CN106815784B - 基于改进蚁群算法智能组卷的考试*** - Google Patents
基于改进蚁群算法智能组卷的考试*** Download PDFInfo
- Publication number
- CN106815784B CN106815784B CN201710042777.8A CN201710042777A CN106815784B CN 106815784 B CN106815784 B CN 106815784B CN 201710042777 A CN201710042777 A CN 201710042777A CN 106815784 B CN106815784 B CN 106815784B
- Authority
- CN
- China
- Prior art keywords
- examination
- test paper
- user
- module
- paper
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 97
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 6
- 239000003016 pheromone Substances 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 11
- 244000223014 Syzygium aromaticum Species 0.000 claims description 7
- 235000016639 Syzygium aromaticum Nutrition 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 2
- 101100317378 Mus musculus Wnt3 gene Proteins 0.000 description 11
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000001613 Gambling Diseases 0.000 description 1
- 241000009298 Trigla lyra Species 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于改进蚁群算法智能组卷的考试***,包括:用户管理模块,用于管理用户的账号信息和属性信息;题库管理模块,用于根据题型将题库划分成若干个子题库,并对子题库中的试题进行包括读取、***、修改、删除和查询的基本操作;组卷模块,用于根据组卷策略抽取试题,并组成试卷;试卷管理模块,用于存储和管理试卷;在线考试模块,用于调用试卷、接收用户输入并实时存储答题数据;在线监考模块,用于查询考试安排和考生考试状态记录信息;成绩分析模块,用于批阅答卷、输出考试成绩,并对考试成绩进行统计分析。本发明提供的考试***组卷高效合理,考试形式灵活,显著节约了考务成本。
Description
技术领域
本发明涉及一种考试***,具体涉及一种基于改进蚁群算法智能组卷的考试***。
背景技术
传统考试一般都是采用人工出卷、人工监考和人工评判等人工组织形式来进行。由于教师的知识层次、教学经验与个人修养等主观因素都存在一定的差异,于是人为主观等因素将会对一份试卷的标准化和难易水平、评价的合理性和科学性等因素产生重要影响。而且传统考试出卷(组卷)、组织考试、试卷评判、成绩分析、试卷留存等工作量大、任务繁重。
近年来随着软件工程技术和网络技术的发展,各种在线考试***零星的显现出来,解决了部分传统考试的弊端,在考试改革方面做出了探索性尝试并起到了积极作用,但是目前为止未能广泛应用于各类课程考试中去,究其原因主要集中在现有考试***各用户角色之间缺乏协作关系、试题库标准化不高、组卷算法不科学和成绩分析无新意,加之***可靠性、稳定性、可扩展性与可适应性都不尽人如意。
发明内容
为了解决现有技术存在的问题,本发明提供了一种基于改进蚁群算法智能组卷的考试***,包括:
用户管理模块,用于管理用户的账号信息和属性信息;
题库管理模块,用于根据题型将题库划分成若干个子题库,并对所述子题库中的试题进行包括读取、***、修改、删除和查询的基本操作;
组卷模块,用于根据组卷策略从多个所述子题库中分别抽取试题,并组成试卷;
试卷管理模块,用于存储和管理所述试卷;
在线考试模块,用于调用所述试卷,接收用户输入并实时存储答题数据;
在线监考模块,用于在考试过程中查询考试安排和考生考试状态记录信息;
