基于遗传算法的自动组卷平台构建研究

吴文珍++王辉

摘要：本文提出了一种基于遗传算法的自动组卷平台构建模式，可在试题库中按照预先设置好的试卷和试题约束条件自动快速搜索合适的试题，最终组成一套最佳试卷，进而帮助教师更好地全面考核学生掌握程度。

Abstract： This paper proposes an automatic test paper generation platform construction mode based on Genetic Algorithm， which can automatically search the appropriate test questions in the test database according to the pre-established test papers and test constraints， finally form a set of best papers， to help teachers better comprehensively assess the level of the students.

关键词：遗传算法；自动组卷；平台构建

Key words： genetic algorithm；automatic generating test paper；platform construction

中图分类号：TP18 文献标识码：A 文章编号：1006-4311（2017）05-0247-02

1 概述

随着计算机辅助教学的深入，利用计算机代替人工完成自动组卷功能，将进一步解决试卷质量的控制问题，减轻教师的出卷工作量。自动组卷就是根据教学大纲的要求，由教师设置各种参数后，利用计算机从试题库中自动选择符合要求的试题，组成一套最佳试卷用于考试[1]。

遗传算法是一种模拟自然选择，以及自然遗传机制的随机优化算法，它能按照不同的环境产生不同的后代，具有很强的自适应性和动态性，因此该算法可满足本研究自动组卷题库不断变化的需求[2]。同时，遗传算法具有内在并行性，能够有效地解决计算量过大的问题，具有全局寻优和收敛速度快的特点，更适合解决大量试题库的自动组卷问题[3，4]。

2 成卷参数与模型

我们可以把每一道题目都设置多种参数，将其理解为多维度参数集合。每一份试卷都是多种参数的试题集合体，同时，每份试卷也具有多维度参数。

2.1 有关组卷的各项参数属性

本文将成卷问题的定义为：根据输入的各种组卷条件，由计算机自动选择出最接近组卷需求的最佳试卷，并将其输出。试卷质量主要体现在试卷的整体难度、题型类别、试题曝光度以及参考教学大纲的考试范围覆盖度上。其中，整体难度又可细分为试卷的总体难度、各类型试题的难度分布、题型难度等。每份试卷应由多维度参数的试题组成，试卷质量的优劣要根据所选试题的各维度参数属性综合决定。对于组卷的每道试题，其相关属性有：试题类别、所选章节、层次、试题题型、难度级别、难度系数以及试题所占分值等十余个多维属性。但是根据实际应用效果来看，如果选择了过多的组卷约束条件，一方面会明显增加实际组卷难度，大大降低了组卷效率，成卷效果并不是很好。通过对该问题的综合分析与研究，组卷过程中，试卷和试题的各个约束条件的重要性是各不相同的，实际上，某些约束条件彼此之间也存在着一定的内在联系，因此在实际应用时，完全可以，也有必要精简组卷的约束条件，并对其权值做出统一设置。

2.2 有关组卷的试卷属性

根据前文分析，本研究中所选择组卷的试卷属性包括：自定义章节编号、试题题型、自定义试题编号、试题难度等级、曝光度。

2.3 成卷模型

成卷的目标是要利用计算机，通过自动搜索试题库寻求最优试题，找出最接近输入参数的最佳组卷方案。前文提出的成卷参数（章节编号、试题题型、试题编号、试题难度等级、曝光度）由命题人在每次成卷前，根据考试目的、考试要求以及参考人群的不同进行各种参数输入设置。其中，在成卷参数中，每份试卷的题量多少、试题题型、试题分值是必须要满足的必要条件。計算机自动搜索题库生成试卷时，首先根据命题人设定的题型、题量进行预处理，在系统自动组卷过程中，不会改变这两个条件，保证了计算机自动搜索题库生成的试卷完全符合命题人要求。在降低成卷难度系数的同时，又进一步提高了组卷效率。

2.4 试题的约束关系

组卷中决定选择一道试题，就是根据每道试题的五个属性（章节编号、试题题型、试题编号、试题难度等级、曝光度），组成一份N道试题的试卷。选择的过程就是从试题库中按照设定的参数自动选取N道试题，组成一个矩阵，其中，每一列代表一个试题属性，总共为5列，每一行代表一道完整试题，总共为N行。利用解空间X5决定一个M行5列的矩阵（其中，M为试题总量，5为试题属性总量，本研究设定选择5个试题属性）。

3 数学模型建立

组卷过程就是从预先设定好的大量试题库中，利用某种算法，自动选择出符合用户设置组卷多个约束条件的试题过程。相比之下，遗传算法恰恰在全局寻优方面具有很大优势，比其他算法更适合应用在本研究中。

因此，试题组卷的整个过程可以理解为从数据库（即试题库）中自动搜索出一个个满足某些约束条件的子集（即满足试卷各个约束条件的试题），为了衡量搜索到的子集是否能够满足设定的约束条件，就需要引入目标函数作为辅助。在本文中，将遗传算法的目标函数设定为，试题组卷时所需要抽取的试题取值与原定理论值之间的最小值。假设，每道试题的约束条件对应函数均为f（x），则本文中建立的优化数学模型需要五个约束条件，因此对应函数公式如下：

F（x）=（f1（x），f2（x），f3（x），f4（x），f5（x））

=■ai+■bj+■ck+■dh+■el（1）

其中，ai为试卷中所有具有第i种试题编号的试题分数之和与第i种试题编号要求的分数值ai的差的绝对值；bj、ck、dh、el以此类推。

4 实施效果

从应用的实施效果来看，教师只需把每章节相关知识点、各种题型的试题以及试题分值等基本约束属性录入试题库。组卷前，根据用户预先设定好的试卷题量、试题题型、试题难易程度、分值填好数字参数即可完成自动组卷。这样由计算机自动搜索形成的试卷，从一定程度上减轻了教师的工作量，而且使得笔试考核更加客观、公正，全面检测学生的真实学习效果。

参考文献：

[1]王辉，潘俊辉，冯亚丽.基于高校的教学效果考试测评方法改革与探索[J].教育理论与教学研究，2014（6）：153.

[2]冯长宝.一种基于遗传算法的智能组卷模型与系统设计[J].东北师范大学学报，2010.

[3]韩蕾.基于遗传算法的自动组卷系统的研究与实现[J].中国海洋大学学报，2010.

[4]翁健高，李文.文本型试卷随机组卷系统的设计与实现[J].大众科技，2011（5）.