英语原文共 35 页，剩余内容已隐藏，支付完成后下载完整资料
基于Web自适应研究和智能测试论文构建及其应用的算法研究
摘要
一个基于伯努利大数定律和遗传算法的新的系统已经设计和实现,它具有自适应研究题库难度系数和智能组卷等优点。目前，该系统已应用于吉林财经大学的无纸化计算机考试中，取得了一些令人满意的成绩。
关键词:自适应研究，遗传算法，大数定律，智能测试论文构建算法。
- 简介
随着网络技术和智能信息处理技术的发展，智能学习系统可以提高考试的效率，从而有效地提高教学质量。基于网络的智能学习系统的研究和应用越来越成为人们关注的焦点。智能学习系统可以提高考试的效率，从而有效地提高教学质量，客观、正确地评价学习效果。目前，有一些基于Web的不同类型的试卷系统，然而，他们在细节上有很多缺点，可以总结如下:
1.1难度系数存在偏差
试卷通常是根据测试系统的难度系数自动生成试卷，考试试卷的难度系数总是由有经验的教师主观上决定的。因此，它会导致缺乏客观性，存在一定程度的偏差。
1.2试卷模块完全隔离
起初，这些模板在许多考试中是完全孤立的，没有比较的标准。另一方面，考试与实践是分开的，它不能根据实际情况调整试卷难度。
1.3缺乏动态，不能根据学习者自身的实际学习情况生成试卷
使用考试制度的人是不断变化的。如果它不能自动地与考试组改变的话，它就不能适应不同的用户。
例如，学生在考试系统的实际使用中抽取前30个选择题，如果正确率小于百分之五十，当学生再次进行考试时，考试系统会自动减少难度系数。此外，在测试模块中，如果为2008级的学生建立测试题库，这样的题库不适合2009级或2010级的学生。因为他们作为学生也是很不一样的，所以考试的结果对学生来说也是不同的。
鉴于上述问题，本文设计并实现了建立在伯努利大数定律和遗传算法的基础上，基于web自适应学习和智能试卷生成的系统。
- 难度系数自适应算法
2.1难度系数自适应项目设计
自适应智能试卷生成系统是一个学习系统，包括考试和锻炼的功能。它可以在整个过程中动态地跟踪测试用户。该系统可根据用户的不同特点调整测试的难度。另一方面，这个系统还有其他优势，例如，它可以根据实际问题进行机器学习，并自动调整测试试卷的难度系数，从而大大提高了学习者的学习质量和学习效率，适应了个体学习的需要。具体设计项目如图1所示。
2.2伯努利大数定律
建立一个独立的数列X1 X2hellip;Xn，考虑伯努利试验的重要特例，成功的概率为p。如果j次的结果是成功的，那么Xj = 1，如果失败则是0。那么Sn = X1 X2 hellip; Xn是n次试验中成功的次数。然后对任何实数brvbar;gt; 0,我们有:
或者
按照伯努利定理，在伯努利实验的大量重复中，我们可以预期事件发生在p附近的比例。这表明我们的概率数学模型与我们对概率的频率解释一致。在实际应用中，当测试编号非常大时，我们可以使用事件发生的频率来代替事件的概率。
图1.难度系数自适应学习项目
2.3自适应学习的难度系数
对于每一个在线考试系统来说，用户都是彼此绝对独立的，此外，每个问题的得分也是独立的。由于难度系数与丢分概率成正比，因此，我们可以通过错误率来获得难度系数。我们可以使用评估模式:如果答案是正确的，评分将会被执行，否则无法得分。假设损失分数是Ne，把问题选为N，然后我们可以得到丢分的概率，可以描述为式(3):
根据大数定律，当N趋于无穷时(N为考试次数)，qe将收敛到q(失去点数的概率)，这是概率1。
通常，每门课程都有很多问题。因此，难度系数应定义为所有问题难度系数的平均值或丢分的概率。即:
m是课程的问题数，每个问题都不是线性关系，也就是说它是独立的。qi表示失去点的第i个概率。当练习者或学生提交答案时，系统本身会研究考试结果，即系统将重新计算难度系数。同时，系统还将修改难度系数的系数，这将符合学生的实际情况。随着学生人数的增加和考试次数的增加，难度系数逐渐接近实际情况。
3.基于遗传算法的智能测试论文生成
遗传算法(GAs)是一种最新的优化技术，它的基本概念是根据达尔文的“适者生存”理论来模仿物种的进化。遗传算法是一类特别适合求解复杂优化问题的搜索算法。算法可以通过选择提高个体的适应度，交叉和变异操作。测试文件生成步骤如下图2:
图2.测试文件生成的流程图
3.1 第一步：染色体编码
基于智能算法、采用整数编码模式进行的试卷，其优点是避免了复杂计算和定量误差等缺点，它还可以取消编码和解码的过程，即编码模式可以用一条染色体表示试卷。每个问题的序号可以用算法中的N位整数来描述，N的数量取决于问题类型的数量。如果有m类型的问题，可以用N1，hellip;，Nm[7]表示。
3.2 第二步：随机种群初始化
遗传算法以一组初始个体开始，从问题域随机抽样。在这个系统中，它将生成一组在最小值和最大问题之间的随机整数。整数是问题的个数。这个整数是一个染色体，没有编码的染色体是直接在一起的。所以它们形成一个个体。多重个体构成初始种群。
3.3 第三步：适应度赋值
适应度函数主要描述种群中个体的优劣程度，直接影响算法的收敛性，实现最优解的时间复杂度，使适应度函数尽可能简单。
通常，影响测试文件质量的指标包括:知识点、试题类型、试题得分、难度系数、时间、教学要求等。以6个指标为例，f是反映6个指标与用户需求误差的论文生成指数。为了反映不同指标的重要性，f将用加权和表示，即用户要求的每个指标和误差之间的绝对值，即：
ei在第i个索引和用户需要的错误之间的绝对值。wi是第i次指数加权值。f是测试文件生成的索引。F作为个体的评价函数，可以通过计算得到每个个体的适应度。f越小，对应的个体适合度越高，即：
3.4 第四步：选择
尽管选择方法有很多形式，但它们都是基于适合性的:有更好的适合性的各条比那些有更差的适合性的人更容易被选择。在本文中，采用轮盘赌选择方法，选择具有较高生存概率的两个个体(parent1, parent2)。
3.5 第五步：交叉
新的个体通常是作为两个母体的后代而被创造出来的。交叉点是在每个母体的染色体中(通常是随机的)的一个相同的位置，由交叉点分隔的部分在母体之间互换，如图3所示。以这种方式产生的个体是后代，例如，后代1，后代2。
举个例子，三bit是交叉的基本单位。
在交叉之前：
P1 = 003 045 024 055 067 078 093hellip;
P2 = 001 002 044 047 063 082 004hellip;
在交叉之后：
C1 = 003 045 024 055 063 082 093hellip;
C2 = 001 002 044 047 067 078 004hellip;
图3：交叉的方法
3.6 第六步：突变
新个体(后代1, 后代2)是通过对选定的个体进行修改而产生的(后代1, 后代2)。
虽然遗传算法具有很强的稳定性，但遗传算法的缺点之一是它可能会过早收敛。为了避免这个缺点，在不同的进化阶段使用几种不同类型的交叉和突变也是很重要的。例如,在初始变异操作中，搜索空间中出现更大的跳转可能是首选。稍后，当解决方案接近时，一个变异操作符会导致搜索空间的轻微偏移。
3.7 第七步：终止标准是否满意
在当前人群中，每一个个体都通过使用适应度来评价:如果适应度较高，则终止标准是令人满意的，试卷就会生成成功。相反，如果终止标准不满意，则在第4步之后重复，直到满足终止标准。
- 智能学习系统的构建
3.1试卷的策略设计
试卷生成需要审查试卷的全面覆盖，这些问题的难度应该是相同的。另外，为了防止学生抄袭，应避免学生重复考试。同时，应根据章节和测试点来设计问题。
分配主题最常用的策略是基于随机数选择测试问题的方法。首先是系统生成一个随机数，通过模量运算等操作，教师在标题的范围内做出这个数字。然后根据这个数字生成试卷。这种方法很容易实现。但是每次老师提一个题目，他们都应该检查测试题目是否重复。这是低效的。更糟糕的是，这种方法不能保证每个问题都遵循相同的标准。
本文通过研究，采用了基于循环的分配方法。例如，如果教师设置一份试卷包含3个难度为1的选择题和4个难度为2的选择题，他们首先提取出所有难度是1的选择题到临时试题列表。然后遍历学生列表和临时问题列表，将1-3个问题分配给第一个考生，4-6个问题给第二个考生。在完成临时问题列表的遍历之后，教师从临时列表的顶部开始循环，直到完成学生列表的遍历。其次，提取难度系数为2的问题进行分配。其他类型问题的提取方法是相同的。