成绩分析模块,用于批阅答卷、输出考试成绩,并对所述考试成绩进行统计分析。
进一步地,所述用户包括管理员、教师和考生;所述用户的账号信息包括用户编号、真实姓名和用户密码;所述用户的属性信息包括用户类型。
进一步地,所述题型包括客观题和主观题,所述客观题包括选择题、判断题、填空题和计算题,所述主观题包括连线题、简答题、论述题、证明题和案例题。
进一步地,所述组卷模块包括:
组卷策略设置单元,用于确定组卷约束条件和组卷方式;
组卷模型构建单元,用于基于所述组卷约束条件构建多目标优化的组卷模型;
信息素量化单元,用于初始化和实时更新所述子题库中的信息素浓度;
试卷质量评价单元,用于基于组卷结果计算组卷吻合度,并以所述组卷吻合度为启发信息引导蚁群向最优解方向搜索;所述组卷吻合度用于衡量组卷结果中各约束指标与用户期望值的相近程度;
路径构建单元,用于根据所述子题库中每个所述试题的转移概率,采用轮盘赌的方法选择下一道试题。
进一步地,所述组卷约束条件包括知识点约束、题型约束、题量约束、答题时间约束、试卷难度、试卷分值约束和曝光度约束。
进一步地,所述组卷方式包括智能组卷和人工组卷。
进一步地,所述在线监考模块包括:
考试记录管理单元,用于在***出现故障时为考生重新安排考试;
答卷复评单元,用于对已经批阅过的试卷进行复核并修改评卷结果。
进一步地,所述成绩分析模块包括:
自动批阅单元,用于批阅所述答卷中的客观题;
人工批阅单元,用于批阅所述答卷中的主观题;
个人成绩查询单元,用于查询考生的考试成绩、班级排名和所述答卷;
班级成绩分析单元,用于统计班级成绩并输出分析结果;
错题统计分析单元,用于进行错题统计和易错知识点查询。
进一步地,还包括:登录验证模块,用于响应用户的登录操作,对所述用户进行身份验证,在验证通过时,判断所述用户类型,根据判断结果为所述用户加载对应于所述用户类型的操作界面。
进一步地,还包括:数据备份模块,用于生成备份数据,并在数据丢失或者遭到破坏的情况下,根据所述备份数据恢复数据。
实施本发明具有以下有益效果:
1、本发明基于改进的蚁群算法,采取多个措施实现了组卷的高效、科学、合理,所采取的措施包括:其一,将题库按照题型分成子题库,分子题库中投放蚂蚁进行搜索,降低了搜索的难度,提高了算法收敛速度;其二,构建了信息素浓度实时更新策略;其三,以组卷吻合度为启发信息引导蚁群向最优解方向搜索;其四,利用轮盘随机落点机制避免局部最优;
2、本发明基于数字化题库智能组卷,能够避免试题信息外泄,保证考试的公正合理;
3、本发明考试形式灵活,能够分批次安排考试、在考生缺考或考试中断的情况下为考生重新安排考试;
4、本发明降低了各环节的考务资源消耗,节约了考试成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明提供的基于改进蚁群算法智能组卷的考试***的结构框图;
图2是本发明提供的组卷模块的结构框图;
图3是本发明提供的基于改进蚁群算法的智能组卷工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本发明提供了一种基于改进蚁群算法智能组卷的考试***,该考试***采用三层B/S开发体系结构分析设计理念对***的总体架构进行设计,
***的表示层实现***主要核心功能业务和用户与机器之间的交互,具体实现是通过***程序中开发的各种接口、类和方法等。举个例子:在考生登录功能的具体实现中,在核实认证考生身份以后Web服务器使用HTTP协议发送到本地客户端的浏览器网页中,浏览器在接收到来自Web服务器编码的网页文件后就可以把它显示在客户端Web浏览器中。
***的业务层结合***对分配给用户功能模块操作进而将其拆成业务逻辑实施封装,与此同时还承担数据库和用户操作之间的数据传输,其具体任务是根据用户的响应。例如,在需要连接数据库时,通过ADO.NET向远端数据库服务器发出信息处理的事务请求,远端数据库服务器将内部信息处理的数据信息发送给远端Web服务器,远端Web服务器接收内部信息处理的数据信息,并传递给本地客户端浏览器用户。
***的数据层主要完成实现应用程序对数据的存储和访问,具体实现过程是通过接收来自远端Web服务器的事务请求,具体来说就是相关数据库的查询、删除、修改和添加等访问业务,完成这些访问业务以后把执行数据结果发送给远端的Web服务器。
在本发明的一个实施例中,本***在数据层采用SQL Server 2012数据库平台;
在本发明的另一个实施例中,本***在数据层采用MySQL数据库;
本***采用三层B/S架构,很大程度上降低了浏览器端的客户机负载,减少了整个***运维的成本和工作量,同时减少了服务用户的成本;充分保证了本***的开放性、可维护性和可扩展性等性能特点;且本地浏览器只和服务器端进行数据交换,数据安全性高。
