本发明涉及用于知识程度检验的计算机系统
技术领域：
，特别是涉及知识节点选择测试方法及其所应用计算机设备和存储介质。
背景技术：
：知识结构是由多个节点(knowledgenode)构成的有向图(directedgraph)，用以描述构成一个完整知识所需掌握的所有节点，及掌握节点的先后顺序。节点间箭头的方向隐含了由基础到复杂的知识构成顺序，起点为下位节点，终点为上位节点，理解上位节点的知识须先理解下位节点的知识，换言之，上位节点的知识范围涵盖了其下位节点的所有知识。如图1所示，b指向a，则a是b的上位节点亦是b的直接上位节点；反之，b是a的下位节点亦是a的直接下位节点。同理，d指向b，b是d的上位节点亦b的直接上位节点，由于b指向a，所以a亦是d的上位节点，反之，d亦是a的下位节点。传统测验对所有受测者一视同仁，无论知识水准的高或低，每位受测者均须作答该次测验中的所有试题。因此，传统测验最大缺点就是测验时间较长，无法依据受测者实际对知识的掌握程度来减少测验时间。自适应系统的意义为系统会依据当前用户的不同，自动匹配最适合的内容给用户。自适应的概念正好可以用来解决传统测验的问题。以知识结构作为基础的自适应测验，依照知识结构，针对每个节点设计试题，试题答对视为掌握该节点的知识，答错视为未掌握该节点的知识，每次测试必须涵盖该知识结构中的所有节点。由于知识结构的特性，上位涵盖了下位的知识，因此答对某节点的试题，代表其下位节点亦答对；反之，某节点若答错，表示其上位节点也有答错的可能。因此，自适应测验发展出两个主要的策略，一种是从最上位节点开始进行测试的上到下策略，另一种则为自最下位节点开始测试的下到上策略。两种策略相较于传统测验，均可省去许多道题不需做。请查看下表1，结合图1的知识结构来看，受测者样本s1到s5，从掌握全部节点到完全未掌握节点，和传统测验相比较，均可大幅减少所需测验节点。而上到下策略与下到上策略两者之间的落差，在于知识结构呈现倾向上位少、下位多的三角形，或是下位少、上位多的倒三角形，由于图1是呈现倾向三角形的知识结构，所以上到下策略可以省去较多节点不需测试。表1无论是上到下策略或下到上策略，都有适合使用的受测者群体。最适合使用上到下策略的群体，是知识水准偏上的群体；反之，最适合使用下到上策略的群体，是知识水准偏下的群体。若未识别出适用的受测者群体，而采行了相反的策略，最糟的状况，就和传统测验一样所有试题全测。如表1，若受测者群体程度和s5相仿，却采行了上到下策略，情况就是全测；反之，若受测者群体程度和s1相仿，采行下到上策略的结果一样也是全测。实际上，在常态分布原则下，受测者群体知识水准落在中等的范围。回归到自适应测验的初衷——通过匹配在该次测验中最符合受测者知识水准的试题，以减少受测者耗费于过低或过高于其知识水准试题的时间。显然，前述两种策略均无法达成。因此，如何选取最佳适配于受测者的节点，以节省测试时间，提升测试效率，已成为业界亟待解决的技术问题。技术实现要素：鉴于以上所述现有技术的缺点，本发明的目的在于提供知识节点选择测试方法及其所应用计算机设备和存储介质，从而解决现有技术中的问题。为实现上述目的及其他相关目的，本发明提供一种知识节点选择测试方法，应用于知识节点结构，所述知识节点结构包含多个节点，至少部分节点间存在上、下位关系，每个节点均关联有知识内容、及用于测试该知识内容掌握程度的测试题；所述方法包括：设计多种类型的权重评价指数，其中，所述权重评价指数的类型包括：节点相关类型、群体受测者相关类型、及个体受测者相关类型；所述节点相关类型的权重评价指数是根据各所述节点的上和/或下位程度来定义的，所述群体受测者相关类型的权重评价指数是根据所述知识节点结构的受测者群体的群体测试结果样本来定义的，所述个体受测者相关类型的权重评价指数是根据受测者的个人测试结果样本来定义的；在受测者进行每次测试时，综合计算所述多种权重评价指数以生成对应每一个节点的权重值；按所述权重值递变的选点顺序选择节点并派发对应的测试题给受测者。于本发明的一实施例中，所述节点相关类型的权重评价指数包括：信息指数、影响指数、和/或掌握指数；所述信息指数，其取值与节点的下位节点的信息量相关；所述影响指数，其取值与节点的上位节点的影响量相关；所述掌握指数，其取值与在受测者掌握所有节点的情况下某节点对受测者的重要程度相关。