基于题目难易度自动分级的组卷系统的设计与实现

摘要

随着计算机技术的不断发展，教育学习方式逐渐走向了信息多元化，因此在线学习平台逐渐出现，并被越来越多的人广泛使用。随着大量网络试题库的出现，在线考试系统因此得到发展，越来越多的课程采用在线测试的方式进行考评。对于一套测试试卷来说，最基本的要求是题目难易度分配合理、知识层次分明，这样的试卷才能满足基本的教学要求。
　　无论是传统的人工组卷还是随着计算机技术发展而来的智能化的组卷，其组卷过程都离不开题目的难易度等级，组卷过程中题目难易度设置过高或者过低，都将影响对学生学习情况的评价。虽然有些题库的题目进行了难易度标注，但该过程是由出题人进行手动标注。在进行人工标注的过程中，不仅浪费了大量的人力、时间，标注过程受到各种人为因素的干扰，主观性较强，一旦难易度标注错误，依据此组出的试卷不能很好的反映出学生的学习情况以及教师的教学效果。因此本研究依据网上的试题库，设计了基于题目难易度自动分级的自动组卷系统，由计算机对题目进行难易度的判断，并基于此来进行组卷的过程。
　　本研究首先选取了由南开大学嵌入式系统与信息安全实验室开发的《计算机组成原理》在线学习系统的试题库作为实验对象，对其中的选择类型题目特点进行了探究，分析了影响试题难易度的因素，包括题目本身的客观因素以及主观因素，进而提出一种题目难易度自动评估模型。设计过程中，应用到了自然语言处，理技术、切词分词技术、机器学习等方法，提出了基于教材的知识网模型的特征属性集作为难易度分类的重要标准。该模型主要通过特征属性集与知识网模型进行匹配的过程来进行难易度的判断。通过该模型输出关于试题的数据矩阵，最后通过机器学习分类方法进行试题的难易度分级。最后设计并实现了基于该难易度评估模型的自动组卷系统，即输入题目，由系统自动为题目进行难易度的评定，该难易度分级结果作为组卷的重要指标。
　　依据《计算机组成原理》在线学习系统中的题库进行难易度自动分级，经过科学的实验评估体系后，自动难易度的分类准确率结果可以达到82.65％，组卷系统的实现运用该难易度评估模型，最终组出的试卷能够满足基本需求。

目录

声明

摘要

第一章绪论

1．1研究背景

1．2研究的目的与意义

1．3国内外相关工作研究

1．3．1题目难易度分级问题的研究现状

1．3．2自动化组卷问题的研究现状

1．4相关技术

1．4．1自然语言处理技术

1．4．2中文评分技术

1．4．3机器学习算法

1．5本文的主要工作及组织架构

第二章题目自动难易度分级解决方法分析

2．1题目难易度自动分级问题

2．2数据预处理

2．2．1数据清理

2．2．2数据集成

2．3题目特征分析

2．4选用的机器学习分类方法

2．5题目难易度分级模型的评估方法

2．6本章小结

第三章难易度自动分级模型问题研究

3．1整体的架构

3．2知识网模型

3．3特征属性集

3．3．1知识的广度

3．3．2认知的层次

3．3．3知识点在学科中的地位

3．3．4题目的复杂程度

3．3．5题目的表达方式

3．4本章小结

第四章实验结果与分析

4．1数据预处理

4．2判定题目等级

4．3建立知识网

4．4建立属性特征集

4．5机器学习分类结果分析

4．6本章小结

第五章基于难易度分级模型的自动组卷系统的设计与实现

5．1自动组卷系统的策略研究

5．2系统开发环境

5．3系统的主要功能

5．4自动组卷系统数据库的设计

5．5用户的界面设计

5．6自动组卷系统的实现

5．6．1用户登录模块

5．6．2组卷模块

5．6．3试卷查看模块

5．6．4试卷管理模块

5．6．5管理员登录模块

5．7本章小结

第六章总结与展望

6．1结论

6．2展望

参考文献

攻读硕士学位期间论文发表及参与项目情况

致谢