摘 要:阐述了技术学校成绩评估系统算法设计过程.介绍了在项目反映理论框架下实训任务模型的建立和问题的转换和实现具体过程.
关 键 词 :算法;实训;分析;技术学校
中图分类号:G719.2 文献标识码:A 文章编号:1674-7712 (2013) 14-0000-01
实训成绩分析模快是本系统的主要模块,它负责完成实训成绩的分析,包括输出每个学生的能力值和其他的一些成绩常规分析参数,实训分析模块的流程如图1所示.下面将阐述此模块的实现过程,并重点说明说明分析部分的实现方法.
登录进入实训分析模快后的的第一个界面是分析参数设定界面,在这个界面中用户需输入实训任务所包含的各个子任务的合格分数线、难度值、能力值估算精度范围三个参数.确认之后系统根据已获得的子任务或历次实验完成情况对参加实训生能力水平值进行预测评估的实现主要包括:问题的转化、模型的建立、算法的实现.
具体实现步骤如下:
一、问题的转化
对于有N个学生参加有m个子任务的实训,第α个被试能力记为θα,中1≤α≤N;第J个子任务(又称为项目)的难度、区分度、猜测度分别记为aj,bj,cj,1≤j≤m.为了实现方便,我们限定所有任务均为0,1记分制.用一个取值为0,1的变量uαj来表示学生α对第j任务的完成为:
二、模型的建立
在IRT框架下,Pαj,可以取不同的形式,它们统统称为项目特征曲线(Icc),这里我们使用的是ICC三参数logistic模型(LM),他可以帮助我们看出学生的能力值和成绩有效性.
式中D等于1.7.若cj等于0,则(4.6)化为双参数logistic模型(2PLM);若cj等于0;且aj等于1,则(6)化为单参数logistic模型(1PLM).将(6)式代人似然函数(5).知似然函数中含有N+3m个未知参数;即N个被试能力参数和3m个项目性能参数.当然,这些参数实质上是两类不同的参数.我们可以将N个被试看成是从被试总体中抽取的一个容量为N的子样.
三、算法的实现
由于N+3m个参数都未知,所以必须对它们做出估计.实训分析系统采用的方法是极大似然估计方法.实现过程是:对于一名优等生和一名普通生参加一个有三个子任务的实训任务.采用0,l记分方式,即完成一个子任务给1分,否则为0分,这两个学生均未标记身份,而两个任务的评分向量(或称之为反应模式或反应向量)分列为.x等于(0,l,1)和y等于(0,0,1).此时判断x和y的归属成为急需解决的问题.由于x向量表示2个任务完成,1个任务未完成.y向量表示2个任务未完成l个任务完成,为简化问题起见,假设项目问题固定且项目参数已知,而能力θ是影响得分的唯一因素.用L(x;θ)表示得分向量x与能力θ之间的关系.现在已知x,如何估计θ?如果L(x;θ)表示能力为θ的被试其得分向量为x的可能性,那当然应该选择θ,使这种可能性越大越合理.即若θ在一个集合Θ化.可以选θ(~),最大可能性的θ(~)称为θ的似然估计.这种将似然函数取极大值的自变量取值就作为待估参数估计值的估计办法.就是极大似然估计方法.
至此,分析结束.如果选择重新分析,将返回分析参数设定界面,重新展开分析.如果选择退出,分析结果将写入实训任务数据库,并退出分析模块.