数据结构试题及答案精选(九篇)

第1篇：数据结构试题及答案范文

【关键词】无纸化考试;数据库;会计无纸化阅卷系统

0 研究背景

随着电子信息技术在高校中的普及与发展，特别是随着Web的发展，无纸化办公、高考网上阅卷的开展，为高校无纸化考试创造了良好的外部环境。无纸化考试是顺应社会发展的一个产物，也是会计电算化类课程未来考试的必然趋势。然而，会计信息系统种类繁多，功能不尽相同，由于大部分软件没有自动评阅功能或没有考虑评阅接口，因此只有通过与与它们的数据库进行直接对接来获取相关考试数据，而由于平台不同，这就导致了阅卷系统开发复杂、过程繁琐，并且不同的阅卷系统可重用性低。

本文针对无纸化考试的需求，提出了会计无纸化考试可重用软件构件模型，解决由于会计信息系统平台不同而导致的考试系统可重用性低、伸缩性差，开发复杂的问题，使会计信息系统在开发和设计过程中“容易修改”，较好的支持系统的开发和设计过程;同时根据模型，为不同平台，提出了一种统一的设计实现方法，使开发人员或用户在设计实施和使用过程中可以忽略平台的具体细节，即对平台“透明”。本文其他部分组织如下：第二节详细描述会计无纸化考试可重用软件构件模型，第三节论述如何依据模型实现会计无纸化考试可重用软件构件。

1 会计无纸化考试可重用软件构件模型

为支持不同会计信息平台考试系统的实现与开发，本文提出了会计无纸化系统可重用软件构件的模型，如图1所示。

1.1 基本概念

会计信息系统：是指现有的会计电算化教学软件，它们种类功能不尽相同，由于大部分软件没有自动评阅功能或没有考虑评阅接口，因此只有通过与与它们的数据库进行直接对接来获取相关考试数据，而不同的系统采用的数据库不同，因此在实际开发过程中，需要单独考虑数据库的标准接口问题，在这里我们假定在获取相关权限的前提下可以获得数据库数据。

规范化预处理模块：将标准答案、会计考试数据库中检索出的考题数据以及数据类型按一定的规范转化为机器可以处理的格式，方便进行试卷评阅的同时可以将它们储存于数据库中，借助数学工具便于进一步的试卷指标分析。

试卷评阅模块：借助已获得的标准数据，利用自定义函数库对于不同类型的试卷数据进行评定，可得试卷成绩以及用户其他需求信息。由于试卷数据以及函数独立于平台，便于扩展和维护，因此大大提高评阅系统的可重用性。

在实际设计过程中可以单独考虑与不同类型的数据库对接的问题，而将评阅系统单独划分为一个模块考虑其功能构造出可重用构件。

1.2 流程控制

图1 会计无纸化系统可重用软件构件的模型

会计无纸化考试可重用软件构件模块处理请求的过程如下：预处理系统接将会计信息系统中的考试内容通过数据库中间件（ODBC）读入系统后，将会计信息系统中检索出的数据由考评系统的预处理模块进行规范化操作，转化为考评系统可识别的格式，我们将这时的数据成为规范化考题;阅卷模块首先读取标准答案，按照同样的操作将标准答案转化为规范化答案，然后利用成绩评定函数将系统规范化考题与规范化答案进行评估，进而得出成绩等相关指标参数。

2 可重用软件构件实施

为了实施会计无纸化评定可重用构件，需要在传统的阅卷评定系统中进行两方面改进：考题规范化操作和成绩评定函数。我们将从以下几方面进行论述。

2.1 成绩评定函数

由于在成绩评定过程中，需要将考生所做的考题与教师的标准答案进行评定，但是考题中答案种类、答案内容以及对答案的评估形式不同，例如，在答案中定义：币符=“USD”与操作日期=“2012年1月31日”，由于类型不同上述答案需要用不同的函数来判断，因此需要设计不同评定函数，如取值比较函数、匹配函数等。本文实例中主要用到的函数功能描述如表1所示，在实施过程中需要根据实际的系统进行扩展。

表1 评定函数功能描述

2.2 规范化操作

我们在数据库检索的数据通常以ResultSet集的形式展现，这不利于今后对于成绩的评定及统计。我们将每个数据提取，并且同时将数据类型一并获取，来进行接下来的操作。为方便描述，将数据规范化为向量的形式：Di={d1，d2，…，dn}，其中i表示为当前第i题，n表示小题的个数，分量di为每个考题的实际取值。对于数据类型可形式化为Ti={t1，t2，…，tn}，其中ti是对应于每个分量di所试用的函数编号。同样地，可以将对应于该题的标准答案描述为Ai={a1，a2，…，an}，其中ai是对应于每个小题i的答案取值，显然上述三个向量维数相同。我们将数据转化为机读的表示，有利于存储的同时由于转化过程中数据未损失，可以进一步对他们进行操作。

将考生所做的考题Di与教师的标准答案Ai进行评定后可将结果规范地形式化表示为Pi={p1，p2，…，pn}，i表示为当前第i题，n表示小题的个数。通过评定函数每个分量pi的值：

pj=1，返回true0，否则

同样可以定义，每个题的分值为Ci={c1，c2，…，cn}，其中ci∈R，显然，Ci与Pi为同维向量。以成绩为例，求得∏C■P■■为学生成绩。

对于上述向量，可以以数据库记录的形式存储在数据库中，便于今后利用数学工具进行试卷质量指标的分析。在实际（下转第132页）（上接第103页）开发中，所有向量都可以用动态数组等数据结构代替。

3 结束语

本文针对无纸化考试的需求，提出了会计无纸化考试可重用软件构件模型，同时根据模型，为不同平台，提出了一种统一的设计实现方法。但是目前要做的工作还很多，鉴于本校在系统使用过程中的经验，大部分的主观题阅卷仍然需要教师的参与，故无纸化考试系统在主观题考试的实现上还需要寻求更有效的方式并进一步提高其容错能力，以推进传统考试改革的进程。同时，未来工作将扩展考试过程中安全保密工作、智能评分功能、以及在性能上实现大规模用户同时访问，以保证考试顺利进行。

【参考文献】

[1]萨师煊，王珊.数据库系统概论[M].4版.高等教育出版社，2006.

[2]王永国.基于VB的ACCESS无纸化考试系统的设计与实现[J].微计算机应用，2007，28（1）：108-112.

[3]史益芳，王志平.管理信息系统[M].人民邮电出版社，2013.

第2篇：数据结构试题及答案范文

关键词：Web远程教学平台；个性化教学；同步智能答疑；网上视音频考试

中图分类号：TP311文献标识码：A文章编号：1009-3044(2007)05-11443-02

1 引言

随着科学技术的不断发展，计算机及计算机网络的地位和作用日益突出。特别是在函授教育、职业教育和继续教育等领域中，远程教学已经成为了一种很重要的教学模式。基于Web的远程教育，不受时空限制，具有费用低、教学内容更新快、教学资源和媒体利用充分、教学过程的交互性强、强调个性化学习等特点，因此得到了广泛应用。

由于基于Web的远程教育在国内外正日益受到人们的关注，很多大学和公司都在投入大量精力进行远程教学系统、教学平台的研究。但目前应用的教学系统存在很多问题，如教学模式、教学策略、教学内容的组织等不能适应学生个性化学习的要求，系统的交互功能不强等，因此有待进一步改善。我们针对《计算机基础》这门课的特点，对教学内容进行重新整合，对教学表现形式进行重新的设计，开发了一个基于Web的远程教学平台。

2 系统的逻辑功能

本平台采用目前流行的B/S结构，这种结构对用户的系统要求不高，只要求计算机能够接入Internet，客户端不需要任何附加软件，通过浏览器就能完成所有的操作。在服务器端，系统信息全部保存在数据库中，便于维护和管理。

平台从逻辑功能上分为三大功能模块：管理员模块，教师模块，学生模块，如图1所示。管理员模块：供系统管理维护人员使用，用于服务器端对平台的维护管理；教师模块：教师通过此模块开发个性化网络课程、组织讨论与答疑、主持考试等；学生模块：学生通过此模块进行自学、参与答疑及讨论和参加考试等。

教师通过浏览器开发个性化的网络课程，学习者通过浏览器自主浏览或下载学习资源学习，学习结束后，通过网上

考试系统进行自测或参加考试，学习进度和学习记录保存在远程的服务器中，同时，还可以通过浏览器与远程的教

师或同学进行答疑、讨论。

3 平台系统结构及实现

平台从逻辑上分为三个功能模块，但由于教员和学员的很多操作是交互的，因此在具体物理实现上，有些子系统存在很多的逻辑功能交叉。下面就介绍系统的几个主要子系统的设计与实现。

3.1 管理员子系统

管理员子系统供系统维护使用，它运行在服务器端，并且不需浏览器的支持，只是普通的窗体应用程序。该子系统的主要功能有：对系统所需的各种文件路径和数据库路径等配置信息进行设置；为各类人员分配不同的权限；系统所需的媒体素材、试题、课件等的录入；考试成绩、学生统计状况等信息的查询打印。

