一种基于多维项目反应理论的计算思维测评方法技术

本发明专利技术中的基于多维项目反应理论的计算思维测评方法，基于多维项目反应理论对答题数据进行分析处理，计算被试者的计算思维水平，按照预设的形式展示不同的所述m维能力向量条件下被试者的计算思维能力测评结果。可以评估个体在计算思维方面的能力水平，帮助个体发现自身在计算思维方面的优势和不足，进而制定适当的学习和提高计算思维能力的策略。当的学习和提高计算思维能力的策略。当的学习和提高计算思维能力的策略。

【技术实现步骤摘要】
一种基于多维项目反应理论的计算思维测评方法


[0001]本专利技术涉及计算机数据智能化处理
，尤其涉及一种基于多维项目反应理论的计算思维测评方法。

技术介绍

[0002]计算思维(CT)是一个问题解决过程，是人们基于计算机科学所形成的思维习惯和思维模式，包括许多特征，例如逻辑排序和分析数据，使用一系列有序步骤(或算法)创建解决方案以及处置策略，例如自信地处理复杂性和开放式问题。CT对于计算机应用程序的开发至关重要，但它也可用于支持所有学科的问题解决，包括数学，科学和人文科学。计算思维的培养研究，离不开对计算思维评价的研究。由于计算思维是内隐的，无法像身高、体重、温度等一样直接用相关的工具来测量，因此，如何评价计算思维，怎样判断学生具有相关计算思维素养及其所达到的程度，可从哪些方面和哪些指标来衡量学生的计算思维能力，成了研究计算思维培养的前提和迫切需求。
[0003]计算思维的评价方式和途径多种多样，比如：在多样化情景中观察学生的具体表现、通过学生作品来分析和评价、通过问卷或测试题来考察学生的计算思维等。
[0004]目前的计算思维评价指标体系建立过程一般是先建立指标体系，通常是先根据专家的意见，选取一部分指标作为一级指标，然后再对各一级指标进一步分解为二级指标，再由二级指标到三级指标等等，第二步是确定各指标的权重。
[0005]评价方案应该是其包含的指标不仅有很高的代表性，而且还要易于理解使用、有较强的可操作性。但是计算思维评价指标体系中，各级指标的数量总数可能很大、各指标的差异也会很大，导致对于指标的最后选取存在很大困难。
[0006]因此，有必要研究一种高效且准确的计算思维评测方法。

