基于B/S模式的在线考试管理系统的分析与设计

2021-02-28叶欣陈磊杨小国刘柳朱接文

电脑知识与技术 2021年35期

关键词：系统管理员遗传算法试卷

叶欣陈磊杨小国刘柳朱接文

摘要：该文从调研现有考试方式入手，结合在线考试的实际情况，对基于B/S模式的在线考试系统进行了系统分析，针对自动组卷的关键问题，选择并使用了遗传算法作为自动组卷算法，接着对系统进行了设计和实现，实践证明，该系统具有一定的应用价值。

关键词：自动组卷算法;在线考试;B/S

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2021）35-0048-03

考试是各级各类教育、教学、培训中十分重要的一个环节，考试工作的方式与质量也就摆在了极为突出的位置。传统考试大都以纸质试卷、笔等为材料，每次考试都要浪费大量的材料，且工作试卷的批阅、整理需要大量时间，致使考试的工作效率低下。鉴于这些原因，及时对考试工作进行改革显得十分必要。

当今世界信息技术的迅速发展，正掀起一场前所未有的社会变革，该变革逐步渗透到国民经济的各行各业、人们生活的各个方面，并催生了许多新业态、新模式。考试领域也不例外，信息技术与传统考试的深度融合，诞生了在线考试的新模式，在线考试由于其具有实时、高效率、可信度高等特点，将逐步占据传统考试的份额。

本文从分析在线考试所需的技术入手，以煤矿管理人员考试实际，详细分析在线考试系统的业务过程和自动组卷算法选取等重要问题，通过对系统进行设计，实现了在线考试系统的全部功能 [1-3]。

1 相關技术

1.1 B/S模式

B/S模式，即Browser/Server模式，中文全称是浏览器/服务器模式，是当今流行的软件开发模式，与传统的C/S模式相比，即Client/Server（客户端/服务器模式），B/S模式具有占用客户机内存较小、服务端反应迅速、使用灵活方便等特点，其完全能够满足在线考试系统的相关要求，故B/S模式适合开发在线考试系统。

1.2 LAMP体系

LAMP体系是指Linux+Apache+MySQL+PHP的技术组合开发模式，该体系使用功能强大、性能稳定、开源共享的Linux作为Web服务器的操作系统，Web服务器采用灵敏、健壮的Apache服务器，数据库服务器采用当今十分流行、灵活精悍的MySQL作为数据库管理工具，服务器端的编程语言使用PHP作为动态Web开发技术，鉴于此，该体系符合在线考试的技术需求。

2 系统分析

为了保证所设计的在线系统能保证常规考试的正常进行，必须先在全面、深入调查煤矿管理人员传统考试现状的基础上，结合在线考试相关技术，对其进行具体的需求分析。

2.1 用户需求分析

首先，从用户的角度来说，本在线考试系统有三种类型的用户，分别是考生、教师、系统管理员。由于用例图具有正确捕捉用户功能性需求的作用，以下先分别对三种用户使用用例图进行需求分析，该三种用户对应的用例图分别如图1、图2、图3所示。

如图1所示，考生用例图包括在线考试、查看成绩、退出系统三个基本需求。

如图2所示，在在线考试系统中，教师用例图具有试题库数据维护、学生成绩维护、退出系统等功能需求，其中试题数据库维护又包含对单选题、多选题、判断题等多种题型的管理，以单选题为例，教师还可以进行添加单选题、删除单选题、修改单选题、查询单选题等操作。

除了考生、教师外，在线考试系统还包含系统管理员用户，如图3所示，系统管理员具有考试管理、考生管理、数据库维护管理、推出系统等使用需求，其中考试管理又包括新增考试、查看考试、开考管理、考试管理等内容，考生管理又包括添加考生、考看考生、导入考生、检查相片等功能[4]。

