CN114638430A - 机考考务编排方法及系统 - Google Patents
机考考务编排方法及系统 Download PDFInfo
- Publication number
- CN114638430A CN114638430A CN202210314812.8A CN202210314812A CN114638430A CN 114638430 A CN114638430 A CN 114638430A CN 202210314812 A CN202210314812 A CN 202210314812A CN 114638430 A CN114638430 A CN 114638430A
- Authority
- CN
- China
- Prior art keywords
- test paper
- examination
- information
- test
- machine room
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012360 testing method Methods 0.000 claims abstract description 202
- 230000006870 function Effects 0.000 claims description 23
- 238000013100 final test Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000012088 reference solution Substances 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013101 initial test Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000012085 test solution Substances 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011850 initial investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及互联网技术领域,公开了一种机考考务编排方法及系统,该方法包括:获取机房信息、试卷信息以及考生信息;根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;完成各场次对应机房的试卷分发。本申请能够在支持多科目混考、最大程度利用学校机房资源的基础上,保证同科目考生座位邻近度最低且试卷差异程度最大,由此,不但能够显著提高机房利用率,并且同时还能够更有效地防止作弊现象。
Description
技术领域
本申请涉及互联网领域,特别涉及互联网教育技术领域。
背景技术
随着互联网技术的快速发展,信息技术也被广泛应用于教育领域,越来越多的科目选择了机考这一节省人力、物力的方式来对学生进行学习成果的考核。
然而,目前的机考仍然无法完全满足教育行业的需求,例如,学校建设机房数量有限,无法满足大规模人数、多科目机考考试的需求。又例如,考试时易发生相邻座位考生偷看电脑屏幕、传抄答案作弊等现象,较难进行有效地监督管理。
发明内容
本申请的目的在于提供一种机考考务编排方法及系统,能够在支持多科目混考、最大程度利用学校机房资源的基础上,保证同科目考生座位邻近度最低且试卷差异程度最大,既能够显著提高机房利用率,又能够更有效地防止作弊现象。
本申请公开了一种机考考务编排方法,包括:
获取机房信息、试卷信息以及考生信息;
根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;
根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;
完成各场次对应机房的试卷分发。
在一个优选例中,所述根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果,包括以下子步骤:
随机生成n个满足硬约束条件的初始方案以构成初始排考方案集;
基于多维度软约束条件构建目标函数,以利用所述目标函数对初始排考方案的优劣进行评估;
根据目标函数值从所述初始排考方案集中选取候选排考方案集,并对所述候选排考方案进行随机组合以获得更新的排考方案集,再根据目标函数值从所述初始排考方案集和更新的排考方案集中确定最优排考方案作为排考结果。
在一个优选例中,所述多维度软约束条件包括以下之一或其任意组合:机房利用率、考试安排合理度、试卷利用率和突发情况应对能力。
在一个优选例中,所述根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,包括以下子步骤:
获取上述排考结果以及试卷信息,并根据上述排考结果将各试卷分派至对应场次的待考机房,生成试卷分派信息表,所述试卷分派信息表包含以下信息:考场信息、科目信息和试卷信息;
根据所述试卷分派信息表获取当前场次该机房安排的考试科目数,其中,若所述机房安排的考试科目数大于1,则首先采用乱序算法对不同考试科目的考生进行排座,以保证相邻座位的同科目考生最少;否则直接进行试卷乱序安排。
在一个优选例中,所述完成各场次对应机房的试卷分发的步骤中,根据所述试卷分发方案,对各试卷的乱序试题进行重新排序并输出最终的试卷分发结果,待考生登录后展示至考试界面。
