[发明专利]一种基于马尔科夫的词汇量测试与评估方法

摘要

本发明涉及一种基于马尔科夫的词汇量测试与评估方法，属于语言学习领域。本发明首先确定所有词汇的属性值及进行难度级别划分；接着随机从第1个难度级别的词汇中选取一个属性值作为初始特征值并确定词汇难度系数；然后计算第一个测试词汇的对应的特征值并对其所对应的选项进行判断；再接着计算特征值所对应该的难度系数值，同时根据状态值确定下一个特征值；最后根据测试评价对象矩阵处理得出受试者是否掌握测试结果并得出受试者的词汇测评域估计值。本发明克服目前测试词汇中测试词没有关联性的缺陷，也更准确的反应被测者的真实水平词汇水平。

主权项

一种基于马尔科夫的词汇量测试与评估方法，其特征在于：所述方法的具体步骤如下：Step1、确定所有词汇的属性值为1......i(i∈N^*)，并以每1500个词汇划分为1个难度级别；其中，最后小于1500的词汇归于最后一个难度级别；Step2、随机从第1个难度级别的词汇中选取一个属性值作为初始特征值id₀，并确定词汇难度系数为x₀；其中，x₀＝1表示初始的难度系数值；Step3、计算第一个测试词汇对应的特征值：其中，f(id₀,x₀)为初始特征值生成函数；Step4、对被测对象的特征值id₁对应的词汇的选项进行判断：如果被测对象的特征值id₁对应的词汇的选项正确，则定义标记F₁＝1；如果被测对象的特征值id₁对应的词汇的选项错误，则定义标记F₁＝0；Step5、计算id_n‑1所对应的词汇难度系数x_n‑1的取值：如果F_n‑1＝1，则x_n‑1＝x_n‑2+1；如果F_n‑1＝0，则x_n‑1＝x_n‑2‑0.5；其中，n≥2；Step6、根据F_n‑1的取值，确定下一个被测对象的特征值id_n：如果F_n‑1＝1，则id_n＝id_n‑1+t_n‑1；如果F_n‑1＝0，则id_n＝id_n‑1‑t_n‑1；其中，L表示测试的总个数且L≥1；x_n‑1为根据词汇特征值取id_n‑1时所对应的难度系数值；x_n‑2为根据词汇特征值取id_n‑2时所对应的难度系数值；f(id_n‑1,x_n‑1)表示当难度系数值为x_n‑1时id_n‑1所对应的特征值生成函数；f(id_n‑2,x_n‑2)表示当难度系数值为x_n‑2时id_n‑2所对应的特征值生成函数；α的符号由id_n‑1对应标记F_n‑1的取值决定：如果F_n‑1＝1，则符号为正，否则为负；Step7、根据受试者对已经测试过的对象的特征值及其状态值得出一个2×L测试结果矩阵R：$R=\left[\begin{array}{ccccccc}i{d}_1& {\mathrm{id}}_2& {\mathrm{id}}_3& {\mathrm{id}}_4& \·\·\·\·\·\·& {\mathrm{id}}_{L-1}& {\mathrm{id}}_L\\ F_1& F_2& F_3& F_4& \·\·\·\·\·\·& F_{L-1}& F_L\end{array}\right]$其中，L表示测试的总个数且L≥1；Step8、将测试结果矩阵R进行处理得出受试者是否掌握测试结果：如果特征值id_L对应的F_L为1时，则认为在id_n左右邻域中的词汇受试者都能掌握；如果特征值id_L对应的F_L为0时，则认为在id_n左右邻域中的词汇受试者没有掌握；Step9、根据测试结果，得出受试者的词汇测评域估计值为：其中，N表示测试判断对的总个数，M表示测试判断错的总个数；ψ_k(id_k)表示被测对象特征值id_k对应的词汇的选项正确时的左右邻域的取值，表示被测对象特征值id_j对应的词汇的选项错误时的左右邻域的取值。