智能练习测评系统的研制

摘要:针对作者开发的智能练习测评系统,从理论和实际情况两方面对系统的作用、组织和实现进行分析和论述。

关键词:智能测评;计算机辅助教学;计算机软件

中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)34-9870-03

1 引言

计算机辅助教学(Computer-Assisted-Instruction)是指以计算机为媒介的一项综合技术,通过存入计算机的程序运行来实现辅助答疑、课堂教学、测验考试以及试验仿真等教学活动。是目前国内外教育技术领域最重要、最活跃的组成部分之一。智能计算机辅助教学(Intelligence Computer Assisted Instruction,简称ICAI)是智能化的CAI。它以认知学为理论基础,将人工智能技术应用于CAI。教学内容与教学策略由ICAI一分为二。根据学生的认知模型提供的信息,通过智能系统的推理与搜索,动态生成适合于个别化教学的内容与策略。本课题所开发的智能测评系统就是智能化的CAI的一种尝试,它集学习、练习、测试于一身,教师可以在校园网任何一个节点可根据要求对试题库进行编制、扩充、更新,而学生可以离线进行阅读、练习和测评。

智能练习测评系统软件的开发,对于促进教学方法和教学手段的现代化、提高教学质量具有十分重要的意义,首先是加强了学生对于本课程基本概念的理解和掌握,能本着解决问题、扩大知识面而进行有效的习题训练,再者有利于教师教学经验的积累以及多媒体的计算机辅助教学的进行,最重要的是使得课程的考核组题更加合理、更加科学,能客观准确地检查与评估课程的教学质量。

2 智能练习测评系统的功能与实现

2.1 功能的策划

根据布鲁姆的五种(记忆、了解、简单应用、综合应用、创见)教学目标理论和我国三级(掌握、熟悉、了解)教学要求,智能练习测评系统应具有理解性的浏览阅读功能、练习性的测评功能和考核性的评估功能。阅读理解、练习和考核是教学过程主要环节中的一个循环,其有机组合,多次反复可使教学效果产生螺旋式的提高。而为了有利于激发学生学习的积极性,又要求智能练习测评系统能让学生自主学习,即能进行多方位自主选择组题。考虑到组题的科学性和合理性,智能练习测评系统还应具备广泛的随机性。经综合考虑,我们开发的智能练习测评系统的学生功能选择界面如图1所示。

2.2 浏览阅读功能的实现

阅读功能设计为不用答题只阅读模式,可以按照知识点和题型任意组合题目量,题目出现的顺序也可按教材章节顺序、逆序、随机和题型归类任意组合。阅读时除了显示题面外,还伴有以红色显示的参考标准答案。为对学生易错的知识点有所警示,当选择“保留原答”方式时,学生上次所做的练习或测试的答案会同时以绿色显示。其界面如图2所示。

2.3 练习功能的设计与实现

阅读功能设计为每答完一题,单击“答案确认”按钮后即进行正误评价,并给出标准答案。与练习功能一样,可以按照知识点和题型任意组合题目量,其智能化体现为:根据学生答题的具体情况,窗口下方将会滚动显示累积评估值及相应的激励语句;窗口右上方会变换出不同的有趣动画,充分体现了软件的交互性和趣味性。答题状况(题量、题号、完成率、正确率、时间和组题方式等),字幕区、动画区都可分别通过双击关闭或显示。其界面如图3所示。

2.4 测试功能的设计与实现

测试功能设计为可以在指定范围内根据要求随机组织试题,学生在规定的时间内答题后即可交卷评分。交卷前,学生可以任意修改答案,交卷后系统显示最后得分,并可即时查阅标准答案。其智能体现为;系统能自动计算出各级试题所占百分比,生成的试卷做到各个题型均匀地分布有关各个知识点,每套卷子难度基本相当。并且选择题的待选答案(A、B、C、D编号中的内容)的次序是随机的,能有效避免学生死记硬背答案而不注重题意的理解。导致训练、评估能力的下降。其界面如图4所示。

3 智能测评系统的的关键技术

3.1 系统中数据库结构的策略

在智能练习测评系统中,试题存储结构是系统的核心之一,试题存储结构的合理设计将直接影响系统的质量。从本智能练习测评系统的功能上来看,因为具有理解性阅读、练习性评价、考核性测试等功能,所以至少需用两个数据表:其一是存放所有试题的静态基本信息,其二是存放题目的组卷、使用、答题和顺序等状况的动态信息。

