基于贪心算法的在线形成性考核系统组卷研究
- 格式:doc
- 大小:3.73 KB
- 文档页数:2
遗传算法在考试系统中组卷算法的研究与设计刘洋【摘要】在线考试是现阶段计算机辅助教学领研究开发的热点和焦点,组卷算法是在线考试系统的核心,结合遗传算法的优点,设计出1种新的自动智能组卷算法,该算法能克服遗传算法的缺点,并在实验测试中取得比较满意的结果。
%Nowadays the online examination is a hot-spot in the area of computer-aided teaching. The algorithm of composed paper is the core of online examination system. Combined the advantages of genetic algorithm. One design of a new intelligent algorithm is composed paper. This algorithm can overcome the shortcomings of genetic algorithm and achieves satisfactory results in the experiments.【期刊名称】《湖南城市学院学报(自然科学版)》【年(卷),期】2013(000)001【总页数】4页(P82-85)【关键词】考试系统;智能组卷;遗传算法;自动化【作者】刘洋【作者单位】湖南城市学院信息科学与工程学院,湖南益阳 413000【正文语种】中文【中图分类】TP393在线考试是现阶段计算机辅助教学领域研究开发的一个热点和焦点.它是建立在Web上的应用系统,客户端的配置和操作可以比较简单,并且考试不受地域位置的局限[1-2].一个功能完整的在线考试系统可以使 Web用户在网上学习过后及时检验自身的学习效果,从而发现自己的不足,促使学习效率得到较大的提高.在线考试系统中题目的生成、试卷的提交、成绩的批阅、成绩的查询等功能都可以在网络上自动完成.只要在网上形成一套成熟的、科学的题库就可以实现考试的自动化.这样一来,教师所要做的事情只是精心设计题目、设置评分标准、维护题库,而不需要组织考试,从而大大减轻了教学的负担,提高教师的工作效率.近年来有很多国内外学者对遗传算法在考试系统中的应用进行了大量研究,如:王宇等的“题库系统试卷自动生成算法研究[1]”.沈建强等的“组卷系统的优化与实现[3]”.也有对遗传算法进行的研究[4].如应继儒等在“试题库随机选题数学模型的构建及实现[5]”,以及刘彬在“遗传算法在试题组卷中的应用”提出了各种算法比较研究[6],这些方法考虑了如何选取有效的规则,但算法非常复杂,很难解决实际的问题.遗传算法在考试系统应用上的研究目前基本上都是处于研究阶段,不是太复杂就是缺陷太多.如何设计出一种新的遗传算法使在线考试系统一步改进和优化使之符合现代社会的要求,研究意义重大.1 新的遗传算法的设计思想本在线考试系统决定设计1个新的遗传算法作为组卷算法.一般情况下,考生会对试卷在试题量,试题难度比例等方面提出要求,我们在组卷时应在这些方面最大程度地满足用户需求[7].在组卷前,系统将会为自动组卷过程建立控制指标相应题库状态空间 S(S为一个二维数组).S的每一行由某一试题控制指标组成,如题号、题型、难度等因素,并且这些属性指标都进行编码表示成二进制0和1形式,而每1列的取值(0或者1)表示题库中的某一指标.试题库中的每1道试题在建库时都输入了相应属性指标.由于二进制编码很长,设题库中有m道题,分别用表示,表示题库中的第i个试题.染色体的编码长度由试题库中的试题量来决定,比如m道题对应的染色体长度就为m位[8].染色体采用二进制编码方案,比如染色体表示在本次的组卷过程中,试题xi被选中;否则表示没有被抽取.初始群体对 HGTPA算法有重要的影响,要实现全局最优,初始群体在解空间应尽量分散,这样可以减少了组卷目标的多重约束条件,提高组卷的效率.1.1 适应度函数遗传算法在进化过程中主要是根据适应度函数值来进行搜索.