题库系统智能组卷的MCWDP算法研究

本文介绍了现有题库系统中的组卷算法 ,重点对多约束性离差求解MCWDP(MultipleCon straintWeightedDeviationsProblem ,简称MCWDP)模型的算法进行研究 ,并给出了MCWDP算法在智能组卷系统中所涉及的算法描述和思路描述 ,最后说明此算法如何使用和组卷后的效果及评价 。

在线考试系统题库组卷算法设计

本文详细分析了题库组卷系统中的组卷算法,重点对多约束性离差求解(Multiple Constraint Weighted Devi-ations problem简称MCWDP)的算法进行研究,简要给出了MCWDP算法在智能组卷系统中的组卷策略。并为简化算法,提高组卷效率提出了相关措施。经测试用MCWDP算法,组卷速度快,能满足用户需求,真正实现了智能组卷。

题库智能化组卷的心理计量理论与方法

现代教育成就测验的广泛应用，促使题库技术迅速发展。现代教育测量理论与计算机技术的结合，更使智能化组卷成为可能。本文报告了以项目反应理论为指导，并改进一般线性规划法为分步离差加权模型法，编制程序在高等教育自学考试“逻辑学”题库上，成功实现智能化组卷的研究成果，从而为计算机技术在题库建设中的应用作了新的探讨。

基于渐进式的遗传算法在智能组卷中的应用

智能组卷是一个多约束目标的组合优化问题。文中首先分析了试卷的评价指标、各项指标的作用及几个重要指标间的关系。在此基础上采用各种指标的加权和构建了组卷的总体评估函数。然后针对传统遗传算法的后期搜索效率低并极易出现未成熟收敛的情况,提出了一种渐进式遗传算法。仿真实验表明,渐进式的遗传算法在全局搜索性能及收敛速度上较传统遗传算法有显著提高,系统测试结果表明渐进式遗传算法组卷速度快,组卷质量较好。

一种Web测试中的组卷策略及其改进

给出了基于Web的网上测试系统的组成框架,测试服务器、Web服务器和数据库服务器是其核心组成部分.说明了抽题、组卷的重要性,总结了一些重要的参数.针对目前组卷中存在的问题和不足,介绍了一种组卷策略———WDM,分析了它的模型和约束条件.因为WDM的约束条件过于复杂,计算量大,所以针对这方面进行了简化和改进,并设计了一种易于实现的算法,以适应实际的教学需求.已应用于实际的考试系统,效果良好.

国外计算机自适应性测验选题策略的研究

1传统选题策略的局限性 选题策略是计算机自适应性测验(Computerized Adaptive Testing，CAT)一个非常重要的环节．它直接影响到测验的效率问题。其中比较常用的选题策略主要有两种，一种是信息函数最大化策略。另一种是加权离差模型(Weighted Deviation Model，WDM)。