计算机工程

作者：王煜焜, 徐行健, 孟繁军, 宋慧媛

单位：1. 内蒙古师范大学计算机科学技术学院, 内蒙古 呼和浩特 0100222. 内蒙古(电力)集团有限责任公司锡林郭勒供电分公司, 内蒙古 锡林郭勒 026000

关键词：教育大数据,多任务特征,客观题难度预测,双向循环神经网络,注意力机制

基金：内蒙古自然科学基金(2023LHMS06011); 内蒙古自然科学基金(2023MS06016); 内蒙古师范大学基本科研业务费专项资金(2022JBQN105); 内蒙古自治区军民融合重点科研项目及软科学研究项目(JMRKX202201)

由于大多数试题难度预测方案是劳动密集型的, 耗时且容易泄漏, 或者在某种程度上是主观的, 严重影响智能化教育评价体系的进步发展, 因此, 利用神经网络实现试题难度自动预测具有重要意义。提出一种基于多特征注意力的双向循环神经网络模型(M-ABRNN)。该模型首先基于多特征任务学习方法, 通过检索计算机关联知识以丰富题干信息; 其次通过双向循环神经网络挖掘客观题文本数据的逻辑关系并提取语句表征, 并利用注意力机制度量关联语句对试题的重要程度; 最后将获取的特征输入到模型中进行训练, 训练完后模型可以自动预测每个新试题的难度。在大学计算机基础课程数据集上的实验结果表明, 所提模型的皮尔逊相关系数(PCC)和一致性(DOA)均有显著提升, 可见该模型能够有效地对客观题难度进行预测, 实现题目难度的自动化评测。

来源：2025年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第10期