适应度表示某一个体对于环境的适应程度,它直接影响到遗传算法的收敛速度以及能否找到最优解[9].一般来说,适应度函数是目标函数,它的取值总是非负值,其值越大个体越好.组卷就是要从试题库中挑选出符合要求的题目.由于试题模式中每个约束条件间是的相互制约的关系,因此在组卷过程中很难达到理想状态[10-11].在本算法中,我们设计的适应度函数考虑到各种约束条件,尽量保证求取综合指标的重要性达到最大或综合指标误差达到最小.本文的适应度函数定义为其中i对应 n项参考指标中的第i项,wi是第i项指标(包含答题时间,试题的难度,试题的区分度,试题的分值等)对组卷的重要程度的权重值,iγ表示的是该组试卷中第i项指标对组卷目标的误差.1.2 选择操作我们精英选择操作:首先评估种群中每个个体的适应度值,然后根据适应度的大小进行降序排序.我们将群体中适应度最高的个体不进行配对交叉操作而直接选择到下一代中.采用这种精英选择方法的优点是:在进化过程中某一代的最优解可以不被交叉和便宜操作所破坏.但是,它容易导致早熟,即局部最优个体的遗传基因会急速增加而使进化有可能限于局部解.实验证明,该方法的全局搜索能力不强,在实际应用过程中,习惯于将其余交叉和变异操作配合起来使用,才会产生最佳的效果.另外,还有锦标赛选择,轮盘赌选择,无回放随机选择和随机遍历抽样等选择操作方法.1.3 交叉操作交叉操作是指对两个染色体按某种方式相互交换其部分基因,从而产生两个新个体的过程.它是产生新个体,保持种群多样性的主要方法.常用的交叉操作有多点交叉,均匀交叉,算术交叉等方法.图1分别表示的是单点交叉和两点交叉.本文采用的是单点交叉的方式.图1 单点交叉和两点交叉1.4 变异操作变异操作是维持种群多样性,防止个体早熟收敛的重要途径,它是将个体染色体串中的某些基因位上的值用其他等位基因值替换,从而产生一个新的个体.在遗传运算进化过程中,交叉算子是产生新个体的主要方法,它决定了遗传算法的全局搜索方向和能力,而变异算子只是产生新个体的辅助方法,但是它决定了遗传算法的局部搜索能力.在实际应用过程中,交叉算子与变异算子常常相互配合操作,来实现对搜索空间的全局搜索和局部搜索,从而实现最佳优化的目标.常用的变异操作有二进制变异、均匀变异、非均匀变异和高斯变异等方法.本文采用二进制变异的方法如下:对于二进制串组成的染色体,我们通过变量的翻转方式实现变异操作.对于每个个体,变量值的改变是随机的,我们将下面有20位变量的个体中的第10位发生了翻转.1.5 终止条件设定最大进化代数MaxGen,当算法执行到最大进化代数时,算法自动结束.2 新的遗传算法的设计框架本文设计的HGTPA算法流程如下.(1)根据考卷出题的要求,规划题库状态空间库S中的数据,随机产生初始种群P( t),并进行二进制编码,同时确定合适的交换概率Pc,变异概率 Pm和最大进化代数MaxGen,进化代数(2)计算初始种群中每个个体的适应度值,并根据适应度值的大小进行降序排序;3 组卷算法的性能比较为验证本文设计的算法有效性,我们将本文设计的新的遗传算法与文献[5]随机选取法,文献[6]遗传算法进行对比实验.在实验中,新算法和遗传算法的交换概率和变异概率的确定很重要.交换概率太小使选题工作进展缓慢,太大则会破坏适应值高的试题模型.同样,变异概率太小就不能产生新的试题模型,太大又会产生过多的试题模型.本实验中,新算法和遗传算法的交叉概率、变异概率、种群规模取值相同分别为0.85,0.01,100.对题库量分别是1 000,1 500,2 000的《计算机系统结构》课程试题进行了组卷,且设定试卷满分为100分.在3种不同题库量状态下,我们将3种组卷算法分别运行50次,并统计出3种不同组卷算法成功找到最优解的概率(%),最好值、最差值以及运行时间(s),其结果分别见表1、表2、表3.