3.2 个性化教学系统

个性化教学系统继承了智能导师系统和适应性超媒体教学系统的主要特点[1,2]，采用构件结构，具体包括四个部分：学生模型，领域模型，教学模型和导航模型[1,2]，其结构如图2。

图2 个性化教学系统结构

领域模型：领域模型是领域知识的教学结构，领域模型包含教师要教的学科知识。

学生模型：学生模型存储每个学生的特殊信息，为系统的教学模型提供学生数据。

教学模型：教学模型是定义教学过程的模型，它是教学系统的控制实体，定义教学实施策略，给出在给定条件下什么教学方法会导致最佳学习效果。

导航模型：导航模型定义知识的呈现方式，以及与学生的交互。

根据此构件结构，教师通过领域模型输入课程的知识点及教学节点，教学模型根据学生模型中储存的学生知识，应用适当的教学策略将领域知识动态生成个性化的学习课件，学生通过课件进行学习。这种个性化的学习模式可以适应学生的特点及学生的知识水平，满足不同学生的要求。

3.3 答疑子系统

相对于传统的课堂教学模式，远程教育教师与学生在时空上的分离使得教师与学生可能无法进行实时的交互，因此学生通常只能进行自主学习。当学生遇到困难时，怎样得到有效的帮助是远程教育应解决的问题。

3.3.1 答疑子系统结构

当前大多数据远程教育由教师进行异步答疑来帮助学生解决学习难题，这在很大程度上将影响学习进度和学习热情，并且增加教师的负担。还有一些答疑系统虽然采用实时解答，但却要求值班老师在线回答，或者只能由用户输入关键字的逻辑组合进行检索，这对用户的要求过高，并且不能保证检索结果的查准率和查全率。

本子系统采取同步和异步相结合的答疑方式，为学生提供尽可能全面准确的答疑。其结构如图3所示。

图3 答疑子系统结构

学习者遇到问题时，可以通过E-mail向授课老师询问，也可以将问题贴在BBS答疑社区以等待老师或感兴趣的同学回答，此外，还可以直接进入实时讨论区，由参加讨论的人（老师或其他学员）实时地给出回答。另外，本系统提供基于自然语言理解的实时答疑功能。

3.3.2 基于自然语言理解的实时答疑

基于自然语言理解的实时答疑功能是本系统区别于其他远程教学系统的重要特色之一。目前国内外对基于中文自然语言理解的信息检索方面的研究很多，但有突破性的成果并不多见，特别是对基于自然语言理解的实时答疑更是成功甚少。

我们对目前已有的自然语言理解技术进行了优化，同时引入中间层（知识层）组织答案材料，提高答案的查全率和查准率。本系统主要从问题的表示、答案材料的组织以及问题和答案之间的匹配方法三个方面加以考虑：

(1)问题的表示。用户不仅可以输入关键词的逻辑组合，而且还可以输入自然语言描述的问题。系统不是简单抽取其中的关键字，而是将问题理解为所对应的知识，并根据知识在答案库中寻找所对应的答案。

(2)答案材料的组织。系统的答案材料库中的内容随着所提问题的增加而动态改变，并且系统中有一个网络机器人搜索网络，并自动补充答案材料库的内容。

(3)问题与答案的匹配。问题和答案之间的匹配方式通过中间层实现。首先将问题理解为知识，然后找到该知识所对应的几个关键词，再利用这些关键词和答案材料库的内容进行匹配，如果匹配成功则直接找到答案，如果不能匹配则和答案材料库中的关键词进行匹配。

实时答疑系统应用人工智能和数据挖掘技术解决三个关键问题：自然语言理解、答案材料组织和知识层的组织。

3.4 测试子系统

本系统建立在Internet之上，对组织学生进行正式考试和学生自我测试提供了全面的支持。本系统可以完成从组卷、答卷、改卷到成绩统计打印等各项功能。它由试题管理分系统和考试自测分系统两个部分组成。

试题管理分系统主要是用于管理平时搜集积累的试题、试题素材和试卷，在此基础上可根据要求手工或智能生成试卷，用于考试或自我测验。它主要由科目管理、章节管理、试题库管理和试卷库管理等几部分组成。

考试分系统分为自我测试和正式考试两种。其中用于组织正式考试的由三部分组成：服务器端、监考端和考试端。三个部分通过网络协调工作，就可以实现从试题准备到最后考试成绩统计打印的完整考试过程。系统用于正式考试时具体组织如图4所示。

图4 考试子系统组织结构图

3.4.1 服务器端（位于考管中心）

服务器端主要供考试管理中心工作人员使用。它完成考试的准备工作和最后的成绩统计和打印，其主要功能包括：日常维护，组织试卷，收发试卷，查询和打印。

3.4.2 监考端（位于各考场内或统一安排地方）

监考端主要为供监考教师使用。它用于处理考场内所发生的各种情况，其主要功能包括：考场监控，统一发卷，情况查询，添加考生，取消资格，重考。

3.4.3 考试端（位于各考场内部）

这部分供考生答题使用，考生第一次登录时将自动下载，使用起来很方便。其主要功能如下：

(1)检查考生身份，授权考试；

(2)利用浏览器网上答题；

(3)交卷当场获得成绩（该功能由监考教师端选择）；

(4)交卷并取得正确答案（该功能由监考教师端选择）。

系统采用N-Tier结构，将客户层、数据库层和应用服务层进行严格区分，这使应用程序的执行效率和稳定度上有很大的提高，并且也有利于版本升级。和传统考试系统相比，该系统在以下两个方面做出了改进：

(1)增加了对非文本试题的管理功能[3]

传统的考试系统一般都只能处理文字试题，不能处理图形图像等对象。该系统在这方面有比较大的创新，基本上可以处理考试所涉及的各种类型的试题。

(2)采用了技术先进的体系结构

系统采用了B/S结构，因此在客户端的维护工作量很小，同时系统的版本升级也非常简单，这同传统的C/S结构相比有很大的提高，而本系统既能以网络版的形式（需要服务器）供组织正规的考试使用，又能以单机版的形式（不需要服务器）供家庭和学生自我测验使用。

4 结束语

本文介绍了一个基于Web的远程教育平台，并详细介绍了其中的个性化教学子系统，基于自然语言理解的智能答疑系统和测试子系统的结构和具体实现。由于自然语言理解问题的存在，使得系统在答疑的真正智能性和主观考试题的评判等方面还有很多问题有待解决，这也是下一步远程教育平台的发展方向。

参考文献：

[1]宋云娴，白鹏. 智能教学系统设计与实现[M]. 电子工业出版社，1995.11.

[2]Peter Brusilovsky. Adaptive and Intelligent Technologies for Web-based Education[J]. Kunstliche Intelligenz, Special Issue on Intelligent Systems and Teleteaching, 1999,13(4):19-25.

第3篇：数据结构试题及答案范文

关键词：形成性评价；AssiStudy系统；自由文本答案

【中图分类号】G40-057【文献标识码】A【论文编号】1009-8097（2015）05-0097-06【DOI】10.3969/j.issn.1009-8097.2015.05.015

一 引言

在最近的计算机辅助评价（Computer-Assisted Assessment，CAA）系统中，评价策略是基于每道题的正确答案，该答案在学生答案（ Students Answers.SAs）评价中被用作参考答案（ReferenceAnswer，RA）。RA和SAs之间的相似性是根据词的共现，通过传统的信息检索（Information Retrieval，lR）技术来确定，尤其是处理较长文本时，这种方法通常很有效，这是因为相似的长文本往往同现词的频率高。然而，在较短的自由文本答案中，词的同现可能很少或没有，意思却近似。同时，RA不应是唯一的，因为一个问题可能会有多个不同的答案。其次，另外一个负面因素是没有考虑到教师的评价标准，仅仅考虑的是RA和SAs之间的相似度。

为此，我们研发了辅助学习（Assisted Study，AssiStudy）系统作为学生的形成性评价工具，该系统能帮助教师设计和评价考试并监测学生的进展情况。在自动评价答案的过程中，该系统依据单词及其POS标签，对每个问题都自动生成几种RAs，这样，学生所提交的答案就可以与几种RAs进行比对，从而确保了更为准确的判分；通过各种自然语言处理（Natural Language Processing，NLP）技术，AssiStudy先将RA和SAs转换成更易处理的规范形式，通过在RA中搜索SAs的近似词，进行单词匹配运算，并根据SA和RA之间的共有词义，计算出近似得分，这种方法更适合于用来评估内容相似而相同词几乎不共现的简短答案。

