网络环境下的题库管理系统

开发数据库题库管理系统主要是为了建立一个统一的题库 ,并对其进行管理 .数据库题库管理系统包括六个模块 ,实现对题库的录入、编辑、查询和自动生成试卷、手工生成试卷、输出试卷等功能 .同时还增加对所用教材的管理如教材的录入、编辑和查询 ,本系统具有针对性强、操作简便、成卷快、题目搭配合理、试卷难易程度可控等特点     

智能题库系统的结构设计研究

自动组卷和题库中数据表是智能题库中的主要组成部分,数据库主要表结构的设计及组卷算法的好坏直接影响系统的性能.重点分析了模块中题库主要表结构的设计以及原理、组卷算法的流程结构图.并根据实际情况强调了在设计中应注意的事项.     

基于不同CDM视角的CD-CAT题库建设

在CD-CAT题库建设过程中,选择合适的认知诊断模型(CDM)标定题库参数是一个关键的步骤.若一个题库均采用一个CDM来标定题库所有参数,则可能会造成模型资料失拟.提出了一种基于混合模型的题库建设思路,通过Monte Carlo 模拟研究验证了基于混合模型建立题库的效果,并与传统的基于单一模型的题库建设进行了比较,为CD-CAT在选用合适的模型方面提供了理论借鉴.     

谈题库建设

本文主要讨论了题库的发展、建立题库的理论基础、及设计题库的步骤     

基于WEB的题库设计与实现

阐述了基于WEB的题库与传统单机题库相比所具有的优势和特点,并分析了这种题库系统的实现技术、体系结构及基本功能.通过采用浏览器/WWW服务器方式来建立这一系统,从而达到资源共享、管理集中、教学互利、方便安全的目的.     

《数学分析》题库建设的计算机实现

《数学分析》是数学教育专业的一门重要基础课,题库建设是改革考核模式的主要任务,文章说明了用计算机实现题库建设的必要性,提出了用计算机建立题库的实现理念.     

高校智能题库建设与管理研究

传统的高校试题库的建设方法已不再适应当今的高校教学改革,以及网络教育技术的发展,针对高校在试题库建设和试题库管理过程中存在的问题,本文阐述了高校智能题库建设与管理的新思路和新方法,并详细介绍了智能题库平台的建设方法。     

药理学本科教学与国家题库考试初探

介绍了药理学本科教学与国家题库考试的几种作法 ,并对药理学成绩考核方法的改进作了一些尝试 ,结果表明 :使用国家题库考试平均成绩逐年提高 ,χ2 检验 ,均在正态分布范围 .     

通用题库管理系统的设计

本文介绍了通用图文题库的设计及组卷策略,阐述了题库管理系统的功能和数据库的结构.     

开放式考试系统中一种题库系统的创新与实现

本文针对开放式网络化考试系统的数据核心——题库系统在题库结构设计、管理方式、题库上传策略等方面提出了创新的设计及实现方法,并在详细系统功能分析基础上建立完善了其系统功能及其管理范围.     

一种提升题库安全性的选题策略

题库的安全性是实施计算机化自适应测验的关键问题.受原有的动态a分层方法和均值不等式启发,构造了动态a分层的选题策略.模拟实验结果表明:新的选题策略保持了原有动态a分层的测验精度,进一步提高了测验的安全性.     

自动控制区分度作用的选题策略研究

沿用引入曝光控制因子的CAT选题策略中所提出的曝光控制因子,同时将定长测验的测验长度以及不定长测验中被试累积信息量加入到新选题策略中,提出了在不分层的条件下自动控制区分度作用的选题策略.蒙特卡洛模拟结果表明:新方法在项目调用均匀性、测验效率等评价指标上效果均较为理想.     

兼顾能力与知识状态的Higher-Order CD-CAT选题方法

Higher-order CD-CAT的选题方法是传统单目标(即只对知识状态自适应)选题方法,这将导致被试能力的测量精度不高.基于此,在高阶模型和PWKL选题方法的框架下,该文开发了适用于Higher-order CD-CAT的新选题方法,该方法在选题时能同时兼顾能力和知识状态.实验结果表明:与传统选题方法相比,新选题方法的能力和知识状态估计精度都更高,并且在题库安全性上也具有明显的优势.     

