一个智能试卷生成系统的研究与实现
|
摘要
组卷问题是一个在一定约束条件下的多目标参数优化问题，采用传统的数学方法求解十分困难，自动组卷的效率和质量完全取决于试题库设计及其抽题算法的设计。如何设计一个算法从试题库中既快又好的抽出一组符合考试要求的试题，是本文研究的目标。在对国内外相关大量文献分析研究的基础上，本文选择遗传算法作为组卷算法，设计了一种具有通用性的组卷系统。该系统能够按照试题类型、试题数量、章节覆盖、难度系数、区分度、答题时间、课时数等约束条件进行快速搜索，从而找到最佳组卷方案，组出理想的试卷。
在组卷系统研究的过程当中，本文对传统组卷过程进行了分析，形成了组卷过程的数学模型，并在教育测量及教育统计理论的基础上设计了试题库结构。在组卷系统研究的过程当中，本文对经典遗传算法进行了一定的改进，并利用VB的ADO技术将算法应用于实践。最后通过实验不仅验证了本文提出的理论的正确性，还对具体组卷实际中遇到的困扰进行了较为合理的解决，使用系统可以在实际中应用。本系统主要的工作可以归纳如下：
1、建立了试题库数据组织结构，并基于此结构进一步的设计了系统一些动态信息的处理方法。
2、通过分析组卷策略，建立了组卷问题数学模型，并对模型进行了简化处理。
3、采用ADO技术，对系统总试题库进行过滤操作，在计算机内存中生成了遗传算法所需要的试卷样本初始种群，提高了系统的执行效率。
3、改良遗传算法采用自然数编码，减少了染色体长度空间，编号直接采用试题编号，省去了编码和解码的繁琐。
4、运用自适应理论改进了交叉概率和变异概率，算法本身总能找到适合于自己的交叉概率和变异概率，提高了系统的收敛速度，同时也避免了遗传过早进入“局部收敛”状态。
5、选择算法采用模拟小生境的方法，其性能优于K次择优算法。
The test paper generating is an optimized problem to Muti-objective parameter with certain restriction. The optimization is implemented very difficulty by traditional method. The quality and efficiency of auto-generating test paper is all determined by the test-database designs and get problems-terms algorithm. The aim of the research is to design an algorithm that can get a group of test problems terms quickly, which fit the restriction of test requirement. After reading and analyzing a great deal of articles from inside and outside, Genetic Algorithm is selected as the way to produce test paper, and a general-purpose system of auto-generating test paper is designed. The system based on General Genetic Algorithm is designed to search the best answer according to such restriction conditions, like test question types, terms scalar, teaching time, difficulty degree, distinguish and answer time and so on. Finally, it can find the best answer and get ideal test paper.
In this search, traditional test generate steps is analyzed, and suitable mathematics model about generating test paper is formed, and the construction of test questions database based on education measure theory and education statistics is built. According to the mathematics model, a producing test paper ideal that the questions are grouped based on their types , count and Proportion has been built. The traditional Genetic Algorithm has been improved at some aspects, and made the response program of producing test-paper through VB6.0' ADO techniques. The testing system not only proved that the article's theory is correct, but also many practical problems in generating test paper have been resolved perfectly, making the improved genetic algorithm is enable in some appliances. The main works of the research can be show as follows:
1、Establish a model of generating test paper problem and simplify it.
2、Appling ADO techniques, get these question terms from mother database, which is fit the requirements of test paper. After filter, these suitable questions will be put into internal memory. Like this, it enhance the reliability of algorithm.
3、Improve the traditional genetic algorithm at Chromosome-Code, replacing the Binary-Code with NaturalNum-Code and directly using the questionID as it. So save the time of Coding and Encoding.
4、Applying self-adapting theory to improve the Across-probability and Mutation-probability, it making the Genetic Algorithm can finding the optimizing Across-probability and Mutation-probability to suit itself.
5、Contrasting the Small-scalar Selecting Algorithm and K-times Optimized Selecting Algorithm through test, we can proved that the former is more advantage than the later by some test-data.
