论文部分内容阅读
目的
利用人工智能深度学习技术预测医师资格考试试题的难度，准确控制试卷难度。
方法利用构建属性模型与语义模型进行试题难度的预估，并将预估结果和专家预估结果与实测难度分别进行相关分析和重复测量方差分析，以评价采用模型进行医学试题难度预估的可行性和有效性。
结果对于某年整卷试题难度预估，属性模型预估结果与实测难度的皮尔森相关系数为0.266，略低于专家预估难度与实测难度的相关系数0.356，2个系数置信区间有交叉，差异无统计学意义(P>0.05)；语义模型预估结果与实测难度的皮尔森相关系数为0.512，高于专家预估难度与实测难度的相关系数0.356，2个系数置信区间无交叉，差异具有统计学意义(P<0.05)。重复测量方差分析发现，仅语义模型预估难度与实测难度的差异无统计学意义(P>0.05)。
结论使用语义模型预估的试题难度比专家预估的难度更接近实测难度，可以尝试将该方法在考前应用于试题难度预估，结合专家预估的结果共同指导组卷，从而更加客观、准确地把握试卷难度。