为加强贵州省生源地助学贷款学生对诚信及还款等相关知识的学习,提高其诚信还款意识进而降低贷款违约发生,2012年实验室开发团队根据贵州省相关资助部门的需求开发了一套“助学贷款网上答题系统”。该系统用于贷款学生进行相关知识的学习并检测学生对相关知识的掌握情况,资助相关部门则根据学生试卷统计得分对其信用进行简单的评定,不了解贷款学生的实际信用。此外,由于系统存在功能可扩展性差、代码重用性差等问题已无法满足用户的新需求。针对以上问题本课题旨在重新设计并实现一套基于知识分析的高校诚信教育考试系统,并运用决策树分类技术构建知识分析模型,剖析考试成绩与各知识点掌握情况间的潜在关联;根据考试数据分析结果结合贷款违约影响因子运用BP神经网络建立信用评估模型,实现对贷款学生的实际信用评估。主要工作成果如下:(1)系统的设计与实现。针对原系统架构缺陷,本文利用WCF和Nhibernate等关键技术引入数据服务层和数据持久层,设计了新的系统架构,并在该架构上设计和实现了基于知识分析的高校诚信教育考试系统。在新的系统架构下可以开发出针对不同终端的系统,且在系统更改数据库时不需要做任何改动。(2)知识分析模型的设计与实现。考试能有效检测出学生各分数段对所学知识点的掌握情况,试卷作为考试的载体,试卷测试的内容是对知识点的考查,因此对试卷的分析应当以知识点分析为落脚点。为此,本文以试卷考查知识为落脚点,利用决策树分类技术对试卷进行分析,构建基于决策树的知识分析模型。以系统试卷为例应用该模型获取各知识点的信息增益率进而构造成绩与各知识点掌握情况间的关系决策树以发现学生对相关知识点掌握的薄弱情况,以有利于相关部门了解学生对相关知识点的掌握情况和学生加强对遗漏知识点的学习。(3)信用评估模型的设计与实现。为使资助相关部门了解贷款学生的真实信用,本文根据对贷款学生的考试分析结果结合其学习成绩、家庭年收入、学校历史违约率等贷款违约影响因素,运用BP神经网络设计并建立信用评估模型,并利用历史贷款数据对该模型进行仿真实验。此外,将仿真程序生成为dll文件,并在C#程序中引用该dll文件实现该功能以完成对贷款信用的自动评估。系统基于ASP.NET平台,采用B/S模式,并结合上述的关键技术与理论进行开发与实现。系统不仅满足了用户的使用需求,而且实现了对考试数据的分析和利用,并对贷款学生在放贷前进行信用评估能预防贷款违约的发生。