近年来,随着互联网技术和移动设备的广泛应用与普及,在教育领域中,在线教育以其不受时间空间的限制、快速和及时性、可重复性、费用低廉、丰富的交互性和协作性、支持个性化学习等优势受到拥护和广泛发展,与之产生的众多在线学习平台也得到广泛使用。在线学习平台下,为提高学生对知识点的掌握水平,往往需要学生完成相应的作业。对于作业中的部分客观题目可以通过系统自动根据答案评判,而主观题根据系统评判的效果往往不尽如人意。另外,平台下因学习者众多而带来庞大的作业评阅任务,单靠教师个人无法顺利完成。为了解决上述两个问题,利用学生之间的互评是一种有效的作业评判方法,通过学生之间互评的方式完成作业的批改,一方面可以有效减轻教师的评阅压力,另一方面,可以鼓励学生参与到教师的评阅任务中,加深学生对题目的理解,增强学生们之间的交流与反馈。在当下作业评阅研究中,主要存在两个问题。第一,对学生的能力评估缺乏准确性;第二,评阅分配的策略比较单一,没有考虑其他的分配策略。本文通过开发在线作业互评系统,在分配策略方面对这两个问题进行了改进,主要工作内容如下:采用模糊认知诊断技术实现对学生能力准确评估。在互评分配前期,需要对学生的知识点掌握程度进行诊断,进而更加准确的预测学生对待评作业的得分,将得分作为学生画像的一项属性。在以往的作业互评分配方面,主要通过计算每个知识点所包含题目的正答率来简单的预测其对于知识点的掌握情况,此方法对学生能力评估缺乏准确性。本文采用模糊认知诊断技术对待评阅作业的得分进行预测,并且在原有的模糊认知诊断模型的基础上加入学生答题时间属性,根据在线学习平台下的学生答题数据和每道题目的作答时间,考虑每位学生的潜在特征,知识点的区分度、难度等属性,对客观题和主观题采用不同的计算方式,完成学生对知识点掌握水平的评估,通过待评作业的Q矩阵,完成学生对待评作业的得分预测。本文将答题时间考虑到模糊认知诊断模型中,在描述学生能力差异性方面比以往方法更为准确。采用多种分配策略应用于不同场景。传统作业分配策略都以实现整体互评质量更优为目标,而在实际分配过程中,往往还会产生其他需求。我们期望一种分配策略的整体评阅质量符合一定要求后,整体的评阅时长可以更短;我们还希望通过因材施教让不同能力阶段的学生都能实现成绩上的提升。为解决评阅分配策略单一问题和实现上述场景下的需求,本文提出三种不同的分配策略,分别是按综合质量分配,按最短时间分配,按学习能力分配。为计算三种分配策略的匹配结果,本文在学生画像方面,除待评作业预测得分属性外,还使用了包括学生在团体内的成绩排名,历史评阅能力得分,学生评阅时间和作业相似度数据。应不同策略需求,选择相关属性构建带权重的二分图,通过KM算法计算出最终结果。本文通过与教师评分接近程度、总体回评均值、互评打分与真实分数的RSME值、平均每次评阅用时三项指标对各种策略的分配效果进行分析,实验结果显示三种策略有效的实现了上述不同场景下的需求,对学生能力评估更为准确,在互评分配效果优于其他常见策略。本文中的作业互评系统采用B/S架构,前端使用Thymeleaf+HTML,后端使用Spring Boot+Mybatis+Apache Shiro框架,系统主要使用Java语言和Mysql数据库,分配策略算法使用的Python语言。由教师对相应班级和所选课程下的学生发布作业通知,学生接受通知按照要求完成作业并上传至系统中,教师根据作业提交情况和作业特点,选择一种分配策略,同一团体内的学生根据分配策略的结果接受各自的作业评阅任务,根据评分规则完成对待评作业题目的打分,学生作业被评后,可以根据作业的评阅用时和评阅的准确度对评阅人进行回评打分,至此,完成整个评阅环节。本文开发的作业互评系统缓解了教师的评阅压力,并有效的增强了学生的学习兴趣和互动效果。