基于人工智能的考试系统设计与实现

柯岷

（黑龙江中医药大学语言实验中心，黑龙江哈尔滨150040）

人工智能是机器、系统等通过模拟人脑工作模式，而实现系统智能化管理的一门技术。随着人工智能（AI）大数据信息化时代的到来，学者们正在试图研究人工智能技术，并将其应用在教育方面[1-4]。基于AI的智能考试系统采用智能的神经网络算法使得系统具有深度学习和自我进化的能力，从而能够自动识别出学生在考试中所出现的错题，进而给学生制定效果最佳的学习计划。同时，还能实现对考试题目进行详细分类、筛选。此外，系统能够通过先行知识结构以及学生考试大数据来确定学生知识薄弱项，并挖掘出考试相关的知识薄弱点；采用考试系统产生的数据来收集学生的学习状况，并通过人工智能系统挖掘最佳的学习路径，从而做到因材施教，优化了学生的学习效率，最终提高学生的学习成绩。

文中依托网络技术，开发了基于人工智能的考试系统。其采用遗传算法实现系统的智能组卷功能，并通过Apriori算法对考试系统产生的海量数据进行挖掘、对考试结果评析以及识别考试知识薄弱点，使教师能根据数据挖掘结果对教学重点做出调整。

1 人工智能技术

人工智能技术是计算机科学领域的一个分支，其旨在研究如何使机器能够像人一样进行智能化工作。即用机器模仿并实现人类感知、思考、行动等人类智力行为。

人类智能所能完成的智能任务包括感知、思考和行动。感知包括视觉、触觉、听觉等，对应于人工智能即为机器视觉、触觉、听觉感知等；思考包括学习、理解等，对应于人工智能的机器学习、机器理解等；行动包括语言、动作、表情等，对应于人工智能就是语音合成、智能化控制等。两者的关系如图1所示。

图1 人工智能与人类智能的联系

因此，一个人工智能系统也是从感知、思考与行动三方面构成，如图2所示。此外，人工智能系统还应包括相应的实现算法。人工智能算法相当于机器的神经系统，其可以用于机器利用大量的数据进行深度学习，从而具备与人类类似的自我学习能力，促进机器的自我学习与自我进化，最终得到像人类大脑一样的智能化处理能力。其自我学习越多，智能化工作的能力则越强。

图2 人工智能技术体系架构

人工智能算法主要包括回归算法、聚类算法、人工神经网络、深度学习、类脑智能等算法，如图3所示。深度学习是人工智能神经网络基础上，经过构建多隐层神经网络模型，并通过大量数据进行模型训练，最终使得人工智能系统具备自我学习能力。

图3 人工智能算法理论模块

2 遗传算法

2.1 遗传算法概述

遗传算法[5-8]是一种搜索优化算法，该算法随着人工智能大数据时代的迅速发展而被研究学者应用在各个方面，其通常被用来解决复杂问题。该算法将现实中的实际问题抽象出具体的模型，对应具体的映射函数。遗传算法中有“初始种群”的定义，该定义类似于遗传学中的遗传基因信息存在于各个染色体中。该遗传算法中的初始种群将个体编码成位串模式，从而计算个体染色体适应值。其的具体流程，如图4所示。

图4 遗传算法的处理流程

2.2 遗传算法的编码方式

针对上文中遗传算法的处理流程，首先应解决的是个体的编码方式。在智能组卷中，遗传算法的编码方式采用分段二进制[9-10]。其的基本思想是将考试题目按题型划分段，每一种题型的总量决定编码位长；当确定位长之后，采样二进制编码方式对每一种题型进行编码。假设题库中有A，B，C三类题型，对应的试题数量为n1，n2，n3。则组卷的个体长度为n1+n2+n3长度的二进制串，其编码方式如图5所示。

图5 分段二进制数组编码串

其中

该编码方式简单易懂，实现也较为便捷。

3 考试系统概况分析与设计

3.1 系统整体结构图

本文设计的计算机系统中的人工智能考试系统，能够运用于在校学生第二语言科目中[11-16]。如图6所示为该系统功能的整体框架图。该系统中主要分为3个模块，分别为管理员功能模块、教师功能模块和学生功能模块。其中，管理员能够对教师或学生的信息进行统一管理；教师登录账号信息之后，可以对自身系统中拥有的功能模块进行操作；每位考生对应一个账号，学生在登录账号后可选择考试科目以及完成在线考试。

图6 系统功能整体结构图

3.2 系统数据库设计

针对图6中的系统整体框架设计的结构图，设计了相应的数据库表。如图7所示为各个数据库表之间的相互关系。该表的设计主要包含5张表，分别为用户信息表、试题表、试卷表、学生成绩表及答题表。

图7 数据表之间的实体关系图

4 系统的实现

如图8所示为教师登录系统时，显示的教师模块系统信息。教师登录账号信息之后，会在系统中显示教师的姓名与编号，并会出现试题管理、组卷管理、批改管理和试题分析这4个模块。其主页面清晰简单，且易于操作。

如图9所示为教师登录系统。点击考试分析、学生分析之后，会显示学生的各种信息。该功能可以分析学生的成绩情况，并能够将学生的学习情况以曲线图或柱状图、饼图的形式分析展示出来。从该图中的走势便可清晰的了解，该学生某一个阶段以来某课程学习的情况。进而突破了传统教师对学生进行每次手工记录与分析对比的繁琐。

图8 在线考试系统教师登录界面

图9 在线考试系统

5 结束语

通过考试能够对学生所掌握的知识点进行差缺补漏，然而这需要教师以及学生自身总结考试错题。随着计算机技术的发展，考试逐渐通过无纸化的考试系统进行。传统的考试系统功能较为单一，且有大量考试数据被遗留而未利用。为此，本文采用人工智能技术，开发了基于人工智能的考试系统。其通过最先进的计算机高级算法，实现系统的深度学习和自我进化；用遗传算法实现系统的智能组卷功能，对录入考试题目进行详细分类、筛选，并通过海量数据挖掘考生相关薄弱知识点，从而精准定位学生薄弱项，使教师能够根据数据挖掘结果对其自身的教学重点做出调整。进而真正意义上做到因材施教，优化学习效率，提高学习成绩。