2.2 系统业务流程分析

如图4所示，结合传统考试的实际情况，分析在线考试的整个业务过程如下：

l）系统管理员初始化系统，并在系统中新增考试，添加配置教师、考生等用户，并将其导入到在线考试系统中。

2）教师按照考试试题的属性，如试题的题型、难度等，添加、配置相应的试题。

3）试题配置完成后，考生可输入考生信息，登录到本系统进行在线考试，此时考生的信息将被保存系统中。

4）在线考试系统按照事先确定的自动组卷算法，从题库中按照要求选择相应试题组成试卷，本系统分配给不同学生的试题顺序、试题内容不一样，以防止学生作弊。

5）考生得到系统分发出的试卷后，开始试题作答，待题目回答完毕，通过点击提交按钮进行试卷提交。

6）系统在收到全部参与在线考试考生的试卷后，按照预先的规则，自动评阅试卷，并给出相应成绩。

7）考生可在规定时间或在收到系统成绩查询的通知后，可登录系统选择相应考试科目进行本人成绩的查询，但不能查询别人成绩。

3 自动组卷算法

3.1 自动组卷算法的选取

目前常用的自动组卷算法包括随机选取法、回溯试探法、遗传算法三种[5-6]。

随机选取法是指根据一定状态空间的控制指标，通过计算机随机抽取一道试题放入指定的试题库，然后不断重复此过程，直到组卷完毕为止，或者直到无法从题库中抽取符合控制指标的试题为止。该方法虽结构较为简单，一般对于单道题的抽取速度较快，但不适用于整个组卷过程，这样因为组卷的成功率较低，且需要花费大量时间。特别是对于各状态类型平均出题量较低的题库，容易出现组卷失败的情况。

回溯试探法是在随机选取法的基础上将产生的每一状态类型先记录下来，当搜索失败时释放上次记录的状态类型，之后再通过选择一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，该方法最终通过不断地回溯试探直到试卷生成完毕或退回原来出发点为止，对于这种有条件的深度优先算法，在状态类型和出题量都较少的题库系统的情况下，具有较高的组卷成功率，但是此算法在具体的应用时耗用大量内存，并且结构相对复杂、试题选择缺少随机性，组卷所需的时间较长，而这是用户不能同意的，所以这种组卷算法也有待于改进。

遗传算法是适合于给定约束条件下求问题的最优解，一种并行的、自进化（自组织、自适应、自学习性）的算法，该算法模拟遗传学规律，以种群为研究单位，在编码的基础上，通过不断选择、交叉、变异，逐渐生成新的、具有更好适应度的种群，最后通过解码得到具有最大适应度的个体作为输出。该算法本质上是一种把自然界生物的优胜劣汰和自然選择与一个种群中个体与个体之间的随机信息交换机制相互结合的查找算法，显然，直接依据一定的组卷规则从数据库中获取一定数量的试题生成一套试卷，因为次数有限，无法保证这样组卷得到的结果是合适的，并且更难满足这样得到的结果是最优的。所以，我们需要一个优秀的自动组卷算法，遗传算法具有自进化、并行执行等特点，就非常适合解决自动组卷的问题。

3.2 遗传算法在自动组卷中的应用

本系统所采取的遗传算法的流程如下[7-8]：

1）初始化：随机生成一个规模为N的种群，设置最大进化次数以及停止进化条件。

2）计算适应度：适应度是评价种群中个体质量的指标，并且具有唯一性。

3）选择：选择是从种群中选择一些优秀的个体来产生下一代。由于在一定程度上选择会影响种群的进化方向，所以选择算法十分重要。常用的选择算法包括随机抽取、竞标赛选择和轮盘赌模拟法等。

4）交叉：交叉是种群中的两个个体繁衍下一代的过程，实际上是子代从父亲和母亲中获取部分基因，即基因重组。常用的交叉方法包括单点交叉和多点交叉等。

5）变异：变异即模拟染色体基因突变的过程。通过变异，种群中的个体变得多样。但是变异是有一个概率的事件。

本遗传算法使用的编码方法、适应度函数、选择算子、交叉算子、变异算子如下：

1）编码方法：将试题根据题型分段，再进行题号染色体的编码。

2）适应度函数：受题号、题型、难度、知识点、章节组成的五维向量所约束。

3）选择算子：轮盘赌模拟法。

4）交叉算子：单点交叉。