本***主要运行在校园网环境下,通过B/S模式为考生用户提供在线考试服务,实现教务人员、教师等用户组织实施考试各环节工作的信息化。具体技术方案如下:
一种基于改进蚁群算法智能组卷的考试***,参见图1,包括如下模块:
登录验证模块,用于接收用户分类登录信息,响应用户的登录操作,对所述用户进行身份验证,在验证通过时,判断所述用户类型,根据判断结果为所述用户加载对应于所述用户类型的操作界面。
用户管理模块101,用于管理用户的账号信息和属性信息;
本***的用户包括管理员、教师和考生,不同的用户类型对应不同的操作权限。
考生在***中的行为包括登录***、在线练习、在线考试和修改密码等;
教师在***中的行为包括登录***、信息管理、成绩统计分析、试题库查看和在线监考等,其中信息管理行为又可以细分为操作考生信息和管理答卷文件,在线监考行为又可以细分为查看考生状态和管理考生状态;
管理员在***中的行为包括登录***、用户信息管理、智能组卷、试题库管理以及对***数据库进行备份,其中用户信息管理行为又可以细分为管理考生信息、管理教师信息和管理管理员信息。
优选地,用户的属性信息包括用户编号、真实姓名、用户类型和用户密码,本***在SQL server 2012数据库管理***中的管理员数据库表属性信息如表1所示:
表1管理员表
字段名 | 数据类型 | 字段大小 | 是否主键 | 是否空值 | 描述 |
UserId | int | 4 | 是 | 否 | 标识列/用户编号 |
UserName | Varchar | 20 | 否 | 否 | 真实姓名 |
UserType | Varchar | 6 | 否 | 否 | 用户类型 |
UserPwd | Varchar | 10 | 否 | 否 | 用户密码 |
在本发明的一个实施例中,所述考生的帐号信息包括考生编号、考生姓名和密码,所述考生的属性信息包括身份、所在院系、所在专业、所在班级、准考证号、成绩和考生状态,本***在SQL server 2012数据库管理***中的考生数据库表属性信息如表2所示:
表2考生表
字段名 | 数据类型 | 字段大小 | 是否主键 | 是否空值 | 描述 |
KaoShengId | Int | 4 | 是 | 否 | 标识列/考生编号 |
KaoShengName | Varchar | 20 | 否 | 否 | 考生姓名 |
KaoShengNum | Int | 4 | 否 | 否 | 唯一/准考证号 |
Department | Varchar | 20 | 否 | 否 | 所在院系 |
Class | Varchar | 10 | 否 | 否 | 所在班级 |
major | Varchar | 20 | 否 | 否 | 所在专业 |
KaoShengPwd | Varchar | 10 | 否 | 否 | 考生密码 |
Score | Smallint | 2 | 否 | 是 | 考生成绩 |
State | Varchar | 4 | 否 | 否 | 考试状态 |
所述教师的帐号信息包括教师编号、教师姓名和密码,所述教师的属性信息包括身份、所在院系、所在专业、所在班级和联系电话;教师可以添加所教班级的考生信息,同时可以用EXCEL批量导入考生信息。
题库管理模块102,用于根据题型将题库划分成若干个子题库,并对所述子题库中的试题进行包括读取、***、修改、删除和查询的基本操作,本***在SQL server 2012数据库管理***中的题库数据库表属性信息如表3所示。
表3题库表
字段名 | 数据类型 | 字段大小 | 是否主键 | 是否空值 | 描述 |
ExamId | Int | 4 | 是 | 否 | 标识列/试题编号 |
KnowledgeId | Int | 4 | 否 | 否 | 题型编号 |
TiXingId | Int | 4 | 否 | 否 | 知识点编号 |
InputStaff | Varchar | 20 | 否 | 否 | 录入人员 |
ExamContent | Varchar | Max | 否 | 否 | 内容 |
ExamAnswer | Varchar | Max | 否 | 否 | 答案 |
ExamMark | Smallint | 2 | 否 | 否 | 分数 |
DifficultyId | Int | 4 | 否 | 否 | 难度编号 |
Exposure | Smallint | 2 | 否 | 否 | 曝光度 |
进一步地,所述题库管理模块102还用于管理考试科目。
