CN115063030B - 基于双向熵值度量的教学数据评鉴可信度检验系统 - Google Patents
基于双向熵值度量的教学数据评鉴可信度检验系统 Download PDFInfo
- Publication number
- CN115063030B CN115063030B CN202210818172.4A CN202210818172A CN115063030B CN 115063030 B CN115063030 B CN 115063030B CN 202210818172 A CN202210818172 A CN 202210818172A CN 115063030 B CN115063030 B CN 115063030B
- Authority
- CN
- China
- Prior art keywords
- consensus
- evaluation
- option
- curve
- degree
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 14
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 8
- 238000011157 data evaluation Methods 0.000 title claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 190
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000005065 mining Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 88
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000007429 general method Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于双向熵值度量的教学数据评鉴可信度检验系统,包括共识度评鉴单元、单选项共识题目评鉴单元、共识区间确定单元、数值特点挖掘单元,共识度评鉴单元用于使用熵值理论对单选项共识题目和双选项共识题目的评鉴共识度进行计算处理,单选项共识题目评鉴单元用于对单选项共识题目评鉴共识度的数值特点进行挖掘,本发明的有益效果是:为了消除学生线上评价的主观性和随意性,增加教学评价的科学性和针对性,凸显教学细节,引入综合改进信息熵方法,对单项选择题目评价结果的科学分析和细致挖掘,力图得到教学评价的一般方法,学生评价结果是不确定的,衡量它可以根据其信息熵来度量。
Description
技术领域
本发明涉及教学技术领域,具体为基于双向熵值度量的教学数据评鉴可信度检验系统。
背景技术
教学评价是高等学校教学质量的根本保证。为进一步提高学校的办学水平和教师的教学水平,构建科学的“教”、“学”评价体系和评价方法是高校质量监控的首要任务。目前,大部分高校都采用网上评教,充分发挥其方便性、及时性、民主性的数据特点,也使其逐渐成为最重要的评教方式。但是,由于线上评价存在固有的随意性与学生评教的主观性和个性化,使得学生所选的结果存在一定“不确定性”。高校的教育教学评鉴不仅是检验教育教学水平的重要手段,而且也是促进教育教学不断改革的关键动力,更是促进师生共同成长的重要保证。以往的教育教学评鉴中,基于单项选择的教学评鉴题目研究方法很少,且主要集中均值法与专家打分法。这两种方法主要存在以下两方面的问题。
一方面,教育教学评鉴共识的模糊性,指导教育教学实践的可信性和针对性不高。给予教师和学生评鉴结果要么是一个具体的总体分数,要么是一个优良中差的等级,不能精准提炼教师的“教”与学生的“学”存在的问题。若采用传统的方法给各个选项赋予不同的分值,最后对各评价题目得分求平均,必然会使评教结果有失客观公正,存在很强的主观性。
另一方面,教育教学评鉴过于主观,不能客观真实反映教学的评鉴共识。不论是均值法还是专家打分法都不可避免地对单选选项进行赋值,或多或少加入评鉴者的主观因素,增加了整个评鉴模型的系统不稳定。评价结果过于单一,无法反映教学细节,存在普遍不认可的情况,这都会影响教学评价的有效性和可信度,完全偏离实施教学评教的方向和目标。
