一种基于贝叶斯原理的试卷难易程度分析方法及系统技术方案

本发明专利技术提出了一种基于贝叶斯原理的试卷难易程度分析方法及系统，所述方法包括：获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；构建基于贝叶斯原理的线性回归模型；将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。本发明专利技术能够很好地依据学生的特点确定试卷的难度，不会出现所有学生都觉得试卷偏难或者偏简单的情况，完美地落实了在线教学过程中的“以人为本、因材施教”的教育理念。

A method and system for analyzing the difficulty degree of test paper based on Bayesian principle

【技术实现步骤摘要】
一种基于贝叶斯原理的试卷难易程度分析方法及系统
本专利技术涉及机器学习
，尤其涉及一种基于贝叶斯原理的试卷难易程度分析方法及系统。
技术介绍
随着大数据和人工智能时代的来临，互联网行业迎来了新的发展契机，越来越多的领域开始广泛使用大数据，教育领域也不例外。在教育领域中，教学管理是非常重要的内容，学生的学习情况是教学管理的主要依据，而学习情况主要根据考试成绩，因此考试试卷的合理性对学习情况的检测尤其重要。现阶段，越来越多的教学任务都是在互联网上进行，考试出卷也同样需要在线完成，那么试卷的难易程度该如何确定，就成为一个新的研究重点。现有的在线出卷基本上都是随机抽取，并没有一个非常合理的难易度分析模型，这并不符合“以人为本，因材施教”的教育理念，其表现为多数情况仅由教师决定难中易三者之一就可以生成一套试卷，具有极大的主观性，可能出现成绩好的学生试卷太容易、成绩差的学生试卷太难的情况，无法实达到知识训练的目的，这种试卷难度确定方式完全脱离了关注学生自身的学习情况，导致试卷难易程度不合理。
技术实现思路
有鉴于此，一方面，本专利技术提出了一种基于贝叶斯原理的试卷难易程度分析方法，以解决传统试卷难度确定方式脱离学生自身学习情况，导致试卷难度不合理的问题。本专利技术的技术方案是这样实现的：一种基于贝叶斯原理的试卷难易程度分析方法，包括：获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；构建基于贝叶斯原理的线性回归模型；将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。可选的，所述学生为单个学生或单个班级部分学生或单个班级所有学生或多个班级的学生。可选的，所述学生平时成绩包括平时作业成绩、考勤成绩、阶段测试成绩和学习视频观看数量。可选的，所述学生平时成绩的计算公式为其中，x5为所述学生平时成绩，m为学生总数，i为学生编号，ti1、ti2、ti3、ti4依次为第i个学生的所述平时作业成绩、所述考勤成绩、所述阶段测试成绩、所述学习视频观看数量。可选的，所述综合评价数据集还包括学生类别、课程类别、学生年级、学生班级。可选的，所述构建基于贝叶斯原理的线性回归模型，包括：获取所述权重的先验概率，根据所述先验概率计算所述权重的后验概率；计算所述后验概率的最大似然估计并得到计算所述权重的所述线性回归模型。可选的，计算所述后验概率的最大似然估计并得到计算所述权重的所述线性回归模型，包括：对所述后验概率的似然函数取自然对数；对所述似然函数的自然对数求导并令导数为零，构建所述似然函数的自然对数与零的等式；求解所述等式以获得所述述线性回归模型。本专利技术的基于贝叶斯原理的试卷难易程度分析方法相对于现有技术具有以下有益效果：(1)本专利技术的基于贝叶斯原理的试卷难易程度分析方法决定试卷难易程度的参数多，且都与学生学习情况相关，能够很好地依据学生的特点确定试卷的难度，不会出现所有学生都觉得试卷偏难或者偏简单的情况，完美地落实了在线教学过程中的“以人为本、因材施教”的教育理念；(2)本专利技术的基于贝叶斯原理的试卷难易程度分析方法能够满足不同考试类型不同考试对象的在线试卷出题要求，因为此难易程度分析方法中将各种类型的考试情况均考虑进去，例如不同考试类型有必修或选修、补考或者重考、统考或者期末考试等情况，不同考试对象有年纪所有学生、多个班级、单个班级、单个班级的部分学生或者单个学生等情况，都可以在参数中进行调整设置，极大地提高了此方法的实用性。另一方面，本专利技术还提出一种基于贝叶斯原理的试卷难易程度分析系统，以解决传统试卷难度确定方式脱离学生自身学习情况，导致试卷难度不合理的问题。本专利技术的技术方案是这样实现的：一种基于贝叶斯原理的试卷难易程度分析系统，包括：数据获取模块，用于获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；模型构建模块，用于构建基于贝叶斯原理的线性回归模型；权重分析模块，用于将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；难度分析模块，用于获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。所述基于贝叶斯原理的试卷难易程度分析系统与上述基于贝叶斯原理的试卷难易程度分析方法相对于现有技术所具有的优势相同，在此不再赘述。另一方面，本专利技术还提出一种计算机可读存储介质，以解决传统试卷难度确定方式脱离学生自身学习情况，导致试卷难度不合理的问题。本专利技术的技术方案是这样实现的：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现上述任一项所述的方法。所述计算机可读存储介质与上述基于贝叶斯原理的试卷难易程度分析方法相对于现有技术所具有的优势相同，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或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为本专利技术的基于贝叶斯原理的试卷难易程度分析方法的流程图；图2为本专利技术的步骤S2的流程图；图3为本专利技术的步骤S22的流程图；图4为本专利技术的基于贝叶斯原理的试卷难易程度分析系统的结构框图。附图标记说明：10-数据获取模块；20-模型构建模块；30-权重分析模块；40-难度分析模块。具体实施方式下面将结合本专利技术实施方式，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。如图1所示，本专利技术的基于贝叶斯原理的试卷难易程度分析方法，包括：步骤S1，获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；步骤S2，构建基于贝叶斯原理的线性回归模型；步骤S3，将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；步骤S4，获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。本实施例中，假设试卷难度为学生综合评价数据集中的各项参数为x1……xn，各参数的权重为w0……wn，则试卷难度计算模型为在上述公式本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯原理的试卷难易程度分析方法，其特征在于，包括：/n获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；/n构建基于贝叶斯原理的线性回归模型；/n将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；/n获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。/n