表1 3种不同组卷算法在题库量为1 000时性能比较组卷算法找到最优解的概率/% 最好值最差值运行时间/s新算法 100 0.96 0.91 9遗传算法 100 0.95 0.9 11随机选取法 92.6 0.86 0.79 7表 2 3种不同组卷算法在题库量为1 500时性能比较组卷算法找到最优解的概率/% 最好值最差值运行时间/s新算法 100 0.97 0.92 12遗传算法 100 0.92 0.87 15随机选取法 88.6 0.92 0.86 8表 3 3种不同组卷算法在题库量为2 000时性能比较组卷算法找到最优解的概率/% 最好值最差值运行时间/s新算法 99.8 0.95 0.91 13遗传算法 92.5 0.91 0.86 16.2随机选取法 85.6 0.84 0.78 8从表1-3中我们不难看出:本文设计的新算法和文献[6]的遗传算法在题库量为1 000和1 500时均能以 100%的概率找到最优解,而随机选取法抽取的试卷获得最优解的概率是最低的,但是它运行的时间是最少的,这主要是因为随机选取法不需要进行大量的并行搜索,简化了搜索的复杂度.在不同题量时,HGTPA算法的最好值和最差值都表现的最好.4 结语本文主要提出1种新遗传自动组卷算法的设计思路和实现方案,最后将本文设计的自动组卷算法与传统的组卷算法应用到在线考试系统中,进行了对比实验,该算法取得了较理想实验结果.(责任编校:库文珍)【相关文献】[1]王宇, 侯爽. 题库系统试卷自动生成算法研究[J]. 哈尔滨工业大学学报, 2003, 35(3): 333-337.[2]丁亚军, 曾三槐. 基于Internet的计算机考试系统研究与实现[J]. 计算技术与自动化, 2010, 19(3): 42-44.[3]沈建强, 张宝明, 邹轩. 组卷系统的优化与实现[J]. 计算机应用, 2010, 23(6): 38-39.[4]应继儒, 胡立新, 龙毅, 等. 试题库随机选题数学模型的构建及实现[J]. 计算机应用, 2010, 14(1): 46-47.[5]华如海, 王俊普. 基于约束满足的智能组卷方法的研究与实现[J]. 计算机应用研究, 2000(1l): 20-22.[6]刘彬. 遗传算法在试题组卷中的应用J]. 燕山大学学报, 2002,26(3): 193-195.[7]刘中兵. 开发者突击: JAVA WEB主流框架整合开发(J2EE+STRUTS+HIBERNATE+SPRING)[M]. 北京: 电子工业出版社, 2008.[8]Pullen J.Mark. A software system for cost-effective internet delivery of synchronous distanceeducation[J]. Proceedings of the IASTED International Conference on Computers and Advanced Technology in Education, 2003(4): 482-488.[9]石中盘, 韩卫. 基于概率论和自适应遗传算法的智能抽题算法[J]. 计算机工程, 2002(1): 14l-143.[10]Lu H J, Zhang H M, Ma L H. A new optimization algorithm based on chaos[J]. Journalof Zhejiang University SCIENCE A,2006, 7(4):539-542.[11]金汉均, 郑世珏, 吴明武. 段随机抽选法在智能组卷中的研究与应用[J]. 计算机应用研究, 2003(9): 102-103.。
在线考试系统组卷策略分析作者:方大良来源:《电脑知识与技术》2008年第36期摘要:组卷是在线考试系统建设中的重要环节。
组卷是以试题为处理对象,最终形成符合用户要求的试卷。
从试题库中抽取若干试题,生成一套试卷,这一过程中必须遵循一定的规则,这些规则我们称之为组卷策略。
