英語智能導師系統(tǒng)中測試模型的研究

賈萍

摘 要： 結合英語學科的特點，為英語智能導師系統(tǒng)設計了一個測試模型，該測試模型包含題庫維護和個性化組卷兩大模塊。試題庫維護模塊采用了基于項目反應理論的方法進行試題指標體系的建立和參數的估計；組卷模塊是一種考慮遺忘程度的個性化遺傳組卷算法（PGAFF）。模擬仿真實驗表明，PGAFF算法應用于組卷時組卷質量較好，能夠根據被試者的學習掌握情況為被試者生成試卷，進行個性化測試。

關鍵詞： 計算機輔助測試； 智能組卷； 遺傳算法； 項目反應理論

中圖分類號： TN911?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2016）05?0121?05

0 引 言

簡單的英語測試系統(tǒng)雖然能夠進行自動組卷，相對傳統(tǒng)考試減少了組卷和閱卷的時間，能夠輔助教師完成測試過程，但往往沒有考慮被試者的能力水平，使得試卷過難或過于簡單，測試效果不佳，不具備智能性和自適應性[1]。針對這一弱點，提出一種引入遺忘因子的個性化遺傳組卷算法PGAFF（Personal Genetic Algorithm with Forgetting Factor），建立組卷模型，能夠為不同的被試者提供不同的試卷。該組卷模型考慮了用戶的歷史答題情況，根據用戶對試題的答題正確率和遺忘程度，使用PGAFF算法為用戶生成可以考察其弱點的試卷。

本文以建立英語智能導師系統(tǒng)的測試模型為目標，以遺傳算法和項目反應理論為基礎，對題庫的指標體系、學生個性化答題信息、組卷算法進行了設計與實現(xiàn)，針對英語學科具體的測試內容設計了一個測試系統(tǒng)，該系統(tǒng)能夠實現(xiàn)題庫管理、參數設定、試卷生成、在線考試等功能。它的主要功能模塊包括：

（1） 題庫管理模塊：包括對試題庫的管理模塊，主要實現(xiàn)對各個試題及其屬性的維護工作，具體包括試題的添加、修改及刪除，以及試題屬性值的計算與更新。

（2） 組卷模塊：考試系統(tǒng)的核心是組卷算法，組卷的成功率和效率以及組卷質量都是衡量考試系統(tǒng)功能的重要標準。本研究使用改進的遺傳算法從試題庫中抽取試題組成試卷。

（3） 考試模塊：在此模塊中用戶可以進行答題，系統(tǒng)可以自動計時，用戶提交試卷后由系統(tǒng)對答題情況進行評分。

1 題庫建立和參數估計

1.1 試題指標體系

試題指標體系是對試題外在特征、內在屬性的描述，是建立組卷系統(tǒng)的關鍵[2]。試題的指標體系越充分，組卷的準確性和成功率就越高，但過多的約束條件會增加實際組卷的難度，降低效率。本研究基于IRT確立試題的指標體系，包括題號、題型、知識點、難度系數、區(qū)分度、分值等屬性。其中根據五級難度級別進行劃分，如表1所示。

5 結 論

本文對PGA算法進行改進，引入遺忘度，并將基于正確率和遺忘度的學生個性化掌握信息添加進遺傳算法的目標函數和遺傳算子中，提出了一種考慮遺忘度的改進的個性化遺傳組卷算法PGAFF。實驗證明，該算法能夠針對學生對試題的掌握度為學生選取遺忘度較大或正確率較低的試題生成試卷，幫助學生鞏固試題，加深記憶，且執(zhí)行時間較短，具有很好的應用性和高效性。

參考文獻

[1] 王茶生.教育測量理論在網絡考試系統(tǒng)中的應用[D].上海：華東師范大學，2007.

[2] 王秋紅，陳明銳.精英交叉遺傳算法在組卷系統(tǒng)中的應用[J].電腦知識與技術，2013，19（35）：8078?8080.

[3] COLORNI A， DORIGO M， MANIEZZO V. Distributed optimization by ant colonies [C]// Proceedings of 1991 ECAL Euro?pean Conference on Artificial Life. Paris： ECAL， 1991： 134?142.

[4] 譚新良.基于整數編碼和自適應遺傳算法的智能組卷算法[J].電腦與信息技術，2007，15（4）：33?35.

[5] SHARAPOV R R. Genetic algorithms： basic ideas， variants and analysis [C]// Proceedings of 2007 International Conference on Segmentation and Pattern Recognition. Vienna： IEEE， 2007： 546?551.

[6] KUMAR R. Blending roulette wheel selection & rank selection in genetic algorithms [C]// Proceedings of 2011 3rd International Conference on Machine Learning and Computing. [S.l.]： IEEE， 2011： 197?203.