经典测试理论中试题难度分析及计算方法

该文提供了经典测试理论卞客观性试题和主观性试题难度的计算方法，针对试卷的难度展开论述，为评估教师的教学能力和学生的学习能力提供科学的依据。     

一种海量题库难度系数和区分度动态优化模型

难度系数和区分度是衡量试题质量的两个重要参数。如何快速准确地获得试题的难度系数和区分度则是随机组卷考试系统海量题库建设中的一个难点。专门针对海量题库试题的难度系数和区分度提出了一种动态优化模型;该模型借助计算机的快速准确处理能力进行试题的实际难度系数和区分度的计算与优化,为出题者不断完善和优化试题内容提供科学合理的依据,从而提高海量题库命题的自动化和合理化水平。     

通过试题难度控制试卷难度方法的探讨

命题是考试工作中非常重要的一个环节。一份试卷中各个试题的难度以及各级难度试题所占的比例将最终决定一份试卷的难度。文章通过分析试题难度,对试题难度进行量化后,根据试卷中各级难度试题所占的比例计算整份试卷的难度。考试结束后根据实测试卷难度和预估的试卷难度进行比较,为以后的工作提供依据。     

大学高等数学考试系统的设计

在高校对不同层次不同专业的学生组出合适的高等数学试卷,学生的能力水平、试卷的难度系数和区分度是衡量试题质量的重要参数。如何快速准确地获得学生的能力水平、试题的难度系数和区分度则是随机组卷考试系统中的一个难点。文章提出了一种基于Logistic模型和矩阵理论的解决方案,该方案借助计算机强大的处理能力计算优化学生的实际能力水平以及试题的实际难度系数和区分度,从而提高题库命题的合理化水平。     

试卷难度评估体系与控制模型

给出了试题难度和试卷难度的一种评估指标体系,讨论了试题、试卷难度的控制方法,并给出了试卷难度的一种控制模型和实现思路,以及该难度控制技术在智能型试卷自动生成系统中的实现,为智能型试卷自动生成系统中试卷难度的控制提供了理论依据.     

2006高考理科综合试题（全国卷一）的特点：化学部分

2006年高考理科综合试题(全国卷一)化学试题符合《考试大纲》的基本要求,在理综测试中发挥了应有的考查功能,试题立足于能力立意,突出主干知识,适当考虑了对中学化学主要知识点的覆盖。试题长度适中,题目设计有层次,文字语言表述清楚、简洁,较好地贯彻了《考试大纲》的精神,试题的阅读量不大,可以使考生有充分的时间和空间进行深入思考。总体来看,试题难度适中,较好地体现了《考试大纲》中提出的“以中等难度题为主”的难度要求,没有出现偏题、怪题。虽然就化学试题本身来讲,总体难度不大,但是从它在理科综合试卷中的功能定位角度看,试题较…     

基于动态试题难度参数的智能组卷策略*

针对网络考试系统的即时性和高效性,提出了基于动态试题难度参数的智能组卷算法的设计策略,利用二项分布函数做难度曲线分布模型,结合目标函数对试题多种参数进行优化。根据试卷的整体难度,以试题难度参数为优先,运用试题选题参数调节知识点之间的平衡,试题曝光参数选取出卷频率比较低的试题,从而确定各种题型不同试题难度数量,实现快速自动组卷的目标。     

远程教学系统中几个关键模型研究

本文研究了远程教学系统中知识点关联模型、试题难度模型、学生能力评估模型、实时监控模型,提出知识点之间的关联是动态的,知识点体系结构可以转化为层状或网状的结构;试题难度是与系统相互作用并动态变化的;学生能力的评估模型可以很好地把学生能力这个模糊概念标量化。实时监督模型首次使用了基于时间的监控机制。     

试题库试题指标评价的分析与研究

本文以新疆医科大学教学改革项目题库建设为基础,建立对题库试题指标进行评价的系统,讨论研究了试题的难度、区分度、信度指标评价模型.尤其,在校级题库系统建立后,对于题库试题指标的监控评价及试题的使用提供支持.     

