人工智能技術(shù)在試題庫建設中的應用

摘 要：本文探索運用人工智能理論去解決在遠程考試中遇到的考試公平的問題：用人工智能技術(shù)，基于知識點屬性建立的知識點庫，使試題庫建庫時，試題能智能生成難度系數(shù)。并給出了詳細實現(xiàn)方法和算法。

關鍵詞：人工智能；知識庫；試題庫；難度系數(shù)

中圖分類號：TP182 文獻標識碼：A

1 引言（Introduction）

人們越來越接受逐漸取代傳統(tǒng)考試方式的利用計算機網(wǎng)絡實現(xiàn)的遠程考試系統(tǒng)。傳統(tǒng)意義上的考試，操作過程極其繁瑣，出錯難以避免。遠程教育也稱為網(wǎng)絡教育，突破了時間與空間的限制，對實現(xiàn)教育終生化，教育大眾化、平民化有重要的意義。我國是一個十三億人口的大國，且農(nóng)業(yè)人口眾多，東西部發(fā)展不平衡，教育資源尤其是高等教育資源分布不均勻，西部及偏遠地區(qū)教育資源匱乏。遠程教育為全民教育及終生教育提供了有效的途徑。在遠程教育體系中，基于計算機網(wǎng)絡的遠程考試系統(tǒng)有了非常重要的意義。遠程考試系統(tǒng)盡可能保證了考試的實時、可靠及客觀公平及最小程度的人為因素影響。遠程考試系統(tǒng)亦廣泛應用于政府、企業(yè)及各種機構(gòu)的培訓，因此，討論遠程考試系統(tǒng)有了非常重要的意義。

遠程考試離不開試題庫的創(chuàng)建。

采用常規(guī)數(shù)據(jù)庫構(gòu)成的試題庫，對客觀題（選擇、判斷、填空題）很好解決?？梢詫⒃囶}庫的試題按不同的形式出現(xiàn)。原理是：每個題都有幾個選項，正確的和干擾項都有若干項。當試題要單選題時，可以用算法限制，每個題抽出一個正確項和若干個干擾項。當試題需要多選題時，每個題在答題選項中任意選取，但保證正確選項大于1即可。

而抽卷一般都是隨機在試題庫抽題形成試卷。這就造成不同試卷難度可能不同，考試欠公平。處理這個問題最好的辦法就是將題目在建立試題庫時就給了難度系數(shù)，出題時按難度比例抽題。這樣對每個參考者相對公平。這涉及到怎樣確定試題難度的問題。下面將討論用人工智能技術(shù)處理試題難度。也就是在創(chuàng)建試題時，讓計算機自動識別試題難度。

2 人工智能技術(shù)在試題庫建設中的應用（Application

of artificial intelligence techniques in building the

examinations bank）

2.1 人工智能的定義

著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學。”而另一個美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)[1]。

人工智能（AI）是目前發(fā)展迅猛的計算機學科的一個分支，近代被稱為三大尖端技術(shù)之一，這三大尖端技術(shù)是：基因工程、納米科學、人工智能。人工智能經(jīng)過近幾十年的發(fā)展，也逐漸成為了一個比較成熟的技術(shù)應用。在實踐中應用十分廣泛。在許多學科中都有它的身影，也取得了巨大的成果及可觀的經(jīng)濟效應，在理論上也日趨完善。

人工智能是用計算機算法來模擬人類的智能行為或思維過程。比如：邏輯推理、學習規(guī)劃、計劃實施等等。主要的內(nèi)容包含：計算機實現(xiàn)算法（原理）、智能機器人制造等。人工智能涉及的學科也極為廣泛。首要的是計算機技術(shù)，還有心理學、教育學、語言學等人文科學。還有控制、自動化、仿真、數(shù)理邏輯等自然學科，具有廣泛的應用前景。目前，關于人工智能的研究涉及到軍事、航天航空、機械制造、計算機仿真、遙控遙感、機器人、工業(yè)控制、自動化、采礦、教育培訓、服務業(yè)等等。人工智能技術(shù)在當今社會中得到越來越多的關注和重視，是正在快速發(fā)展的熱門學科。它起源于計算機技術(shù)，但遠不止于計算機科學范疇。人工智能取得了許多成就，這些成就主要表現(xiàn)在： 基于知識的系統(tǒng)、機器學習、神經(jīng)網(wǎng)絡、機器人學、Agent技術(shù)和分布的協(xié)同工作、規(guī)劃和配置、機器感知等[2]。

2.2 知識的定義

知識是人類在認識自然、改造自然過程中沉淀下來的精神產(chǎn)物，是人類進行創(chuàng)新、創(chuàng)造、探索等智能活動的基礎。關于知識的理解，可以概括為以下幾個方面：

（1）知識是轉(zhuǎn)換后的信息。經(jīng)過人類的主觀理解、解釋、消化、選擇以及過濾，大量信息加工處理后，稱其為知識。

（2）知識也可以理解為對特定的學科或產(chǎn)業(yè)的概念定義、內(nèi)部關系、運作過程和應用解釋。

（3）知識亦可以定義為：“事實”“信念”“啟發(fā)式”。

在人工智能領域，知識是一個非常重要的處理點。大量的信息必須從知識中提取和轉(zhuǎn)換來的。從其作用層次，它們分為對象級知識、元級知識兩類。按性質(zhì)亦可劃分為三種知識：過程性、描述性、判斷性。

