计算机智能辅助评分系统定标集选取和优化方法研究

发布时间：2020-11-02 22:07

　　 在计算机智能评分研究中,选取定标样本对建立评分模型至关重要。通过对不同定标集人机评分的对比研究,提出"专家随机抽取+智能挑选样卷+聚类分段补充"的定标集选取方法。这种方法提升了评分模型对于各分数段的建模能力,符合高考等考试环境下考生成绩呈正态分布的特点,拓展了对专家评分和阅卷教师评分的综合学习能力,使得计算机智能辅助评分系统能够通过深度学习的方法,更加全面地理解和掌握评分标准。
【部分图文】：

得出的结论是，对于满分25分的英语作文，智能评分结果相较于人工网上评分形成的报道分而言，其平均分差仅为1.66，总体一致率达到97.96%，相关系数达到0.919，呈现出一个高吻合的应用结果。在分差分布方面，分段补充型方案的分差更趋于集中，完全一致的比率达到13.83%,2分以内的累计分差占比为51.31%，相比原网评过程中采用的定标方案的44.57%，提升了6.74%。可见在英语作文上，“人机结合+分段补充”型定标集选取方法，对于评分模型的建立和性能提升也起到积极作用。2.5 在2019年高考中的应用情况
【相似文献】

相关期刊论文 前2条

1 郑秦香;实施目标化教学不可忽视育人定标[J];甘肃教育;1996年11期

2 郭振虎;;积极开展学科建设 提高课程实施水平[J];山东教育;2009年25期

本文编号：2867637