在計(jì)算機(jī)智能評分研究中,選取定標(biāo)樣本對建立評分模型至關(guān)重要。通過對不同定標(biāo)集人機(jī)評分的對比研究,提出"專家隨機(jī)抽取+智能挑選樣卷+聚類分段補(bǔ)充"的定標(biāo)集選取方法。這種方法提升了評分模型對于各分?jǐn)?shù)段的建模能力,符合高考等考試環(huán)境下考生成績呈正態(tài)分布的特點(diǎn),拓展了對專家評分和閱卷教師評分的綜合學(xué)習(xí)能力,使得計(jì)算機(jī)智能輔助評分系統(tǒng)能夠通過深度學(xué)習(xí)的方法,更加全面地理解和掌握評分標(biāo)準(zhǔn)。
【部分圖文】：

得出的結(jié)論是，對于滿分25分的英語作文，智能評分結(jié)果相較于人工網(wǎng)上評分形成的報(bào)道分而言，其平均分差僅為1.66，總體一致率達(dá)到97.96%，相關(guān)系數(shù)達(dá)到0.919，呈現(xiàn)出一個(gè)高吻合的應(yīng)用結(jié)果。在分差分布方面，分段補(bǔ)充型方案的分差更趨于集中，完全一致的比率達(dá)到13.83%,2分以內(nèi)的累計(jì)分差占比為51.31%，相比原網(wǎng)評過程中采用的定標(biāo)方案的44.57%，提升了6.74%�？梢娫谟⒄Z作文上，“人機(jī)結(jié)合+分段補(bǔ)充”型定標(biāo)集選取方法，對于評分模型的建立和性能提升也起到積極作用。2.5 在2019年高考中的應(yīng)用情況
【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 鄭秦香;實(shí)施目標(biāo)化教學(xué)不可忽視育人定標(biāo)[J];甘肅教育;1996年11期

2 郭振虎;;積極開展學(xué)科建設(shè) 提高課程實(shí)施水平[J];山東教育;2009年25期

本文編號(hào)：2867637