2.3 知識表示

知識表示一直是計算機領域中非常關鍵的問題，在人工智能及專家系統(tǒng)中，知識表示是知識的符號化過程。實際上是為描述事件所做的一組約定，它的實質(zhì)是將事件的事實、過程、關系、屬性等特征抽象成數(shù)據(jù)結(jié)構(gòu)。計算機的知識表示就是研究這些數(shù)據(jù)結(jié)構(gòu)，構(gòu)建數(shù)據(jù)庫，使用算法將物質(zhì)世界的可以處理的信息盡可能量化，過程化。人工智能也就是讓計算機模擬人的思維過程。將這些海量的數(shù)字化后的信息快速處理，以獲得人們需要的結(jié)果。

人工智能應用在構(gòu)建試題庫時，知識表示也成為一個非常關鍵的問題。

知識的表示與對問題的處理和解決以及解決問題的效率有很大的影響。一個正確的知識表示，可以將知識很好的轉(zhuǎn)化為數(shù)字信息，從而使得計算機能夠更好的處理，那么對知識表示的要求，主要從下面四個方面去處理：

（a）可表達性：能夠正確有效的將要解決的問題所需要的知識表達出來。

（b）可理解性：知識表結(jié)果是容易理解的，簡單明了的。

（c）可訪問性：知識表示是可以利用的

（d）可擴充性：當有新增知識的時候，原來的知識表示可以擴展、補充。

2.4 知識庫的構(gòu)建

知識庫是按照一定要求存儲在計算機中的相互關聯(lián)的事實知識的集合，是經(jīng)過分類和組織、序化的知識集合，是構(gòu)建專家系統(tǒng)（ES）的核心和基礎[3]。

對知識的處理，很關鍵的一步是知識庫的構(gòu)建，即創(chuàng)建知識的物理結(jié)構(gòu)及邏輯結(jié)構(gòu)，在計算機技術(shù)及人工智能理論中，可以理解為數(shù)據(jù)結(jié)構(gòu)的建立。知識庫的組織方式，依賴于知識表示模式，也依賴于數(shù)據(jù)庫等計算機技術(shù)。目前的數(shù)據(jù)庫技術(shù)發(fā)展很快，也有很多模式可供選擇?？傊?，知識庫的組織應盡可能全面、高效、最大化利用存儲空間。

知識庫的構(gòu)建模型如圖1所示。

圖1 知識庫構(gòu)建模型

Fig.1 The knowledge base model

2.5 知識庫的管理

在人工智能的專家系統(tǒng)中，知識庫會隨著時間推移，越來越大，知識的嘗試和廣度也相應變化。知識庫管理維護得好，會成為日常工作的好幫手，處理得不好，知識庫就是一堆沒有用甚至是有害的信息垃圾[4]。管理知識庫涉及到數(shù)據(jù)存儲的安全性、訪問效率、多用戶等等，依賴于計算機軟件技術(shù)。

2.6 實現(xiàn)過程

（1）構(gòu)造試題庫數(shù)據(jù)結(jié)構(gòu)表見圖2。主鍵為“ID”。

圖2 綜合試題庫表

Fig.2 The examination bank table

（2）所考知識點難度數(shù)據(jù)表結(jié)構(gòu)

所考知識點難度數(shù)據(jù)表結(jié)構(gòu)如圖3所示。主鍵為“序號”。

圖3 知識點難度數(shù)據(jù)結(jié)構(gòu)表

Fig.3 Construction table of the database in difficulty

coefficient of knowledge point

（3）知識點數(shù)據(jù)分析及客觀題知識點難度計算程序的算法實現(xiàn)

先將所選課程考試大綱要求的知識點按照掌握、理解、了解的要求每個知識點設置一個或兩個關鍵字，并設置知識點難度系數(shù)數(shù)據(jù)庫，考試大綱要求不是很多，所以數(shù)據(jù)量不大，可由教研室討論每個知識點的難度系數(shù)?？荚嚨念}庫卻是不斷增加的，每增加一個選擇題時，就遍歷知識點難度系統(tǒng)數(shù)據(jù)庫，按詞法匹配，如果選擇題含有某知識點，即將此知識點的難度系統(tǒng)加到累加變量中，并將計數(shù)器加1，遍歷完整個表，將累加變量值除以計數(shù)器，得到此選擇題的知識點難度系統(tǒng)。實現(xiàn)算法如圖4所示。

圖4 試題庫難度系數(shù)生成算法流程圖

Fig.4 Flow chart of algorithms in the degree of

difficulty of examination bank

3 結(jié)論（Conclusion）

用人工智能技術(shù)，基于知識點屬性建立的知識點庫；試題庫建庫時，試題能按詞法匹配，遍歷知識點庫，智能生成難度系數(shù)。解決了在無紙化考試中遇到的考試公平的問題，也減輕了出題者的工作量，避免了出題者主觀判斷題目難度導致的隨意性和不準確性。

但系統(tǒng)仍存在不足：可實現(xiàn)是部分智能推導，知識點的堆積是一個繼承過程，仍然可以繼續(xù)研究。人工智能在計算機考試中仍有很多可研究的方面，如：主觀題的閱卷等。這也是今后可努力的方向。

參考文獻（References）

[1] Holland J.Adaptation in Natuarland Artificial Systems.Anbror： The University of Michigan Press[A].1975：128-131.

[2] 崔鑫，黃政新.人工智能研究綱領的困境與走向[J].南京航空 航天大學學報（社會科學版），2011，9：11-12.

[3] 馬張華，黃智生.網(wǎng)絡信息資源組織[M].北京：北京大學出版 社，2007：171.

[4] 孫洪波.構(gòu)建知識庫（四）內(nèi)容管理與維護[J].軟件工程師，2004， 9：43.

作者簡介：

李波濤（1967-），女，碩士，講師.研究領域：計算機技術(shù)，教

育信息技術(shù).