模拟综合成绩获得方法与装置与流程

本发明涉及教学数据处理领域，具体而言，涉及一种模拟综合成绩获得方法与装置。
背景技术：
：随着科学技术的发展，特别是计算机技术的飞速发展，冲击着传统的教学模式，教育的目的、内容、重点和教学手段等诸多方面都出现了新的变化。现阶段，学生考试成绩评定往往照搬国外经验，把百分制转化为五级分制，利用课程学分计算权重，采用加权求和或直接计算平均值。这种方法虽然在一定程度上体现了学生的学习效果，但该方法的合理性并非建立在科学论证的基础上，忽略了不同学科的难易程度。所以，如何提高考试成绩评定的公平性与合理性，是本领域技术人员的研究重点。技术实现要素：本发明的目的在于提供一种模拟综合成绩获得方法与装置，提高了考试成绩评定的公平性和合理性。为了实现上述目的，本发明实施例采用的技术方案如下：第一方面，本发明实施例提供了一种模拟综合成绩获得方法，所述模拟综合成绩获得方法包括：获得输入的多个科目的难度评价等级及多个学生在每个所述科目的考试成绩；根据层次分析法对每个所述科目的难度评价等级进行量化，获得每个所述科目的难度等级量化值；根据主成分分析算法与所述每个所述科目的难度等级量化值合成每个科目的难度参数；根据所述每个科目的难度参数对所述每个学生的考试成绩进行加权求和，输出每个学生的模拟综合成绩。第二方面，本发明实施例还提供了一种综合成绩获得装置，其特征在于，所述综合成绩获得装置包括：参数获得单元，用于获得输入的多个科目的难度评价等级及多个学生在每个所述科目的考试成绩；量化单元，用于根据层次分析法对每个所述科目的难度评价等级进行量化，获得每个所述科目的难度等级量化值；难度参数合成单元，用于根据主成分分析算法与所述每个所述科目的难度等级量化值合成每个科目的难度参数；输出单元，用于根据所述每个科目的难度参数对所述每个学生的考试成绩进行加权求和，输出每个学生的模拟综合成绩。本发明实施例提供的模拟综合成绩获得方法与装置，具有如下有益效果：本发明实施例提供了一种模拟综合成绩获得方法与装置，通过获得的多个科目的难度评价等级以及多个学生每个科目的考试成绩，对每个科目的难度评价等级进行量化，得到每个科目的难度等级量化值，然后根据主成分分析算法与每个科目的难度等级量化值合成每个科目的难度参数，最后根据该难度参数对每个学生的考试成绩进行加权求和，最终输出每个学生的模拟综合成绩。由于学生在学习过程中，对于学习难度较大的科目，可能需要花费更多的时间克服学习困难，所以，与现有的学生考试成绩评定方法相比，本发明提供的模拟综合成绩获得方法与装置能够提高学习难度大的科目在总成绩中所占的比重，从而使最终得到的学生模拟综合成绩具有更加公平、合理的特点。为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本发明较佳实施例提供的服务器的功能模块示意图。图2为本发明较佳实施例提供的模拟综合成绩获得方法的流程示意图。图3为本发明较佳实施例提供的获得每个科目的难度等级量化值的流程示意图。图4为本发明较佳实施例提供的合成每个科目的难度参数的流程示意图。图5为本发明较佳实施例提供的模拟综合成绩获得装置的子模块示意图。图6为本发明较佳实施例提供的量化单元的子模块示意图。图7为本发明较佳实施例提供的难度参数合成单元的子模块示意图。图标：10-服务器；11-模拟综合成绩获得装置；12-存储器；13-存储控制器；14-处理器；15-外设接口；111-参数获得单元；112-量化单元；1121-判别矩阵获得模块；1122-判别矩阵检验模块；1123-难度等级量化值获得模块；113-难度参数合成单元；1131-矩阵构建模块；1132-数据矩阵获取模块；1133-相关系数矩阵构造模块；1134-特征根与特征向量求取模块；1135-主成分确定模块；1136-主成分荷载计算模块；1137-第一主成分获取模块；1138-参数获取模块；114-输出单元。具体实施方式下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。如图1所示，是本发明提供的服务器10的功能模块示意图。该服务器10包括模拟综合成绩获得装置11、存储器12、存储控制器13、处理器14以及外设接口15。所述存储器12、存储控制器13、处理器14以及外设接口15各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述模拟综合成绩获得装置11包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中或固化在所述服务器10的操作系统(operatingsystem，OS)中的软件功能模块。