智能教学系统中自动组卷算法探讨

智能教学系统中的自动组卷问题实际上是一个在一定的约束条件下多目标参数优化问题,采用传统的数学方法求解此类问题十分困难,自动组卷的效率和质量完全取决于试题库的设计和自动组卷算法的设计。基于项目反应理论的智能考试系统兴起于上世纪八十年代中期,它是智能教学系统及现代丈量|教学论文网|理论研究中的一个重要领域,它的特点是能够根据考生能力的不同而由计算机从题库中自动选取难度与其能力相匹配的试题进行测试,考试成绩与题目的选取无关,可以更加正确客观地反映考生的实际能力,并且达到一定丈量|教学论文网|精度要求的时间更短,但是自动组卷时如何将项目反应理论的信息量等计量指标与题型、知识点等非计量指标有机地结合起来,是目前研究的一个热门问题。鉴于以上情况,本文主要做了以下工作:1.分析当前自动组卷算法的研究现状并对常用的几种自动组卷方法加以比较,在充分研究了项目反应理论的基础上,构建了自动组卷问题的数学模型。2.通过对传统遗传算法的学习研究,发现传统遗传算法用在自动组卷时轻易出现早熟和收敛速度慢的问题,因此本文对传统遗传算法进行了多处改进,包括编码方式的确定、适应度函数的确定、遗传算子的设计,并且引入了自适应技术和小生境技术。通过用三种不同类型的测试函数对改进后的遗传算法进行了测试,证实了改进后的遗传算法不仅在收敛速度上有了较大提高,而且算法的稳定性也有了明显提高。3.根据自动组卷问题的特点,设计了适当的编码方案和适应度函数,将上述改进后的遗传算法应用于自动组卷问题。以模拟试题库为例进行组卷,并对算法的性能进行了实验分析。实验结果表明,改进后的遗传算法能够成功应用于自动组卷问题,有效地解决了自动组卷中的约束优化问题,具有较高的组卷成功率和效率。【关键词】：智能教学系统项目反应理论遗传算法小生境技术试题库
【论文提纲】：摘要3-4ABSTRACT4-8第一章绪论8-121.1选题背景及意义8-91.2课题的研究现状9-111.3本文的组织结构11-12第二章自动组卷的相关理论及数学模型设计12-312.1经典丈量|教学论文网|理论(CTT)12-132.2项目反应理论(IRT)13-232.2.1IRT的基本原理14-152.2.2IRT的基本假设15-162.2.3IRT的数学模型16-202.2.4IRT的重要概念20-212.2.5IRT的优缺点21-232.3自动组卷问题的数学模型设计23-312.3.1自动组卷问题描述23-242.3.2线性规划的最大信息量组卷模型24-262.3.3离差加权模型26-282.3.4分步组卷数学模型设计28-31第三章自动组卷算法研究31-493.1常用自动组卷算法及比较31-323.2遗传算法理论32-373.2.1遗传算法的基本概念32-333.2.2遗传算法的基本结构及特征33-353.2.3遗传算法实现的关键技术35-373.3自适应遗传算法的主要思想37-383.4小生境技术先容38-393.4.1小生境技术的基本理论38-393.4.2三种常用的小生境技术393.5自动组卷算法的改进思想39-453.5.1编码方案的确定403.5.2基于IRT的适应度函数的确定40-413.5.3选择、交叉、变异算子设计41-443.5.4自适应技术与小生境技术相结合443.5.5自动组卷算法描述44-453.6实验分析45-493.6.1测试函数45-463.6.2对测试函数的计算结果分析46-49第四章改进后的算法在组卷中的应用49-554.1问题描述与转化494.2模拟试题库49-514.2.1试题库的组织要求504.2.2试题的参数50-514.2.3组卷策略514.3自动组卷算法参数的选择51-524.4自动组卷算法性能实验分析52-554.4.1组卷参数设定及结果52-544.4.2组卷效率544.4.3算法稳定性54-55总结与展望55-56本文的工作总结55将来的工作展望55-56致谢56-57参考文献57-60攻读硕士学位期间发表的学术论文及科研成果60