二 CAA的方法综述

自20世纪60年代以来，CAA就一直是一个不断发展的开发领域。CAA系统评估论述题答案的方式分为三类：形式、内容或者二者兼有。目前CAA系统中最为重要的方法是统计法（Statistical）、潜在语义分析法（Latent Semantic Analysis，LSA）和自然语言处理法。最初的CAA系统的评价方法主要用来捕捉文本结构的相似性；之后的CAA都基于LSA，超出了对简单共现词的分析，采用两种解决问题的途径，即基于语料库技术和代数法来识别比较两个措辞不同的文本之间的相似性；最近的CAA都是基于NLP技术，能够进行智能分析，捕获自由文本文档的晤义信息。但是，绝大多数CAA系统从两个维度评分，而且，这些系统所采用的方法差别很大。最近，教育数据挖掘（Educational Data Mining，EDM）应运而生。EDM具备四项功能：学习建模、辅导、信息存储和评价。为了既支持评价也支持预备基架，通过结合文本回放标记所研发的模型、环境对学生的探究技能做出推论，这种方法能够对学生日志文件和教育数据挖掘迅速地进行人工编码。

以上这些系统都不适于我们的用途，因为它们只能处理英文文本，而且需要学量的文本。为此，我们创建了AssiStudy系统，该系统通过广泛应用文本预处理技术和词汇网路（WordNet）数据库，极力减弱对大型语料库的需求，从而公平地评价内容简短的文本答案。

三 AssiStudy系统架构

鉴于服务导向式架构（Service-Oriented Architectures，SOA）的各种优点（如：模块化、互操作性和可扩展性），我们研发了一个以SOA为基础的系统进行形成性评价和终结性评价。该AssiStudy体系结构主要由以下四个层所组成：

客户端应用程序层（Client Application）：该层用来处理数据和流程的安全性和隐私；

业务层（Business）：该层包含了AssiStudy的主要模块，每一个模块都包含一组可用的核心服务，在不同层级中分离业务逻辑将会使得AssiStudy具有模块化和灵活性；此外，该层能够以一种简易且灵活的方式更新业务逻辑；

服务层（Service）：在该层中，可通过服务注册中心直接调用域名Web服务；

资源层（Resource）：该层包含了AssiStudy的基础结构资源，即数据库以及与域相关的系统和工具，譬如：学校信息系统和协作学习工具，其中每个系统和资源都有一组Web服务。 AssiStudy作为通用而又灵活的系统得以开发。说它通用是因为它能够应用于任何领域的研究，该系统的创建目的就是处理不同的知识领域；同时，它又是灵活的，因为它既可以作为一个独立系统，也可以通过Web服务，增加新模块或特殊种类的应用程序。图1所描绘的就是该系统架构的概貌。

1 测试开发模块

通过该模块，教师可以查询在以前的考试判分中涉及某一个特定方面的所有问题，这些问题都被存储在问题及RA（Question&RA）数据库中。此外，教师有可能查阅每道题目的难度级别，当然，这种难易度的判别要基于之前的考试中学生的得分情况。再者，对于某个指定的题目，教师对学生所做的所有考题及得分都有访问权限，这样教师在考前就能了解他们要评估的学生对于不同考题内容的准备情况，从而，就能更为恰当地评价每个班级的考试情况。

考试评估由AssiStudy完成，之后老师再进行核查。一个班级的考试评判一旦完毕，其中的问题以及与此相关的所有信息都会被存储到问题及参考答案（Question&RA）的数据库中，在其后的训练考试时就可据此加以说明。SAs都存储在学生答案数据库（Student Answer Repository）中；获得满分的论述题的SAs也存储在Question&RA的数据库中，以便在将来的评价程序中进行应用。Question&RA的数据库非常重要，因为AssiStudy系统中几乎所有模块的成功与否在很大程度上取决于该数据库的优劣。

2 考试模块

根据学生的状况以及教师在先前的模块中所限定的内容，训练考试会从Question&RA库中随机选择考试题目。假如大一新生在第一学期首次考试，该系统将根据学生的档案信息，试题会依据前面所述的五个话题方面的内容自动生成，但其中每个话题的问题数量和难度由AssiStudy界定。学生己做过的试题及得分都被记录下来，并计算出学生对每个话题的定性得分（低、中或高），这些信息都被存储在Student Answer Repository中。另外，Question&RA的数据库中储存了很多试题，除了其他的属性外，每一道题都被标识出其内容归属、难度和分数，根据这些信息和一定程度的随机化，AssiStudy将会自动从Questions&RA库中挑选试题，为每位学生设计出训练试题。评估训练考试仅靠AssiStudy系统完成，纠错则需由反馈模块中所设立的解释来弥补。

3 预处理模块

（1）检测专有名词：在英文文本情况下，检测单词开头首字母是否大写；

（2）删除标点符号：该项任务就是要删除所有特殊字符并将所有字母转换为小写，除非是专有名词。特殊字符是指不属于单词的一些符号（如：标点符号），但单词的重音符号予以保留，以免误认为是拼写错误；

（3）校正单词拼写错误：用来检查拼写错误的校正器是Jspe11；除了检测错误拼写外，Jspell会提示正确的单词，拼写错误的单词会被正确的单词替换；

（4）删除无用词：无用词与内容无关，删掉它不影响句子的语义；

（5）词干提取：在这个阶段，将个别单词简化为其基本型或词干，一个单词的基本型即是其词根或词元；

（6）文本标记：该项任务就是给单词标注词性（Part of Speech，POS）标签，此项操作也是由JspeII完成；这种分类要求对标注相同POS的单词进行对比；一个单词可能会有多个POS标签，依照其出现的语境而定；正是由于各种不同的可能词性，该Jspell形态分析器会给每个单词标注可能的POS标签；为了避免词性标注的模糊性，在编辑程序中将呈现规范标准的RAs，这样，教师就可以正确地选择每个单词的POS标签，而其他标签会自动删除；

（7）同义词：一个词的同义词列表取决于其POS标签，每一个单词会有一个与其POS标签相关的同义词列表，把涉及该单词的所有同义词以及它们的POS标签添加到RA中，从而完全相同的RA会产生几种解释；一个单词与其每一个同义词之间的匹配得分是通过WordNet.pt词汇数据库分析它们之间的最短路径得出，为了测量两个单词之间的语义关联度，前人己通过语义网络信息研究出了多种测量方法。本研究中，鉴于在WordNet层次结构方面相对较高的计算效率，我们选择了Leacock&Chodorow （L&Ch）的测量方法，L&Ch相似度的计算公式为：该公式中，length指通过计数节点所得的两个概念之间最短路径的长度，D代表分类的最大深度。

4 评价模块

该模块能够自动得出一个分数，并由此根据规范的RA和SA的意义显示出这两者之间的相似性，从而胜过简单的词汇匹配。这一目标的实现是在计算出SA和RA之间总的语义相似度之后，根据相应的RA的语义相似度，构建SA向量。根据SA向量和RA之间的距离，RA就是该单位向量，如图2所示。

SA向量和RA向量之间的相似度取决于欧几里得（Euclidean）点积，公式如下：

5 反馈模块

AssiStudy提供的反馈由学生得分和RA中所收集的答案信息构成。为此，SA中遗漏或不完整的要点会在RA中得以搜索，而且相关的分数以及详细的解释会得以呈现。AssiStudy自动反馈的其中一大优点就是学生获知反馈迅捷，即测试提交完毕学生即可获得反馈，如此能促进学生更加深入的学习；而教师能够看到每位学生的答卷及评语，了解学生的得分情况，同时，也能知道全班遗漏的最为重要的知识点，从而能够迅速获悉整个班级的学习情况。

6 表现分析器模块

该模块是基于统计和数据挖掘（ Statistics and Data Mining）技术研发，其设计目的是分析有关评判结果的数据。我们研发了几种数据挖掘模式来洞察学生有关训练考试成功与否的情况。最为有用的模式通过k平均聚类算法（Clustering Algorithm K-means）获取，这样就能获悉哪些问题难哪些问题易，并通过信息分析，修改问题的难易度。而使用C4.5分类算法（ClassificationAlgorithm C4.5），对学生训练考试进行分析，就能推断出学生或班级对于即将来临的评价考试的准备状况。另外，通过关联规则Apriori算法（Association Rule Algorithm Apriori），就能发现训练试题与学生最终成绩之间的关系，从而了解学生对哪些问题准备得更好。

四 评价与分析

为了检查AssiStudy系统在提高过关率方面的有效性，我们进行了一次测试。表1显示：使用AssiStudy的学生平均过关率比不使用该系统的学生的过关率高（t=57.65，df=533，p

同时，我们也对考试自动评价与教师评价进行了对比。表2显示了2012-2013学年4次考试中教师评分和系统评分情况。

结果显示：对于不同的考试评分，教师判分与系统判分差别并不太大；教师评判与系统评判之间的皮尔逊相关系数（Pearson correlation）为0.88。

AssiStudy系统的误差分析显示，误差分为两类：漏判（False Negatives，FN）和误判（FalsePositives，FP）。当考试得分比应得分数低时，就会发生FN；而FP是指判分过高。一般而言，如果系统与教师判分不匹配，通常是因为教师判分略高，这是因为SA太抽象或比RA短少，而在这种情况下，AssiStudy系统判分会比预期的分数低，这是因为系统的判分标准是基于词的匹配，而且，有些SAs在RA中无匹配的格式所致，但是，教师却能根据SAs推断出学生对于所学的理解程度，从而，判分时给出较高的分数，这样就增大了系统评价与教师评价之间的差异；而当学生不知道问题答案，碰巧又写出了一些与RA相匹配的单词时，系统判分最易发生FP。

