|
1.1.2 在线考试在国内的发展状况 国内网络教育和网络大学已经兴起，通过对国内网上学校了解发现，网上课程考试支撑系统明显不足。我国的网络学院的开办，作为网络课程重要的组成部分的网络考试系统也有很多地方开发过，如北京师范大学的网络教学平台，其测试考核自动化，但是功能单一，只能适用于计算机应用操作考试，网络版扩展性能差，采用的是两层 GS结构，只能在局域网内使用；上海交大也开发了一个网络考试平台，它的试题库做不得错，但是实时在线考试功能较差。不少高校及科研单位也开发了各门各类的基于WEB的在线考试系统投人实际应用。除了前文提及的教育部现代远程教育试点网络学院正在研究和试用在线考试系统外，一些大规模高校的部分计算机学科，特别是基础学科也在制作和试验使用在线考试系统来进行无纸化考试，如华中理工大学，上海同济大学。国内也有一些报道网络考试系统的开发。 copyright paper51.com 大型的教育培训机构由于面向的培训对象分布范围广，他们是研制和使用在线考试系统的积极力量。如全球最大的信息技术教育培训和提供IT解决方案的跨国公司之一MIT(印度国家信息学院)，它在中国的培训2004起全面实行其学生网上在线考试系统进行考试。 内容来自www.paper51.com
1.1.3 小结 内容来自www.paper51.com 综观现有的网络课程，多数还是处于资源建设阶段，配套成熟的网络考试系统不多。通过对一些远程教育学校、市场上的在线考试系统分析，总结如下。 copyright paper51.com 基于WEB的在线考试系统的特点： 内容来自www.paper51.com (1)实现考试的远程化。可以不受时间和空间限制的开展考试，不必将考生集中到一个具体的考场。 内容来自www.paper51.com (2)测试方式多样化。可以针对客观题、如选择题，也可以针对主观题，如填空题、简答题。 内容来自论文无忧网 www.paper51.com
(3)实现了考试和评的自动化。除了部分主观题，在线考试系统都可以在考试结束后自动地立即评阅考卷，从而快速得到考试结果。体现了高效与准确。 http://www.paper51.com (4)充分发挥教师的主动性。教师(或管理员)可以较方便地对题库进行增添、删除、修改等维护工作。 copyright paper51.com (5)可自动对学习者的考试结果进行记录和处理，为面向学习者的个别指导提供依据。 内容来自论文无忧网 www.paper51.com 目前市场上的考试系统的缺点: 内容来自www.paper51.com
(l)缺乏开放性。由于考试系统是一个复杂的工程，其维护、管理、更新、数据统计分析等都是由专业人员来进行，系统比较封闭。教师在其中只能使用部分功能，这样无法在实际教学中真正发挥其作用。 http://www.paper51.com (2)安全性。当前的考试系统大多没有足够的安全性和完整性考虑。在开放的Internet空间，这样的考试就不能保证考试的信度。 paper51.com (3)智能化不高。早期的出题系统要么由人手工出题目，所有的考生采用同一套试题；即使是电脑出题，但是由于是单机版的，使数据的收集和处理都变得比较费时和困难，并且在考试出题的时候，大多采用的是随机出题法和回溯试探法。 内容来自www.paper51.com (4)智能试题库中试题属性值的确定问题不规范。 paper51.com 本文主要针对第(3)(4)开发一个智能化程度高的自动组卷的考试系统，这个系统采用网络数据库，其中的出题部分具有全局寻优和出题速度快的特点，并具有强大的数据收集和处理的功能，同时也尝试解决好试题库试题属性的确定问题。 http://www.paper51.com 1.2 考试系统组卷算法的发展和概述 paper51.com 组卷系统是实现智能计算机教学系统的一个重要的组成部分，自动组卷是考试系统自动化或半自动化操作的核心目标之一，它就是按照教师和教学要求，由计算机自动从试题库中选择试题，组合成一份符合要求的试卷，而如何保证生成的试卷能最大程度的满足用户的不同需要，并具有随机性、科学性、合理性，这是实现中的一个难点。尤其在交互式环境下拥护对于组卷速度要求较高，而一个理论上较完美的算法可能会以牺牲时间作为代价，往往不能达到预期的效果。因此，选择一个高效、科学、合理的算法是自动组卷的关键。 内容来自论文无忧网 www.paper51.com 以往的具有自动组卷功能的考试系统大多采用随机选取法和回溯试探法。 内容来自论文无忧网 www.paper51.com 随机选取法根据状态空间的控制指标，由计算机随机的抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。