所述处理器14用于执行存储器12中存储的可执行模块，例如所述模拟综合成绩获得装置11包括的软件功能模块或计算机程序。其中，存储器12可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(ProgrammableRead-OnlyMemory，PROM)，可擦除只读存储器(ErasableProgrammableRead-OnlyMemory，EPROM)，电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory，EEPROM)等。其中，存储器12用于存储程序，所述处理器14在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器14中，或者由处理器14实现。处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器14也可以是任何常规的处理器等。所述外设接口15将各种输入/输入装置耦合至处理器14以及存储器12。在一些实施例中，外设接口15，处理器14以及存储控制器13可以在单个芯片中实现。在其他一些实例中，它们可以分别由独立的芯片实现。请参阅图2，是本发明较佳实施例提供的一种模拟综合成绩获得方法的流程图，下面将对图1所示的具体流程进行详细阐述。步骤S201，获得输入的多个科目的难度评价等级及多个学生在每个所述科目的考试成绩。在本实施例中，科目的难度评价等级可分为很难、难、中等以及一般这四个指标，当然，在其它实施例中，科目的难度评价可分为其它指标，本实施例并不做具体限定。为了能够了解学生的学习感受，本实施例通过预先发放调查问卷的形式，请学生根据个人感受选择各科难度等级。并且，输入的多个学生在每个科目的考试成绩为学生的初始成绩，通过服务器10对该初始成绩的处理，得到最终的模拟综合成绩。步骤S202，根据层次分析法对每个所述科目的难度评价等级进行量化，获得每个所述科目的难度等级量化值。具体地，为了能够充分利用问卷信息，需要对难度评价等级进行量化打分，本实施例采用层次分析法对难度评价等级进行量化。请参阅图3，为采用层次分析法对难度评价等级进行量化的流程图。步骤S2021，对每两个所述科目进行难度评价等级比较，获得判别矩阵。具体地，在本实施例中，把难度作为重要性，对很难、难、中等以及一般这四个指标作出简单比较，并定义为重要性标度，将每个科目的难度评价等级作为元素，通过对每两个元素的比较，得到重要性标度。通过对每两个所述科目进行难度评价等级比较，可以得到判别矩阵列表。下面将举例说明，在本实施例中，以1、3、5、7作为重要性标度，当两个元素相比，具有同等难度时，其重要性标度为1；当两个元素相比，前者比后者稍难时，其重要性标度为3；当两个元素相比，前者比后者明显难时，其重要性标度为5；当两个元素相比，前者比后者强烈难时，其重要性标度为7。并且，若元素i与元素j的难度之比为aij，则元素j与元素i之比为aji＝1/aij。从而根据两两比较四个值的难度标度，得到的判别矩阵列表如表1所示：很难难中等一般很难1357难1/3135中等1/51/313一般1/71/51/31表1即判别矩阵A为其中，矩阵第i行j列的为判别矩阵A的元素aij。步骤S2022，对所述判别矩阵进行一致性检验，判断所述判别矩阵的一致性是否可以接受，如果是，则执行步骤S2033。在对元素进行两两比较时，为了避免矛盾情况的出现，要求判断矩阵具有大体的一致性，所以需要进行一致性检验，然后对判别矩阵的一致性是否可以接受进行判断。在本实施例中，通过公式一致性指标计算。其中，C.I.为一致性指标，λmax为判别矩阵A的最大特征值，n为判别矩阵的阶次。通过求得判别矩阵的最大特征值，然后将最大特征值带入公式中，可以求得该判别矩阵的一致性指标C.I.为0.0390。进一步地，判断该判别矩阵的一致性是否可以接受时，需要计算一致性比例，如果计算的一致性比例小于0.1，则表示该判别矩阵的一致性可以接受。通过公式进行计算，其中，C.R.为一致性比例，R.I.为相应的平均随机一致性指标，并且，可通过查表的方式的到R.I.的值为0.89，进而的到一致性比例C.R.的值为0.0438，该值是明显小于0.1的，所以，本实施例提供的判别矩阵的一致性是可以接受的。步骤S2023，对所述判别矩阵进行特征值计算，并将最大特征值对应的特征向量进行归一化，得到每个所述科目的难度等级量化值。