第4篇：数据结构试题及答案范文

关键词：课堂教学；合作学习；同伴教学法；物理概念教学

传统的课堂教学通常是教师有组织、有逻辑地表述教科书或教案中信息，是以教师为中心的纯讲解的教学模式，学生在课堂中是知识的被动接受者。同伴教学法(Peer Instruction)[1]是哈佛大学教授Eric Mazur基于合作学习理论设计的适合大班课堂教学的合作学习的一种教学方法。与传统教学法不同的是：同伴教学法是按照一节课中涉及的物理核心概念的数目将一节课分成几个小部分，每部分都是围绕一个核心概念进行教学设计。这个教学方法需要针对物理概念精心设计概念测试题，在课堂教学中使用这些题目，给学生时间先做出个人答案，然后要求学生与同伴讨论这个题目（Peer Instruction），利用这个环节激发学生对概念问题的讨论、争辩和相互间的挑战，讨论后学生再次做出个人答案。教师基于学生讨论后给出答案的正确率，确定课程步伐、组织课程教学，以帮助学生完善物理知识结构。从2010年9月我们利用教室交流系统构建了大学物理课程的课堂互动教学模式[2]，使用同伴教学法，在课堂教学中实现学生合作学习，现针对这种教学方法中学生讨论这一环节对物理概念学习的促进作用进行了量化研究。

一、研究样本和测量方法

我们研究的问题是同伴教学方法中学生之间的讨论是否能对所有学生的物理概念学习有促进作用。研究的课程是非物理专业大学物理课程中电磁学部分。我们在课堂教学中使用同伴教学法，每次课用2～3个概念测试题来组织教学。其过程是（1）要求学生先给出个人答案（讨论前答案）；（2）邻座同学之间讨论(大约2～3分钟)；（3）再次给出个人答案（讨论后答案）。概念测试题都是选择题，每题有3～7个选项，其中有一个是正确的。研究过程中经过同学讨论的概念测试题共有31道。我们规定了在小组合作学习中学生的行为：解释如何得出答案；讨论不同观点，正确理解其他组员的发言；不轻易改变自己的观点，除非在逻辑上被说服；抨击他人的观点而不是他人本身。因为我们的目标是激励学生学习，激发他们对概念问题的商讨、辩论和相互间的挑战，不是评价学生，所以无论学生答案是否正确，只要参与的学生都可以获得同样的分数。这样就避免学生为了成绩而抄袭别人的答案，从而使我们可以客观准确收集学生答题的信息。

研究使用教室交流系统，记录所有学生每道题在讨论前后的两次答案。我们对一个班的35名学生（15男，20女）的答案数据进行统计分析，研究同伴教学法对学生物理概念学习的影响。

二、数据统计分析和结论

1．合作学习，共同建构物理知识

研究中获得的有效数据总数为：Nt=2128，即讨论前答案数Nb=1064，讨论后答案数Na=1064。在讨论前学生答案正确率为45%（484/1064）如图1，讨论后学生答案正确率72%（769/1064）如图2。概念测试题中涉及的概念都是教师没有讲过的，同伴教学法的目标之一是要求学生通过课前自学和课上与同学之间讨论，寻找概念测试题的正确答案，同时理解概念的本质。平均经过2～3分钟的同伴之间的讨论，概念测试的正确率平均升高27%，占最大可能实现增益（fraction of maximum possible gain realized）的49%。这表明：除了“灌输”的教学模式外，合作性学习提供了另一个选择，通过一个精心构思的方法——同伴教学法，使学生有机会通过口头相互解释怎样解题，互相讨论所学物理概念的本质和物理的方法，合作建构物理概念。经过学生自主学习和相互讨论后平均可以获得72%的正确率，这个数值反映了学生在物理概念学习过程中依靠自身具备的学习能力对物理概念的理解所能达到的水平，教师应该以这个水平为起点进行物理概念的教学，而不是单纯依赖教科书的内容讲授知识，因为无论教师多么优秀，单纯地把知识“灌输”给学生，都不如让学生自己思考和共同建构。2．产生知识冲突、洞察概念的本质

合作学习小组中的成员，具有不同信息、观点、角度、推理过程，从而对问题有不同的理解和结论，这些不同会产生认知的不一致和冲突，这可以帮助学生发现那些他们没有真正理解的东西，同时引发他们的进一步思考、洞察概念的本质。

第5篇：数据结构试题及答案范文

关键词：在线考试；B/S多层结构；组件技术

第一章 绪论

计算机技术的发展和网络应用的不断扩大，催生出远程教育的出现，二者又使得基于Web的考试系统成为现实。基于Web的考试系统可以发挥网络的巨大优势，实现随时随地的考试，节约人力、物力和财力。

以某市交警的在职培训及考核为例，按照公安部及市局提出的教育训练工作要求，市交管局每年都将以一定的形式对在职民警进行基础知识及业务培训及考核，但由于各种原因，给我局民警进行现场考核带来不便。针对这个问题，研究开发一套面向交警的基于Web技术的考试系统，使民警可以不但随时随地通过网络进行学习培训及考核，而且即使工种不同也可同时进行考试，从而在人力、物力和财力上都有很大程度的节约，同时也使在职培训的形式进一步多样化。

第二章 需求分析

2.1在线考试系统

2.1.1在线考试系统的主要特点

在线考试系统一般有以下几个特点，它的主要功能有随机选题、生成试卷、试卷分发和提交等。为了防止学员互相抄袭作弊，系统事先生成了若干份题量和难度相同，但试题内容不同的试卷，每个学员所做的题目都不是完全相同的，这样可以有效的避免学员作弊又不影响考试的公平性原则。学员做完试题后点击提交按钮就可以将试题提交到服务器端，由服务器端进行自动阅卷。

3、处理单选题（chosetest.aspx、maintest.aspx、chosemark.aspx）

该组文件中的chosetest.aspx的主要功能是显示单选题的题号、maintest.aspx的功能是显示题目、chosemark.aspx的功能是实现单选题的自动阅卷。学员提交答卷之后，chosemark.aspx该文件就把学员的答案与数据库中的正确答案进行比较，根据该题的分值，计算出得分，最后将考试结果记录存入数据库表中。

4、处理多选题（multchosetest.aspx、multmaintest.aspx、multchosemark.aspx）

该组文件的功能主要有：多选题题号的显示、题目的显示和多选题的自动阅卷。当学员做完试题提交答卷以后，multchosemark.aspx文件就把学员的答案同题库中的正确答案进行比较，最后统计出总分，并将总分记录存入学员信息表中。判断题和填空题的实现方法类似。

5、教官管理功能（manag.aspx）

教官可以通过该页面进行统一口令得设置、建立新的学员记录、修改原有学员状态、对未进行归类的题目进行管理、设立新的题目、重组试卷等。

4.2各功能模块的实现

4.2.1连接数据库

为便于与数据库进行连接，系统专门定义了一个类my_db，它的主要功能是连接数据库，每当需要与数据库进行连接的时候，便通过该类的对象进行操作，使得程序中随时都可以方便的与数据库建立连接。

4.2.2学员登录页面的实 现

学员输入警号和口令后，如果通过身份验证就可以转到考试页面进行考试，否则退回到登录页面提示错误，并要求重新输入。这一过程的具体实现步骤是这样的：学员点击submit提交表单后，将输入信息提交给aspx程序进行处理，aspx将学员的输入与数据库中的相应内容进行逐一对比，如果发现一致的则说明数据库中存在该学员的信息，那么就跳转到考试页面，否则说明是非法用户，提示出错信息。

4.2.3在线考试模块的实现

在线考试的流程是这样的：学员通过身份验证后登录到在线考试界面，然后服务器从题库中依据某种算法抽取试题形成试卷，并将试题显示到客户端浏览器中。学员每做完一种题型提交后方可进入下一题型的考试，直到所有题型都测试完为止。

1、自动抽取试题的实现

我们创建了一个类来实现随机抽题，其功能是产生一个0-1之间的双精度数。

2、计时算法

本计时算法主要有两个功能，一个是在学员的浏览器端实时显示考试剩余时间，另一个是当考试时间用完时，终止学生答题并自动提交试卷。这里我们用客户端脚本语言JAVASCRIPT来实现。

3、防止学生作弊的分析与实现

在考试的过程中，学员可能通过各种方法进行作弊，比如上网查询或浏览文件，为了防止这些作弊行为，需要采取一些屏蔽措施。这里我们主要对鼠标右键、CTRL键等进行屏蔽。

4.3.4自动阅卷的算法分析及实现

自动阅卷的基本思想是：用学员提交的答案与原来试题库中的标准答案进行比较，如果相同则说明学生的答案正确，否则说明答案错误。在对多选题进行评分的时候，只要有一个选项的答案与标准答案不一致，就判断该题为错误。将所有题目判断完毕之后统计各题的总分，并将其保存在数据库中。

