【技术实现步骤摘要】
本专利技术涉及能力考核领域，具体为基于流式计算在线考试自学习方法和系统。
技术介绍
1、在线考试系统是一种基于互联网技术的在线考试平台，它涵盖了题库设计、试题设计、试卷设计、在线考试、智能阅卷、人工阅卷、成绩分析、题库练习等全流程在线考试工作，在线考试系统可以在考生管理、考试管理等方面进行详细管理。
2、目前在线考试系统，均是事先导入题库(人工导入，或者从互联网爬取)，人为确定题目分数，然后根据题库里的题目进行出题。对于主观题目，由评分员(老师、评委)进行评分，但是其具有以下不足：题目的分值都是由人工判定，容易出现偏差；题目难度，题目分值与实际参与考试的人员的能力无关，区分度较差，不能真实反映考试真能力；题目分值更新频率低：很少或者几乎不更新分数；即使更新分值，但没有科学切便捷的工具可以得到题目的新分支，或者采用简单点统计方法，把得分率高的题目分数降低，得分率底的题目分数提升，缺乏数学上严格的评分模型支撑；主观题目在评分时，评分员自身的宽严度(严格程度，或者说评价的能力)没有体现，无法及时发现评分员资深问题导致的主观题评分不准的问题；主观题目，考生被动接受评分员评分，缺乏对题目，评分员等方面的反馈，无法对整个考试系统进行改进。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了基于流式计算在线考试自学习方法和系统，来解决上述问题。
3、(二)技术方案
4、为实现上述目的，本专利技术提供如下技术方案：基于流
5、优选的，所述固定间隔为每次考试后。
6、优选的，所述任务设置包括确定考生、题目、评分员的范围。
7、优选的，所述客观题目为判断题，所述评分维度为“对”、“错”，所述主观题目为写作题目，所述评分维度为“基本可读”、“表达清晰”、“优美流畅”。
8、优选的，所述大数据存储介质为hdfs。
9、优选的，所述数学目标函数为似然函数，交叉熵。
10、优选的，所述评分员宽严度和评分维度难度的数值在主观题时通过计算得到。
11、优选的，所述客观题数学模型为：其中p表示题目正确的概率，theta_n表示学生n的能力，beta_i表示题目i的难度。
12、优选的，所述主观题数学模型为：其中p_nljk表示第n个学生在第l个题目，由评分员j评价为第k档次的概率，其中p_nljk-1表示第n个学生在第l个题目，由评分员j评价为第k-1档次的概率，theta_n表示学生n的能力，delta_l表示评分员l的宽严度alpha_j表示评分维度j的难度，tao_k表示评分维度对应的第k个级别的难度。
13、优选的，所述目标函数采用联合极大似然求解。
14、(三)有益效果
15、与现有技术相比，本专利技术提供了基于流式计算在线考试自学习方法和系统，具备以下有益效果：
16、该基于流式计算在线考试自学习方法和系统，基于严格的测评理论的数学模型，结合考试中，考生的答题结果，评分员的评价结果，通过求解模型，科学的计算出学生的能力值、题目的难易度和评分员的宽严度，同时采用流式计算模式，按照指定的间隔进行实时的模型求解，及时更新学生的能力值、题目的难易度和评分员的宽严度，题目的难易程度，考生的能力值，评分员的宽严度，评分维度的难度和级别难度，可以通过本系统计算出，更加科学合理的评价考生，对题目分值更新起到参考作用，同时对评分员进行评价，通过流式计算模式，可以做到实时(小间隔)完成，考试信息可以及时更新到模型中，实时反映考生，评分员和题目的信息。
本文档来自技高网...【技术保护点】
1.基于流式计算在线考试自学习系统，其特征在于，包括：考试定义流程模块、考试流程模块、数据整合流程模块、全量模型运算流程模块、增量模型运算流程模块，所述考试定义流程模块采用客户端/服务器架构，考试组织者通过浏览器进行题目任务设置，确定评分维度，对于客观题目，可省略评分维度和评分员的确定过程，对于主观题目，考生和评分员之间可以双向互评；所述考试流程模块采用客户端/服务器架构，考生通过系统进行答题；所述数据整合流程模块位于系统的后端服务器中，根据评分维度，对结果进行分组，并保存在大数据存储介质中；所述全量模型运算流程模块按照评分维度分组的数据，按照预先定义的反映题目正确率的数学模型，采用牛顿法，通过优化实际数据的相应数学目标函数，求解得到考生能力，题目难度，评分员宽严度和评分维度难度的数值，这里得到的参数成为基准参数，训练采用的数据是系统启动后收集的所有数据；所述增量模型运算流程模块基于基准参数，在下一次批量模型计算之前，每个固定间隔进行小批量数据的计算，采用牛顿法，求解基于基准参数作为初始值，优化小批量数据得到的数学目标函数，并将求解的参数传入自动参数调整流程。
2.根
3.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述任务设置包括确定考生、题目、评分员的范围。
4.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述客观题目为判断题，所述评分维度为“对”、“错”，所述主观题目为写作题目，所述评分维度为“基本可读”、“表达清晰”、“优美流畅”。
5.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述大数据存储介质为HDFS。
6.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述数学目标函数为似然函数，交叉熵。
7.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述评分员宽严度和评分维度难度的数值在主观题时通过计算得到。
8.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述客观题数学模型为：其中P表示题目正确的概率，theta_n表示学生n的能力，beta_i表示题目i的难度。
9.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述主观题数学模型为：其中P_nljk表示第n个学生在第l个题目，由评分员j评价为第k档次的概率，其中P_nljk-1表示第n个学生在第l个题目，由评分员j评价为第k-1档次的概率，theta_n表示学生n的能力，delta_l表示评分员l的宽严度alpha_j表示评分维度j的难度，tao_k表示评分维度对应的第k个级别的难度。
10.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述目标函数采用联合极大似然求解。
...【技术特征摘要】
1.基于流式计算在线考试自学习系统，其特征在于，包括：考试定义流程模块、考试流程模块、数据整合流程模块、全量模型运算流程模块、增量模型运算流程模块，所述考试定义流程模块采用客户端/服务器架构，考试组织者通过浏览器进行题目任务设置，确定评分维度，对于客观题目，可省略评分维度和评分员的确定过程，对于主观题目，考生和评分员之间可以双向互评；所述考试流程模块采用客户端/服务器架构，考生通过系统进行答题；所述数据整合流程模块位于系统的后端服务器中，根据评分维度，对结果进行分组，并保存在大数据存储介质中；所述全量模型运算流程模块按照评分维度分组的数据，按照预先定义的反映题目正确率的数学模型，采用牛顿法，通过优化实际数据的相应数学目标函数，求解得到考生能力，题目难度，评分员宽严度和评分维度难度的数值，这里得到的参数成为基准参数，训练采用的数据是系统启动后收集的所有数据；所述增量模型运算流程模块基于基准参数，在下一次批量模型计算之前，每个固定间隔进行小批量数据的计算，采用牛顿法，求解基于基准参数作为初始值，优化小批量数据得到的数学目标函数，并将求解的参数传入自动参数调整流程。
2.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述固定间隔为每次考试后。
3.根据权利要求1所述的基于流式计算在线考试自学习系统，其特征在于：所述任务设置包括确定考生、题目、评分员的范围。
4.根据权利要求1所述的基于流式计算...
【专利技术属性】
技术研发人员：汪明波，
申请(专利权)人：山东欧倍尔软件科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。