当已经判断该判别矩阵的一致性是可以接受的后，即需要通过该判别矩阵进行归一化，从而得到每个科目的具体难度等级量化值。具体地，首先，计算满足Aω＝λω的最大特征根λ及对应的特征向量ω。然后，用最大特征根对应的归一化特征向量ω’作为权向量，即归一化向量ω’的各分量对应为对应元素的相对重要性权重。在本实施例中，通过公式进行归一化，其中，Vi为最大特征值对应特征向量的第i个分量，ωi为ω,的第i个分量。通过计算可以求得ω,为0.565009053799047、0.262201205560873、0.117504250041398以及0.0552854905986810，即可以用0.565009053799047、0.262201205560873、0.117504250041398以及0.0552854905986810分别量化很难、难、中等以及一般，从而获得每个所述科目的难度等级量化值。步骤S203，根据主成分分析算法与所述每个所述科目的难度等级量化值合成每个科目的难度参数。在得到每个科目的难度等级量化值后，可通过主成分分析算法与每个所述科目的难度等级量化值合成每个科目的难度参数。请参阅图4，为利用主成分分析法合成每个科目的难度参数的流程图。步骤S2031，构建每个所述科目为行，每个所述科目的难度等级量化值为列的矩阵。为了得到多个主成分，首先需要构建矩阵。在本实施例中，已经求得了每个科目的难度等级量化值，所以构建考试科目为行，每个科目的难度等级量化值为列的数表，从而构建出矩阵X＝(X1,X2,...Xm)，其中，m为学生人数。步骤S2032，对所述矩阵的各列进行标准化，得到数据矩阵。由于在构建矩阵时，会存在变量在水平和量纲上的影响，在本实施例中，为了消除变量在水平和量纲上的影响，需要对构建的矩阵的各列作为指标进行标准化，得到数据矩阵。在本实施例中，通过公式对该矩阵进行标准化，其中，Lii为标准差，n为科目数，Xi为任意一列第i个分量，为对应列的平均值,Xi’为标准化后的对应的第i个分量。步骤S2033，根据所述数据矩阵求出皮尔逊相关系数，并构造所述数据矩阵的相关系数矩阵。皮尔逊相关系数是一种用来度量两个变量间相关程度的方法，在本实施例中，由于学生对各个科目之间的难度评价等级打分一般都存在相关性，所以用皮尔逊系数来度量其相关性。具体地，在本实施例中，通过公式构造矩阵相关系数矩阵R＝(μij)pxp，其中，μij为皮尔逊相关系数，Xik为标准化后的第i列数据的第k个分量，为标准化后的第i列数据的平均值，Xjk为标准化后的第j行数据的第k个分量，为标准化后的第j列数据的平均值。步骤S2034，根据所述相关系数矩阵，求得所述相关系数矩阵的特征根与特征向量。由于步骤S2033已经构建了相关系数矩阵，所以可以直接求出该相关系数矩阵的特征根与特征向量λi，其中i＝1,2，…p。步骤S2035，根据所述特征根与特征向量计算主成分贡献率及累计贡献率，并确定多个主成分。由于在统计多变量问题中，需要尽可能的减少问题的复杂程度，使涉及的变量较少，这样不仅便于计算，而且结果也更加准确。在本实施例中，为了排除对结果影响较小的特征值，需要计算每个特征值的贡献率与累计贡献率。具体地，计算每个特征值在所有特征值中所占的比，从而可以得到贡献率；对特征值排序依次累加即可得到贡献率。在本实施例中，选取累计贡献率达85％-95％的特征值λ1,λ2,...λk(k≤p)，从而确定主成分个数，即对应的k个主成分。步骤S2036，根据所述多个主成分计算主成分荷载。为了确定主成分系数，需要计算主成分荷载。由于步骤S1035已经确定了k个主成分，利用该k个主成分可求得其对应的特征向量为e1,e2,...ek，该特征向量即为主成分荷载。步骤S2037，根据所述主成分荷载得到第一主成分。具体地，根据步骤S1036求得的主成分荷载，可以得到最大特征值对应的特征向量e1，从而得到第一主成分F1。步骤S2038，对所述第一主成分进行归一化处理，得到所述每个科目的难度参数。在得到第一主成分F1后，即可对第一主成分F1进行归一化处理，得到每个科目的难度参数。具体地，通过公式对第一主成分F1进行归一化处理，其中，Si为e1的第i个分量，Zi为归一化后的结果，即第i个科目的学习难度参数，根据该公式即可得到每个科目的难度参数。步骤S204，根据所述每个科目的难度参数对所述每个学生的考试成绩进行加权求和，输出每个学生的模拟综合成绩。在获得每个科目的难度参数后，将每个科目的难度参数作为权重，对每个学生的考试成绩进行加权求和，从而可以得到每个学生的模拟综合成绩。