Repository files navigation

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

• 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