简而言之，组卷时显得较死板，无法满足题库多变要求，且不具有智能性。 内容来自论文无忧网 www.paper51.com 回溯试探法这是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好，但是在实际到一个应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。简而言之，对内存的占用量很大，程序结构相对比较复杂，组卷速度较慢，选取试题缺乏随机性，且难以满足所有的约束条件。 内容来自论文无忧网 www.paper51.com 分析上述两种算法的优缺点，不难发现，在限制条件状态空间的控制下，随机选取法有时能够抽取出一组令用户满意的试题。只不过由于它随机选取试题的范围太大，无法确定目前条件下哪些区域能够抽取合适的试题，反而可能在那些已经证明是无法抽取合适试题的区域内反复选题，进行大量的无效操作进入死循环，最终导致组卷失败。回溯试探法组卷成功率高，但它是以牺牲大量的时间为代价的，对于现今越来越流行的考生网上随机即时调题的考试过程来说，它已不符合要求。 内容来自www.paper51.com
1.3遗传算法概述 copyright paper51.com 遗传算法是一种仿生优化算法。它的产生归功于美国Michigan大学的Holland在20世纪60年代末、70年代初的开创性工作，其本意是在人工适应系统中设计的一种基于自然演化原理搜索机制。大约在同一时间，Fogel和Rechenberg及Schwefel，引入了另两种基于自然演化原理的算法，演化程序（Emvolutionary Programming）和演化策略（Evolution Strategies）这三种算法构成了目前的演化计算领域的三大分支，它们从不同层次、不同角度模拟自然原理，以达到求解问题的目的。 http://www.paper51.com Holland不仅涉及了遗传算法的模拟与操作原理，更重要的是，他引用统计决策理论对遗传算法的搜索机理进行了理论分析，建立了著名的Scheme定理和隐含并行性（ImplicitParallelism）原理，为遗传算法的发展奠定了基础。将遗传算法应用于函数优化始于De Jong，他在其博士论文中设计了一系列遗传算法的执行策略和性能评价指标，对遗传算法性能作了大量的分析。De Jone的在线(on-line)和离线(off-line)指标仍是目前衡量遗传算法性能的主要手段。在Holland和De Jone的工作之后，遗传算法经历了一个相对平稳的发展时期，逐渐被人们所接受和应用。遗传算法的发展高潮开始于20世纪80年代末，而且延续至今。人们对遗传算法兴趣的日益增长有两个背景，其一是工程领域，特别是人工智能与控制领域，不断涌现出超大规模的非线性系统，在这些系统的研究中存在着大量的经典优化、模糊系统中模型规则的问题，诸如神经网络连接权重及网络拓扑结构的优化、模糊系统中模型规则的选取、知识库的维护及更新等。其二，遗传算法本身就是模拟自然演化则以学习过程的求解问题方法，它能以独立的或与其他方法相结合的形式用于智能及其学习系统的设计中。 内容来自论文无忧网 www.paper51.com 作为一种优化搜索算法，遗传算法相对于其他算法所具有的优势在于： 内容来自论文无忧网 www.paper51.com （1）遗传算法的操作对象是一组可行解，而非单个可行解，搜索轨道有多条，而非单条，因而具有良好的并行性。 内容来自www.paper51.com （2）遗传算法只需利用目标的取值信息，而无需梯度等价值信息，因而适用于任何大规模、高度非线形的不连续多峰函数的优化以及无解析式的目标函数的优化，具有良好的并行性。 paper51.com （3）遗传算法择优机制是一种“软”选择，加上其良好的并行性，使它具有良好的全局优化性和稳健性。 http://www.paper51.com （4）遗传算法操作的可行解是经过编码化的，目标函数解释为编码化个体的适应值，因而具有良好的可操作性与简单性。 copyright paper51.com （5）遗传算法易于和别的技术（如神经网络、模糊推理、混沌行为和人工生命等）相结合，形成性能更优的问题求解方法。 内容来自论文无忧网 www.paper51.com 遗传算法的操作的是一群编码化的可行解，称作种群。它通过种群的更新与迭代来搜索全局最优解。种群的迭代是通过选择、杂交和变异等具有生物意义的遗传算法来实现的。Holland的最初模型中采用的是二进制定长编码和固定规模种群，遗传算法的主要形式为比例选择、单点杂交和位变异。