在一个优选例中,所述根据所述试卷分派信息表,获取当前场次该机房安排的考试科目数,并且,若机房安排的考试科目数大于1,则首先采用乱序算法对不同考试科目的考生进行排座;否则直接进行试卷乱序安排,包括以下子步骤:
采用乱序算法对不同考试科目的考生进行排座以确定排座方案,保证相邻座位的同科目考生最少;以及
对试卷进行乱序安排,计算试卷差异程度,并根据所述排座方案为同科目的邻座考生分发差异度最大的试卷。
本申请还公开了一种机考考务编排系统包括:
获取单元,用于获取机房信息、试卷信息以及考生信息;
排考结果获取单元,用于根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;
最优排座和试卷分发方案确定单元,用于根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;
试卷分发单元,用于完成各场次对应机房的试卷分发。
本申请还公开了一种机考考务编排设备包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式中,首先根据机房信息、考生信息及排考要求设计排考算法,迭代寻优获取最优排考方案;其次,结合排考结果及试卷信息,对安排多科目考试的机房首先进行乱序排座,使得同科目考生相邻座位数最少,否则直接进行试卷乱序安排,为同科目的相邻座位考生发放差异度最大的试卷;最后,对各试卷的乱序试题进行重新排序并输出最终的试卷分发结果。
因此,本申请能够在支持多科目混考、最大程度利用学校机房资源的基础上,保证同科目考生座位邻近度最低且试卷差异程度最大,由此,不但能够显著提高机房利用率,并且同时还能够更有效地防止作弊现象。
本申请的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征A+B+C,在另一个例子中公开了特征A+B+D+E,而特征C和D是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征E技术上可以与特征C相组合,则,A+B+C+D的方案因技术不可行而应当不被视为已经记载,而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的机考考务编排方法的原理示意图;
图2是根据本申请第一实施方式的机考考务编排方法的流程示意图;
图3是根据本申请第一实施方式的机考考务编排方法的另一个流程示意图;
图4是根据本申请第二实施方式的机考考务编排系统的结构示意图。
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种机考考务编排方法,在该方法中,首先获取机房、试卷以及考生基础信息;其次,根据机房、考生信息设计排考算法进行考试安排;再根据排考结果,结合试卷信息设计试卷分发算法;最后,完成各场次对应机房的试卷分发,具体地说,其流程如图3所示,其原理与具体实现方式分别如图1和图2所示。该方法包括以下步骤:
步骤100:获取机房信息、试卷信息以及考生信息;
具体的,机房信息可包括以下之一或其任意组合:机房号、开放时间段、可排考座位数,等。
具体的,试卷信息可包括以下之一或其任意组合:试卷科目、试题内容、题号等。
具体的,考生信息可包括以下之一或其任意组合:姓名、学号、考试科目、考试时长等。
步骤200:根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果。
在本步骤中,设计排考算法,获取场次最优安排方案。该步骤基于遗传算法的原理,结合具体的排考需求设计智能排考算法。该算法首先构建目标函数来评估排考方案的优劣,然后通过对初始排考方案集进行不断的迭代寻优,获取最优的排考方案。排考方案具体可包括各考场的时间、考试科目、考生人数等安排。
下面举例说明本步骤的具体实现手段。
步骤210:获取初始排考方案集。
具体地说,在本步骤中,随机生成n个满足硬约束条件的初始方案以构成初始排考方案集。其中,该硬约束条件是指排考中必须遵循,无条件满足的条件。
步骤220:基于多维度软约束条件构建目标函数,以利用所述目标函数对初始排考方案的优劣进行评估,其中,目标函数值越高则表示排考方案的评估结果越优。
举例来说,多维度软约束条件可以是机房利用率、考试安排合理度、试卷利用率和突发情况应对能力,等等。
本步骤中,综合机房利用率、考试安排合理度、试卷利用率以及突发情况应对能力等多维度软约束条件构建目标函数,评估各方案优劣程度,以获得机房利用率最高、考试时间安排合理、试卷利用率最高且机房具有一定容余量应对突发情况的排考方案。
具体的,根据目标函数值评估初始排考方案的优劣,目标函数值越高则表示排考方案的评估结果越优。
举例来说,具体的目标函数如下所示:
Fi=ω1f1+ω2f2+ω3f3+ω4f4
上式中,Fi表示第i个排考方案的目标函数值,f1表示机房利用率,f2表示考试安排合理度,f3表示试卷利用率,f4表示突发情况应对能力。进一步的,根据上述各因素在排考任务中的重要程度,分别设置相应的权重值ω1、ω2、ω3、ω4。
更具体的,上述各参数的具体计算方式如下:
步骤230:迭代寻优,获取最优排考方案,作为排考结果。
在本步骤中,根据目标函数值从所述初始排考方案集中选取候选排考方案集,并对所述候选排考方案进行随机组合以获得更新的排考方案集,再根据目标函数值从所述初始排考方案集和更新的排考方案集中确定最优排考方案作为排考结果。
