基于随机森林的数学试题难易度分类研究

• 作者: 梁琼芳 莎仁
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 高中数学 试题难易度 分类算法 决策树 随机森林
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP301
• 字数: 3635字
• 语种: 中文
• DOI: 10.11907/rjdk.191358

摘要

为了实现教育领域的"个性化",无论是自由组卷的个性化,还是试题推荐的个性化,都首先需要确定试题难易度.研究目标为寻找新的方法解决基于试题难易度的分类问题,提高分类准确率.以高中数学为例,采用2018年多套高考数学试题作为实验数据,对原始数据各个特征进行相关性分析,剔除影响较小的特征,再采用随机森林算法探索试题难易度分类问题,对参数进行改进优化,并与其它分类方法进行对比.实验结果证明,采用随机森林的高中数学试题分类准确率高达90％,而其它3种分类算法准确率分别为72％、74％、74％.因此得出结论,随机森林算法在高中数学试题难易度分类上有较好表现,能够大幅提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莎仁	东北师范大学信息科学与技术学院	4	9	2.0	2.0
2	梁琼芳	东北师范大学信息科学与技术学院	2	4	1.0	2.0