自适应考试难度的智能组卷过程的研究与实现

为了适应各类考试难度不断变化的需要,考试题库中试题的难度级别通常要服从正态分布并且各难度级别的试题被抽中的概率会随考试难度的变化而调整。本文采用离散定义域内正态分布数值法确定各难度级别要抽取的试题题量,进而采用分段分类法和线性乘同余方法均匀随机抽取各难度级别规定的试题题量来生成试卷。该方法具有流程简单、运行速度快、效率高、选题重点突出、适应试卷平均难度多变以及可行性好等特点,已经应用于会计综合考试平台中。     

基于SVM和KNN算法的科技文献自动分类研究

本文着重对SVM和KNN分类法进行分析,并结合实际的文档集测试了SVM和KNN分类法的性能,给出了实验数据。     

对简单向量距离文本分类算法的改进

分析了简单向量距离文本分类算法的不足,提出了相应的改进算法.把反馈思想引入简单向量距离分类模型,使文本分类系统具备了不断学习的能力.实验证明,改进后的文本分类模型适合于文本分类的需要,改善了原有分类器的性能.     

中文Web文本挖掘系统WebTextMiner开发

Web文本挖掘系统的开发对Web文本挖掘的研究有着很大的推进作用。因此在对基于SVM的中文网页分类器性能研究的基础上,根据研究和实用的需要,实现了一个性能较好的中文Web文本挖掘系统。     

基于本体的Web文本挖掘与信息检索

针对传统Web文本挖掘技术缺少语义理解能力的不足,提出并实现一种基于本体的Web文本挖掘模型,即利用基于本体概念体系的向量空间模型替代传统的向量空间模型来表示文档,在此基础上进行Web文本挖掘,并给出一种集成语义信息检索的设计。实验结果初步验证了本体模型在Web文本挖掘技术上应用的可行性。     

一个结合信息相关性分析的快速文本分类模型

如何准确地实现文本的有序组织，是自然语言处理的一个重要研究方向。本文首先介绍了文本分类的研究现状，讨论了基于向量空间模型的分类法的基本思想。在此基础上，通过对文本识别本质的研究，在向量空间模型的基础上，提出一种新的结合了信息相关性分析的文本分类模型ICFM(Information Correlation based Fast text categorization Model)，并以实验验证了该模型的性能。     

不等式最大熵中的特征选择方法

不等式最大熵模型较为成功地缓解了文本分类任务中的过拟合问题,但它使用的特征选择算法不能完全发挥不等式最大熵的最大优势。针对该问题提出采用改进的顺序前进式选择算法,提高文本分类任务中的识别率,试验结果证明该算法能够更准确地选出文本代表特征,对不等式最大熵模型的分类成绩有一定的改善。     

覆盖算法在文本分类中的应用

介绍了文本分类的基本过程以及朴素贝叶斯和K近邻算法等基本分类方法,给出了基于覆盖的构造性神经网络分类算法,并将其与朴素贝叶斯和KNN作了实验比较。结果表明,该算法具有较好的分类性能,适合于处理大规模的文本分类任务,从而有效地克服了传统文本分类算法的不足。     

覆盖算法在文本分类中的应用

介绍了文本分类的基本过程以及朴素贝叶斯和K近邻算法等基本分类方法，给出了基于覆盖的构造性神经粤络分类算法，并将其与朴素贝叶斯和KNN作了实验比较。结果表明，该算法具有较好的分类性能，适合于处理大规模的文本分类任务，从而有效地克服了传统文本分类算法的不足。     

Towards Written Text Recognition Based on Handwriting Experiences Using a Recurrent Neural Network

In this paper, we propose a model for recognizing written text through prediction of a handwriting sequence. The approach is based on findings in the brain sciences field. When recognizing written text, humans are said to unintentionally trace its handwriting sequence in their brains. Likewise, we aim to create a model that predicts a handwriting sequence from a static image of written text. The predicted handwriting sequence would be used to recognize the text. As the first step towards the goal, we created a model using neural networks, and evaluated the learning and recognition capability of the model using single Japanese characters. First, the handwriting image sequences for training are self-organized into image features using a self-organizing map. The self-organized image features are used to train the neuro-dynamics learning model. For recognition, we used both trained and untrained image sequences to evaluate the capability of the model to adapt to unknown data. The results of two experiments using 10 Japanese characters show the effectivity of the model.