它的一般步骤主要包括： copyright paper51.com （1） 编码方法 它主要是通过编码把种群的各种属性表示出来，编码的方法有多种，主要有二进制编码、灰色编码、动态参数编码（Dynamic parameter encoding）、多值编码、区间值编码等等。 内容来自www.paper51.com （2） 选择机制 选择是遗传算法中最主要的机制，也是影响遗传算法性能最主要的因素。选择压（ selective pressure）描述了选择机制挑选种群不同个体做母体的概率大小的差异。 copyright paper51.com （3） 杂交与变异机制 杂交和变异是一种有效的优化技术，它通过对杂交变异概率的适应性的调整、最优变异概率的确定，能使系统到达一个非常逼近期望值的解。 http://www.paper51.com
（4） 遗传算法的收敛原则 遗传算法的目标是寻求最优解，而完成的过程是随机搜索过程，它的收敛主要是通过马氏链的极限理论分析而得到的。 paper51.com
paper51.com 1.5研究的目的和意义 内容来自www.paper51.com 对于用电脑进行出题考试涉及到组卷抽题的问题，国内外的许多科研单位、学校机构都在对组卷进行研究。虽然组卷系统是一个被探讨了很长的时间问题，但至今还没有一个很好的解决其自动出题的算法方案，自动组卷的效率与质量完全取决于抽题算法的设计，如何设计一个算法从题库中既快又好的抽出一组最符合考方要求的试题，涉及到一个全局寻优和收敛速度快慢的问题，很多学者对其进行了研究。以前所采用的算法大多是随机选取法和回溯试探法，但是在实际的操作过程中，却发现它们不是耗费的时间很大就是容易进入死循环。遗传算法(Genetic Algorithms)以其具有自适应全局寻优和智能搜索技术，并且收敛性好的特性能很好的满足自动考试组卷的要求。 http://www.paper51.com 本文在对组卷系统进行研究的时候，在题库理论和组卷策略的基础上利用遗传算法理论，来探讨一种合适的算法解决考试系统中自动出题的问题，同时在此基础上，应用ASP语言生成一个基于网络的考试系统。 内容来自www.paper51.com
2 理论基础 内容来自www.paper51.com
2.1 题库技术 内容来自论文无忧网 www.paper51.com 2.1.1 题库发展 http://www.paper51.com 考试在我国古代就已经有了很大的发展，在1300多年前就有了科举制度。当然这种考试不规范、不严密，不能客观、准确地评估一个人的能力水平。但科举制度鼓励勤奋，激发了全社会的奋发向上的道德力量，对中国文化的传承、发展有重大的作用。 内容来自www.paper51.com 第二次世界大战结束后，世界经济进人高速发展时期，各行业的竞争也越来越激烈。这就对各类人员的知识、能力水平提出了更高更新的要求。于是，客观、准确、高效率地评估一个人的知识、能力水平，不仅是教育系统，而且是经济和管理领域的一项极其重要的工作。考试在社会生活中的地位进一步提高、考试事业获得了前所未有的大规模的发展。 http://www.paper51.com 随着计算机应用的普及，为计算机管理试题库提供了可能，同时也促进了试题库理论和实践的发展。七十年代，试题库建设形成较完善的经典理论体系，即CTT。 paper51.com 目前，经济发达国家已经建立了完善的考试专业机构。各机构也都根据自己所承担的职能，建立起了大型题库。如 “律师资格考试”、“GRE 考试”，以及计算机方面的“Cisco职业资格认证”、“Microsoft职业资格认证”、“计算机等级考试”等。 http://www.paper51.com 从我国恢复高考制度以后，随着高考标准化的实施，以及其他大规模考试的建立，尤其是微型计算机的快速发展，这些都为题库建设提供了基础条件。 内容来自www.paper51.com 自从80年代中期以来，出现了多所学校或行政机构联合开发试题库的局面，如1986年北京大学，南京大学等30多所学校的200多位教师共同合作，开发了 “高等化学试题库”。于 1991年完成首期工作，1995年完成第二期工作，并商品化在全国推广。同时，也出现了许多其他学科的试题库，较成功的主要有:高等数学试题库，普通物理试题库等。90年代前后，政府部门在全国范围内有计划、有组织、系统地开展CAI教学与国家试题库的建设。“八五”期间，我国对试题库的建设立项，主要有数学、物理、化学、生物等 4个基础学科。这些对题库的建设工作进行了全面推进。 http://www.paper51.com |