在组卷系统研究的过程当中，本文对传统组卷过程进行了分析，形成了组卷过程的数学模型，并在教育测量及教育统计理论的基础上设计了试题库结构。在组卷系统研究的过程当中，本文对经典遗传算法进行了一定的改进，并利用VB的ADO技术将算法应用于实践。最后通过实验不仅验证了本文提出的理论的正确性，还对具体组卷实际中遇到的困扰进行了较为合理的解决，使用系统可以在实际中应用。本系统主要的工作可以归纳如下：
1、建立了试题库数据组织结构，并基于此结构进一步的设计了系统一些动态信息的处理方法。
2、通过分析组卷策略，建立了组卷问题数学模型，并对模型进行了简化处理。
3、采用ADO技术，对系统总试题库进行过滤操作，在计算机内存中生成了遗传算法所需要的试卷样本初始种群，提高了系统的执行效率。
3、改良遗传算法采用自然数编码，减少了染色体长度空间，编号直接采用试题编号，省去了编码和解码的繁琐。
4、运用自适应理论改进了交叉概率和变异概率，算法本身总能找到适合于自己的交叉概率和变异概率，提高了系统的收敛速度，同时也避免了遗传过早进入“局部收敛”状态。
5、选择算法采用模拟小生境的方法，其性能优于K次择优算法。
The test paper generating is an optimized problem to Muti-objective parameter with certain restriction. The optimization is implemented very difficulty by traditional method. The quality and efficiency of auto-generating test paper is all determined by the test-database designs and get problems-terms algorithm. The aim of the research is to design an algorithm that can get a group of test problems terms quickly, which fit the restriction of test requirement. After reading and analyzing a great deal of articles from inside and outside, Genetic Algorithm is selected as the way to produce test paper, and a general-purpose system of auto-generating test paper is designed. The system based on General Genetic Algorithm is designed to search the best answer according to such restriction conditions, like test question types, terms scalar, teaching time, difficulty degree, distinguish and answer time and so on. Finally, it can find the best answer and get ideal test paper.
In this search, traditional test generate steps is analyzed, and suitable mathematics model about generating test paper is formed, and the construction of test questions database based on education measure theory and education statistics is built. According to the mathematics model, a producing test paper ideal that the questions are grouped based on their types , count and Proportion has been built. The traditional Genetic Algorithm has been improved at some aspects, and made the response program of producing test-paper through VB6.0' ADO techniques. The testing system not only proved that the article's theory is correct, but also many practical problems in generating test paper have been resolved perfectly, making the improved genetic algorithm is enable in some appliances. The main works of the research can be show as follows:
1、Establish a model of generating test paper problem and simplify it.
2、Appling ADO techniques, get these question terms from mother database, which is fit the requirements of test paper. After filter, these suitable questions will be put into internal memory. Like this, it enhance the reliability of algorithm.
3、Improve the traditional genetic algorithm at Chromosome-Code, replacing the Binary-Code with NaturalNum-Code and directly using the questionID as it. So save the time of Coding and Encoding.
4、Applying self-adapting theory to improve the Across-probability and Mutation-probability, it making the Genetic Algorithm can finding the optimizing Across-probability and Mutation-probability to suit itself.
5、Contrasting the Small-scalar Selecting Algorithm and K-times Optimized Selecting Algorithm through test, we can proved that the former is more advantage than the later by some test-data.
