CN116227992A - 一种考核试卷生成方法、装置及终端设备 - Google Patents
一种考核试卷生成方法、装置及终端设备 Download PDFInfo
- Publication number
- CN116227992A CN116227992A CN202310026654.0A CN202310026654A CN116227992A CN 116227992 A CN116227992 A CN 116227992A CN 202310026654 A CN202310026654 A CN 202310026654A CN 116227992 A CN116227992 A CN 116227992A
- Authority
- CN
- China
- Prior art keywords
- test
- test paper
- paper
- examination
- individuals
- 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 63
- 230000002068 genetic effect Effects 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims description 404
- 238000011835 investigation Methods 0.000 claims description 41
- 210000000349 chromosome Anatomy 0.000 claims description 35
- 238000012216 screening Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 108090000623 proteins and genes Proteins 0.000 claims description 11
- 238000013100 final test Methods 0.000 claims description 6
- 206010064571 Gene mutation Diseases 0.000 claims description 5
- 230000006798 recombination Effects 0.000 claims description 5
- 238000005215 recombination Methods 0.000 claims description 5
- 238000012552 review Methods 0.000 claims 1
- 238000004883 computer application Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006698 induction Effects 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
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06—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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/123—DNA computing
-
- 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
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请适用于计算机应用技术领域，提供了一种考核试卷生成方法，包括：根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，接着根据候选试卷的考察需求，基于遗传算法从候选试卷中筛选出试卷，由此满足了不同需求情况下最优选的考核试卷的生成，从而提升了考核试卷的质量与生成效率。
Description
技术领域
本申请属于计算机应用技术领域，尤其涉及一种考核试卷生成方法、装置及终端设备。
背景技术
在目前的教学环节中，考试作为其中重要的一环，其频率在日常的教学活动中日益增加，这也就促进了各种通过计算机程序生成考核试卷的方法的产生，通过计算机程序生成考核试卷，极大的提高了日常教学活动中试卷生成的效率，同时也可以根据不同的教学内容生成不同的考核内容的试卷。
相关技术中，目前大部分考核试卷生成的方法都是通过人工在计算机试题库中挑选出符合考核需求的试题后再利用计算机程序将挑选的试题组成试卷，这种试卷生成方法会导致不同考试情况与不同试卷需求情况下生成的考核试卷不是最优选的试卷，从而影响考试效果。
发明内容
本申请实施例提供了一种考核试卷生成方法、装置及终端设备，可以解决一般的考核试卷的生成方法导致不同考试情况与不同试卷需求情况下生成的考核试卷不是最优选的试卷，从而影响考试效果的问题。
第一方面，本申请实施例提供了一种考核试卷生成方法，包括：根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷；根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。
在第一方面的一种可能的实现方式中，上述组卷约束条件包括：试卷总分值、试题工控能力、题型和各题型的题量；相应的，上述根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，包括：
根据试卷总分值、试题工控能力、题型和各题型的题量，从试题库中筛选出构成每个候选试卷的试题。
可选的，在第一方面的另一种可能的实现方式中，上述根据候选试卷的考察需求，基于遗传算法从候选试卷中筛选出试卷，包括：
将每套候选试卷设置为一个染色体并进行编码，每套候选试卷上的每个试题对应染色体上的一个基因；
对候选试卷进行种群初始化，以生成初代试卷种群；
根据每套试卷的考察需求完成度生成每套试卷对应的适应度；
执行遗传操作，根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数；
输出最终的试卷种群。
可选的，在第一方面的又一种可能的实现方式中，上述根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，包括：
根据初代试卷种群中每个试卷个体的适应度高低，生成每个试卷个体的选择概率；
根据每个试卷个体的选择概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
对每对父方个体与母方个体进行遗传，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第一方面的又一种可能的实现方式中，上述根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，包括：
根据预设的交叉概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
将每对父方个体与母方个体进行染色体的交叉重组，生成对应的两套子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第一方面的又一种可能的实现方式中，上述根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，包括：
根据预设的变异概率，从初代试卷种群中选择试卷个体；
对试卷个体对应的染色体进行基因突变，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第一方面的再一种可能的实现方式中，上述根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷，包括：
设定考察因素包括试题难度和考试内容，候选试卷的考察需求由考察因素确定。
第二方面，本申请实施例提供了一种考核试卷生成装置，包括：第一生成模块，用于根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷；第一筛选模块，用于根据候选试卷的考察需求，基于遗传算法从候选试卷中筛选出试卷。
在第二方面的一种可能的实现方式中，上述组卷约束条件包括：试卷总分值、试题工控能力、题型和各题型的题量；相应的，上述第一生成模块，包括：
第一筛选单元，用于根据试卷总分值、试题工控能力、题型和各题型的题量，从试题库中筛选出构成每个候选试卷的试题。
可选的，在第二方面的另一种可能的实现方式中，上述第一筛选模块，包括：
第一设置单元，用于将每套候选试卷设置为一个染色体并进行编码，每套候选试卷上的每个试题对应染色体上的一个基因；
第一生成单元，用于对候选试卷进行种群初始化，以生成初代试卷种群；
第二生成单元，用于根据每套试卷的考察需求完成度生成每套试卷对应的适应度；
第三生成单元，用于执行遗传操作，根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数；
第一输出单元，用于输出最终的试卷种群。
可选的，在第二方面的又一种可能的实现方式中，上述第三生成单元，包括：
根据初代试卷种群中每个试卷个体的适应度高低，生成每个试卷个体的选择概率；
根据每个试卷个体的选择概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
对每对父方个体与母方个体进行遗传，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第二方面的又一种可能的实现方式中，上述第三生成单元，包括：
根据预设的交叉概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
将每对父方个体与母方个体进行染色体的交叉重组，生成对应的两套子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第二方面的又一种可能的实现方式中，上述第三生成单元，包括：
根据预设的变异概率，从初代试卷种群中选择试卷个体；
对试卷个体对应的染色体进行基因突变，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
可选的，在第二方面的再一种可能的实现方式中，上述第一筛选模块，包括：
第一设定单元，用于设定考察因素包括试题难度和考试内容，候选试卷的考察需求由考察因素确定。
第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现如前所述的考核试卷的生成方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如前所述的考核试卷的生成方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的考核试卷的生成方法。
本申请实施例与现有技术相比存在的有益效果是：根据考核试卷的考察需求，利用遗传算法筛选出最优选的考核试卷，从而提升了考核试卷的质量与生成效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的考核试卷的生成方法的流程示意图；
图2是本申请另一实施例提供的考核试卷的生成方法的流程示意图；
图3是本申请实施例提供的考核试卷的生成装置的结构示意图；
图4是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
下面参考附图对本申请提供的一种感应设备的控制方法、装置、终端设备、存储介质及计算机程序进行详细描述。
图1示出了本申请实施例提供的一种考核试卷的生成方法的流程示意图。
步骤101，根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷。
需要说明的是，本申请实施例的考核试卷生成方法可以由本申请实施例的考核试卷生成装置执行。本申请实施例的考核试卷生成装置可以配置在任意终端设备中，以执行本申请实施例的考核试卷生成方法。
其中，预设的组卷约束条件，可以是指提前设置好的试卷生成的要求。
举例来说，在一个考试系统中，生成考核试卷之前，需要提前设置好生成上述考核试卷所对应的条件即约束条件，例如本次考核内容对应的教学章节、本次考试的难度等，再根据上述约束条件生成组卷。
其中，预设的试题库，可以是指提前设置好的储存考核试题的数据库。
举例来说，一个工控能力考试系统所存储的试题一般放置于系统中提前设置好的试题库中，试题库中存储了客观题的题干、答案、分数、题号、难度、题型和工控能力信息，存储了附件题的题干、答案、分数、题号、难度和工控能力信息，还存储了实验题的题干、答案、分数、题号、难度、工控能力、实验环境、实验环境内虚拟机的信息、连线端口信息，同时，试题库可以根据惯用检索字段建立索引，实现试题快速检索的功能，同时对检索条件以及相应的检索结果进行数据缓存，实现对同一检索条件进行检索后快速得出检索结果的功能，试题库也支持对试题的批量导入。
本申请实施例中，可以先根据考核需求制定考核试卷生成的约束条件，根据约束条件从预设的试题库中选取试题进行组卷，从而生成多个候选试卷。
进一步的，组卷约束条件包括：试卷总分值、试题工控能力、题型和各题型的题量，即在本申请实施例又一种可能的实现方式中，上述步骤101，可以包括：
根据试卷总分值、试题工控能力、题型和各题型的题量，从试题库中筛选出构成每个候选试卷的试题。
在本申请实施例中，设置组卷约束条件为试卷总分值、试题工控能力、题型和各题型的题量，根据上述约束条件从试题库中选取试题进行组卷，从而生成符合约束条件的多个候选试卷。
步骤102，根据候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。
其中，考察需求，可以是指候选试卷需要考察的内容。
举例来说，在工控能力考试中，试卷的考察需求是为了解学生对工控能力的掌握程度，在中学的期末考试中，试卷的考察需求是为了了解学生在一学期内所学知识的掌握程度。
其中，遗传算法，可以是指是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
举例来说，在传统的工控能力考核试卷的组卷问题中，面对题型配置合理、题目赋分合理、组卷难度适中、考察内容全面等要求，往往通过人工或者计算机从试题库中抽取试题进行随机组卷，往往达不到最优解，即无法组卷出符合要求的最优的试卷，而通过遗传算法可以找出符合考核要求的最优解的试卷。
在本申请实施例中，可以首先确定候选试卷需要考察的内容，再利用遗传算法在多个候选试卷中筛选出符合考察内容的试卷，由此可以得到最符合考察需求的试卷。
进一步的，在本申请实施例又一种可能的实现方式中，上述步骤102，可以包括：
设定考察因素包括试题难度和考试内容，候选试卷的考察需求由考察因素确定
其中，考察因素，可以是指决定考察需求的因素。
在本申请实施例中，设定考察因素为试题难度和考试内容，由此确定候选试卷的考察需求为试题难度和考试内容。
本申请提供的考核试卷生成方法，首先根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，再根据候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。通过设置约束条件，从试题库中选取符合要求的试题进行组卷得到候选试卷，再根据考察需求利用遗传算法对候选试卷进行进一步的筛选，由此得到的试卷为考察需求下的最优选的试卷。
在本申请的一种可能的实现形式中，可以根据遗传算法，对候选试卷进行进一步的筛选，从而得出符合考察需求的试卷。
下面结合图2，对本申请实施例提供的考核试卷生成方法进行进一步说明。
图2示出了本申请实施例提供的另一种考核试卷生成方法的流程示意图。
步骤201，根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷。
上述步骤201的具体实现过程及原理，可以参照上述实施例的详细描述，此处不再赘述。
步骤202，将每套候选试卷设置为一个染色体并进行编码，每套候选试卷上的每个试题对应染色体上的一个基因。
其中，编码，可以是指将染色体表达为基因的过程。
在本申请实施例中，每套候选试卷由若干个试题组成，同时，每个染色体由若干个基因组成，因此每套候选试卷对应遗传算法中的每个个体的染色体，每套试卷中的若干个试题对应每个个体的染色体上的基因，其中，编码方式可以采用二进制编码或者浮点型编码。
步骤203，对候选试卷进行种群初始化，以生成初代试卷种群。
其中，种群初始化，可以是指依据编码规则给出种群的初始解，为后续的遗传操作提供初始种群。
在本申请实施例中，利用随机数对候选试卷进行种群初始化，以得到初代试卷种群进行下一步的遗传操作，种群初始化对遗传算法的收敛十分重要，它会影响寻找优良试卷个体的速度。
步骤204，根据每套试卷的考察需求完成度生成每套试卷对应的适应度。
其中，适应度，可以是指一种用来对种群中各个个体的环境适应性进行度量的值，是遗传算法实现优胜劣汰的主要依据。
在本申请实施例中，每套试卷对应的适应度由每套试卷的考察需求的完成度来确定，即每套试卷对应的适应度由考试难度与考试内容的完成度来确定，例如考试难度设置为简单，考试内容设置为第一课时的教学内容，那么每套试卷的考试难度越简单，考试内容越趋向于第一课时的教学内容，则此套试卷的适应度越高。
步骤205，执行遗传操作，根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数。
需要说明的是，在遗传算法中，适应度越大的个体，其被选中进行遗传的可能性越大，例如有五条染色体，它们对应的适应度分别为5、7、10、13、15，所以上述五条染色体累计总适应度为50，所以上述五个染色体分别被选中的概率为10％、14％、20％、26％、30％，因此适应度越大，被选中的概率越大。
在本申请实施例中，首先根据适应度大小对初代试卷种群中的个体进行排序，根据适应度从初代种群中选取偶数对试卷个体两两进行第一次遗传操作，生成第一子代试卷种群，接着重复上述操作过程进行第二次遗传操作，生成第二子代试卷种群，直到遗传次数大于预设的最大遗传次数。
进一步的，在本申请实施例又一种可能的实现方式中，上述步骤205，可以包括：
根据初代试卷种群中每个试卷个体的适应度高低，生成每个试卷个体的选择概率；
根据每个试卷个体的选择概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
对每对父方个体与母方个体进行遗传，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
在本申请实施例中，因为两个适应度越高的试卷个体进行遗传，其子代试卷个体的适应度也越高，所以对初代试卷种群中每个试卷个体进行适应度的排序并生成每个试卷个体的选择概率，根据选择概率从初代试卷种群中选择偶数套试卷，将选中的试卷两两进行遗传，生成子代试卷种群中的部分个体。
进一步的，在本申请实施例又一种可能的实现方式中，上述步骤205，可以包括：
根据预设的交叉概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
将每对父方个体与母方个体进行染色体的交叉重组，生成对应的两套子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
其中，交叉概率，可以是指两个染色体的某一相同位置处基因被切断，前后两串分别交叉组合形成两个新的染色体的概率。
在本申请实施例中，根据交叉概率，从初代试卷种群中选出偶数套试卷分别作为父方个体与母方个体，随机将父方个体与母方个体同一位置的基因进行交换，从而得到两个新的子代试卷个体，每对父方个体与母方个体生成的两个新的子代试卷个体构成子代试卷种群中的至少部分个体，例如，根据交叉概率，从初代试卷种群中选择两套试卷个体，因为每套试卷个体代表一个染色体，每套试卷中的试题代表染色体上的基因，因此两个染色体的交叉重组可以表现为两套试卷在同一题号的位置进行题目内容的互换，由此生成新的两套试卷。
进一步的，在本申请实施例又一种可能的实现方式中，上述步骤205，还可以包括：
根据预设的变异概率，从初代试卷种群中选择试卷个体；
对试卷个体对应的染色体进行基因突变，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
其中，变异概率，可以是指染色体复制时产生复制差错，变异产生新的染色体的概率。
在本申请实施例中，根据变异概率，从初代试卷种群中选出试卷个体，并随机对其染色体上的基因进行变异，从而生成新的子代试卷个体，上述新的子代试卷个体构成子代试卷种群中的至少部分个体。
步骤206，输出最终的试卷种群。
在本申请实施例中，对初代试卷种群进行遗传算法，最终筛选出符合考察需求的最优选的试卷种群。
本申请提供的考核试卷生成方法，通过根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，将每套候选试卷设置为一个染色体并进行编码，每套候选试卷上的每个试题对应染色体上的一个基因，接着对候选试卷进行种群初始化，以生成初代试卷种群，然后根据每套试卷的考察需求完成度生成每套试卷对应的适应度，接着执行遗传操作，根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数，最后输出最终的试卷种群。由此，通过对候选试卷种群初始化后进行遗传算法的计算，可以得到符合考察需求的最优选的试卷，不仅提升了考核试卷的质量，也提高了考核试卷生成的效率。
基于上述图1和图2对应的实施例中所描述的考核试卷生成方法，下述以具体使用场景对上述实施例进行详细说明。
本申请实施例提供的一种考核试卷生成系统，包括：考生客户端、管理员客户端与服务端，教师通过管理员客户端从服务端筛选试题进行组卷，推送考卷给考生客户端，考生通过考生客户端进行答题。
服务端包括数据库与云平台，数据库存储了客观题的题干、答案、分数、题号、难度、题型和工控能力等信息，存储了附件题的题干、答案、分数、题号、难度、操作文件和工控能力等信息，也存储了实验题的题干、答案、分数、题号、难度、工控能力、实验环境、实验环境内虚拟机的信息、连线端口等信息，同时数据库根据惯用检索字段建立索引，实现试题快速检索的功能，同时对检索条件以及相应的检索结果进行数据缓存，实现对同一检索条件进行检索后快速得出检索结果的功能，云平台克隆实验题的实验环境与实验题的实验环境内虚拟机的信息，开放给考生客户端使用远程桌面进行实验题操作的功能。
考生客户端可以显示考生的考试记录，其中，考试记录包括已经结束的考试、未开始的考试以及正在进行中的考试，考生可以在结束考试后查看考生客户端生成的对应的成绩单，其中成绩单为可视化报表，考生客户端还具有给考生查询考试中试题的答案与解析的功能，考生客户端可以记录考生每一次考试中的错题并存储至考生客户端中，同时提供给考生查看错题的功能。
管理员客户端具有批量导入试题的功能，教师通过管理员客户端下载试题模板文件后填写题型、题目、答案等内容，并将试题模板文件与将要导入试题文件压缩后发送至服务端，服务端接收到试题文件后根据模板文件将试题进行批量导入。
管理员客户端具有智能组卷的功能，首先教师从数据库中通过约束条件筛选出符合要求的候选试卷，再通过考察需求，例如难度，考试内容等利用管理员客户端中内置的遗传算法对上述候选试卷进行筛选，最终得到符合考察需求最优选的试卷。
管理员客户端可以下发考试任务并预设考试时间，考试时间可以设置为立即考试和定期考试，当管理员客户端在下发考试任务，预设考试时间为立即考试后，考生在考生客户端收到考试任务后开始进行考试，当管理员客户端在下发考试任务后设置考试时间为定期考试后，设置考试任务的时间，同时启动延时任务，当到达上述考试任务的时间，管理员客户端更新考试任务的状态为进行中，同时考生使用考生客户端开始进行考试。
管理员客户端可以提供试卷判卷的功能，管理员客户端在考试任务结束后根据数据库中的试卷答案对考生客户端提供的已作答完毕的试卷中的客观题进行批改，获取客观题的分数，对已作答完毕的试卷中的简答题采用分词判定的方法进行批改，获取简答题对应的分数，同时管理员客户端也支持人工对简答题进行批改赋分，管理员客户端在考试任务结束后生成考试任务对应的成绩排名、考生分数、赛题答错人数等多维度的可视化报表。
管理员客户端在考试过程中可以实时更新与显示考生的作答情况，实时接收考生客户端推送的考生作答数据，并根据考生作答数据生成实时成绩排行、考试进度、趋势分析以及考生实时状态等可视化图表。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例的考核试卷生成方法，图3示出了本申请实施例提供的考核试卷生成装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图3，该装置30包括：
第一生成模块31，用于根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷；
第一筛选模块32，用于根据候选试卷的考察需求，基于遗传算法从候选试卷中筛选出试卷。
在实际使用时，本申请实施例提供的考核试卷生成装置，可以被配置在任意终端设备中，以执行前述考核试卷生成方法。
本申请提供的考核试卷生成装置，首先根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，再根据候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。通过设置约束条件，从试题库中选取符合要求的试题进行组卷得到候选试卷，再根据考察需求利用遗传算法对候选试卷进行进一步的筛选，由此得到的试卷为考察需求下的最优选的试卷，不仅提升了考核试卷的质量，而且提高了考核试卷生成的效率。
在本申请实施例的一种可能的实现方式中，组卷约束条件包括：试卷总分值、试题工控能力、题型和各题型的题量；相应的，上述第一生成模块31，包括：
第一筛选单元，用于根据试卷总分值、试题工控能力、题型和各题型的题量，从试题库中筛选出构成每个候选试卷的试题。
进一步的，在本申请实施例另一种可能的实现方式中，上述第一筛选模块32，包括：
第一设置单元，用于将每套候选试卷设置为一个染色体并进行编码，每套候选试卷上的每个试题对应染色体上的一个基因；
第一生成单元，用于对候选试卷进行种群初始化，以生成初代试卷种群；
第二生成单元，用于根据每套试卷的考察需求完成度生成每套试卷对应的适应度；
第三生成单元，用于执行遗传操作，根据每套试卷对应的适应度大小，从初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数；
第一输出单元，用于输出最终的试卷种群。
进一步的，在本申请实施例又一种可能的实现方式中，上述第三生成单元，包括：
根据初代试卷种群中每个试卷个体的适应度高低，生成每个试卷个体的选择概率；
根据每个试卷个体的选择概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
对每对父方个体与母方个体进行遗传，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
进一步的，在本申请实施例又一种可能的实现方式中，上述第三生成单元，包括：
根据预设的交叉概率，从初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
将每对父方个体与母方个体进行染色体的交叉重组，生成对应的两套子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
进一步的，在本申请实施例又一种可能的实现方式中，上述第三生成单元，包括：
根据预设的变异概率，从初代试卷种群中选择试卷个体；
对试卷个体对应的染色体进行基因突变，生成对应的子代试卷，其中所有生成的子代试卷构成子代试卷种群中的至少部分个体。
进一步的，在本申请实施例再一种可能的实现方式中，上述第一筛选模块32，包括：
第一设定单元，用于设定考察因素包括试题难度和考试内容，候选试卷的考察需求由考察因素确定。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
为了实现上述实施例，本申请还提出一种终端设备。
图4为本申请一个实施例的终端设备的结构示意图。
如图4所示，上述终端设备200包括：
存储器210及至少一个处理器220，连接不同组件(包括存储器210和处理器220)的总线230，存储器210存储有计算机程序，当处理器220执行所述程序时实现本申请实施例所述考核试卷生成方法。
总线230表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
终端设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被终端设备200访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)240和/或高速缓存存储器250。终端设备200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统260可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280，可以存储在例如存储器210中，这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本申请所描述的实施例中的功能和/或方法。
终端设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信，还可与一个或者多个使得用户能与该终端设备200交互的设备通信，和/或与使得该终端设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且，终端设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器293通过总线230与终端设备200的其它模块通信。应当明白，尽管图中未示出，可以结合终端设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器220通过运行存储在存储器210中的程序，从而执行各种功能应用以及数据处理。
需要说明的是，本实施例的终端设备的实施过程和技术原理参见前述对本申请实施例的考核试卷生成方法的解释说明，此处不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种考核试卷生成方法，其特征在于，包括：
根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷；
根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。
2.如权利要求1所述的一种考核试卷生成方法，其特征在于，所述组卷约束条件包括：试卷总分值、试题工控能力、题型和各题型的题量；
相应的，所述根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷，包括：
根据所述试卷总分值、所述试题工控能力、所述题型和各题型的所述题量，从所述试题库中筛选出构成每个候选试卷的试题。
3.如权利要求1所述的一种考核试卷生成方法，其特征在于，所述根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷，包括：
将每套所述候选试卷设置为一个染色体并进行编码，每套所述候选试卷上的每个试题对应染色体上的一个基因；
对所述候选试卷进行种群初始化，以生成初代试卷种群；
根据每套试卷的考察需求完成度生成每套试卷对应的适应度；
执行遗传操作，根据每套试卷对应的适应度大小，从所述初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，直至遗传次数大于预设的最大遗传次数；
输出最终的试卷种群。
4.如权利要求3所述的一种考核试卷生成方法，其特征在于，所述根据每套试卷对应的适应度大小，从所述初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，包括：
根据所述初代试卷种群中每个试卷个体的适应度高低，生成每个试卷个体的选择概率；
根据每个试卷个体的选择概率，从所述初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
对每对父方个体与母方个体进行遗传，生成对应的子代试卷，其中所有生成的子代试卷构成所述子代试卷种群中的至少部分个体。
5.如权利要求3所述的一种考核试卷生成方法，其特征在于，所述根据每套试卷对应的适应度大小，从所述初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，包括：
根据预设的交叉概率，从所述初代试卷种群中选择偶数套试卷各自作为父方个体与母方个体；
将每对父方个体与母方个体进行染色体的交叉重组，生成对应的两套子代试卷，其中所有生成的子代试卷构成所述子代试卷种群中的至少部分个体。
6.如权利要求3所述的一种考核试卷生成方法，其特征在于，所述根据每套试卷对应的适应度大小，从所述初代试卷种群中选择偶数套试卷个体各自分别作为父方个体与母方个体中的一个进行遗传，生成子代试卷种群，还包括：
根据预设的变异概率，从所述初代试卷种群中选择试卷个体；
对所述试卷个体对应的染色体进行基因突变，生成对应的子代试卷，其中所有生成的子代试卷构成所述子代试卷种群中的至少部分个体。
7.如权利要求1-6任一所述的方法，其特征在于，所述根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷，包括：
设定考察因素包括试题难度和考试内容，所述候选试卷的考察需求由所述考察因素确定。
8.一种考核试卷生成装置，其特征在于，包括：
第一生成模块，用于根据预设的组卷约束条件，结合预设的试题库，生成多个候选试卷；
第一筛选模块，用于根据所述候选试卷的考察需求，基于遗传算法从所述候选试卷中筛选出试卷。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310026654.0A CN116227992A (zh) | 2023-01-09 | 2023-01-09 | 一种考核试卷生成方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310026654.0A CN116227992A (zh) | 2023-01-09 | 2023-01-09 | 一种考核试卷生成方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116227992A true CN116227992A (zh) | 2023-06-06 |
Family
ID=86590319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310026654.0A Pending CN116227992A (zh) | 2023-01-09 | 2023-01-09 | 一种考核试卷生成方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116227992A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117093706A (zh) * | 2023-10-19 | 2023-11-21 | 杭州烛微智能科技有限责任公司 | 一种试卷生成方法、系统、介质及电子设备 |
-
2023
- 2023-01-09 CN CN202310026654.0A patent/CN116227992A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117093706A (zh) * | 2023-10-19 | 2023-11-21 | 杭州烛微智能科技有限责任公司 | 一种试卷生成方法、系统、介质及电子设备 |
| CN117093706B (zh) * | 2023-10-19 | 2024-01-09 | 杭州烛微智能科技有限责任公司 | 一种试卷生成方法、系统、介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108304309B (zh) | 一种自动化对比测试数据的方法及装置 | |
| CN110909035A (zh) | 个性化复习题集生成方法、装置、电子设备及存储介质 | |
| JP2020047234A (ja) | データ評価方法、装置、機器及び読み取り可能な記憶媒体 | |
| CN115358897B (zh) | 一种基于电子学生证的学生管理方法、系统、终端及存储介质 | |
| CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
| CN116227992A (zh) | 一种考核试卷生成方法、装置及终端设备 | |
| CN108073603B (zh) | 作业分发方法及装置 | |
| CN111427990A (zh) | 一种智慧校园教学辅助的智能考试控制系统及方法 | |
| CN113344708A (zh) | 大型系统投产演练应用评估方法及系统 | |
| CN108039081B (zh) | 机器人教学测评方法及装置 | |
| CN115798273A (zh) | 生物实验的模拟练习实现方法、系统、装置及存储介质 | |
| CN112016607B (zh) | 一种基于深度学习的错因分析方法 | |
| CN110942238B (zh) | 课程推荐设备及方法 | |
| CN110175282B (zh) | 智能推荐测试题的方法及装置、存储介质 | |
| CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
| CN112164262A (zh) | 一种智能阅卷辅导系统 | |
| JP2005221895A (ja) | 試験システム、試験問題更新プログラム、および試験問題の自動更新方法 | |
| CN112182172A (zh) | 基于粒子群遗传算法的组卷方法、系统、装置及介质 | |
| CN113066327B (zh) | 一种大学生在线智能教育方法 | |
| CN115841403B (zh) | 一种基于大数据的ai实训方法及系统 | |
| CN113223356B (zh) | 一种用于plc控制技术的技能培训和考核的系统 | |
| EP4060645A1 (en) | Learning effect estimation device, learning effect estimation method, and program | |
| CN115630218A (zh) | 基于神经网络的本地化自学辅导管理系统及方法 | |
| CN115204537A (zh) | 基于Bagging的学生成绩预测方法 | |
| CN113538186A (zh) | 一种个人学习管理方法、装置、设备及可读存储介质 |
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 |