换句话说,根据所述目标函数计算各初始排考方案的目标函数值,采用选择策略从初始排考方案集中获取候选排考方案集,进行随机组合以获得更新的排考方案集,最终从初始排考方案集和更新的排考方案集中获取最优排考方案,作为排考结果。
步骤300:根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷。
本步骤通过设计试卷分发算法,获取最优排座和试卷分发方案。在本步骤中,首先根据上述排考结果生成试卷分派信息表;其次,对于安排考试科目数大于一的机房进行排座,保证同科目考生相邻座位数最少;最后,生成多套差异度最高的试卷并根据同科目考生座位相邻程度为其分发差异度最高试卷。
下面举例说明本步骤的具体实现手段。
步骤310:获取上述排考结果以及试卷信息,并根据上述排考结果将各试卷分派至对应场次的待考机房,生成试卷分派信息表,所述试卷分派信息表包含以下信息:考场信息、科目信息和试卷信息。
举例来说,试卷分派信息表如下所示:
步骤320:智能分发试卷,获取最优分发方案。
本步骤中,根据试卷分派信息表,获取当前场次该机房安排的考试科目数。若机房安排的考试科目数大于1,则首先采用乱序算法对不同考试科目的考生进行排座,保证相邻座位的同科目考生最少,其中,相邻座位包括前后左右以及斜对角座位;否则直接进行试卷乱序安排。
举例来说,参见图2,上述算法的具体实现方式如下:
步骤321:采用乱序算法对不同考试科目的考生进行排座,保证相邻座位的同科目考生最少,即,座位乱序安排。具体包括以下子步骤:
①根据各科目考生人数对考试科目进行升序排序。
②首先按顺序(即人数少的先排)对同科目考生进行排座。排座规则为:为同科目考生隔行隔列分配座位号,当考生人数大于可分配座位数时,则对剩余考生随机分配座位号;依次对各科目考生根据上述规则排座,直到所有考生座位分配完成,获得初始排座方案。
③计算排座方案中同科目考生相邻座位数。计算方法为:依次判断当前座位的前后左右以及斜对角座位是否存在同科目考生,若存在则加1,直到遍历完所有座位。
④随机变换某一考生座位,获得新的排座方案并重复步骤③。
⑤当新方案同科目考生相邻座位数少于旧方案时,保留新方案,否则重复步骤④。
⑥重复步骤④-⑤,直至相邻座位数低于设置的阈值,则输出当前方案作为最终方案;否则执行N次迭代,输出相邻座位数最少的方案作为最终方案(若相邻座位数最少的方案>1,则随机取其中一个)。
步骤322:分发试卷。
具体地说,排座完成后,对试卷进行乱序安排,计算试卷差异程度,并根据排座方案为同科目的邻座考生分发差异度最大的试卷。具体包括以下子步骤:
①生成K(4K)套差异度最高的同科目试卷。
Step1:K=1时,随机打乱初始试卷试题顺序,获得第一套试卷;
Step2:K=2时,重复进行乱序操作并计算当前乱序试卷与第一套试卷的差异度,若执行连续n次,其最大差异度无变化,则输出最大差异度对应试卷为第二套试卷,试卷差异度计算方式如下:
Step3:3K时,重复进行乱序操作并计算当前乱序试卷与已生成试卷的差异度均值(对多份试卷进行两两组合,并根据上式计算各组合试卷的差异度值,获得当前试卷与已生成试卷的差异度均值),若执行连续n次,其最大差异度均值无变化,则输出差异度均值最大的对应试卷。
②根据同科目考生座位相邻程度,为其分配差异度最高的试卷,当相邻座位数大于1时,为其分配与周围已分配试卷差异度均值最高的试卷;
③依次对各科目考生根据上述步骤分配试卷,完成试卷分发,获得试卷分发方案。
步骤400:完成各场次对应机房的试卷分发,其中,根据所述试卷分发方案,对各试卷的乱序试题进行重新排序并输出最终的试卷分发结果,待考生登录后展示至考试界面。
上述实施例的优点在于:能够在支持多科目混考、最大程度利用学校机房资源的基础上,保证同科目考生座位邻近度最低且试卷差异程度最大,由此,不但能够显著提高机房利用率,并且同时还能够更有效地防止作弊现象。
本申请的第二实施方式涉及一种机考考务编排系统,其结构如图4所示,该机考考务编排系统包括:
获取单元,用于获取机房信息、试卷信息以及考生信息;
排考结果获取单元,用于根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;
最优排座和试卷分发方案确定单元,用于根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;
试卷分发单元,用于完成各场次对应机房的试卷分发。
第一实施方式是与本实施方式相对应的方法实施方式,第一实施方式中的技术细节可以应用于本实施方式,本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是,本领域技术人员应当理解,上述机考考务编排系统的实施方式中所示的各模块的实现功能可参照前述机考考务编排方法的相关描述而理解。上述机考考务编排系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现,也可通过具体的逻辑电路而实现。本申请实施例上述机考考务编排系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施方式还提供一种计算机存储介质,其中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。