引文
[1]张宏林．《VB6.0程序设计与开发技术大全》[M]．北京：人民邮电出版社．2004：448-539
[2]李晓黎．《Visual Basic+Access数据库开发与实例》[M]．北京：清华大学出版社．2006：2-78
[3]李晓黎．《Visual Basic+SQL Server数据库应用系统开发与实例》[M]．北京：人民邮电出版社．2003：2-128．220-306
[4]全惠云等．基于遗传算法的试题库智能组卷系统研究[J]．武汉大学学报：自然科学版，1999年45卷5期：758-760
[5]吴锦林，吴清锋．分布式计算机应用水平考试系统的设计与研究[J]．《计算机工程与设计》．2003年24期3卷：52-54
[6]戴亚飞，李晓明．计算机自动组卷算法分析[J]．《小型微型计算机系统》：1995年16期9卷：51-55
[7]顾明远，申杲华．《学校考试与命题管理动作全书》．北京：清华大学出版社．2006：2-78
[8]余胜泉，何克抗．网络题库系统的设计与实现．《中国远程教育》．2000年9期：53-57
[9]I．R．Foulds．《组合最优化》[M]．上海：上海翻译公司．1988：39-50
[10]卢开澄．《组合数学》[M]．北京：清华大学出版社．1991：10-78
[11]郭述平，王景英．《教育测量》[M]．东北师范大学出版社．2002：65-82
[12]王信凤．《考试学引论》[M]．辽宁人民出版社．1987：77-92
[13]王汉澜．《教育测量学》[M]．河南大学出版社．1987：26-118
[14]周谦．《教育评价与统计》[M]．北京：科学出版社．1998：224-252
[15]国家教委考试中心编．《题库建设理论与实践》[M]．光明日报出版社．1990：213-212
[16]魏平，熊伟洁．用遗传算法解组卷问题的设计与实现[J]．《微电子学与计算机》：2002年4期9卷：21-55
[17]张桂娟，武兆惠．一种基于学习机制的并行遗传算法[J]．《计算机应用》：2005年2期：2-25
[18]华如海，王俊普．基于约束满足的智能组卷方法的研究与实现[J]．《华东交通大学学报》：1998年15期4卷：58-63
[19]陈华光，周铁山，张晓清．通用试题库系统的设计与实现[J]．《湖南工程学院学报》．自然科学版：2002年12期3卷：25-31
[20]张亮，陆剑峰，．张浩．基于PHP平台的网络考试系统开发与研究．《微型电脑应用》．2003年19卷7期：26-28
[21]刘彬，糜长军，智能组卷系统试题库结构的研究《信息技术(哈尔滨)》．2002年3期：2-4
[22]林雪明，张钧良，蒋伟钢．基于知识点的试题库组卷算法的建立．《微机发展》．2001年2期：77-80
[23]闭应洲，苏德富，陈宁江．基于矩陈编码的遗传算法及其在自动组卷中的应用．《计算机工程》．2003年29卷6期：73-75，182
[24]胡中锋，李方．《教育测量与评价》[M]．广东：广东高等教育出版社．1999：193-196
[25]肖成琳，徐清振．基于遗传算法的成卷策略的设计与实现[J]．《现代计算机》．2003(8)：39-41
[26]陈国良，王煦法．《遗传算法及其应用》[M]．北京：人民邮政出版社．1999：11-34
[27]杨路明，陈大鑫．改进遗传算法在试题自动组卷中的应用研究．《计算机与数字工程》．2004年32卷5期：76-79
[28]李小勇，王瑛．题库管理系统中的自动化组卷算法[J]．《西北师范大学学报》(自然科学版)．2002年38卷4期：41-43
[29]刘方爱．一种通用试题库模型及试卷生成算法[J]．《计算机应用与软件》．1998年15卷4期：52-56
[30]汪德顺，顾学春，马立兴．基于知识的成卷方法及在MATBAS系统中的实现[J]．《西安交大学报》．1988年23卷1期：52-56
[31]谢平．基于框架模式的试题库智能组卷系统[J]．《东北交大大学学报》．1998年15卷6期：58-61
[32]齐晖．一个智能试卷管理系统的设计与分析[J]．《开封大学学报》．2003年15卷4期：15-25
[33]吉根林．遗传算法研究综述[J]．《计算机应用与软件》．2004年18卷2期：20-30
[34]H·Barbosa, C·Lemonge Afonso. A New Adaptive Penalty Scheme for Genetic Algorithms. Information Sciences. 2003, 156(3): 215-251
[35]T. Lynda, C. Chrisment, Bouphanew Mohand. Mutiple Query Evaluation Based on Ehanced Genetic Algorithm. Information Pressing and Management. 2003, 39(2): 215-231
[36]C. Smith Greg, S. Smith Shana. An Enhanced Genetic Algorithm for Automated Assembly Planning. Robotics and Computer Integrated Manufacturing, 2002, 18(5): 355-364
