论文部分内容阅读
计算机辅助教学CAI(Computer Assisted Instruction)的一个重要应用是计算机辅助测验CBT(Computer Based Testing),智能组卷是CBT的基础,也是CAI的一个重要组成部分,在组卷过程中最关键的问题是如何解决刚性约束问题(如内容约束、题型约束、总分约束等)。本文提出了一种基于项目反应理论IRT(Item Response Theory)的组卷新策略:最大化加权约束信息量组卷策略(Max_CWI strategy),它和线性规划LP(Linear Programming)组卷策略相比较,具有以下优点:(1)可以避免数学规划法中的高计算强度和高算法复杂性,时间复杂度由原来的O (2 n)降为O ( n 2 log 2n ),所以Max_CWI组卷策略更容易应用于当前的题库智能组卷过程中;(2)模拟实验表明Max_CWI组卷策略对解决刚性约束问题非常有效,本文可以同时生成满足13个约束条件的试卷,并且同时生成多份满足测验蓝图的合格试卷,题库利用率超过63%,这一点是国内中文学术期刊尚未提出过的;(3)本文提出的测验平均信息量是试卷对各个能力水平的被试进行精确估计的评价指标,研究表明采用Max_CWI组卷策略,测验平均信息量和测验信息量的积差相关系数非常高。在采用Max_CWI组卷策略组成多份合格试卷之后,发现了一个新的问题,尽管都是合格试卷,但合格试卷的质量良莠不齐,这对参加同种类型不同批次考试的考生而言是不公平的,这也给考生的评定可信程度带来了很大影响。所以,本文又提出了几种其它的Max_CWI组卷策略:a_分层组卷策略,b_分层组卷策略和随机化Max_CWI组卷策略,它们都可以在得到多份合格试卷的基础上有效地平均各测验的测验信息量,提高测验精度,其中以随机化Max_CWI组卷策略表现最优。