教学及考试中的C语言程序题智能评分算法

为有效提高C语言中间表达式解读程序信息的能力,在结合C语言自身语言特点的基础上,引入流程控制图(Flow Control Graph,FCG)匹配自动评分方法,该方法能够根据C语言的特点,计算学生答案与参考答案之间的相似度,给出评分。引入最近邻(Flow Control-KNN,FC-KNN)算法来对FCG算法进行模板脱敏,在FCG的基础上,运用k临近算法根据提取的特征对程序进行评分。实验结果证明,FCG和FC-KNN算法在独立运行时分别具有91.5%和92.3%的平均准确率,而经过融合后,算法之间实现了优势互补,准确率提升到94.0%,在独立运行的情况下,FC-KNN算法的评分效果较FCG好,准确性更高,对两种算法进行数据融合、优势互补,验证了集成后的分类模型在评分的整个过程中,均能够达到良好的分类效果,具有较高的准确率。

C语言程序设计题自动评分算法的研究

目前主要的C语言上机考试系统程序设计题主要采用的是结果比对评分法，这种方法并不查看考生的程序内容，不能反映考生的真实水平并且有失公允。在比较结果的评分方法基础上，增加了修复编译评分与关键代码对比评分，使评分结果更咖公正、准确，使评分结果更加接近于人工闲卷，具有很好的实用价值和应用前景。

依据程序依赖关系匹配度的C语言程序设计题评分方法

计算机编程语言阅卷流程工作任务繁重,评分效率不高,而且又过分依赖于阅卷老师的主观情感。如何能够科学地提高阅卷效率,对计算机编程类应试给予客观公正的评判,是目前计算机基础实验教学所关注的研究热点难点。通过静态语义理解思想的运用,结合程序依赖关系匹配度模型方法,将考生的作答结果标准化为程序系统依赖图集,并根据语义分析和匹配度度量方法予以判分。通过大量的有效实验数据分析论证,本文提出了一种基于程序依赖关系匹配度的C语言程序设计题评判策略,改进了常规阅卷智能化系统评分的不足。