一种考试属性和学生知识水平的评估方法技术

技术编号:42933009 阅读:97 留言:0更新日期:2024-10-11 15:55
本发明专利技术公开了一种考试属性和学生知识水平的评估方法,首先构建以2PL‑IRT为基础的分层贝叶斯IRT模型,并设定参数的先验分布;其中,学生属性、试题属性和考试属性参数的先验分布服从高斯分布;对所建立的分层贝叶斯IRT模型进行评测与验证,以确保各项参数适配任务,以及模型拟合程度良好;基于所建立的分层贝叶斯IRT模型,将分层贝叶斯IRT模型的计算过程转化为Stan编程语言中的模型表示,并通过高级采样算法进行隐参数的估计。上述方法能够动态地应对不同学生的个体差异,精确评估试题难度,减少对学生知识水平估计的偏差,提供更精确的评估结果。

【技术实现步骤摘要】

本专利技术涉及人工智能和教育评估,尤其涉及一种考试属性和学生知识水平的评估方法


技术介绍

1、在k-12教育场景中,定期测试(如月度测试)被广泛用于评估学生在不同学习阶段的知识掌握情况。学生定期考试,考试成绩随时间不断变化,这些测试反映了学生的学习进展和能力水平的变化,但同时也受到每次考试所使用的试题属性影响。由于每个考试都是独立设计的,这导致了考试之间的试题内容和难度上产生差异。然而现有的评估方法,如一些用于诊断的潜在生长项目反应理论(item response theory, irt)模型,通常需要跨多个测量时间点的测试题,不适用于单次考试。同时它们也忽视了不同学生之间的差异和考试题目之间的多层次关系,导致评估结果不够精确。

2、特别是在实际应用中,传统irt模型的局限性更加明显,在评估时,如遇到考试难度的差异、学生能力的不同和学生在不同考试中的能力变化时,传统的irt方法显得力不从心。它们无法自适应地评估学生在不同学习阶段的知识水平,也难以处理学生能力随时间变化的动态性,这种局限性可能会在一定程度上影响教学和学习的效果,未能充分捕捉学生本文档来自技高网...

【技术保护点】

1.一种考试属性和学生知识水平的评估方法,其特征在于,所述方法包括:

2.根据权利要求1所述考试属性和学生知识水平的评估方法,其特征在于,在步骤1中,所构建的分层贝叶斯IRT模型定义如下:

3.根据权利要求1所述考试属性和学生知识水平的评估方法,其特征在于,在步骤2中,

4.根据权利要求1所述考试属性和学生知识水平的评估方法,其特征在于,在步骤3中,具体是将所建立的分层贝叶斯IRT模型的计算过程转化为Stan编程语言中的模型表示,之后在Stan模型中使用HMC算法自动采样估计隐参数分布,其中:

【技术特征摘要】

1.一种考试属性和学生知识水平的评估方法,其特征在于,所述方法包括:

2.根据权利要求1所述考试属性和学生知识水平的评估方法,其特征在于,在步骤1中,所构建的分层贝叶斯irt模型定义如下:

3.根据权利要求1所述考试属性和学生知识水平的评估方法...

【专利技术属性】
技术研发人员:朱孟潇李佳桐张起龙赵晗舒奇柳林冯立符洺玮
申请(专利权)人:中国科学技术大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1