多元協(xié)同過濾推薦算法在醫(yī)科類執(zhí)業(yè)資格考試中的應(yīng)用

李連煥

（南陽醫(yī)學(xué)高等?？茖W(xué)校國際教育學(xué)院 河南省南陽市 473061）

醫(yī)學(xué)類執(zhí)業(yè)資格考試涵蓋了醫(yī)學(xué)專業(yè)臨床、口腔、中醫(yī)、護理、檢驗、影像、中藥、藥學(xué)等所有人員從業(yè)必須具備的執(zhí)業(yè)資格考試[1]。其中臨床執(zhí)業(yè)助理醫(yī)師資格考試的性質(zhì)是行業(yè)準(zhǔn)入考試，學(xué)生畢業(yè)后能否順利通過醫(yī)師資格考試直接關(guān)系到學(xué)生的就業(yè)執(zhí)業(yè)資格。據(jù)國家醫(yī)學(xué)考試中心分析數(shù)據(jù)顯示，近幾年來，人機對話模式下高職高專學(xué)生醫(yī)學(xué)類執(zhí)業(yè)考試通過率較低的現(xiàn)象普遍存在，河南省醫(yī)學(xué)類執(zhí)業(yè)考試通過率也低于全國總通過率。市場上為提高人機對話考試模式下高職高專學(xué)生考試資格通過率開發(fā)的系統(tǒng)大部分功能模塊有限，提供的執(zhí)業(yè)資格學(xué)習(xí)資源零散、不系統(tǒng)、不規(guī)范，不能提供個性化服務(wù)，學(xué)生使用效果欠佳。如何在執(zhí)業(yè)助理醫(yī)師交互考試系統(tǒng)中為教師和學(xué)生提供個性化服務(wù)，提高學(xué)生知識和技能水平，以此提高助理執(zhí)業(yè)醫(yī)師資格考試通過率，包括醫(yī)科類執(zhí)業(yè)資格考試涉及的口腔、中醫(yī)、護理、檢驗、影像、中藥、藥學(xué)等其他專業(yè)執(zhí)業(yè)資格考試通過率，從而提高職業(yè)醫(yī)學(xué)院學(xué)生就業(yè)率，是目前醫(yī)學(xué)院校亟待的問題。

目前有很多在線學(xué)習(xí)平臺的個性化推薦功能的研究都是對推薦系統(tǒng)進行總體設(shè)計或?qū)ζ脚_的資源推薦策略、學(xué)習(xí)路徑進行研究[2-4]?；谟脩舻膮f(xié)同過濾推薦算法在實際應(yīng)用中大多只關(guān)注用戶在使用時共同存在的薄弱知識點對相似性的影響，用戶共同薄弱知識點占的比例越高，算法推薦的題目與用戶就越相似。因未考慮學(xué)生個人學(xué)習(xí)基礎(chǔ)情況等因素，導(dǎo)致推薦效果不理想[5]。

針對以上關(guān)于傳統(tǒng)協(xié)同過濾推薦推薦研究的不足，本文提出了一個多元協(xié)同過濾推薦算法設(shè)計，應(yīng)用在教學(xué)團隊前期研究開發(fā)的“醫(yī)學(xué)類執(zhí)業(yè)資格交互考試系統(tǒng)”，該算法綜合考慮執(zhí)業(yè)資格知識點的權(quán)重、難易程度、錯誤率等多個要素，將這些元素作為權(quán)重因子對傳統(tǒng)基于用戶的協(xié)同過濾推薦算法進行改進，解決了基于用戶的協(xié)同過濾推薦算法僅僅根據(jù)錯題情況、歷史成績推薦準(zhǔn)確率不高的問題，從而提高推薦的準(zhǔn)確性和針對性。

1 基于用戶的協(xié)同過濾推薦算法

基于用戶的協(xié)同過濾推薦算法的基本思想就是根據(jù)目標(biāo)用戶歷史操作信息記錄，挖掘與目標(biāo)用戶興趣相似度高的近鄰用戶集合，然后根據(jù)鄰居用戶薄弱知識點的情況來預(yù)測目標(biāo)用戶的薄弱知識點，把該知識點相關(guān)試題推薦給目標(biāo)用戶[6]。

研究發(fā)現(xiàn)基于用戶的協(xié)同過濾推薦算法在對學(xué)生學(xué)習(xí)中存在的薄弱知識點的推薦時只考慮對相似性的影響因素，而不考慮學(xué)生的個體差異。事實上，盡管用戶薄弱知識點相似，但因?qū)W生學(xué)習(xí)基礎(chǔ)不同，基于用戶的算法會對基礎(chǔ)薄弱的學(xué)生推薦大量難題，導(dǎo)致學(xué)生很難由淺入深學(xué)習(xí)；又因試題在執(zhí)業(yè)資格考試中的權(quán)重不同，基于用戶的算法會推薦執(zhí)考中占分很低的薄弱知識點試題，而占分高的薄弱知識點試題推薦很少，導(dǎo)致學(xué)生學(xué)習(xí)重點不明確；基于用戶的算法因沒有考慮用戶錯誤率因素，會大量推薦一些偶然性答錯的題目，導(dǎo)致推薦效果不理想[7-9]。

