论文摘要
随着计算机辅助教学的不断发展,利用在线考试系统来代替传统的人工出卷是当前的一大趋势。其能够很好地完成智能组卷、卷面的评分、考试分析等。智能组卷功能能够自动生成符合各项约束条件的试卷。考试数据的深入挖掘分析能够从大量的考试数据中挖掘出有用的信息,从而指导课程教师今后的教学工作。本文正是基于这一背景,重点研究了在线考试系统中的智能组卷功能及考试数据挖掘分析功能,并采用ASP. NET技术进行开发实现。本文所做的主要工作如下：1.研究了智能组卷的数学模型。并分析了其中的试题属性、试卷属性、组卷的约束条件。为适应多门课程不同的需求,提出了改进的组卷数学模型,课程教师可根据课程的侧重点灵活选择组卷的主要约束条件,从而克服了所有课程的试卷的组卷约束条件千篇一律的缺陷。2.研究了智能组卷算法。基于遗传算法的快速收敛性及蚁群算法的正反馈性的优势,设计了改进的遗传算法融合蚁群算法的智能组卷算法。在本文中,首先介绍了遗传算法及蚁群算法的基本概况。然后分析了遗传算法与蚁群算法两种算法能够进行融合的基本思想。最后阐述了融合算法具体设计方法及改进策略。3.研究了融合算法中的遗传算法部分的改进策略。遗传算法部分的染色体采用了分段整数编码,其编码长度相比二进制编码大大缩短,并且分段整数编码方案也便于交叉算子及变异算子的设计。4.研究了融合算法中的蚁群算法部分的改进策略。将二元蚁群算法模型与整数编码相结合,提出了改进的二元蚁群算法模型。从而每只蚂蚁的染色体编码方案也采用整数编码,因而相比二进制编码其编码长度大为缩短,节省了存储空间,提高了算法的效率。5.研究了学生做错的习题之间的关联规则分析。本系统将关联规则的经典算法Apriori算法应用到了错误习题之间的关联规则分析上,通过关联规则挖掘,课程教师可了解到哪些知识点的联系是比较紧密的,在平时的教学过程中应当注重这些知识点之间的联系教学。
论文目录
相关论文文献
标签：在线考试系统论文; 智能组卷论文; 遗传蚁群融合算法论文; 错误习题关联规则论文; 算法论文;