【技术特征摘要】
1.一种基于贝叶斯原理的试卷难易程度分析方法，其特征在于，包括：
获取学生的历史综合评价数据集和历史试卷难度，所述综合评价数据集包括学生平时成绩；
构建基于贝叶斯原理的线性回归模型；
将所述历史综合评价数据集、所述历史试卷难度导入所述线性回归模型，对所述线性回归模型的权重进行参数估计；
获取学生的当前综合评价数据集，将所述当前综合评价数据集和所述权重导入试卷难度计算模型中计算待出试卷的难度。


2.如权利要求1所述的基于贝叶斯原理的试卷难易程度分析方法，其特征在于，所述学生为单个学生或单个班级部分学生或单个班级所有学生或多个班级的学生。


3.如权利要求1所述的基于贝叶斯原理的试卷难易程度分析方法，其特征在于，所述学生平时成绩包括平时作业成绩、考勤成绩、阶段测试成绩和学习视频观看数量。


4.如权利要求3所述的基于贝叶斯原理的试卷难易程度分析方法，其特征在于，所述学生平时成绩的计算公式为



其中，x5为所述学生平时成绩，m为学生总数，i为学生编号，ti1、ti2、ti3、ti4依次为第i个学生的所述平时作业成绩、所述考勤成绩、所述阶段测试成绩、所述学习视频观看数量。


5.如权利要求1所述的基于贝叶斯原理的试卷难易程度分析方法，其特征在于，所述综合评价数据集还包括学生类别、课程类别、学生年级、学生班级。


6.如权利要求1所述的基于贝叶...

【专利技术属性】
技术研发人员：海克洪，姜庆玲，
申请(专利权)人：湖北美和易思教育科技有限公司，
类型：发明
国别省市：湖北;42