一种基于智能车竞赛的学生能力评价方法技术

本发明专利技术公开了一种基于智能车竞赛的学生能力评价方法，包括以下步骤：搭建学生知识和能力的认知诊断模型；计算小组成员之间博弈的纳什均衡，形成智能车竞赛组内互评机制，量化认知诊断模型，计算首节点的先验概率，计算父节点与子节点间条件概率；构造最末层潜在节点的假设推理树，收集假设的证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到最末层潜在节点的可信度；将最末层潜在节点的可信度输入贝叶斯网络，得出相应指标点的达成度评价；将指标点的达成度评价与设定阈值进行比较，判断指标是否达成。本发明专利技术能够得到学生参加智能车竞赛对知识的具体掌握程度和能力的强弱，以及毕业要求指标点的达成度的具体情况，科学合理，方法灵活，实用性强。

【技术实现步骤摘要】
一种基于智能车竞赛的学生能力评价方法
本专利技术涉及一种基于智能车竞赛的学生能力评价方法。
技术介绍
智能汽车是未来汽车的发展方向，是一个集通信技术，计算机技术，自动控制，信息融合技术，传感器技术等于一身的行业。为加强大学生实践、创新能力和团队精神的培养，促进高等教育教学改革，该竞赛以智能汽车为研究对象，面向全国大学生的具有探索性工程实践活动，是教育部倡导的大学生科技竞赛之一。现有的智能车竞赛学习成果评价学生能力评估方案大多采用课程考核成绩分析法、比赛成绩记录等一系列方法，其中课程考核成绩分析法仅采用平均成绩作为学生能力达成度的度量因素，并未将考试内容与需要考核的毕业要求指标点建立起关联，反应不出评价结果对能力支撑的覆盖情况。显然成绩分析法、比赛成绩记录这方案存在着一些评价漏洞，评价的合理性难以得到保障。因此在工程教育专业认证中关于学生参加智能车竞赛知识和能力达成度的评价需采取一种既考虑学生考试成绩，又兼顾考试内容对能力支撑的覆盖情况的综合评价方案。
技术实现思路
为了解决上述技术问题，本专利技术提供一种算法简单、实用性强的基于智能车竞赛的学生能力评价方法。本专利技术解决上述问题的技术方案是：一种基于智能车竞赛的学生能力评价方法，包括以下步骤：步骤一：分析毕业要求指标点对智能车竞赛的等价性，提取毕业要求指标点在智能车设计中覆盖的知识与能力，并作为潜在节点，按照目标层→知识层→能力层，自上而下的顺序，基于贝叶斯网络，依据潜在节点间的相互依赖关系，搭建学生知识和能力的认知诊断模型；步骤二：基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制；利用贝叶斯网络量化认知诊断模型，统计分析历届比赛记录计算首节点的先验概率，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率；步骤三：根据认知诊断模型最末层潜在节点，构造最末层潜在节点的假设推理树，分别收集假设的证据，并将智能车竞赛组内互评机制作为其中一个证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到推理树顶端节点的可信度，即贝叶斯网络中最末层潜在节点的可信度di。步骤四：将最末层节点的可信度di作为可观察量输入贝叶斯网络，经贝叶斯网络推理，即可得到认知诊断模型所有潜在节点的后验概率，从而得出学生各项知识的掌握程度和各种能力强弱，以及相应指标点的达成度评价；步骤五：将指标点的达成度评价与设定的阈值进行比较，若指标点评价结果大于或等于阈值，则认为该项毕业要求指标达成，若指标点评价结果小于阈值，则认为该项毕业要求指标达成失败。上述基于智能车竞赛的学生能力评价方法，所述步骤二中，基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制的具体过程为：M位成员的战略式表述博弈G＝{S1,…,SM；u1,…,uM},St为战略，ut为效用水平，即每位所获得的利益，成员在参加比赛时共有“工作”和“偷懒”两种战略，不同战略得到的效益水平不同，为使成员间的博弈达到纳什均衡，满足下式：st*为第t个队员的最优战略，s-t*为其他成员的战略选择，s′t为劣战略，ut为效用水平；每个小组成员给同组成员打分，设总成绩为s，利用公式：s＝小组成绩*组内人数*R/100计算最终成绩，R为互评系数，是对团队成员表现的打分。上述基于智能车竞赛的学生能力评价方法，所述步骤二中，利用贝叶斯网络量化学生知识和能力的认知诊断模型，贝叶斯网络由三部分组成：有向无环图、先验概率、条件概率；基于贝叶斯网络，量化毕业要求指标点覆盖的学生知识和能力的认知诊断模型，根据下式得出潜在节点的后验分布：其中p(A|Bi)为后验概率，p(A)为先验概率，p(Bi|A)为似然度，p(Bi)为标准化常量。上述基于智能车竞赛的学生能力评价方法，所述步骤二中，统计分析历届比赛记录，计算首节点的先验概率的具体过程为：首节点的先验概率是根据历史数据给出的，将全国智能车设计大赛参赛团队历史数据描绘成散点图，并观测样本，利用正态分布，确定并计算首节点的先验概率；先验概率p计算：其中σ为标准差，σ2为方差，μ为期望值，a、b为分数区间上下限，x为分值变量(0<≤100)；由上述计算可得，将其化成标准正态分布，令则：最终得出首节点的先验概率：上述基于智能车竞赛的学生能力评价方法，所述步骤二中，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率的具体过程为：首先定义识别框架Θ：Θ表示节点Nr的所有可能状态概率取值的一个集合，且Θ内的各种状态互不相容；然后定义分配函数、焦元：定义函数m：2Θ→[0，1]若满足如下条件：则称m(A)为Θ上的基本概率分配函数，若m(A)＞0，则称A为m的焦元；构造r阶相关度矩阵，对应的基本概率分配函数为其中：an表示决策标准；再拟合多个相关度矩阵的所计算的条件概率分布，得出最终父节点与子节点间的条件概率值；利用Pert分布进行多个概率拟合，Pert分布存在三个参数：最小值amin、最可能值bmed与最大值cmax；pert(amin,bmed,cmax)＝Beta(α1,α2)*(cmax-amin)+aminBeta表示Beta函数，得到一个平均值，即为最终的父节点与子节点间的条件概率。上述基于智能车竞赛的学生能力评价方法，所述步骤三中，推理树顶端节点的可信度py＝{优秀，良好，差},py＝min(py1,py2…)即贝叶斯网络中最末层潜在节点的可信度di；di＝p(py)＝100％py1,py2…为推理树子假设的可信度。本专利技术的有益效果在于：本专利技术首先分析毕业要求指标点对智能车竞赛的等价性，提取毕业要求指标点在智能车设计中覆盖的知识与能力,搭建学生知识和能力的认知诊断模型；然后基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制，以博弈论的方法形成了智能车竞赛组内互评机制，消除了努力两难的困境，并利用贝叶斯网络量化认知诊断模型，统计分析历届比赛记录计算首节点的先验概率，利用正态分布解决了贝叶斯网络首节点的先验概率计算问题，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率；接着根据认知诊断模型最末层潜在节点，构造最末层潜在节点的假设推理树，分别收集假设的证据，并将智能车竞赛组内互评机制作为其中一个证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到最末层潜在节点的可信度，基于证据的推理过程作为贝叶斯网络可观察变量输入，提高了证据的可信度；再将最末层潜在节点的可信度输入贝叶斯网络，即可得到认知诊断模型所有潜在节点的后验概率，从而得出学生各项知识的掌握程度和各种能力强弱，以及相应指标点的达成度评价；最后将指标点的达成度评价与设定的本文档来自技高网...