在本发明的一个实施例中,所述题库先按照题型划分为第一级子题库,所述第一级子题库再根据科目划分为第二级子题库;
在本发明的另一个实施例中,所述题库先按照科目划分为第一级子题库,所述第一级子题库再根据题型划分为第二级子题库。
进一步地,所述题型包括客观题和主观题,所述客观题包括选择题、判断题、填空题和计算题,所述主观题包括连线题、简答题、论述题、证明题和案例题,本***在SQLserver 2012数据库管理***中的题型数据库表属性信息如表4所示。
表4题型表
字段名 | 数据类型 | 字段大小 | 是否主键 | 是否空值 | 描述 |
TiXingId | Int | 4 | 是 | 否 | 标识列/题型编号 |
TiXingType | Varchar | 20 | 否 | 否 | 题型名称 |
TXQuantity | Smallint | 2 | 否 | 否 | 题量 |
AnswerTime | Datetime | 8 | 否 | 否 | 答题时间 |
TiXingMark | Smallint | 2 | 否 | 否 | 分数 |
在本发明的一个实施例中,题库管理模块102具有常规数据处理功能。
在本发明的另一个实施例中,题库管理模块102还支持图片、动画、视频与其他附件的录入,多种媒体元素的录入通过Fckeditor编辑器实现。
组卷模块103,用于根据组卷策略从多个所述子题库中分别抽取试题,并组成试卷;进一步地,参见图2,所述组卷模块103包括:
组卷策略设置单元,用于确定组卷约束条件和组卷方式;
组卷模型构建单元,用于基于所述组卷约束条件构建多目标优化的组卷模型;所述组卷约束条件包括知识点约束、题型约束、题量约束、答题时间约束、试卷难度约束、试卷分值约束和曝光度约束。
在本发明的一个实施例中,试题难度约束根据难易程度分为4个级别,分别为较易、一般、较难和困难;题型设置包括选择题、填空题、判断题、计算题、简单题和操作题;试题曝光度根据使用频率分为未使用、最近使用过、半年前使用过和不考虑曝光度;
所述组卷模块103还用于设置试卷信息和作答时长,例如,在本发明的一个实施例中,所述试卷信息为“2016-2017学年第一学期《大学计算机应用基础》期末考试”,所述试卷的做答时间为90分钟。
在本发明的一个实施例中,所述组卷方式为智能组卷。
在本发明的另一个实施例中,所述组卷方式还包括人工组卷。
所述***采用模块化组卷,整个组卷过程由各个子题型模块组卷构成,从而提高算法收敛速度,并可以有效避免局部最优解的产生。
信息素量化单元1031,用于初始化和实时更新所述子题库中的信息素浓度;
基于改进蚁群算法的智能组卷时,参见图3,根据蚁群算法运行机制,当蚂蚁成功抽取出试题后,蚂蚁将会对更新该试题的信息素浓度。假设t时刻从试题i抽取到试题j后试题j的信息素浓度用τij(t)来描述,初次试题库运行时各试题信息素浓度均应相同,假设信息素残存系数用ρ(0<ρ<1)描述,信息素挥发系数用1-ρ描述,蚂蚁数量为r,那么当t+1时刻时试题j的信息素浓度更新为:
σij(t+1)=ρ×τij(t)+Δτij(t,t+1)
其中Δτij(t,t+1)为蚁群在(t,t+1)时间残存在试题j上的信息素:
信息素浓度更新采用定义相关联的残存系数和挥发系数,实现了信息素浓度的精准和实时更新。
试卷质量评价单元1032,用于基于组卷结果计算组卷吻合度,并以所述组卷吻合度为启发信息引导蚁群向最优解方向搜索;所述组卷吻合度用于衡量组卷结果中各约束指标与用户期望值的相近程度,是衡量试题质量好坏程度重要度量。可以作为蚁群算法中的启发信息,引导蚁群向最优解方向搜索。
假设ηij表示题目i到题目j的启发信息预计值,ηij的取值为组卷吻合度值的倒数,二者刚好成反比,组卷吻合度小启发信息值大,进而指引算法向最优解寻解。考虑当组卷区间约束蜕化为单值约束时,避免组卷吻合度取零的情况发生,需将算法的启发信息能见度修改为:
蚂蚁k(k=1,2,…,r)在搜索过程中,当它搜索第j题时已经搜索过的试题的禁忌表,为启发信息重要度因子,为残存信息素重要度因子,其转移概率为:
路径构建单元1033,用于根据所述子题库中每个所述试题的转移概率,采用轮盘赌的方法选择下一道试题,避免算法停滞并陷入局部最优。
具体做法是:利用没有任何规律的随机值OpTemp依次对每个试题被选中的概率做减法,那么当第aij-1个试题被减到时,其随机值应该居于第aij-1和第aij+1个试题之间,所以被选择概率高的试题和上一个试题之间的累加值同样较大。
在本发明的一个实施例中,信息素挥发系数1-ρ取0.3,蚂蚁数量r取8,残存信息素重要度因子α取1,启发信息重要度因子β取决于组卷吻合度。