于本发明的一实施例中，所述信息量包括：节点的下位节点数量和/或下位节点知识内容的覆盖范围；所述影响量包括：节点的上位节点数量和/或上位节点知识内容的覆盖范围。于本发明的一实施例中，所述群体受测者相关类型的权重评价指数包括：群体未掌握指数，其取值与受测者群体未掌握的某个节点对受测者群体的重要程度相关；所述个体受测者相关类型包括：个体未掌握指数；所述个体未掌握指数，其取值与受测者未掌握的某个节点对受测者的重要程度相关。于本发明的一实施例中，所述个体未掌握指数与群体未掌握指数是根据所述影响指数生成的未掌握权重值对应答题情况所显示的未掌握的节点生成的。于本发明的一实施例中，每个节点具有与该知识内容掌握程度有关的节点状态，其类型包括：待确认、掌握和未掌握；各节点的状态能通过推论逻辑推定，所述推论逻辑包括：未经测试的节点的状态为待确认；若受测者对一节点的测试题作答的答题情况足以代表其不能掌握该节点，则该节点推论为未掌握；若受测者对一节点的测试题作答的答题情况足以代表其掌握该节点，则该节点及其所有下位节点推论为掌握；若某节点的直接下位节点均为未掌握，则该节点推论为未掌握。于本发明的一实施例中，所述的知识节点选择测试方法，还包括：在所述选点顺序中，根据受测者对一节点的测试题的答题情况来获得该节点的状态，并根据该节点的状态和/或已测节点的状态推论该节点上位或下位节点的状态以判断是否还有节点需要测试；若有，则继续选点派题；若无，则完成此次测试而得到测试结果。于本发明的一实施例中，所述受测者群体是与该当前受测者知识水准相同或相近的。于本发明的一实施例中，所述知识水准相同或相近的标准包括：受测者群体与当前受测者的学习内容相同或相近；以及/或者，学级相同或相近。于本发明的一实施例中，所述知识水准相同或相近的标准还包括：受测者群体与当前受测者的学校或班级相同或相近、学校所在地区相同或相近、及年级平均成绩相同或相近中的一种或多种组合。于本发明的一实施例中，所述的知识节点选择测试方法，还包括：利用所述测试结果更新所述受测者群体的群体测试结果样本。为实现上述目的及其他相关目的，本发明提供一种计算机设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述的知识节点选择测试方法。为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的知识节点选择测试方法。综上所述，本发明提供知识节点选择测试方法及其所应用计算机设备和存储介质，应用于知识节点结构，所述知识节点结构包含多个节点，至少部分节点间存在上、下位关系，每个节点均关联有知识内容、及用于测试该知识内容掌握程度的测试题；通过设计多种类型的权重评价指数，在受测者进行每次测试时综合计算所述多种权重评价指数以生成对应每一个节点的权重值，按所述权重值递变的选点顺序选择节点并派发对应的测试题给受测者。本发明通过从选择的最佳节点开始测试受测者，最接近受测者的水平，且能用最少的题目就能测出受测者的知识掌握情况，减少大量过高或过低于真实知识水准的无效测试时间。附图说明图1显示为知识节点结构的示意图。具体实施方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。为实现高效的为了能最有效的节省每个受测者的测验时间，要达成的目标有以下中的至少一个：1、最高答题效益：期望用户做最少的题目就能测出知识掌握情况。因此，目标是受测者每作答一题，就能判断出越多用户在该知识结构中的知识点的掌握程度。2、最接近受测者知识的节点：越接近受测者真实知识水准的节点，可以减少大量过高或过低于真实知识水准的无效测试时间。因此，本发明设计了一相关的测试方法。本发明的方案可应用于例如图1所示的知识结构的实施例中，所述知识节点结构包含多个节点a～k，至少部分节点间存在上、下位关系，每个节点均关联有知识内容、及用于测试该知识内容掌握程度的测试题。由于所述上、下位节点是根据所对应的知识内容的深浅程度来确定的，所述上下节点间会存在一些逻辑关系，例如，在掌握上位节点的情况下，掌握该上位节点及其所有下位节点。