[发明专利]一种基于智能车竞赛的学生能力评价方法

权利要求书

1.一种基于智能车竞赛的学生能力评价方法，包括以下步骤：

步骤一：分析毕业要求指标点对智能车竞赛的等价性，提取毕业要求指标点在智能车设计中覆盖的知识与能力，并作为潜在节点，按照目标层→知识层→能力层，自上而下的顺序，基于贝叶斯网络，依据潜在节点间的相互依赖关系，搭建学生知识和能力的认知诊断模型；

步骤二：基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制；利用贝叶斯网络量化认知诊断模型，统计分析历届比赛记录计算首节点的先验概率，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率；

步骤三：根据认知诊断模型最末层潜在节点，构造最末层潜在节点的假设推理树，分别收集假设的证据，并将智能车竞赛组内互评机制作为其中一个证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到推理树顶端节点的可信度，即贝叶斯网络中最末层潜在节点的可信度d_i。

步骤四：将最末层节点的可信度d_i作为可观察量输入贝叶斯网络，经贝叶斯网络推理，即可得到认知诊断模型所有潜在节点的后验概率，从而得出学生各项知识的掌握程度和各种能力强弱，以及相应指标点的达成度评价；

步骤五：将指标点的达成度评价与设定的阈值进行比较，若指标点评价结果大于或等于阈值，则认为该项毕业要求指标达成，若指标点评价结果小于阈值，则认为该项毕业要求指标达成失败。

2.根据权利要求1所述的基于智能车竞赛的学生能力评价方法，其特征在于，所述步骤二中，基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制的具体过程为：

M位成员的战略式表述博弈G＝{S₁，...，S_M；u₁，...，u_M}，S_t为战略，u_t为效用水平，即每位所获得的利益，成员在参加比赛时共有“工作”和“偷懒”两种战略，不同战略得到的效益水平不同，为使成员间的博弈达到纳什均衡，满足下式：

s_t^*为第t个队员的最优战略，s_-t^*为其他成员的战略选择，s′_t为劣战略，u_t为效用水平；

每个小组成员给同组成员打分，设总成绩为s，利用公式：

s＝小组成绩*组内人数*R/100

计算最终成绩，R为互评系数，是对团队成员表现的打分。

3.根据权利要求2所述的基于智能车竞赛的学生能力评价方法，其特征在于，所述步骤二中，利用贝叶斯网络量化学生知识和能力的认知诊断模型，贝叶斯网络由三部分组成：有向无环图、先验概率、条件概率；基于贝叶斯网络，量化毕业要求指标点覆盖的学生知识和能力的认知诊断模型，根据下式得出潜在节点的后验分布：

其中p(A|B_i)为后验概率，p(A)为先验概率，p(B_i|A)为似然度，p(B_i)为标准化常量。

4.根据权利要求3所述的基于智能车竞赛的学生能力评价方法，其特征在于，所述步骤二中，统计分析历届比赛记录，计算首节点的先验概率的具体过程为：

首节点的先验概率是根据历史数据给出的，将全国智能车设计大赛参赛团队历史数据描绘成散点图，并观测样本，利用正态分布，确定并计算首节点的先验概率；

先验概率p计算：

其中

σ为标准差，σ²为方差，μ为期望值，a、b为分数区间上下限，x为分值变量(0＜≤100)；由上述计算可得，将其化成标准正态分布，令则：

最终得出首节点的先验概率：