请参阅图5，本发明和实施例还提供了一种模拟综合成绩获得装置11。需要说明的是，本实施例所提供的模拟综合成绩获得装置11，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本发明实施例部分未提及之处，可参考上述的实施例中相应内容。该模拟综合成绩获得装置11包括参数获得单元111、量化单元112、难度参数合成单元113以及输出单元114。参数获得单元111，用于获得输入的多个科目的难度评价等级及多个学生在每个所述科目的考试成绩。可以理解地，通过参数获得单元111可执行步骤S201。量化单元112，用于根据层次分析法对每个所述科目的难度评价等级进行量化，获得每个所述科目的难度等级量化值。可以理解地，通过量化单元112可执行步骤S202。具体地，请参阅图6，量化单元112包括判别矩阵获得模块1121、判别矩阵检验模块1122以及难度等级量化值获得模块1123。判别矩阵获得模块1121，用于对每两个所述科目进行难度评价等级比较，获得判别矩阵。可以理解地，通过判别矩阵获得模块1121可执行步骤S2021。判别矩阵检验模块1122，用于对所述判别矩阵进行一致性检验，判断所述判别矩阵的一致性是否可以接受。可以理解地，通过判别矩阵检验模块1122可执行步骤S2022。难度等级量化值获得模块1123，用于若所述判别矩阵可以接受，则对所述判别矩阵进行特征值计算，并将最大特征值对应的特征向量进行归一化，，获得每个所述科目的难度等级量化值。可以理解地，难度等级量化值获得模块1123可执行步骤S2023。难度参数合成单元113，用于根据主成分分析算法与所述每个所述科目的难度等级量化值合成每个科目的难度参数。可以理解地，通过难度参数合成单元113可执行步骤S203。具体地，请参阅图7，难度参数合成单元113包括矩阵构建模块1131、数据矩阵获取模块1132、相关系数矩阵构造模块1133、特征根与特征向量求取模块1134、主成分确定模块1135、主成分荷载计算模块1136、第一主成分获取模块1137以及参数获取模块1138。矩阵构建模块1131，用于构建每个所述科目为行，每个所述科目的难度等级为列的矩阵。可以理解地，通过矩阵构建模块1131可执行步骤S2031。数据矩阵获取模块1132，用于对所述矩阵的各列进行标准化，获得数据矩阵。可以理解地，通过数据矩阵获取模块1132可执行步骤S2032。相关系数矩阵构造模块1133，用于根据所述数据矩阵求出皮尔逊相关系数，并构造所述数据矩阵的相关系数矩阵。可以理解地，通过相关系数矩阵构造模块1133可执行步骤S2033。特征根与特征向量求取模块1134，用于根据所述相关系数矩阵，求得所述相关系数矩阵的特征根与特征向量。可以理解地，特征根与特征向量求取模块1134可执行步骤S2034。主成分确定模块1135，用于根据所述特征根与特征向量计算主成分贡献率及累计贡献率，并确定多个主成分。可以理解地，通过主成分确定模块1135可执行步骤S2035。主成分荷载计算模块1136，用于根据所述多个主成分计算主成分荷载。可以理解地，通过主成分荷载计算模块1136可执行步骤S2036。第一主成分获取模块1137，用于根据所述主成分荷载得到第一主成分。可以理解地，通过第一主成分获取模块1137可执行步骤S2037。参数获取模块1138，用于对所述第一主成分进行归一化处理，得到所述每个科目的难度参数。可以理解地，参数获取模块1138可执行步骤S2038。输出单元114，用于根据所述每个科目的难度参数对所述每个学生的考试成绩进行加权求和，输出每个学生的模拟综合成绩。可以理解地，通过输出单元114可执行步骤S204。综上所述，本发明实施例提供了一种模拟综合成绩获得方法与装置，通过获得的多个科目的难度评价等级以及多个学生每个科目的考试成绩，对每个科目的难度评价等级进行量化，得到每个科目的难度等级量化值，然后根据主成分分析算法与每个科目的难度等级量化值合成每个科目的难度参数，最后根据该难度参数对每个学生的考试成绩进行加权求和，最终输出每个学生的模拟综合成绩。由于学生在学习过程中，对于学习难度较大的科目，可能需要花费更多的时间克服学习困难，所以，与现有的学生考试成绩评定方法相比，本发明提供的模拟综合成绩获得方法与装置能够提高学习难度大的科目在总成绩中所占的比重，从而使最终得到的学生模拟综合成绩具有更加公平、合理的特点。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。当前第1页1 2 3