大學(xué)英語診斷性練習(xí)系統(tǒng)中診斷性評價模型研究①

吳 濤,張 暉,吳 敏

(中國科學(xué)技術(shù)大學(xué) 現(xiàn)代教育技術(shù)中心,合肥 230026)

在傳統(tǒng)的教學(xué)活動中,教師會根據(jù)練習(xí)測試結(jié)果和學(xué)習(xí)者在課堂內(nèi)外的具體表現(xiàn),對學(xué)習(xí)者進(jìn)行定量和定性的評價,學(xué)習(xí)者能夠在教師的幫助下改善自己的學(xué)習(xí)過程、糾正學(xué)習(xí)中的偏差[1].在網(wǎng)絡(luò)在線學(xué)習(xí)系統(tǒng)中,學(xué)習(xí)者在進(jìn)行學(xué)習(xí)的同時,需要自行設(shè)定學(xué)習(xí)目標(biāo)、選擇學(xué)習(xí)策略、調(diào)整學(xué)習(xí)步調(diào)[2].

為了幫助越來越多的大學(xué)生備考大學(xué)英語四級考試,許多高校和企業(yè)推出了很多在線英語練習(xí)系統(tǒng).但試用后不難發(fā)現(xiàn),這些系統(tǒng)的使用流程仍然局限于做題和查看解答的傳統(tǒng)模式,提供給學(xué)習(xí)者的反饋信息也僅僅停留在得分情況、試題解答和題目分析上.這樣的反饋信息缺乏針對性和指向性,既不能體現(xiàn)出人工智能時代大數(shù)據(jù)的優(yōu)勢,更無法為學(xué)習(xí)者提供客觀的診斷性評價和有效的學(xué)習(xí)建議,這必然會對學(xué)習(xí)效果造成一定的偏差,學(xué)習(xí)的效率也不是很高.

在線學(xué)習(xí)平臺應(yīng)利用實際使用中收集的大量數(shù)據(jù)來進(jìn)行數(shù)據(jù)分析和理解,揭示數(shù)據(jù)內(nèi)部蘊(yùn)藏的信息,才能彌補(bǔ)個人經(jīng)驗的不足和系統(tǒng)的分析缺陷[3].本文利用系統(tǒng)使用過程中收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)挖掘,從學(xué)習(xí)狀態(tài)、題型關(guān)聯(lián)分析、知識點關(guān)聯(lián)分析和四級成績預(yù)測這四個角度分別建模,最終合并得到了診斷性評價模型.

本文組織結(jié)構(gòu)如下,第1節(jié)對大學(xué)英語診斷性練習(xí)系統(tǒng)進(jìn)行了簡介,第2節(jié)介紹診斷性評價模型的總體設(shè)計,第3節(jié)介紹了學(xué)習(xí)狀態(tài)評價、題型關(guān)聯(lián)分析、知識點關(guān)聯(lián)分析和四級成績預(yù)測這四個模型的構(gòu)建和合并后的診斷性評價模型以及診斷性評價模型在系統(tǒng)中的實現(xiàn),第4節(jié)給出診斷性評價模型在某高校的實驗結(jié)果并進(jìn)行相關(guān)分析,最后進(jìn)行總結(jié).

1 大學(xué)英語診斷性練習(xí)系統(tǒng)

大學(xué)英語診斷性練習(xí)系統(tǒng)是一個以大學(xué)英語四級考試為背景、向?qū)W習(xí)者提供個性化的指導(dǎo)建議、幫助學(xué)習(xí)者提升英語水平的在線學(xué)習(xí)系統(tǒng).在對英語考試知識點分類和對題目知識點賦值的基礎(chǔ)上,該系統(tǒng)向?qū)W習(xí)者提供多種練習(xí)模式,能夠根據(jù)學(xué)習(xí)者以往的練習(xí)情況指出其弱項知識點,使得學(xué)習(xí)者既可以充分享受網(wǎng)絡(luò)教育帶來的便捷,又可以根據(jù)自身特點接受個性化指導(dǎo),針對性地進(jìn)行學(xué)習(xí),從而高效地提高英語四級成績.

系統(tǒng)模塊按照用戶角色分為學(xué)生模塊、教師模塊和管理員模塊三個部分,其中學(xué)生模塊包括需完成作業(yè)、自主練習(xí)模式以及直觀化的統(tǒng)計結(jié)果等部分; 教師模塊包括自主出題、布置作業(yè)、成績管理和學(xué)生管理等功能; 管理員模塊則包含教師管理和班級管理等功能.

