【技术实现步骤摘要】
本申请涉及测评领域，尤其涉及一种计算机化自适应测验方法，特别设计一种基于用户能力和题目属性出题的测试方法、装置、电子设备及存储介质。
技术介绍
1、在常见的题目测试中，通常组卷之后测试题目的顺序、内容就固定下来了，但凡其中一个答题者曝光了测试题目，其他答题者都能提前知道整个试卷中测试题目的内容，影响考试的安全性。为了避免这种情况，常用的方式是从考试题目库中随机抽取题目组成试卷进行作答。基于项目反应理论(item response theory,irt)的计算机化自适应测验(computerized adaptivetesting,cat)是测量、计算机技术充分结合的产物，避免了传统的“千人一卷”的问题。同时自适应程序会根据考生的答题情况，即时地为考生安排与其表现出的能力最契合的题目，较完全随机的组卷方式测量效率更高。但是，理论上基于信息量的自适应选题方法，在实际应用中还需要配合合理的优化策略来保证题目调度的均匀性，避免出现区分度高的题目会被频繁使用,而区分度低的项目较少调用，甚至不用的情形。
2、因此，设计出一种能够兼顾答题者的能力和不同题目的属性进行随机出题的测试方法是亟待解决的技术问题。
技术实现思路
1、有鉴于此，本申请实施例提供一种基于用户能力和题目属性出题的测试方法、装置、电子设备、及计算机可读存储介质，用于解决至少一种技术问题。
2、本申请实施例提供一种基于用户能力和题目属性出题的测试方法，包括：步骤100：从考试题目库中随机出一道测试题目发送给
3、步骤200：根据所述第一用户对该测试题目的应答结果，计算所述第一用户的能力值的似然值分布；其中，所述似然值分布中的似然值代表用户的能力为不同能力值的概率；
4、步骤300：根据所述第一用户的似然值分布以及所述考试题目库中每一道剩余测试题目的题目信息量分布，计算每一道剩余测试题目的似然加权信息量；所述似然加权信息量代表每一道剩余题目针对所述第一用户的测评价值；
5、步骤400：根据每一道剩余测试题目的曝光量以及题目区分度参数，修正每一道剩余测试题目的似然加权信息量以得到修正后的似然加权信息量；
6、步骤500：在所述修正后的似然加权信息量的值最大的多道测试题目中随机抽取一道作为下一道给所述第一用户应答的测试题目，并更新该测试题目的曝光量；
7、步骤600：判断所述第一用户的答题数量是否达到预设答题数，若未达到所述预设答题数，则执行700；若达到则执行步骤800；
8、步骤700：在考试题目库中剔除所述步骤500中选定的该道测试题目后，返回步骤200并重复步骤200至步骤500，确定下一道给所述第一用户应答的测试题目直至所述第一用户的答题数量达到所述预设答题数，结束测试；其中，根据每一次答题的应答结果更新所述第一用户的能力值的似然值分布；
9、步骤800：结束测试，并输出测试结束后所述第一用户的能力值的似然值分布中的最大似然值所对应的能力值，将该能力值作为本次测试最接近所述第一用户真实能力的测评能力值。
10、可选地，根据本申请实施例的方法，所述计算所述第一用户应答完某一道题目后的似然值分布包括：步骤210：根据该题目的区分度参数和难度参数，计算出所述第一用户做对该题目的可能性以及做错该题目的可能性；步骤220：基于步骤210所得的值，利用项目反应理论irt模型，计算出所述第一用户在应答完该题目后的似然值分布。
11、可选地，根据本申请实施例的方法，所述计算每一道剩余题目的针对所述第一用户的似然加权信息量包括：步骤310：将步骤200中的所述第一用户的似然值分布与每一道题目的信息量分布相乘，得出每一道剩余题目的似然加权值分布；步骤320：将步骤310中的所述似然加权值分布中各点的似然加权值相加，得出每一道剩余题目针对所述第一用户的似然加权信息量。
12、可选地，根据本申请实施例的方法，所述修正每一道剩余测试题目的似然加权信息量包括：相较于所述考试题目库中所有测试题目的平均曝光量，测试题目的曝光量越大，向下修正似然加权信息量的幅度越大；相较于所述考试题目库中所有测试题目的平均曝光量，测试题目的曝光量越小，向上修正似然加权信息量的幅度越大。
13、可选地，根据本申请实施例的方法，根据答题数目所述测试过程平分为前半段和后半段，所述修正每一道剩余测试题目的似然加权信息量包括：在测试的前半段，题目区分度参数越大，向下修正似然加权信息量的幅度越大；在测试的前半段，题目区分度参数越小，向上修正似然加权信息量的幅度越大。在测试的后半段，题目区分度参数越小，向下修正似然加权信息量的幅度越大；在测试的后半段，题目区分度参数越大，向上修正似然加权信息量的幅度越大。
14、可选地，根据本申请实施例的方法，所述测试题目难度的最大值是2.68，最小值是-2.62；所述步骤100中选取的测试题目的难度值在-0.5到0.5之间。
15、可选地，根据本申请实施例的方法，还包括新考试题库；所述新题库中的题目区分度参数和题目难度参数的初始值均为0。
