给大家推荐5篇关于IRT的计算机专业论文

今天分享的是关于IRT的5篇计算机毕业论文范文, 如果你的论文涉及到IRT等主题,本文能够帮助到你

基于J2EE的考试题库管理系统的研究和应用

这是一篇关于J2EE,多层模型,MaxCWI算法,IRT的论文, 主要内容为随着社会对教育考试需求的日益增长和对教育考试质量要求的日益提高,许多高校及社会教育培训机构都在为自己的大规模常规考试建立题库系统,使得这些常规性考试能真正意义上的提高考试质量,保证考试的公正和公平。而且,计算机网络技术和多媒体在教育领域的中得到了广泛应用,传统的题库系统已面临着重大的变革,一种利用网络技术开发的题库系统将取而代之。所以,研究和开发一个具有强大功能、安全性高,且可扩充、易维护的考试题库管理系统有着十分重要的现实意义。本文是一个基于J2EE架构的考试题库管理系统,用于为网上考试系统、教师检查学生学习情况和反映教学质量提供试题、试卷资源。开发该系统的目的是通过网络实现与教材相配套的标准化试题(包括多媒体试题)资源的数据库管理,实现试题资源的共享,能够组出合格的试卷,保证试题、试卷保密性,支持手工组卷与自动组卷。系统采用基于J2EE架构的多层模型结构。客户层为用户提供可视化图形界面；Web层响应客户请求,为客户提供所请求的数据；业务逻辑层运行应用逻辑,完成客户请求中相应的计算和数据操作；数据层存储、管理数据信息。使软件系统具有很强的可靠性、可用性、可扩展性、可维护性,可移植性等。系统采用MyEclipse开发工具,后台使用SQL Server 2000数据库,按照软件工程的思想进行了需求分析、系统设计,系统实现等工作。利用项目反应理论(IRT)作为组卷的指导理论,在组卷算法问题上采用了MaxCWI算法和随机化MaxCWI算法相结合的方法,在实现阶段重点对业务逻辑层和Web层的实现做了论述,并给出了系统具体实现部分的实例。

基于知识追踪的智适应学习系统的设计与实现

这是一篇关于智适应学习,知识图谱,知识追踪,IRT,DKT的论文, 主要内容为智适应学习系统通过知识追踪建立学习者模型,并结合领域知识模型和测评算法,对学习者掌握知识点的情况进行有效测评及能力预测,以达到知识追踪效果,从而个性化学习服务以提高学习效率,被称为人工智能时代的教育革命。针对智适应学习系统中,缺乏充足学习者数据所导致的深度知识追踪冷启动问题,和教研经验对知识内容的掌握尚未充分融入到测评与推荐算法中的问题,本文利用深度学习和图关联规则算法设计思想,结合已有的深度知识追踪模型,提出了图规则-深度知识追踪(Graph Rule-Deep Knowledge Tracing,GR-DKT)模型,对学习者进行知识追踪。GR-DKT针对领域知识的结构特征,引入了用于冷启动阶段的项目反应理论(Item Response Theory,IRT)模型,构建出了基于知识结构树和基于知识图谱的领域知识模型,然后提出了基于知识图谱的关联规则进行动态测评与推荐的图规则(Graph Rule,GR)冷启动算法,并且融入了基于深度学习的DKT-plus深度知识追踪学习者模型以测评学习者的长期表现能力。GR-DKT根据时间维度进行多模型融合,根据数据维度和评估效果维度进行实际应用场景下的模型选择,以达到更好的测评与知识追踪效果。本文还设计并实现了基于GR-DKT知识追踪模型的智适应学习系统的整体框架、工作流程、功能模块和核心模型与算法。从学习者体验与教研经验两个角度出发,针对在线教育的实际应用场景,利用软件工程思想对智适应学习系统进行了需求分析、概要设计、详细设计、系统实现与系统测试。本文最后利用了行业标准的真实数据和智适应学习系统中课程案例采集到的真实数据,对基于GR-DKT的智适应学习系统进行了双重数据的功能验证与效果评估。经过实证分析与系统测试,本文设计的智适应学习系统符合预期效果,可稳定上线应用。

