教师视角下应对大学英语网考的教学改革

大学英语网考时代即将来临,作为大学英语教学一线工作者应该未雨绸缪地思考,如何应对这个教学变革。本文首先分析了大学英语网考的变革点,然后根据变革点提出了大学英语教学改革的具体措施。     

大学英语网考背景下跨文化能力研究

大学英语计算机化考试的构念对考生的语言能力提出了较高的要求,语言能力又与跨文化能力之间存在着密不可分的内在关系。文章从跨文化洞察力、跨文化理解力以及跨文化创造力三个方面来研究非英语专业学生的跨文化能力,并期望在多模态的语言测试中这种跨文化能力会转化为语言能力。     

智能组卷算法研究

智能组卷是网络化考试系统中较为关键的模块，其问题的实质是多约束条件的最优求解。本文提出一种基于遗传算法的智能组卷策略。     

基于遗传算法的智能组卷系统

计算机辅助教学(CAI)的一个重要应用是计算机辅助测验(CBT),而智能组卷是CBT的基础.通过对组卷目标和要求的分析,建立了智能组卷系统的数学模型,给出了一种基于遗传算法的智能组卷算法.实验结果表明,所提出的方法具有较好的性能和实用性.     

基于遗传算法的智能组卷系统设计方法初探

针对智能组卷中用户需求多样性的特点,运用多种策略相结合的组卷方式,从算法的合理性、实用性和可操作性上加以分析和设计,利用遗传算法创建模型,用于智能组卷的方法。     

基于遗传算法智能组卷系统的研究与实现

试题库智能组卷问题是一个在一定约束条件下的多目标参数优化问题,利用传统的数学方法求解较为困难,自动组卷的效率和质量取决于试题库设计以及抽题算法的设计.设计一个基于遗传算法的智能组卷系统,从试题库中自动地查找和组织出一些不同类型、不同难度、不同章节范围内的试题来组成一份最佳的试卷,解决了在教学过程中组卷耗时长、试题质量低的问题,实现了快速智能组卷.     

网络考试智能组卷研究

智能组卷是网络考试研究的重要内容。本文描述了组卷的特点及各种方式,论述了遗传算法组卷的基本过程及其具体实施,从而说明遗传算法组卷具有较高的智能性、科学性。     

基于改进遗传算法的智能组卷研究

智能组卷是一个多目标约束的组合优化问题.针对传统遗传算法在编码和遗传算子存在的问题,提出一种分段自然数编码及采取自适应遗传算子的改进遗传算法.     

遗传算法实现试题库智能组卷方法研究

智能组卷方法是当今各大高校及相关单位试题库系统中的核心内容.本文提出了一种基于遗传算法解决组卷问题的改进方法,该算法以其具有的自适应全局寻优和智能搜索技术且收敛速度快的特点解决了传统组卷中编码太长、适应度函数值计算困难等问题,建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作,为进一步完善网络试题库的建设奠定了坚实的基础.     

基于遗传算法的智能组卷研究

计算机技术自问世以来,推动并深化了教育教学改革.在考试环节,可以使用计算机辅助测试系统对学生的学习效果进行测试.计算机辅助测试系统的核心功能是根据约束条件进行组卷.建立了一个改进的组卷数学模型,并使用遗传算法对该模型求解.实验结果表明,该方法能够根据设定的约束条件进行组卷,并且有较高的成功率.     

基于自适应遗传算法的抽题组卷策略

为克服经典遗传算法求解智能组卷时存在的盲目搜索、收敛速度慢和个体易“早熟“等缺点,文章提出了基于动态自适应技术遗传算法。利用求解问题的特征改进经典遗传算法的多个关键部分,采用动态自适应技术,提高算法的寻优速度。实验结果表明,采用改进式的自适应遗传算法实现的组卷策略具有收敛速度快、搜索精度高、鲁棒性强等特点,具有很好的性能与实用性。     

基于改进遗传算法的智能型试卷自动生成系统的研究

针对传统的组卷算法具有组巷速度慢、成功率低、组卷质量不高等缺点，本文提出了一种新的数据库结构，并进一步提出了用改进的遗传算法求解组卷问题的方法。实践证明，在这种结构下的数据库能很好的配合改进的遗传算法实现智能组卷，组卷的成功率和收敛速度都得到了明显的提高，并且较好的克服了未成熟收敛现象，取得了较满意的组卷效果。     

基于整型编码遗传算法技术的智能组卷系统的研究

根据智能组卷的概念建立组卷数学模型与目标函数,并提出基于遗传算法的智能组卷策略.通过采用分段整型编码方案和遗传算法的选择、交叉、变异操作,有效地解决了组卷这个多目标优化求解问题.     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件，建立了智能组卷系统的数学模型，并给出了改进的遗传算法求解智能组卷问题的新方法．实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题，组卷成功率高，组卷速度快，具有较好的性能和实用性。     

基于混合遗传算法在测试用例生成中的研究

采用智能优化算法求解测试用例生成问题是软件测试自动化领域的研究热点。针对标准遗传算法在测试用例生成中的不足,提出基于混合遗传算法的生成方法。该算法结合分支覆盖和路径覆盖两个指标对适应度函数进行优化设计,以加快数据的优化过程。通过调节因子对自适应的交叉和变异算子进行改进,并引入模拟退火机制,提高算法的局部搜索能力。实验表明,该算法在测试用例生成中的求解质量和运行效率均优于标准遗传算法。     

基于改进遗传算法的组合电路测试生成

测试生成是集成电路测试研究的一个热点问题。针对遗传算法存在的搜索空间大、时间长的不足,在分析了逻辑门的关键位和非关键位的基础上,提出一种电路分块方法,使得遗传算法在测试生成中的应用得到了优化。仿真结果显示,该方法可获得100%的故障覆盖率,且测试时间缩短了15%。证实了该方法的有效性和可行性。     

改进的粒子群优化算法实现多目标智能组卷

通过对粒子群优化算法和智能组卷策略的研究,建立了组卷的数学模型,阐述了基本粒子群优化算法的主要思想．提出了改进的粒子群优化算法适应度函数的设计方法和粒子迁移算法,实现了将一次多目标组合优化问题转换为多次单目标组合优化问题。