數(shù)據(jù)挖掘技術在選擇題難度預測系統(tǒng)構建中的應用.pdf

1、現(xiàn)行選擇題已經(jīng)實現(xiàn)計算機機器閱卷，但選擇題的難度預測還主要靠命題專家憑經(jīng)驗推斷，其預測結果往往準確度不夠而且還帶有個人主觀色彩。近年來數(shù)據(jù)挖掘技術在商業(yè)、金融、企業(yè)管理等領域成功應用并取得實質(zhì)性成果，但是在教育領域的應用才剛剛起步。本文嘗試運用數(shù)據(jù)挖掘技術和人工智能思想來構建選擇題難度預測的計算機軟件系統(tǒng)。 本文先介紹了現(xiàn)行選擇題難度測量及表示方法，提出了選擇題難度由題目本身的客觀因素和考生的主觀因素決定。 題目本身的客

2、觀因素又包括三個屬性值：題型難度系數(shù)、知識點難度系數(shù)和迷惑項干擾性。 考生的主觀因素主要包括對知識的掌握程度和對迷惑項的抗干擾能力。 作者給出了選擇題難度預測系統(tǒng)的體系結構。它主要由三部分組成：主觀因素分析子系統(tǒng)、客觀因素分析子系統(tǒng)、匯總輸出。 主觀因素分析子系統(tǒng)，由WEB題庫、在線答題系統(tǒng)、答題情況分析系統(tǒng)組成。 客觀因素分析子系統(tǒng)，由題型系數(shù)分析模塊、知識點難度分析子系統(tǒng)、迷惑項干擾性判斷程序組成。

3、 在客觀性因素子系統(tǒng)中，作者介紹了決策樹技術并把它應用于選擇題題型歸類中。介紹了人工智能中的知識庫理論并用于建立考題難度數(shù)據(jù)庫和知識點關聯(lián)性繼承圖。給出了知識點分析及難度計算程序的算法步驟，提出了層次權重方法來計算綜合型或計算型的知識點難度系數(shù)。接著又給出了迷惑項干擾性因素的表示方法及判斷程序的算法，簡介了模糊數(shù)學理論，并用其中的模糊評價原理來匯總客觀性因素的三屬性(題型難度、知識點難度、迷惑項干擾性)。 互聯(lián)網(wǎng)的發(fā)展，W

4、EB題庫和遠程在線答題系統(tǒng)技術的成熟，使我們采集到更多考生主觀性因素的數(shù)據(jù)成為可能。因此在主觀性因素分析子系統(tǒng)的構建過程中，原先的普通測試方法(出好樣卷，選擇地區(qū)和學校的學生進行測試，再試卷答題情況統(tǒng)計分析)，現(xiàn)在可以借助于網(wǎng)絡進行。因此主觀性因素分析子系統(tǒng)可以建立在WEB題庫和在線考試系統(tǒng)之上。在主觀性因素分析子系統(tǒng)中，著重論述了考生答題情況分析子系統(tǒng)的構建。通過與傳統(tǒng)試卷分析系統(tǒng)的比較，提出數(shù)據(jù)挖掘技術在考生答題情況分析系統(tǒng)中的應用