[2]李晓黎．《Visual Basic+Access数据库开发与实例》[M]．北京：清华大学出版社．2006：2-78
[3]李晓黎．《Visual Basic+SQL Server数据库应用系统开发与实例》[M]．北京：人民邮电出版社．2003：2-128．220-306
[4]全惠云等．基于遗传算法的试题库智能组卷系统研究[J]．武汉大学学报：自然科学版，1999年45卷5期：758-760
[5]吴锦林，吴清锋．分布式计算机应用水平考试系统的设计与研究[J]．《计算机工程与设计》．2003年24期3卷：52-54
[6]戴亚飞，李晓明．计算机自动组卷算法分析[J]．《小型微型计算机系统》：1995年16期9卷：51-55
[7]顾明远，申杲华．《学校考试与命题管理动作全书》．北京：清华大学出版社．2006：2-78
[8]余胜泉，何克抗．网络题库系统的设计与实现．《中国远程教育》．2000年9期：53-57
[9]I．R．Foulds．《组合最优化》[M]．上海：上海翻译公司．1988：39-50
[10]卢开澄．《组合数学》[M]．北京：清华大学出版社．1991：10-78
[11]郭述平，王景英．《教育测量》[M]．东北师范大学出版社．2002：65-82
[12]王信凤．《考试学引论》[M]．辽宁人民出版社．1987：77-92
[13]王汉澜．《教育测量学》[M]．河南大学出版社．1987：26-118
[14]周谦．《教育评价与统计》[M]．北京：科学出版社．1998：224-252
[15]国家教委考试中心编．《题库建设理论与实践》[M]．光明日报出版社．1990：213-212
[16]魏平，熊伟洁．用遗传算法解组卷问题的设计与实现[J]．《微电子学与计算机》：2002年4期9卷：21-55
[17]张桂娟，武兆惠．一种基于学习机制的并行遗传算法[J]．《计算机应用》：2005年2期：2-25
[18]华如海，王俊普．基于约束满足的智能组卷方法的研究与实现[J]．《华东交通大学学报》：1998年15期4卷：58-63
[19]陈华光，周铁山，张晓清．通用试题库系统的设计与实现[J]．《湖南工程学院学报》．自然科学版：2002年12期3卷：25-31
[20]张亮，陆剑峰，．张浩．基于PHP平台的网络考试系统开发与研究．《微型电脑应用》．2003年19卷7期：26-28
[21]刘彬，糜长军，智能组卷系统试题库结构的研究《信息技术(哈尔滨)》．2002年3期：2-4
[22]林雪明，张钧良，蒋伟钢．基于知识点的试题库组卷算法的建立．《微机发展》．2001年2期：77-80
[23]闭应洲，苏德富，陈宁江．基于矩陈编码的遗传算法及其在自动组卷中的应用．《计算机工程》．2003年29卷6期：73-75，182
[24]胡中锋，李方．《教育测量与评价》[M]．广东：广东高等教育出版社．1999：193-196
[25]肖成琳，徐清振．基于遗传算法的成卷策略的设计与实现[J]．《现代计算机》．2003(8)：39-41
[26]陈国良，王煦法．《遗传算法及其应用》[M]．北京：人民邮政出版社．1999：11-34
[27]杨路明，陈大鑫．改进遗传算法在试题自动组卷中的应用研究．《计算机与数字工程》．2004年32卷5期：76-79
[28]李小勇，王瑛．题库管理系统中的自动化组卷算法[J]．《西北师范大学学报》(自然科学版)．2002年38卷4期：41-43
[29]刘方爱．一种通用试题库模型及试卷生成算法[J]．《计算机应用与软件》．1998年15卷4期：52-56
[30]汪德顺，顾学春，马立兴．基于知识的成卷方法及在MATBAS系统中的实现[J]．《西安交大学报》．1988年23卷1期：52-56
[31]谢平．基于框架模式的试题库智能组卷系统[J]．《东北交大大学学报》．1998年15卷6期：58-61
[32]齐晖．一个智能试卷管理系统的设计与分析[J]．《开封大学学报》．2003年15卷4期：15-25
[33]吉根林．遗传算法研究综述[J]．《计算机应用与软件》．2004年18卷2期：20-30
[34]H·Barbosa, C·Lemonge Afonso. A New Adaptive Penalty Scheme for Genetic Algorithms. Information Sciences. 2003, 156(3): 215-251
[35]T. Lynda, C. Chrisment, Bouphanew Mohand. Mutiple Query Evaluation Based on Ehanced Genetic Algorithm. Information Pressing and Management. 2003, 39(2): 215-231
[36]C. Smith Greg, S. Smith Shana. An Enhanced Genetic Algorithm for Automated Assembly Planning. Robotics and Computer Integrated Manufacturing, 2002, 18(5): 355-364