来源：期刊VIP网 时间：
作者：刘凡;崔金凤;吴铭;沈荣;
单位：河海大学计算机与软件学院;河海大学人工智能与自动化学院;
摘要：为了提高教师组卷的质量及教学效率，优化教学资源，国内外许多学者对自动组卷技术进行了深入的研究。传统的自动组卷算法并未考虑班级整体认知水平，且组卷效率低，组卷质量参差不齐，影响了对学生学习效果的正确评估。针对以上问题，该文提出了基于认知诊断与大模型优化遗传算法的自动组卷方法。首先借助预训练大模型所具备的强大数据处理和分析能力，提出了利用大语言模型的微调技术和问答机制进行自动组卷，通过实验选择在7B(7 Billion)参数规模的Qwen大模型上使用Q-LoRA微调进行自动组卷，可以高效率地生成试卷。同时，提出基于认知诊断与大模型优化遗传算法的自动组卷方法提升试卷质量，利用Qwen大模型生成的试卷作为初始种群，并且设计组卷适应度计算方法，采用“精英保留”的思想设计遗传算子，改进选择、交叉、变异算子的设计，始终保留种群中最好的个体。实验结果显示，传统遗传算法组卷需要34.586 s，成功率为83%，大模型自动组卷算法则能在8.565 s内完成，但成功率略降至81%。相比之下，该文提出的基于认知诊断与大模型优化的遗传算法自动组卷方法，不仅将组卷效率大幅提升至0.673 s，而且成功率高达100%，完全满足了实际应用的需求。这一方法显著优于前述两种算法，展现出在效率和成功率上的双重优势。
关键词：自动组卷;;认知诊断;;大语言模型;;遗传算法
基金资助：江苏省高等教育“电子信息类专业建设、课程建设、教学研究”重点课题“大模型与认知诊断联合驱动的成绩预测及自动组卷研究”(2024JSDZJG12);; 教育部产学合作协同育人项目“基于华为云AI开发平台的融合课程建设与交流”(231100007112225);; 中国软件行业协会国产软件进课堂教学改革项目“基于华为AI的人工智能课程教学改革”(JGLX-CSIA-HW-20241088)