为了进一步提高教学评价的可靠性和有效性,国内外学者对学生线上评教过程、评教体系、评价方法等进行了大量研究。有些学者对线上评价中存在的问题进行了研究,并对改进线上评教体系提出有价值的方法。有些学者应用极差理论对网上评教的数据进行综合处理,避免主观性。部分学者利用模糊集和隶属度权重计算方法,提升评价得分的科学性。还有学者采用主成分分析法或层次分析法,以指标方差贡献率确定指标体系的权重。
发明内容
本发明的目的在于提供基于双向熵值度量的教学数据评鉴可信度检验系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于双向熵值度量的教学数据评鉴可信度检验系统,包括共识度评鉴单元、单选项共识题目评鉴单元、共识区间确定单元、数值特点挖掘单元;
所述共识度评鉴单元用于使用熵值理论对单选项共识题目和双选项共识题目的评鉴共识度进行计算处理;
所述单选项共识题目评鉴单元用于对单选项共识题目评鉴共识度的数值特点进行挖掘;
所述共识区间确定单元用于对单选项共识题目的共识区间进行确定处理;
数值特点挖掘单元用于挖掘双选项共识题目评鉴共识度的数值特点并确定共识区间。
作为本发明的一种优选方案:所述共识度评鉴单元包括题目平均信息熵计算模块和题目评鉴共识度计算模块;
所述题目平均信息熵计算模块的计算公式为:
所述题目评鉴共识度计算模块用于对根据题目的平均信息熵进行评鉴共识度计算,在计算题目的平均信息熵越小,题目产生的不确定性就越小,评鉴共识度就越高;
所述题目评鉴共识度计算模块的计算题目的评鉴共识度公式为:
作为本发明的一种优选方案:所述单选项共识题目评鉴单元包括曲线绘制模块、曲线图形分析模块、拉伸变换模块、统计特征计算模块和衰变特征计算模块;
所述曲线绘制模块用于对评鉴共识度曲线进行绘制处理;
所述曲线图形分析模块用于对绘制后的评鉴共识度曲线进行图形分析处理;
所述拉伸变换模块用于防止由于评鉴共识度曲线的起点低而造成的数据本身共识情况识别困难的情况;
所述统计特征计算模块用于对单选项共识题目评鉴共识度的统计特征进行计算处理;
所述衰变特征计算模块用于对单选项共识题目评鉴共识度曲线的上凸系数进行计算。
作为本发明的一种优选方案:所述单选项共识题目评鉴共识度曲线的上凸系数进行计算的具体步骤为:
A1、利用曲线的两个端点绘制出比较直线,两个端点分别为0.5,0.5、0.99,0.9517;
A2、利用比较直线与单选项共识题目评鉴共识度曲线围成的面积除以直线围成的三角形面积计算得出单选项共识题目评鉴共识度曲线的上凸系数。
作为本发明的一种优选方案:所述单选项共识题目评鉴共识度曲线的上凸系数进行计算的计算公式为:
作为本发明的一种优选方案:所述共识区间确定单元包括统计界限测定模块和权重确认模块;
所述统计界限测定模块用于对单选项共识题目评鉴共识度的统计界限进行测定处理;
所述权重确认模块用于对单选项共识题目的评鉴共识权重进行确定处理。
作为本发明的一种优选方案:所述统计界限测定模块包括强共识区间、基本共识区间和弱共识区间;
所述强共识区间为:
所述基本共识区间为:
所述弱共识区间为:
作为本发明的一种优选方案:所述数值特点挖掘单元包括数值特点分析模块、统计计算模块、曲线衰变计算模块、统计测定模块;
所述数值特点分析模块用于绘制出评鉴共识度曲线并分析数值特点;
所述统计计算模块用于计算双选项共识题目评鉴共识度的统计特征;
所述曲线衰变计算模块用于计算双选项共识题目评鉴共识度曲线的衰变特征;
所述统计测定模块用于测定计算双选项共识题目评鉴共识度的统计界限;
所述绘制出双选项共识题目评鉴共识度曲线的函数分别为:
作为本发明的一种优选方案:所述统计计算模块包括双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块和单选项共识题目评鉴共识度评鉴共识度标准差计算模块;
所述双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块的计算公式为:
所述双选项共识题目评鉴共识度评鉴共识度标准差计算模块的计算公式为:
作为本发明的一种优选方案:所述曲线衰变计算模块包括双选项共识题目评鉴共识度曲线上凸系数计算模块;
所述双选项共识题目评鉴共识度曲线上凸系数计算模块用于对双选项共识题目评鉴共识度曲线的上凸系数进行计算;
所述双选项共识题目评鉴共识度曲线的两个端点绘制出比较直线,所述两个端点分别为0.5,0.5;1,1;
所述双选项共识题目评鉴共识度曲线上凸系数计算模块的计算公式为:
与现有技术相比,本发明的有益效果是:
1、本发明为了消除学生线上评价的主观性和随意性,增加教学评价的科学性和针对性,凸显教学细节,引入综合改进信息熵方法,对单项选择题目评价结果的科学分析和细致挖掘,力图得到教学评价的一般方法,学生评价结果是不确定的,衡量它可以根据其信息熵来度量;
2、本发明解决了传统教学评价的主观性,应用熵值理论描述教学评鉴的共识性,避免了人为的打分或定级产生的主观性,使整个评价方法近乎客观;
3、本发明应用统计方法刻画教学评鉴共识的程度,更加精准分析教师教学的状态,提升教学评鉴对教学实践的指导性和针对性;
4、本发明多维度全方位对教师的教学过程与学生的学习过程进行画像,细致探索教与学的相互作用规律,提升教育教学质量。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其他的实施附图。
图1为本发明单选项共识度曲线图;
图2为本发明单选项共识四元情况共识度曲线图;
图3为本发明单选项共识四元情况共识度曲线的拉伸曲线图;
图4为本发明单选项共识四元情况共识度曲线的拉伸曲线与原图比较图;
图5为本发明单选项共识四元情况共识度曲线的拉伸曲线的对称轴图;
图6为本发明单选项共识四元情况共识度曲线的拉伸曲线的对称图;
图7为本发明双选项共识度曲线二维分解图;
图8为本发明双选项共识度曲线三维图;
图9为本发明单选项共识度曲线图;
图10为本发明单选项共识四元情况共识度曲线的拉伸曲线图;
图11为本发明单选项共识四元情况共识度曲线的拉伸曲线的对称轴图;
图12为本发明单选项共识四元情况共识度曲线的拉伸曲线的对称图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置的例子。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1至图12,本发明提供一种技术方案:基于双向熵值度量的教学数据评鉴可信度检验系统,包括共识度评鉴单元、单选项共识题目评鉴单元、共识区间确定单元、数值特点挖掘单元;
共识度评鉴单元用于使用熵值理论对单选项共识题目和双选项共识题目的评鉴共识度进行计算处理;
单选项共识题目评鉴单元用于对单选项共识题目评鉴共识度的数值特点进行挖掘;
共识区间确定单元用于对单选项共识题目的共识区间进行确定处理;
数值特点挖掘单元用于挖掘双选项共识题目评鉴共识度的数值特点并确定共识区间。
其中,共识度评鉴单元包括题目平均信息熵计算模块和题目评鉴共识度计算模块;
题目平均信息熵计算模块的计算公式为:
题目评鉴共识度计算模块用于对根据题目的平均信息熵进行评鉴共识度计算,在计算题目的平均信息熵越小,题目产生的不确定性就越小,评鉴共识度就越高,
例如,学生对于某一单选题目的选择情况是p1=0.25,p2=0.25,p3=0.25和p4=0.25,此时题目的平均信息熵为:
当学生选择情况是p1=1,其余均为0,此时题目的平均信息熵为:
从计算结果可知,当学生选择A、B、C、D的频率相同时,平均信息熵的值是1,表明学生评鉴的结果越平均,此题目的平均信息熵越大,且题目产生的不确定性越大,评鉴共识度越低,然而,当学生集中选择A时,平均信息熵的值是0,表明学生评鉴的结果越集中,此题目的平均信息熵越小,且题目产生的不确定性越小,评鉴共识度越高;
题目评鉴共识度计算模块的计算题目的评鉴共识度公式为:
从上面的两个例子也能看出,当平均信息熵的值为1时,可知题目的评鉴共识度为0;反之,当平均信息熵的值为0时,可知题目的评鉴共识度为1。
其中,单选项共识题目评鉴单元包括曲线绘制模块、曲线图形分析模块、拉伸变换模块、统计特征计算模块和衰变特征计算模块;
曲线绘制模块用于对评鉴共识度曲线进行绘制处理;
