专辑|小学《科学》共享智能试卷

       为了适应现代化教学改革的需要,有效提高了教学检测效率和教学质量，笔者对小学科学网络试卷的现状进行了调查和研究。现有的小学科学网络试卷存在智能化程度低、共享性差的缺点。随着计算机网络技术和人工智能的迅猛发展，开展网络教学、推动教学手段的改革成为一种必然。考试是一种传统而且有效的检测教学效果的手段，同样也是网络教学的一个重要环节。因此，研究和开发适应网络教学的网络试卷，成为开发网络教学的一项重要内容。

       根据人工智能的理论去设计主观题可以大大提高小学科学网络试卷的智能化程度。利用数据库原理为老师设计班级成绩查询功能后，小学科学网络试卷的共享性特征更突出，同时增强了网络试卷的传播力。既智能有能共享的试卷的出现对教育技术的现代化水平的提高具有重要的现实意义。

笔者编写的《小学科学共享智能试卷》受到了学生、家长和老师好评，能很好的达到教学检测的目的。目前，每天至少有3000人使用我们的共享智能试卷。

一、 网络试卷的发展现状

       经过多年的发展，网络试卷的设计技术日趋成熟，许多网络公司相继推出了一系列成功的网络试卷。甚至，有些机构和公司还推出了网络考试系统，系统可以随机或智能化组卷。调查发现，传统的网络试卷有两个来源：一是网络公司制作，二是老师们自己制作。

       然而无论是网络公司制作还是老师自己制作的网络试卷在使用中，笔者发现都有明显的局限性，主要表现在以下两个方面：

（一）题型受到一定的限制，智能化程度低

       传统的网络试卷可以很好的完成客观题（包括选择题、判断题及排序题等）的判分工作，但要完成主观题（包括填空题、问答题等）的判分工作却非常困难。包括网络公司设计的网络试卷都无法对主观题进行判分。一些网络试卷（考试系统）只好回避这个缺陷，只设计客观题。最常见是驾驶员考试系统就是这样设计的。智能化程度低的试卷，不能对客观题进行判分，考试系统做的再好，也只是一个没有灵魂的躯壳而已，实用性会大打折扣。有些网络试卷为了弥补这个缺陷，采用两套方案分开判分，客观题由计算机判分，主观题采用人工判分。这显然不是我们制作网络试卷的初衷，阅卷人的工作负担并未减轻多少，无法真正实现网络试卷的高效性特征。

       在小学科学教学领域，没有主观题的试卷是无法很好的达到教学检测目的的。标准化的试题根本无法反映教学检测和课程的全貌。就选择题和判断题本身来说，其答案是暴露的，学生有一定猜对答案的比例，另外，它们在考察学生分析和解决综合性问题方面的能力的效果也不尽人意。所以，只有选择题和判断题的单一模式的网络试卷在基础教育领域的实用性是不强的。

（二）共享性差，传播力弱，

       网络公司制作的网络试卷共享性差，传播力弱。其实，网络公司制作的网络试卷功能是很强大的，能统计班级成绩等等，有的还有一些趣味性的功能设计。但因网络公司受经济利益和技术手段的限制，他们制作的网络试卷不能很好的流通，不能在社交媒体上传播。老师和学生只有进入其网站才能使用网络试卷，还需要注册，需要账号和密码才能使用，有的还需要支付一定的费用。更致命的缺点是网络公司往往设计不出符合老师要求的试卷。

       老师自己制作的网络试卷是几乎没有共享性的。这些试卷就往往只能给自己的学生使用，能统计班级成绩。有部分教师也在做一些网络试卷发布在社交媒体上，希望能达到共享的目的。这样的网络试卷只适合学生个人使用，没有班级成绩查询功能，老师无法统计班级成绩，不能统计班级成绩也就意味着达不到教学检测的目的。

      综上所述，无论网络公司制作的网络试卷还是老师自己制作的网络试卷都存在智能化程度低、共享性差的缺陷。

如何才能让网络试卷更智能，并且具有共享性呢？

二、人工智能+网络试卷

       人工智能的理论发展，使网络试卷智能化成为可能。将人工智能技术运用到网络试卷设计中，可以解决很多问题，其中包括主观题的判分问题。

（一）人工智能在自然语言处理中的工作模式介绍

所谓自然语言处理，简单点说，就是利用计算机对人类语言进行分析，以完成自动分词、词性标注、语音识别、自动文摘、机器翻译、人机对话等一系列由简到繁的语言任务。在自然语言处理技术的发展过程中，经历了三种研发模式：
       第一种是基于规则的自然语言处理模式，主要通过对话语进行语法分析和语义分析，然后转换成计算机程序以实现自然语言的理解和表达。这种工作模式是最容易想到也是最早进行广泛研究的，它依赖于语言学家和计算机专家的通力合作。但是，这种模式很快就遇到了无法突破的瓶颈，因为人类的语言理解过程实在太复杂，而语言学家对自然语言的分析很不充分，无法提供充足的语法规则和语义规则，计算机专家就陷入了“巧妇难为无米之炊”的窘境。
       第二种是基于统计的自然语言处理模式，主要是对语言表达进行概率统计。这种模式下的人工智能，不需要了解话语的句法结构和语义关系，只需考察它被人类说出的可能概率就行，被说出的概率越大，相关话语就越合理。而概率的计算，可以通过大语料库基础上的词频统计来实现。这种工作模式不需要语言学家提供复杂的规则，让计算机搞统计正是它最拿手的工作。统计模式的广泛运用，在语音识别、机器翻译等领域产生了革命性变化，使很多技术从实验室走向了实际应用。
       第三种是深度学习的自然语言处理模式。深度学习依赖的是大规模人工神经网络，也就是利用大量电脑处理单元对人类大脑的神经元系统进行模拟，然后让这个人工神经网络通过不断自我学习和自我调整来完成相应的工作。这可能是目前最接近人类智能的一种人工智能模式，目前的发展态势惊人，全面超越“阿尔法围棋”的“阿尔法元”利用的主要就是深度学习技术。  

（二） 智能试卷设计实践举例

       虽然，小学科学网络试卷参与者使用的也是自然语言，但是语言并不复杂，所以我们无需用深度学习的自然语言处理模式去设计网络试卷。我们可以采用基于统计的自然语言处理模式去设计网络试卷。

       因为客观题的设计没有困难，所以下面只介绍主观题的设计方法。

题目：地球自转的方向是（        ），这就意味这越是（    ）的地区，就越先迎来黎明。

设计平台：问卷网

步骤：

第一步：根据教材设计答案：自西向东 东边