2 醫(yī)學(xué)類執(zhí)業(yè)資格考試系統(tǒng)

職業(yè)院校應(yīng)為了全面做好學(xué)歷證書與執(zhí)業(yè)資格對接,提高人機對話考試模式下高職高專學(xué)生考試資格通過率，采用了一些市場上開發(fā)的系統(tǒng)，但大部分系統(tǒng)功能模塊有限，提供的執(zhí)業(yè)資格學(xué)習(xí)資源零散、不系統(tǒng)、不規(guī)范，不能提供個性化服務(wù)，學(xué)生使用效果欠佳。教師和學(xué)生急需內(nèi)容涵蓋醫(yī)科類執(zhí)業(yè)資格考試涉及的臨床、口腔、中醫(yī)、護理、檢驗、影像、中藥、藥學(xué)等專業(yè)的執(zhí)業(yè)資格交互考試系統(tǒng)。

為解決這一問題，我們教學(xué)團隊在教育教學(xué)實踐中歷經(jīng)探索，研究并開發(fā)了“醫(yī)學(xué)類執(zhí)業(yè)資格交互考試系統(tǒng)”，系統(tǒng)完全按照執(zhí)業(yè)資格人機對話考試形式進行設(shè)計，題庫巨大，能夠進行模擬考試、知識點練習(xí)等。該系統(tǒng)在我校2016-2018 屆臨床專業(yè)畢業(yè)生中使用，三年醫(yī)學(xué)綜合考試通過率分別為：45.07%、49.16%、51.05%，學(xué)生考試通過率有穩(wěn)步提升現(xiàn)象。但個性化推薦效果仍不能達(dá)到使用需求。

3 多元協(xié)同過濾推薦算法設(shè)計

多元協(xié)同過濾推薦算法的設(shè)計是在基于用戶的協(xié)同過濾推薦算法的基礎(chǔ)上進行改進，根據(jù)學(xué)生前期使用記錄構(gòu)建學(xué)生知識點掌握概率模型，然后綜合考慮執(zhí)業(yè)資格知識點的權(quán)重、知識點難易程度、錯誤率多個因素，并將這多個因素作為權(quán)重因子對基于用戶的協(xié)同過濾推薦算法進行改進，具體做法如下：

3.1 構(gòu)建學(xué)生知識點掌握概率模型

在執(zhí)業(yè)資格交互考試系統(tǒng)的個性化推薦設(shè)計中，構(gòu)建學(xué)生知識點掌握概率模型是核心，學(xué)生知識點掌握概率表示了學(xué)生在執(zhí)業(yè)資格考試中對執(zhí)考知識點的掌握情況。目前De La Torre[10]提出的認(rèn)知診斷模型（DINA 模型）是在獲取學(xué)生知識點掌握程度中使用最多的。 但DINA 模型得到的知識點掌握情況只有掌握或未掌握兩種，容易造成數(shù)據(jù)丟失，導(dǎo)致知識點推薦不太準(zhǔn)確[11-12]。本文研究針對 DINA 模型存在的缺陷，提出構(gòu)建學(xué)生知識點掌握概率模型得到學(xué)生知識點的掌握情況。

3.2 通過引入執(zhí)考知識點權(quán)重因素提高重點內(nèi)容推薦率

在人機對話考試中執(zhí)業(yè)資格考試知識點是有規(guī)律的，我們用知識點的執(zhí)考權(quán)重來表示。執(zhí)考權(quán)重代表知識點在考試中的重要度，某個知識點的權(quán)重值與知識點的重要程度成正比，知識點的權(quán)重值高的也是最應(yīng)該推薦給學(xué)生的。在執(zhí)考權(quán)重的設(shè)計上安排了執(zhí)考知識點的歷史考核權(quán)重和測試考核權(quán)重兩個方面。

第一步分析學(xué)生每次人機對話測試題Tv，通過Tv來考核對知識點Kn的掌握程度，得到知識點權(quán)重w'n，如式（1）所示。

根據(jù)公式（1）分析多年執(zhí)考知識點考核情況，計算出在執(zhí)考中知識點 n 的歷史權(quán)重 his-w'n，通過分析多次人機對話測試題知識點考核情況，計算出相應(yīng)知識點的測試權(quán)重 test-w'n。