关键词:组卷策略;组卷参数;组卷算法中图分类号:TP311文献标识码:A文章编号:1009-3044(2008)36-2629-02The Analysis and Design of Strategy in Online Test SystemFANG Da-liang1,2(1.College of Computer Science, Chongqing University, Chongqing 400030, China; 2.Zhanjiang Normal University, Zhanjiang524048, China)Abstract: Group paper is the most important link in the item bank system construction.Group paper is take the test question as the processing object, forms finally conforms to the user request examination paper. Produces when the examination paper follows the guiding principle and the algorithm are called the group paper strategy, the group paper strategy essence are the algorithms which defers to assigns, from tries in the item bank to extract the test question composition examination paper.Key words: group paper strategy; group paper strategy parameter; group paper algorithm1 引言试题库设计和组卷是在线考试系统实现的基础,也是实现在线考试系统的重点和难点。
5 考试系统中的组卷算法5.1遗传算法概述5.1.1 遗传算法的基本概念遗传算法(Genetic Algorithm.GA)是模拟达尔文的遗传选择和自然淘汰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【27】。
所以,遗传算法吸取了自然界中“适者生存,优胜劣汰’’的进化理论,为解决许多传统的优化方法难以解决的优化问题提供了新的途径。
由于遗传算法的整体搜索策略和优化搜索方法在计算中不依赖于梯度信息或其他辅助知识,而只需要影响搜索方向的目标函数和相应的适应度函数,所以遗传算法提供了一种求解复杂系统问题的通用框架,它不依赖于问题的具体领域,对问题的种类有很强的鲁棒性。
如今,遗传算法不论是在算法设计上还是在基础理论上,均己取得了长足的发展,已成为信息科学、计算机科学、运筹学和应用数学等诸多学科所共同关注的热点研究领域【281。
遗传算法作为一种概率搜索算法,借鉴了生物学中自然选择和遗传机制的高度并行、随机、自适应的性质,它利用某种编码技术作用于被称作染色体的二进制数据串,其基本思想是模拟由这些染色体组成的群体进化过程。
由于遗传算法是由进化论和遗传学理论相结合而产生的直接搜索优化算法【291,因此,在遗传算法中也借鉴了许多生物学中的术语。
(1)个体(Individual):也称基因型个体,个体是遗传过程中带有遗传特征的实体,也是遗传算法中的所处理基本对象和结构。
(2)基因(Gene):基因是携带遗传信息的基本单位,用于表示个体的特征。
(3)位串(String):与遗传学中的染色体的概念相对应,是个体的表现形式。
(3)种群(Population):一定数量的个体的集合叫做种群。
(5)群体规模(Population Size):在群体中个体的数量称为群体大小。
(6)适应度(Fitness):适应度表示某一个体对于生存环境的适应程度,对于生存环境适应程度较高的个体将获得更多的繁殖机会,而对生存环境适应程度较低的物种,其繁殖的机会就会相对减少,甚至逐渐灭绝。
标题:基于课程的组卷系统的数据库设计方案一、引言随着教育信息化的不断发展,教学管理系统成为了教育机构必备的重要工具。
其中,基于课程的组卷系统是教师和教育机构管理者必备的辅助工具之一。
