版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、江西師范大學(xué)碩士學(xué)位論文基于IRT模型的題庫智能組卷策略姓名:李佳申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:丁樹良20070401AbstractOneoftheimportantapplications011ComputerAssistedInstruction(CAI)isComputerBasedTesting(CBT),assemblingtestantomatieallynotonlyisthebaseofCBT,but
2、alsoistheimportantcomponentofCAIThemostimportantkeyonthetestconstructioncou僦ishowtosolvetheseverelyconstrainedproblemsrsuchascontentbalancing,typebalancing,total伊叫eete)Ancwtestconstructionstrategymaximizingtheconstraints
3、weightedinformation(MaxCWDstrategybasedonItemResponseTheory(IRDisproposedinthispaperComparedwiththeLinearProgramming(LP)testeonstrucfionsWategyMaxCWIstrategyhassuchadvantages,(1)Itcanbypassthecomputationalintensityandalg
4、orithmiealsophisticationofthemathematicalprogrammingapproaches,thecomplexityoftimecomesdownfrom研)toO(n2l092玎),SOitcallbeeasilyimplementedinthecurrenttesteonstruetionautomatically(2)SimulationsshowthatMax—CWIstrategyisver
5、yeffectiveinseverelyconstraintmanagementunder13Severeconstraints,iteBnproductmanytestswhichconformtothetestblueprintatthes鋤etimebycomputerthesetestsarecalledsuccessfulteststheitempool’Sutilizationratioisover63%Thisviewpo
6、inthash’tbeenmentionedininternalperiodicalsatpresent(3)AnewconceptiontheaveragetestinformationbywhichtheestiIn啦accuracyofeverytraitpomofexamineeisproposedinthisthesisTheresultsofMonteCarlostudyshowthatthecorrelationcoeff
7、icientbetweentheaveragetestinformationandthetestinformationisveryhighAtthesametime,anfwproblemarisesthesesuccessfultests’qualitiesaredifferentanditisunfairtotheexamineesfromdifferentbatchesonthesametypetestanditaffectsth
8、eassessmfntoftbeexaminee’SreliabledegreeseriouslyToconquertheilewproblemseveralotherMaxCWImethods,suchasa_straitifiedtestconstructionstrategyb—slraltifiedtestconstructions仃ategyandrandomMax_CWlstrategyareproposedinthispa
9、per皿eyalsoCanproductcopiesofsuccessfultestsandCalleffectivelyaveragethetotaltestinformationamongtheall—successfultestsSotheyCanimprovethetests’qualities,especiallythebehavioroftheiandonlMax_CWIstrategyisbestKeywords:Max_
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 《題庫智能組卷系統(tǒng)》組卷功能說明
- 題庫智能組卷系統(tǒng)說明
- 基于遺傳算法的智能組卷策略的研究.pdf
- 基于智能組卷策略的考試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于遺傳算法的試題庫智能組卷研究.pdf
- 自學(xué)考試通用題庫管理系統(tǒng)及其智能組卷策略的研究.pdf
- 基于智能組卷策略的測(cè)評(píng)系統(tǒng)研究和實(shí)現(xiàn).pdf
- 基于多策略改進(jìn)遺傳算法的智能組卷研究.pdf
- 基于智能組卷策略的網(wǎng)上考試系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于IRT展開模型的中學(xué)生學(xué)習(xí)策略量表的編制.pdf
- 基于遺傳算法的智能組卷與題庫系統(tǒng)的設(shè)計(jì).pdf
- 基于IRT展開模型的中學(xué)生學(xué)習(xí)態(tài)度測(cè)驗(yàn)的編制——CTT、IRT累積模型與IRT展開模型的比較.pdf
- 基于通用試題庫的智能組卷系統(tǒng)的開發(fā)與實(shí)現(xiàn).pdf
- 基于智能組卷策略的的在線考試系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于推理與遺傳算法的智能組卷模型與系統(tǒng)實(shí)現(xiàn).pdf
- 基于智能組卷策略在線作業(yè)和考試系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 智能組卷的數(shù)學(xué)模型和應(yīng)用算法研究.pdf
- 基于人工魚群算法的智能組卷研究.pdf
- 基于人工魚群算法的智能組卷研究
- 基于混合智能算法的自動(dòng)組卷研究.pdf
評(píng)論
0/150
提交評(píng)論