基于模糊综合评价模型的考试数据分析方法技术

本发明专利技术涉及一种基于模糊综合评价模型的考试数据分析方法，它包括以下步骤：1)建立考试数据的评价指标体系，针对考试数据的评价指标体系的对象包括：试题分析、考试分析和学员分析；2)确定评价因素集和评语集；3)采用层次分析法确定各评价因素的权重；4)确定各评价因素的隶属度，构建模糊评价矩阵；5)采用模糊矩阵复合运算，得到模糊综合评价结果。本发明专利技术不需要将专家聚集在一起进行考试数据的分析，因此减少了主观性的影响，并且大大缩短了整个考试数据的评价工作时间，提高了工作效率，缩短了项目的管理周期，并使得评分结果客观性更强。因此，本发明专利技术可以广泛用于考试数据分析领域。因此，本发明专利技术可以广泛用于考试数据分析领域。

【技术实现步骤摘要】

本专利技术涉及一种考试分析方法，特别是关于一种基于模糊综合评价模型的考试数 据分析方法。
技术介绍
考试作为衡量参考人员能力的重要考察方式，广泛应用于个人、企业和机构，每一 次考试的试题，以及参考人员的考试结果都是一笔宝贵的财富。现有针对考试试卷的质量 评价通常都是组织专家针对考试试卷的题点、试题的答题正确率来评价试题的质量。虽然 人工评价试卷质量好坏的方式在一定程度上能够实现评价试卷质量的好坏，但是由于每个 专家的想法都是不相同的，因此存在一定的主观性，以致评价的试卷的主观性较高，不能很 好的对试卷的出题质量进行客观的评价，浪费大量的人力物力。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于模糊综合评价模型的考试数据分析 方法。 为实现上述目的，本专利技术采取以下技术方案:一种基于模糊综合评价模型的考试 数据分析方法，它包括以下步骤:1)建立考试数据的评价指标体系，针对考试数据的评价指 标体系的对象包括:试题分析、考试分析和学员分析;其中，试题分析的评价因素包括试卷 分析，试题使用分析和试题未使用分析;考试分析的评价因素包括平均分、最高分、最低分 分析，标准差分析，分数段人数分析，正态分布分析，试卷难度和区分度分析;学员分析的评 价因素包括学员知识掌握分析和学员测评变化分析;2)确定评价因素集和评语集;3)采用 层次分析法确定各评价因素的权重;4)确定各评价因素的隶属度，构建模糊评价矩阵;5)采 用模糊矩阵复合运算，得到模糊综合评价结果。 所述步骤5)中，复合运算为将各个评价因素出的权重W和模糊评价矩阵心进行合成 运算，其公式如下：；其中，8=卬1，132，...，13 11)，表示评语集上各评语等级的可能 性系数组成的向量为决策集；采用：加权平均型复合运算，运算规律如下所示：;根据最大隶属度原则，选择最大的h所对应的评语等级作为综合评价 结果。 本专利技术由于采取以上技术方案，其具有以下优点：1、本专利技术包括以下步骤:1)建立 考试数据的评价指标体系，针对考试数据的评价指标体系的对象包括:试题分析、考试分析 和学员分析;其中，试题分析的评价因素包括试卷分析，试题使用分析和试题未使用分析； 考试分析的评价因素包括平均分、最高分、最低分分析，标准差分析，分数段人数分析，正态 分布分析，试卷难度和区分度分析;学员分析的评价因素包括学员知识掌握分析和学员测 评变化分析;2)确定评价因素集和评语集;3)采用层次分析法确定各评价因素的权重;4)确 定各评价因素的隶属度，构建模糊评价矩阵;5)采用模糊矩阵复合运算，得到模糊综合评价 结果。本专利技术由于采用模糊综合评价模型对考试数据进行分析，充分考虑了考试数据中各 方面的影响因素，并确定各自的权重，最终得到评价结果，采用以上方法更加适用于考试数 据分析，适应性强，可靠性和有效性强。具有更好的简便性和直观性。2、本专利技术不需要将专 家聚集在一起进行考试数据的分析，因此减少了主观性的影响，并且大大缩短了整个考试 数据的评价工作时间，提高了工作效率，缩短了项目的管理周期，并使得评分结果客观性更 强。因此，本专利技术可以广泛用于考试数据分析领域。【附图说明】 为了更清楚地说明本专利技术实施例或者现有技术中的技术方案，下面将对实施例或 者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅 是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还 可以根据这些附图获得其他的附图。 图1是本专利技术的流程图； 图2是本专利技术的考试数据的评价指标体系的示意图。