基于Bloom分类法的CS1试题数据集的构建及其自动分类

• 全文链接
• 请求原文

作   者：

董荣胜;  卫晨雨;  胡杰;  乔宇澄;  李凤英; 

作者机构：

桂林电子科技大学广西可信软件重点实验室; 

关键词：

动词种子库;  Bloom分类法;  课程评估;  CS1试题分类数据集;  自动分类;  名词种子库; 

期刊名称：

计算机科学

i s s n：

1002-137X

年卷期：

2023 年 50 卷 006 期

页   码：

175-182

摘   要：

课程评估是教学改革的一个关键环节,涉及教学案例、试题以及课堂教学等方面的内容.针对计算课程的试题评估,引入Bloom分类法,以普林斯顿大学和桂林电子科技大学"计算机科学导论"课程(CS1)的试题为语料库,给出针对CS1的Bloom分类法认知过程维度和知识维度的相应动词种子库和名词种子库,对试题所能达到的Bloom分类法二维矩阵的位置进行标注,构建CS1试题分类数据集.采用机器学习技术,给出CS1试题自动分类模型TFERNIE-LR,该模型由CSTFPOS-IDF算法、ERNIE模型和LR分类器3部分组成.CSTFPOS-IDF算法是在TFPOS-IDF算法的基础上,通过计算课程关键词权重因子,来提高模型对计算课程关键词的关注程度,生成词权重.同时,基于实体知识增强预训练模型ERNIE进行试题词语级向量嵌入,组合词权重和词语级向量生成用于自动分类的试题文本向量.最后,采用LR分类器将试题自动分类到Bloom分类法二维矩阵.实验结果表明,TFERNIE-LR模型具有良好的性能,在认知过程维度和知识维度上的加权精确率分别达到了83.3%和96.1%.