[发明专利]自适应评估被试者的方法

说明书

一种自适应评估被试者知识状态的方法，使用已经构造完成的分层的学习空间，还包括：第一阶段，在第一层调用单层评估被试知识状态的函数并判断被试者所处的知识状态，并输出被试者可能的知识状态，包括知识状态的内部边界和外部边界；第二阶段，调用单层评估被试知识状态的函数评估被试者从已掌握到外部边界在第二层可能所处的知识状态，输出被试者可能的知识状态，包括知识状态的内部边界和外部边界，并移动到学习空间的下一层继续评估，直到学习空间层数全部遍历。可以得到被试者精确的知识状态，对于被试者未掌握的知识点的内容以及具体原因是什么，所得到的结果简洁高效，而且对于测评被试者更有实质意义。

技术领域

本发明涉及一种评估被试者的方法，尤其涉及一种自适应评估被试者知识状态的方法，按照学习空间理论，分层自适应评估被试者知识状态。

背景技术

KS-CAT(计算机化自适应测验，Computerized Adaptive Testing，CAT)是基于学习空间理论的计算机化自适应测试。学习空间首先是将一个领域的知识都解析成一个问题的集合，每个问题都有正确的答案，其次用一个学生在理想条件下能够正确回答某个域内问题的集合来呈现他的“知识状态”，所有可能的(按学科逻辑，由专家确定)知识状态的集合称为学习空间。计算机化的自适应测试(CAT)是针对传统所有学生使用相同题目的“峰形”、“矩形”纸笔测验的不足而提出的，具体规则是根据各个学生的能力水平，向其提供适合于他们水平的不同测验题目，快速精确地得到被测主体的知识状态或能力水平，KS-CAT就是用来诊断被试掌握模式、多维离散认知状态。实现KS-CAT涉及到的算法主要有三个：根据专家确定的离散知识点以及关联生成学习空间的算法，使用知识空间自适应评估被试知识状态的算法，以及使用知识空间自适应引导被试学习的算法。

自适应评估被试知识状态的算法通常用MARKOV PROCESS(《学习空间：跨学科的应用数学》[M]，世界图书出版广东有限公司，2016年9月)，，这是一个利用二分法在单层知识空间中寻找被试最可能的知识状态的算法。

然而，MARKOV PROCESS在实际运用中有非常大的问题，一方面，对于初学者来说，初中数学有15000个知识点的学习空间是符合学生的学习规律的，但是在这样单层的学习空间条件下，如果要测出一个毕业班的学生的知识状态，用这么小的点去测量需要测试的题目数目是比较大的；另一方面，MARKOV PROCESS所用的学习空间是单层的，意味着无论对于优等生还是差生，测试知识点的大小是一样的，所以优等生会觉得考的太琐碎，差生会觉得考的跳度太大。

发明内容

针对上述问题，本发明提供一种自适应评估被试者知识状态的方法，使用已经构造完成的分层的学习空间，还包括：

第一阶段：在第一层调用单层评估被试知识状态的函数并判断被试者所处的知识状态，并输出被试者可能的知识状态，包括知识状态的内部边界和外部边界；

第二阶段：调用单层评估被试知识状态的函数评估被试者从已掌握到外部边界在第二层可能所处的知识状态，输出被试者可能的知识状态，包括知识状态的内部边界和外部边界，并移动到学习空间的下一层继续评估，直到学习空间层数全部遍历。

包括以下步骤：

1)调入学习空间；

2)列出所述被试者在学习空间的各层所有可能的初始状态；

3)从所述学习空间的顶层开始判断被试者在该层所有可能的知识状态数目是否为1；

4)判断否，则调用单层评估被试知识状态的函数，然后返回步骤3)；

5)判断是，结束操作。

还包括以下步骤：

1)输入该层该单元的学习空间；

2)判断被试者在该层该单元可能的知识状态数目是否为1，判断是则执行步骤6)；