一种高校课程考试智能组卷方法技术

本发明专利技术公开了一种高校课程考试智能组卷方法

【技术实现步骤摘要】
一种高校课程考试智能组卷方法、系统、设备及存储介质


[0001]本专利技术涉及智能组卷
，尤其是涉及一种高校课程考试智能组卷方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]高校每年在期中或期末时，需要工作人员对各科试题进行组卷，然后根据组卷结果进行考试
。
组卷时即要考虑组卷的硬性要求，又要考虑组卷的合理性等软性要求，传统的组卷方法大多仅从硬性要求（即满足总分要求和各类型分数要求）进行抽题，少数方法考虑了软性要求，如组卷的难易度分布情况，但在均衡性
、
章节覆盖
、
易错题抽取占比等方面都没有进行考虑，因此组卷效果并不好
。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一
。
为此，本专利技术提出一种高校课程考试智能组卷方法
、
系统
、
设备及存储介质，能够提高组卷效率，提高组卷质量
。
[0004]第一方面，本专利技术实施例提供了一种高校课程考试智能组卷方法，所述高校课程考试智能组卷方法包括：构建题型字典
、
题目难易度字典
、
章节字典和易错题集合；基于所述题型字典
、
所述题目难易度字典
、
所述章节字典和所述易错题集合，构建软性要求适度函数；采用所述软性要求适度函数计算软性要求适度值和判断软性要求符合情况；在符合硬性要求和软性要求的情况下，根据所述软性要求适度值构建探索函数；采用所述探索函数对抽取的每个题目计算最大满足率，并采用所述最大满足率对应的题目进行组卷
。
[0005]与现有技术相比，本专利技术第一方面具有以下有益效果：本方法通过基于题型字典
、
题目难易度字典
、
章节字典和易错题集合，构建软性要求适度函数，并采用软性要求适度函数判断软性要求符合情况，通过综合考虑题型
、
题目难易度
、
章节和易错题，提升学生考察的全面性，提升学生对知识点的掌握；在符合硬性要求和软性要求的情况下，根据软性要求适度值构建探索函数，采用探索函数对抽取的每个题目计算最大满足率，并采用最大满足率对应的题目进行组卷，在明确组合每份试卷的评估标准的情况下，通过探索性计算，最大程度对抽取的每一道考题进行有效评估，提升组卷的软性效果，从而能够提高组卷效率，提高组卷质量
。
[0006]根据本专利技术的一些实施例，通过如下方式构建软性要求适度函数：
[0007]其中，表示同时满足，表示所述题型字典中每类题型的题目数量的平均覆盖率，表示所述题型字典中第类题型的题目数量占组卷总题目数的第一比率，表示所述第一比率的最小值，表示所述第一比率的最大值，表示题目难易度平均满足率，表示所述题目难易度字典中第类难易度题型所对应的第类题型的题目数量占第类难易度题型总题目数的第二比率，表示所述第二比率的最小值，表示所述第二比率的最大值，表示章节平均覆盖率，表示所述章节字典在第章节第类题型的题目数量占第章节总题目数的第三比率，表示所述第三比率的最小值，表示所述第三比率的最大值，表示易错题平均满足率，表示所述易错题集合中第种易错题的题目数量占组卷总题目数的第四比率，表示所述第四比率的最小值，表示所述第四比率的最大值
。
[0008]根据本专利技术的一些实施例，所述采用所述软性要求适度函数判断软性要求符合情况，包括：采用所述软性要求适度函数判断所述题型字典中每类题型的题目数量的平均覆盖率是否符合第一软性要求；采用所述软性要求适度函数判断所述题目难易度平均满足率是否符合第二软性要求；采用所述软性要求适度函数判断所述章节平均覆盖率是否符合第三软性要求；采用所述软性要求适度函数判断所述易错题平均满足率是否符合第四软性要求；当所述第一软性要求
、
所述第二软性要求
、
所述第三软性要求和所述第四软性要
求都符合时，则所述题目符合所述软性要求
。
[0009]根据本专利技术的一些实施例，所述在符合硬性要求和软性要求的情况下，根据所述软性要求适度值构建探索函数，包括：对所有待选择的题目进行所述硬性要求和所述软性要求判断；在符合硬性要求和软性要求的情况下，对每个题目构造多个探索通道，并预设每个所述探索通道的探索次数；根据所述探索次数和所述软性要求适度值构建探索函数
。
[0010]根据本专利技术的一些实施例，通过如下方式构建探索函数：
[0011]其中，表示当前抽取题目的系数，表示递减系数，表示所述软性要求适度函数计算出的软性要求适度值，和表示学习步长，表示所有探索通道中第个探索通道所有探索次数中的最大满足率，表示探索过的所有探索通道中的最大满足率，和的初始值等于，表示每抽取一道题时的实际满足率，表示个探索通道中的最大满足率，和表示随机数
。
