论文部分内容阅读
在线考试作为网络时代产物之一，是远程教育的重要组成部分，具有成本低、效率高等优点，而在线考试的测试过程及结果评定直接关系到教学测评的准确性和客观性，也影响到教学质量的好坏。传统的在线考试系统以传统测量理论为基础，不同能力水平的应试者都要接受同一批试题的测试，不能考察出每个应试者的实际能力。计算机自适应考试(Computer Adaptive Testing，CAT)的出现给在线考试注入了新的能量，成为当今研究的热点。计算机自适应考试以项目反应理论为基础，根据应试者答题情况动态抽取考题，能够做到“因人施测”，从而使得考试结果更科学、更具参考价值，也能增强学生参加考试的积极性。 本文在改进自适应考试选题策略的基础上，以《大学计算机》课程为例，完成了计算机自适应考试系统的总体设计与具体开发，建立了《大学计算机》的自适应考试题库，供自适应考试时使用。选题策略的好坏直接影响到自适应考试结果的客观性，本文在比较各种自适应考试选题策略的基础上，提出了一种基于分层选题策略的混合参数选题模型，弥补传统选题策略在测试安全、效率方面存在的局限，将实际教学目标考虑在内，加入由专家根据教学目标定值的试题权重因子，并将试题使用次数与题库中试题使用总次数比值考虑在内。 实验与系统测试结果表明，本计算机自适应考试系统实现了自适应考试的功能，系统运行稳定，能够为学生提供更快的在线考试、更精确的能力估计。与传统的分层选题策略相比，本文提出的选题模型也更能使考试与教学目标相适应，防止试题的过度曝光、提高考试的效度。此系统的完成增强了考试的灵活性，为学校考试改革提供了新的思路。