基于GloVe-CNN算法的英语在线考试主观题自动评分模型

针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。通过平方加权Kappa评价指标,与人工阅卷分数差对比发现,该模型在评分的一致性、准确性等指标上要优于卷积神经网络、KNN模型等传统的模型,整体性能较好,可进一步减轻教师的教学负担。

基于云计算技术的英语在线考试系统设计

为了获得理想的英语在线考试系统,提出了基于云计算技术的英语在线考试系统。利用云计算技术设计系统整体结构,在线考试管理是系统核心,依照考试规模、考试需求,通过组卷管理、成绩管理、在线考试等模块实现英语在线考试过程,其中组卷管理利用遗传算法确定组卷最优解。仿真结果表明,系统实际功能与期望功能一致,计算机资源占用率较低,具有比较明显的优势。

基于ASP的英语在线考试系统的设计与实现

该文论述了如何利用ASP制作英语在线考试系统,并且通过实例加以说明。

基于机器学习的英语分层在线考试系统设计与实现

传统考试和现阶段的考试系统已不满足教育行业对于考试的需求了,因此,总结了目前的考试系统的不足,结合人工智能的方式,在抽题组卷上,采用自适应化遗传算法,达到高效率的智能组卷。再结合神经网络算法,通过LDA模型、词向量、CNN、RNN、sigmoid激活函数等方式相结合,在经过训练后即可进行作文自动评分的体系,实现一个高效率的智能在线英语考试系统。

在线考试系统设计

随着社会的发展,英语变得尤为重要。传统的英语考试中,出试卷改试卷统计成绩,都会给考试管理者带来非常繁重的工作,信息技术的发展,利用信息技术可以使这项繁重的工作变得简单、快捷。在线系统考试系统的开发设计,提高学生效率,减轻了教师的工作负担。

基于《新视野大学英语》的网络试题库建设探究——以山东工商学院为例

使用网络在线英语考试系统改变了传统的考试方式,实现了教考分离。这一方式使考试命题和学生信息的采集处理做到规范化、标准化、科学化,减少了传统英语考试的工作量,提高了工作与学习效率。

非英语专业大学生的英语网考能力初探

2011年1月我校顺利举行了首次大学英语期末网考。笔者邀请了2010级临床专业的203位学生在考试结束后随即在线填写《大学英语网考调查问卷》。结果发现:我校大一学生基本上能适应大学英语课程网考带来的挑战,并且都表示日后将侧重提高网络学习能力适应网考。本文讨论了大学英语网考取得的初步成效,为下一步扩建题库和实施网考带来四点启示。