试卷管理模块104,用于存储和管理所述试卷,管理试卷包括查看、添加、读取、编辑、删除和归类所述试卷,试卷管理模块104还用于设置计时、倒计时以及管理考生的答卷,本***在SQL server 2012数据库管理***中的试卷数据库表属性信息如表5所示。
表5试卷库表
字段名 | 数据类型 | 字段大小 | 是否主键 | 是否空值 | 描述 |
PaperId | Int | 4 | 是 | 否 | 标识列/试卷编号 |
ExamId | Int | 4 | 是 | 否 | 试题编号 |
KaoShengId | Int | 4 | 否 | 否 | 考生编号 |
PaperAnswer | Varchar | Max | 否 | 否 | 答案 |
PaperTime | Datetime | 8 | 否 | 否 | 总时间 |
TimeStart | Datetime | 8 | 否 | 否 | 开始时间 |
TimeEnd | Datetime | 8 | 否 | 否 | 停止时间 |
EnableMark | Varchar | 4 | 否 | 否 | 启用标识 |
在线考试模块105,用于调用所述试卷,接收用户输入并实时存储答题数据;
在本发明的一个实施例中,防止考试过程中出现舞弊手段,对考试页面禁用了右键、移动等操作权限,所述在线考试模块105对考试页面禁用了右键、移动等操作权限;避免考题泄露等情况发生,所述在线考试模块105还具有禁用拷屏、复制等权限的功能;考试期间数据实时保存,一旦遇到PC机宕机等故障时,可以很快重新恢复考试,提交试卷期间服务器处理负荷重时,能够定位到提交之前并且为锁定状态。
在本发明的另一个实施例中,所述在线考试模块105还具有设置考试时间、进行答题时间倒计时和在考试结束时自动交卷的功能。
在线监考模块106,用于在考试过程中查询考试安排和考生考试状态记录信息,并对考生在考试过程中的考试状态进行监督管理。
进一步地,所述在线监考模块106包括:
考试记录管理单元,用于对在线考试进行全程记录,对考卷调度、考试时间和答卷存储进行管理,在***出现故障时为考生重新安排考试。
答卷复评单元,用于对已经批阅过的试卷进行复核并修改评卷结果。
成绩分析模块107,用于批阅考生的答卷,并在检测到单个所述考生的答卷评分结束后,对所述考生的答卷分数进行汇总、输出考试成绩;在检测到全部所述考生的答卷评分结束后,统计分析整个考试结果。
进一步地,所述成绩分析模块107包括:
自动批阅单元,用于批阅所述答卷中的客观题,能够最大限度的减轻教师的阅卷工作量,同时还保障了阅卷的工作效率和正确率;
人工批阅单元,用于批阅所述答卷中的主观题;
个人成绩查询单元,用于查询考生的考试成绩、班级排名和所述答卷;
班级成绩分析单元,用于统计班级成绩并输出分析结果;
错题统计分析单元,用于进行错题统计和易错知识点查询。
进一步地,还包括:数据备份模块,用于生成备份数据,并在数据丢失或者遭到破坏的情况下,根据所述备份数据恢复数据。
实施本发明具有以下有益效果:
1、本发明基于改进的蚁群算法,采取多个措施实现了组卷结果的高效、科学、合理;
2、本发明基于数字化题库智能组卷,能够避免试题信息外泄,保证考试的公正合理;
3、本发明考试形式灵活,能够分批次安排考试、在考生缺考或考试中断的情况下为考生重新安排考试;
4、本发明降低了各环节的考务资源消耗,节约了考试成本。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于改进蚁群算法智能组卷的考试***,其特征在于,包括:
用户管理模块,用于管理用户的账号信息和属性信息;
题库管理模块,用于根据题型将题库划分成若干个子题库,并对所述子题库中的试题进行包括读取、***、修改、删除和查询的基本操作;
组卷模块,用于根据组卷策略从多个所述子题库中分别抽取试题,并组成试卷;所述组卷模块包括:
组卷策略设置单元,用于确定组卷约束条件和组卷方式;
组卷模型构建单元,用于基于所述组卷约束条件构建多目标优化的组卷模型;
信息素量化单元,用于初始化和实时更新所述子题库中的信息素浓度;
试卷质量评价单元,用于基于组卷结果计算组卷吻合度,并以所述组卷吻合度为启发信息引导蚁群向最优解方向搜索;所述组卷吻合度用于衡量组卷结果中各约束指标与用户期望值的相近程度;
路径构建单元,用于根据所述子题库中每个所述试题的转移概率,采用轮盘赌的方法选择下一道试题;
试卷管理模块,用于存储和管理所述试卷;
在线考试模块,用于调用所述试卷,接收用户输入并实时存储答题数据;
在线监考模块,用于在考试过程中查询考试安排和考生考试状态记录信息;
成绩分析模块,用于批阅答卷、输出考试成绩,并对所述考试成绩进行统计分析。
