一种中文阅读能力测评方法及系统技术方案

本发明专利技术公开了一种中文阅读能力测评方法及系统，测评方法采用统一的分级阅读能力测评的标准和方式，不会存在由于测评标准差异大导致的能力值估算差异大问题；还采用中方语言体系和文化进行语料库建设并编写题目，与国内的语文阅读测评体系相适应；通过项目反应理论和等值变换的配合，实现所有题目的量尺统一，从而解决不同量尺下能力值比较的差异问题，提升了测评群体的灵活性；采用计算机自适应测评技术实现能力值估计和计分题目的选择，从而获取可信的能力评估所需的题量大幅减少，同时使得分数报道进程大幅加快；多阶段能力估计仅对测评对象的阅读能力值进行估算，实现在阅读能力提升方面具有更大的应用价值；测评系统实现了上述相同的效果。

【技术实现步骤摘要】
一种中文阅读能力测评方法及系统
本专利技术涉及心理测量学、教育学、计算机
，具体涉及一种中文阅读能力测评方法及系统。
技术介绍
实现对学生阅读能力分级的测评，对于阅读能力成长期的学生具有重大的意义。通过这种测评，学生可以获悉个人阅读能力所处阶段甚至各细分能力维度上的发展水平。同时，基于该种测评，也能够为学生挑选阅读读物提供参考依据，继而实现通过阅读合适难度的读物来有效提升阅读兴趣和阅读能力。国外学生汉语阅读能力分级测评现状。目前，欧美国家普遍使用的阅读能力分级标准体系主要有以下几种：蓝思(Lexile)分级阅读测评体系；发展性阅读评估分级体系(DevelopmentalReadingAssessmentLevels)；指导性阅读分级体系(GuidedReadingLevels)；阅读能力等级体系(DegreeofReadingPower；简称为DRP)；AR(AcceleratedReader)分级系统等。蓝思根据读者对不同等级阅读题目的作答，综合分析读者的阅读能力。所分析的方面包括：题目的理论难度、题目的实际难度、题目的质量、平均作答正确率、学生年级、参加测试学生总数、题目每个选项选择的具体人数，之后会通过Raschmodel软件分析以上数据，最终得出读者阅读能力水平。DRA测试分为4个部分：阅读融入度(ReadingEngagement)；朗读流利度(OralReadingFluency)；理解力(Comprehension)；连续性和专注力(Continuum/Focus)。对于DRA等级比较低的学生考试，这4个部分必须在一次考试当中完成；对于等级较高的学生，不同部分可以分不同时间完成。DRP测试的形式是为学生提供多篇不同话题的文章，文章中部分单词设置为填空选择，由学生选择符合语境的单词，涉及到的所有单词选项均为学生熟悉的高频词汇。AR分级系统采用Renaissance开发的STAR(StandardizedTestfortheAssessmentofReading)测评系统。该测评系统用计算机自适应方式(ComputerAdaptiveTest)出题，根据学生的阅读能力水平自动调整难度。从词汇认知和理解能力，对文章内容和基本结构的分析理解能力，对文章内容、情节、角色的深入分析能力，对作者修辞写作手法运用的分析理解能力，判断、推理等思维能力等五个方面进行考察。STAR测评系统会依照学生的测试水平给出读书级别指导和进阶辅导建议，而学校和老师则在测试结果的基础上，为学生制定有针对性的进阶学习计划，并定期通过此项测试客观准确地检验学生独立阅读的学习效果。现有技术的不足之处在于，国外的分级阅读能力测评的标准和方式不尽相同；各个测评的分值虽然有一定的对应关系，但是测评的标准却存在较大的差异，如何能最有效地衡量出学生的阅读能力水平是一个需要再验证的问题；而且由于中西语言体系和文化的差异，其能力测评的标准和方法很难直接用到国内的语文阅读测评体系中来。国内学生汉语阅读能力分级测评现状。国内传统的小考、中考、高考都是对学生语文能力的综合评估。近几年发展起来的汉语水平考试、中小学生汉语水平考试、商务汉语考试都是针对第一语言非汉语的学习者进行语言能力的综合评估。