[发明专利]基于模糊综合评价模型的考试数据分析方法

说明书

技术领域

本发明涉及一种考试分析方法，特别是关于一种基于模糊综合评价模型的 考试数据分析方法。

背景技术

考试作为衡量参考人员能力的重要考察方式，广泛应用于个人、企业和机 构，每一次考试的试题，以及参考人员的考试结果都是一笔宝贵的财富。现有 针对考试试卷的质量评价通常都是组织专家针对考试试卷的题点、试题的答题 正确率来评价试题的质量。虽然人工评价试卷质量好坏的方式在一定程度上能 够实现评价试卷质量的好坏，但是由于每个专家的想法都是不相同的，因此存 在一定的主观性，以致评价的试卷的主观性较高，不能很好的对试卷的出题质 量进行客观的评价，浪费大量的人力物力。

发明内容

针对上述问题，本发明的目的是提供一种基于模糊综合评价模型的考试数 据分析方法。

为实现上述目的，本发明采取以下技术方案：一种基于模糊综合评价模型 的考试数据分析方法，它包括以下步骤：1)建立考试数据的评价指标体系， 针对考试数据的评价指标体系的对象包括：试题分析、考试分析和学员分析； 其中，试题分析的评价因素包括试卷分析，试题使用分析和试题未使用分析； 考试分析的评价因素包括平均分、最高分、最低分分析，标准差分析，分数段 人数分析，正态分布分析，试卷难度和区分度分析；学员分析的评价因素包括 学员知识掌握分析和学员测评变化分析；2)确定评价因素集和评语集；3)采 用层次分析法确定各评价因素的权重；4)确定各评价因素的隶属度，构建模 糊评价矩阵；5)采用模糊矩阵复合运算，得到模糊综合评价结果。

所述步骤5)中，复合运算为将各个评价因素u_i的权重W和模糊评价矩阵R_i进行合成运算，其公式如下：其中，B＝(b₁，b₂，...，b_n)，表示评语集上各评语等级的可能性系数组成的向量为决策集；采用：加权平均型复合运算，运算规律如下所示：根据最大隶属度原则，选择最大的b_i所对应的评语等级作为综合评价结果。

本发明由于采取以上技术方案，其具有以下优点：1、本发明包括以下步 骤：1)建立考试数据的评价指标体系，针对考试数据的评价指标体系的对象 包括：试题分析、考试分析和学员分析；其中，试题分析的评价因素包括试卷 分析，试题使用分析和试题未使用分析；考试分析的评价因素包括平均分、最 高分、最低分分析，标准差分析，分数段人数分析，正态分布分析，试卷难度 和区分度分析；学员分析的评价因素包括学员知识掌握分析和学员测评变化分 析；2)确定评价因素集和评语集；3)采用层次分析法确定各评价因素的权重； 4)确定各评价因素的隶属度，构建模糊评价矩阵；5)采用模糊矩阵复合运算， 得到模糊综合评价结果。本发明由于采用模糊综合评价模型对考试数据进行分 析，充分考虑了考试数据中各方面的影响因素，并确定各自的权重，最终得到 评价结果，采用以上方法更加适用于考试数据分析，适应性强，可靠性和有效 性强。具有更好的简便性和直观性。2、本发明不需要将专家聚集在一起进行 考试数据的分析，因此减少了主观性的影响，并且大大缩短了整个考试数据的 评价工作时间，提高了工作效率，缩短了项目的管理周期，并使得评分结果客 观性更强。因此，本发明可以广泛用于考试数据分析领域。

附图说明

为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面将对实 施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在 不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的流程图；

图2是本发明的考试数据的评价指标体系的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

如图1所示，本发明一种基于模糊综合评价模型的考试数据分析方法，它 包括以下步骤：

1)如图2所示，建立考试数据的评价指标体系，针对考试数据的评价指 标体系的对象包括：试题分析、考试分析和学员分析；