本文将探讨基于课程的组卷系统的数据库设计方案,旨在满足教师和学生对于教学资源和考试题库的管理和查询需求。
二、需求分析1. 教师管理:教师需要能够灵活地管理自己的课程和考试内容。
2. 考试题库管理:管理员需要有权限对考试题库进行管理,包括题目的录入、编辑、删除等操作。
3. 学生考试:学生需要能够参与在线考试,并查看考试成绩、试卷评分等信息。
4. 数据统计和分析:系统需要提供统计和分析功能,以方便教师和管理员对学生学习情况进行评估和分析。
三、数据库设计方案1. 数据库结构设计(1)教师表(teacher):包括教师ID、尊称、所属学院等字段。
(2)课程表(course):包括课程ID、课程名称、教师ID、学分等字段。
(3)题目表(question):包括题目ID、题目内容、答案、正确答案、所属课程ID等字段。
(4)试卷表(paper):包括试卷ID、试卷名称、题目ID列表、考试时长等字段。
(5)成绩表(score):包括学生ID、试卷ID、成绩等字段。
2. 数据库关系设计(1)教师与课程:一对多关系,一个教师可以教授多门课程。
(2)课程与题目:一对多关系,一个课程包含多个考试题目。
(3)题目与试卷:多对多关系,一个试卷包含多个题目,一个题目可以属于多个试卷。
(4)学生与成绩:一对多关系,一个学生可以参加多次考试,有多个成绩记录。
3. 数据库性能优化(1)采用合适的数据库引擎,如InnoDB引擎,以支持数据库事务和外键约束。
(2)使用合适的索引,以加快数据库查询和检索的速度。
(3)对数据库进行分表分库设计,以满足系统的扩展性和性能要求。
四、系统架构设计1. 采用B/S架构,通过浏览器访问系统,实现跨评台和跨设备的访问。
2. 前端采用HTML、CSS、JavaScript等技术,实现用户界面的展示和交互。
学科网组卷题库系统导言随着教育信息化的发展,传统的纸质试卷已经不再适应现代教育的需要。
学科网组卷题库系统应运而生,它是一个基于互联网的在线组卷平台,为教师和学校提供便捷、高效的试卷组卷服务。
本文将介绍学科网组卷题库系统的基本特点、功能和优势,并探讨其对教育教学的影响和前景。
1. 学科网组卷题库系统的基本特点学科网组卷题库系统具有以下基本特点:1.1 灵活性学科网组卷题库系统可以根据教师的需求,灵活地定制试卷。
教师可以根据教学目标、教材内容和学生水平等因素,选择合适的试题,满足个性化的教学需求。
1.2 多样性学科网组卷题库系统拥有丰富多样的题库资源,可以覆盖各个学科的不同知识点和题型。
教师可以根据学科的特点,在题库中选择合适的试题,并进行灵活组合,以达到多样化的考察效果。
1.3 科技化学科网组卷题库系统借助互联网和先进的技术手段,实现试题的自动化管理和组卷。
系统能够智能匹配试题和知识点,自动生成试卷,大大提高了组卷的效率和准确性。
2. 学科网组卷题库系统的功能学科网组卷题库系统拥有以下主要功能:2.1 试题管理学科网组卷题库系统可以实现试题的录入、编辑、分类和管理。
教师可以根据学科、知识点和题型等条件,方便地查询和管理试题资源,并进行合理的利用和分享。
2.2 组卷设计学科网组卷题库系统支持教师根据教学要求,进行试题的灵活组合和设计。
教师可以选择试题的数量、难度和评分等参数,自动生成适合的试卷,并进行预览和调整。
2.3 题目拓展学科网组卷题库系统可以根据试题的难度和评价情况,自动推荐具有挑战性的新题目。
教师可以通过系统的推荐功能,拓展和丰富试题资源,提高试卷的质量和难度。
2.4 答案评析学科网组卷题库系统可以自动生成试题的答案和评析,并提供给教师和学生进行参考。
通过系统的答案评析功能,教师可以对学生的答题情况进行分析和评价,及时调整教学策略,提高学生的学习效果。
3. 学科网组卷题库系统的优势学科网组卷题库系统相比传统的试卷组卷方式有以下优势:3.1 提高教学效率学科网组卷题库系统提供了自动化的组卷功能,教师只需要点击几下,即可生成符合要求的试卷。
交通行政执法人员在线考试系统组卷算法的设计与实现随着互联网的普及和发展,各行各业都在逐渐实现信息化、数字化、智能化的转型升级。