这一系列汉语考试都依据交际理论和《国际汉语能力标准》对不同年龄层次和专业类别的人群进行汉语能力的考察。其测试的信度和效度在实践中得到了一定的检验，并有一定的影响力。现有技术的不足之处在于，这些考试由于未采用计算机自适应测评技术，为了获取可信的能力评估往往需要较多的题量；部分考试采用标准化考试的分数计算方式，往往需要引入同一常模施测群体以解决不同批次实验对象分值可比较性的问题，降低了测评施测群体的灵活性，同时也使得分数报道进程变慢，难以在测评结束时实时出分；此外，这些测试都是针对汉语能力的综合考察，本质上并不直接针对阅读能力分级，而对于阅读能力成长期的学生读者而言，一项能够评定阅读能力分级的测评对于此类读者在实现阅读能力提升方面具有更大的应用价值。
技术实现思路
本专利技术的目的是提供一种中文阅读能力测评方法及系统，以解决上述不足之处。为了实现上述目的，本专利技术提供如下技术方案：本专利技术提供了一种中文阅读能力测评方法，包括以下步骤：进行阅读能力分级和语料库建设，并据其编写题目；基于项目反应理论对所述题目进行实验性测试，并通过等值变换将测试结果计算转换至基准量尺上，得到基于三参数逻辑模型的测评题库；通过从所述测评题库中选择的计分题目对测评对象进行多阶段能力值估计，所述计分题目至少根据最大化信息基准和每个阶段估计到的能力值进行选择。上述中文阅读能力测评方法，进行阅读能力分级和语料库建设包括以下步骤：根据能力维度及其对应的考察点进行阅读能力定级，并通过文本字数和体裁进行文本难度定级，得到阅读能力分级表；根据所述阅读能力分级表对采集得到的文本数据按照标识号编写标准进行归类，得到所述语料库。上述中文阅读能力测评方法，基于项目反应理论对所述题目进行实验性测试包括以下步骤：通过对实验对象答对题目概率及特性量尺的假设建立起所述实验对象的能力特性、题目难度特性与特性量尺的关联；根据所述能力特性、题目难度特性以及特性量尺建立基于所述三参数逻辑模型的答对概率的模型：其中，其中，Ui表示答题情况，ci为随机猜测答对的概率，ai为区分度参数，bi为难度值；根据联合似然函数和所述答对概率的模型进行估算，得到题目参数和所述实验对象的能力值的测试结果；联合似然函数为：上述中文阅读能力测评方法，通过等值变换将测试结果计算转换至基准量尺上包括以下步骤：以首次实验性测试得到的量尺作为所述基准量尺；通过所述等值变换将其他批次的量尺尺度I的所述测试结果计算转换到所述基准量尺尺度J上，得到所述测评题库；所述等值变换为一线性变换：ΘJp＝AΘIp+B，bJi＝AbIi+B，cJi＝cIi；其中，ΘIp，aIi，bIi和cIi为尺度I下的测试结果，ΘJp，aJi，bJi和cJi为尺度J下的测试结果，A、B为线性参数。上述中文阅读能力测评方法，通过从所述测评题库中选择的计分题目对测评对象进行多阶段能力值估计包括以下步骤：确定所述测评对象的初始能力值，作为选择第一道计分题目的条件；根据上一道计分题目估计到的能力值和最大化信息基准选择下一道计分题目，并对所述测评对象通过后验期望估计法进行能力值的估计，能力值的后验分布为：后验分布的期望为：根据上述估计得到能力值估算得到所述测评对象的测评能力值。上述中文阅读能力测评方法，所述计分题目至少根据最大化信息基准和每个阶段估计到的能力值进行选择包括以下步骤：根据所述三参数逻辑模型的答对概率的模型得到对于前k-1个题目测评对象答题的似然函数：通过将所述似然函数的二次导数的相反数定义为观测信息后，将所述观测信息的期望定义为信息基准，并根据所述三参数逻辑模型，得到所述信息基准：根据所述信息基准进行排序，并选择所述信息基准值最大的作为所述计分题目。上述中文阅读能力测评方法，所述计分题目还根据影子测试的测评内容平衡机制进行选择。上述中文阅读能力测评方法，所述计分题目还根据基于曝光控制参数的曝光度控制机制进行选择。上述中文阅读能力测评方法，还包括以下步骤：检测所述测评题库的规模是否达本文档来自技高网...