4.2.5对考试题库的添加、删除、修改算法分析

教官还可以对题库进行管理操作，主要包括对题库中的试题进行添加、修改和删除等操作。当点击建立新试题按钮，将生成一个新的网页，在该网页的表格中输入新的试题信息即可；如果要对试题进行修改，可以直接选择要修改的试题，然后在系统生成的修改界面中对试题进行直接修改即可；如果想要删除试题，采用delete方法直接删除记录即可。

第6篇：数据结构试题及答案范文

关键词：高等数学；在线考试；集群技术；填空题；BLOB；自动阅卷

中图分类号：TP311 文献标识码： A 文章编号：1009-3044（2013）13-3028-04

1 概述

近年来，计算机和信息技术迅猛发展，传统的教学技术越来越多地融入了计算机的环节。考试作为教育的检测手段，也在发生着巨大的变革。和传统意义的考试相比，在线考试有着节省资源、时间和人力的优势。如今，越来越多的专业和领域应用了在线考试系统。然而，数学因为其自身科目的独特性，其在线考试系统与其他在线考试系统有着明显的区别。数学需要用到许多的公式，而普通的文本格式显然不能满足其要求。该文设计了一个高等数学的在线考试系统。我们运用集群技术增加了系统负载量，并用图片格式和BLOB格式存储题目和答案的公式，解决了高等数学在线考试系统实现的困难。

2 系统结构

2.1 B/S模式

本系统采用了流行的B/S模式。B/S模式采用三层结构，第一层浏览器端发出HTTP请求，第二层应用服务器响应请求并处理。如果请求是存取数据的，则第二层与第三层的数据库服务器完成交互。完成请求后应用服务器生成一串HTML代码返回给浏览器端，浏览器解析HTML代码后生成图文并茂的网页。考生只要在客户端使用浏览器便可以进行在线考试。这样，客户端无须再安装相应的应用程序，只要有浏览器即可。这达成了瘦客户端的目的，有利于开放式的信息管理和设计，也降低了系统的开发和维护开销，并且有效地提高了考试数据的安全性。

2.2 S2SH框架

本系统采用S2SH的构架，即Struts2，Spring，Hibernate的构架。它简化了各个分层的调用设计，提高了开发的效率。并且，使用了memcached作为hibernate的二级缓存以及其它静态数据的缓存，在各个环节对静态数据进行缓存，减少了对数据库的访问，提高了性能。在业务分层上，对性能要求高的业务环节进行了优化，有些地方直接采用了Model 1的模式，采用JSP和servlet直接处理业务，进一步减少s2sh在框架上消耗，再次提高了性能。

2.3 集群技术

3 功能实现

3.1 主要模块

本系统由三个模块组成：管理员模块，教师模块，学生模块。

管理员模块主要有管学生管理、教师管理和系统管理。这个模块负责管理学生账号和信息、教师账号和信息，并且管理整个系统的运行参数设置，包括访问地址、连接端口的设置等。

3.2 试卷管理

在线考试系统的核心是试卷。试卷的管理主要包括四个流程：录入试卷、组卷、答卷和阅卷。这个流程贯穿了整个考试的过程。而高等数学因其众多的公式，使得这个流程与其他的科目有所不同。

录入试卷：试题的录入主要由教师进行，一个试题的内容包括题目、答案、题目类型、难度系数和出现次数，如果是选择题还有选项。题目、答案和选项中都有可能存在公式，在这里本系统采取图片格式存储公式，和题目中的文本一并存储于数据库中。

组卷：教师设定好选择题、填空题的数量、考试范围和考试的整体难度，试题会根据设定随机生成试卷。

答卷：试卷包括选择题和填空题。选择题的回答方式通过选择选项来选择正确答案。因为需要输入公式，填空题不能用文本格式回答，因此本系统采用画图方式回答填空题。我们设计了一个支持画图的object组件，并提供js封装了参数交互。每个填空题有一个画板的区域，允许学生在画板上用画笔、文字或直线进行作答，这便于学生用公式回答。

阅卷：阅卷分为选择题的阅卷和填空题的阅卷 ，选择题完全由系统自动批改。而填空题由系统批改和教师批改相结合，这样提高了准确率，也相对于纸质阅卷提高效率。

4 填空题的设计

4.1 填空题的存储

学生在每个的填空题答案将以BLOB格式存储在数据库中。BLOB即二进制大对象，在数据库中，系统单独开辟新的存储页面存放这些数据，表中BLOB类型字段存储的只是16字节的指针，这个指针指向存放该条记录BLOB数据的页面。这个方法使得答案以图片的形式存储在数据库中。这样的存储形式易于对数据进行管理。这确保了数据的一致性和数据的安全性。

4.2 填空题的阅卷

高等数学的填空题存在着两个特性。确定性：如果一个答案是正确的，则必须是完全符合正确答案，不能依靠关键词判断答案是否正确。因为即使答案完全包含了关键词，如果多出了其他东西，也有可能是错的。多样性：答案可能存在多个形式，因此可能有多个正确答案。

自动阅卷的基础是判断学生答案和正确答案是否匹配。填空题是以画图的形式做答，因此要运用到图像识别技术。运用该技术的可行性是数学公式的构成实际上是数字和数学符号，易于识别。本系统运用BP神经网络技术进行图像识别，此技术在识别数字上较为成熟。它是一种多层前馈神经网络，目前运用较为普遍的是三层BP神经网络，包括输入层、输出层和中间层。通过多次训练，它可以有效地识别图中的不同数字和数学符号。具体设计如下：

1）提取训练样图中的图像特征：欧拉数、图像矩阵每行和每列的黑色像素点之和。以此作为BP神经网络的输入矩阵。并规定每个数字和数学符号的输出结果。

2）通过神经网络计算得到实际输出结果，然后计算实际结果和期望结果的误差，看是否满足要求，满足则训练结束，否则进行第三步

3）计算每层神经元的局部梯度，并根据局部梯度修正各个矩阵的权值，然后重新进入步骤2。

因为数学答案的多样性，教师很难将答案的所有情况都考虑下来。因此，事先固定标准答案然后一次批改学生答案这种做法是不安全的。鉴于这个情况，本系统的自动阅卷功能采用二次阅卷的方法。该方法的具体实现过程如下：

5 结束语

本系统已进入测试阶段，一个学期内对高等数学考生实行在线考试三次。测试结果比较理想，基本完成了高等数学在线考试系统的目标。

系统仍需要改进的地方是考试系统的承载力的问题。我们的测试是每组200多人同时进行在线考试，期间还是出现了无法登陆考试系统和考试系统运行缓慢等原因。因此，本系统的承载能力需要继续提高。为此，我们可以引入带均衡策略的服务器集群技术，带负载均衡的网络设计结构中，每台服务器可以单独对外提供服务而无须其他服务器的辅助。通过负载均衡器将外部发送来的请求按照预先制定的均衡策略转发到最佳服务器，从而使用户请求得到最快的响应，从而提高系统的负载能力。

随着计算机技术的普及和网络的发展，在线考试系统取代传统的纸质考试将会成为一种趋势，高等数学虽然因其本身的特点使得实现在线考试系统存在困难，但随着技术的提高和发展，这些困难终究会被解决。

参考文献：

[1] 王祥金.一个智能在线考试系统设计与实现[D].济南：山东大学，2009.

[2] 张燕丽.集群技术在基于Internet考试系统中的研究与实现[D].广州：华南理工大学，2005.

[3] 陈文超.浅谈Tomcat Web 服务器基于Apache的集群与负载均衡[J].科技资讯，2012（6）： 29-30.

[4] 李绍平，彭志平.S2SH：一种Web应用框架及其实现[J].计算机技术与发展，2009，19（8）： 117-119.

[5] 赵佰青.探索SQL Server中存储BLOB数据[J].电脑知识与技术，2009，5（16）： 4105-4106.

[6] 杨素锦，刘辛.在线考试系统中填空题测试模块的设计与实现[J].科学技术，2010，24：70，79.

第7篇：数据结构试题及答案范文

关键词：网上考试系统；web技术；ASP；SQL server

中图分类号：TP311文献标识码：A文章编号：1009-3044(2007)18-31650-02

The Design and Implementation of the Network Examination System

WANG Fu-shan

(Department of Computer,Dezhou University,Dezhou 253023,China)

Abstract:Compared the traditional test way，the Network Examination System enormously enhances the didactical agility. The Network Examination System which uses the asp technology and depends on the SQL server database can manage the test question bank automatically by organizing examination paper structure, answering the paper on-line, and sentencing the scores according to setup.

