差分进化算法在大学英语考试智能组卷中的研究应用.pdfVIP

差分进化算法在大学英语考试智能组卷中的研究应用

蔡佳

【摘要】大学英语考试规模较大,标准化程度较低.为保证考试质量,在融合信息化

建设的基础上,针对传统组卷算法的弊端,开展基于差分进化算法的研究.分析了影响

试卷质量指标的因素,在此基础上构建了组卷算法的数学模型,运用差分进化算法模

型解决组卷中的选择、变异、交叉问题,对差分进化算法在智能组卷中的流程,及主

要步骤进行了说明.

【期刊名称】《微型电脑应用》

【年(卷),期】2019(035)007

【总页数】3页(P25-27)

【关键词】差分进化算法;英语考试;智能组卷

【作者】蔡佳

【作者单位】陕西国际商贸学院基础课部,咸阳712046

【正文语种】中文

【中图分类】TP18

0引言

大学英语考试作为英语教育的重要环节，目前主要参考《大学英语四级考试大纲》。

以对学生英语能力完成准确客观的测量为目的，促进大学英语教学水平的提高。大

学英语考试面向全校学生，是一项大规模标准化考试，为确保考试成绩的参考价值，

需保证试卷整体质量，需根据教育测量理论的试卷质量的要求完成设计。传统组卷

算法已无法与教育信息化的需求相匹配。优化智能组卷方法是大学考试实现自动化

的重点[1]。

1相关理论及技术分析

1.1差分进化算法在大学英语考试智能组卷中的应用

完成智能组卷的重点在于构建满足实际需求的组卷模型，应用高效优质的组卷算法。

智能组卷以人工智能为技术支撑，通过计算机程序从试题库中自动选择试题，根据

要求组合试卷，考试系统的核心目标之一是实现智能化操作，是计算机辅助教学的

优势所在。效率和质量作为智能组卷的两个重要评价指标，其实现与否主要取决于

组卷算法。设计的算法要全局寻优，能够做到快速从题库中抽取一组满足考试要求

的试题，涉及到快速收敛问题。本文对大学英语考试智能组卷问题的研究正是基于

差分进化算法，支持软件系统的开发与优化。提出了一种优化组卷问题的数学模型，

满足大学英语考试中的精确组卷需求。将差分进化算法应用于该数学模型中，给出

一种新型智能组卷算法。

1.2差分进化算法

差分进化算法(DE)以群体智能为基础，是一种随机并行的优化算法，遵循达尔文的

进化原则，即“适者生存、优胜劣汰”。差别进化算法具有独特的记忆能力，可以

对当前的有哪些信誉好的足球投注网站情况实现动态跟踪，完成自适应寻优，根据实际需要自动调整有哪些信誉好的足球投注网站策

略，具有较强的全局收敛性和鲁棒性，能够突破常规数学规划方法的限制，完成复

杂环境中的优化问题的求解，在试题库智能组卷方面有极大的优势。

2组卷算法数学模型

通过对问题中变量间的关系进行分辨、联系，把实际问题转化为数学模型，并运用

计算机完成求解，从而实现智能组卷的过程，数学模型决定了组卷质量。所以做好

智能组卷的基础工作首先是建立数学模型[2]。

2.1组卷影响因素

应用计算机技术，按照一定的教育测量理论规定，组成某种学科题目的集合称之为

题库。智能组卷系统的试题都来自题库，题库中题目的质量起到决定性作用，根据

经典测量理论(CTT)的题目量化指标，对影响试卷质量的指标进行分类归纳，包括:

可信度反映考试结果的稳定程度，程度高表明考生分数可排除偶然性因素的影响，

使考生实际水平能够真实的测量出来。可信度的影响因素包括试题数量及难度、题

目用语准确性等；有效度反映实际的考试结果同预期考试目标匹配的程度。有效度

高的试卷，能够准确地测试出考生知识掌握的程度。在考试目标明确的前提下，提

高试卷有效度需保证试题与课程标准一致；试题难度以试卷能否有效考查出学生的

知识和能力水平为依据(分数在中等难度呈正态分布，较高难度呈负偏态分布，较

低难度呈正偏态分布)，因为试题难度值的确认需在考试成绩公布后统计得到，组

卷时需比较准确的估计试题难度；试卷区分度实现鉴别不同层次考生能力的目标。

试卷区分度高能有效区分不同知识水平及不同能力的学生，区分度和难度关系密切，

好的区分度离不开合适的难度[3]。

2.2构建组卷算法数学模型

2.2.1构建矩阵模型

结合英语考试实际情况，依据组织一份试卷时的考虑因素(如确定满分值、知识点

分布、数量、试题难度及考查的能力层次等指标)，本文构建的智能组卷数学模型

由9项核心属性，将一份试卷的参数指标分解成一个9维空间向量，一道试题由

9个参数指标(指试题编号，分值，答题时间，知识点，题型，难度系数，区分度，

能力层次，使用频率)决定，由9维向量空间(a1，a2,…,a8，a9)的特征决定。

(n×9)的矩阵如下式所示，其中n表示试题数。

2.2.2矩阵参数指标

1)试题编号作为试