库接口根据设定的考试指标从试题库中选择所需的题目,所述设定的考试指标包括但不限于考试所针对的知识点类型,考试类型,题目的难度以及分值,所述试题库中的题目按照双向细目表的属性要求进行标注;所述双向表模式库中多种考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试。
3.根据权利要求1所述的一种基于双向细目表模式识别的智能组卷系统,其特征在于:所述智能组卷策略模块包括:
双向细目表模式获取单元,用于从双向表模式库获取用户选择的双向细目表模式;
题目自动匹配与试题调度单元,用于根据用户选择的双向细目表模式采用最优路径寻找算法,按照整体偏离目标模式最小的原则从试题库中寻找出最合适的题目来组成复合目标模式的最优试题,以完成自动化组卷操作;
输出单元,用于将组成复合目标模式的最优试题进行输出;
所述题目自动匹配与试题调度单元分别和双向细目表模式获取单元、题库接口以及输出单元连接,所述双向细目表模式获取单元还与双向表模式库连接,所述输出单元还与互动式试题编制器的输入端连接。
4.根据权利要求1所述的一种基于双向细目表模式识别的智能组卷系统,其特征在于:所述互动式试题编制器包括:
试题预览单元,用于对试题进行预览;
判断单元,用于判断试题是否满足用户的要求,若是,则直接跳至试题输出接口,反之,则转至试题重选择单元;
试题重选择单元,用于重新进行试题选择,直到试题满足用户的要求;
所述试题预览单元的输入端与智能组卷策略模块的输出端连接,所述试题预览单元还与判断单元连接,所述判断单元还与试题重选择单元连接,所述试题重选择单元还分别与试题输出接口、题库接口和双向表模式库连接。
5.根据权利要求1-4任一项所述的一种基于双向细目表模式识别的智能组卷系统,其特征在于:所述试题输出接口包括:
试题打印接口,用于直接打印试题;
试题导出接口,用于将试题导出至在线考试系统;
所述试题打印接口和试题导出接口均与互动式试题编制器连接。
6.一种基于双向细目表模式识别的智能组卷方法,其特征在于:包括以下步骤:
建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注,所述双向细目表是一个由测量的内容材料维度和行为技能所构成的表格,用于辅助用户选择考试的题目以及各类型题目所占的比例;
按照双向细目表的导引编辑试题模式,并根据不同的考试形式由不同的试题模式组成试题模式库;
根据考试的目标进行试题条件设置和试题模式选择;
进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题;
通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出。
7.根据权利要求6所述的一种基于双向细目表模式识别的智能组卷方法,其特征在于:所述建立试题库,并按照双向细目表的属性要求对试题库中的题目进行标注这一步骤,其包括:
根据考试所针对的知识点类型,考试类型和试题的难度,进行试题的编辑分值设置,以根据考试所针对的知识点类型,考试类型,试题的难度和编辑分值建立试题库;
对试题库中的每一道试题按照双向细目表的属性要求进行标注。
8.根据权利要求6所述的一种基于双向细目表模式识别的智能组卷方法,其特征在于:所述不同的考试形式包括但不限于单元测验、章节测验、专题考试、综合测试和学科测试,所述试题条件包括但不限于考试的类型、难度和题量。
9.根据权利要求6所述的一种基于双向细目表模式识别的智能组卷方法,其特征在于:所述进行题目自动匹配与试题调度,根据试题模式和试题条件运用模式识别中的自动识别原理,按照整体偏离目标模式最小的原则从试题库中选择最合适的题目来完成自动化组卷操作,得到一份完整的试题这一步骤,其包括:
确定试题调度策略,并以目标模式为依据,在试题库的支持下确定逼近目标模式的试题调度方法,所述逼近目标模式的试题调度方法到试题库中寻找最适合目标模式的已有题目,并对于在试题库中无最适合目标模式已有题目的题目,依据总体最接近的原则来组合成一份试题库中已有题目的有效组合;
以选择的试题模式作为目标模式,采用逼近目标模式的试题调度方法进行题目自动匹配,得到一份最接近目标模式的试题。
10.根据权利要求6-9任一项所述的一种基于双向细目表模式识别的智能组卷方法,其特征在于:所述通过互动式试题编制器对试题进行预览,判断自动化组卷操作得到的试题是否满足用户的要求,若是,则转到试题输出接口对试题进行输出;反之,则逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后通过试题输出接口进行输出这一步骤,其包括:
S11、通过互动式试题编制器对试题进行预览;
S12、判断自动化组卷操作得到的试题是否满足用户的要求,若是,则执行步骤S13,反之,则执行步骤S14;
S13、转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出;
S14、逐道试题进行试题预览和重新选题,直到最终取得满足用户的要求的试题后转到试题输出接口,将试题通过打印或导出至在线考试系统的方式进行输出。
CN201611226292.6A 2016-12-27 2016-12-27 一种基于双向细目表模式识别的智能组卷方法及系统 Pending CN106781865A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611226292.6A CN106781865A (zh) 2016-12-27 2016-12-27 一种基于双向细目表模式识别的智能组卷方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611226292.6A CN106781865A (zh) 2016-12-27 2016-12-27 一种基于双向细目表模式识别的智能组卷方法及系统

Publications (1)