Key words:network examination system:web technology;ASP;SQL server

1 引言

信息高速公路迅速发展的今天，网络技术的应用越来越广泛。如何利用Internet和校园网开展远程教育正受到人们的普遍关注。远程教育是一种现代教育模式，而利用Internet开展远程教育，是一种实现远程教育的具有发展前景的手段，它可以实现不受时空限制的、交互式的、图文井茂的网上教育。任何人只要有一网的计算机，就可以通过网络进行学习和考试，不受时间地域限制。目前，我国各类学校己普遍组建了校园网，充分利用这一资源进行网上教学，有着广泛用前景。纵观国内外远程教育的发展趋势，实现网络化考试势在必行。基于web方式的网络考试管理系统，使考试过程全部在Web上实现，不但能极大地减轻考试前后出题及阅卷的工作量，而且将使考试更标准化、公平化。

2 系统的开发环境与体系结构

本系统采用B/S架构以实现在线考试的需要，采用Windows xp/2000+Asp+ SQL Server 作为系统的开发环境。

ASP即活动服务器页面（Active Server Pages），它是一种运行于服务器端的脚本编写模型，它使开发者可以使用多种的脚本语言（VBScript、Jscript或Perl等）编写脚本，这些脚本可以执行应用程序逻辑，并能够调用ActiveX组件执行特殊任务，如数据库查询、文件输入输出等。活动服务器页面（ASP）就是一个编程环境，利用ASP可以混合使用HTML、脚本语言以及组件来创建服务器端功能强大的Internet应用程序。

本系统数据库采用Microsoft SQL Server 2000作为后台数据库服务器。它是一个杰出的数据库平台，可用于大型联机事务处理、数据仓库、以及电子商务等。SQL Server是基于服务器端的中型数据库，可以适合大容量数据的应用。SQL Server在处理海量数据的效率、后台开发的灵活性、可扩展性等方面功能强大。

系统采用基于web模式的三层体系结构, 这种浏览器/ 应用服务器/数据库服务器的体系结构, 不仅对于客户和系统管理人员都具有简单、良好、一致的操作环境, 而且带来了基本的安全保障, 保证了网上考试的稳定和安全。

3 系统的设计

3.1功能模块的设计说明

根据需求分析对在线考试系统功能的分解，本系统要实现的功能模块如图1所示。

(1)系统管理：管理员登录、注册、修改；考试模式设定；考试时间的设定。

图1 功能模块图

(2)试卷结构管理：进行抽题、设置考试时间等。

(3)考生管理：考生注册、考生信息修改、考生信息删除、考生信息统计、考生信息查询等。

(4)考生成绩管理：考试成绩的查询、统计等。

(5)试题库管理：实现试题的添加、修改、删除等更新工作。

(6)在线考试管理：考试时间控制、查询上次成绩、防止刷新

(7)在线评分管理：考生答案提交、正确答案查询、计算分数、反馈正确答案信息

3.2用户界面设计

本系统界面设计采用ASP以及静态的HTML技术，通过浏览器为考生以及管理教师展现考生界面和教师后台管理界面，基于系统的效率要求，在用户界面的设计上采用了简洁，明朗的风格，只保留了必要的文字介绍和提交表单，保证了系统运行的时间效率。

3.3数据库的设计

根据需求分析和系统功能分析，本系统数据库主要涉及以下几个实体：

(1)考生信息，属性有姓名、性别、学号、班级、编号、用户名、密码、注册日期等。

(2)管理员信息，属性有用户名、密码、注册日期等。

(3)试题信息，属性有 编号、题干、答案、加入日期。

(4)成绩信息属性，有考生id、试卷期数、分数、考试日期、是否补考、补考成绩、补考日期等。

(5)考试信息，属性有考试时间、试卷编号、设置时间等。

3.4编码实现

以图2-3为例，说明编程的思路设计和执行过程。合法注册考生通过验证以后，index.asp通过下图所示页面将考试信息页面反馈给考生，并提供两个供选择的连接，“点击此处开始考试”连接到test.asp,“查询你以往考试成绩”连接到my_report.asp并提供后台接口。

图2 登陆欢迎页面

考生通过“父页面”接口进入考试页面test.asp之后，test.asp根据管理员后台的页面结构设置访问数据库的试题表type1和type2，由随机算法组织为结构型试卷，开始计时，考生可以请答题。若确认已经作答完毕，考生按“提交”将题目所含表单将考生答案发送到test_over.asp页面。在规定时间内未完成答卷的，将自动提交答案信息。

4 结束语

在线考试系统以统一的标准和规范为基础，以试题库的各种信息为底层，以数据库技术为支撑，严格按照软件工程流程进行开发，实现了在线考试，自动组卷，自动评卷等功能，实现了试题、考生信息的统计分析等各管理环节的自动化，减轻了教师的工作量，提高了考试的效率。

图3 在线考试界面

参考文献：

[1]马青霞.基于ASP的在线考试系统[J].金陵科技学院学报,2005,21(01):36-39.

[2]李俊,丁胜.基于ASP的在线考试系统的设计与实现[J].电脑与信息技术,2005,13(02):60-62.

[3]唐俊武.在线考试系统开发中的几个问题及解决方法[J].计算机与数字工程,2005,33(08):144-147.

[4]范云芝.基于Web数据库在线考试系统的设计与实现研究[J].商丘师范学院学报,2006,22(05):87-91.

[5]余金山.SQL server 2000/2005 数据库开发实例入门与提高[M].北京:电子工业出版社,2006.

第8篇：数据结构试题及答案范文

关键词：Android JDBC DBUtil MVC模式 课堂测试

中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2014）12（a）-0002-01

学生举手发言在小学生的课堂上是一道亮丽的风景线，但在大学生的课堂上却仿佛是等待的多，老师一方面深知学生们不会主动发言，另一方面又对他们充满希望。学生仿佛在成长的阶段里逐渐丧失了某一种天性，举手不再是随心所欲而是有信心没勇气。如今，智能手机在大学生群体中盛行，学生上课玩手机已是普遍，但如果能将学生上课玩手机变成学生上课用手机与老师互动岂不更妙。课堂测试软件就可改善这一现状，它主要是指无线互联网和安卓技术在课堂上的应用，学生可通过手机终端接受教师的试题，并且可将自己的答案传送给web端的教师，教师通过该软件可以更好地掌握学生课堂学习情况，提高学生的听课效率。

1 软件设计

1.1 Android平台

Android是基于Linux平台的开源手机操作系统。该平台由操作系统、中间件、用户界面和应用软件组成，是首个为移动终端打造的真正开放和完整的移动软件。Android最大特点在于它具有非常好的开发和调试环境，而且支持各种可扩展的用户体验。开发课堂测试软件是离不开智能手机平台的，而Android智能手机平台系统，以其开源、开放和优异便捷的开发架构，成为首选。

1.2 软件架构

课堂测试软件主要由三部分组成：PCweb端、服务器和手机Android端，需要实现的功能是：web端通过服务器发送题目给Android端，Android端通过服务器提交答案给web，web端可以将学生答案与正确答案进行比较分析。

1.3 服务器搭建

JDBC（Java Data Base Connectivity，java数据库连接）是一种用于执行SQL语句的Java API，可以为多种关系数据库提供统一访问。DBUtil是Apache的一个开源项目，是JDBC的轻量级的封装。使用它最方便的地方在于，原来使用JDBC从数据库中查询得到的结果集需要将每一行数据封装到实体对象中，然后将实体对象加入到集合中，而使用DBUtil可以直接通过sql语句得到集合对象或者实体对象。

Android手机端的服务器和Web服务器需要连接同一个服务器，都需要调用DBUtil类的业务方法。将启动手机端服务器的代码写到Web容器的ServletContextListener监听器中，这样当Web容器启动时就会指定启动手机端服务器的代码。手机端的服务器启动后，会创建一个ServerSocket监听指定的端口，同时还会启动一个线程ServerThread负责监听用户的连接，每当有客户端进行连接时，创建并启动一个ServerAgent进程对象专门负责与该客户端进行通信。

1.4 PC web端和手机Android端的实现

Web端和Android端的实现主要采用MVC模式的技术，MVC全名是Model View Controller，即模型-视图-控制器，允许使用各种不同样式的视图来访问同一个服务器端的代码。视图层是提供给用户的操作界面，是程序的外壳；数据层，就是程序需要操作的数据或信息；控制层负责根据用户从“视图层”输入的指令，选取“数据层”中的数据，然后对其进行相应的操作，产生最终结果。它的提出是为了适应越来越复杂的项目开发，JSP+JavaBean+Servlet可以很好实现该模式。

DBUtil访问后台数据库，Servlet响应HttpRequest请求，并返回响应结果，后台采用MVC+DAO的设计模式及分层结构。服务器端主要包括采用DAO设计模式实现的访问数据库接口及其实现类。实现软件课堂测试的Servlet类包括：loginServlet用于接收用户登录的信息完成用户验证，把验证结果返回给前台，SentTestServlet和ReceiveAnswerServlet分别用于web端发送试题和接收答案，ReceiveTestServlet和SentAnswerServlet分别用于Android端接受试题和提交答案，AmountAnswerServlet用于统计答题人数等。

以试题功能为例，首先从request中读取试题项，调用PreparedStatement的executeUpdate方法向数据库的试题表中插入新的记录，根据executeUpdate的返回值设置writeNewNotice方法的返回值，最终将其设置到request中的属性。

2 结语

该文介绍了一种基于Android平台的课堂测试软件的设计与开发，该软件完成了包括Android端、web端和服务器端功能框架的整体的设计开发和系统部署。开发过程将web前台的设计和Android的开发使用同一服务器来绑定，选用便于操作的Dbutils操作数据库，采取重用性高的MVC模式构建程序，通过众多特色技术来实现课程测试软件的功能，不仅达到了要求，同时代码简练。此款软件在经过后期的一些安全问题及细节优化后，即将在小范围投入使用，相信它可以为师生提供一个更好的交流平台。

参考文献

[1] 欧阳零.Android核心技术与实例讲解（第2版）[M].北京：电子工业出版社，2013.