2.根据权利要求1所述的***,其特征在于,所述用户包括管理员、教师和考生;所述用户的账号信息包括用户编号、真实姓名和用户密码;所述用户的属性信息包括用户类型。
3.根据权利要求1所述的***,其特征在于,所述题型包括客观题和主观题,所述客观题包括选择题、判断题、填空题和计算题,所述主观题包括连线题、简答题、论述题、证明题和案例题。
4.根据权利要求1所述的***,其特征在于,所述组卷约束条件包括知识点约束、题型约束、题量约束、答题时间约束、试卷难度、试卷分值约束和曝光度约束。
5.根据权利要求4所述的***,其特征在于,所述组卷方式包括智能组卷和人工组卷。
6.根据权利要求1所述的***,其特征在于,所述在线监考模块包括:
考试记录管理单元,用于在***出现故障时为考生重新安排考试;
答卷复评单元,用于对已经批阅过的试卷进行复核并修改评卷结果。
7.根据权利要求1所述的***,其特征在于,所述成绩分析模块包括::
自动批阅单元,用于批阅所述答卷中的客观题;
人工批阅单元,用于批阅所述答卷中的主观题;
个人成绩查询单元,用于查询考生的考试成绩、班级排名和所述答卷;
班级成绩分析单元,用于统计班级成绩并输出分析结果;
错题统计分析单元,用于进行错题统计和易错知识点查询。
8.根据权利要求1或2所述的***,其特征在于,还包括:登录验证模块,用于响应用户的登录操作,对所述用户进行身份验证,在验证通过时,判断所述用户类型,根据判断结果为所述用户加载对应于所述用户类型的操作界面。
9.根据权利要求1所述的***,其特征在于,还包括:数据备份模块,用于生成备份数据,并在数据丢失或者遭到破坏的情况下,根据所述备份数据恢复数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710042777.8A CN106815784B (zh) | 2017-01-20 | 2017-01-20 | 基于改进蚁群算法智能组卷的考试*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710042777.8A CN106815784B (zh) | 2017-01-20 | 2017-01-20 | 基于改进蚁群算法智能组卷的考试*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106815784A CN106815784A (zh) | 2017-06-09 |
CN106815784B true CN106815784B (zh) | 2018-04-10 |
Family
ID=59111566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710042777.8A Active CN106815784B (zh) | 2017-01-20 | 2017-01-20 | 基于改进蚁群算法智能组卷的考试*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106815784B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480765A (zh) * | 2017-07-04 | 2017-12-15 | 北京奥鹏远程教育中心有限公司 | 遗传和蚁群混合算法在组卷中的应用方法及装置 |
CN107154004A (zh) * | 2017-07-14 | 2017-09-12 | 合肥执念网络科技有限公司 | 一种计算机考试*** |
CN107918655A (zh) * | 2017-11-16 | 2018-04-17 | 重庆三峡学院 | 一种试卷生成管理控制***及控制方法 |
CN108416352A (zh) * | 2018-03-23 | 2018-08-17 | 李文 | 一种计算机网络阅卷***及阅卷方法 |
CN108509572A (zh) * | 2018-03-27 | 2018-09-07 | 南京红松信息技术有限公司 | 用于在线学习的考试***及其实现方法 |
CN110533974B (zh) * | 2018-05-24 | 2022-05-06 | ***通信集团有限公司 | 一种智能组卷方法、***和计算机可读存储介质 |
CN108932546A (zh) * | 2018-05-28 | 2018-12-04 | 青岛高校信息产业股份有限公司 | 一种组卷方法和*** |