【技术保护点】
一种中文阅读能力测评方法，其特征在于，包括以下步骤：进行阅读能力分级和语料库建设，并据其编写题目；基于项目反应理论对所述题目进行实验性测试，并通过等值变换将测试结果计算转换至基准量尺上，得到基于三参数逻辑模型的测评题库；通过从所述测评题库中选择的计分题目对测评对象进行多阶段能力值估计，所述计分题目至少根据最大化信息基准和每个阶段估计到的能力值进行选择。

【技术特征摘要】
1.一种中文阅读能力测评方法，其特征在于，包括以下步骤：进行阅读能力分级和语料库建设，并据其编写题目；基于项目反应理论对所述题目进行实验性测试，并通过等值变换将测试结果计算转换至基准量尺上，得到基于三参数逻辑模型的测评题库；通过从所述测评题库中选择的计分题目对测评对象进行多阶段能力值估计，所述计分题目至少根据最大化信息基准和每个阶段估计到的能力值进行选择。2.根据权利要求1所述的中文阅读能力测评方法，其特征在于，进行阅读能力分级和语料库建设包括以下步骤：根据能力维度及其对应的考察点进行阅读能力定级，并通过文本字数和体裁进行文本难度定级，得到阅读能力分级表；根据所述阅读能力分级表对采集得到的文本数据按照标识号编写标准进行归类，得到所述语料库。3.根据权利要求1所述的中文阅读能力测评方法，其特征在于，基于项目反应理论对所述题目进行实验性测试包括以下步骤：通过对实验对象答对题目概率及特性量尺的假设建立起所述实验对象的能力特性、题目难度特性与特性量尺的关联；根据所述能力特性、题目难度特性以及特性量尺建立基于所述三参数逻辑模型的答对概率的模型：其中，其中，Ui表示答题情况，ci为随机猜测答对的概率，ai为区分度参数，bi为难度值；根据联合似然函数和所述答对概率的模型进行估算，得到题目参数和所述实验对象的能力值的测试结果；联合似然函数为：4.根据权利要求1所述的中文阅读能力测评方法，其特征在于，通过等值变换将测试结果计算转换至基准量尺上包括以下步骤：以首次实验性测试得到的量尺作为所述基准量尺；通过所述等值变换将其他批次的量尺尺度I的所述测试结果计算转换到所述基准量尺尺度J上，得到所述测评题库；所述等值变换为一线性变换：ΘJp＝AΘIp+B，bJi＝AbIi+B，cJi＝cIi；其中，ΘIp，aIi，bIi和cIi为尺度I下的测试结果，ΘJp，aJi，bJi和cJi为尺度J下的测试结果，A、B为线性参数。5.根据权利要求1所述的中文阅读能力测评方法，其特征在于，通过从所述测评题库中选择的计分题目对测评对象进行多阶段能力值估计包括以下步骤：确定所述测评对象的初始能力值，作为选择第一道计分题目的条件；根据上一道计分题目估计到的能力值和最大化信息基准选择下一道计分题目，并对所述测评对象通过后验期望估计法进行能力值的估计，能力值的后验分布为：后验分布的期望为：...

【专利技术属性】
技术研发人员：任易，赵梓淳，
申请(专利权)人：北京享阅教育科技有限公司，
类型：发明
国别省市：北京,11