基于贝叶斯法的国家级考试成本-效果分析及优化:以执业医师资格考试的改革为例
批准号:
72104006
项目类别:
青年科学基金项目(C类)
资助金额:
30.0 万元
负责人:
江哲涵
依托单位:
学科分类:
教育管理与政策
结题年份:
2024
批准年份:
2021
项目状态:
已结题
项目参与者:
江哲涵
中文摘要
国家级考试不仅关乎国家的人才培养与选拔,更是引导教育发展方向、维系社会分工与稳定的关键手段。然而,关于国家级考试成本-效果和其优化机制的系统性研究较为罕见。本课题利用生产费用价值论与教育测量理论的交叉框架、基于前期关于考试成本梳理与考试质量指标的研究基础,旨在针对国家级考试成本-效果的分析及优化,并将研究结果应用于执业医师资格考试的改革。研究拟采用文献分析和访谈调研等方法进行实证研究,提出国家级考试成本-效果的理论框架。在此基础上,将成本与教育测量模型进行贝叶斯建模,提出具有普适性的分析方法。在应用方面,利用机器学习的算法提出干预方案,致力于在控制成本的前提下最大化执医考试的效果,为其他国家级考试的成本-效果优化提供可借鉴的技术思路。
英文摘要
National-level examinations are not only about the training and selection of national talents, but also a key tool for guiding the direction of education development and maintaining the division of labor and stability in society. However, systematic studies on the cost-effectiveness of national examinations and their optimization mechanisms are rare. This study aims to analyze and optimize the cost-effectiveness of national examinations and apply the results to the reform of China's National Medical Exams by using the intersection of cost-of-production theory of value and measurement theory, and based on the previous research on examination costs and examination quality indicators. The study proposes to use literature analysis and interview methods to conduct empirical research and propose a theoretical framework for the cost-effectiveness of national examinations. Based on this, the cost and measurement model will be modeled with Bayesian approaches with great adaptivity and generalizability. In terms of application, an intervention program is proposed using machine-learning algorithms which are dedicated to maximizing the effectiveness of the medical examination while controlling costs, and provides technical ideas that can be applied to the cost-effectiveness optimization of various national examinations.
本项目围绕国家级考试的成本-效果分析及优化展开研究,重点以全国范围内的医学考试为实证场景,系统构建了考试成本-效果分析的理论框架,并结合现代教育测量模型与机器学习技术,提出了考试方案的优化路径。研究的主要内容包括:1)系统梳理国家级考试的成本构成,结合问卷调研结果地将考试成本划分为人员成本、模具与耗材成本、信息化建设成本及其他成本四大类,特别是在实践技能考试领域进一步细化了成本分类;2)基于现代教育与心理测量理论,提出了考试成本-效果优化的系统性路径,重点提升被试分数估计准确性、优化考试模型拟合度、调整考站与考题设置等;3)将机器学习方法应用于教育测量领域,构建了具有心理计量学特征的优化模型,并通过大规模模拟研究验证了模型的适用性;4)以国家医师资格考试为实证研究对象,提出了考试题量优化方案,理论部分题量可减少至少100道,实践技能部分通过增加考站和考题数量,显著提升了考试信度。课题组在项目执行期间取得了丰硕的研究成果,共发表21篇学术论文,其中18篇为英文论文(16篇被SCI/SSCI收录),4篇为中文论文。研究成果包括提出了PRECOG-A理论框架,开发了新型自适应考试评价方法,构建了基于机器学习的等值方法,并在全国医学考试中验证了其有效性。研究还探索了人工智能技术在医学考试中的应用前景,特别是在自动命题技术路线的优化方面取得了突破性进展。基于本课题的研究成果,全国临床医学专业(本科)水平测试在2025年实现了重大改革,成功完成了考试题量的优化缩减和考试内容的精准调整,显著提升了考试效率,降低了考试成本。此外,课题组成员在人才培养方面也取得了显著成效,多名博士后和研究生在课题资助下获得了专业训练和职业发展机会,部分成员已获批国家级科研项目。本课题的研究成果不仅为国家级考试的优化提供了科学依据,也为未来考试智能化发展奠定了坚实基础,具有重要的理论价值和实践意义。
基于贝叶斯法的国家级考试成本-效果分析及优化:以执业医师资格考试的改革为例
-
批准号:--
-
项目类别:--
-
资助金额:30万元
-
批准年份:2021
-
负责人:江哲涵
-
依托单位:
国内基金
海外基金