【具体实施方式】 下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于 本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本专利技术保护的范围。 实施例 如图1所示，本专利技术一种，它包括以下 步骤： 1)如图2所示，建立考试数据的评价指标体系，针对考试数据的评价指标体系的对 象包括:试题分析、考试分析和学员分析； 其中，试题分析的评价因素包括试卷分析，试题使用分析和试题未使用分析，其 中，试卷分析包括按单位、按出题时间、按题库、按知识点、按题型对试题数量进行统计与分 析； 试题使用分析包括对试题的使用情况进行分析，包括按单位、按时间、按题库、按 知识点、按题型、按试题对试题调用率、调用增长率、答题正确率进行统计与分析。 试题未使用分析包括根据试题使用记录表，列出试题使用次数，使用记录。 考试分析的评价因素包括平均分、最高分、最低分分析，标准差分析，分数段人数 分析，正态分布分析，试卷难度和区分度分析； 其中，平均分、最高分、最低分分析:可以按试卷、按题型、按知识点、按难点、按试 题进行平均分分析，以便获知学生成绩集中趋势。标准差分析:采用标准差反映每个学生成绩与平均分的平均差异程度，以便获知 学生成绩离散程度，标准差值越大，说明成绩越分散，标准差值越小，说明成绩越集中。分数段人数分析:按分数段统计学生人数，分数段的选择可以根据实际需要而定， 通常选用5分或10分为一段进行统计，根据各分数段的人数可绘制出学生成绩分布的曲线 或直方图获其他可以表现的形式，以"中间高、两头低"来衡量成绩是否符合正态分布的程 度。统计规律表明，正常的考试成绩分布应基本服从正态分布。 正态分布分析：正态分布分析可以采用图形化的方式检验考试或测评的成绩结 果，以分数段学生人数绘制。 试卷难度:试卷难度指试卷(题目）的难易程度。一般用试卷(题目）的得分率或答 对率表示，所以难度事实上是容易度或通过率。试卷难度值在〇~1之间，数值越大，说明试 卷(题目）越容易。 区分度分析:区分度是衡量题目质量的主要指标之一，是筛选题目的依据。区分度 是指试题对被试者情况的分辨能力的大小，它反映试题区分不同水平受试者的程度，即考 出学生的不同水平，把优秀、一般、差三个层次的学生真正分别开。区分度高的考试，优秀、 一般、差三个层次的学生都有一定比例，如果某一分数区间学生相对集中，高分太多或不及 格太多的考试，区分度则低。 学员分析的评价因素包括学员知识掌握分析和学员测评变化分析。其中，学员知识掌握分析:收集学员所有考试数据，根据试题的知识点、难度、易错 点等相关属性，以及学员的做题正确率、作题时间等综合分析学员对知识的掌握情况。 学员测评变化分析:根据年度、季度、月度根据学员对知识的掌握情况，并绘制为 曲线，实时反应学员的测评变化。 2)确定评价因素集合U和评语集V，其包括以下步骤： ①确定子目标集层的评价因素集U和评语集V;对于对象集{:试题分析}来说，评价因素集1]1={1]11，1]12，1]13} = {试卷分析，试题使用分析，试题未使用分析}; 评语集￥1={>11^12，￥13，￥14，￥15} = {非常重要，重要，比较重要，一般重要，不重 要};对于对象集{试卷分析}来说， 评价因素集Ull= {U111，U112，U113，U114，U115} = {单位，出题时间，题库，知识点，题 型}; 评语当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于模糊综合评价模型的考试数据分析方法，它包括以下步骤：1)建立考试数据的评价指标体系，针对考试数据的评价指标体系的对象包括：试题分析、考试分析和学员分析；其中，试题分析的评价因素包括试卷分析，试题使用分析和试题未使用分析；考试分析的评价因素包括平均分、最高分、最低分分析，标准差分析，分数段人数分析，正态分布分析，试卷难度和区分度分析；学员分析的评价因素包括学员知识掌握分析和学员测评变化分析；2)确定评价因素集和评语集；3)采用层次分析法确定各评价因素的权重；4)确定各评价因素的隶属度，构建模糊评价矩阵；5)采用模糊矩阵复合运算，得到模糊综合评价结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：江龙，李泽河，曹俊豪，张德刚，王达达，
申请(专利权)人：云南电网有限责任公司教育培训评价中心，
类型：发明
国别省市：云南;53