随着Internet/Intranet技术的发展和普及,计算机化考试在许多方面将逐步取代传统的基于纸和笔的考试。探讨和研究基于计算机网络的考试,以便能客观、准确地评估学生的某种能力和水平,提高学习效率,将具有特别现实的意义。 目前,多数现有网上考试系统只能根据教师预先输入的要求按一定的组卷策略从题库中抽取满足要求的试卷,这些传统的组卷算法并不能实现根据学生特定的学习情况抽取适合每位学生的试卷。传统的阅卷算法只是简单地给出学生在某次考试的总分数,不能充分反映学生对每个知识点的掌握程度属于哪种认知层次,是理解、识记还是应用等,所以传统的阅卷算法不能全面地评价学生的学习情况。另外,随着在线考试的人数逐渐增加,网络信息流量会急剧上升,从而导致数据传输速度慢并加重服务器负担。 为了解决这些问题,本论文提出一种新的自适应网络考试系统体系结构。在此系统中,为了降低网络流量而采用移动agent技术并将不同的考试任务分配给几个彼此独立又相互合作的agent,使整个考试过程能有条不紊地进行。同时,为了适应智能化个别化教学的要求,本文建立了一种能全面反映考生认知能力的学生模型,并提出基于学生模型知识点掌握程度值的智能组卷算法。算法根据学生模型所反映的每位学生的知识点实际掌握程度,确定考试知识点范围等参数,然后以此为据从题库中抽取满足要求的试卷,当学生考试结束后,我们不是简单地给出本次考试成绩,而是利用本文提出的新的更新学生模型的方法来对本次考试结果作出合理全面的评价,使学生对自己目前的学习情况有更具体的了解,从而更好地指导学生下一步的复习。 由于自适应网络考试系统的研究,目前很少有人涉及,所以本文所提出的设计方案具有很强的研究价值和实用意义。