《表5 基于深度学习的考试应用研究总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习技术在教育大数据挖掘领域的应用分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

考试作为考查学生学习成果的重要手段，在应试教育中占有很高的地位，基于深度学习的考试应用使考试更加便捷和高效。表5总结了深度学习技术支撑下的三个方面的考试应用。一是作文自动批改，如陈珊珊结合卷积神经网络模型和长短时记忆模型两者的优点，设计并实现了作文自动评分系统，此系统在给出客观评分的同时，能够对相应的要点进行反馈，最终让用户更好地理解作文的优劣点[38]；陈一乐通过卷积神经网络模型得到篇章表示，从而用篇章向量来完成评分任务实验[39]；刘明杨利用深度学习中的受限玻尔兹曼机模型自动学习作文的特征，并将其应用到岭回归模型的训练和测试中，最终完成作文分数预测[40]。二是数学自动阅卷，如李磊在数学主观题自动阅卷中运用深度学习技术的理念，基于此设计的系统对于提高阅卷效率以及减轻教师繁复的工作量有较大的帮助[41]；刘逸雪等提出的基于Bi-LSTM的数学主观题自动阅卷方法，在客观给出评分的同时提高教学效率[42]。三是以深度学习为基础的智能命题考试建设，试卷命题需要涵盖所学知识点且还需要考察学生的综合能力，而基于深度学习的智能命题可以通过组建题库来很好地解决这一问题[43]。