论文部分内容阅读
摘 要：在线考试系统功能日趋完善，试题库题型题量渐多，通过阐述随机组卷问题，说明组卷时须考虑多种约束条件，建立良好的题库结构，采用合理组卷算法，并给出遗传算法实现步骤，完成组卷的效率和成卷的质量。
关键词：在线考试系统；组卷；遗传算法
中图分类号：TP311.52 文献标识码：A 文章编号：1007-9599 （2013） 04-0000-02
考试作为衡量教学质量的重要手段，在教学过程中占据重要位置。随着计算机应用的逐步拓展，数字化、网络时代的到来，各行各业均充分利用计算机功能，为工作或生活带来便利。教育亦紧跟科技发展步伐，基于互联网的无纸考试模式——在线考试系统应运而生。这种新考试模式，利用网络资源，令考务管理突破时空限制，提高考试工作效率和标准化水平，使学校管理者、教师和学生可以随时随地通过网络完成考试。
在线考试系统可以动态地管理各种考试信息，有效防止教师在复习时指定重点，真正实现教考分离，要求学生必须全面掌握知识点，触发学生学习兴趣，有效地减轻教师和考核部门工作负担，提高各部门工作效率。
1 在线考试系统功能
在线考试系统中只要拥有完善的题库，便可自动完成试题生成、提交试卷、成绩批阅等功能。它具有阅卷快、成绩给出及时的特点，有效减轻教师工作负担，提高教师工作效率。由于机器阅卷，既节约成本，又避免人为错误，还减轻了教师的工作量，更有效的避免人为因素，提高考试的公平性和公正性。
基于系统功能需求，在线考试系统可分为学生、教师、管理员三大功能模块。学生登录，可以修改密码，查看个人信息，选择试卷，进行考试等。教师登录，可以修改密码，查看信息，进行试题类型及题库管理。题型包括选择、填空、判断、简答、操作题等，添加试题时应同步添加试题所属的知识点及难易程度，以便于组卷。学生考试完毕，教师可以调出试卷，实现阅卷。管理员登录，可以管理各用户信息。系统详细功能模块如图1。
2 组卷策略
2.1 组卷算法基础
在线考试系统由不同类型题目组成试题库，试题拥有不同考核对象、不同难度、不同知识侧重点等属性值。在试题库中随机选题，实际是按用户提出的要求，或考核对象的特点有针对性地选题组卷，即依照多个约束条件对题目进行重组和优化。最简单组卷算法是随机抽取法，此法组卷速度快。组卷算法还可用回溯法、遗传算法、模拟退火算法等，由于题目难度、知识侧重点等约束条件，组卷算法可能因满足部分约束条件而导致组卷失败，或组卷效率低下，或无法实时、高效、快捷的随机组卷。
系统自动组卷时，生成试卷的质量需符合要求。从试题库中选择每道题，都要受总题量、难度、题型及比例、章节比例、知识点的交叉与综合等条件的约束，最终生成试卷肯定要达到各项指标间的平衡，此平衡即为试卷的全局约束条件，当局部约束趋于平衡时就得到满足全局约束的最终解。故在组卷前，应为自动组卷建立控制指标的状态空间，空间的行由试题的控制指标（题号、题型、章节、难度等）组成，列是题库中某指标的全部取值，将属性指标进行编码。试题库每道试题在建立时应输入属性指标，设计试题数据库时，题库表中试题属性确定，建立合理题库结构，是组卷成功和高效操作数据库的重要环节。
2.2 遗传算法
组卷是多重约束条件下的组合优化，遗传算法作为新型的、模拟生物进化过程的随机化搜索、优化方法，近年在组合优化领域得到广泛研究和应用，在解决组合优化问题中显示了良好性能和效果。
实现遗传算法的主要技术有：基于数据库技术的试题库建立和维护；遗传算法的编码方案，初始群体的选择，适应函数的选择，交叉、变异的操作定义，最优保存策略，根据用户组卷要求确保遗传算法收敛。具体实现步骤如下：
（1）根据出题要求，规划状态空间库的数据，对属性指标编码。
（2）初始化试题库。随机从题库中抽出一组试题进行编号，确定合适的交换概率和变异概率，并定义其适应值。
（3）从试题库取出一组试题，将其编号与状态空间库中的指标进行匹配。若匹配，适应值为1，否则适应值为0。
（4）进行淘汰选择，保留具有高适应值的试题组。即把适应值为0的试题组去掉，则生成新试题模型a。
（5）重复步骤2生成新试题模型b。随机选取模型a和b按交换概率，交换彼此位串中对应的值，产生新试题模型a和b。
（6）按变异概率从题库中随机选出试题模型进行基因突变，产生新试题模型。
（7）完成选择、交叉、变异后，对产生的试题模型，按照事先确定的误差精度进行收敛性判别，若其适应度高，试题组卷成功，输出考试试题，组卷结束。若其适应度低，转步骤3重新选取试题组匹配交叉变异。
采用遗传算法组题，交换概率和变异概率值的确定很重要。交换概率太小使选题工作进展缓慢，太大会破坏适应值高的试题模型，其值一般规定为0.4。变异概率太小不能产生新的试题模型，太大会产生过多的试题模型，其值宜为0.1。
3 结束语
系统自动生成试卷实质是遵循某种选题策略，从试题库选出试题组，使它们所有属性都在一定取值范围内满足出卷人的期望指标，其核心是多目标选题策略。针对此问题的特点，建立数学模型，给出基于矩阵编码的遗传算法，有效地解决考试系统自动组卷， 具有较好的性能和实用性。
在线考试系统以特有的组织及实现方式，高效运行过程，在实际教学和培训中发挥积极作用，不断改进并完善遗传算法，系统才能自动快速从试题库中查找、组织出不同类型、不同难度、不同章节范围内的试题，生成符合要求的、合理的试卷。
参考文献：
[1]马宗梅.遗传算法在考试系统组卷中的应用与研究[D].郑州大学，2009.
[2]赵加江.基于改进遗传算法的自动组卷研究[D].辽宁工程技术大学，2010.
[3]李璐璐.基于UML的计算机组卷系统的分析与设计[D].长春理工大学，2010.
[4]杨巍巍.网络考试系统中关键技术的研究与应用[D].哈尔滨工程大学，2010.
[作者简介]夏超群（1973-），女，讲师，武汉工程职业技术学院，研究方向：计算机程序设计。
关键词：在线考试系统；组卷；遗传算法
中图分类号：TP311.52 文献标识码：A 文章编号：1007-9599 （2013） 04-0000-02
考试作为衡量教学质量的重要手段，在教学过程中占据重要位置。随着计算机应用的逐步拓展，数字化、网络时代的到来，各行各业均充分利用计算机功能，为工作或生活带来便利。教育亦紧跟科技发展步伐，基于互联网的无纸考试模式——在线考试系统应运而生。这种新考试模式，利用网络资源，令考务管理突破时空限制，提高考试工作效率和标准化水平，使学校管理者、教师和学生可以随时随地通过网络完成考试。
在线考试系统可以动态地管理各种考试信息，有效防止教师在复习时指定重点，真正实现教考分离，要求学生必须全面掌握知识点，触发学生学习兴趣，有效地减轻教师和考核部门工作负担，提高各部门工作效率。
1 在线考试系统功能
在线考试系统中只要拥有完善的题库，便可自动完成试题生成、提交试卷、成绩批阅等功能。它具有阅卷快、成绩给出及时的特点，有效减轻教师工作负担，提高教师工作效率。由于机器阅卷，既节约成本，又避免人为错误，还减轻了教师的工作量，更有效的避免人为因素，提高考试的公平性和公正性。
基于系统功能需求，在线考试系统可分为学生、教师、管理员三大功能模块。学生登录，可以修改密码，查看个人信息，选择试卷，进行考试等。教师登录，可以修改密码，查看信息，进行试题类型及题库管理。题型包括选择、填空、判断、简答、操作题等，添加试题时应同步添加试题所属的知识点及难易程度，以便于组卷。学生考试完毕，教师可以调出试卷，实现阅卷。管理员登录，可以管理各用户信息。系统详细功能模块如图1。
2 组卷策略
2.1 组卷算法基础
在线考试系统由不同类型题目组成试题库，试题拥有不同考核对象、不同难度、不同知识侧重点等属性值。在试题库中随机选题，实际是按用户提出的要求，或考核对象的特点有针对性地选题组卷，即依照多个约束条件对题目进行重组和优化。最简单组卷算法是随机抽取法，此法组卷速度快。组卷算法还可用回溯法、遗传算法、模拟退火算法等，由于题目难度、知识侧重点等约束条件，组卷算法可能因满足部分约束条件而导致组卷失败，或组卷效率低下，或无法实时、高效、快捷的随机组卷。
系统自动组卷时，生成试卷的质量需符合要求。从试题库中选择每道题，都要受总题量、难度、题型及比例、章节比例、知识点的交叉与综合等条件的约束，最终生成试卷肯定要达到各项指标间的平衡，此平衡即为试卷的全局约束条件，当局部约束趋于平衡时就得到满足全局约束的最终解。故在组卷前，应为自动组卷建立控制指标的状态空间，空间的行由试题的控制指标（题号、题型、章节、难度等）组成，列是题库中某指标的全部取值，将属性指标进行编码。试题库每道试题在建立时应输入属性指标，设计试题数据库时，题库表中试题属性确定，建立合理题库结构，是组卷成功和高效操作数据库的重要环节。
2.2 遗传算法
组卷是多重约束条件下的组合优化，遗传算法作为新型的、模拟生物进化过程的随机化搜索、优化方法，近年在组合优化领域得到广泛研究和应用，在解决组合优化问题中显示了良好性能和效果。
实现遗传算法的主要技术有：基于数据库技术的试题库建立和维护；遗传算法的编码方案，初始群体的选择，适应函数的选择，交叉、变异的操作定义，最优保存策略，根据用户组卷要求确保遗传算法收敛。具体实现步骤如下：
（1）根据出题要求，规划状态空间库的数据，对属性指标编码。
（2）初始化试题库。随机从题库中抽出一组试题进行编号，确定合适的交换概率和变异概率，并定义其适应值。
（3）从试题库取出一组试题，将其编号与状态空间库中的指标进行匹配。若匹配，适应值为1，否则适应值为0。
（4）进行淘汰选择，保留具有高适应值的试题组。即把适应值为0的试题组去掉，则生成新试题模型a。
（5）重复步骤2生成新试题模型b。随机选取模型a和b按交换概率，交换彼此位串中对应的值，产生新试题模型a和b。
（6）按变异概率从题库中随机选出试题模型进行基因突变，产生新试题模型。
（7）完成选择、交叉、变异后，对产生的试题模型，按照事先确定的误差精度进行收敛性判别，若其适应度高，试题组卷成功，输出考试试题，组卷结束。若其适应度低，转步骤3重新选取试题组匹配交叉变异。
采用遗传算法组题，交换概率和变异概率值的确定很重要。交换概率太小使选题工作进展缓慢，太大会破坏适应值高的试题模型，其值一般规定为0.4。变异概率太小不能产生新的试题模型，太大会产生过多的试题模型，其值宜为0.1。
3 结束语
系统自动生成试卷实质是遵循某种选题策略，从试题库选出试题组，使它们所有属性都在一定取值范围内满足出卷人的期望指标，其核心是多目标选题策略。针对此问题的特点，建立数学模型，给出基于矩阵编码的遗传算法，有效地解决考试系统自动组卷， 具有较好的性能和实用性。
在线考试系统以特有的组织及实现方式，高效运行过程，在实际教学和培训中发挥积极作用，不断改进并完善遗传算法，系统才能自动快速从试题库中查找、组织出不同类型、不同难度、不同章节范围内的试题，生成符合要求的、合理的试卷。
参考文献：
[1]马宗梅.遗传算法在考试系统组卷中的应用与研究[D].郑州大学，2009.
[2]赵加江.基于改进遗传算法的自动组卷研究[D].辽宁工程技术大学，2010.
[3]李璐璐.基于UML的计算机组卷系统的分析与设计[D].长春理工大学，2010.
[4]杨巍巍.网络考试系统中关键技术的研究与应用[D].哈尔滨工程大学，2010.
[作者简介]夏超群（1973-），女，讲师，武汉工程职业技术学院，研究方向：计算机程序设计。