为便于理解，举一简单实例，如果一个学生能掌握四则混合运算的知识内容，表示该学生已掌握四则混合运算中的加法、减法、乘法、除法…等知识内容，则该学生掌握四则混合运算的知识节点，也就掌握了加法、减法、乘法、除法的各知识节点，换言之，四则混合运算为加法、减法、乘法、除法等节点的上位节点。为了精确衡量受测者的知识水准来提供最适配的节点，本发明设计多种类型的权重评价指数，其中，所述权重评价指数的类型包括：节点相关类型、群体受测者相关类型、及个体受测者相关类型；所述节点相关类型的权重评价指数是根据各所述节点的上和/或下位程度来定义的，所述群体受测者相关类型的权重评价指数是根据所述知识节点结构的受测者群体的群体测试结果样本来定义的，所述个体受测者相关类型的权重评价指数是根据受测者的个人测试结果样本来定义的。于本发明的一实施例中，所述节点相关类型的权重评价指数包括：信息指数、影响指数、和/或掌握指数；所述信息指数，其取值与节点的下位节点的信息量相关。所述影响指数，其取值与节点的上位节点的影响量相关。所述掌握指数，其取值与在受测者掌握所有节点的情况下某节点对受测者的重要程度相关。此指数越高，代表在受测者完整掌握知识结构后，掌握该节点越是重要。于本发明的一实施例中，所述信息量包括：节点的下位节点数量和/或下位节点知识内容的覆盖范围；所述影响量包括：节点的上位节点数量和/或上位节点知识内容的覆盖范围，举例来说，若节点的上位节点的数量越多，则该节点的影响指数的值则越大，以表明其对应的知识内容越下位基础，在知识结构中所影响的节点越多；若节点的下位节点的数量越多，则该节点的信息指数的值则越大，以表明该节点涵盖的基础知识越多，信息量越大。当然，此例中节点数量和指数值的取值方式仅为列举，可以是正比，也可以是反比或其它数学或逻辑关系，并非以此为限。所述个体受测者相关类型包括：个体未掌握指数。所述个体未掌握指数，其取值与受测者未掌握的某个节点对受测者的重要程度相关。此指数若越高则代表掌握该知识节点对此受测者来说越为重要。于本发明的一实施例中，所述群体受测者相关类型的权重评价指数包括：群体未掌握指数，其取值与受测者群体未掌握的某个节点对受测者群体的重要程度相关。群体未掌握指数与该个体未掌握指数的原理相似，只是对象是个体及群体的不同；此群体未掌握指数越高代表掌握该知识节点对受测者群体越为重要。需对所述群体未掌握指数赋予初始值，所述初始值可以是将受测者群体在所述知识结构进行测试的测试结果作为样本来计算得到的；所述受测者群体是与该当前受测者知识水准相同或相近的。于本发明的一实施例中，所述知识水准相同或相近的标准包括：受测者群体与当前受测者的学习内容相同或相近；以及/或者，学级相同或相近；所述知识水准相同或相近的标准还包括：受测者群体与当前受测者的学校或班级相同或相近、学校所在地区相同或相近、及年级平均成绩相同或相近中的一种或多种组合。需说明的是，上述所称的各种指数的取值可以通过0～1之间的权重值来表示，在进行设定权重时，有很多方法，可以将这些方法分为三类：主观赋权法、客观赋权法、组合赋权法；主观赋权法是根据决策者(专家)主观上对各属性的重视程度来确定属性权重的方法，其原始数据由专家根据经验主观判断而得到。常用的主观赋权法有专家调查法(delphi法)、层次分析法(ahp)、二项系数法、环比评分法、最小平方法等。主观赋权法是人们研究较早、较为成熟的方法，主观赋权法的优点是专家可以根据实际的决策问题和专家自身的知识经验合理地确定各属性权重的排序，不至于出现属性权重与属性实际重要程度相悖的情况。但决策或评价结果具有较强的主观随意性，客观性较差，同时增加了对决策分析者的负担，应用中有很大局限性。鉴于主观赋权法的各种不足之处，人们又提出了客观赋权法，其原始数据由各属性在决策方案中的实际数据形成，其基本思想是：属性权重应当是各属性在属性集中的变异程度和对其它属性的影响程度的度量，赋权的原始信息应当直接来源于客观环境，处理信息的过程应当是深入探讨各属性间的相互联系及影响，再根据各属性的联系程度或各属性所提供的信息量大小来决定属性权重。