基于题目关联知识的试题难度预测研究

为保障考试的公平性和客观性,需在测试前获取试题难度参数。提出一种基于题目关联知识的试题难度预测模型(MR-ABNN)。首先,构建文本信息摘要抽取模型,获取题目的关联知识来丰富题干的上下文;然后利用加入注意力机制的双向循环神经网络模型挖掘试题文本信息的逻辑关系,限定语句对问题的难度贡献来实现试题难度的自动评估;最后在大学计算机基础单项选择题上进行广泛实验,验证该模型的准确性和有效性。

阅读积累深耕下的解题教学实践

阅读专业期刊可以开阔视野,丰富思维,提升专业素养,进而提高教育教学能力。通过阅读《中学数学教学参考》中的一篇文章,打破思维局限,用经典题目创设教学情境,多视角建构解题思维,高屋建瓴引领学生思维发展的解题教学,从而打造卓越课堂。