随着互联网技术和信息科技的飞速发展,越来越多的学生采取线上学习的方式来获取知识和巩固学习。学生做题是检验和提升学生学习成果的有效手段,在学生做题时给予一定程度的做题奖励能够激励学生做题的积极性。本文将学生做题并得分的过程看作一个马尔科夫决策过程,通过研究奖励函数的设置来设计学生做题过程中的得分奖励。本文所做工作主要有以下三个方面:（1）分析了在学生做题过程中,影响其得分的两个客观因素:试题难度和做题时间,并设计了初始奖励公式;引入学生做题的信心指数这一主观因素,其代表了学生对于做对试题的信心程度,并设计了合适的评分规则——“对数”评分规则来保证学生提交符合其真实水平的信心指数;基于试题难度、做题时间和信心指数设计了一套激励学生做题的得分方案。（2）为了加快学习的收敛速度,同时保证强化学习最优策略的不变性,提出了基于动态势能的奖励塑形方案,通过理论公式推导证明了该方案能保证最优策略的不变性,和动态势能塑形函数与初始奖励函数的等价关系;设计了包括本文方案和四种强化学习经典奖励方案在内的五组学生做题模拟实验,通过对比各个方案下得到的最优策略以及算法收敛时的平均步长,证明了本文所提方案的有效性。（3）设计并开发了学生在线做题系统,对系统进行了需求分析,总体架构设计以及关键模块和数据库表的详细设计,实现的主要功能有学生在线测评并按本文所提奖励方案获得做题得分,答卷分析,以及基本的试题、知识点和用户信息管理功能。本文将强化学习和奖励塑形技术应用于学生在线做题的奖励设计,实现了检验学生学习成果并通过做题给予其个性化得分奖励的效果,为激励学生积极参与在线学习和做题提供了新的思路,对于实现学生的个性化教育具有良好的推动作用。