大学期末考试试卷量化分析研究

本研究抽取河西学院09-10学年第2学期理科系抽考课成绩进行分析.结果表明:(1)期末成绩分布基本符合正态分布,部分成绩分布呈负偏态和尖峰态;(2)大部分试题难度适中,少数课程难度较低(P＞0.80);(3)大部分试题具有很高的区分度,少数课程区分度较低(D＜0.19).通过对试卷质量的科学分析,对于评估和提高教学质量...     

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.     

《大学物理》课程期末考试试卷质量分析

本文运用教育统计和教育测量的理论和方法,对我校2007级学生的大学物理课程期末考试试题结构、考试成绩、难度、区分度进行科学分析,结果表明此次考试试卷题型分布基本符合命题要求,学生成绩大体呈正态分布,试卷总体偏容易,区分度良好。     

急诊医学期末考试试卷分析与评价

目的:评估2008级五年制本科临床医学专业老年医学方向和心理卫生方向急诊医学期末考试试卷的质量,反馈教学信息,以改进教学方法,提高教学质量。方法:随机抽查2008级五年制本科临床医学专业上述两个方向学生的60份期末考试试卷,统计分析考试成绩分布、试题质量及检验效能。结果:考试成绩呈负偏态分布,平均成绩为71.6±7.9分,试卷总体难度系数为0.72,区分度为0.19,信度为0.48,区分度>0.2的试题占45.8%。结论:试卷题型分配较全面,总体难度适中,较全面、客观评价了学生对急诊医学这门课程的掌握程度。但试卷总体区分度和信度欠佳,存在较多难度偏易和区分度较差的考题,反映出急诊医学教学过程中及考试命题时还存在一些薄弱环节,需增强考题的检验效能和可信度。     

测验的测量及统计分析

用数理统计的方法，对不同团体和各团体总体测验结果的集中量数、差异量数、数学分布、信度、区分度和难度进行了计算分析。讨论了信度、区分度与难度之间的关系及具体取值范围。用集中量数和差异量数定量地分析了引起偏态分布的原因，此研究分析过程有助于客观地评价任何教育测验的质量和被测验对象的真实能力及知识水平。     

基于生成式对抗网络的区分度模型

为了提升图像相似度判别的有效性,通过定义相似度差值(或区分度),设计了基于生成式对抗网络的区分度模型,并与传统的区分度模型进行了对比试验.试验结果表明,本文模型提升了图像相似度的有效性和稳定性.     

药用植物学考试试卷分析与评价

目的：分析和评估我校药学和中药学专业2006级药用植物学期束考试试鲞的质量,为改进药用植物学教学方法和提高考试试卷质量提供依据。方法：运用重庆医科大学开发的试卷分析系统对随机选取的45份试卷进行统计分析。结果：学生成绩呈偏态分布,平均分70.9分,标准差8.9,平均难度0.71,区分度0.21,信度0.6741。结论：本次考试的学生成绩呈偏态分布,试题率度合适,区分度适中,试卷可信、有效。     

作者学术影响力动态评价研究

现有作者影响力评价方法多为静态评价法,为实现作者影响力的动态评估,基于个人影响因子(Author Impact Factor,简称AIF)提出一种考虑作者学术成果在不同阶段影响力的综合评价方法.该方法结合期刊影响因子和作者贡献度对AIF进行修正,得到修正个人影响因子CA-AIF指标,并以图书情报领域发文量前38位的作者为例计算其CA-AIF值,并与已有指标h指数和AIF进行对比分析.实证研究发现,相较于其他评价指标,CA-AIF指标不仅具有更高的敏感性和区分度,而且利于识别"睡美人"文献及预测作者未来影响力.     

伽玛分布环境因子的极大似然估计和Bayes估计

针对伽玛分布位置参数已知情形,给出了伽玛分布环境因子的极大似然估计,并给出了伽玛分布环境因子的Bayes估计.用Monte-Carlo法进行数值模拟,数值模拟结果表明伽玛分布环境因子的Bayes估计优于极大似然估计.     

利用博弈确定分配因子的财富分配模型

在传统财富分配模型中引入博弈游戏,以此确定财富分配规则,分别讨论了不含保守因子和包含保守因子情形下,系统的财富分布情况.所得结果表明,在不含保守因子时,对群体而言,系统中不同的客观影响因子对系统的财富分布趋势没有明显影响;但对个人而言,其采用的交易策略与外在的客观影响因子越接近,越有可能获取更多的财富.在包含保守因子时,个体的策略与外在客观影响因子的相近程度决定了财富分布的人员构成,但保守因子的大小很大程度上影响了财富的分布趋势,具体表现为保守因子越小,财富的分布越集中.     

基于矩阵的频繁项集挖掘算法

在所有频繁项集挖掘算法中,Apriori算法一直是一个经典的算法,但是该算法存在的最大缺陷是要进行多次的数据库扫描并且在挖掘过程中产生大量的候选频繁项集,因此效率很低.提出了利用基于矩阵的方法挖掘频繁项集,很好地避免了这个缺陷.     

基于改进频繁模式树的最大频繁项目集更新挖掘算法

在挖掘最大频繁项目集的过程中,通过改变最小支持度阈值可以挖掘更有用的最大频繁项目集,为此提出了一种最大频繁项目集更新挖掘算法UAMMFI(Updating Algorithm for Mining Maximal Frequent Itemsets)。算法基于改进后的频繁模式树结构,在更新挖掘过程中,不需产生候选项目集和条件模式树,并且充分利用先前已挖掘的最大频繁项目集中包含的信息,快速更新挖掘出最小支持度阈值变化后的最大频繁项目集。实验结果表明,算法能够高效更新挖掘最大频繁项目集。     

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.     

第43届世界体操锦标赛女子体操比赛述评

通过文献资料法、录像观察法等研究方法对女子体操比赛的技术发挥情况和成绩进行统计、对比分析.结果表明:世界女子体操竞争呈现垄断化格局;团体赛美国称霸体坛,高难度、高质量、高成功率是团体制胜的法宝;全能金牌竞争激烈,均衡发展、突出强项有利于增强全能竞争力;高难优质套是单项夺冠的资本.     

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.     

小样本标准参照测验中项目参数估计的GRNN方法

针对标准参照测验题库建设中的项目参数估计方法所存在的问题,分析了先前的GRNN方法估计项目参数研究中所存在的不足,对原有方法进行了改进,并以二值记分下的单参数Logistic模型为研究对象进行了模拟实验。结果表明,在考生样本很小的情况下,当训练项目达到一定数目时,将会得到比较实用的GRNN估计结果。方法具有较高的实用价值。     

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.     

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.     

基于修正线性吸光度的Kalman滤波同时测定邻氯苯酚和2,4-二氯苯酚

修正了双组分混合体系的线性Beer定律，提出了修正线性吸光度测量方法，即双组分混合体系吸光度由两组分各自对吸光度的贡献和由于混合而导致的两组分交互作用项两部分构成。基于修正吸光度，利用Kalman滤波紫外分光光度法同时测量了邻氯苯酚和2，4-二氯苯酚混合体系，回收实验显示，修正线性吸光度分析方法无论在平均回收率还是在平均相对误差方面均优于线性吸光度分析结果。在整个实验范围内本分析方法具有良好稳定性。     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。