智能组卷算法研究比较

基于题库的智能组卷模块是在线考试系统的核心单元,组卷算法的优劣直接影响到系统性能。智能组卷问题是一个典型的多重约束目标求解问题,本文做了初级建模分析,对目前常用的智能组卷算法做了研究对比,其中遗传算法和粒子群优化算法能够较好地满足随机性、合理性、快速高效等科学需求。     

微粒群算法在智能组卷中的应用

根据教育考试理论与统计学,分析组卷目标要求,建立智能组卷系统的数学模型,提出一种基于微粒群算法的智能组卷算法。通过应用实例分析,实验结果表明所提出新组卷算法的组卷速度快、精度高。     

Rasch模型与K-means算法应用于试卷分析的对比研究

无纸化考试和智能题库的应用对试卷质量分析提出了更高要求。本文介绍了基于IRT理论的Rasch模型和K-means聚类算法的理论原理,从算法思想和模拟实验的角度比较了Rasch模型和K-means算法应用于试卷质量分析领域的效果及特点。     

基于ASP的智能组卷算法的设计与实现

随着通信技术、网络技术和多媒体技术的不断发展，基于Web的远程教学系统蓬勃发展．介绍了远程考试中智能组卷算法的设计，以及基于ASP技术的算法实现．     

智能组卷系统的关键技术探究

教育改革的推进及信息化技术的进步使得在线考试与测评系统成为计算机辅助教学中的重要研究课题.通过对目前智能组卷中涉及的属性指标体系、组卷算法两个关键技术进行调研和性能分析,为进一步研究提供参考.     

关于试题难度系数调整算法和组卷算法的研究

为了提高在线考试系统组卷的效率，增强考试系统的实用性，提出了基于试题难度系数动态调整的算法和具有组卷条件优先权选择的抽题算法。这两种算法不仅解决了试题难度系数难以确定的问题，而且有效提高了抽题组卷的速度和效率。     

基于题库信息的智能组卷算法

在分析了现存的智能组卷算法的基础上,提出了基于题库信息的智能组卷算法,算法通过对题库中试题信息的充分利用,有效的提高了组卷成功率和组卷的质量。     

基于混合求解算法的智能组卷研究

智能组卷是一个多约束目标的组合优化问题,针对传统算法在组卷方面存在的不足,将遗传算法和模拟退火算法相结合,提出了一种混合求解算法.新算法不仅克服了未成熟收敛,而且速度和性能都有显著提高.实验结果表明,新算法提高了组卷效率.     

近似串匹配算法在自动评分系统中的应用

无纸化考试是大规模计算机基础课考试的发展趋势,自动评分系统的可靠设计与实现直接影响这类考试的可信度,应引起足够重视.简述计算机自动评分系统研究现状,详细介绍了近似串匹配算法的实现原理,并讨论其在文字录入模块自动评分中的一些关键应用.     

通用考试系统的研究与实现

介绍了通用考试系统的结构及功能,论述了试卷生成模块中的两种组卷策略及抽题算法,探讨了教学评价问题.通用考试系统通过试题库管理、试卷随机生成、学生考试、试卷评阅与分析、成绩管理统计等功能为考试的无纸化提供了一套完整的解决方案,减少了考试工作量,提高了工作效率.     

计算机基础课无纸化考试模型初探

针对目前高等学校非计算机专业计算机基础课的考试仍采用手工改卷的情况,提出了在笔试和上机考试中采用“无纸化”考试的方法,对笔试和机试的“无纸化”考试系统所应达到的功能经了定义。     

基于遗传与蚁群混合算法的智能组卷研究

针对遗传组卷算法局部求解能力不足、容易早熟和退化对系统中的反馈信息利用不够的问题,以及蚁群组卷算法搜索初期信息素匮乏的缺点,充分利用遗传算法较好的全局搜索能力和蚁群算法较高的求解精度的优势,提出了一种遗传算法与蚁群混合算法的智能组卷策略。实验结果表明,与单一组卷算法相比,提出的混合组卷方法收敛速度更快,能更有效地解决智能组卷问题,具有更好的实用性。     

解析HGTPA的一种启发式组卷算法

组卷算法是在线考试系统的核心,本文结合遗传算法的优点,提出一种新的启发式遗传组卷算法(Heuristic Genetic Test Paper Algorithm,HGTPA),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。     

在线考试系统中组卷的分类与实现

随着计算机技术与网络技术的飞速发展,在线考试已成为一种全新、有效、快捷的考试形式,而决定在线考试的关键性前提是考试组卷方式的选择.合理、科学的组卷算法既能满足教学要求又能真实考查考生的学习成果,让考试发挥其最大的功能与作用.     

组卷中的随机抽取算法分析与实现

从目前考试的改革进程看,考试将逐渐向人性化和自动化过渡,而通过计算机进行自动组卷是其中的关键技术,然而这一技术目前还存在效率低下等问题的困扰.通过对试卷生成问题的分析,给出了一个通用的生成试卷的随机抽取算法,通过该算法,较好解决了试题库组卷过程中重复试选和难以一次组卷成功的问题,最后,通过一个实例验证了本算法.     

基于层次分析法与二元蚁群算法的智能组卷设计

利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.     

基于C#无纸化考试系统的开发与实现

给出了基于C#的无纸化考试系统的总体设计思路及具体实现方法.系统包括题库设置,提卷,交卷及自动改卷等功能。     

PBIL算法的改进及其在机试实时组卷中的应用

给出了自动组卷系统中组卷约束条件和目标函数的数学描述.针对上机考试实时组卷的要求,根据历史组卷信息对PBIL算法的初始学习概率进行了修正.通过算法参数预估的方法,给出了提高组卷效率和成功率的途径.     

基于BP改进算法的实验考试系统

在我国高等教育中,采用网络考试系统对学生进行考试测评是学校教学改革的一个新的尝试。本文主要把经过网络结构优化的BP算法应用到网络考试系统中,构建了一个基于BP改进算法的智能化考试分析系统。该系统主要实现大学基础化学实验课程智能组卷出卷问题和基于BP改进算法的学生个人评测问题,以及教师查看分析问题等。使得考试系统真正实现智能化,让考试真实地反映每个学生的真实情况并有效地服务于每个学生,提升高等教育评价的理念水平。     

通用组卷算法研究

针对网络化考试的需求,提出了一种通用组卷算法,为了使生成的试卷更客观、科学和有区分度,文章首先讨论了组卷原则,并围绕组卷原则,提出了一个结构合理的试题库和自动组卷算法,从而构建了一个自动化试卷生成系统。