CN108898170B (zh) * | 2018-06-19 | 2022-02-01 | 江苏中盈高科智能信息股份有限公司 | 一种基于模糊聚类分析的智能组卷方法 |
CN109003491A (zh) * | 2018-07-06 | 2018-12-14 | 合肥明高软件技术有限公司 | 一种网上考试智能组卷*** |
CN109242137B (zh) * | 2018-07-19 | 2020-11-27 | 深圳信息职业技术学院 | 排课方法及*** |
CN108961122A (zh) * | 2018-08-08 | 2018-12-07 | 安徽建筑大学 | 一种考试防作弊方法、相关设备及*** |
CN109308581A (zh) * | 2018-09-25 | 2019-02-05 | 安徽灵图壹智能科技有限公司 | 一种基于区块链的考试云平台*** |
CN109448471A (zh) * | 2018-12-14 | 2019-03-08 | 武汉城市职业学院 | 一种基于云平台的智慧校园教学辅助的智能考试控制*** |
CN109584127B (zh) * | 2018-12-25 | 2020-12-04 | 苏州庚商教育智能科技有限公司 | 一种用于实验教学的教学资源管理方法及*** |
CN111507633A (zh) * | 2020-04-21 | 2020-08-07 | 北京和气聚力教育科技有限公司 | 一种走班制下的考务管理*** |
CN111767291A (zh) * | 2020-05-15 | 2020-10-13 | 山东科翔软件科技有限公司 | 农机无纸化理论考试*** |
CN112150333A (zh) * | 2020-11-10 | 2020-12-29 | 国网新疆电力有限公司喀什供电公司 | 弱项技能提升***的生成方法 |
CN112667599A (zh) * | 2020-12-22 | 2021-04-16 | 贵州树精英教育科技有限责任公司 | 一种智能题库构建*** |
CN113112386A (zh) * | 2021-04-30 | 2021-07-13 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种预报员在线考试*** |
CN114911899A (zh) * | 2022-04-19 | 2022-08-16 | 北京安锐卓越信息技术股份有限公司 | 试卷处理方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261617A (zh) * | 2008-04-08 | 2008-09-10 | 黎章 | 机器命题的方法与*** |
CN101661674A (zh) * | 2009-05-22 | 2010-03-03 | 华南师范大学 | 一种实验教学考试*** |
CN104217310A (zh) * | 2014-09-27 | 2014-12-17 | 昆明钢铁集团有限责任公司 | 一种智能无纸化考试***与方法 |
CN104331764A (zh) * | 2014-10-24 | 2015-02-04 | 沈阳化工大学 | 一种网络在线考试管理信息*** |
-
2017
- 2017-01-20 CN CN201710042777.8A patent/CN106815784B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261617A (zh) * | 2008-04-08 | 2008-09-10 | 黎章 | 机器命题的方法与*** |
CN101661674A (zh) * | 2009-05-22 | 2010-03-03 | 华南师范大学 | 一种实验教学考试*** |
CN104217310A (zh) * | 2014-09-27 | 2014-12-17 | 昆明钢铁集团有限责任公司 | 一种智能无纸化考试***与方法 |
CN104331764A (zh) * | 2014-10-24 | 2015-02-04 | 沈阳化工大学 | 一种网络在线考试管理信息*** |
Also Published As
Publication number | Publication date |
---|---|
CN106815784A (zh) | 2017-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106815784B (zh) | 基于改进蚁群算法智能组卷的考试*** | |