從上述描述可以看出,大學(xué)英語診斷性練習(xí)系統(tǒng)中對于學(xué)生模塊的設(shè)計仍是傳統(tǒng)的做題和查看分?jǐn)?shù)統(tǒng)計的功能,提供給學(xué)習(xí)者的反饋信息只有統(tǒng)計和試題解答等,這導(dǎo)致了學(xué)習(xí)者缺乏詳細(xì)的后期評估、準(zhǔn)確的學(xué)習(xí)指導(dǎo)和精準(zhǔn)的試題推薦來幫助他們快速提高成績并且通過四級考試,所以利用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等技術(shù)對診斷性評價模型進(jìn)行研究和實現(xiàn)勢在必行.

2 診斷性評價模型的設(shè)計

對學(xué)習(xí)者進(jìn)行的教育評價分為形成性評價和總結(jié)性評價.形成性評價是通過診斷學(xué)習(xí)者的學(xué)習(xí)情況、學(xué)習(xí)過程中存在的問題,為學(xué)習(xí)者正在進(jìn)行的學(xué)習(xí)活動提供反饋信息,以提高正在進(jìn)行的學(xué)習(xí)活動的質(zhì)量;總結(jié)性評價則是對學(xué)習(xí)活動效果做出價值判斷

本文所探討的診斷性評價,是幫助學(xué)習(xí)者在其自主學(xué)習(xí)的過程中動態(tài)診斷其學(xué)習(xí)情況和學(xué)習(xí)障礙,并據(jù)此優(yōu)化學(xué)習(xí)過程的一種反饋信息,因此診斷性評價更多地屬于形成性評價.

對于自主學(xué)習(xí)者來說,診斷性評價可以幫助他們調(diào)整學(xué)習(xí)策略,改善學(xué)習(xí)方法.因此,診斷性評價作為完善學(xué)習(xí)者學(xué)習(xí)過程的評價,要對學(xué)習(xí)者在學(xué)習(xí)過程中出現(xiàn)的問題和學(xué)習(xí)障礙做出反饋,從而輔助學(xué)習(xí)者改善學(xué)習(xí)策略和調(diào)整學(xué)習(xí)步調(diào).

為了給自主學(xué)習(xí)的學(xué)習(xí)者提供有效的幫助,診斷性評價應(yīng)當(dāng)具備以下三個方面的作用:

(1) 診斷

診斷性評價,顧名思義需要有診斷的功能.評價不僅要對學(xué)習(xí)者的能力、狀態(tài)做出鑒定,幫助學(xué)習(xí)者全面了解自身的學(xué)習(xí)情況,更應(yīng)當(dāng)明確找到學(xué)習(xí)者在學(xué)習(xí)過程中所面臨的問題和存在的缺點.學(xué)習(xí)者只有在客觀了解自身學(xué)習(xí)狀態(tài)、明確學(xué)習(xí)中的漏洞之后,才能高效地提高學(xué)習(xí)效率.

(2) 調(diào)節(jié)

診斷性評價作為一種學(xué)習(xí)活動的反饋信息,應(yīng)當(dāng)注重學(xué)習(xí)者的個性化調(diào)節(jié).網(wǎng)絡(luò)教育應(yīng)該因材施教,根據(jù)不同學(xué)習(xí)者的不同特性提供個性化的診斷建議,這樣才有利于學(xué)習(xí)者更加有效地自主調(diào)控學(xué)習(xí)策略,改進(jìn)學(xué)習(xí)者的個體學(xué)習(xí)方法,更適應(yīng)學(xué)習(xí)者自身的發(fā)展.

(3) 預(yù)警

在傳統(tǒng)教學(xué)中,教師通過作業(yè)和練習(xí)測試查看學(xué)習(xí)者的學(xué)習(xí)狀態(tài),但由于傳統(tǒng)班級人數(shù)眾多等原因,教師往往無法關(guān)注所有同學(xué)的學(xué)習(xí)狀態(tài),從而導(dǎo)致部分學(xué)習(xí)者的成績下滑.診斷性評價模型通過查看學(xué)習(xí)者練習(xí)數(shù)據(jù),可以動態(tài)診斷其近期學(xué)習(xí)狀態(tài)和學(xué)習(xí)障礙,從而做到預(yù)警的功能,時刻督促學(xué)習(xí)者查漏補(bǔ)缺.