如果某属性对所有决策方案而言均无差异(即各决策方案的该属性值相同)，则该属性对方案的鉴别及排序不起作用，其权重应为0；若某属性对所有决策方案的属性值有较大差异，这样的属性对方案的鉴别及排序将起重要作用，应给予较大权重.总之，各属性权重的大小应根据该属性下各方案属性值差异的大小来确定，差异越大，则该属性的权重越大，反之则越小。常用的客观赋权法有：主成份分析法、熵值法、离差及均方差法、多目标规划法等。其中熵值法用得较多，这种赋权法所使用的数据是决策矩阵，所确定的属性权重反映了属性值的离散程度。客观赋权法主要是根据原始数据之间的关系来确定权重，因此权重的客观性强，且不增加决策者的负担，方法具有较强的数学理论依据。但是这种赋权法没有考虑决策者的主观意向，因此确定的权重可能与人们的主观愿望或实际情况不一致，使人感到困惑。因为从理论上讲，在多属性决策中，最重要的属性不一定使所有决策方案的属性值具有最大差异，而最不重要的属性却有可能使所有决策方案的属性值具有较大差异。这样，按客观赋权法确定权重时，最不重要的属性可能具有最大的权重，而最重要的属性却不一定具有最大的权重。而且这种赋权方法依赖于实际的问题域，因而通用性和决策人的可参与性较差，没有考虑决策人的主观意向，且计算方法大都比较繁锁。针对主、客观赋权法各自的优缺点，为兼顾到决策者对属性的偏好，同时又力争减少赋权的主观随意性，使属性的赋权达到主观与客观的统一，进而使决策结果真实、可靠。因此,合理的赋权方法应该同时基于指标数据之间的内在规律和专家经验对决策指标进行赋权，从而产生了主客观综合赋权法(或称组合赋权法)。主客观组合赋权法的两种常用方法是：“乘法”集成法、“加法”集成法。本发明的一些需依赖赋权确定的指数，其值可以是根据其中任意一或多种赋权法来确定的，由于赋权法可以是基于现有技术实现的，其计算方式也非唯一，故此处不对具体的赋权计算进行展开。由于所述影响指数能反映节点的上位程度，其越下位对应的知识内容越基础，则对该受测者重要程度越高，因此，所述个体未掌握指数与群体未掌握指数可以是根据所述影响指数生成的未掌握权重值来对应所述测试结果中未掌握知识内容的节点生成的，由于未掌握权重值到未掌握指数的计算方式也有很多，例如直接等同或经函数计算等，此处也不作展开。在确定了所需要的权重，在受测者进行每次测试时，综合计算所述多种权重评价指数以生成对应每一个节点的权重值；按所述权重值递变的选点顺序选择节点并派发对应的测试题给受测者。于本发明的一实施例中，可以按照权重值递变的选点顺序，例如按权重值从大到小的顺序来选择节点并对应派题，选取权重值最高的节点来作为最佳节点开始测试；或者，也可以按按权重值小到大的顺序选择节点并对应派题，选取权重值最低的节点来作为最佳节点开始测试，至于选择哪种选点顺序，取决于前述各种指数的设定方式。举例来说，如果权重值越小代表越重要，则该选点顺序为从权重值小到大的顺序；而若权重值是越大代表越重要，则选点顺序为从权重值大到小的顺序。可以理解的是，如果一个节点被掌握而标识为掌握状态，则可推知其所对应的各个下位节点均被掌握，如果该些下位节点再派给受测者测试，实为多余测试；或者，将受测者实际未掌握的上位节点选取，派题给受测者，也是多余测试；该些多余测试影响测试效率。因此，可以建立推论逻辑，以剔除该选点顺序中推论为无需再测的节点。为了便于识别节点是否掌握的情况，赋予节点具有节点状态，其类型包括：“待确认”、“掌握”和“未掌握”。所述推论逻辑包括：a)未经测试的节点的状态为待确认(状态)；b)若受测者对一节点的测试题作答的答题情况足以代表其不能掌握该节点，则该节点推论为未掌握(状态)；c)若受测者对一节点的测试题作答的答题情况足以代表其掌握该节点，则该节点及其所有下位节点推论为掌握(状态)；d)若某节点的直接下位节点均为未掌握，则该节点推论为未掌握(状态)。需特别说明的是，b)和c)中的根据答题情况表示节点是否掌握，可以根据答题情况来判断例如答题正确率是否高于阈值、错误率是否低于阈值或其它条件等来实现；另外，b)和c)隐含了答题情况不足以代表掌握或未掌握节点的情形，可以将此类节点推论为待确认(状态)。