【技术保护点】
1.一种基于智能车竞赛的学生能力评价方法，包括以下步骤：/n步骤一：分析毕业要求指标点对智能车竞赛的等价性，提取毕业要求指标点在智能车设计中覆盖的知识与能力，并作为潜在节点，按照目标层→知识层→能力层，自上而下的顺序，基于贝叶斯网络，依据潜在节点间的相互依赖关系，搭建学生知识和能力的认知诊断模型；/n步骤二：基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制；利用贝叶斯网络量化认知诊断模型，统计分析历届比赛记录计算首节点的先验概率，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率；/n步骤三：根据认知诊断模型最末层潜在节点，构造最末层潜在节点的假设推理树，分别收集假设的证据，并将智能车竞赛组内互评机制作为其中一个证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到推理树顶端节点的可信度，即贝叶斯网络中最末层潜在节点的可信度d

【技术特征摘要】
1.一种基于智能车竞赛的学生能力评价方法，包括以下步骤：
步骤一：分析毕业要求指标点对智能车竞赛的等价性，提取毕业要求指标点在智能车设计中覆盖的知识与能力，并作为潜在节点，按照目标层→知识层→能力层，自上而下的顺序，基于贝叶斯网络，依据潜在节点间的相互依赖关系，搭建学生知识和能力的认知诊断模型；
步骤二：基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制；利用贝叶斯网络量化认知诊断模型，统计分析历届比赛记录计算首节点的先验概率，结合层次分析法与D-S证据模型计算父节点与子节点间条件概率；
步骤三：根据认知诊断模型最末层潜在节点，构造最末层潜在节点的假设推理树，分别收集假设的证据，并将智能车竞赛组内互评机制作为其中一个证据，通过评估证据的可信度等级，经假设推理树演绎推理，得到推理树顶端节点的可信度，即贝叶斯网络中最末层潜在节点的可信度di。
步骤四：将最末层节点的可信度di作为可观察量输入贝叶斯网络，经贝叶斯网络推理，即可得到认知诊断模型所有潜在节点的后验概率，从而得出学生各项知识的掌握程度和各种能力强弱，以及相应指标点的达成度评价；
步骤五：将指标点的达成度评价与设定的阈值进行比较，若指标点评价结果大于或等于阈值，则认为该项毕业要求指标达成，若指标点评价结果小于阈值，则认为该项毕业要求指标达成失败。


2.根据权利要求1所述的基于智能车竞赛的学生能力评价方法，其特征在于，所述步骤二中，基于小组评分模式计算小组成员之间博弈的纳什均衡，得出所有成员的最优战略，形成智能车竞赛组内互评机制的具体过程为：
M位成员的战略式表述博弈G＝{S1，...，SM；u1，...，uM}，St为战略，ut为效用水平，即每位所获得的利益，成员在参加比赛时共有“工作”和“偷懒”两种战略，不同战略得到的效益水平不同，为使成员间的博弈达到纳什均衡，满足下式：



st*为第t个队员的最优战略，s-t*为其他成员的战略选择，s′t为劣战略，ut为效用水平；
每个小组成员给同组成员打分，设总成绩为s，利用公式：
s＝小组成绩*组内人数*R/100
计算最终成绩，R为互评系数，是对团队成员表现的打分。


3.根据权利要求2所述的基于智能车竞赛的学生能力评价方法，其特征在于，所述步骤二中，利用贝叶斯网络量化学生知识和能力的认知诊断模型，贝叶斯网络由三部分组成：有向无环图、先验概率、条件概率；...

【专利技术属性】
技术研发人员：罗新宇，段斌，李涛，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43