试题难度评估方法、装置及存储介质、计算设备制造方法及图纸

本发明专利技术实施例提供了一种试题难度评估方法、装置及存储介质、计算设备，所述方法包括：基于第一难度预测模型，确定待评估试题的第一难度预测参数，所述第一难度预测模型用于在第一群体特征参数下，预测待评估试题的第一难度预测参数；基于第二难度预测模型，确定待评估试题的第二难度预测参数，所述第二难度预测模型用于在第二群体特征参数下，预测待评估试题的第二难度预测参数，所述第二群体特征参数不同于所述第一群体特征参数；至少基于所述第一难度预测参数和所述第二难度预测参数，拟合得到所述待评估试题的难度值，从而提高了试题难度评估的准确度。

【技术实现步骤摘要】
试题难度评估方法、装置及存储介质、计算设备
本专利技术实施例涉及计算机领域，尤其涉及一种试题难度评估方法、装置及存储介质、计算设备。
技术介绍
近年来，互联网对教育和学习过程的影响越来越大，由此推演的学习过程线上化对底层内容资源的要求也不断提高。试题作为底层内容资源中的核心板块，是进行学生个性化资源推荐，实现学生自适应学习和自适应测评的基础。试题题库（Itembank）可以基于试题的各属性值，如难度值等，构建得到，以支持各种场景下试题的有效使用。试题的难度值用于表征试题的难度，以使教学及考试实践中，对试题的难度进行把控，以准确评测学生对试题所反映的知识点的掌控程度。评估试题难度可以基于难度预测模型对试题的难度值进行评估，但目前所用的难度评估方法都存在准确度低的问题。因此，如何提供一种试题难度评估方法，以实现提高试题的难度值的准确度，成为亟需解决的技术问题。
技术实现思路
本专利技术实施例提供一种试题难度评估方法、装置及存储介质、计算设备，以提高试题难度评估的准确度。为解决上述问题，本专利技术实施例提供本文档来自技高网...

【技术保护点】
1.一种试题难度评估方法，其特征在于，包括：/n基于第一难度预测模型，确定待评估试题的第一难度预测参数，所述第一难度预测模型用于在第一群体特征参数下，预测待评估试题的第一难度预测参数；/n基于第二难度预测模型，确定待评估试题的第二难度预测参数，所述第二难度预测模型用于在第二群体特征参数下，预测待评估试题的第二难度预测参数，所述第二群体特征参数不同于所述第一群体特征参数；/n至少基于所述第一难度预测参数和所述第二难度预测参数，拟合得到所述待评估试题的难度值。/n

【技术特征摘要】
1.一种试题难度评估方法，其特征在于，包括：
基于第一难度预测模型，确定待评估试题的第一难度预测参数，所述第一难度预测模型用于在第一群体特征参数下，预测待评估试题的第一难度预测参数；
基于第二难度预测模型，确定待评估试题的第二难度预测参数，所述第二难度预测模型用于在第二群体特征参数下，预测待评估试题的第二难度预测参数，所述第二群体特征参数不同于所述第一群体特征参数；
至少基于所述第一难度预测参数和所述第二难度预测参数，拟合得到所述待评估试题的难度值。


2.如权利要求1所述的试题难度评估方法，其特征在于，所述至少基于所述第一难度预测参数和所述第二难度预测参数，拟合得到所述待评估试题的难度值，包括：
确定所述第一难度预测参数和所述第二难度预测参数对应的拟合参数；
基于所述拟合参数，计算得到所述待评估试题的难度值。


3.如权利要求2所述的试题难度评估方法，其特征在于，采用线性回归、多项式回归或多层神经网络回归确定所述第一难度预测参数和所述第二难度预测参数对应的拟合参数。


4.如权利要求3所述的试题难度评估方法，其特征在于，采用线性回归的网格搜索方式，确定所述第一难度预测参数和所述第二难度预测参数对应的拟合参数。


5.如权利要求4所述的试题难度评估方法，其特征在于，所述确定所述第一难度预测参数和所述第二难度预测参数对应的拟合参数，包括：
构建试题样本集，所述试题样本集内的试题至少配置有与之对应的第一难度预测参数和第二难度预测参数；
基于所述试题样本集，寻找所述第一难度预测参数和所述第二难度预测参数对应的最优拟合参数；
以所述第一难度预测参数和所述第二难度预测参数对应的最优拟合参数作为所述第一难度预测参数和所述第二难度预测参数对应的拟合参数。


6.如权利要求5所述的试题难度评估方法，其特征在于，所述构建试题样本集，包括：
构建试题样本组，所述试题样本组包括至少2个候选试题，所述候选试题至少配置有与之对应的第一难度预测参数和第二难度预测参数；
获取所述试题样本组内，候选试题的相对难度参数；其中，所述相对难度参数用于指示所述试题样本组内，各候选试题的难度排序；
根据所述候选试题的相对难度参数，确定候选试题的第一难度预测参数和第二难度预测参数与所述相对难度参数的相关度和匹配度；
基于所述相关度和匹配度，筛选所述候选试题，得到试题样本集。


7.如权利要求1所述的试题难度评估方法，其特征在于，所述第二难度预测模型基于所述第一难度预测模型训练得到，所述第二难度预测模型的训练步骤包括：
获取包括第二难度参数的至少一个第二样本数据集；
基于所述第二样本数据集，训练所述第一难度预测模型，得到所述第二难度预测模型。


8.如权利要求7所述的试题难度评估方法，其特征在于，所述获取包括第二难度参数的至少一个第二样本数据集，包括：
获取至少一个初始数据集，所述初始数据集包括多个试题和与试题相对应的多个作答数据；
基于试题反应理论模型，确定各所述初始数据集中，各试题的第二难度参数，得到所述第二样本数据集。


9.如权利要求8所述的试题难度评估方法，其特征在于，所述获取至少一个初始数据集之后，所述基于试题反应理论模型，确定各所述初始数据集中，各试题的第二难度参数之前，还包括：
基于测量学指标，筛选所述初始数据集；其中，所述测量学指标包括，初始数据集的样本数量、样本信息缺失率、样本通过率，以及，...

【专利技术属性】
技术研发人员：岳祥，王凯夫，孙研，彭守业，
申请(专利权)人：北京世纪好未来教育科技有限公司，
类型：发明
国别省市：北京;11