从而，在一次测试中，可根据所述推论逻辑对前一节点的答题情况进行推论，若推论出该前一节点为掌握，若在选点顺序中该前一节点存在后续节点属于为该前一节点的下位节点的情形，则该些下位节点均可予以剔除而无需进行测试；若推论出后续没有节点需要测试，则判定完成本次测试而得到测试结果；或者，若根据一个上位节点的每个直接下位节点的答题情况推论出所有的该些直接下位节点均没有掌握，则进一步推论出该上位节点没有掌握，则该上位节点及其更上位节点均无需再测，如此便可省去多余测试，提升测试效率。以下再通过一具体实例来加以详细说明：以图1实施例为基础，有节点a～k，假设有甲、乙、丙、丁、戊等人作为受测者进行测试，表2中是通过基础数据进行知识节点型指数和以下数据假设基础样本中包含了s1到s5等五份测试结果数据(见表2，s1～s5对a～k的测试结果)，其中v代表实际掌握该节点，x代表实际未掌握该节点。表3、表4为甲、乙、丙、丁、戊等五人，对图1的知识结构以本方案进行第一次和第二次测试的数据，假定甲、乙、丙、丁、戊五人的知识水准分别与s1到s5相同，且假定表3和表4的两次测试之间甲、乙、丙、丁、戊的知识水准并未改变。当然，表2至表4内的指数值均为例举，在实际场景中均可根据实际情形来调整计算方式，指数值值也会相应变化，并非以本实施例为限。根据表2～表4，说明本实施例中的方案执行过程：以甲为例，在甲第一次测试时，根据权重由大到小的选点顺序，选点的顺序应当为“bcdefgahijk”，每个节点初始均处于待确认状态，从根据b答题情况足以表示甲掌握b，所以推论b的下位节点包括d、e、h、i均推论为掌握。所以，更新后的选点顺序应为“cfgajk”。接着选择c进行测试，根据答题情况表示甲掌握c，同理，c的下位节点包括f、g、j、k均推论为掌握，更新后的选点顺序应为a。然后选择a进行测试，根据答题情况表示甲掌握a，由于所有的节点都已经确认掌握情况，所以测试完成。汇总甲第一次测试选点的顺序为“bca”。。在甲第二次测试时，重新计算权重，在掌握指数作用下，权重最高的是a，将a的题派给甲，答题情况表示甲掌握a，推论掌握a的所有下位节点，即b～k，故无需再继续测试，测试完成，汇总甲第二次测试选点的顺序为“a”。再以乙为例，其第一次测试时，由于初始权重值对每个受测者均相同，也是“bcdefgahijk”的选点顺序，乙测试b，根据乙对b的答题情况，b及其下位节点d、e、h、i均推论为掌握，从选点顺序中剔除，更新后的选点顺序为“cfgajk”；再测试c，根据乙对c的答题情况，表示c被掌握，其下位节点f、g、j、k均推论为掌握，从选点顺序中剔除，更新后的选点顺序为“a”；则再测试a，根据答题情况表示乙未掌握a，a相对于乙赋予未掌握权重0.25，计算得到a相对于乙的未掌握指数为1，测试完成，汇总乙第一次测试选点顺序“bca”；在乙第二次测试时，重新计算权重，在未掌握指数作用下，a权重最高，选点顺序是“abcdefghijk”，从a开始测试，根据答题情况表示a未掌握，根据推论逻辑可知没有任何其它节点可被推论为掌握或未掌握，而均是“待确认”，故更新后的选点顺序是“bcdefghijk”，继续选择b测试，根据答题情况表示b掌握，其下位节点d、e、h、i均推论为掌握，更新后的选点顺序是“cfgjk”；选择c测试，根据答题情况表示c掌握，其下位节点f、g、j、k均推论为掌握，从选点顺序中剔除；更新后的选点顺序中无点可测，测试完成，汇总乙第二次测试选点顺序“abc”。再以戊为例，其第一次测试时，选点顺序“bcdefgahijk”，选择b，根据答题情况，表示b未掌握，推论无其它掌握或未掌握的节点，更新后的选点顺序“cdefgahijk”；选择c，根据答题情况表示c为未掌握，可推论b、c的直接上级节点a未掌握，更新后的选点顺序“defghijk”，之后以此类推，根据每个节点的答题情况均表示其未掌握，不会推论出有其它任何节点掌握或未掌握，测试完成，汇总戊第一次测试选点顺序“bcdefghijk”，戊h、i、j、k未掌握权重赋1，未掌握指数计算为1,。在戊第二次测试时，在未掌握指数的作用下，h、i、j、k在未掌握指数作用下，权重最高，因此，选点顺序为“hijkdefgbca”，选h进行测试，根据答题情况表示h未掌握，推论仅有h作为下位节点的上位节点d未掌握，更新后的选点顺序为“ijkefgbca”；选i进行测试，根据答题情况表示i未掌握，推论仅有i作为下位节点的上位节点e未掌握，且可推论出d、e的直接上位节点b未掌握，则更新后的选点顺序为“jkfgca”；之后，相类似的，j未掌握推论f未掌握，k未掌推论g未掌握，f、g未掌握推论出c未掌握，b、c未掌握推论出a未掌握，完成测试，汇总其选点顺序为“hijk”。