本文提出的診斷性評價模型是一種旨在以系統(tǒng)自動評價的形式診斷學(xué)習(xí)者的學(xué)習(xí)情況和學(xué)習(xí)障礙、指導(dǎo)學(xué)習(xí)者的學(xué)習(xí)策略、激發(fā)學(xué)習(xí)者的學(xué)習(xí)興趣的動態(tài)評價模型.據(jù)此,診斷性評價的框架如圖1所示.

圖1 診斷性評價的框架

具體的操作流程如下:

(1) 統(tǒng)計學(xué)習(xí)者的練習(xí)信息,并進(jìn)行分析計算

從系統(tǒng)現(xiàn)有的數(shù)據(jù)庫中提取學(xué)習(xí)者的測試、練習(xí)信息,經(jīng)過處理后使用診斷性評價模型進(jìn)行分析計算.

(2) 分析評價學(xué)習(xí)者的整體學(xué)習(xí)狀態(tài)

從學(xué)習(xí)者的知識點得分、題型得分等方面出發(fā),以學(xué)習(xí)者的角度對練習(xí)測試信息進(jìn)行分析,從得分率和穩(wěn)定程度兩個方面來評定學(xué)習(xí)者的學(xué)習(xí)狀態(tài).通過對學(xué)習(xí)者學(xué)習(xí)狀態(tài)的公正判斷,系統(tǒng)將對狀態(tài)不穩(wěn)定、學(xué)習(xí)進(jìn)度較落后的學(xué)習(xí)者進(jìn)行預(yù)警,從而激發(fā)學(xué)習(xí)者的學(xué)習(xí)動力.

(3) 診斷學(xué)習(xí)者的知識點和題型障礙

使用知識點關(guān)聯(lián)規(guī)則表和題型關(guān)聯(lián)規(guī)則表分別對學(xué)習(xí)者的知識點和題型進(jìn)行關(guān)聯(lián)分析,推斷學(xué)習(xí)者的知識點和題型障礙,幫助學(xué)習(xí)者找到自身的缺陷,快速有效地提高成績.

(4) 預(yù)測學(xué)習(xí)者的四級成績

對學(xué)習(xí)者的測試、練習(xí)信息進(jìn)行特征提取,使用隨機(jī)森林和多元線性回歸兩個模型并加以融合構(gòu)建得到四級成績預(yù)測模型,讓學(xué)習(xí)者了解自身的英語水平,督促學(xué)習(xí)者練習(xí)試題.

3 診斷性評價模型的構(gòu)建和實現(xiàn)

根據(jù)第二節(jié)的設(shè)計,需要對學(xué)習(xí)狀態(tài)評價模型、知識點關(guān)聯(lián)分析、題型關(guān)聯(lián)分析和四級成績預(yù)測模型分別進(jìn)行研究和設(shè)計,最后整合成診斷性評價模型并在大學(xué)英語診斷性練習(xí)系統(tǒng)中進(jìn)行了實現(xiàn).

3.1 學(xué)習(xí)狀態(tài)評價模型

學(xué)習(xí)者學(xué)習(xí)狀態(tài)的評價,應(yīng)從學(xué)習(xí)者的能力水平和穩(wěn)定程度兩個維度出發(fā),對學(xué)習(xí)狀態(tài)進(jìn)行評定.

Student-Problem Chart (S-P表)是藤田(Takahiro Sato)教授根據(jù)統(tǒng)計學(xué)提出的一種分析方法,它將學(xué)生和問題相對應(yīng)并以視覺化的圖表進(jìn)行統(tǒng)計分析,對學(xué)習(xí)者給予全面的評價[4].在本文中將使用S-P表分析法來構(gòu)建學(xué)習(xí)者學(xué)習(xí)狀態(tài)評價算法.其中使用注意系數(shù)來評價學(xué)習(xí)者的學(xué)習(xí)穩(wěn)定程度,知識點題型得分率來評價學(xué)習(xí)者的掌握情況.

學(xué)習(xí)狀態(tài)評價算法主要解決學(xué)習(xí)者知識點題型掌握情況和注意系數(shù),并且判定學(xué)習(xí)者的學(xué)習(xí)類型,為學(xué)習(xí)者提供針對性個性化的指導(dǎo).具體算法步驟如下:

(1) 讀取學(xué)習(xí)者的知識點和題型得分率

從數(shù)據(jù)庫中讀取學(xué)習(xí)者的知識點和題型得分率,并以矩陣的形式存儲.設(shè)有N位學(xué)習(xí)者,每位學(xué)習(xí)者的知識點和題型得分率為M項,矩陣中的元素xij表示第i名學(xué)習(xí)者的得分率j大小,矩陣的公式如下:

(2) 處理連續(xù)數(shù)據(jù)

得分率是區(qū)間在[0,1]之間的小數(shù),而學(xué)習(xí)狀態(tài)評價模型只能對二元離散數(shù)據(jù)進(jìn)行操作,因此需要對學(xué)習(xí)者的得分率進(jìn)行二元離散處理.