曲线图形分析模块用于对绘制后的评鉴共识度曲线进行图形分析处理;
拉伸变换模块用于防止由于评鉴共识度曲线的起点低而造成的数据本身共识情况识别困难的情况,拉伸函数表达式为:
原单选项共识四元情况共识度曲线函数的取值区间是[0.1038,0.9517],左端点是0.5,0.5/3,0.5/3,0.5/3的情况,右端点是0.99,0.01/3,0.01/3,0.01/3的情况,在这样的情况下对原有区间进行等价拉伸,拉伸后的区间变为[0.5,0.9517];
对称轴函数是过点(0.5,0.5)与(0.99,0.9517)的直线,具体的函数表达式为:
单选项共识四元情况共识度曲线的拉伸曲线的对称图的函数表达式具体为:
其中,是/>的反函数;
统计特征计算模块用于对单选项共识题目评鉴共识度的统计特征进行计算处理;
衰变特征计算模块用于对单选项共识题目评鉴共识度曲线的上凸系数进行计算,所述共识度曲线如下:
单选项共识二元情况:
单选项共识三元情况:
单选项共识四元情况:
其中,单选项共识题目评鉴共识度曲线的上凸系数进行计算的具体步骤为:
A1、利用曲线的两个端点绘制出比较直线,两个端点分别为0.5,0.5、0.99,0.9517;
A2、利用比较直线与单选项共识题目评鉴共识度曲线围成的面积除以直线围成的三角形面积计算得出单选项共识题目评鉴共识度曲线的上凸系数。
其中,单选项共识题目评鉴共识度曲线的上凸系数进行计算的计算公式为:
其中,共识区间确定单元包括统计界限测定模块和权重确认模块;
统计界限测定模块用于对单选项共识题目评鉴共识度的统计界限进行测定处理;
权重确认模块用于对单选项共识题目的评鉴共识权重进行确定处理。
其中,统计界限测定模块包括强共识区间、基本共识区间和弱共识区间;
强共识区间为:
基本共识区间为:
弱共识区间为:
对于强共识题目,若评鉴共识度达到强共识的条件,即题目拉伸评鉴共识度超过强共识区间的左端点,则首共识选项的学生给以权重为1,其余选项学生给以权重为0。若评鉴共识度达到基本共识和弱共识的条件,即题目的评鉴共识度超过弱共识区间/>的左端点0.5,则首共识选项的学生给以权重为:
κ表示某个题目的拉伸评鉴共识度,并且此时其余选项学生给以权重参考首选项的频率,分别给以具体权重。
例如,当κ=0.8524时,首共识选项学生的权重为0.9170;当κ=0.8697时,首共识选项学生的权重为0.9620;当κ=0.8779时,首共识选项学生的权重为0.9833;当κ=0.8859时,首共识选项学生的权重为1;从结果可以看出首共识选项学生的权重是一个渐变值,符合客观的情况。
其中,数值特点挖掘单元包括数值特点分析模块、统计计算模块、曲线衰变计算模块、统计测定模块;
数值特点分析模块用于绘制出评鉴共识度曲线并分析数值特点;
统计计算模块用于计算双选项共识题目评鉴共识度的统计特征;
曲线衰变计算模块用于计算双选项共识题目评鉴共识度曲线的衰变特征;
统计测定模块用于测定计算双选项共识题目评鉴共识度的统计界限;
绘制出双选项共识题目评鉴共识度曲线的函数分别为:
(d)双选项共识三元情况:
(e)单选项共识四元情况:
其中,统计计算模块包括双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块和单选项共识题目评鉴共识度评鉴共识度标准差计算模块;
双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块的计算公式为:
双选项共识题目评鉴共识度评鉴共识度标准差计算模块的计算公式为:
其中,曲线衰变计算模块包括双选项共识题目评鉴共识度曲线上凸系数计算模块;
双选项共识题目评鉴共识度曲线上凸系数计算模块用于对双选项共识题目评鉴共识度曲线的上凸系数进行计算;
双选项共识题目评鉴共识度曲线的两个端点绘制出比较直线,两个端点分别为0.5,0.5、1,1;
双选项共识题目评鉴共识度曲线上凸系数计算模块的计算公式为:
具体的,设某一单选题目共有A、B、C、D四个选项,经统计全部学生对于单选题目的选择情况分别是p1=0.7,p2=0.1,p3=0.1和p4=0.1,某同学此题选了A选项,那么这位学生的共识情况和得分情况是怎样的?
利用熵值理论计算题目的评鉴共识度,计算题目的平均信息熵:
然后计算题目的评鉴共识度:
接着挖掘单选项共识题目评鉴共识度的数值特点:绘制出评鉴共识度曲线、分析图形的特点,曲线中共识度低的曲线衰变较快,对于共识区间测定要着重考虑,从计算可以得出原共识度为0.3216,拉伸后为0.6160,对称后的共识度为0.7527,然后计算题目评鉴共识度的统计特征
计算评鉴共识度曲线的平均评鉴共识度:
计算评鉴共识度曲线的评鉴共识度标准差:
计算题目评鉴共识度曲线的衰变特征:
λ≈0.7703;
然后确定单选项共识题目的共识区间:测定计算题目评鉴共识度的统计界限,通过计算:
强共识区间:
(0.8843,0.9517];
基本共识区间:
[0.7459,0.8843];
弱共识区间:
[0.5,0.7459);
显然,0.7527为基本共识区间内,即该学生达到基本共识,
最后确定题目的评鉴共识得分,首共识选项的学生该题得分为:
κ表示题目的拉伸评鉴共识度,并且此时其余选项学生给以权重参考首选项的频率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围由下面的权利要求指出。
Claims (5)
1.基于双向熵值度量的教学数据评鉴可信度检验系统,其特征在于,包括共识度评鉴单元、单选项共识题目评鉴单元、共识区间确定单元、数值特点挖掘单元;
所述共识度评鉴单元用于使用熵值理论对单选项共识题目和双选项共识题目的评鉴共识度进行计算处理;
所述单选项共识题目评鉴单元用于对单选项共识题目评鉴共识度的数值特点进行挖掘;
所述共识区间确定单元用于对单选项共识题目的共识区间进行确定处理;
数值特点挖掘单元用于挖掘双选项共识题目评鉴共识度的数值特点并确定共识区间;
所述共识度评鉴单元包括题目平均信息熵计算模块和题目评鉴共识度计算模块;
所述题目平均信息熵计算模块的计算公式为:
所述题目评鉴共识度计算模块用于对根据题目的平均信息熵进行评鉴共识度计算,在计算题目的平均信息熵越小,题目产生的不确定性就越小,评鉴共识度就越高;
所述题目评鉴共识度计算模块的计算题目的评鉴共识度公式为:
所述单选项共识题目评鉴单元包括曲线绘制模块、曲线图形分析模块、拉伸变换模块、统计特征计算模块和衰变特征计算模块;
所述曲线绘制模块用于对评鉴共识度曲线进行绘制处理;
所述曲线图形分析模块用于对绘制后的评鉴共识度曲线进行图形分析处理;
所述拉伸变换模块用于防止由于评鉴共识度曲线的起点低而造成的数据本身共识情况识别困难的情况;
所述统计特征计算模块用于对单选项共识题目评鉴共识度的统计特征进行计算处理;
所述衰变特征计算模块用于对单选项共识题目评鉴共识度曲线的上凸系数进行计算;
拉伸变换模块用于防止由于评鉴共识度曲线的起点低而造成的数据本身共识情况识别困难的情况,拉伸函数表达式为:
原单选项共识四元情况共识度曲线函数的取值区间是[0.1038,0.9517],左端点是0.5,0.5/3,0.5/3,0.5/3的情况,右端点是0.99,0.01/3,0.01/3,0.01/3的情况,在这样的情况下对原有区间进行等价拉伸,拉伸后的区间变为[0.5,0.9517];
对称轴函数是过点(0.5,0.5)与(0.99,0.9517)的直线,具体的函数表达式为:
单选项共识四元情况共识度曲线的拉伸曲线的对称图的函数表达式具体为:
其中,是/>的反函数;
统计特征计算模块用于对单选项共识题目评鉴共识度的统计特征进行计算处理;
衰变特征计算模块用于对单选项共识题目评鉴共识度曲线的上凸系数进行计算,所述共识度曲线如下:
单选项共识二元情况:
单选项共识三元情况:
单选项共识四元情况:
其中,单选项共识题目评鉴共识度曲线的上凸系数进行计算的具体步骤为:
A1、利用曲线的两个端点绘制出比较直线,两个端点分别为0.5,0.5、0.99,0.9517;
A2、利用比较直线与单选项共识题目评鉴共识度曲线围成的面积除以直线围成的三角形面积计算得出单选项共识题目评鉴共识度曲线的上凸系数;
其中,单选项共识题目评鉴共识度曲线的上凸系数进行计算的计算公式为:
其中,共识区间确定单元包括统计界限测定模块和权重确认模块;
统计界限测定模块用于对单选项共识题目评鉴共识度的统计界限进行测定处理;
权重确认模块用于对单选项共识题目的评鉴共识权重进行确定处理;
其中,统计界限测定模块包括强共识区间、基本共识区间和弱共识区间;
强共识区间为:
基本共识区间为:
弱共识区间为:
对于强共识题目,若评鉴共识度达到强共识的条件,即题目拉伸评鉴共识度超过强共识区间的左端点,则首共识选项的学生给以权重为1,其余选项学生给以权重为0;若评鉴共识度达到基本共识和弱共识的条件,即题目的评鉴共识度超过弱共识区间/>的左端点0.5,则首共识选项的学生给以权重为:
κ表示某个题目的拉伸评鉴共识度,并且此时其余选项学生给以权重参考首选项的频率,分别给以具体权重。
2.根据权利要求1所述的基于双向熵值度量的教学数据评鉴可信度检验系统,其特征在于:所述共识区间确定单元包括统计界限测定模块和权重确认模块;
所述统计界限测定模块用于对单选项共识题目评鉴共识度的统计界限进行测定处理;
所述权重确认模块用于对单选项共识题目的评鉴共识权重进行确定处理。
3.根据权利要求2所述的基于双向熵值度量的教学数据评鉴可信度检验系统,其特征在于:所述数值特点挖掘单元包括数值特点分析模块、统计计算模块、曲线衰变计算模块、统计测定模块;
所述数值特点分析模块用于绘制出评鉴共识度曲线并分析数值特点;
所述统计计算模块用于计算双选项共识题目评鉴共识度的统计特征;
所述曲线衰变计算模块用于计算双选项共识题目评鉴共识度曲线的衰变特征;
所述统计测定模块用于测定计算双选项共识题目评鉴共识度的统计界限;
所述绘制出双选项共识题目评鉴共识度曲线的函数分别为:
4.根据权利要求3所述的基于双向熵值度量的教学数据评鉴可信度检验系统,其特征在于:所述统计计算模块包括双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块和单选项共识题目评鉴共识度评鉴共识度标准差计算模块;
所述双选项共识题目评鉴共识度曲线平均评鉴共识度计算模块的计算公式为:
所述双选项共识题目评鉴共识度评鉴共识度标准差计算模块的计算公式为:
5.根据权利要求4所述的基于双向熵值度量的教学数据评鉴可信度检验系统,其特征在于:所述曲线衰变计算模块包括双选项共识题目评鉴共识度曲线上凸系数计算模块;
所述双选项共识题目评鉴共识度曲线上凸系数计算模块用于对双选项共识题目评鉴共识度曲线的上凸系数进行计算;
所述双选项共识题目评鉴共识度曲线的两个端点绘制出比较直线,所述两个端点分别为0.5,0.5;1,1;
所述双选项共识题目评鉴共识度曲线上凸系数计算模块的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818172.4A CN115063030B (zh) | 2022-07-12 | 2022-07-12 | 基于双向熵值度量的教学数据评鉴可信度检验系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210818172.4A CN115063030B (zh) | 2022-07-12 | 2022-07-12 | 基于双向熵值度量的教学数据评鉴可信度检验系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115063030A CN115063030A (zh) | 2022-09-16 |
CN115063030B true CN115063030B (zh) | 2024-01-05 |
Family
ID=83206943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210818172.4A Active CN115063030B (zh) | 2022-07-12 | 2022-07-12 | 基于双向熵值度量的教学数据评鉴可信度检验系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063030B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015141524A (ja) * | 2014-01-28 | 2015-08-03 | 富士通株式会社 | 合意形成支援方法、装置、及びプログラム |
CN108269125A (zh) * | 2018-01-15 | 2018-07-10 | 口碑(上海)信息技术有限公司 | 评论信息质量评估方法及系统、评论信息处理方法及系统 |
CN114743619A (zh) * | 2022-04-20 | 2022-07-12 | 山东大学齐鲁医院 | 一种用于疾病风险预测的调查问卷质量评价方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021226150A1 (en) * | 2020-05-04 | 2021-11-11 | MORGAN, Kevan L. | Computer-aided methods and systems for distributed cognition of digital content comprised of knowledge objects |
-
2022
- 2022-07-12 CN CN202210818172.4A patent/CN115063030B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015141524A (ja) * | 2014-01-28 | 2015-08-03 | 富士通株式会社 | 合意形成支援方法、装置、及びプログラム |
CN108269125A (zh) * | 2018-01-15 | 2018-07-10 | 口碑(上海)信息技术有限公司 | 评论信息质量评估方法及系统、评论信息处理方法及系统 |
CN114743619A (zh) * | 2022-04-20 | 2022-07-12 | 山东大学齐鲁医院 | 一种用于疾病风险预测的调查问卷质量评价方法及系统 |
Non-Patent Citations (3)
Title |
---|
杜鹏东 等.信息熵在多项选择题质量分析中的应用.《现代教育技术》.2006,第第16卷卷(第第16卷期),第36-39页. * |
杨俊英 等.息熵在学生评教结果分析中的应用探析.《内蒙古师范大学学报(教育科学版)》.2006,第第19卷卷(第第19卷期),第44-46页. * |