表2基础数据表3采用本发明方法的第一次测试数据表4采用本发明方案的第二次测试数据下表5汇整了传统测验、上到下策略、下到上策略与本发明进行测试所测节点数量比较。很明显的，各方案和传统测验相比都可减少非常多的测试节点，依照节点总数来看，本发明的方案最优，上到下策略第二，下到上策略第三，最后则是传统测验。特别需要注意第二次测试，配合表4可发现，采用本发明的方案，每个受测者仅测试了必要的节点，没有任何一个是不必要进行测验的节点。和表现第二的上到下策略相比，更节省了33.33％的节点。甲乙丙丁戊总和传统测验-第一次111111111155传统测验-第二次111111111155小计2222222222110上到下策略-第一次137111133上到下策略-第二次137111133小计2614222266下到上策略-第一次1111108444下到上策略-第二次1111108444小计22222016888本方案-第一次336101032本方案-第二次1368422小计4612181454表5传统测验、上到下策略、下到上策略与本方案的测验节点数量比较还需说明的是，在选择节点之后所进行的派题，可以对应有很多派题策略，例如派常错的题型给用户，派总体犯错频率最高的题目等等；另外，得到受测者是否掌握某个节点的第一推论结果的方法也可以有很多种，例如在某个节点的多题的答题情况中，全对才算掌握该节点，或者，错n题以下算掌握该节点(n为自然数)等等；其它还有很多种做法，此处不作一一展开。可选的，还可以利用每个测试结果更新所述受测者群体的群体测试结果样本，从而令该群体受测者相关类型的指数是根据实际情况进行变化的，随着样本越来越大，其精准度也越来越好。为实现上述目的及其他相关目的，本发明还能提供一种计算机设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行所述的知识节点选择测试方法。所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机系统的控制中心，利用各种接口和线路连接计算机系统的各个部分。所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的知识节点选择测试方法。需说明的是，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。综上所述，本发明提供知识节点选择测试方法及其所应用计算机设备和存储介质，应用于知识节点结构，所述知识节点结构包含多个节点，至少部分节点间存在上、下位关系，每个节点均关联有知识内容、及用于测试该知识内容掌握程度的测试题；通过设计多种类型的权重评价指数，在受测者进行每次测试时综合计算所述多种权重评价指数以生成对应每一个节点的权重值，按所述权重值递变的选点顺序选择节点并派发对应的测试题给受测者。本发明通过从选择的最佳节点开始测试受测者，最接近受测者的水平，且能用最少的题目就能测出受测者的知识掌握情况，减少大量过高或过低于真实知识水准的无效测试时间。本发明的方案通过提出数种指数计算出了节点权重，以客观数值决定最佳节点，基于每次测验的情况有所不同，最高权重可能落在知识结构中的任何一点，因此不再有上到下策略或下到上策略的选择难题，亦没有广度优先或深度优先的算法实作问题。配合前述的推论逻辑，可以基于知识结构，有效推论某结点的下位节点是否掌握，或某节点的上位节点是否掌握。因此，本发明的方案是准确有效的，只针对受测者最有可能未掌握的知识点进行测试，进而大幅的减少无效测试时间。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属
技术领域：
中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。当前第1页12