最大信息量选题策略的自适应测试系统

来源 :计算机系统应用 | 被引量 : 4次 | 上传用户:fallleaf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着心理与教育测量理论以及其与计算机技术相结合的不断研究和发展,基于计算机的自适应测试成为了一种新型的测试形式.在分析、阐述计算机自适应测试理论和最大信息量选题策略的基础之上,设计与实现了一个基于最大信息量法选题策略的自适应测试系统.通过实验对被试者估计能力值、总信息量值、最大信息量值、试题参数等的变化进行分析与总结,进而证明本系统的有效性.最后对最大信息量选题策略研究做出总结,针对其存在试题曝光度较高的问题给出了解决思路.
其他文献
针对开发者在移动端开发原生应用时,面临数据碎片化、终端分裂化、用户量剧增三方面的问题,一种新的开源技术框架Clouda应运而生.简单介绍了Node.js,重点介绍了Clouda,分析了
研究采用RGB颜色分量加权和的全局映射,进行彩色到灰度的变换算法.根据彩色像素在不同颜色分量的统计信息,自动生成各颜色分量的灰度化权重,同时结合主客观图像质量标准,探索自适应的全局映射灰度化算法.实验证明,本文提出的新算法在多数测试图像上的灰度化效果与传统的灰度化算法效果相当,但对具有主题色的彩色图像可以获得显著改善的灰度图像视觉效果.