基于VB 6.0和SQL 2000的试卷组卷系统

根据当前教学发展需求,提出了试卷组卷系统的设计思想.系统前台是面向对象的可视化编程工具Visual Basic 6.0,后台采用SQL Server 2000数据库.着重介绍了组卷系统的设计原理、功能实现等问题,并通过对系统部分模块的功能分析,阐述了该系统的实用性.

最大权法试卷组卷算法

试题库软件设计中,每一份不同的试卷都要求有给定的预计平均分。最大权法试卷随机赋分组卷算法能够按照给定的试卷结构,设定要选择的每一道试题的难度,从而使最终组成的试卷总体难度得到很好的控制,最终平均分与给定平均分相同,符合出题者最初的意愿。

AIX5L下的数据卷组迁移

本文讨论了AIX5L中数据卷组迁移方法,同时根据各个方法实现的步骤,讨论了各方法的优劣和特点。

一个基于VBA编程控制的组卷系统的设计

VBA(Visual Basic for Applications)是Visual Basic的一种有着广泛的应用空间的宏语言。用户可以将日常工作转换为VBA程序代码,使工作自动化。为了解决数学教学中数学试卷需求多,出卷工作量大的问题,设计用Word软件作为题库管理软件,用Excel文档存放组卷参数,通过VBA编程控制进行组卷的组卷系统。系统的组卷功能包括自动组卷和辅助人工组卷两种。通过参数设定,用户可进行普通试卷组卷、一试多卷组卷、专项练习卷组卷、自定义组卷等组卷方式,在所建题库的基础上,可帮助用户简化组卷过程中的人工重复操作。

基于改进蝗虫优化算法的智能组卷策略

针对传统组卷策略组卷时间长、试卷质量低等问题,本文提出了一种基于改进蝗虫优化算法的智能组卷策略。首先,综合知识点覆盖率、难度系数等因素,建立多目标评价模型;其次,将试题组合方案编码为蝗虫个体,通过蝗虫优化算法寻找最优组合方案,引入最优导向与随机竞争策略更新个体位置,以增强算法全局搜索能力;结合模拟退火思想,以使算法有能力跳出局部最优;引入余弦自适应函数调整搜索步长,以提升算法收敛速度。根据最优试题组合方案,生成一套高质量的试卷。实验结果表明,基于改进蝗虫优化算法的智能组卷策略与PSO-GA相比,组卷时间降低了52%,适应度提升了19%;与传统蝗虫优化算法相比,组卷时间降低了30%,适应度提升了14%。

混合粒子群算法的自动组卷研究

自动组卷是在多目标约束下的一个组合问题,在网络学习中,如何快速、高效地组成一套试卷,供自主学习者在线测试,是一个热门研究的课题。建立了一个组卷数学模型,针对基本粒子群算法存在的不足,在基本粒子群算法的基础之上引入了遗传算法,称为混合粒子群算法(MPSO)。经仿真实验表明,提出的混合粒子群算法(MPSO)要比基本遗传算法(GA)和基本粒子群算法(PSO)的组卷效率高,完全可以胜任网络在线考试的要求。

自然资源部国土空间用途管制司主要负责人解读 《关于进一步改进优化能源、交通、水利等重大建设项目用地组卷报批工作的通知》

日前,自然资源部印发《关于进一步改进优化能源、交通、水利等重大建设项目用地组卷报批工作的通知》(以下简称《通知》),围绕破解重大项目用地组卷报批中存在的堵点、难点问题,回应地方政府及有关部门、企业在用地要素保障方面的诉求。

优化用地组卷报批 助力经济回升向好——《关于进一步改进优化能源、交通、水利等重大建设项目用地组卷报批工作的通知》解读

日前,自然资源部印发《关于进一步改进优化能源、交通、水利等重大建设项目用地组卷报批工作的通知》(以下简称《通知》),围绕破解重大项目用地组卷报批中存在的堵点、难点问题,回应地方政府及有关部门、企业在用地要素保障方面的诉求。

智慧学习环境下组卷模型的改进研究

智慧学习环境下急需要一种高效的组卷模型来满足个性化、开放化学习效果的考评需求,以确保考评数据能及时参与学习大数据的分析与计算。针对组卷问题,对单亲遗传算法中的染色体编码、种群初始化、个体选择策略及遗传算子等进行了相应的改进,完成组卷算法的设计和实现。经仿真检验,该组卷算法基本能满足智慧学习环境下学习效果评价的要求,具有全局收敛速度快和鲁棒性强等优点,可为相关的领域研究与应用提供参考。

基于遗传算法的试题库智能选题组卷方法

常规试题库智能选题组卷方法易受选题组卷关联场景变化影响,组卷知识点覆盖度低。文章基于遗传算法设计了一种全新的试题库智能选题组卷方法。文章结合基础组卷理论构建智能试题库组卷数学模型,根据组卷指标生成组卷关联推理预选试题库,利用遗传算法设计试题库智能组卷适应度函数,完成试题库智能选题组卷。实验结果表明,设计利用遗传算法的试题库智能选题组卷方法的知识点覆盖度较高,证明本文的方法组卷效果具有应用价值。

基于不同聚类分析方法的卷烟叶组配方模块分类

为辨析不同聚类分析方法在卷烟叶组配方模块中的分类效果,以不同配方模块烟叶的10项感官指标为研究对象,在利用因子分析提取主成分的基础上,通过3种聚类分析方法对不同配方模块进行分类,并对分类结果进行比较和统计检验。结果表明不同配方模块烟叶的差异规律各不相同,说明烟叶感官质量的不同指标间存在高度的信息重叠。因子分析共提取2个主成分因子,累计方差贡献率为81.96%,特征值分别为7.02、1.18。3种聚类分析方法的分类结果不尽相同,其中加权主成分距离聚类的分类效果最佳,错分率为6.67%;加权主成分聚类次之,错分率为10.83%;一般主成分聚类的分类效果最差,错分率达到18.33%。统计检验结果表明,加权主成分距离聚类的F检验均值最大(98.17),加权主成分聚类次之(91.05),一般主成分聚类F检验的均值最低,为70.14。加权主成分距离聚类的分类效果优于其他2类聚类方法,分类结果的统计检验结果更好,适合不同卷烟配方模块的分类研究。

认知诊断测验的自动组卷方法

认知诊断评估的重要一环是构建符合约束(统计约束与非统计约束)的诊断测验。其中构建测验的认知诊断自动测验组卷(cognitive diagnosis automated test assembly,CD-ATA)方法十分关键,受到广泛关注。文章通过梳理有关CD-ATA的研究,从组卷方法的类别、开发思路、组卷过程、方法对比及选用进行阐述与评析。最后,在已有方法基础上指出未来可从融合测验设计、非参数组卷、平行测验组卷、开发组卷软件、开展实证研究五个方面进行研究与探讨。

项目区分度指标在属性多水平和混合计分项目下的组卷研究

将两种项目区分度指标(CDI、ADI)及两种扩展项目区分度指标(GMCDI、GMADI)用于属性多水平诊断测验组卷。考虑三种实际测验情景,开展两项研究:研究1,二级与多级计分项目独立组卷测验;研究2,二级与多级计分项目混合组卷测验。结果表明,GMCDI与GMADI组卷方法可获得最高诊断精度,且不受属性层级结构与测验类型影响。

基于遗传算法的自动组卷系统的策略优化设计及实现

针对传统制作试卷人力物力耗费大且不够科学的问题,本文研究和实现基于遗传算法的自动组卷系统。由于存在学生记忆历年试题以降低考试难度的情况,为了保证考试的科学性,本系统对原有的遗传算法进行了研究和改进。每次组卷时,自动组卷策略会拒绝将旧题目组进试卷,以保证相邻的3次考试中不出现重复的试题。本文使用的适应度函数能够使用量化后的试卷难度、章节知识点数等多个约束条件对试卷的优劣进行评判,生成符合组卷规则的试卷。实验结果表明:基于遗传算法的自动组卷系统生成的试卷在难度、章节知识点数和独一性等指标上能够达到要求,满足了课程考核的需要。

基于Python的智能组卷设计

本文是基于Python的智能组卷设计。Python是一种近几年比较热门的计算机程序设计语言,它拥有众多的库,在各个领域里都有所应用。使用者只要学会Python的基本语法,利用Python进行办公自动化是一种高效且智能的方式。本设计通过使用Python实现科目考试自动生成试卷的全过程,从中体验Python库功能以及掌握Python在办公自动化中的应用,从而提高办公工作效率。

智能化组卷在高考中的应用

数字化在教育领域实现新一轮发展转型中起着助推作用。平行试卷在大规模教育考试中应用广泛,能够解决由于施测时间或地点不同造成的测验公平问题,高考中多次考试的形式给组平行卷带来了挑战。智能化组卷较人工组卷减少了人力负担,提升了组卷质量,在高考中应用前景广阔。

基于人工鱼群算法的C语言考试系统智能组卷方法研究

针对常规组卷方法存在组卷效率低、组卷时间长等问题,提出基于人工鱼群算法的C语言考试系统智能组卷方法。首先,明确组卷时发生事件的先后逻辑顺序,构建组卷数学模型;其次,分析智能组卷中的约束条件,确定智能组卷目标权重;最后,进行实验分析。实验结果表明,该方法的试题重复率和组卷时间均优于对比方法。

基于B/S模式下的优化遗传算法的自动组卷系统设计与实现

本文针对自动组卷通常采用传统遗传算法实现,受题目难度、知识点覆盖以及答题时间等约束条件的限制,组卷过程较慢且算法存在“早熟、局部最优”问题的困扰,成卷质量偏低。文章将对传统遗传算法选择、交叉和变异算子进行改进,实现了组卷策略的优化。并结合B/S模式的优势,设计并实现了基于优化遗传算法的自动组卷系统,取得了良好的实际应用效果。

自动组卷软件的设计与应用

利用Word考试文档开展无纸化考试,创新性地通过自动评分程序分析Word考试文档实现自动评分。基于Word考试文档的要求,通过Excel工作簿实现考试题库的设计,利用组卷程序实现考试试卷的自动组卷,随机抽题,直接生成,可以为无纸化考试提供标准的考试文档,方便自动评分程序的使用。

基于SSSDJ框架的智能组卷系统设计与实现

传统考试需要人工出题、排版,设计答案和答题纸,撰写上交学校的各种相关资料,工作量大,耗时长,因此设计了基于SSSDJ框架(Spring、SpringMVC、SpringDataJPA)的智能组卷系统,该系统提供智能组卷、题量分配、指定题目、题库下载等功能。系统设计完成后对试卷模板进行了测试,测试结果表明,该系统能够实现高效智能组卷的目标,并能够同步生成各种所需材料。