Java+MySQL实现在线考试系统（智能组卷+自动评分）

最新推荐文章于 2025-12-17 19:02:04 发布

原创最新推荐文章于 2025-12-17 19:02:04 发布 · 228 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#java #mysql #开发语言

技术选型

后端框架：Spring Boot 2.7.x + MyBatis-Plus
数据库：MySQL 8.0（支持JSON字段存储动态题型）
前端技术：Vue 3 + Element Plus（可选，若需前后端分离）
智能组卷算法：遗传算法/权重随机法
自动评分引擎：规则引擎（Drools）或自定义逻辑

核心模块设计

数据库表结构

用户表（user）

CREATE TABLE user (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    username VARCHAR(50) UNIQUE NOT NULL,
    password VARCHAR(100) NOT NULL,
    role ENUM('admin', 'teacher', 'student') NOT NULL
);

题库表（question_bank）

CREATE TABLE question_bank (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    type ENUM('single_choice', 'multi_choice', 'true_false', 'fill_blank', 'essay') NOT NULL,
    content JSON NOT NULL,  -- 存储题目主干、选项、答案等动态结构
    difficulty TINYINT DEFAULT 1,  -- 1-5级难度
    subject_id BIGINT NOT NULL,  -- 关联学科
    knowledge_tags VARCHAR(255)  -- 知识点标签，逗号分隔
);

试卷表（exam_paper）

CREATE TABLE exam_paper (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    title VARCHAR(100) NOT NULL,
    rule JSON NOT NULL,  -- 组卷规则：题型分布、难度系数等
    user_id BIGINT NOT NULL  -- 组卷人
);

考试记录表（exam_record）

CREATE TABLE exam_record (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id BIGINT NOT NULL,
    paper_id BIGINT NOT NULL,
    answers JSON NOT NULL,  -- 存储考生答案
    score DECIMAL(5,2),
    auto_score BOOLEAN DEFAULT TRUE  -- 是否自动评分
);

智能组卷实现

基于权重的随机组卷

public List<Question> generatePaper(PaperRule rule) {
    // 按题型、难度、知识点权重筛选题目
    Map<String, Integer> typeDistribution = rule.getTypeDistribution();
    List<Question> paper = new ArrayList<>();
    
    typeDistribution.forEach((type, count) -> {
        List<Question> candidates = questionBankMapper.selectByTypeAndDifficulty(
            type, 
            rule.getDifficulty(),
            rule.getKnowledgeTags()
        );
        Collections.shuffle(candidates);
        paper.addAll(candidates.stream().limit(count).toList());
    });
    return paper;
}

遗传算法优化组卷

适用于高阶需求，通过适应度函数（覆盖度、难度系数、区分度）迭代优化试卷组合。

自动评分逻辑

客观题评分

public BigDecimal scoreObjective(ExamRecord record) {
    ExamPaper paper = paperMapper.selectById(record.getPaperId());
    Map<Long, String> correctAnswers = parseAnswers(paper.getAnswerKey());
    Map<Long, String> userAnswers = parseAnswers(record.getAnswers());
    
    return userAnswers.entrySet().stream()
        .map(e -> {
            if (e.getValue().equalsIgnoreCase(correctAnswers.get(e.getKey()))) {
                return paper.getQuestionScore(e.getKey());
            }
            return BigDecimal.ZERO;
        })
        .reduce(BigDecimal.ZERO, BigDecimal::add);
}

主观题评分（简版）

# 使用余弦相似度计算文本答案匹配度（需接入NLP库）
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

def score_essay(model_answer, student_answer):
    vectorizer = TfidfVectorizer()
    tfidf = vectorizer.fit_transform([model_answer, student_answer])
    return cosine_similarity(tfidf[0], tfidf[1])[0][0] * max_score