CN110991486B (zh) | 多人协作图像标注质量控制的方法和装置 | |
Culnan | Mapping the intellectual structure of MIS, 1980-1985: A co-citation analysis | |
McGivney | Staying or Leaving the Course: Non-Completion and Retention of Mature Students in Further and Higher Education. | |
CN104331764A (zh) | 一种网络在线考试管理信息*** | |
US20060240394A1 (en) | Examination simulation system and method | |
Manrique-Vallier et al. | 9 Multiple Systems Estimation Techniques for Estimating | |
CN102063811A (zh) | 数字化变电站多媒体培训考试*** | |
CN109948912A (zh) | 一种业务培训管理*** | |
CN107145597A (zh) | 一种基于jsp技术的在线考试方法及其中服务器和客户端验证方法 | |
CN113628075B (zh) | 一种全场景智能化移动线上考试测评管理*** | |
CN114997823A (zh) | 智能选课方法和*** | |
JP2002032538A (ja) | スキル管理システム及びコンピュータ読み取り可能な記録媒体 | |
CN113112386A (zh) | 一种预报员在线考试*** | |
Qi | Investigation and analysis of classroom teaching quality in universities in an interval intuitionistic fuzzy environment | |
CN110310045A (zh) | 一种科研绩效考评*** | |
US20220114902A1 (en) | Problem Collection/Evaluation Method, Proposed Solution Collection/Evaluation Method, Server for Problem Collection/Evaluation, Server for Proposed Solution Collection/Evaluation, and Server for Collection/Evaluation of Problem and Proposed Solution Thereto | |
Newman | UNDERSTANDING EMPLOYEE REACTIONS TO THE WORK ENVIRONMENT THROUGH PERSONALAND ORGANIZATIONAL FRAMES OF REFERENCE AND PERCEPTIONS OF THE WORK ENVIRONMENT. | |
Liu et al. | Online Exam Data Security Encryption Algorithm Based on ASP. NET | |
Guo et al. | Intelligent teacher management system based on computer vision | |
CN114971304A (zh) | 一种测评方法、装置、设备以及存储介质 | |
Liang et al. | Analysis and Design of Online Nursing Examination System in Artificial Intelligence Era | |
Liang et al. | Research on Accurate Academic Guidance of College Students Based on Big Data Portrait Analysis | |
Gao | Research on Public Management of Health Examination in Centers for Disease Control and Prevention | |
CN116189838A (zh) | 一种多端接种录入的信息管理方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |