换一批应用生成式人工智能评估试题难度的实践探索
Practical exploration of applying AIGC to assess the difficulty of exam questions
摘要针对传统命题难度评估依赖专家经验、反馈滞后等问题,研究构建"三元六向"评估机制,通过对DeepSeek、Kimi、豆包三大模型进行调试与迭代,探讨生成式人工智能(AIGC)在高中生物学试题难度评估中的应用路径.探索发现,AIGC(尤其是DeepSeek)在试题难度评估效果上优于传统命题组预估,但个别题目仍存在显著偏差.AIGC可通过量化分析提升命题适切性,多模型协同可弥补单一模型的局限性,但需突破技术瓶颈,进一步优化数据质量与算法逻辑,为服务高考难度评估开拓新路径.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1004-7549.2026.01.019
发布时间
2026-01-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广东省教育科研重大项目（No.2025DQJK94）
- 浏览1
- 被引0
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
