慕课是近几年出现并且发展非常迅速的一种在线学习课程,它将教育资源以视频、博客、文档等形式通过互联网传播给每一个人,使得学习变得更加容易和方便,在高等教育领域影响较大。MOOCs学生数量的大规模增加使得其评测反馈系统的自动化变得越来越重要,因此本文围绕MOOCs评测系统中出题和组卷两个任务的自动化开展了一系列的研究,其中主要工作和创新点包括:·本文创新性地提出了一种基于MOOCs视频字幕的自动出题算法。先基于维基知识图谱对视频字幕进行结构化,提取出感兴趣的知识实体及其相互关系,构建课程知识图谱;然后用基于模版的出题算法从课程知识图谱中自动生成测试题目。在公开数据集Simple Questions上的实验结果表明,我们提出的基于模版的自动出题算法可以有效地改善题目的准确性和可理解性,其中准确率比其他方法提高了6.99%(评价指标为BLEU)。·本文创新性地提出了一种由MOOCs学生平时学习数据所驱动,基于遗传算法的自动组卷模型。在该模型中,我们先根据学生的平时学习数据预测其学习效果,进而决定试卷的整体难度要求;然后用遗传算法从题库中找到合适的题目组合,使得其难度、知识点分布、题型分布等都基本满足目标约束。在MOOCs课程上的实验结果表明,预测模型的平均绝对误差在百分制的情况下为10分左右,并且算法可以在多个目标约束下成功完成组卷任务。综上,本文设计并实现了一套基于MOOCs视频字幕和学生学习数据的自动评测模型,为MOOCs评测反馈系统的自动化、自适应化作出了贡献。