第9篇：数据结构试题及答案范文

关键词：高考；数学；能力结构；SOLO分类理论

[?] 问题的提出

自2007年首次新课程高考，广大一线教师、教研员都对新课标下的高考数学发表了自己的见解. 以“高考数学试题”为关键词，在中国期刊网上搜索，得到上百篇与高考数学试题相关的文章. 经分类整理，主要有以下四类：第一类，关注高考数学试题的命制技术；第二类，关注高考数学试卷的整体走向；第三类，关注高考数学试题的典型例题；第四类，关注高考数学试卷和新课程的联系. 这些研究都侧重对数学试题设计的探讨，对试卷结构、知识点的统计，研究仍停留在对高考数学试题考查能力种类的划分上，对能力考查的表达仍停留在“体现能力立意”、“以能力立意为核心”之类相对模糊的叙述上，而对试题考查的能力结构的划分比较模糊，缺少对具体试题能力结构的分析研究.

《国家中长期教育改革和发展规划纲要（2010-2020年）》指出，贯彻“以人为本、全面实施素质教育”，必须“坚持能力为重”，着力提高学生的“学习能力、实践能力、创新能力”. 高考作为为高等院校选拔人才的考试，受到社会的高度关注. 新课程背景下的高考数学试题如何体现新课程改革的理念？新课程背景下的高考数学试题能否体现出较好的教学导向功能和选拔功能？新课程背景下的高考数学试题对我们广大一线教师的日常教学又提出了哪些新要求？这些问题都需要一个科学、客观、有效、公正的答案. 在此，笔者以首批课改省份2007年至2012年的六年高考数学试题作为研究对象，分析评价新课标下高考数学试题在能力导向上的特点，希望为一线教师提供一些教学启示.

[?] 试题能力结构的评价工具――SOLO分类理论

澳大利亚的教育心理学教授John Biggs在皮亚杰的发展阶段论的基础上经过研究发现，个人的总体认知水平实际上是一个纯粹的理论概念，无法直接评价，将其称为假设的认知结构（Hyposhertical Cognitive Structure， HCS）.但一个人回答某一个具体问题时所表现出来的思维结构却是可以测量的，称之为可观察的学习成果结构（Structure of The Observed Learning Outcome），简称SOLO. SOLO分类理论是评价学习者在具体学习活动中产生的一系列表现. 根据学生在回答具体问题时，答案所呈现出的结构复杂性和层次的变化特点，来判断学生所处的五种不同的思维层次，即SOLO的五个结构水平：前结构水平（prestructur-al）；单点结构水平（unistructural）；多点结构水平（multistructural）；关联结构水平（relational）；抽象扩展水平（extended abstract）. 五个层次可用下图表示：

上图表明，学习过程是一个由浅入深、从量变到质变的发展过程，这个过程实现了从新手到专家的转变. 五个层次中，前结构可看做是“新手”的准备阶段，单点结构和多点结构主要是对学习的“量”的描述，考查的关键是学得知识点的多少及适当的知识迁移能力. 关联结构和抽象扩展结构主要是对学习的“质”的描述，考查学生高级思维能力和提出问题、分析问题、解决问题的能力，这种考查是在以知识的“量”为积累的水平上进行的.

高考数学试题SOLO能力结构的划分

在新课标《考试大纲》的能力考查要求中，已对数学学科的考查能力类型作出具体的划分：运算求解能力；数据处理能力；空间想象能力；抽象概括能力；推理论证能力；实践能力；创新意识.结合《高中数学课程标准（实验）》中对认知性和学习性目标的界定，笔者认为可以将SOLO分类理论中对学生思维层次划分的方法应用于高考数学试题中，按照学生顺利解答试题所需要的思维水平的层次来划分高考数学试题的能力结构，每一个层次代表顺利解题所需要达到的思维层次，以便更清晰地了解新课程改革后高考数学试题的能力结构特点.

根据Biggs的研究成果，可以将高考数学试题划分为以下四个层次：

单一结构水平（U）：试题的情景素材为学生所熟悉，题干给出的信息单元或者解题所需的知识点单一，正确解答只需回忆再现一个或两个知识点.

多元结构水平（M）：试题的情景素材为学生所熟悉，题干给出的信息单元为2-3个，或者正确解答应回忆再现出三个以上知识点.

关联结构水平（R）：试题的情景素材陌生新颖，正确的解答需要结合试题给出的情境素材，顺利回忆、再现多个知识点，并且联系题干给出的多个信息，从整体上把握解题思路，整理、归纳答案.

抽象扩展结构水平（E）：在关联结构水平上，超越问题情境，采用合乎逻辑的演绎，将相关的知识点和题干信息综合成抽象的假设，得出的结论可能不唯一.

[?] 新课程高考数学试题SOLO能力结构统计分析

笔者对课改实验区的近六年高考数学试题进行统计分析，结合高考数学的考试说明和考试大纲中对各知识点的描述情况，根据顺利解答每个小题所需的知识点数量及各知识点之间联系的紧密程度划分试题的等级，并对每一年各个省的试题能力结构层次分布特点进行横向与纵向的分析评价，力求得出高考数学试卷能力结构层次的合理结论.

1. 2007-2012年高考数学试题SOLO层次特点

以SOLO分类理论的U、M、R、E四个层次为横坐标，试题比例为纵坐标作图，得出四个课改实验区的考数学试题的SOLO层次特点示意图. 如下图所示：

2. 四个课改实验区的高考数学试题SOLO层次分布走势

以新课程高考年份为横坐标，试题比例为纵坐标作图，得出各个课改实验区的高考数学试题SOLO层次分布走势图.以该分布走势图为依据分析每个课改实验区的SOLO层次特点，所得结果如下所示：

[?] 研究结论和展望

1. 研究结论

本文根据SOLO分类理论，利用统计分析方法，建立了评价高考数学试题SOLO层次的标准，并利用该标准对宁夏、海南、广东、山东四省首批课改实验区的新课标高考数学试卷进行SOLO层次划分，通过按高考时间的横向研究和按高考不同地区的纵向研究，得出单一时点和多重时点下的高考数学试题SOLO层次分布趋势.

横向研究表明2007年至2012年的考数学试题的SOLO层次分布图以单峰值居多，最高峰出现在M层次和R层次试题的图线数量相当. M层次试题的主要作用是考查主干知识，增加知识点覆盖面；R层次试题主要作用是考查学生利用特定的情景素材解决数学问题的能力，突显新课程改革的理念，体现高考试卷的能力立意. 各省的SOLO图线顶峰在M层次和R层次中移动，体现命题者力图在顺应新课程改革的背景下，尝试命制出既符合本省教学实际情况又有利于选拔学生的高考试卷.

纵向研究得出四个课改省份的SOLO层次分布走势图，从而可以总结出新课程改革高考六年来各个实验区的高考数学试题的稳定性和变化情况.

U层次试题，考查学生基础知识掌握程度，位于SOLO层次的最底端，可以降低试卷的难度. 新课标高考六年来，四个实验区高考数学试卷的单点结构水平试题比例在经过波动之后回归到10%上下，根据上述命题走势，笔者认为U层次试题作为一种调控试卷难易程度的试题，其所占比例不会太高，合理范围应该在10%左右.

M层次试题，位于SOLO层次的第二层，其主要作用是扩大高考考查的知识面，确保高考试卷知识点覆盖的全面性.该水平试题属于中等难度试题. 从课改实验区六年的SOLO层次分布图上看，四省的多点结构水平试题比例已趋向平稳，其合理范围应该在40%上下浮动.

R层次试题，能体现学生高水平的思维能力，学生解答此类试题必需联系题干中的多个知识点及相关信息.海南、宁夏、广东的R层次试题，除2011年比例接近50%外；其余五年均在35%―40%之间，而山东省的R层次试题比例六年保持相对稳定，均在50%左右. 经以上分析，笔者认为这种需要运用知识点和题干信息之间相互联系来解决的R层次试题能很好体现新课程改革对高考数学的能力要求，受到许多命题专家的青睐. 因而，该层次试题的合理比例将在40%左右.

E层次试题，是用来区分出基础扎实、综合能力强的拔尖人才的试题. 这类试题试题会明显提高试卷的难度，但试题数量太多时将会导致学生答题时间不够，且容易降低学生的学习积极性.四个课改实验区的该试题比例始终维持在10%左右，由此可见，该层次试题的合理比例将在40%左右.

