基于XML的考试分析与评估系统

来源 :陕西科技大学 | 被引量 : 0次 | 上传用户:newnew111
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
考试分析与评估是对教学水平、学习效果、考试及试卷质量的综合评定,是指导教学、提高教学质量,实施科学化教学管理的重要依据,对教学效果的评估,教学方向和教学模式的导引以及教学改革的信息反馈等都起着举足轻重的作用。随着互联网的飞速发展和社会信息化水平的不断提高,计算机网络技术在教育领域的应用越来越广泛,传统的考试分析和评估方式正面临着巨大的变化,基于网络的考试分析评估作为一种先进的方式,将成为必然趋势。因此开发一个具有统一评估指标的、科学的、功能完善的考试分析评估系统有了迫切的市场需求。 本文研究了试卷和试题进行分析和评估的数理统计指标,设计了基于XML的考试分析与评估系统。涉及的统计指标主要包括难度、区分度、信度、效度、标准差正态分布和平均分等,系统主要包括试卷和试题信息录入及存储、考试质量评估和试卷质量评估、统计输出、通用试题库子系统、组织试卷、试卷输出、系统维护等主要功能。 采用面向对象的方法对系统进行需求分析、设计和构建系统模型,利用Powerdesigner建模工具生成数据库,用.NET框架下的ASP.NET和ADO.NET技术及C#语言实现系统设计,具有可移植性好、代码执行效率高、与数据库的连接方便的特点。将XML文档作为数据存储的载体,用于存储数据信息,利用.NET框架提供的ADO.NET对XML的支持,对XML文档进行操作,并利用Dataset数据集,对关系型数据库进行访问,提高了系统的跨平台、可扩展性以及规范性。 考试分析与评估系统的总体结构为基于浏览器方式的网络B/S三层结构应用体系,客户端运用WEB平台,提高了系统的易维护性和易用性;服务器端采用Windows Server 2000系统,安全性好、运行稳定、管理容易。数据库平台采用SQL Server 2000,使用方便、可伸缩性好、与相关软件集成程度高。系统用服务器端脚本语言PHP在动态网页中从数据库提取数据,用PHP与Java Applet的动态数据接口技术,进行部分功能模块的设计和WEB页面的图形绘制。系统充分利用IIS和SQL Server 2000的安全策略,通过角色和权限管理,明文加密等方法提高安全性。本文首先介绍课题的研究意义,然后以构建考试分析评估系统为核心,介绍了建立系统所需要的基本技术和选用的开发工具,包括.NET框架、ASP.NET、ADO.NET、XML技术等。在此基础上,围绕面向对象的分析和设计技术进行项目描述和系统性能需求分析,阐述系统的分析、设计以及构建过程,系统功能模块的划分和数据库的设计,三层体系结构的应用,阐明系统中的重要技术和系统的实现。
其他文献
Peer-to-Peer网络技术是目前国际计算机网络技术研究领域的一个热点,其主要目的就是充分利用互联网中所蕴含的潜在资源。而P2P搜索技术研究也一直是P2P网络技术研究的一个重
当前网络交换设备的发展方向是研究如何在高负载情况下实现高速交换。对现有的交换设备进行硬件升级是很好的选择,但是也带来了成本的增长。为了在现有的工艺水平上提高设备的
随着计算机技术的不断进步,计算机视觉的研究对象已经从单幅静止图象的研究转到对运动图像序列的研究。运动分割是把序列图像划分为在语义上具有不同意义区域,进而分割出运动
随着网络的广泛应用,网络安全问题越来越重要。网络攻击方法层出不穷,入侵手段也不断更新,使得目前的防火墙等被动的网络安全机制对许多攻击难以检测。入侵检测作为一种主动
Web服务是以XML为基石的、开放的Web规范技术,同时作为面向服务架构的最主要实现形式,Web服务在信息共享、资源共享很多方面得到了广泛的应用。"国家击剑队信息化平台"是由国
随着集成电路设计方法和工艺技术的提高,数字系统的性能越来越强,集成度也在迅速提高。特别是在系统芯片SoC(System-on-a-Chip)出现以后,业界对缩短芯片的设计开发周期、缩小产
随着3G时代的到来,无线网络的带宽将呈现大幅度的增长。这给移动应用带来无限的契机。对于移动可视电话这样的多媒体应用来说,由于视频数据量往往比较大,2.5G带宽还难以承受较高
最优路径算法一直是学者们关注和研究的热点,传统的最优路径算法主要是在静态网络下求解单一约束条件——结点之间路径长度下的最短路径,在算法求解之前该值是确定的,并且是可知
无线传感器网络作为一种新型的测控网络,在军事、工业、环境监测和医疗等诸多领域都有着巨大的应用价值。随着它的快速发展,逐渐成为了煤矿安全生产和煤矿信息化的一个重要手段
一般学习算法使用全体训练样例去构造分类器,全体训练样例中往往包含噪音数据,冗余数据。但是有的算法对噪音数据特别敏感,有的算法对于大数据集效率特别低。样例挑选算法是