賈萍

摘 要： 結(jié)合英語學(xué)科的特點(diǎn)，為英語智能導(dǎo)師系統(tǒng)設(shè)計(jì)了一個(gè)測(cè)試模型，該測(cè)試模型包含題庫維護(hù)和個(gè)性化組卷兩大模塊。試題庫維護(hù)模塊采用了基于項(xiàng)目反應(yīng)理論的方法進(jìn)行試題指標(biāo)體系的建立和參數(shù)的估計(jì)；組卷模塊是一種考慮遺忘程度的個(gè)性化遺傳組卷算法（PGAFF）。模擬仿真實(shí)驗(yàn)表明，PGAFF算法應(yīng)用于組卷時(shí)組卷質(zhì)量較好，能夠根據(jù)被試者的學(xué)習(xí)掌握情況為被試者生成試卷，進(jìn)行個(gè)性化測(cè)試。

關(guān)鍵詞： 計(jì)算機(jī)輔助測(cè)試； 智能組卷； 遺傳算法； 項(xiàng)目反應(yīng)理論

中圖分類號(hào)： TN911?34； TM417 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）05?0121?05

0 引 言

簡(jiǎn)單的英語測(cè)試系統(tǒng)雖然能夠進(jìn)行自動(dòng)組卷，相對(duì)傳統(tǒng)考試減少了組卷和閱卷的時(shí)間，能夠輔助教師完成測(cè)試過程，但往往沒有考慮被試者的能力水平，使得試卷過難或過于簡(jiǎn)單，測(cè)試效果不佳，不具備智能性和自適應(yīng)性[1]。針對(duì)這一弱點(diǎn)，提出一種引入遺忘因子的個(gè)性化遺傳組卷算法PGAFF（Personal Genetic Algorithm with Forgetting Factor），建立組卷模型，能夠?yàn)椴煌谋辉囌咛峁┎煌脑嚲?。該組卷模型考慮了用戶的歷史答題情況，根據(jù)用戶對(duì)試題的答題正確率和遺忘程度，使用PGAFF算法為用戶生成可以考察其弱點(diǎn)的試卷。

本文以建立英語智能導(dǎo)師系統(tǒng)的測(cè)試模型為目標(biāo)，以遺傳算法和項(xiàng)目反應(yīng)理論為基礎(chǔ)，對(duì)題庫的指標(biāo)體系、學(xué)生個(gè)性化答題信息、組卷算法進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)，針對(duì)英語學(xué)科具體的測(cè)試內(nèi)容設(shè)計(jì)了一個(gè)測(cè)試系統(tǒng)，該系統(tǒng)能夠?qū)崿F(xiàn)題庫管理、參數(shù)設(shè)定、試卷生成、在線考試等功能。它的主要功能模塊包括：

（1） 題庫管理模塊：包括對(duì)試題庫的管理模塊，主要實(shí)現(xiàn)對(duì)各個(gè)試題及其屬性的維護(hù)工作，具體包括試題的添加、修改及刪除，以及試題屬性值的計(jì)算與更新。

（2） 組卷模塊：考試系統(tǒng)的核心是組卷算法，組卷的成功率和效率以及組卷質(zhì)量都是衡量考試系統(tǒng)功能的重要標(biāo)準(zhǔn)。本研究使用改進(jìn)的遺傳算法從試題庫中抽取試題組成試卷。

（3） 考試模塊：在此模塊中用戶可以進(jìn)行答題，系統(tǒng)可以自動(dòng)計(jì)時(shí)，用戶提交試卷后由系統(tǒng)對(duì)答題情況進(jìn)行評(píng)分。

1 題庫建立和參數(shù)估計(jì)

1.1 試題指標(biāo)體系

試題指標(biāo)體系是對(duì)試題外在特征、內(nèi)在屬性的描述，是建立組卷系統(tǒng)的關(guān)鍵[2]。試題的指標(biāo)體系越充分，組卷的準(zhǔn)確性和成功率就越高，但過多的約束條件會(huì)增加實(shí)際組卷的難度，降低效率。本研究基于IRT確立試題的指標(biāo)體系，包括題號(hào)、題型、知識(shí)點(diǎn)、難度系數(shù)、區(qū)分度、分值等屬性。其中根據(jù)五級(jí)難度級(jí)別進(jìn)行劃分，如表1所示。

5 結(jié) 論

本文對(duì)PGA算法進(jìn)行改進(jìn)，引入遺忘度，并將基于正確率和遺忘度的學(xué)生個(gè)性化掌握信息添加進(jìn)遺傳算法的目標(biāo)函數(shù)和遺傳算子中，提出了一種考慮遺忘度的改進(jìn)的個(gè)性化遺傳組卷算法PGAFF。實(shí)驗(yàn)證明，該算法能夠針對(duì)學(xué)生對(duì)試題的掌握度為學(xué)生選取遺忘度較大或正確率較低的試題生成試卷，幫助學(xué)生鞏固試題，加深記憶，且執(zhí)行時(shí)間較短，具有很好的應(yīng)用性和高效性。

參考文獻(xiàn)

[1] 王茶生.教育測(cè)量理論在網(wǎng)絡(luò)考試系統(tǒng)中的應(yīng)用[D].上海：華東師范大學(xué)，2007.

[2] 王秋紅，陳明銳.精英交叉遺傳算法在組卷系統(tǒng)中的應(yīng)用[J].電腦知識(shí)與技術(shù)，2013，19（35）：8078?8080.

[3] COLORNI A， DORIGO M， MANIEZZO V. Distributed optimization by ant colonies [C]// Proceedings of 1991 ECAL Euro?pean Conference on Artificial Life. Paris： ECAL， 1991： 134?142.

[4] 譚新良.基于整數(shù)編碼和自適應(yīng)遺傳算法的智能組卷算法[J].電腦與信息技術(shù)，2007，15（4）：33?35.

[5] SHARAPOV R R. Genetic algorithms： basic ideas， variants and analysis [C]// Proceedings of 2007 International Conference on Segmentation and Pattern Recognition. Vienna： IEEE， 2007： 546?551.

[6] KUMAR R. Blending roulette wheel selection & rank selection in genetic algorithms [C]// Proceedings of 2011 3rd International Conference on Machine Learning and Computing. [S.l.]： IEEE， 2011： 197?203.