[发明专利]一种基于群体知识诊断的智能组卷方法

说明书

本发明公开了一种基于群体知识诊断的智能组卷方法，根据考试要求设定组卷对应的约束条件，并进行群体知识诊断确定试卷知识点，根据群体知识诊断确定的试卷知识点，从题库中抽取与试卷知识点关联的题目形成备选题库；随后根据约束条件中试卷的难度、题目类型和计算得到的题目总数生成需求矩阵，并根据备选题库生成供给矩阵，将供给矩阵减需求矩阵得到差值矩阵，对需求矩阵进行修正，根据生成的最终需求矩阵，从备选题库中抽取试题生成初始种群；最后采用生成的初始种群，基于遗传算法完成组卷。本发明的智能组卷方法，基于生成的初始种群，减少了组卷的时间，提高了组卷的质量。

技术领域

本发明属于智能教育技术领域，尤其涉及一种基于群体知识诊断的智能组卷方法。

背景技术

对于学生和老师来说，考试试卷是学习过程中必不可少的学习材料和检测工具。而试卷的题目组成，往往需要教师和专家付出大量的工作精力，根据书本的知识点和经验来编写试题或者选择试题来组成试卷。

随着计算机技术的发展，通过计算机选择试题来完成组卷工作逐渐得到了推广应用。目前遗传算法就是组卷的主要算法之一，遗传算法GA作为一种全局优化搜索算法，能根据自然法则从群体中选择适应性更强的个体，从而得到最优解，具有自组织、自适应和自学习等特征。GA的特征与组卷要求有较大的程度的吻合，遗传算法的主要步骤包括初始种群、交叉验证、变异操作、选择操作。

但是在题库规模较大和交互式秒级响应的要求下，遗传算法也存在一定缺陷。例如目前的遗传算法的初始种群也随机初始种群，使种群的质量无法保障，较差的种群需要更多的变异和迭代次数，才会得到较高质量的试卷，性能相对较低；面对待推荐题量较大时，种群生成的数量规模也较大，随机产生种群的方式也不可取。

发明内容

本发明的目的是提供一种基于群体知识诊断的智能组卷方法，在遗传算法的基础上，基于先验和最大熵进行模拟采样生成初始种群，减少了组卷的时间，提高了组卷的质量。。

为了实现上述目的，本发明技术方案如下：

一种基于群体知识诊断的智能组卷方法，所述智能组卷方法包括：

根据考试要求设定组卷对应的约束条件，所述约束条件包括试卷的总分、考试时间、试卷的难度、考察知识点、题目类型和参与考试的学生群体；

根据约束条件中考试时间、考察知识点和参与考试的学生群体，计算出题目总数，进行群体知识诊断确定试卷知识点；

根据群体知识诊断确定的试卷知识点，从题库中抽取与试卷知识点关联的题目形成备选题库；

根据约束条件中试卷的难度、题目类型和计算得到的题目总数生成需求矩阵，并根据备选题库生成供给矩阵，将供给矩阵减需求矩阵得到差值矩阵；

根据差值矩阵对需求矩阵进行修正，使得供给矩阵能够满足需求矩阵；

根据约束条件中的试卷总分数，给每类题目类型赋予分值，并修正需求矩阵；

根据生成的最终需求矩阵，从备选题库中抽取试题生成初始种群；

采用生成的初始种群，基于遗传算法完成组卷。

进一步地，所述根据约束条件中考试时间、考察知识点和参与考试的学生群体，计算出题目总数，进行群体知识诊断确定试卷知识点，包括：

根据约束条件中考试时间，以及设置的参与考试的学生群体平均解题时间，计算出本次试卷对应的题目总数；

比较本次试卷对应的题目总数与约束条件中考察知识点，如果本次试卷对应的题目总数大于等于约束条件中考察知识点，则确定试卷知识点等于约束条件中考察知识点；否则计算参与考试的学生群体对考察知识点的平均掌握程度，根据参与考试的学生群体对考察知识点的平均掌握程度确定试卷知识点。