交通行政执法是一个重要的领域,其涉及到方方面面的交通安全、流量管理、公共秩序等诸多方面,因此需要进行严格的考核和评估。
为了提高考核效率、减轻考核负担并确保考核公正性和科学性,研发一套在线考试系统显得尤为必要。
为了满足交通行政执法人员多层次、多方面的考核需求,我们提出了一种基于组卷算法的在线考试系统的设计和实现。
以下是具体的内容:一、需求分析首先,我们需要对交通行政执法人员的考核需求进行深入分析。
考核需要包含对基础交通法律法规的测试、对具体执法操作流程和技能的测试以及对工作效率和业务水平的测试。
因此,我们需要对这三个方面的测试题目进行分类归纳,然后再根据考试目的和难度进行细分。
二、组卷算法设计考虑到交通行政执法人员的多样性和广泛性,我们建议采用自适应组卷算法设计。
该算法可以根据考生的实际情况来生成相应的试卷,同时可调节组卷难度,以适应不同层次考生的考核需求。
具体而言,我们可以采用下面这些步骤进行组卷:1. 从不同考核方面的试卷库中选取题目,按照考试要求和考试难度加权选择一定数量的题目;2. 对每道题目进行类型、难度、相关度等属性计算,并存储到试卷生成算法的数据库中;3. 根据考生的能力、考试要求和考试难度计算每道题目的得分;4. 根据不同考生的能力水平,从数据库中随机选取一定数量的试题进行组卷,同时保证试卷难度和试卷类型的均衡和多样性;5. 利用自适应组卷算法,对测试题目和组卷难度进行动态调整,根据考生的答题情况生成最终成绩。
三、在线考试系统实现基于上述思路,我们利用现有的技术,使用Java EE架构搭建了一个在线考试系统。
它包含了如下模块:1. 后台管理模块:管理员可以在该模块设置试卷库、考试类型、考试题类型、考试题目、考生信息等相关内容;2. 考生管理模块:用于注册、登录、修改个人信息以及查看考试结果等功能;3. 考试模块:考生可以在模块中选择考试类型、开始考试、提交答案等操作;4. 统计分析模块:以图表的形式直观展示考试结果和绩效分析。
基于的在线组卷及考试系统设计与研究作者:高施广来源:《现代职业教育·中职中专》2018年第06期[摘要] 结合现有的校园网络环境、专业特色、学生学情等现状,基于智能组卷理论、技术、B/S架构模式等理论方法,设计开发基于的在线组卷及考试系统。
围绕智能化在线组卷的实现,分别从试题属性、试题分布、试题库构建等方面设计了系统试题库,并以改进的随机组卷算法为组卷策略,详细设计组卷过程中的试题属性和试卷参数;围绕在线组卷及考试系统的实现,分析系统的基本功能需求,探讨系统的可行性,从角色、功能用例等方面分析了系统的需求,设计系统的逻辑架构、功能模块以及系统数据库;围绕系统的测试目的,依据系统测试方法,设计测试用例,对系统的功能和性能进行测试,并得出测试结论。
研究和测试基于的在线组卷及考试系统能有效地实现用户管理、试题库管理、智能化组卷以及阅卷成绩管理,有效地提升了学校的网络化教育与管理水平,同时也丰富了在线组卷与考试理论。
[关键词] 在线组卷;考试系统;组卷策略;[中图分类号] G712 [文献标志码] A [文章编号] 2096-0603(2018)17-0246-02如今,伴随着计算机与网络技术的快速发展,各种网络的应用水平也得到飞速发展,网络已经融入经济、社会、生活的各行各业之中。
在教育领域,许多中职学校都以自身所构建的网络环境为基础,开展了基于网络的教学、多媒体、考试等活动。
这种方式通过整合校园网络、教学、论坛等资源,提高了教师的教学效率,丰富了教学的方式,提高了学生的兴趣,有效地起到辅助中职学校教学的作用。
在基于网络化的教学平台的各种功能应用中,最为典型的是在线考试功能,也是其中最难以实现的部分,得到了科研人员的广泛关注。
在基于网络的在线考试研究中,尽管已有很多科研人员对此展开了研究,并构建了在线考试平台,但对于国内大多数的学校和考试机构而言,采用最多的仍旧是传统的纸质试卷考试方式。
在这种传统的方式中,进行一次考试需要教师和学生参与,共完成五个主要过程:(1)教师根据考试重点出题并拟卷;(2)教师确定考试时间、考试地点,组织学生进行现场考试,并在考试过程中进行监考;(3)考试结束后,教师收集试卷,并抽出整块的时间逐次阅卷,得到每名学生的分数,并登记统计分数;(4)教师根据分数统计结果,对考生的知识点掌握程度进行评估;(5)教师在课堂上针对性地组织学生分析试卷的知识点,促进进一步掌握知识。
在线考试系统组卷模块的分析与设计作者:李金海陈鑫宇来源:《电脑知识与技术》2019年第20期摘要:互联网技术的应用给学校的教育方面带来了很大的方便性,特别是当在线考试系统应用在教育行业后,传统纸质考试存在的诸多问题得到了有效解决,因此设计在线考试系统成为教学领域的重要课题。
其中,组卷模块的设计是在线考试系统中不可或缺的内容,组卷模块需要进行合理组卷,不管是在难度上还是题型的分布上都应当尽可能合理。
在分析对比几种常用组卷算法的基础上,该文设计了实数编码遗传算法实现组卷功能,通过实证验证了基于实数编码遗传算法组卷模块的有效性。
关键词:在线考试;互联网;遗传算法;组卷中图分类号:G642; ; ; ; 文献标识码:A文章编号:1009-3044(2019)20-0055-03开放科学(资源服务)标识码(OSID):随着互联网技术发展,实现了信息化、智能化、科技化。
一个学校数千名学生,每次考试时,监考教师和考场都不能满足需要[1]。
一个公司少则数百多则数万名员工,面试、年底考核,考试时间和地点都不能满足人们需求。
在线考试系统不受时空限制参与考试、不受考场人数限制[2],解决了人们的时间和地点的需求,提高了人类的学习、工作效率,使考试形式自动化、智能化,使考试的结果更加公正公平,减少考官徇私舞弊、考生作弊现象。
所以对于教育及其他行业,建立一个现代化、新型的在线考试系统至关重要。
考试系统的组卷模块是本系统中必不可少的模块。
考试系统,顾名思义,就是能够进行考试的系统,只是考试的试卷已经不再是纸质的试卷,而是由系统来从题库中选择一定数量的且互不相同的题目来组成一套完整的试卷,通过网页或其他方式将这些题目组成的试卷展现在考生电脑屏幕眼前,从而能够让考生进行答题。
一个在线考试系统有多个模块,而用来实现上文所述的题库抽题组成试卷并展现的功能的模块称为在线考试系统的组卷模块。
1 文献综述目前,市场上有着形形色色的在线考试系统,例如有一些开源的考试系统:WEB-SET CAMPUS、eFront-Refreshing eLearning、GARC等。
基于遗传算法的在线考试系统的设计与实现基于遗传算法的在线考试系统是一种利用遗传算法来优化考试试卷的系统。
遗传算法是一种基于自然进化原理的优化算法,通过模拟自然选择、交叉和变异等过程,寻求最优解。
这种在线考试系统的设计主要涉及以下几个方面:
1.试题库的建立:建立一个包含不同难易程度、覆盖面广的试题库。
2.试卷生成机制的设计:将试题库中的试题按照一定规则组合成试卷。
例如可以根据试题的难度等级、知识点覆盖面等指标来进行组合。
3.遗传算法的集成:采用遗传算法对试卷进行优化,通过对试卷的组合方式、试题难度等进行遗传操作和评估,以寻求最优解。
4.学习者答题分析与反馈:根据学习者的答题情况进行分析,提供个性化的反馈和学习建议,以帮助学习者更好地掌握知识点。
基于遗传算法的在线考试系统的优点是可以提高试卷质量和学习成效,同时能够更好地满足学习者个性化的需求。
但是也需要注意遗传算法的优化结果是否具有一定的随机性,以及试卷组合方式是否能够真实地反映出学习者的知识水平等问题。
摘要:作业和测试的自动组卷是在线形成性考核系统的核心内容。
本文在深入研究贪心算法的基础上,提出了基于贪心算法的自动组卷算法,分析了题库和作业库的约束条件,实现了快速高效的组卷过程。
最后给出具体实例加以论证。
该算法已经成功应用于实际的在线形成性考核系统中。
关键词:贪心算法;在线形成性考核;约束条件;组卷
一、引言目前,常用的自动组卷算法有随机选取算法、回溯试探算法、蛮力法和遗传算法等,这些算法对在线考试系统确实具有一定的应用价值,但这些方法生成的作业卷和测试卷在试卷的科学性和合理性上考虑较少。
在综合研究以上各种算法的优缺点后,保证达到较好时间效率和空间效率的基础上,采用贪心算法为核心和随机选取算法为辅助的组卷算法,应用于在线形成性考核系统在线作业和在线测试中,能够达到较好的组卷效果,并且达到教学辅助效果。
决定组卷效率和作业卷质量的主要因素有两个:一是题库和作业库的结构;二是组卷算法的设计。
二、贪心算法简介贪心算法建议通过一系列步骤来构造问题的解,每一步对目前构造的部分解做一个扩展,直到获得问题的完整解为止。
在每一步中,它要求“贪婪”地选择最佳操作,并希望通过一系列局部的最优选择,能够产生一个全局的最优解。
贪心算法一般可以快速得到满意的解,因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。
贪心算法的基本要素。
一是贪心选择性质。
所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择,即贪心选择来达到。
这是贪心算法可行的第一个基本要素。
贪心算法则通常以自顶向下的方式进行,以迭代的方式作出相继的贪心选择,每作一次贪心选择就将所求问题简化为规模更小的子问题。
对于一个具体问题,要确定它是否具有贪心选择性质,必须证明每一步所作的贪心选择最终导致问题的整体最优解。
二是最优子结构性质。
当一个问题的最优解包含其子问题的最优解时,称此问题具有最优子结构性质。
问题的最优子结构性质是该问题可用贪心算法求解的关键特征。
在题库组卷问题中,其最优子结构性质表现为:若a是对于e的题库组卷问题包含试题1的一个最优解,则相容作业卷集合a′= a-{1}是对于e′= {i∈e:si≥f1}的题库组卷问题的一个最优解。
三、基于贪心算法的在线形成性考核系统组卷算法1、在线形成性考核系统结构在线形成性考核是指对学生学习过程的测评,是对学生课程学习的阶段性考核,是加强教学过程管理、检验学习效果的重要措施。
在该系统中,管理员模块主要负责数据导入导出和系统维护,按照学生的课程注册信息绑定学生的班级、课程、辅导教师及恢复误删除成绩;教师模块完成课程形成性考核方案设计,作业题设计,查询考核内容,作业管理,作业批阅,查询批阅结果,删除已批阅但学生要求重做的作业成绩,学生信息管理,查询作业完成情况,到课率录入;学生模块主要功能是查看形考方案、主持教师、辅导教师、导学教师,在线作业,在线测试,作业成绩及反馈查询。
在线形成性考核系统结构如图1所示。
图1 在线形成性考核系统结构2、题库设计首先需要确定的是试题组织的方式。
为了保证达标原则、全面性原则和主要性原则,最好将试题库与具体的知识内容进行关联,也即以课程知识点为核心组织试题库。
然后就要考虑试题本身固有的特性参数,主要有题型、试题内容、答案、难度系数等。
难度系数是试题难易程度的指标,也是试卷生成中的一个重要参数,它可以由教师录入试题时给定,并且在同一门课程中要坚持相同的标准,并且难度标准初始设定时要充分考虑到所要测试学生的程度范围。
难度系数一般用等级来表示, 在五级难度系数中, 一级难度为最低, 五级难度为最高。
题型分为客观题和主观题。
客观题分单项选择题、多项选择选、判断题和填空题,主观题分计算题、简答题和论述题。
3、作业库设计组卷方式可以按需求由主持老师进行客观题和主观题自由组卷。
客观题在学生完成并提交成功后,系统自动阅卷并给出成绩。
主观题在学生完成并提交后,由辅导老师阅
卷并给出成绩。
学生完成作业后如没把握,请不要提交,如提交确认后则不能重做。
学生有成绩后要重做的,可以向辅导老师提出重做申请,辅导老师同意后,删除已取得的成绩即可。
辅导老师删除学生成绩的记录将保留在系统,用于误删除成绩的恢复和保留删除痕迹。
作业卷生成工作完成之后,将其保存入作业库中。
4、组卷的约束条件一是知识点约束。
因为教学中的知识点一般与教材的章节内容对应,所以知识点约束可以看作章节范围约束。
知识点约束还包括各章节在总试卷中所占的分值比例。
二是题型约束。
题型约束是指试卷中包含的试题类型,即以何种类型的试题组卷测试。