(3) S-P表行列計算

計算學(xué)習(xí)者i的得分和xi,知識點和題型的學(xué)習(xí)者得分和xj.

(4) 計算學(xué)習(xí)者的注意系數(shù)

設(shè)yij是第i名學(xué)習(xí)者的得分率j的數(shù)值,yi是學(xué)習(xí)者i的總得分,yj是知識點題型j的答對數(shù),μ是試題的平均答對數(shù),則學(xué)習(xí)者注意系數(shù)CSi計算公式如下:

(5) 計算學(xué)習(xí)者的知識點和題型掌握情況

學(xué)習(xí)者的知識點題型掌握情況的計算公式如下:

(6) 輸出結(jié)果

輸出學(xué)習(xí)者的知識點題型得分率、注意系數(shù).

以上就是學(xué)習(xí)狀態(tài)評價模型的操作流程.

3.2 題型關(guān)聯(lián)分析和知識點關(guān)聯(lián)分析

知識點和知識點之間存在一定的關(guān)聯(lián),即某種或某幾種知識點的得分率高低可能會和其他知識點的得分率高低有所關(guān)聯(lián),所以需要對知識點的關(guān)聯(lián)分析進(jìn)行探究.相應(yīng)的,對于題型的研究也是如此.

本節(jié)通過在系統(tǒng)使用中收集了大量的原始數(shù)據(jù),經(jīng)過數(shù)據(jù)處理后,分別對題型和知識點進(jìn)行關(guān)聯(lián)分析,最終得出了比較完善和可靠的題型關(guān)聯(lián)規(guī)則表和知識點關(guān)聯(lián)規(guī)則表.

其中,關(guān)聯(lián)分析的具體步驟如下:

(1) 導(dǎo)入數(shù)據(jù).讀取所有用戶的知識點得分率和題型得分率

(2) 清理數(shù)據(jù).將數(shù)據(jù)處理成挖掘算法所需要的格式.

(3) 數(shù)據(jù)挖掘.使用Apriori算法分別對題型和知識點進(jìn)行關(guān)聯(lián)分析.

(4) 調(diào)整參數(shù).根據(jù)挖掘結(jié)果調(diào)整最小置信度和最小支持度,得到相對合適的關(guān)聯(lián)規(guī)則.

(5) 輸出結(jié)果.輸出知識點關(guān)聯(lián)規(guī)則表和題型關(guān)聯(lián)規(guī)則表.

綜上就是產(chǎn)生關(guān)聯(lián)規(guī)則表的操作流程.

3.3 大學(xué)英語四級成績預(yù)測模型

當(dāng)前系統(tǒng)中沒有提供大學(xué)英語四級分?jǐn)?shù)預(yù)測的功能,而很多剛進(jìn)入大學(xué)的學(xué)習(xí)者對于四級題型知識點等并不熟悉,也不能完全預(yù)估自身實力,所以對于能否通過四級并無把握.本文收集了在系統(tǒng)前期使用過程中的數(shù)據(jù)和用戶留下的四級考試成績,經(jīng)過數(shù)據(jù)處理、特征選擇后,使用隨機(jī)森林模型和多元線性回歸模型分別進(jìn)行訓(xùn)練,通過投票法進(jìn)行模型融合,最終得到了的大學(xué)英語四級分?jǐn)?shù)預(yù)測模型.

隨機(jī)森林模型和多元線性回歸模型都有著生成簡單的優(yōu)點,所以在本文中使用這兩種模型來構(gòu)建四級成績預(yù)測模型.隨機(jī)森林模型和多元線性回歸模型都使用Python編程進(jìn)行自動機(jī)器學(xué)習(xí),并輸出回歸結(jié)果.四級成績預(yù)測模型的具體操作步驟如下:

(1) 導(dǎo)入數(shù)據(jù).使用pandas包導(dǎo)入數(shù)據(jù)集,并將數(shù)據(jù)集依據(jù)4:1的比例劃分成訓(xùn)練集和驗證集.

(2) 清理數(shù)據(jù).對于缺失數(shù)據(jù),使用其平均值來代替.