技术实现思路

[0007]本专利技术的主要目的在于提供一种基于多维项目反应理论的计算思维测评方法，以解决上述技术问题。
[0008]为实现上述目的，本专利技术提供的一种基于多维项目反应理论的计算思维测评方法，包括步骤，
[0009]S1，测评任务设计的步骤，具体包括：
[0010]S11，将包括W个题目的测评任务分配给N已知训练测试者进行测试并获取所述已知训练测试者的答题数据；其中，所述测评任务包括多种预设的测评任务题目类型，每种题目类型对应有分值；
[0011]S12，根据预设的计算思维多能力维度以及所述已知训练测试者的答题数据，构建如下公式的3PL模型，
[0012][0013]其中，P(X
ij
＝1|θ
i
)表示第i个所述已知训练测试者正确回答第j个题目的概率；X
ij
表示第i个所述已知训练测试者对第j个题目的反应，若回答正确,则x
ij
＝1，否则x
ij
＝0；所述已知训练测试者的答题数据为X＝(x
ij
)
N
×
W
；θ
i
＝(θ
i1
,θ
i2
,
……
θ
im
)'代表第i个所述已知训练测试者的m维能力向量；a
j
＝(a
j1
,a
j2
,
……
a
jm
)'代表第j个题目的m维区分度向量；d
j
是代表第j个题目的题目难度参数；c
j
为代表第j个题目的题目的下渐近参数；D为模型调整参数；
[0014]S13，在所述3PL模型上使用准蒙特卡罗期望最大化算法进行参数估计，获取每个题目对应的项目参数δ
j
＝(a
j
,d
j
,c
j
)；
[0015]S14，根据所述a
j
和d
j
对所述W个题目进行组合，得到区分度和难度符合预设条件的多套试卷；
[0016]S2，获取被试者的试卷测试结果，并根据所述步骤S13中得到的项目参数δ
j
＝(a
j
,d
j
,c
j
)和步骤S12中的3PL模型，得到所述被试者的m维能力向量。
[0017]优选的，所述题目的类型包括单选题、1分一题，填空题、1分1题，判断题、1分1题；所述试卷的难度包括入门级、进阶级、高手级、智慧级四种，题目难度参数大于预设值的难题占入门级、进阶级、高手级、智慧级四种试卷中的题目比重分别为10％，20％，30％，40％；每张试卷的题目数量在20～25题之间。
[0018]优选的，所述步骤S13包括：
[0019]S131，根据所述已知训练测试者的答题数据X＝(x
ij
)
N
×
W
，估计出所述3PL模型的项目参数δ
j
＝(a
j
,d
j
,c
j
)的初始值；
[0020]S132，根据公式P(θ＝μ
k
|Λ)＝P(μ
k
|λ
k
)＝λ
k
以及所述初始值，将所有的所述已知训练测试者的m维能力向量记为θ＝(θ1,
……
,θ
N
)，将所述3PL模型中的所述已知训练测试者的m维能力向量θ近似为离散隐变量，将连续隐变量θ表示为k个已知的离散值μ1，
……
，μ
k
，且对应的未知概率表示为λ
k
，用Λ＝(λ1，λ2，λ3，
……
，λ
k
)表示隐变量的分布参数；然后估计出缺失数据的隐变量值，再根据所述隐变量值和所述初始值重新对所述项目参数δ
j
＝(a
j
,d
j
,c
j
)进行估计，获得迭代值；
[0021]S133，将所述迭代值作为新的初始值并返回所述步骤S131进行下一轮迭代；
[0022]S134，判断迭代是否达到预设的条件，若是，则结束；若否，则继续进行迭代。
[0023]优选的，所述步骤S132包括：
[0024]E步骤：计算联合分布的条件概率期望，公式如下：
[0025][0026][0027]表示所有学生能力值为μ
k
的条件概率之和，表示所有学生能力值为μ
k
且答对题目的条件概率之和，t为迭代次数；
[0028]M步骤：根据期望潜在能力值，使用最大似然估计法更新所述参数值，使用数值优化算法来找到使似然函数最大化的参数值，公式如下：
[0029][0030]优选的，其中，
[0031][0032][0033][0034]优选的，所述步骤S134中的预设的条件包括：
[0035]迭代次数是否达到预设的迭代次数；
[0036]和/或，
[0037]相邻两次本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维项目反应理论的计算思维测评方法，其特征在于，包括步骤，S1，测评任务设计的步骤，具体包括：S11，将包括W个题目的测评任务分配给N已知训练测试者进行测试并获取所述已知训练测试者的答题数据；其中，所述测评任务包括多种预设的测评任务题目类型，每种题目类型对应有分值；S12，根据预设的计算思维多能力维度以及所述已知训练测试者的答题数据，构建如下公式的3PL模型，其中，P(X
ij
＝1|θ
i
)表示第i个所述已知训练测试者正确回答第j个题目的概率；X
ij
表示第i个所述已知训练测试者对第j个题目的反应，若回答正确,则x
ij
＝1，否则x
ij
＝0；所述已知训练测试者的答题数据为X＝(x
ij
)
N
×
W
；θ
i
＝(θ
i1
,θ
i2
,
……
θ
im
)'代表第i个所述已知训练测试者的m维能力向量；a
j
＝(a
j1
,a
j2
,
……
a
jm
)'代表第j个题目的m维区分度向量；d
j
是代表第j个题目的题目难度参数；c
j
为代表第j个题目的题目的下渐近参数；D为模型调整参数；S13，在所述3PL模型上使用准蒙特卡罗期望最大化算法进行参数估计，获取每个题目对应的项目参数δ
j
＝(a
j
,d
j
,c
j
)；S14，根据所述a
j
和d
j
对所述W个题目进行组合，得到区分度和难度符合预设条件的多套试卷；S2，获取被试者的试卷测试结果，并根据所述步骤S13中得到的项目参数δ
j
＝(a
j
,d
j
,c
j
)和步骤S12中的3PL模型，得到所述被试者的m维能力向量。2.根据权利要求1所述的基于多维项目反应理论的计算思维测评方法，其特征在于，所述题目的类型包括单选题、1分一题，填空题、1分1题，判断题、1分1题；所述试卷的难度包括入门级、进阶级、高手级、智慧级四种，题目难度参数大于预设值的难题占入门级、进阶级、高手级、智慧级四种试卷中的题目比重分别为10％，20％，30％，40％；每张试卷的题目数量在20～25题之间。3.根据权利要求1所述的基于多维项目反应理论的计算思维测评方法，其特征在于，所述步骤S13包括：S131，根据所述已知训练测试者的答题数据X＝(x
ij
)
N
×
W
，估计出所述3PL模型的项目参数δ
j
＝(a
j
,d
j
,c
j
)的初始值；S132，根据公式P(θ＝μ
k
|Λ)＝P(μ

【专利技术属性】
技术研发人员：张维，李盼盼，宋玲玲，曾鑫耀，王胜明，汪兵，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：