第二步分析學(xué)生的知識點的歷史考核權(quán)重，每一年的執(zhí)業(yè)資格考試大綱雖然都有調(diào)整，但都會參考往年的考試真題。要重點分析歷年考試真題權(quán)重，通過分析5年執(zhí)業(yè)資格考試真題得到影響因子，如果多次測試真題權(quán)重都為0，表示該知識點發(fā)生了調(diào)整，歷史考核權(quán)重值越高表示這個知識點在歷年的考試中都重復(fù)出現(xiàn)，就表明這個知識點越重要：

3.3 結(jié)合知識點難易度因素實現(xiàn)個性化推薦

知識點難易度是分析學(xué)生的學(xué)習(xí)情況的重要因素，如果學(xué)生在知識點容易的試題中做錯，說明學(xué)生基礎(chǔ)較差，知識點容易的題目更值得推薦，學(xué)生在反復(fù)練習(xí)易題中掌握基礎(chǔ)。為學(xué)生搭建由淺入深的學(xué)習(xí)方式，以此種模式提高薄弱知識點的掌握程度。知識點難易度的取值為[0,1]。知識點越容易，說明該知識點越基礎(chǔ)。通過分析歷年執(zhí)考真題獲得影響因子a，計算知識點難易度In。詳見公式（3）。

3.4 融合錯誤率因素增加錯題復(fù)現(xiàn)率

錯誤率指分類錯誤的樣本數(shù)占樣本總數(shù)的比例，表示學(xué)生在執(zhí)業(yè)資格系統(tǒng)測試中多次練習(xí)某個考試知識點錯誤次數(shù)和這個知識點考核次數(shù)的比。在執(zhí)業(yè)資格交互考試系統(tǒng)中，某一個執(zhí)業(yè)考試知識點沒有得到標(biāo)準(zhǔn)分就認(rèn)定為錯誤。某個執(zhí)考知識點錯誤的次數(shù)越多，表明這個知識點是考生薄弱點，是需要著重強化的點，也是值得多次練習(xí)推薦的知識點。錯誤率的計算如公式（4）、公式（5）所示。

4 數(shù)據(jù)采集和評價

實驗采用醫(yī)學(xué)高職院校三年畢業(yè)生醫(yī)師資格考試醫(yī)學(xué)綜合考試為實驗數(shù)據(jù)，使用大數(shù)據(jù)平臺對采集到的原始數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，清洗整理，得到比較全面的用戶學(xué)習(xí)數(shù)據(jù)。

5 實驗分析

制訂詳細(xì)的算法研究實施方案，將用戶學(xué)習(xí)數(shù)據(jù)導(dǎo)入多元協(xié)同過濾推薦算法中進行計算得到結(jié)果，并將推薦的結(jié)果導(dǎo)入數(shù)據(jù)庫，開發(fā)一個推薦引擎，對外開放接口并輸出推薦結(jié)果。

6 結(jié)束語

本文通過分析影響職業(yè)醫(yī)學(xué)院校學(xué)生人機對話考試模式下考試資格通過率低的主要原因，采用教學(xué)團隊前期自行開發(fā)設(shè)計的醫(yī)學(xué)類執(zhí)業(yè)資格交互考試系統(tǒng)，在基于用戶的協(xié)同過濾推薦算法的基礎(chǔ)上加入相應(yīng)改進措施，運用多元協(xié)同過濾推薦算法進行研究，并根據(jù)學(xué)生使用數(shù)據(jù)結(jié)果進行分析，取得比較全面的信息推薦數(shù)據(jù)。該算法研究進一步運用個性化協(xié)同過濾推薦技術(shù)，開展多元協(xié)同過濾研究，把多元協(xié)同過濾推薦算法應(yīng)用在執(zhí)業(yè)職格考試系統(tǒng)中，可以有效找到學(xué)生個人的薄弱知識點，使學(xué)生根據(jù)推薦結(jié)果精準(zhǔn)把握執(zhí)業(yè)資格考試未掌握的相關(guān)知識點，及時調(diào)整學(xué)習(xí)側(cè)重點，增強學(xué)習(xí)的針對性。還可以根據(jù)學(xué)生使用過程中存在的共性薄弱知識點問題進行反饋，引導(dǎo)教師根據(jù)分析結(jié)果掌握學(xué)生普遍存在的課程薄弱知識點，及時調(diào)整教學(xué)內(nèi)容和教學(xué)方法，在授課中開展有針對性強化講解，將教學(xué)內(nèi)容與執(zhí)業(yè)資格考試大綱緊密相結(jié)合。通過“教師找共性問題，學(xué)生找個性問題”達(dá)到教、學(xué)雙向提高的目的。實驗結(jié)果表明，多元協(xié)同過濾推薦算法可以有效提高學(xué)生助理執(zhí)業(yè)醫(yī)師資格考試成績，提高臨床專業(yè)學(xué)生執(zhí)業(yè)資格考試通過率。