田振清 等.单项选择题等价选项的信息熵分析.《内蒙古师范大学学报(自然科学汉文版)》.2005,第第34卷卷(第第34卷期),第448-450页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115063030A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508334B (zh) | 融合认知特性及试题文本信息的个性化组卷方法及系统 | |
Wong | Sequence based course recommender for personalized curriculum planning | |
CN112905784A (zh) | 基于学生画像的个性化试题推荐方法 | |
Li et al. | An artificial intelligence based model for evaluation of college students’ ability and characteristics through teaching evaluation | |
CN115063030B (zh) | 基于双向熵值度量的教学数据评鉴可信度检验系统 | |
CN111915226B (zh) | 一种教学评价报告生成方法 | |
Khavenson et al. | Relationship between the Unified State Exam and higher Education performance | |
Guarino et al. | Comparing and assessing the consequences of two different approaches to measuring school effectiveness | |
Ramadhani et al. | A meta-analysis on the effect of inquiry learning model on students’ mathematical problem-solving skills | |
CN116227729B (zh) | 基于机器学习的学习评价方法及装置、设备 | |
CN117291770A (zh) | 教学效果的可视化用户数据评定方法及系统 | |
Ilieva et al. | Early Multi-criteria Detection of Students at Risk of Failure. | |
Panasov et al. | Decision Trees-based Anomaly Detection in Computer Assessment Results | |
De Pooter et al. | Bayesian near-boundary analysis in basic macroeconomic time-series models | |
US10699589B2 (en) | Systems and methods for determining the validity of an essay examination prompt | |
Hui | Computer assisted design and implementation of diagnostic evaluation model in online test | |
Kim | Designing Belief-driven Interactions with Data | |
Ciufo | Analysis of First-year Student performance in an Engineering Program | |
Forbes-Riley et al. | Metacognition and learning in spoken dialogue computer tutoring | |
Azin et al. | Measuring student progress: Changes and challenges under no child left behind | |
Noskov et al. | Mathematical model for early prediction of learning success | |
Bulut et al. | Mathematical Reasoning Skills as a Predictive of Number Sense. | |
CN111160444B (zh) | 一种基于贝叶斯原理的试卷难易程度分析方法及系统 | |
CN117079504B (zh) | 一种大数据精准教学批阅系统的错题数据管理方法 | |
Azziz et al. | Factors affecting engineering students performance: The case of students in Universiti Malaysia Perlis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |