JP2021113961A - 試験問題生成システム及び試験問題生成プログラム - Google Patents
試験問題生成システム及び試験問題生成プログラム Download PDFInfo
- Publication number
- JP2021113961A JP2021113961A JP2020007816A JP2020007816A JP2021113961A JP 2021113961 A JP2021113961 A JP 2021113961A JP 2020007816 A JP2020007816 A JP 2020007816A JP 2020007816 A JP2020007816 A JP 2020007816A JP 2021113961 A JP2021113961 A JP 2021113961A
- Authority
- JP
- Japan
- Prior art keywords
- question
- questions
- past
- category
- format
- 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
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000012360 testing method Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 2
- 238000000034 method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
従来の試験問題を生成する技術には、条件によって整理された問題文を記憶しておき、試験問題の条件を入力すると、条件に合致する問題文を抽出して試験の全体の問題集を作成するものがあった。
尚、関連する先行技術として、特開2003−271050号公報「試験問題作成システム、方法及びプログラム」(特許文献1)、特開2010−128305号公報「情報処理装置、情報処理方法及びプログラム」(特許文献2)、特開2017−078732号公報「問題集作成方法並びに問題集」(特許文献3)がある。
特許文献2には、学習者による過去の試験問題の解答結果を利用することで、出題者の解答の選択肢を作成する労力を低減することが記載されている。
特許文献3には、問題DBの正答率により処理装置が難易度を設定し、学習者のレベルに応じた問題集を作成することが記載されている。
上記従来例の問題点を解決するための本発明は、試験問題を生成する処理装置を有する試験問題生成システムであって、処理装置が、過去の試験問題の問題文を出題のカテゴリ毎に複数記憶する記憶部と、予測される試験問題の問題文を生成する処理部とを備え、処理部が、複数の出題形式及び当該出題形式の割合が設定されると、記憶部に記憶された過去の試験問題のカテゴリ別の出題数を基に、生成する問題のカテゴリにおける出題数を予測し、予測したカテゴリの出題数に応じて過去の試験問題の問題文を基に、設定された出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成することを特徴とする。
本発明は、上記試験問題生成システムにおいて、記憶部には、過去の試験問題の問題文毎に正答率が記憶され、処理部が、生成された問題について、対応する過去の問題文の正答率に基づいて大問毎に平均点を算出し、平均点を加算して全体の平均点を算出することを特徴とする。
本発明は、上記試験問題生成システムにおいて、処理部が、平均点を変更する操作が為されると、当該変更された平均点となる過去の問題文を対応する正答率から抽出し、出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成し直すことを特徴とする。
本発明は、上記試験問題生成システムにおいて、処理部が、問題の追加又は削除の指示が入力されると、大問毎の配点が調整されて平均点を再計算することを特徴とする。
本発明は、試験問題を生成する処理装置において動作する試験問題生成プログラムであって、処理装置を、複数の出題形式及び当該出題形式の割合が設定されると、記憶部に出題のカテゴリ毎に複数記憶する過去の試験問題の問題文から、過去の試験問題のカテゴリ別の出題数を基に、生成する問題のカテゴリにおける出題数を予測し、予測したカテゴリの出題数に応じて過去の試験問題の問題文を基に、設定された出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成するよう機能させることを特徴とする。
本発明は、上記試験問題生成プログラムにおいて、処理装置を、記憶部に記憶された過去の試験問題の問題文毎の正答率を用いて、生成された問題文について、対応する過去の問題文の正答率に基づいて大問毎に平均点を算出し、平均点を加算して全体の平均点を算出するよう機能させることを特徴とする。
本発明は、上記試験問題生成プログラムにおいて、処理装置を、平均点を変更する操作が為されると、当該変更された平均点となる過去の問題文を対応する正答率から抽出し、出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成し直すよう機能させることを特徴とする。
本発明は、上記試験問題生成プログラムにおいて、処理装置を、問題の追加又は削除の指示が入力されると、大問毎の配点が調整されて平均点を再計算するよう機能させることを特徴とする。
[実施の形態の概要]
本発明の実施の形態に係る試験問題生成システム(本システム)は、過去出題されたカテゴリ別の出題数を基に出題カテゴリ毎の出題数を人工知能(AI:Artificial Intelligence)等で予測し、更に、予測した出題カテゴリの出題数に応じて当該カテゴリから過去問の問題文を抽出し、抽出した問題文を設定された複数の出題形式(問題形式)の割合に割り振り(配分し)、配分した問題文を各出題形式で生成して(作り直して)、問題集を生成するものであり、これにより、出題される確率が高いカテゴリについて、設定された出題形式で問題文が生成され、更に当該出題形式の割合に応じて問題集が自動生成されるので、問題作成者の設定次第で意図する問題(問題文とその集合の問題集)を容易に生成でき、問題作成の労力を大幅に低減でき、問題作成の利便性を向上させることができるものである。
本システムについて図1を参照しながら説明する。図1は、本システムの概略図である。
本システムは、図1に示すように、予測問題作成処理装置1と、予測問題提供サーバ2と、インターネット3と、受験者コンピュータ(PC)4とを基本的に有している。
尚、現在の紙の試験問題を受験者に提供するのであれば、予測問題作成処理装置1だけがあれば足り、作成された問題のデータを印刷装置で印刷して試験問題を準備することになる。
予測問題作成処理装置1は、過去の問題文をカテゴリに分類して出題カテゴリを分析し、次回の試験問題を予測して試験問題を作成する処理を行う。
予測問題作成処理装置1は、制御部11と、記憶部12と、インタフェース部13とを備え、インタフェース部13には、表示部14、入力部15が接続され、更にインターネット3に接続している。
記憶部12は、処理プログラムを記憶すると共に、過去の試験問題を記憶する。
表示部14は、予測問題を作成するのに必要な表示を行う。
入力部15は、予測問題を作成するのに必要な入力を行う。
予測問題提供サーバ2は、制御部と記憶部を備え、インターネット3に接続するコンピュータであり、予測問題作成処理装置1で作成された予測問題を入力して記憶し、受講者PC4に予測問題を配信する。
また、予測問題作成処理装置1と予測問題提供サーバ2とを一体の装置の構成としてもよい。
受験者PC4は、インターネット3を介して予測問題提供サーバ2にアクセスし、提供される予測問題を受け取ることができるコンピュータである。尚、コンピュータに限らずタブレット端末、スマートフォン等の端末装置であってもよい。
次に、予測問題作成処理装置1で動作するプログラム(ソフトウェア)で実現される実装エンジン(本実装エンジン)について図2を参照しながら説明する。図2は、本実装エンジンの概略図である。
本実装エンジン10は、図2に示すように、試験文章分類エンジン100と、出題傾向予測エンジン200とを備えている。
試験文章分類エンジン100の文章特徴量抽出エンジンは、問題文の文章を大量に読み込み、文章のベクトル化を行うAI(Artificial Intelligence)の深層学習(Deep Learning)の学習済みモデルを習得しており、入力された問題から単語を抽出し、当該単語に対するベクトルデータを出力する。
試験文章分類エンジン100の文章分類エンジンは、そのベクトルデータに基づき別の学習済みモデルを用いて当該試験問題(問題文)のカテゴリを分類する。
出題傾向予測エンジン200における出題予測の例を以下に説明する。
[予測と問題作成の処理:図3]
本装置における予測問題作成の処理(本処理)について図3を参照しながら説明する。図3は、予測と問題作成の処理の概略図である。
本処理は、図3に示すように、過去の特定期間(前回試験から連続して遡った期間)の試験問題(過去問)をCSV(Comma Separated Values)方式で読み込んで、それら試験問題について内容に応じて予め定められた小カテゴリ(単に「カテゴリ」と称することがある)に分類したデータを基に次回試験の小カテゴリを予測する小カテゴリ予測ステップと、その小カテゴリ予測結果を用いて予測問題の作成を行う問題作成ステップとを有している。各ステップの処理については後述する。
また、小カテゴリに分類されたデータとは、カテゴリ毎の出題回数(出題件数)であり、例えば、カテゴリ1について出願回数2回、カテゴリ2について出題回数3回というものになる。
従って、分類されていない問題文については、図2でカテゴリ分類し、図3の予測プログラムによる処理でカテゴリ予測を行い、予測問題を作成することになる。
次に、本処理の小カテゴリ予測ステップと問題作成ステップについて具体的に説明する。
[小カテゴリ予測ステップ]
本装置の制御部11は、記憶部12から処理プログラムを読み込んで、小カテゴリ予測ステップを実行するものであり、外部から過去の特定期間の試験問題(過去問)をCSV(Comma Separated Values)形式で入力し、試験毎に小カテゴリ毎の出題回数を処理プログラム(出題傾向予測エンジン200)によって集計し(ここまでの処理を試験文章分類エンジン100で行ってもよい)、その小カテゴリ毎の出題回数を基に予測プログラム21を実行して小カテゴリ予測結果を出力する。この小カテゴリ予測結果は、次回の試験問題の小カテゴリ毎の予測出題回数である。
尚、試験問題が複数科目から構成されている場合は、科目毎の出題数が予め決まっているので、その分類はルールベースに基づいて行う。
本装置の制御部11は、記憶部12から処理プログラムを読み込んで、問題作成ステップを実行するものであり、小カテゴリ予測ステップで得られた小カテゴリ予測結果(小カテゴリ毎の予測出題回数)を入力し、問題作成プログラム22を実行して過去問からランダムに問題を抽出して、抽出した過去問について問題作成者が設定した出題形式の割合に割り振り(配分し)、更に配分した問題文を問題作成者が設定した出題形式で生成し(作り直し)て、全体の問題集を生成して、出題予測結果として出力する。
そして、抽出した過去問について指定(設定)された出題形式の割合となるよう割り振り、割り振られた過去問を指定(設定)された出題形式で問題文を作成し直し、全体の問題集を予測問題として作成する。これにより、予測出題回数に応じた小カテゴリの問題が指定された出題形式と出題形式の割合で含まれた全体の問題集が生成される。
また、説明を分かり易くするために、抽出した過去問を出題形式の割合に割り付け、割り付けた各問題形式に問題文を作り直すようにしているが、過去問を抽出する際に、出題形式の割合となるよう出題形式を特定して問題文を生成してもよい。
ここで、出題形式とその割合について図4を参照しながら具体的に説明する。図4は、出題形式と割合を示すテーブル図である。
出題形式は、例えば、図4に示すように、「正しいものを選べ」、「誤っているものを選べ」、「正しいものはいくつあるか」などの形式(方式)となる。問題集としては、単一の出題形式で出題されることはなく、複数の出題形式の組合せで出題される。
最終的な出力形態は、「問題のみ」と「問題と解答」の2種類のファイルを同時に出力するようにしている。
次に、問題生成の処理フローについて図5を参照しながら説明する。図5は、問題生成処理フロー図である。
問題生成処理フローは、図5に示すように、予測問題作成処理装置1の制御部11で処理が為されるもので、小カテゴリ予測ステップで予測プログラム21によって、出力された小カテゴリ予測結果に基づき、過去問をランダムに抽出する(S11)。
具体的には、抽出された過去問について、図4に示した出題形式の割合で出題形式毎の出題数となるよう、出題形式の番号を過去問に割り当て、当該出題形式の問題文となるよう生成する処理を行う。
また、予測される問題の出題形式が過去問の出題形式と異なる場合には、出題形式を変更するよう問題文を生成する。例えば、正しい問題文を誤りのある問題文に編集し直す(変更する)処理を行うものである。
次に、想定平均点の算出と調整について図6〜8を参照しながら説明する。図6は、大問毎に整理された小問の情報を示すテーブル図であり、図7は、大問毎の配点と平均点のテーブル図であり、図8は、平均点算出と調整の処理フロー図である。
過去問の各問題には、正答率が設定されており、生成された問題の配点に応じて平均点が算出されるようになっている。
図6に示す問題のテーブルは、シリアル番号、大問番号、小問番号、カテゴリ番号、出題形式番号、正答率が設定されている。カテゴリ番号は、小カテゴリ予測結果に基づく番号であり、正答率は、抽出された過去問の正答率である。
例えば、生成された問題の大問1の中の小問「第1〜5問」は配点が各問題について2点とすると、生成の元になった過去問の正答率を基にして大問1の平均点、「10点満点」中、例えば「6.5点」を算出する。
このようにして、配点に応じて大問の平均点を合計することで問題全体の想定平均点が算出され、設定される。
具体的には、想定平均点を例えば5%(5点)下げる場合には、大問のそれぞれを5%平均点下げるようにしてもよいし、大問を均等に5%下げるのではなく、大問に重み付けして下げてもよい。但し、重み付けして下げる場合にも、全体の想定平均点は5%(5点)下げるものとなるよう調整する。
以上のようにして、平均点の算出と調整の処理が為される。
過去問を基にして問題のカテゴリにおける問題数を予測しているので、基本的には過去問と同じ数の問題数が生成されることになる。しかしながら、大問における問題数を変更して設定することで、問題数の増減をすることが可能となる。
上記の問題生成に加えて、問題作成者のオリジナル問題を追加することも可能である。
この場合、オリジナル問題については過去問ではないので、正答率は得られないが、問題作成者が任意に正答率を設定すれば、平均点の算出と調整が可能となる。
この場合、図7における大問毎の配点が調整され、想定平均点が算出される。同様に問題を削除することも可能であり、同様に大問毎の配点が調整され、想定平均点が算出されることになる。
本システムによれば、カテゴリ予測ステップにより、過去出題されたカテゴリ別の出題数を基に出題カテゴリ毎の出題数をAI等で予測し、更に、問題作成ステップにより、予測したカテゴリの出題数に応じて当該カテゴリから抽出した過去問の問題文を、設定された複数の出題形式の割合で、当該各出題形式で問題文を生成し、全体の問題集を生成して出題予測結果を出力するものとしているので、出題される確率が高いカテゴリについて、設定された出題形式で問題文が生成され、更に当該出題形式の割合に応じて全体の問題集が自動生成され、問題作成者の設定次第で意図する問題を容易に生成でき、問題作成の労力を大幅に低減でき、問題作成の利便性を向上させることができる効果がある。
Claims (8)
- 試験問題を生成する処理装置を有する試験問題生成システムであって、
前記処理装置は、過去の試験問題の問題文を出題のカテゴリ毎に複数記憶する記憶部と、予測される試験問題の問題文を生成する処理部とを備え、
前記処理部は、複数の出題形式及び当該出題形式の割合が設定されると、前記記憶部に記憶された前記過去の試験問題のカテゴリ別の出題数を基に、生成する問題のカテゴリにおける出題数を予測し、前記予測したカテゴリの出題数に応じて前記過去の試験問題の問題文を基に、前記設定された出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成することを特徴とする試験問題生成システム。 - 記憶部には、過去の試験問題の問題文毎に正答率が記憶され、
処理部は、生成された問題文について、対応する前記過去の問題文の正答率に基づいて大問毎に平均点を算出し、前記平均点を加算して全体の平均点を算出することを特徴とする請求項1記載の試験問題生成システム。 - 処理部は、平均点を変更する操作が為されると、当該変更された平均点となる過去の問題文を対応する正答率から抽出し、出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成し直すことを特徴とする請求項2記載の試験問題生成システム。
- 処理部は、問題の追加又は削除の指示が入力されると、大問毎の配点が調整されて平均点を再計算することを特徴とする請求項2又は3記載の試験問題生成システム。
- 試験問題を生成する処理装置において動作する試験問題生成プログラムであって、
前記処理装置を、複数の出題形式及び当該出題形式の割合が設定されると、記憶部に出題のカテゴリ毎に複数記憶する過去の試験問題の問題文から、前記過去の試験問題のカテゴリ別の出題数を基に、生成する問題のカテゴリにおける出題数を予測し、前記予測したカテゴリの出題数に応じて前記過去の試験問題の問題文を基に、前記設定された出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成するよう機能させることを特徴とする試験問題生成プログラム。 - 処理装置を、記憶部に記憶された過去の試験問題の問題文毎の正答率を用いて、生成された問題文について、対応する前記過去の問題文の正答率に基づいて大問毎に平均点を算出し、前記平均点を加算して全体の平均点を算出するよう機能させることを特徴とする請求項5記載の試験問題生成プログラム。
- 処理装置を、平均点を変更する操作が為されると、当該変更された平均点となる過去の問題文を対応する正答率から抽出し、出題形式の割合で当該出題形式に従って問題文を生成して問題集を生成し直すよう機能させることを特徴とする請求項6記載の試験問題生成プログラム。
- 処理装置を、問題の追加又は削除の指示が入力されると、大問毎の配点が調整されて平均点を再計算するよう機能させることを特徴とする請求項6又は7記載の試験問題生成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007816A JP2021113961A (ja) | 2020-01-21 | 2020-01-21 | 試験問題生成システム及び試験問題生成プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007816A JP2021113961A (ja) | 2020-01-21 | 2020-01-21 | 試験問題生成システム及び試験問題生成プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021113961A true JP2021113961A (ja) | 2021-08-05 |
Family
ID=77077097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020007816A Pending JP2021113961A (ja) | 2020-01-21 | 2020-01-21 | 試験問題生成システム及び試験問題生成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021113961A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11345154A (ja) * | 1998-05-29 | 1999-12-14 | Media Five:Kk | データ収集装置及びそれを利用したデータ処理装置 |
JP2003216015A (ja) * | 2002-01-22 | 2003-07-30 | Aruze Corp | 学習システム |
JP2003271050A (ja) * | 2002-03-15 | 2003-09-25 | Toppan Printing Co Ltd | 試験問題作成システム、方法及びプログラム |
JP2013250456A (ja) * | 2012-05-31 | 2013-12-12 | Yasuaki Iwai | 情報処理システム、情報処理方法 |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
-
2020
- 2020-01-21 JP JP2020007816A patent/JP2021113961A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11345154A (ja) * | 1998-05-29 | 1999-12-14 | Media Five:Kk | データ収集装置及びそれを利用したデータ処理装置 |
JP2003216015A (ja) * | 2002-01-22 | 2003-07-30 | Aruze Corp | 学習システム |
JP2003271050A (ja) * | 2002-03-15 | 2003-09-25 | Toppan Printing Co Ltd | 試験問題作成システム、方法及びプログラム |
JP2013250456A (ja) * | 2012-05-31 | 2013-12-12 | Yasuaki Iwai | 情報処理システム、情報処理方法 |
JP2015121682A (ja) * | 2013-12-24 | 2015-07-02 | 富士通株式会社 | 学習支援プログラム、学習支援装置および学習支援方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
von Davier | Computational psychometrics in support of collaborative educational assessments | |
Villegas-Ch et al. | Analysis of data mining techniques applied to LMS for personalized education | |
US11417232B2 (en) | Method, apparatus, and computer program for operating machine-learning framework | |
JP2022008867A (ja) | 学習効率に基づいて個人カスタマイズ型教育コンテンツを提供するための機械学習方法、装置及びコンピュータプログラム | |
CN112862257A (zh) | 学生画像生成方法、系统、设备及可读存储介质 | |
Hasan et al. | Modelling and predicting student's academic performance using classification data mining techniques | |
CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
Geetha et al. | Prediction of the academic performance of slow learners using efficient machine learning algorithm | |
Al-Doulat et al. | Making sense of student success and risk through unsupervised machine learning and interactive storytelling | |
JP2007226460A (ja) | データ処理装置およびデータ処理方法 | |
KR102567043B1 (ko) | 인공지능 모델을 활용한 독서능력진단 기반 책 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
JP6913706B2 (ja) | 試験問題予測システム及び試験問題予測方法 | |
JP2021113961A (ja) | 試験問題生成システム及び試験問題生成プログラム | |
IONIŢĂ | Data mining techniques for e-learning. | |
CN112598202B (zh) | 试题难度评估方法、装置及存储介质、计算设备 | |
El Azhari et al. | An evolutive knowledge base for “AskBot” toward inclusive and smart learning-based NLP techniques | |
CN115129971A (zh) | 基于能力评估数据的课程推荐方法、设备及可读存储介质 | |
CN115130430A (zh) | 试卷生成方法、装置、存储介质及计算机设备 | |
JP2020009129A (ja) | 出題傾向予測システムおよび出題傾向予測方法 | |
KR102685645B1 (ko) | 설명 가능한 인공지능을 이용한 학습 피드백 제공 시스템 | |
JP7388926B2 (ja) | 対話システム | |
US12074951B2 (en) | Assigning a money sign to a user | |
JP7347730B2 (ja) | アンケートシステム | |
Deepan et al. | Design of Intelligent Decision Support System With Ensembled Machine Learning to Predict Students' Performance | |
Smith et al. | Preparing for skill transfer: a decision tree tool for curriculum design and assessment of virtual offshore emergency egress training |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211011 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20220204 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20220308 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220513 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220823 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230301 |