(3) 構(gòu)建交互變量.對特征集中任意兩個不同特征f1、f2,依次生成f1+f2、f1–f2、f1*f2、f1/f2 這四種特征,并加入到特征集中.

(4) 訓(xùn)練模型.使用sklearn包來導(dǎo)入多元線性回歸模型(LinearRegression)和隨機(jī)森林模型(Random-ForestRegressor),將這兩個模型進(jìn)行訓(xùn)練并使用投票法融合,其中對隨機(jī)森林設(shè)定訓(xùn)練樹為500.

(5) 輸出結(jié)果.根據(jù)步驟(4)得到的訓(xùn)練模型輸出測試集的結(jié)果,并輸出多個評價指標(biāo).

其中步驟(4)中的投票法是將多個模型的輸出結(jié)果進(jìn)行線性加權(quán),而在本文中由于只有兩個模型,故將這兩個模型的權(quán)值設(shè)置為相同.

在本文中使用均方根誤差(RMSE)和均方根對數(shù)誤差(RMSLE)這兩個評價標(biāo)準(zhǔn)進(jìn)行驗證.它們的計算公式如下:

其中,Xobs,i為預(yù)測值,Xmdl,i為真實值.

使用驗證集對四級成績預(yù)測模型進(jìn)行驗證,RMSE和RMSLE在隨機(jī)森林、多元線性回歸和融合后的模型的數(shù)據(jù)如表1所示.

表1 各模型的RMSE和RMSLE

從表1可以看出,隨機(jī)森林模型的RMSE在24.325、RMSLE為0.159,多元線性回歸模型的RMSE為25.624、RMSLE為0.145,而將這兩模型經(jīng)過投票法融合后的模型的RMSE為20.541、RMSLE為0.123,由此可以看出融合后的模型在RMSE和RMSLE兩方面都有所提高,預(yù)測模型的準(zhǔn)確性也比較高.

3.4 診斷性評價模型的構(gòu)建

前幾節(jié)介紹了四個子模型的構(gòu)建,本節(jié)將這四個子模型整合,最終構(gòu)成了完整的診斷性評價模型.具體的步驟如下:

(1) 提取數(shù)據(jù).從數(shù)據(jù)庫中提取用戶數(shù)據(jù).

(2) 處理數(shù)據(jù).清理用戶數(shù)據(jù),并將其變換成模型需要的格式.

(3) 評價用戶的學(xué)習(xí)情況和穩(wěn)定程度.通過學(xué)習(xí)狀態(tài)評價模型計算得到知識點題型掌握情況和注意系數(shù),判定得到用戶的學(xué)習(xí)情況和穩(wěn)定程度.

(4) 診斷用戶知識點掌握情況.使用知識點關(guān)聯(lián)規(guī)則表得出用戶潛在強(qiáng)弱項知識點.

(5) 診斷用戶題型掌握情況.使用題型關(guān)聯(lián)規(guī)則表得出用戶的潛在強(qiáng)弱項題型.

(6) 預(yù)測用戶四級分?jǐn)?shù).使用大學(xué)英語四級分?jǐn)?shù)預(yù)測模型預(yù)估用戶的四級分?jǐn)?shù).

(7) 輸出用戶數(shù)據(jù).

綜上就是整體的診斷性評價模型的操作步驟,為了更好的展現(xiàn),診斷性評價模型的流程圖如圖2所示.

圖2 診斷性評價模型的完整流程圖

3.5 診斷性評價模型的實現(xiàn)

診斷性評價模型是大學(xué)英語診斷性練習(xí)系統(tǒng)的一部分,所以診斷性評價模型實現(xiàn)所用的技術(shù)方案應(yīng)與大學(xué)英語診斷性練習(xí)系統(tǒng)的總體技術(shù)方案保持一致.

大學(xué)英語診斷性練習(xí)系統(tǒng)是一個Web形式的在線學(xué)習(xí)系統(tǒng),它主要是基于B/S (Browser/Server)模式和ASP.NET MVC框架.該系統(tǒng)的客戶端運行在Web瀏覽器上,使用網(wǎng)絡(luò)通信與服務(wù)器端交互.該系統(tǒng)使用SQL Server數(shù)據(jù)庫來存儲數(shù)據(jù)信息.