IRT&CAT的理论研究与其在考试软件的应用

这是一篇关于IRT,CAT,智能分析,动态分析的论文, 主要内容为IRT英文全称是Items Response Theory，即项目反应理论。该理论是心理计量学的一种理论，简单地说，考生将要做答的下一道试题是根据考生以前做答的试题结果推测而出。与传统心理计量的不同，该计量纳入了考生的参与。 CAT，全称是Computerized Adaptive Testing，计算机自适应考试，通过计算机程序进行的一种考试方式。首先，由计算机安排一些试题对考生进行测试，测试完毕后，根据考生的成绩，从题库(事先生成好)中选择与考生当前水平接近（略高或略低）的题目对考生进行测试，每次出题根据考生答案的对错重新估算考生的水平，当考生做题题目达到一定量级后，计算机对考生水平的估算精度会逐渐准确，考生的实际水平与计算机估算值逐渐吻合。基于IRT&CAT的评测已经问世多年，但国内的实际应用比较少，在当今计算机技术发达的今天，以前由于IRT&CAT可能涉及到的计算量大，计算复杂的问题已经被解决，现在考试与测评的种类繁多，而智能且动态分析的应用少而又少，如果可以应用软件技术，由IRT&CAT理论基础实现智能动态地分析考生的实时掌握，考试系统根据考生的能力做出适应的反应，不仅可以得到考生接近真实的水平，还可以达到更好地训练考生技能的作用，为考试评测，考前训练打开一个新的天地。本应用主要针对在目前众多应用计算机软件技术进行的试题训练，考试测试中，如何根据考生答题情况，智能动态生成题目，以测试考生对知识点的真正掌握情况。具体内容如下：分析考生对当前答题结果进行动态分析，判断考生对知识点的实时掌握情况，而后进行智能分析，由知识点掌握情况智能给出下一道试题，当考生答题结果与知识点偏离程度在一定的区间内，即判断出考生掌握知识点的更为真实的成绩。以上智能分析应用到了IRT&CAT理论进行分析，需要对知识点，试题进行建模，应用多种软件技术，包括Lucene，J2EE, java, web, hibernate, struts, spring, oracle,等。而要将本论文讨论的内容实际实现，则需要考虑到考生数量，应用环境，系统可用性，系统运行基础条件，系统性能等多种因素，这些也一并在本论文中讨论。研究的对象包括各种应用计算机技术进行的考试，各种考前训练，还有性格评测，感情评测等多项内容。本文主要以国内六大类从业资格考试中的证券从业考试为例，以IRT&CAT为理论指导，实现一套实际可用，用以提高使用者学习成绩的智能系统，以评测->引导->提高为指引，最终提高考生的学习成绩。

基于项目反应理论幼儿评测系统设计与实现

这是一篇关于幼儿评测系统,IRT,后验期望估计,幼儿测评的论文, 主要内容为信息技术飞速发展,传统的幼儿教育模式已无法满足现代社会教育的需要,为了方便管理丰富教学内容,国内大多幼儿教育机构已在全面推行信息化管理。幼儿能力水平测评作为幼儿教育的重要参考与提升目标,受到广大家长、教育工作者的重视。这有力刺激了幼儿能力测评系统的研发需求。但是目前国内市面上针对幼儿的测评系统良莠不齐,缺乏理论依据,无法真正与幼儿园教育结合为家长教师提供指导。本文依托实际项目,结合当前国内幼儿测评发展现状以及幼儿园实际需求,基于SSM框架、SQL server技术、项目反应理论,使用java语言设计和实现了基于项目反应理论的幼儿评测系统。该系统功能按照模块划分,包括幼儿能力测评、幼儿成长报告、历史数据管理、测评体系维护、基本信息维护以及权限及系统管理等六个模块,系统结合项目反应理论数学模型采用贝叶斯后验期望估计得出儿童能力值并生成信息量丰富的测评报告,并以此为核心开发各类周边辅助功能。本文首先对国内外幼儿测评系统现状展开讨论,提出课题研究意义,随后详细分析了该系统用户的需求,并结合技术理论对系统设计进行阐述,最后通过系统界面截图和核心代码展示系统实现,并对整个系统进行了周密的测试。目前,该系统已经在幼儿园小范围试用,并运行正常,得到了良好的反馈。该系统规范了教师测评过程,提供了教师家长共同参与儿童测评的机会,大大提高了幼儿园的整体工作效率。