[发明专利]一种适用于分层分类设计的测试题目参数估计方法

说明书

本发明公开了一种适用于分层分类设计的测试题目参数估计方法，通过以下步骤对于测试题目参数进行估计：设置估计需求的精度，如ΔA＝1°；统计每道题目内的正确率P和错误率Q；使用C＝arctan(Q/P)作为每个层级每个类别的特征值的初始值；使用N＝arctan(Q/P)作为每道题目本身的直接特征值的初始值；使用X＝arctan(Q/P)作为单次测试中每个层级每个类别上的特征值的初始值；计算X‑C和X‑N的方差，获得初始方差矩阵；在X、N、C的初始值的基础上，增加或减少ΔA，作为X、N、C的估计值，获得估计方差矩阵；本发明涉及测试题目参数分析技术领域。该适用于分层分类设计的测试题目参数估计方法，解决了现有的分层分类题目的测试数据标注的题目参数难以通过传统方法进行估计获得的问题。

技术领域

本发明涉及测试题目参数分析技术领域，具体为一种适用于分层分类设计的测试题目参数估计方法。

背景技术

分层分类题目的测试数据，对于题目参数的标注不同以往，需要使用特殊的估计方法才能获得。传统方法，例如马尔科夫链蒙特卡洛方法虽然其基本思路容易理解，但需要针对模型的转移条件的复杂计算，又例如极大似然估计方法使用确定的模型时需要对函数进行二次求导，因此其实际应用中需求的运算量并不小。然而针对海量数据，复杂的计算方法通常难以实施。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种适用于分层分类设计的测试题目参数估计方法，解决了现有的海量分层分类题目的测试数据标注的题目参数难以通过传统方法进行估计获得的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种适用于分层分类设计的测试题目参数估计方法，包括以下步骤：

步骤一、设置估计需求的精度ΔA。

步骤二、将测试数据中的每道题目所属层级和类别进行标注，并分别统计每道题目各层级各类别内的正确率P和错误率Q。

步骤三、使用C＝arctan(Q/P)作为每个层级每个类别的特征值的初始值。

步骤四、使用N＝arctan(Q/P)作为每道题目本身的直接特征值的初始值。

步骤五、使用X＝arctan(Q/P)作为单次测试中每个层级每个类别上的特征值的初始值。

步骤六、分别计算X-C和X-N的方差，获得初始方差矩阵。

步骤七、在X、N、C的初始值的基础上，增加或减少ΔA，作为X、N、C 的估计值，进而获得估计方差矩阵。

步骤八、通过辨别估计方差矩阵的变化方向，判断控制ΔA的增加或减少，直到估计方差矩阵不再减小，取此时X、N、C的估计值作为最终结果。

优选的，所述步骤二中正确率＝正确作答数/题目总数、错误率＝错误作答数/题目总数，通过现有计算机程序可以实现对于正确率与错误率的统计。

优选的，所述步骤五中X是在上一次测试后，得到了某一层级某一类别上的Q和P，进而通过X＝arctan(Q/P)公式计算得到了初始值X。

优选的，所述步骤三与五中，由于正常的一次测试一般都包含不止一个层级或类别，因此得到初始值C与X为一个值或者一组值。

有益效果

本发明提供了一种适用于分层分类设计的测试题目参数估计方法。具备以下有益效果：