此外,本申请实施方式还提供一种机考考务编排设备,其中包括用于存储计算机可执行指令的存储器,以及,处理器;该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中,该处理器可以是中央处理单元(CentralProcessing Unit,简称“CPU”),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,简称“DSP”)、专用集成电路(Application Specific IntegratedCircuit,简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory,简称“ROM”)、随机存取存储器(random access memory,简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是,在本专利的申请文件中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中,如果提到根据某要素执行某行为,则是指至少根据该要素执行该行为的意思,其中包括了两种情况:仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中,以便在必要时可以作为修改的依据。此外应理解,在阅读了本申请的上述公开内容之后,本领域技术人员可以对本申请作各种改动或修改,这些等价形式同样落于本申请所要求保护的范围。
Claims (9)
1.一种机考考务编排方法,其特征在于,包括:
获取机房信息、试卷信息以及考生信息;
根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;
根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;
完成各场次对应机房的试卷分发。
2.如权利要求1所述的方法,其特征在于,所述根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果,包括以下子步骤:
随机生成n个满足硬约束条件的初始方案以构成初始排考方案集;
基于多维度软约束条件构建目标函数,以利用所述目标函数对初始排考方案的优劣进行评估;
根据目标函数值从所述初始排考方案集中选取候选排考方案集,并对所述候选排考方案进行随机组合以获得更新的排考方案集,再根据目标函数值从所述初始排考方案集和更新的排考方案集中确定最优排考方案作为排考结果。
3.如权利要求2所述的方法,其特征在于,所述多维度软约束条件包括以下之一或其任意组合:机房利用率、考试安排合理度、试卷利用率和突发情况应对能力。
4.如权利要求1所述的方法,其特征在于,所述根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,包括以下子步骤:
获取上述排考结果以及试卷信息,并根据上述排考结果将各试卷分派至对应场次的待考机房,生成试卷分派信息表,所述试卷分派信息表包含以下信息:考场信息、科目信息和试卷信息;
根据所述试卷分派信息表获取当前场次该机房安排的考试科目数,其中,若所述机房安排的考试科目数大于1,则首先采用乱序算法对不同考试科目的考生进行排座,以保证相邻座位的同科目考生最少;否则直接进行试卷乱序安排。
5.如权利要求1所述的方法,其特征在于,所述完成各场次对应机房的试卷分发的步骤中,根据所述试卷分发方案,对各试卷的乱序试题进行重新排序并输出最终的试卷分发结果,待考生登录后展示至考试界面。
6.如权利要求4所述的方法,其特征在于,所述根据所述试卷分派信息表,获取当前场次该机房安排的考试科目数,并且,若机房安排的考试科目数大于1,则首先采用乱序算法对不同考试科目的考生进行排座;否则直接进行试卷乱序安排,包括以下子步骤:
采用乱序算法对不同考试科目的考生进行排座以确定排座方案,保证相邻座位的同科目考生最少;以及
对试卷进行乱序安排,计算试卷差异程度,并根据所述排座方案为同科目的邻座考生分发差异度最大的试卷。
7.一种机考考务编排系统,其特征在于,包括:
获取单元,用于获取机房信息、试卷信息以及考生信息;
排考结果获取单元,用于根据所述机房信息和所述考生信息确定排考算法,并根据所述排考算法获得排考结果;
最优排座和试卷分发方案确定单元,用于根据所述排考结果和试卷信息确定试卷分发算法,并利用所述试卷分发算法确定最优排座和试卷分发方案,其中,同科目考生相邻座位数最少,并且根据同科目考生座位相邻程度为所述考生分发差异度最高试卷;
试卷分发单元,用于完成各场次对应机房的试卷分发。
8.一种机考考务编排设备,其特征在于,包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如权利要求1至6中任意一项所述的方法中的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如权利要求1至7中任意一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314812.8A CN114638430A (zh) | 2022-03-28 | 2022-03-28 | 机考考务编排方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314812.8A CN114638430A (zh) | 2022-03-28 | 2022-03-28 | 机考考务编排方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114638430A true CN114638430A (zh) | 2022-06-17 |
