一种大型考试数据模拟仿真方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种大型考试数据模拟仿真方法、装置及存储介质，所述方法包括：录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据；根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据；利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据。本发明专利技术适用于大型考试相关的研究和分析，能够有效提高模拟数据的质量，进而提升考试和测试的水平和质量。

A simulation method, device and storage medium for large test data

【技术实现步骤摘要】
一种大型考试数据模拟仿真方法、装置及存储介质
本专利技术涉及模拟仿真
，尤其涉及一种大型考试数据模拟仿真方法、装置及存储介质。
技术介绍
传统上，在大型考试和测评中，针对目的的不同，有合格性考试和等级性考试，均可用于人才测评和人才选拔。基本上在传统考试和测评中大量应用的是基于CTT(经典测量理论)的一些相关技术。近年来，随着理论研究的发展，IRT(项目反应理论)逐渐有了越来约多的应用，但总体上大型考试还是以CTT理论为基础。随着中高考改革的发展，对大型考试的要求也越来越高，传统大型考试的两大基本原则始终未变：质量和公平，在这两个原则的基础上，对效率的要求逐渐也提升到原则的高度。在近年的中高考改革过程中，相关领域的研究也越来越多，传统考试手段、内容和标准规范，包括赋分方式等方面也逐渐凸现出越来越多的问题，不能满足社会大众和国家政策对教育公平和质量标准不断提升的要求。对于大型考试，尤其是中高考这类具有重大影响的大型考试，相关的研究工作具有极其重要的意义和价值，由于大型考试和测评的成本非常高，所以在进行相关研究时，数据模拟仿真就非常必要和重要。参考近年来全国各地的中高考改革，尤其是高考改革，最近几个批次的省份的高考改革的相关标准规范，包括第一批次改革的浙江、上海，第二批次的北京、山东、天津、海南等相关标准规范，尤其是赋分方式方面，模式差异较之传统方式非常大。在相关研究过程中，对于质性的研究一般采用的方法包括文献研究法、经验总结法、综合评估法等方法路线，对于量化研究，一般就要采用模拟研究法，利用大数据分析和模拟仿真技术，探究相关因素对赋分方式的影响程度并提出相应的解决方案。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种大型考试数据模拟仿真方法、装置及存储介质，适用于大型考试相关的研究和分析，能够有效提高模拟数据的质量，进而提升考试和测试的水平和质量。本专利技术一实施例提供一种大型考试数据模拟仿真方法，包括：录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据；根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据；利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据。其中，所述考生信息，包括考生人数、考生编号及选科信息；所述学科信息，包括各单科试卷基本信息、分值范围及难度参数。其中，所述根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据，包括：根据所述基础条件参数，利用正态分布的概率密度函数，计算获得各分数值的理论分布概率，再乘以考生人数得到各分数的人数分布，即成绩数量分布；将所述成绩数量分布赋予与考生人数相等的成绩数组中，得到各单科的成绩数据。其中，所述利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据，包括：将一门单科的成绩数据与考生信息进行匹配，并固定匹配关系；采用以下公式，计算出所有学科之间的皮尔逊积矩相关系数：或利用最小二乘法原理，计算所有相关系数的误差的平方和，利用∑(Yi-Yj)2]最小作为最优判据，其中，Yi相当于R1皮尔逊积矩相关系数，Yj相当于R设定的配置相关系数；反复迭代，直至得到模拟仿真的结果数据。本专利技术一实施例还提供一种大型考试数据模拟仿真装置，包括：基础条件参数录入单元，用于录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据；各单科的成绩数据计算单元，用于根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据；模拟仿真单元，用于利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据。其中，所述考生信息，包括考生人数、考生编号及选科信息；所述学科信息，包括各单科试卷基本信息、分值范围及难度参数。本专利技术一实施例还提供一种大数据统计抽样服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的大型考试数据模拟仿真方法。本专利技术一实施例还提供一种计算机可读存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行如上述的大型考试数据模拟仿真方法。实施本专利技术实施例，具有如下有益效果：根据上述实施例的教导，本专利技术本专利技术适用于大型考试相关的研究和分析，能够有效提高模拟数据的质量，进而提升考试和测试的水平和质量。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式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方式，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是本专利技术一实施例提供的大型考试数据模拟仿真方法的流程示意图；图2是本专利技术一实施例提供的大型考试数据模拟仿真装置的结构示意图。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。应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。应当理解，在本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1。本专利技术一实施例提供一种大型考试数据模拟仿真方法，包括：S100、录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据。其中，所述考生信息，包括考生人数、考生编号及选科信息；所述学科信息，包括各单科试卷基本信息、分值范围及难度参数。在具体的实施例当中，大型多科目或多项目的考试和测评；单科目或单项目的数据模拟仿真方法可以多源，即既可以基于历史数据(明细或统计数据)产生，也可以无历史数据(明细或统计数据)，无历史数据时可以基于标准的正态分布函数模拟产生，也可以基于其它分布函数(如贝塔分布)或方法产生；对于已经产生的多维数据(各单科目或单项目数据组)，通过特定的算法，改变各单维数据组的数据归属(顺序)，使得原多维不本文档来自技高网...

【技术保护点】
1.一种大型考试数据模拟仿真方法，其特征在于，包括：/n录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据；/n根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据；/n利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据。/n

【技术特征摘要】
1.一种大型考试数据模拟仿真方法，其特征在于，包括：
录入基础条件参数，其中，所述基础条件参数包括考生信息、学科信息、历史考试数据；
根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据；
利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据。


2.根据权利要求1所述的大型考试数据模拟仿真方法，其特征在于，所述考生信息，包括考生人数、考生编号及选科信息；所述学科信息，包括各单科试卷基本信息、分值范围及难度参数。


3.根据权利要求1所述的大型考试数据模拟仿真方法，其特征在于，所述根据所述基础条件参数，利用正态分布的概率密度函数，测算得到各单科的成绩数据，包括：
根据所述基础条件参数，利用正态分布的概率密度函数，计算获得各分数值的理论分布概率，再乘以考生人数得到各分数的人数分布，即成绩数量分布；
将所述成绩数量分布赋予与考生人数相等的成绩数组中，得到各单科的成绩数据。


4.根据权利要求1所述的大型考试数据模拟仿真方法，其特征在于，所述利用最小二乘法原理，对各单科的成绩数据进行优化匹配和迭代处理，得到模拟仿真的结果数据，包括：
将一门单科的成绩数据与考生信息进行匹配，并固定匹配关系；
采用以下公式，计算出所有学科之间的皮尔逊积矩相关系数：



利用最小二乘法原理，计算所有相...

【专利技术属性】
技术研发人员：柯瑞强，李宏强，
申请(专利权)人：水晶球教育信息技术有限公司，
类型：发明
国别省市：广东;44