為了方便調(diào)用診斷性評價模型中學(xué)習(xí)狀態(tài)評價模型和四級成績預(yù)測模型的計算結(jié)果,這兩個模型將采用Python實現(xiàn)并將計算結(jié)果存入數(shù)據(jù)庫中供用戶查詢.因為Drools規(guī)則引擎具有方便調(diào)整、易于管理的特點,所以診斷性評價模型中的知識點關(guān)聯(lián)規(guī)則和題型關(guān)聯(lián)規(guī)則將使用Drools規(guī)則引擎編寫.具體的診斷性模塊調(diào)用框架圖如圖3所示.

圖3 診斷性模塊調(diào)用框架圖

4 模型驗證和分析

為了對診斷性評價模型進(jìn)行驗證,筆者在使用該系統(tǒng)的高校選擇了兩個成績相當(dāng)并且待考四級的大二班級,一個作為實驗班,一個作為對照班,共計120人.其中對照班按照正常的教學(xué)安排進(jìn)行學(xué)習(xí),而實驗班除了正常的教學(xué)安排還將使用診斷性系統(tǒng)完成6套試題.

實驗班同學(xué)在經(jīng)過一學(xué)期的使用后,已經(jīng)非常熟悉系統(tǒng)的各種評價功能,所以請他們對系統(tǒng)及診斷性評價模型進(jìn)行滿意度點評,點評數(shù)據(jù)如表2所示.

表2 診斷性評價模型滿意度評分表

表2中的滿意度評分是指用戶對此項的滿意度,對分?jǐn)?shù)的定義為: 1分為非常不滿意,2分為不滿意,3分為一般,4分為滿意,5分為非常滿意.

表2中統(tǒng)計了每個評分的人數(shù).從表2中數(shù)據(jù)可以看出各項滿意度平均分均在3.6分以上,可以看出用戶評分在一般和滿意之間,并偏向滿意,這從一定程度上證明了診斷性評價模型的診斷效果.

在本次四級考試成績公布后,筆者分別統(tǒng)計了實驗班和對照班的四級平均成績和四級通過人數(shù),具體的情況如表3所示.

表3 四級平均成績和四級通過人數(shù)

根據(jù)表3的統(tǒng)計結(jié)果,我們可以看出實驗班此次的四級平均成績?yōu)?79分并且有10人通過了此次四級考試,對照班此次的四級平均成績?yōu)?62分并且有7人通過了此次四級考試.實驗班的平均成績比對照班高出了15分,四級通過人數(shù)也多了3人.

由此可以看出,實驗班和對照班的初始成績雖然相當(dāng),但實驗班在使用診斷性練習(xí)系統(tǒng)后四級成績有了一定的提升,通過人數(shù)也有了增加.

此外,通過數(shù)據(jù)庫收集的實驗班同學(xué)的練習(xí)數(shù)據(jù)使用大學(xué)英語四級成績預(yù)測模型后得到的預(yù)測值的RMSE為20.387,RMSLE為0.126,也與之前的數(shù)據(jù)非常相近.

綜上可知,診斷性評價模型在該校使用情況良好,學(xué)生反饋較好,對于四級成績的提升也較為明顯.

5 總結(jié)

本文的主要工作是診斷性評價模型的研究和構(gòu)建.首先,作者介紹了大學(xué)英語診斷性練習(xí)系統(tǒng); 其次,詳細(xì)探討了診斷性評價模型的設(shè)計細(xì)節(jié)和設(shè)計意義; 接著,使用S-P表分析法分析設(shè)計了學(xué)習(xí)者學(xué)習(xí)狀態(tài)評價模型; 然后,利用數(shù)據(jù)挖掘中的Apriori算法對處理過的數(shù)據(jù)進(jìn)行了題型關(guān)聯(lián)分析和知識點關(guān)聯(lián)分析,得到了比較準(zhǔn)確的題型關(guān)聯(lián)分析表和知識點關(guān)聯(lián)分析表;并且,利用隨機(jī)森林模型和多元線性回歸模型對處理過的數(shù)據(jù)設(shè)計了大學(xué)英語四級分?jǐn)?shù)預(yù)測模型,并使用RMSE和RMSLE兩個評價標(biāo)準(zhǔn)驗證了該模型; 最后,對診斷性評價模型進(jìn)行了總結(jié)和用戶驗證,從而證明了診斷性評價模型的準(zhǔn)確性和可靠性.

本文設(shè)計的診斷性評價模型會根據(jù)用戶的練習(xí)情況動態(tài)地進(jìn)行診斷評價、調(diào)節(jié)和預(yù)警,并且隨著用戶使用系統(tǒng)進(jìn)行更多練習(xí)測試時,診斷性評價的準(zhǔn)確性也將會提高.