电路分析自动命题系统的开发

“电路分析自动命题系统”由交互测试模块、自动命题模块以及试题库管理模块组成，能够实现交互自我测试、试卷的自动生成以及题库的维护功能。该系统既能使学生检测自己的学习情况，又能辅助教师出具试卷，减轻教师的工作量。

基于自动命题系统实现《操作系统》教考分离

基于作者研制的《操作系统》题库及计算机自动命题系统，对云南大学计算机科学系９６级《操作系统》课程期中考试和期末考试实施了教考分离。命题（含参考答案）安全由《操作系统》计算机自动命题系统承担，任课老师进行了回顾，本文将教考分离的考试成绩与历届《操作系统》课程的期中、期末考试的成绩进行了对比分析，综合分析结果表明，教考分离有利于提高教学质量。

汉语词汇测试自动命题研究

为了提升汉语词汇测试的命题效率,该文从汉语语言特性和二语教学需求出发,对词语听力、多空词语选择、词语排序和单空词语选择四种词汇测试题型进行自动命题尝试,以满足不同语言信息、不同难度的词汇知识考查。在词语特征的提取上,构建了一个覆盖词音、词形、词义、语法、搭配、偏误各层次信息的词汇知识库,在句子特征的提取上,实现了语法项目自动识别、句子难度分析等算法,为自动命题中的题干句、目标词和干扰项选择提供依据。通过词句选择和语块合成等步骤,生成四种题型共计7 263道词汇测试题。人工测试数据显示,词汇测试自动命题的初步尝试取得了较好的效果,约58%的试题被评价为完全合理,经人工简单调整,试题接受率达到75.7%。

光学实验计算机自动命题系统

本光学实验自动命题系统可以减轻教师在实验理论考试前命题的工作量，出题随机性好，生成的试卷直接打印输出，系统提供比较友好的操作界面．题库结构通用性较好，可以方便地改型为其他实验题库．

自然语言显式命题自动识别和解析方法

自然语言中包含很多显式命题,正确理解这些命题是理解文本信息的关键。正确识别显式命题并解析其中的关键成分有助于理清语言中的逻辑关系、辅助自然语言理解。该文基于百度百科数据构建了自然语言显式命题标注数据集,并提出两个研究任务:自然语言显式命题自动识别和命题关键成分解析。其中,显式命题自动识别任务判断一个自然语言句子是否为命题;显式命题关键成分解析任务从已获取的命题中解析出支撑该命题成立的关键成分。针对任务一,构建基于BERT的二分类模型;针对任务二,构建基于BERT-BiLSTM-CRF的序列标注模型。实验结果表明,模型在任务一的正确率达到74.95%,超过基线模型15.30%;在任务二的F值达到90.74%,超过基线模型17.69%。该文为下一步研究提供了可靠的标注数据集和基线方法。

计算机辅助命题系统

根据计算机辅助命题系统的建立原则及标准，论述了题库的数据结构及建立方法和讨论了计算机自动命题的方法，系统软件的设计方法及实现过程．首次提出了试题内容相关性的概念，并给出了两个相关性指标的计算方法．

ADO技术在试卷自动生成系统中的应用

大学英语自动命题系统是利用现代化工具——计算机帮助教师进行自动选题、组卷、并打印正式考试试卷的管理系统。系统实现的主要功能是根据出题者的要求从数据库随机选择题目生成一份试题,然后打印出来。本文主要介绍作者在开发过程中,利用ＶＢＡ和ＡＤＯ技术结合ａｃｃｅｓｓ、ｗｏｒｄ的一些经验和体会。

“信号与系统”试题库建设

阐述建设“信号与系统”试题库的必要性和可行性 ,提出了一种有效的试题库建设方案 ,完成了初级试题库的建设工作 。

基于AutoCAD/VBA的《工程制图》试卷机开发

分析了《工程制图》课程试卷命题的特点,提出了《工程制图》试卷机设计要求,分析了试卷机开发模式,选择AutoCAD/VBA(Visual Basic for Application)进行试卷机的开发,所开发的试卷机经试用可满足各类工程制图试卷在选题、修改、排版等方面的出卷要求;具有出卷效率高、试题分散性好、简单易用与题库可自主升级的特点.

人工智能时代的初等数学研究

基于使用工具的不同,文章将初等数学研究划分为“石器时代”“农业时代”“智能时代”三个阶段,智能时代需要智能工具,智能工具的产生取决于数学现代化的实现,其中数学机械化研究是实现数学现代化的关键。基于目前的数学机械化研究成果,结合中学数学的实际需求,文章列举了丰富的实例,涉及平面几何、不等式、三角函数等内容,充分展示人工智能在探索数学结论、自动命题等方面的应用。

A Hierarchy of Resolution Systems with Restricted Substitution Rules

The proof system, based on resolution method, has become quite popular in automatic theorem proving, because this method is simple to implement. At present many kinds of extensions for resolution method are known： Resolution with restricted number of variables in disjuncts, resolution over Linear Equations, Cutting planes, etc. For Classical, Intuitionistic and Minimal （Johansson＇s） propositional logics, the authors introduce the family of resolution systems with full substitution rule （SRC, SRI and SRM） and with e-restricted substitution rule （SeRC, SeRf and SeRM）, where the number of substituted formula connectives is bounded by . The authors show that for each of mentioned logic the SR-type system （in tree form） is polynomially equivalent to Frege systems by size, but for every ~＇ 〉 0, Se＋lR-type has exponential speed-up over the SeR-type （in tree form）.

人工智能来了,教师该怎么办

有研究认为，在未来的教育中，人工智能可以承担12种角色：成为自动命题和自动批阅作业的助教；成为学习障碍自动诊断与反馈的分析师；成为解决问题测评的素质提升教练；成为学生心理素质测评与改进的辅导员：成为体质健康监测与提升的保健医生：成为反馈综合素质评价报告的班主任；成为个性化智能教学的指导顾问；成为学生个性化问题解决的智能导师：成为学生生涯发展顾问或规划师；成为精；隹教研中的互助同伴；成为个性化学习内容的自动生成与汇聚代理；成为数据驱动的教育决策助手。