计算机化自适应诊断测验新的选题策略

提出了一种既能满足属性平衡又能有效处理相似属性模式的新方法——改进的极大化整体判别认知诊断模型信息量指标法(MGCDI).对无结构型的属性,讨论定长CD-CAT的选题策略.研究结果表明,使用相同选题策略选题时,先选择可达矩阵的所有列对应的项目比不使用这些项目的诊断准确率高.     

区分度与测验进程相匹配的CAT选题策略

选题策略是计算机化自适应测验(CAT)的核心.该文提出了一种新的选题策略,是一种相对严格的“升a”方法,它选择区分度参数的百分等级尽可能接近测验进程的项目,而且还可以通过调整控制参数的取值来满足不同测验场景的需求.Monte Carlo实验结果表明:该方法在测验精度、项目曝光率控制和题库利用率等方面均表现良好.     

基于连接的频繁集聚类算法

针对大型事务数据库中频繁集的多属性聚类问题,提出一种高效的频繁集聚类算法.以往聚类算法采用基于距离的计算方法,由于受到属性数据的制约,在频繁集挖掘中具有一定的限制.在属性聚类基础上,基于连接对频繁集进行聚类.在算法中先找出数据点的邻居和计算相似度,构造邻居矩阵;然后计算连接数目,确定邻居数目矩阵;最后通过设置判定函数和阈值确定聚类数.通过实验证明,算法能够不仅能有效地完成频繁集的多属性聚类问题,而且还可以进一步发现频繁集在某一层次的相关性.     

0-1评分认知诊断测验设计

认知诊断测验设计实质上是测验Q矩阵设计,设计应最大限度覆盖诊断的构念,充分发挥代表认知模型的属性层级关系的重要作用.主张测验充分表达被试知识结构,提倡测验Q矩阵和被试知识状态共享同一层级结构,以实现对被试更加准确的诊断.对于非独立型层级结构,无法实现属性使用次数平衡而应采用题目属性向量使用平衡策略.对Liu Ren(2017)的测验设计提出质疑.     

基于GRM模型的CAT分层方法在校准误差中的应用研究

在计算机化自适应测验(CAT)中,0-1评分模型下b组块a分层的方法(BASTR)可以提高测量准确性的同时平衡项目的曝光率,但在多级评分模型中项目难度/步骤参数有多个,无法直接使用该方法; 又因为信息函数可以较好地综合被试能力和项目参数,但最大信息量选题策略的测验安全性太低.因此,将多级评分模型中的多个参数综合成一个指标作为b分块的依据,模仿BASTR方法,提出5种新的B分块a分层方法,并且采用“影子题库”下最大信息量的选题方法.在等级反应模型(GRM)下蒙特卡洛实验结果表明,新方法在测验精度、题库利用率和机会红利等评价指标中总体表现良好,B_max-min分块方法表现最优.     

基于项目属性分类的协同过滤算法研究

用户对项目的评分数据是传统协同过滤算法进行项目或用户推荐的唯一依据,项目或用户本身的属性特征并未进行过多考虑。为此,在计算项目之间的相似度时融合了项目标签属性,提高了项目推荐的准确率。具体方法是首先通过创建项目属性分类表,得到项目属性之间的差异度,然后将项目属性差异度融入pearson 相关系数公式中,计算项目之间的相似度。通过实验验证,改进后的方法比传统的基于项目的协同过滤算法的推荐结果平均偏差小,命中率高,推荐结果更加准确。     

带区分度约束的选题策略研究

最大优先级指标(MPI)选题策略可以较好地满足非统计性约束,按a分层的选题策略可以有效提高低区分度项目的利用率,结合两者的优势,构造了附加区分度约束的两阶段MPI选题策略.Monte Carlo模拟研究表明:新选题策略在题库的未使用率方面有明显改进,在测量精度和约束条件控制等评价指标上较现有方法差异不大.