在考试中，大多数相邻的题目都属于同一章节，这是由于教师选择问题的习惯导致的。这将导致考试章节知识点分布不均。为了解决这个问题，可以使用SQL Server的newid()函数。Newid()函数类似于md()函数，它可以产生随机数。查询结果按此随机数排序，可打乱数据库中记录的顺序。例如，从newid（）的填充命令中选择可以产生一个随机排列的记录集。这样，测试章节内容的提取是随机的，具有相同的标准和不重复的问题。
3.2中断考试的恢复设计
作为一种无纸化考试系统网络，由于计算机的崩溃、网络不稳定或者学生为了作弊而故意破坏的行为。等，考试的中断是不可避免的。如何恢复考试的中断，如何判断学生的故意破坏行为，是考试中必须解决的问题。
测试数据应在考试中断后恢复，不需要要再选择问题。学生们也不必从头开始回答问题。它不仅方便学生参加考试，而且还能防止学生在发现难题时重新选择问题。这个问题可以通过设计数据库和制定试卷策略来解决。在数据库中设计三张表，包括多项选择题库、填空题库和编程题库，分别存储学生的试卷内容。学生的编号和字段可以帮助识别这是属于谁的试卷。学生的答案也存储在这些表格中。当测试开始时，测试问题应该分发到这些表中。试卷在考试开始前就已经生成了。在测试期间，执行后台只需要执行选择。考生根据学生的数量选择自己的测试，然后动态生成页面，供学生观看。每个问题由学生完成，答案将立即发送到服务器进行存储。数据库总是存储最新学生的答案。一旦考试中断，只有从数据库中读取数据生成测试页面，学生才能继续回答问题。
3.3考试时间的设计
作为一个考试系统，考试时间的设计也是非常重要的。学生不能同时开始考试，但考试时间应该是一样的，以保证考试的公平性。这里使用ASP.NET to timing是不方便的，因为它没有像VB和VF那样的定时器控件。虽然JavaScript可以通过编写一个小程序来节省时间，但是这样的定时功能是“弱”的。也就是说，每次刷新页面时，时间会重新启动，不能满足连续时间的要求。因此，应该采取其他的方法。
要实现的项目的主要思路是:在学生的表中设置一个测试时间的剩余域。在客户端使用JavaScript时，选择一个相当小的时间段(比如60秒/一次)将消息发送到服务器。在日期基础上的服务将从其他测试时间减去这个时间(60秒)。如果创建时间小于或等于0，则测试程序应该结束，否则将继续。我们选择一个小时间段的原因是考虑到学生可能刷新页面或修改系统时间等原因。时间越小，受这些修改影响就越小。然而，时间过短也会给网络负载增加负担。因此，只能访问一个更合适的时间段，这样它就不会受到客户机修改的影响，同时也可以减少网络负载。通过采用这种方法，即使考试中断，只要客户将不会向服务发送需求，那么时间也将无法改变。
采用这个方法解决了由突发情况考试中断引起的时间问题。然而，这种方法会导致学生为了节省更多的考试时间而中断考试。当学生们发现难题时，他们会关闭系统以获得额外的时间。针对这个问题，学生的登录应该受到限制。系统具有测试状态判断:如果剩余时间等于测试时间，则证明用户是第一次直接进入考试。如果剩余时间为0，则意味着用户已经提交了试卷，或者老师还没有启动考试，并给出了错误信息;否则，只有要求教师输入第二个登录密码，学生才能进入考试页面。
3.4 智能学习系统的实施
本文建立了智能学习系统，它包括学生，教师和系统管理员根据不同的角色。在该系统中，系统管理员具有最高的权限，可以管理帐户，编写测试文件等;教师主要完成录入试题;学生参加考试并做一些练习。该系统主要实现以下功能:
- 基本信息管理功能:模块包括账户管理、密码查询、测试科目管理、评分查询等功能；
- 题库管理功能:模块主要包括题目的添加和删除、修改等，功能可以如图4所示；
-
题库难
全文共7169字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15509]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