Publication Number Publication Date
CN106781865A true CN106781865A (zh) 2017-05-31

Family

ID=58920980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611226292.6A Pending CN106781865A (zh) 2016-12-27 2016-12-27 一种基于双向细目表模式识别的智能组卷方法及系统

Country Status (1)

Country Link
CN (1) CN106781865A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220917A (zh) * 2017-06-06 2017-09-29 高岩峰 一种自动生成等价测题的系统
CN107862927A (zh) * 2017-11-23 2018-03-30 北京青果时代教育科技有限公司 一种错题整理方法及装置
CN107977805A (zh) * 2018-01-19 2018-05-01 重庆城市管理职业学院 教学教务数据化管理平台及方法
CN111179132A (zh) * 2019-12-30 2020-05-19 中山大学新华学院 一种具有交互性的学习服务系统
CN112699283A (zh) * 2020-12-28 2021-04-23 科大讯飞股份有限公司 试卷生成方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1932795A (zh) * 2006-10-10 2007-03-21 青岛中科恒信信息技术有限公司 考试试卷智能命题组卷系统
CN102184345A (zh) * 2011-06-27 2011-09-14 山东地纬计算机软件有限公司 基于遗传算法的组卷方法
CN102436547A (zh) * 2011-10-24 2012-05-02 北京商纳科技有限公司 一种教学用错题统计方法及系统
CN105095619A (zh) * 2014-05-07 2015-11-25 北大方正集团有限公司 试题信息处理方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1932795A (zh) * 2006-10-10 2007-03-21 青岛中科恒信信息技术有限公司 考试试卷智能命题组卷系统
CN102184345A (zh) * 2011-06-27 2011-09-14 山东地纬计算机软件有限公司 基于遗传算法的组卷方法
CN102436547A (zh) * 2011-10-24 2012-05-02 北京商纳科技有限公司 一种教学用错题统计方法及系统
CN105095619A (zh) * 2014-05-07 2015-11-25 北大方正集团有限公司 试题信息处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
钱爱增: "基于命题双向细目表的组卷策略研究", 《中国医学教育技术》 *
陈志威: ""自动组卷算法分析与研究"", 《科技广场》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220917A (zh) * 2017-06-06 2017-09-29 高岩峰 一种自动生成等价测题的系统
CN107220917B (zh) * 2017-06-06 2020-05-08 高岩峰 一种自动生成等价测题的系统
CN107862927A (zh) * 2017-11-23 2018-03-30 北京青果时代教育科技有限公司 一种错题整理方法及装置
CN107977805A (zh) * 2018-01-19 2018-05-01 重庆城市管理职业学院 教学教务数据化管理平台及方法
CN111179132A (zh) * 2019-12-30 2020-05-19 中山大学新华学院 一种具有交互性的学习服务系统
CN112699283A (zh) * 2020-12-28 2021-04-23 科大讯飞股份有限公司 试卷生成方法及装置
CN112699283B (zh) * 2020-12-28 2023-12-01 科大讯飞股份有限公司 试卷生成方法及装置

Similar Documents

Publication Publication Date Title
CN106781865A (zh) 一种基于双向细目表模式识别的智能组卷方法及系统
CN109727169A (zh) 基于工作岗位的员工培训内容推送及接收方法和系统
Song et al. Influence of basic research investment on corporate performance: Exploring the moderating effect of human capital structure
Pallathadka et al. Investigating the impact of artificial intelligence in education sector by predicting student performance
CN109886651A (zh) 一种机构内部的众测管理方法及系统
Abhyankar et al. A realist evaluation of a normal birth programme
CN111950890A (zh) 一种新高考走班排课系统
DiGiano et al. Collaboration design patterns: conceptual tools for planning for the wireless classroom
CN111242814A (zh) 人机智联个性化精准化自适应互动教学系统
CN109903831A (zh) 一种用于儿童康复的智能评测训练系统
Cheng et al. Neural cognitive modeling based on the importance of knowledge point for student performance prediction
Zuo Construction of teaching quality monitoring system in applied university under information technology environment
Anupama et al. Recommendation system using deep learning to predict suitable academic path for higher secondary students
Broadbent Information needs for rural development
Yan et al. Research and application of a high-efficiency teaching framework based on smart classroom
Gao et al. Evaluation method of creative dance teaching quality based on fuzzy comprehensive evaluation
Xu et al. Challenges and countermeasures of education in the era of big data
Adam et al. Using Formative and Summative Assessments in Data Mining to Predict Students’ Final Grades
Broach Attrition in US Air Traffic Control Specialist (ATCS) Training: A Review of 50 Years of Data
CN115035753B (zh) 基于bim实景模拟+3d进度思维导图的建造师考试学习系统
Bahl et al. A framework for systems analysis for decision support systems
Emami Gharetappeh et al. Identification of the Driving Forces Affecting the Future of Research in the Field of Scientometrics in Iran based on the Characteristics of the Knowledge-Based Society
Bobriakov et al. Creation of a converged learning environment of information support for students to make decision when choosing the university educational entry trajectory
Jifang et al. Construction of intelligent service system for adolescent students’ PE based on big data analysis
Judel et al. Supporting Individualized Study Paths Using an Interactive Study Planning Tool

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531