Family
ID=81952040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210314812.8A Pending CN114638430A (zh) | 2022-03-28 | 2022-03-28 | 机考考务编排方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114638430A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112181988A (zh) * | 2020-10-12 | 2021-01-05 | 江汉大学 | 一种多媒体教室排座的方法 |
-
2022
- 2022-03-28 CN CN202210314812.8A patent/CN114638430A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112181988A (zh) * | 2020-10-12 | 2021-01-05 | 江汉大学 | 一种多媒体教室排座的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rubinstein et al. | A model of choice from lists | |
Kadziński et al. | Integrated framework for preference modeling and robustness analysis for outranking-based multiple criteria sorting with ELECTRE and PROMETHEE | |
Thede | An introduction to genetic algorithms | |
CN106023015B (zh) | 课程学习路径推荐方法及装置 | |
Zade et al. | Conceptualizing disagreement in qualitative coding | |
Zhang et al. | QuME: a mechanism to support expertise finding in online help-seeking communities | |
Hahne et al. | Hypergeometric testing used for gene set enrichment analysis | |
Shaheen et al. | Comparing between different approaches to solve the 0/1 Knapsack problem | |
CN111831905A (zh) | 基于团队科研影响力及可持续性建模的推荐方法和装置 | |
Michalska-Smith et al. | Telling ecological networks apart by their structure: A computational challenge | |
Lee et al. | Generating ground truth for music mood classification using mechanical turk | |
CN111539581A (zh) | 智能分班排课方法及系统 | |
CN114638430A (zh) | 机考考务编排方法及系统 | |
Nieuwenhuis et al. | Neighbourhood immigrant concentration effects on migrant and native youth’s educational commitments, an enquiry into personality differences | |
CN105426392B (zh) | 一种协同过滤推荐方法及系统 | |
Chen | Coordination with endogenous groups | |
US20120329028A1 (en) | Method for intelligent personalized learning service | |
Kirsch | A unifying computational model of decision making | |
Evans et al. | Why do a ‘prof doc’when you can do a PhD | |
Dalkey | VI. B. A Delphi Study of Factors Affecting the Quality of Life | |
CN112733035A (zh) | 基于知识图谱的知识点推荐方法、装置、存储介质及电子装置 | |
CN109918406B (zh) | 一种基于最大团算法的自动等质组卷方法及组卷系统 | |
Bemman et al. | Generating Milton Babbitt’s all-partition arrays | |
CN109712704B (zh) | 方案的推荐方法及其装置 | |
CN111160699A (zh) | 一种专家推荐方法及系统 |
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 |