关键字 |
主观的答案,预处理,标签,解析树,评分系统,推理系统,知识表达系统,图形表示、相似性度量,主观评价,净 |
介绍 |
人口日益增长的政府努力提供一个良好的教育系统,适当的饮用水和食物和其他设施的改善。 |
对于印度这样的国家,日益增长的人口和基础设施落后阻碍了素质教育体系。学生的数量对董事会检查出现在完全状态本身Pradesh [1]。可以想象的压力,受到教育制度和教师评估答案副本的数量。进一步根据图[2]按照年度教育状态报告(激光器)2012年,96.5%的农村孩子年龄在6日至14日在学校就读。这是第四次年度调查报告入学率在96%以上。83%的农村15 - 16岁的孩子参加学校。然而,展望未来,印度将需要更加关注质量。总人数为第三级交叉20%(根据安永的一份报告中引用2013年1月在教育新闻/ minglebox.com)根据最新的(2013)报告签发的所有印度技术教育委员会(AICTE),有3524多个文凭和加拿大工作证提供机构每年超过120万的容纳量。AICTE还报告了3495分校工程学院在印度每年超过176万的学生容纳量与实际入学率跨越120万年。能力管理教育跨越385000年,研究生学位在100000年计算机科学交叉槽。 Pharmacy slots reached over 121,000.Total annual intake capacity for technical diplomas and degrees exceeded 3.4 million in 2012. According to the University Grants Commission (UGC) total enrollment in Science, Medicine, Agriculture and Engineering crossed 6.5 million in 2010. Charu Sudan Kasturi reported in the Hindustan Times (New Delhi, January 10, 2011) that the number of women choosing engineering has more than doubled since 2001.We propose an Approach to Evaluate Subjective Questions for Online Examination System. |
相关工作 |
近年来,我们已经看到许多政府、半政府网上考试已经过去了,例如[ibp常见的笔试(CWE)]。这个系统或其他任何这样的系统在节约资源方面的优势。然而我们发现,这些系统只满足多项选择题和没有提供这些系统扩展到主观的问题。我们学习了许多问题,这些系统不能用于板检查,大学考试,学生写主观的答案,这些问题如下: |
•学生来自不同的教育背景有困难像语法错误,形成正确的和完整的句子。 |
•在替代自然语言十分丰富;因此可以以不同形式表达相同的含义使用不同的词。 |
•同样评估回答同样的问题不同的老师有不同的看法例如:生物学(生物学总是充满了例外) |
•使用公式和数学表达式是这些系统的其他类困难。 |
•选择题的在线考试系统迄今为止设计这样一个连续链接到主服务器维护,在链接的情况下打扰或欧洲蕨(暂时)。 |
到目前为止,我们已经回顾了很多文学相关的领域,我们已经找到了一种以上)这样的问题,为什么,怎么做,可以问时,给出的系统(. .)一个答案可以评估),没有人试图评估主观不同的人给出的答案c)我们发现没有标准化的雕刻系统授予标志/等级给出的答案d)我们发现一些文学生成简单的问题为数学问题和公式。许多架构和功能提出了描述性的回答评价。主要是基于关键词匹配的方法、序列匹配和定量分析,但语义分析描述性的答案仍然是一个开放的问题。考虑到文本的总体结构分析在自然语言处理中,大部分的工作已经完成形态和句法分析[7],[8],[9],[10],但语义、务实和话语仍在探索。 |
在线工具,支持在线评估的管理如Moodle和Zoho是基于字符串匹配技术,但长回答简短的回答评价仍然是手工处理大多数系统[9],[10]。特性是目前可用的在线评估[9],[10]: |
•试卷设置 |
•在线评价目标类型的问题 |
•问题银行编辑器 |
•拼写检查器 |
•语法检查器 |
•报告生成的结果 |
•描述回答评估,仍然是一个悬而未决的问题。[6] |
答:在线主观考试系统的好处 |
•可以很快采纳和实施 |
减少/消除教师时间要求在仪器开发和分级(即。相对较低的“前期投资”和“附加工作量) |
•目标得分 |
