[發明專利]一種面向學生能力的Bayes分級評價算法和系統

在審

• 申請號: 202111166191.5
• 申請日: 2021-09-30
• 公開（公告）號: CN113887957A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 李志軍;高楊;徐繼寧;胡敦利;董文浩;馮彥章
• 申請（專利權）人: 北方工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06Q50/20
• 代理公司: 北京卓愛普專利代理事務所(特殊普通合伙) 11920
• 代理人: 王玉松

本發明的有益效果在于，提出了一種面向學生能力的Bayes分級評價算法和系統，它能夠基于能力導向描述學生對領域知識的學習，進而實現對學生能力的定量評價，并在系統中以可視化呈現出來。

技術領域

本發明屬于心理測量學和教育測量學、學習能力與學情分析測評、經典測量理論和項目反應理論、自適應學習系統領域，特別涉及一種面向學生能力的Bayes分級評價算法和系統。

背景技術

項目反應理論(Item Response Theory)也稱潛在特質理論或潛在特質模型，是一種現代心理測量理論，其意義在于可以指導項目篩選和測驗編制。項目反應理論假設被試有一種“潛在特質”，潛在特質是在觀察分析測驗反應基礎上提出的一種統計構想，在測驗中，潛在特質一般是指潛在的能力，并經常用測驗總分作為這種潛力的估算。項目反應理論認為被試在測驗項目上的反應和成績與他們的潛在特質有特殊的關系。通過項目反應理論建立的項目參數具有恒久性的特點，意味著不同測量量表的分數可以統一。在項目反應理論中，難度被定義為試題本身固有的特性，不隨考生樣本的變化而變化。該理論認為，如果考生足夠多的話，每道題都會有部分人不能答對，部分人容易答對，部分人費點力氣剛好能答對。試題的難易程度取決于剛好能答對的那部分人的水平高低，水平高的被試剛好能答對說明該題較難，水平低的被試剛好能答對說明該題簡單。

項目反應理論受到廣泛推崇的原因有以下幾點：在項目反應理論下，試題難度參數、區分度參數以及被試能力參數具有不變性；在項目反應理論中引入了項目特征曲線，將項目難度、區分度以及被試能力進行了有機統一；項目反應理論中的信息函數反映了在不同能力水平處，每個項目所提供的信息量的大小，信息量最大處的能力水平估計誤差最小。而本發明則主要受到IRT中一個無法比擬的優點的啟發，即被試能力參數與項目難度參數是定義在同一個量剛下的，當一個被試的能力參數已知時，配一個項目參數已知的測試，就可以較為精確的預測被試的正確反應概率；若能力參數已被估計出來，就可在題庫中選擇試題難度與能力大小相當的試題重新進行測驗，使得估計出來的能力參數更為精確。

近年來，無論是基礎教育亦或是高等教育，都正在積極推進教育教學變革，希望從以學習內容或知識為導向轉變到以學生的能力為導向，然而現有的領域模型如知識圖譜等大多都是以學習內容為導向的，缺少對個體能力的定義或表征方法。在另一方面，在較大樣本下基于 IRT實現對學生的能力或知識的測評這一技術已經逐漸實現，而在小樣本數據下如何實現對學生的知識或其能力進行精準地估計如今依然沒有一個較好的解決方法。特別是在高等教育中，由于各學科其專業課課堂中學生人數較少、課程知識點多、測試頻率低數據少等因素的限制，傳統項目反應理論的無級評價方式很難得到精確的能力評價結果。

發明內容

為了解決本發明所提出的一項或多項的技術問題，本發明一方面涉及了一種面向學生能力的Bayes分級評價算法，包括如下步驟：

a.獲取M道題目，每道所述題目僅考查一個具體領域知識點；將所述M道題目分為N個試題難度評價等級，從第1級到第N級表示試題難度依次遞增；

b.獲取表示學生能力的L個能力評價等級，從第0級到第L級表示學生能力從“不具備能力”到“具備最大能力”依次遞增；并且有L ≥N+1；

c.獲取某學生具備i級能力的初始概率P(A_i)，以及為某學生具備i 級能力的情況下該生做對難度等級為n的題目的條件概率P(B_n|A_i)和為某學生具備i級能力的情況下該生做錯難度等級為n的題目的條件概率其中，B_n為某學生做對一道難度等級為n的題目的事件，為某學生做錯一道難度等級為n的題目的事件，n∈N；

d.由式(1)計算某學生做對一道難度等級為n的題目發生的概率 P(B_n)，由式(2)計算某學生做錯一道難度等級為n的題目發生的概率