16、可选地，根据本申请实施例的方法，从所述新考试题库中随机选取一道新题目给预定数量的多名所述第一用户应答，根据多名所述第一用户的应答结果，确定所述新题目的题目区分度参数和题目难度参数，并将所述新题目作为测试题目加入到考试题库中。
17、本申请还提出一种基于用户答题情况出题的测评装置，包括：第一出题模块：用于从考试题目库中随机出一道测试题目发送给第一用户应答并更新该测试题目的曝光量；第一计算模块：用于根据所述第一用户对该测试题目的应答结果，计算所述第一用户的能力值的似然值分布；其中，所述似然值分布中的似然值代表用户的能力为不同能力值的概率；第二计算模块：用于根据所述第一用户的似然值分布以及所述考试题目库中每一道剩余测试题目的题目信息量分布，计算每一道剩余测试题目的似然加权信息量；所述似然加权信息量代表每一道剩余题目针对所述第一用户的测评价值；修正模块：用于根据每一道剩余测试题目的曝光量以及题目区分度参数，修正每一道剩余测试题目的似然加权信息量以得到修正后的似然加权信息量；第二出题模块，用于在所述修正后的似然加权信息量的值最大的多道测试题目中随机抽取一道作为下一道给所述第一用户应答的测试题目，并更新该测试题目的曝光量；判断模块：断所述第一用户的答题数量是否达到预设答题数，若未达到所述预设答题数，则触发模块一；若达到则触发模块二；模块一：用于在考试题目库中剔除所述第二出题模块中选定的该道测试题目后，返回第一计算模块并重复第一计算模块、第二计算模块、修正模块和第二出题模块，确定下一道给所述第一用户应答的测试题目直至所述第一用户的答题数量达到所述预设答题数，结束测试；其中，根据每一次答题的应答结果更新所述第一用户的能力值的似然值分布；模块二：用于结束测试并输出测试结束后所述第一用户的能力值的似然值分布中的最大似然值所本文档来自技高网...
【技术保护点】
1.一种基于用户能力和题目属性出题的测试方法，其特征在于，包括：
2.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述计算所述第一用户应答完某一道题目后的似然值分布包括：
3.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述计算每一道剩余题目的针对所述第一用户的似然加权信息量包括：
4.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述修正每一道剩余测试题目的似然加权信息量包括：
5.根据权利要求1所述的基于用户和题目属性出题的测试测评方法，其特征在于，根据答题数目所述测试过程分为前半段和后半段，所述修正每一道剩余测试题目的似然加权信息量包括：
6.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述测试题目难度的最大值是2.68，最小值是-2.62；所述步骤100中选取的测试题目的难度值在-0.5到0.5之间。
7.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，还包括新考试题库；所述新题
8.根据权利要求7所述的基于用户能力和题目属性出题的测试方法，其特征在于，从所述新考试题库中随机选取一道新题目给预定数量的多名所述第一用户应答，根据多名所述第一用户的应答结果，确定所述新题目的题目区分度参数和题目难度参数，并将所述新题目作为测试题目加入到考试题库中。
9.一种基于用户答题情况出题的测评装置，其特征在于，包括：
10.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求1-8中任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种基于用户能力和题目属性出题的测试方法，其特征在于，包括：
2.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述计算所述第一用户应答完某一道题目后的似然值分布包括：
3.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述计算每一道剩余题目的针对所述第一用户的似然加权信息量包括：
4.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述修正每一道剩余测试题目的似然加权信息量包括：
5.根据权利要求1所述的基于用户和题目属性出题的测试测评方法，其特征在于，根据答题数目所述测试过程分为前半段和后半段，所述修正每一道剩余测试题目的似然加权信息量包括：
6.根据权利要求1所述的基于用户能力和题目属性出题的测试方法，其特征在于，所述测试题目难度的最大值是2.68，最小值是-2.62；所述步骤100中选取的测试题目的难度值在-0.5到0.5之...
【专利技术属性】
技术研发人员：位慧静，费杨奕，
申请(专利权)人：前锦网络信息技术上海有限公司，
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。