| 【中文题名】 | 基于遗传算法的试题库智能组卷研究 |
| 【英文题名】 | Intellignet Item Bank System Autogenerating Test Paper Based on Genetic Algorithms |
| 【学科专业】 | 学科教学论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-19 |
| 【中关键词】 | 遗传算法,智能组卷,教育测量理论,数学模型,试题库, |
| 【英关键词】 | Genetic Algorithm,Test Paper Auto-generation,Educating Measurement Theory,Mathematic Modeling,Item Bank, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
试题库智能组卷问题是一个在一定的约束条件下的多目标参数优化问题，采用传统的数学方法求解相当困难，自动组卷的效率和质量完全取决于试题库设计以及抽题算法的设计。随着计算技术和人工智能的快速发展，以及教育测量理论研究的不断深入，基于教育测量理论的有关计算机辅助设计得到了广泛的应用，其中智能组卷系统的研究与开发得到了越来越多的专家学者的关注。
教育测量理论中无论是经典测量理论还是项目反应理论都为智能组卷提供了坚实的理论基础。本文通过对经典测量理论和项目反应理论两种教育测量理论的对比研究，详细地探讨了这两种理论在教学测验中的优缺点。从教学要求出发，结合经典测量理论、项目反应理论，参阅和分析了大量的国内外相关文献，以遗传算法为基础，提出了基于项目反应理论的数学模型和基于经典测量理论的多目标函数优化数学模型，并对两种模型下相应的遗传算法进行了较为详细的描述，对其中的基于经典测量理论的遗传算法在文中做了相应的改进，引进了小生境技术。
本文提出了三种利用遗传算法智能组卷的方法：
第一种方法是基于项目反应理论IRT的，采用此法进行组卷最大的优点就是试题本身的参数与考生样本无关，测试更加真实，评价... |
| 【论文题纲】 |
|
中文摘要 |
3-5 |
|
英文摘要 |
5-10 |
|
第一章 绪论 |
10-18 |
|
1.1 智能组卷的研究背景 |
10-11 |
|
1.2 智能组卷问题和方法 |
11-15 |
|
1.2.1 智能组卷问题描述 |
12 |
|
1.2.2 智能组卷的特点 |
12-13 |
|
1.2.3 智能组卷的功能要求 |
13-14 |
|
1.2.4 智能组卷的方法 |
14-15 |
|
1.3 遗传算法组卷研究现状 |
15-16 |
|
1.4 本文的主要工作及组织结构 |
16-18 |
|
第二章 智能组卷模型与相关理论 |
18-32 |
|
2.1 自动组卷方法及比较 |
18-20 |
|
2.1.1 随机法 |
18-19 |
|
2.1.2 回溯法 |
19 |
|
2.1.3 遗传算法 |
19-20 |
|
2.2 两种教育测量理论 |
20-25 |
|
2.2.1 经典测量理论(CCT) |
21-22 |
|
2.2.2 项目反应理论(IRT) |
22-25 |
|
2.3 智能组卷问题的数学模型 |
25-32 |
|
2.3.1 基于项目反应理论(IRT)组卷数学模型 |
25-27 |
|
2.3.2 基于多目标函数优化数学模型 |
27-32 |
|
第三章 遗传算法介绍 |
32-46 |
|
3.1 遗传算法的研究历史与现状 |
32-33 |
|
3.2 遗传算法与自然选择 |
33-35 |
|
3.3 遗传算法的基本概念 |
35-36 |
|
3.4 遗传算法的基本步骤 |
36-42 |
|
3.5 遗传算法的特点 |
42-44 |
|
3.6 遗传算法的应用关键 |
44-46 |
|
第四章 遗传算法组卷方法 |
46-66 |
|
4.1 基于 IRT的自适应遗传算法组卷 |
47-54 |
|
4.1.1 染色体编码及初始种群的生成 |
48 |
|
4.1.2 适应度函数的确定 |
48-49 |
|
4.1.3 遗传算法的参数和变量的控制 |
49-50 |
|
4.1.4 算法的终止 |
50-51 |
|
4.1.5 实例与分析 |
51-54 |
|
4.2 基于多目标函数的自适应遗传算法组卷 |
54-58 |
|
4.2.1 初始化群体和染色体编码 |
54-55 |
|
4.2.2 适应度函数(Fitness Function)的确定 |
55-56 |
|
4.2.3 选择(Selection)运算 |
56 |
|
4.2.4 交叉运算 |
56 |
|
4.2.5 变异运算 |
56-57 |
|
4.2.6 具体算法描述 |
57 |
|
4.2.7 实验结果与分析 |
57-58 |
|
4.3 基于小生境技术的自适应遗传算法组卷 |
58-66 |
|
4.3.1 小生境技术介绍 |
58-60 |
|
4.3.2 编码方案 |
60-62 |
|
4.3.3 算法描述 |
62-63 |
|
4.3.4 实例与分析 |
63-66 |
|
第五章 结语 |
66-68 |
|
5.1 本文总结 |
66-67 |
|
5.2 今后工作展望 |
67-68 |
|
参考文献 |
68-72 |
|
致谢 |
72-74 |
|
附录: 攻读学位期间发表论文 |
74-76 |
|
| 【DOI】 | LunWen.ID:2.2008.389093 |