从存储空间的效率来看,按题型分别建立基本信息数据表比较有利于数据表各种数据类型和宽度的设计,其结构紧凑,但对数据库的操作(组题、筛选,排序等)不太方便。经综合考虑,本系统采用单一的基本信息数据表结构,所有的题目均放一个表中,不同的题型用某一字段来标识,这样表的结构相同,处理起来十分方便,无论是试题库的维护还是软件对于各种课程的通用性,都是十分有利的,该结构的缺点是因为不是每种题型都包含所有字段,这就会浪费存储空间,在操作数据表时也要做一些对于空字段的无用操作。因此对以上数据表结构的缺点作以下两点弥补:一是建立多个备注型数据字段,有效地压缩了存储空间;二是建立相应的标志性字段,通过条件操作屏蔽对于空字段的无用操作。本系统数据表主要结构如表1所示:

表1 智能练习测评系统数据表主要结构

3.2 系统中智能组卷的实现

在智能组卷方面,为了促进学生全面、系统地学好课程的基本知识,掌握基本技能,突出对课程重点内容的掌握,依据教学大纲将试题按三个层次划分:A层(了解)、B层(熟悉)、C层(掌握);其次,试题难度也分成三级:A级(较易)、B级(中等难度)、C级(较难),组卷时由系统自动计算出各级试题所占百分比。默认各级难度的试题量以6:3:1分布

本系统利用遗传算法来实现自动组卷。系统生成的试卷可以做到各个题型均匀地分布到有关各个知识点,较传统的组卷系统可做到避免有关试题的重复出现,使测试的成绩能更为准确真实的刻画出学生的认知模型。在处理组卷问题时,该算法首先生成一定规模的初始群体,然后使其中的个体以一定的概率进行交叉与变异,实现个体结构的重组,再按预定的评价函数选择复制优秀个体,组成新的一代,如此循环迭代,以期最终找到满足寻优条件的全局最优解。

该算法的具体实现过程可以描述如下:

1)随机产生N个初始化种群p(O);

2)当前代数t:0;

3)计算p(O)中个体的适应度函数值;

4)while t

5)从P(t)中选择生成下一代的父体P(t);

6)执行交叉、变异和再来生成新的种群P(t+1);

7)计算P(t+1)中个体的适应值;

8)进行交换操作和变异操作生成新一代群体;

9)计算新一代群体中各个体的适应度;

10)执行最优个体保存策略;

11)t++;

12)输出最好个体的编码。

3.3 随机性的应用

本系统其随机性的应用具体体现在以下几个方面:一是在题库中按要求抽题组卷的随机性,这是智能组卷的关键;二是同一套试卷中题目出现的先后次序的随机性,能有效防止学生间相互干扰或作弊现象;三是同一道题目中待选答案(A、B、C、D编号中的内容)的次序的随机性,因为针对具体试题,选择题的各答案选项位置固定,学生在使用过程中将提高试题的猜测系数,导致其训练、评估能力的下降。

在随机函数运用方面,通常在设计题库的随机抽题时,采用编程语言提供的随机函数或系统时间系列所得的随机数,但这两种方法都有其局限性。前者当种子数相同时随机值相同,这对随机性显然不够;而后者虽随机性较强,但在极短时间内(几乎同一时间)产生成百个随机数,很明显失去了随机性。因此对其进行综合改进,具体的方法是:第一次将系统时间作为随机函数的种子产生一个随机数;然后以第一次产生的随机数作为随机函数的种子产生另一个随机数,再将其与前一次的随机数叠加后作为第二次的随机数;依次类推。产生的随机数通过简单的处理(取模函数和取整函数的处理)后可从题库中抽取试题(如重复则向下顺延候补)。在随机抽题组卷中,其产生随机值的关键代码可写为:

P=val(subs(time(1),10,2))+1;随机值初始化

P=mod(int(rand(p)*n)+p,n);循环体内取随机值

其中time()是时钟函数,time()的返回值是当前的时钟字符串,时钟字符串的第10,11位是秒的小数位。变量n表示题库中的试题数量,这是必须考虑的因素,因为不允许P超出题库的范围以外。

4 结束语

本智能练习测评系统的设计是立足于教学改革的需要,经测试运行。本文所研制的智能练习测评系统界面友好、使用灵活、操作简单、功能齐全、表现方式独特,具有较好的扩展性。当然,从发展的角度看,系统应具备自动调整功能;另外,题目难度与被试者的层次特点两者相适应的自适应题库系统也是进一步研究的方向。

参考文献:

[1] 张海藩. 软件工程导论[M]. 北京:清华大学出版社, 2008.

[2] 项家祥. 计算机应用基础教程[M]. 上海:华东师范大学出版社,2004.

[3] 宣仲良. 各级难度试题分值比例的确定[J]. 淮阴师范学院学报,2004,8.

[4] 涂振宇,等 智能组卷算法研究[J]. 江西教育学院学报,2002,12.

[5] 张文修, 梁怡. 遗传算法的数学基础[J]. 西安交通大学学报,2000,(10).

[6] 穆艳玲, 李学武, 赵杰修. 遗传算法中截止代数的判定[J]. 天津师范大学学报(自然科学版), 2005(1).