2. 研究展望

由于时间、精力以及笔者学识的限制，本研究内容尚有许多有待进一步完善之处.

对本研究中四个课改实验区近六年来的十八套高考数学试题的SOLO层次的定级，尽管笔者是一线教师，也经过多次反复验证，但仍感缺少专家层面的检验，因而该SOLO层次的定级存在一定的主观性. 另一方面，笔者做本研究的目的，在于尝试为高考数学试题提供一种新的分析评价工具. 因此，本文可作为案例供感兴趣的研究者参考，并期待该理论在高考数学试题评价方面得到进一步的修正和完善.

[?] 问题的提出

自2007年首次新课程高考，广大一线教师、教研员都对新课标下的高考数学发表了自己的见解. 以“高考数学试题”为关键词，在中国期刊网上搜索，得到上百篇与高考数学试题相关的文章. 经分类整理，主要有以下四类：第一类，关注高考数学试题的命制技术；第二类，关注高考数学试卷的整体走向；第三类，关注高考数学试题的典型例题；第四类，关注高考数学试卷和新课程的联系. 这些研究都侧重对数学试题设计的探讨，对试卷结构、知识点的统计，研究仍停留在对高考数学试题考查能力种类的划分上，对能力考查的表达仍停留在“体现能力立意”、“以能力立意为核心”之类相对模糊的叙述上，而对试题考查的能力结构的划分比较模糊，缺少对具体试题能力结构的分析研究.

《国家中长期教育改革和发展规划纲要（2010-2020年）》指出，贯彻“以人为本、全面实施素质教育”，必须“坚持能力为重”，着力提高学生的“学习能力、实践能力、创新能力”. 高考作为为高等院校选拔人才的考试，受到社会的高度关注. 新课程背景下的高考数学试题如何体现新课程改革的理念？新课程背景下的高考数学试题能否体现出较好的教学导向功能和选拔功能？新课程背景下的高考数学试题对我们广大一线教师的日常教学又提出了哪些新要求？这些问题都需要一个科学、客观、有效、公正的答案. 在此，笔者以首批课改省份2007年至2012年的六年高考数学试题作为研究对象，分析评价新课标下高考数学试题在能力导向上的特点，希望为一线教师提供一些教学启示.

[?] 试题能力结构的评价工具――SOLO分类理论

澳大利亚的教育心理学教授John Biggs在皮亚杰的发展阶段论的基础上经过研究发现，个人的总体认知水平实际上是一个纯粹的理论概念，无法直接评价，将其称为假设的认知结构（Hyposhertical Cognitive Structure， HCS）.但一个人回答某一个具体问题时所表现出来的思维结构却是可以测量的，称之为可观察的学习成果结构（Structure of The Observed Learning Outcome），简称SOLO. SOLO分类理论是评价学习者在具体学习活动中产生的一系列表现. 根据学生在回答具体问题时，答案所呈现出的结构复杂性和层次的变化特点，来判断学生所处的五种不同的思维层次，即SOLO的五个结构水平：前结构水平（prestructur-al）；单点结构水平（unistructural）；多点结构水平（multistructural）；关联结构水平（relational）；抽象扩展水平（extended abstract）. 五个层次可用下图表示：

上图表明，学习过程是一个由浅入深、从量变到质变的发展过程，这个过程实现了从新手到专家的转变. 五个层次中，前结构可看做是“新手”的准备阶段，单点结构和多点结构主要是对学习的“量”的描述，考查的关键是学得知识点的多少及适当的知识迁移能力. 关联结构和抽象扩展结构主要是对学习的“质”的描述，考查学生高级思维能力和提出问题、分析问题、解决问题的能力，这种考查是在以知识的“量”为积累的水平上进行的.

高考数学试题SOLO能力结构的划分

在新课标《考试大纲》的能力考查要求中，已对数学学科的考查能力类型作出具体的划分：运算求解能力；数据处理能力；空间想象能力；抽象概括能力；推理论证能力；实践能力；创新意识.结合《高中数学课程标准（实验）》中对认知性和学习性目标的界定，笔者认为可以将SOLO分类理论中对学生思维层次划分的方法应用于高考数学试题中，按照学生顺利解答试题所需要的思维水平的层次来划分高考数学试题的能力结构，每一个层次代表顺利解题所需要达到的思维层次，以便更清晰地了解新课程改革后高考数学试题的能力结构特点.

根据Biggs的研究成果，可以将高考数学试题划分为以下四个层次：

单一结构水平（U）：试题的情景素材为学生所熟悉，题干给出的信息单元或者解题所需的知识点单一，正确解答只需回忆再现一个或两个知识点.

多元结构水平（M）：试题的情景素材为学生所熟悉，题干给出的信息单元为2-3个，或者正确解答应回忆再现出三个以上知识点.

关联结构水平（R）：试题的情景素材陌生新颖，正确的解答需要结合试题给出的情境素材，顺利回忆、再现多个知识点，并且联系题干给出的多个信息，从整体上把握解题思路，整理、归纳答案.

抽象扩展结构水平（E）：在关联结构水平上，超越问题情境，采用合乎逻辑的演绎，将相关的知识点和题干信息综合成抽象的假设，得出的结论可能不唯一.

[?] 新课程高考数学试题SOLO能力结构统计分析

笔者对课改实验区的近六年高考数学试题进行统计分析，结合高考数学的考试说明和考试大纲中对各知识点的描述情况，根据顺利解答每个小题所需的知识点数量及各知识点之间联系的紧密程度划分试题的等级，并对每一年各个省的试题能力结构层次分布特点进行横向与纵向的分析评价，力求得出高考数学试卷能力结构层次的合理结论.

1. 2007-2012年高考数学试题SOLO层次特点

以SOLO分类理论的U、M、R、E四个层次为横坐标，试题比例为纵坐标作图，得出四个课改实验区的考数学试题的SOLO层次特点示意图. 如下图所示：

2. 四个课改实验区的高考数学试题SOLO层次分布走势

以新课程高考年份为横坐标，试题比例为纵坐标作图，得出各个课改实验区的高考数学试题SOLO层次分布走势图.以该分布走势图为依据分析每个课改实验区的SOLO层次特点，所得结果如下所示：

[?] 研究结论和展望

1. 研究结论

本文根据SOLO分类理论，利用统计分析方法，建立了评价高考数学试题SOLO层次的标准，并利用该标准对宁夏、海南、广东、山东四省首批课改实验区的新课标高考数学试卷进行SOLO层次划分，通过按高考时间的横向研究和按高考不同地区的纵向研究，得出单一时点和多重时点下的高考数学试题SOLO层次分布趋势.

横向研究表明2007年至2012年的考数学试题的SOLO层次分布图以单峰值居多，最高峰出现在M层次和R层次试题的图线数量相当. M层次试题的主要作用是考查主干知识，增加知识点覆盖面；R层次试题主要作用是考查学生利用特定的情景素材解决数学问题的能力，突显新课程改革的理念，体现高考试卷的能力立意. 各省的SOLO图线顶峰在M层次和R层次中移动，体现命题者力图在顺应新课程改革的背景下，尝试命制出既符合本省教学实际情况又有利于选拔学生的高考试卷.

纵向研究得出四个课改省份的SOLO层次分布走势图，从而可以总结出新课程改革高考六年来各个实验区的高考数学试题的稳定性和变化情况.

U层次试题，考查学生基础知识掌握程度，位于SOLO层次的最底端，可以降低试卷的难度. 新课标高考六年来，四个实验区高考数学试卷的单点结构水平试题比例在经过波动之后回归到10%上下，根据上述命题走势，笔者认为U层次试题作为一种调控试卷难易程度的试题，其所占比例不会太高，合理范围应该在10%左右.

M层次试题，位于SOLO层次的第二层，其主要作用是扩大高考考查的知识面，确保高考试卷知识点覆盖的全面性.该水平试题属于中等难度试题. 从课改实验区六年的SOLO层次分布图上看，四省的多点结构水平试题比例已趋向平稳，其合理范围应该在40%上下浮动.

R层次试题，能体现学生高水平的思维能力，学生解答此类试题必需联系题干中的多个知识点及相关信息.海南、宁夏、广东的R层次试题，除2011年比例接近50%外；其余五年均在35%―40%之间，而山东省的R层次试题比例六年保持相对稳定，均在50%左右. 经以上分析，笔者认为这种需要运用知识点和题干信息之间相互联系来解决的R层次试题能很好体现新课程改革对高考数学的能力要求，受到许多命题专家的青睐. 因而，该层次试题的合理比例将在40%左右.

E层次试题，是用来区分出基础扎实、综合能力强的拔尖人才的试题. 这类试题试题会明显提高试卷的难度，但试题数量太多时将会导致学生答题时间不够，且容易降低学生的学习积极性.四个课改实验区的该试题比例始终维持在10%左右，由此可见，该层次试题的合理比例将在40%左右.

2. 研究展望