论文部分内容阅读
[摘 要]利用MATLAB中遗传算法和0-1线性规划算法进行组卷,比较两种组卷方法的优劣,结果显示两算法组卷成功率相当,带随机性的遗传算法更方便得到多套平行试卷。
[关键词]自动组卷;题库;遗传算法;0-1线性规划
中图分类号:G431 文献标识码:A 文章编号:1009-914X(2014)27-0290-01
1 引言
利用计算机自动选题组卷,不仅节约了组卷工作者的工作时间,还能避免工作中出现的主观错误,增强考试的客观性、真实性以全面的反应实际的效果,有利于评价教学质量与教学水平。本文主要研究在已生成的题库情况下,根据试卷结构要求,利用MATLAB中遗传算法和0-1线性规划算法进行组卷,比较两种组卷方法的优劣。2采用的组卷算法
2.1 遗传算法
遗传算法[1]它是由美国密歇根州立大学的霍兰教授于1975年首先提出来的。它的求解过程是从若干可行解开始,即从任意初始种群出发,然后按照选择、交叉、变异及自然选择的规律和法则进行迭代,产生新解或称新个体,新个体加入原种群,继续参与遗传迭代,最后收敛到一个最适应环境的个体上,即为最优个体(最优结果)。利用遗传组卷算法能根据不同的组卷要求产生不同的试卷,而遗传算法具有自组织性和大规模并行计算能力[2],非常适合解决此类问题。
2.2 0-1线性规划算法
有学者将线性规划引入测量领域,用于组卷[3],下面给出一个0-1线性规划的简单模型:
模型中决策向量,i =1,2,...n,n是题库中的题数,为项目权重,为组卷约束条件,如测验量要固定为30,各章节、题型、难度等级等题量的分布情况。0-1整数规划的一般解法是通过单纯形法解出各个x的值,再用分枝确界法将x的值由[0,1]取为0或1。
3 GA和0-1线性规划用于组卷
3.1 试题属性指标体系
试题的属性指标是计算机进行抽题组卷的基础。根据已有研究,试题指标主要有题号、题型、难度、区分度、能力层次、分值等属性指标。
3.2 模拟题库
模拟一个题库,题数300个,题号1到300,题库参数表(表1)中列出题库样例,题库通过Matlab随机数函数生成。
表1 模拟试题库样例
4 总结和展望
本文主要工作如下:(1)本文通过查看大量有关自动组卷系统的文献,简要的介绍遗传算法,0-1线性规划算法;(2)简要的介绍了题库试题的属性指标及组卷要求等,分析了组卷的各项约束条件,如难度,内容,题型等;(3)将MATLAB遗传算法法和0-1线性规划应用到自动组卷问题中,并进行了模拟研究。结果表明:在模拟题库下,遗传算法和0-1线性规划组卷成功率相当,带随机性的遗传算法更方便得到多套平行试卷。
值得改进之处:(1)本文只是利用模拟题库参数,将MATLAB遗传算法法和0-1线性规划进行自动组卷,得出试卷试题编号。并没有开发和实现题库管理系统、题库与组卷算法整合等工作;(2)本文只是比较了两种组卷算法的表现,还有更多组卷算法,如最大优先指标Cheng, & Chang (2009) [7] ;(3)本文主要是基于经典测验理论指标进行组卷,基于项目反应理论指标进行组卷值得进一步研究,如李佳,丁树良,汪文义,吴锐(2009)[8]就采用最大优先指标在项目反应理论下进行组卷。
参考文献
[1] 席裕庚, 柴天佑, 恽为民. 遗传算法综述, 控制理论与应用, 1996,13: 697-708
[2] 全惠云, 范国闯, 赵霆雷. 基于遗传算法的试题库智能组卷系统研究, 武汉大学学报(自然科学版), 1999, 45: 758-760.
[3] Len Swanson & Martha L.Stocking. A model and heuristic for solving very large item selection problems.Applied Psychological Measurement. 1993, 17: 151-166.
[4] Cheng, Y., & Chang, H.-H. The maximum priority index method for severely constrained item selection in computerized adaptive testing. British Journal of Mathematical and Statistical Psychology, 2009, 62: 369-383.
[5] 李佳,丁树良,汪文义,吴锐. 基于 IRT模型的智能组卷策略. 江西师范大学学报 (自然科学版),2009, 33: 405-409.
[关键词]自动组卷;题库;遗传算法;0-1线性规划
中图分类号:G431 文献标识码:A 文章编号:1009-914X(2014)27-0290-01
1 引言
利用计算机自动选题组卷,不仅节约了组卷工作者的工作时间,还能避免工作中出现的主观错误,增强考试的客观性、真实性以全面的反应实际的效果,有利于评价教学质量与教学水平。本文主要研究在已生成的题库情况下,根据试卷结构要求,利用MATLAB中遗传算法和0-1线性规划算法进行组卷,比较两种组卷方法的优劣。2采用的组卷算法
2.1 遗传算法
遗传算法[1]它是由美国密歇根州立大学的霍兰教授于1975年首先提出来的。它的求解过程是从若干可行解开始,即从任意初始种群出发,然后按照选择、交叉、变异及自然选择的规律和法则进行迭代,产生新解或称新个体,新个体加入原种群,继续参与遗传迭代,最后收敛到一个最适应环境的个体上,即为最优个体(最优结果)。利用遗传组卷算法能根据不同的组卷要求产生不同的试卷,而遗传算法具有自组织性和大规模并行计算能力[2],非常适合解决此类问题。
2.2 0-1线性规划算法
有学者将线性规划引入测量领域,用于组卷[3],下面给出一个0-1线性规划的简单模型:
模型中决策向量,i =1,2,...n,n是题库中的题数,为项目权重,为组卷约束条件,如测验量要固定为30,各章节、题型、难度等级等题量的分布情况。0-1整数规划的一般解法是通过单纯形法解出各个x的值,再用分枝确界法将x的值由[0,1]取为0或1。
3 GA和0-1线性规划用于组卷
3.1 试题属性指标体系
试题的属性指标是计算机进行抽题组卷的基础。根据已有研究,试题指标主要有题号、题型、难度、区分度、能力层次、分值等属性指标。
3.2 模拟题库
模拟一个题库,题数300个,题号1到300,题库参数表(表1)中列出题库样例,题库通过Matlab随机数函数生成。
表1 模拟试题库样例
4 总结和展望
本文主要工作如下:(1)本文通过查看大量有关自动组卷系统的文献,简要的介绍遗传算法,0-1线性规划算法;(2)简要的介绍了题库试题的属性指标及组卷要求等,分析了组卷的各项约束条件,如难度,内容,题型等;(3)将MATLAB遗传算法法和0-1线性规划应用到自动组卷问题中,并进行了模拟研究。结果表明:在模拟题库下,遗传算法和0-1线性规划组卷成功率相当,带随机性的遗传算法更方便得到多套平行试卷。
值得改进之处:(1)本文只是利用模拟题库参数,将MATLAB遗传算法法和0-1线性规划进行自动组卷,得出试卷试题编号。并没有开发和实现题库管理系统、题库与组卷算法整合等工作;(2)本文只是比较了两种组卷算法的表现,还有更多组卷算法,如最大优先指标Cheng, & Chang (2009) [7] ;(3)本文主要是基于经典测验理论指标进行组卷,基于项目反应理论指标进行组卷值得进一步研究,如李佳,丁树良,汪文义,吴锐(2009)[8]就采用最大优先指标在项目反应理论下进行组卷。
参考文献
[1] 席裕庚, 柴天佑, 恽为民. 遗传算法综述, 控制理论与应用, 1996,13: 697-708
[2] 全惠云, 范国闯, 赵霆雷. 基于遗传算法的试题库智能组卷系统研究, 武汉大学学报(自然科学版), 1999, 45: 758-760.
[3] Len Swanson & Martha L.Stocking. A model and heuristic for solving very large item selection problems.Applied Psychological Measurement. 1993, 17: 151-166.
[4] Cheng, Y., & Chang, H.-H. The maximum priority index method for severely constrained item selection in computerized adaptive testing. British Journal of Mathematical and Statistical Psychology, 2009, 62: 369-383.
[5] 李佳,丁树良,汪文义,吴锐. 基于 IRT模型的智能组卷策略. 江西师范大学学报 (自然科学版),2009, 33: 405-409.