•提供测量(即外部性。,external validity is the degree to which the conclusions in your study would hold for other persons in other places and at other times – ability to generalize the results beyond the original test group.) |
•提供标准参照群体(s)比较通常所需的要求。 |
•可能是有益的或需要在实例状态或国家标准存在学科或职业。 |
•非常有价值的基准和跨机构的比较研究 |
b .在线主观考试制度的问题 |
•主观考试的主要问题是解释,给出的例子,描述学生可能有不同的词汇即同义词用来帧判决,但他们必须有相同的意义和所需点的答案是正确的。 |
•第二问题是大小或答案的句子的长度。间接的回答每个人各不相同,这需要巨大的努力把它们属于根据上下文。 |
提出了在线主观考试系统模型 |
在这个工作我们将提出解决上述的问题,正是我们的系统能解决问题推导知识由部分或语法错误的句子,我们将解释的意思转达了学生在不同形式和句子,提出分级标准化战略的答案,然而解释数学公式的方法和表达我们的系统只被限制在非数学学科。提出了系统的体系结构是: |
为了计算功能点从UML图,我们使用序列图和类图。因为这些图包含的信息系统中所有功能和数据操作。 |
我。预处理:标准化的文本包括把多余的话说,阻止等等。然而,这是领域相关的过程和手工规则,创建适合的需要。关系运算符都是由空格隔开。预处理是依赖于解析算法的识别能力所需的句子标记格式。分离复合句子简单的句子。 |
二世。词性标注:分配句子中每个单词的词性,有用的信息检索,词义消歧和它有助于解析将独特的标记分配给每个单词从而减少数量的解析。我们使用POS尾随者使用模型训练英语数据来自《华尔街日报》和布朗语料库。创建最新的模型取得了超过96%的准确率上看不见的数据。[3]。 |
三世。评分系统:印度理工学院是印度政府的控制,因此对成绩有严格的规定。根据课程评价是基于参与类,出席人数、测验、考试和/或纸。连续的评估是通过课程讲师。IIT马德拉斯的评价体系与规模累计平均绩点从0到10转换成字母[4]。 |
第四。解析树:“自然语言解析器需要一个句子作为输入,并决定了标签语法树结构,对应句子的解释”(Ratnaparkhi, A (1998)。最大熵模型对自然语言歧义决议。博士论文,宾夕法尼亚大学。]。我们使用转变减少风格解析器基于Adwait Ratnaparki 1998论文[Ratnaparkhi, a (1998)。最大熵模型对自然语言歧义决议。博士论文,宾夕法尼亚大学。)工具的帮助下根据潘树图资料库生成解析树的每个语句[5]。 |
结论 |
在线考试系统自动评价的主观问题将有利于大学,学校和学院的学术目的通过提供缓解能力和考试评价单元。这个模型会将学生的主观的答案和标准答案转换成图形的形式,然后运用一些相似的措施,例如字符串匹配,wordNet和传播过程的计算相似度得分。这个模型提供了一个解决方案的自动化主观回答评估过程。 |
未来的工作 |
更多的分析需要进行相似性匹配。推导出领域本体的方法检查两个短语;但一个适当的技术来减少人类和计算机之间的差距评估员。升级的算法评价多个句子回答。 |
数据乍一看 |
|
图1 |
|
引用 |
- 国际创新工程和科学杂志(IJIES) ISSN: 2319 - 9598,第一卷,Issue-9, 2013年8月
- Papri Chakraborty”,开发一个智能辅导系统来评估学生的认知和评价描述类型的答案”,IJMER, 985 - 990页,2012年
- Mita k . Dalal穆克什A . Zave“自动文本分类:技术评审”,国际期刊《计算机应用,pp.37 - 40, 2011
- 梅根·Kambli,“在线考试系统”报告,可用:http://www.cdacmumbai.in/design/corporate_site/override / pdfdoc / meghareport.pdf
- 贾瓦哈拉尔·尼赫鲁技术大学、海德拉巴、“检查和评价体系”,可用:
- http://articles.timesofindia.indiatimes。有限公司/ 2011 - 03年17 /阿拉哈巴德/ 29138537 _1_first-paper-examination-centres-boys。
- https://en.wikipedia.org/wiki/Education_in_India
- http://www.cs.umd.edu/ nautica / cmsc421 / part-of-speech-tagging.pdf
- http://en.wikipedia.org/wiki/Academic_grading_in_India
- http://www.cs.rochester.edu/尼尔森/课程/ csc_173 /语法/ parsetrees.html
|