[发明专利]一种基于GRM模型的试题区分度评估方法

权利要求书

1.一种基于GRM模型的试题区分度评估方法，其特征在于，包括如下步骤：

S1：从学习系统的数据库中获取题目ID、用户ID、测评点个数和通过测评点的个数信息；

S2：依次判断每道题目是否有用户参与作答，筛除未参与作答的用户；

S3：若用户参与作答，则判断用户通过测评点个数是否等于测评点个数，同时该用户的答题次数+1；若判断用户通过测评点个数不等于测评点个数，则剔除答题数据，返回步骤S2，继续判断直到所有题目判断完毕；

S4：若用户通过测评点个数等于测评点个数，则答对题目道数+1；

S5：将筛选后的数据作为新的数据集，用于K-Means聚类算法；

S6：通过轮廓系数确定K的值；

S7：通过K值确定GRM模型的难度系数，引入用户的能力判断参数生成基于GRM的ICC图；同时依据在第几次答对判断用户类型；

S8：评估得出试题区分度。

2.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S4中，当用户第一次答对题目时，记录下是在第几次，并统计总共答题次数和答题正确率。

3.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S5中，筛选后的数据包括参与作答用户的ID，题目ID，答对题目道数、总作答题数、正确率和在第几题第一次答对。

4.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S6中，通过轮廓系数S确定划分成K个簇，计算公式如下：

其中a表示样本点与同一簇中所有其他点的平均距离，即样本点与同一簇中其他点的相似度；b表示样本点与下一个最近簇中所有点的平均距离，即样本点与下一个最近簇中其他点的相似度，S∈(-1，1)。

5.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S7中，每一个题目都有一个区分度参数，且有大于1个的项目难度参数，项目难度参数有大小顺序，等级越高难度越大，用户j在题目i上得t及t分以上的概率为：

其中A表示能力大小，D为常量，a_i表示第i道题目的试题区分度，A_j表示用户j的能力，B_i表示试题i的难度。

6.根据权利要求5所述的基于GRM模型的试题区分度评估方法，其特征在于，所述能力大小的判断要依据于用户第一次答对题目在第几次以及学生作答的正确率二者的数据，用户答对题目的次数越前，正确率越高，则说明该用户的能力越强；

用户j在试题i中的t分的概率得分概率的计算为：

P(X_ji＝t)＝P(X_ji≥t)-P(X_ji≥t+1)

其中P(X_ji≥t)表示用户j在i题中得分大于或等于t分的概率，P(X_ji≥t+1)表示用户j在i题中得分大于或等于t+1分的概率。

7.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S7中，若难度系数有n个，则用户的得分有n+1种，即K-Means聚类得到n+1个类别。

8.根据权利要求1所述的基于GRM模型的试题区分度评估方法，其特征在于，所述步骤S7中，用户类型数量的值为n+1，与K-Means聚类得到的类别数值相等。