半監督學習考試風險研究軟件的原理和實現

張雪松

（郴州廣播電視大學 湖南省郴州市 423000）

1 研究背景與研究意義

我國互聯網+發展愈發迅速，在大數據時代，網絡技術在方方面面的應用也逐漸增加。對于教育考試來說，不僅有計算機考試形式，還有通過網站進行報名的網絡系統，突破了傳統直至考試的時間和空間界限。大數據時代的考試豐富了選拔人才的標準，拓寬了選拔人才的手段，增加了考試答題形式，也同樣帶了考試過程當中不可控的因素，不可知的事項增加，給考試帶來了更大風險。因此應當適應互聯網時代的發展模式，采取積極的手段推進考試數字化、現代化，同時分析高校考試過程當中可能出現的風險問題，建立健全考試風險的監督與預警機制。

2 研究理論與研究方法

2.1 Pytorch聚類分析方法

通過協同過濾的手段，可以通過聚類分析方法來有效分析網絡學習平臺上不同學習者的興趣偏好和學習特征，從而評估和預測在考試過程中可能出現的風險問題。Pytorch 聚類分析方法的主要策略是相同或相似學習行為、學習偏好和興趣特征的學習者在復習的情況、考試的選擇、考試的過程有著一致性，因此通過協同過濾的范式來體現網絡學習平臺學習用戶的潛在考試心理，并且將考試當中客觀存在的風險問題加以分析。通過Pytorch 聚類分析方法，我們可以得到協同過濾的考試風險評估系統框架：通過網絡學習平臺當中目標用戶的學習，來收集學習用戶的行為數據資源，然后進行相同特征的行為提取及特征轉換，最終得出一個特征向量，通過向量夾角、向量余弦等相關的系數來進行相似度計算，并最終將相思用戶集合起來，分析相思用戶的心理特征，并依據考試風險加以集合分析。Pytorch 聚類分析方法的有效應用可以通過比較綜合性的數據和計算來分析網絡平臺學習用戶的學習興趣，將不同用戶的學習風格、潛在問題等進行特征概括形成標簽，這種標簽一方面描述了網絡平臺學習者的學習興趣，另一方面也表達了風險的語義，對于考試風險的評估有著重要的意義，充分滿足短時間內復雜的計算，適配網絡平臺上用戶的龐大數量，并且通過相似度計算來有效地分析和挖掘不同學習者的行為數據，分析數據之后的學習者隱形學習心理和潛在學習問題，并且在考試風險評估系統的建立當中有效應對這些問題。

半監督聚類主要是為了挖掘和分析網絡學習平臺上的用戶數據結構，然后使用監督或者是約束信息的方法來促使得到的聚類結構能夠更加貼合實際情況。一般而言，半監督的聚類方法可以利用監督的信息來初始化參數，并且在聚類算法的目標韓束當中增加監督的因子，使其滿足約束的條件。通過Pytorch 聚類，使用特定的度量學習來定義網絡學習平臺上學習者之間的相似性，并更加準確地在度量空間中予以聚類，將被約束的實例聚為一類，利用監督信息實現半監督聚類的考試風險預測算法，在分析過程中構建權重矩陣，并將這個結果加入模型與函數當中，且實現最優求解。

2.2 SPSS22.0算法框架及描述

SPSS22.0 算法主要分為三個步驟，首先利用預測估計模型和有標簽的網絡平臺用戶數據來進行置信度計算，利用平臺數據來選擇SPSS22.0 算法篩選置信度分析出來分數比較高，并且具有分布特點的無標簽數據，接著運用分類算法來作為基礎分類器進行計算，并針對于新型的有標簽的用戶數據來構建一個合理的分類器模型。通過SPSS22.0 算法，我們可以看出風險估計模型和用戶標簽特征數據的選擇算法使整個考試風險分析預測機制的關鍵所在。通過置信度所估計的考試風險預測模型主要根據一些無標簽數據進行置信度的計算，然后通過計算來篩選出具有相同特征的預測標簽，為了訓練出更好的模型，通過可靠性計算選擇更接近正確樣本的類別預測標簽。數據選擇算法是為了消除與實際分布不同的高置信度數據，并盡量消除所選擇的未標記數據對模型性能的負面影響。SPSS22.0算法的數據選擇是關鍵步驟，也是本文的一個重要創新點。選擇具有高置信度和高斯對稱分布的未標記數據構建新的訓練模型，采用SPSS22.0算法對高置信度數據進行濾波，從而得出有效的數據分析。

2.3 半監督學習的原理

針對傳統推薦方法在挖掘內容信息和用戶標簽信息方面的不足，提出了一種半監督學習方法來實現考試風險研究軟件研究。在傳統的過濾算法中，主要是將協同用戶進行過濾，然后依據不同用戶特征的學習興趣和學習愛好來實現考試風險的評估，但是這種方法構成的模型比較單一，計算出來的數據也不夠準確，無法在算法當中體現多個因素。本研究通過聚類分析的方法來代替傳統的計算方法，綜合分析和預測網絡學習平臺用戶的不同行為喜好和相應的考試風險事項，然后利用數據的幾何特征來進行數據的正態分布。傳統的基于用戶的協同過濾算法利用用戶興趣和偏好的相似性來生成推薦。常用的相似度計算方法有：向量角法、皮爾遜相關系數法等。這些方法都使用單一的方法來計算用戶興趣的相似度。常用的方法是將少量的預測因素組合成一個單一的模型，以便在模型預測中考慮多個因素。因此，本文提出用聚類分析方法代替用戶興趣相似度計算，綜合考慮用戶行為偏好和項目內容信息。具體來說，在聚類分析中，該算法不僅考慮了數據的幾何特征，而且考慮了數據的正態分布信息。[1]

3 考試風險特點分析

3.1 考試風險點主要內容分析

考試風險點主要指的是在高校考試過程當中可能會影響考試過程的潛在危險，在互聯網信息時代，考試風險可能出現的地方大大增加，考試形式也發生了變革，因此應當注重考試風險的方方面面。首先，是高校考試過程當中的責任風險，考務人員是責任風險的主體，主要的造成原因是考務人員業務掌握不熟練，從而可能在準備考生信息資料，安排考試的過程當中出現考生信息錯誤的現象，或者出現不同考生的考場安排沖突。在試卷安排方面，可能會出現試卷印刷錯誤、試卷發放錯誤、試卷裝訂錯誤等情況。在考試監控方面，可能會出現保密室盜竊問題、監控設備陳舊問題、安保人員工作疏漏問題還有考場巡查人員脫崗離崗情況。在考試過程中，還有可能出現考試鈴聲不準確的情況、監考人員拆封試卷不符合標準的情況、試卷處無人監控的情況、考生信息核對錯誤情況、考試試卷丟失情況、涉及英語聽力播放錯誤情況、考生到場情況上報錯誤情況、備用試卷和草稿紙缺失情況等。其次，在事故風險方面，主要包括試卷印刷錯誤情況、試卷印刷泄密情況，在考試的過程當中，還有可能出現突然停電停水的情況，考生生病情況，還有無關人員或者動物誤闖考場情況、考場外喧嘩吵鬧情況等。由于當前的考試形式比較多樣，除了傳統的考試形式，還有計算機網絡考試形式，這就有可能出現考試題庫入侵泄漏情況、網絡系統故障情況、計算機卡頓黑屏情況，由于網絡監考仍然處于傳統的人工監考方式，因此當出現考生作弊的問題時，監考人員可能無法做到及時地跟蹤和監管。最后，在違紀舞弊風險方面，試卷涉及到了多個環節和多處工作人員經手的地方都有可能出現違紀舞弊的問題。例如，在試卷運輸過程當中可能出現無關人員突然違規接觸試卷的情況，或者試卷命題人責任人自主泄密，命題的過程中出現大量錯誤的情況，或者是試卷語言文字圖片不符合規范的情況。由于高校的考試大多重視通過率，所以可能會出現考前任課教師泄密串講、買賣答案的情況。除此之外，高校的考試試卷一般要求保密，但是相關的監考人員和考生保密意識比較淡薄，可能會出現私自拍照并在網絡渠道傳播的情況。[2]

3.2 考試風險點特征

在信息化時代，傳統的考試模式、監考模式已經無法適應現代社會的發展，新型的考試模式也帶來了越來越多的考試風險問題，具有突發性、擴散性、難控性、危害性。考試的突發性風險主要是來自于考試的社會價值過高，考試成績涉及學生學習的關鍵評估，評估結果不僅影響著學生的獎助學金、保送、畢業、求職等方面，而且會對于學生心理存在重大的影響，利益方既包括學生本人，還包括學生家長、教師、校方等，都存在著或直接或間接的利益關系。因此，考試本身就具有一定的風險性，突發事故出現的可能性很大。由于考試突發事故常常處于不可控范圍內，因此上述考試風險都有可能隨時出現，嚴重地影響考試的進行。在擴散性方面，主要是源于突發事件的傳播和擴大，具有可能在考試班級內部擴散，也可能在整個院系整個學校當中擴散，甚至在社會范圍內廣泛擴散，給社會帶來危害影響。范圍越大的擴散越有可能造成集體舞弊的現象，出現受眾廣泛的泄題時間，這不僅會給考試的舉辦單位帶來很大的壓力，而且還可能對社會造成負面影響。在難控性方面，一旦相關考試部門的考試風險評估不準確，考試風險應急預案準備不充分，就有可能造成當考試風險出現的時候無法有效地協調各個部門，無法快速采取預案，還無法第一時間對于風險出現的地方進行有效地監測。例如考場停電、網絡服務器崩潰、考生生病等情況，如果考場沒有準備備用電源和備用網絡服務器，沒有聘請專業的醫務人員組成應急醫務小組，就無法在風險出現的時候第一之間內控制風險，組織風險擴大，導致考試風險出現的點越擴越大，并最終釀成難以挽回的結果。在危害性方面，由于考試涉及學生的重大利益，因此考試風險就必然伴隨著巨大的危害性，例如上述的考試泄密問題、買賣交易答案問題、監考印刷人員監守自盜問題，都會由于利益的夾雜而有損考試的公平性和公正性，導致考試機構直接面臨聲譽問題，甚至導致學生的權重排名，影響學生的新生招生，從而影響學校的生存和發展情況。[3]

4 基于半監督學習的考試風險監測預警

4.1 考試風險監測預警系統

本研究以當前國內關于半監督學習算法及風險評估模型的研究為參考依據，分析了考試風險研究的可行性和必要性，并且通過調查分析了廣播電視大學學習者基本學情和網絡平臺學習行為，利用有效的數據進行聚類分析，并具體挖掘數據背后的風險因子，量化這些考試風險因素，然后按照不同的出現可能性和危害程度進行劃分，依據數據建立考試風險預警指標體系，并構建考試風險評估模型。當前，移動電子設備的普及使得高校考試的風險增加，輿情傳播速度加快，一旦無法及時處理考試危機，就有可能釀成重大的公共危機。

4.2 考試風險監測預警系統的研究意義

依照半監督學習算法和風險評估模型研究現狀作為借鑒，利用學習者基本情況和學習行為的數據進行聚類分析，從而分析考試風險因素，構建考試風險預警指標體系，為考試管理工作提供現代化的技術支持，并且能夠規避考試的風險。通過深度挖掘學習者的情況，可以提高考試管理人員控制風險的管理水平，并通過系統的數據導入和分析預測來掌握考試的潛在心理，為國內考試風險研究領域補充了新的研究資料，拓展了半監督學習理論，對于半監督學習算法分析考試風險性因素提供了風險預警指標體系參考，為當前具有社會風險的開放教育考試提供了指導依據，提高考試安全管理水平。

5 總結

隨著互聯網+的深入推進，我國的數字化、信息化程度不斷加深，當前的高校考試當中不可控因素逐漸增加，可能會出現各種各樣的風險問題。為了適應新形勢的發展態勢，提高高校考試在選拔優質人才方面的優勢，相關高校及部門應當科學規范地運用考試風險研究軟件來有效應對高校考試風險，通過半監督學習的理論關照考試檢測手段與考試預警方式，從而幫助高校考試進行有效地風險預警與管理。