这是一个基于tornado的计算机自适应测验.数据库使用的是postgresql.
- 双参数二级计分模型(Binary Response Model)
- 等级计分模型(Grade Response Model)
- a分层
- 子试题池（影子题库？）
- 信息函数
- 曝光次数
- a分层将测验分为n个阶段,从每个阶段抽出若干道试题,其中第一阶段是依据难度随机抽题,不计算被试特质,其他阶段依据被试特质估计值进行抽题
- 第一阶段的抽题策略是:假如第一阶段需要抽出5道题,则依据难度大小把第一层次的试题分成5份,然后从这五份子试题池中抽出5道题, 从而保证随机抽题的难度均匀分布,避免发生所抽试题太简单或太难
- 其他阶段的抽题策略是:首先计算被试的特质估计值,依据估计值,寻找估计值与试题难度值差值绝对值最小的30道题,这30道题形成一个子试题池, 计算这30道题的总共使用次数,然后计算每道题的使用次数与总共使用次数之比,以及信息函数值, 计算前者与后者的比值, 最后抽出比值最小的题. 这样抽题的好处一个是计算上节省资源,不用计算每道题的信息函数,只需计算试题池中的题目, 既考虑了测验效率又降低了试题曝光率
极大后验均值估计(MAP)
- 相比极大似然估计(MLE),极大后验均值估计对初值不敏感, 估计也比较稳健
- 相比期望后验均值(EAP), 极大后验均值的计算速度要慢了一倍(python的for循环非常耗时)...
- 经10000测试数据(每个数据包含10道题)检验, CORE M 0.8g的CPU下, 期望后验均值的时间是大约是2.4秒, 极大后验均值的时间大约是6秒
- 验证方法:
$ python irt.py$ python eap.py
- 进入首页,随意点击测验列表中的测验
- 答题界面包含答题进度条,倒计时进度条,题干,选项
- 鼠标悬停答题进度条,会显示还剩多少题
- 鼠标悬停题干,会显示当前试题的试题参数
- 鼠标悬停选项, 会显示当前选项的得分情况
- 当未选中选项时,鼠标悬停按钮,会提升必须选中选项
- 当题目作答完毕,会跳转到结果页面
- 答题过程中,若刷新页面,会重新作答测验,并且会保存你之前作答记录,所以重写作答的测验所抽试题与之前不重复
- 如果刷新页面的过程中顺带删除了cookie中的sessionid,上述结论作废
- 若点击了浏览器的后退前进按钮,则也会重新开始测验,且试题不重复
- postgresql自带json类型, 可以方便存储和查询.当然不用json类型也可以,一是数据纵向发展,但太消耗资源 二是也采用横向发展的策略,但是查询就便的很困难和消耗资源
- postgresql有很多的数学函数和统计函数
- postgresql的python适配器psycopg2原生支持异步
| 列名 | 解释 |
|---|---|
| name | 测验名称 |
| type | 测验计分类型，二级计分或多级计分 |
| flow | 测验流程，例如'5,4,3'代表第一阶段答5题，第二阶段答4题，第三阶段答3题 |
| level_one_count | a分层把试题分为了多个层次，其实第一层次的题量保存在这里 |
| second | 每一题答题所限时间，单位为秒 |
| 列名 | 解释 |
|---|---|
| question | 题干 |
| slop | 区分度值 |
| threshold | 难度值 |
| thresholds | 多个难度值，形如'1.0,-1.1,0.9'，其中,是分隔符 |
| choice_text | 选项，例子参见测试数据 |
| choice_value | 选定得分， 例子参加测试数据 |
| count | 试题的曝光次数 |
| a_level | 试题所在层次 |
- python 2.7.x
- postgresql 9.4
- tornado 4.x
- psycopg2 2.6
- momoko 2.x
- numpy
$ git clone https://github.com/inuyasha2012/tornado-cat-example.git
$ cd tornado-cat-example
$ pip install requirements.txt
通过createdb命令或pgadmin3图形界面创建数据库
按照注释修改settings.py
$ cd example
创建表
$ python create_table.py
导入试测数据
$ python import_data.py
启动服务
$ python main.py
- 单元测试
- 基于memcached或redis的session
- 三参数模型, 速度参数模型, 展开模型, 名称模型等等
- 基于momoko的orm
Email: inuyasha021@163.com