[0012]根据本专利技术的一些实施例，在采用所述探索函数对抽取的每个题目计算最大满足率之前，所述高校课程考试智能组卷方法还包括：在抽取每个题目时，对所有待选择的题目根据题目被选中进行组卷的频度进行倒排序
。
[0013]根据本专利技术的一些实施例，通过如下方式计算所述频度：
[0014]其中，表示每个题目的初始频度，表示每个题目被选中的频度，表示从第一次选中的时间至最近一次选中的时间的时间差，表示衰减系数
。
[0015]第二方面，本专利技术实施例还提供了一种高校课程考试智能组卷系统，所述高校课程考试智能组卷系统包括：第一构建单元，用于构建题型字典
、
题目难易度字典
、
章节字典和易错题集合；第二构建单元，用于基于所述题型字典
、
所述题目难易度字典
、
所述章节字典和所述易错题集合，构建软性要求适度函数；数据计算单元，用于采用所述软性要求适度函数计算软性要求适度值和判断软性要求符合情况；第三构建单元，用于在符合硬性要求和软性要求的情况下，根据所述软性要求适度值构建探索函数；题目组卷单元，用于采用所述探索函数对抽取的每个题目计算最大满足率，并采用所述最大满足率对应的题目进行组卷
。
[0016]第三方面，本专利技术实施例还提供了一种高校课程考试智能组卷设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可
被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种高校课程考试智能组卷方法
。
[0017]第四方面，本专利技术实施例还提供了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可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种高校课程考试智能组卷方法
。
[0018]可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种高校课程考试智能组卷方法，其特征在于，所述高校课程考试智能组卷方法包括：构建题型字典
、
题目难易度字典
、
章节字典和易错题集合；基于所述题型字典
、
所述题目难易度字典
、
所述章节字典和所述易错题集合，构建软性要求适度函数；其中，通过如下方式构建软性要求适度函数：；其中，表示同时满足，表示所述题型字典中每类题型的题目数量的平均覆盖率，表示所述题型字典中第类题型的题目数量占组卷总题目数的第一比率，表示所述第一比率的最小值，表示所述第一比率的最大值，表示题目难易度平均满足率，表示所述题目难易度字典中第类难易度题型所对应的第类题型的题目数量占第类难易度题型总题目数的第二比率，表示所述第二比率的最小值，表示所述第二比率的最大值，表示章节平均覆盖率，表示所述章节字典在第章节第类题型的题目数量占第章节总题目数的第三比率，表示所述第三比率的最小值，表示所述第三比率的最大值，表示易错题平均满足率，表示所述易错题集合中第种易错题的题目数量占组卷总题目数的第四比率，表示所述第四比率的最小值，表示所述第四比率的最大值；采用所述软性要求适度函数计算软性要求适度值和判断软性要求符合情况；在符合硬性要求和软性要求的情况下，根据所述软性要求适度值构建探索函数；采用所述探索函数对抽取的每个题目计算最大满足率，并采用所述最大满足率对应的题目进行组卷
。
2.
根据权利要求1所述的高校课程考试智能组卷方法，其特征在于，所述采用所述软性要求适度函数判断软性要求符合情况，包括：采用所述软性要求适度函数判断所述题型字典中每类题型的题目数量的平均覆盖率是否符合第一软性要求；采用所述软性要求适度函数判断所述题目难易度平均满足率是否符合第二软性要求；采用所述软性要求适度函数判断所述章节平均覆盖率是否符合第三软性要求；采用所述软性要求适度函数判断所述易错题平均满足率是否符合第四软性要求；当所述第一软性要求
、
所述第二软性要求
、
所述第三软性要求和所述第四软性要求都符合时，则所述题目符合所述软性要求
。3.
根据权利要求1所述的高校课程考试智能组卷方法，其特征在于，所述在符合硬性要求和软性要求的情况下，根据所述软性要求适度值构建探索函数，包括：对所有待选择的题目进行所述硬性要求和所述软性要求判断；在符合硬性要求和软性要求的情况下，对每个题目构造多个探索通道，并预设每个所述探索通道的探索次数；根据所述探索次数和所述软性要求适度值构建探索函数
。4.
根据权利要求3所述的高校课程考试智能组卷方法，其特征在于，通过如下方式构建探索函数：；其中，表示当前抽取题目的系数，表示递减系数，表示所述软性要求适度函数计算出的软性要求适度值，和表示学习步长，表示所有探索通道中第个探索通道所有探索次数中的最大满足率，表示探索过的所...

【专利技术属性】
技术研发人员：郭尚志，谢曦和，陈攀，
申请(专利权)人：湖南强智科技发展有限公司，
类型：发明
国别省市：