测验生成：AI创建测试题目
--- title: "测验生成：AI创建测试题目" description: "使用LLM自动生成各种类型的测验题目" tags: ["测验生成", "题目生成", "AI测试", "LLM", "教育评估"] category: "llm" icon: "📝"
测验生成：AI创建测试题目
测验生成概述
测验生成是利用LLM自动创建各种类型测试题目的技术，包括选择题、填空题、简答题等。
核心功能
1. 选择题生成
from openai import OpenAI
from typing import Dict, List
class MultipleChoiceGenerator:
"""选择题生成器"""
def __init__(self, model: str = "gpt-4"):
self.client = OpenAI()
self.model = model
def generate_questions(self, topic: str, num_questions: int = 10,
difficulty: str = "中等") -> str:
"""生成选择题"""
prompt = f"""请为"{topic}"生成{num_questions}道选择题。
难度：{difficulty}
要求：
1. 每题4个选项（A、B、C、D）
2. 只有一个正确答案
3. 包含答案和解析
4. 题目清晰无歧义"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个测验设计专家。"},
{"role": "user", "content": prompt}
],
temperature=0.4
)
return response.choices[0].message.content
def generate_distractors(self, correct_answer: str, topic: str,
num_distractors: int = 3) -> List[str]:
"""生成干扰项"""
prompt = f"""为以下正确答案生成{num_distractors}个看似合理但错误的干扰项：
正确答案：{correct_answer}
主题：{topic}
要求：
1. 与正确答案相关
2. 常见错误答案
3. 有一定迷惑性"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个选择题设计专家。"},
{"role": "user", "content": prompt}
],
temperature=0.5
)
# 解析干扰项
items = response.choices[0].message.content.strip().split("\n")
distractors = [item.strip() for item in items if item.strip()]
return distractors[:num_distractors]
class QuestionAnalyzer:
"""题目分析器"""
def __init__(self, model: str = "gpt-4"):
self.client = OpenAI()
self.model = model
def analyze_question_quality(self, question: str) -> Dict:
"""分析题目质量"""
prompt = f"""请分析以下选择题的质量：
{question}
请从以下方面评估：
1. 题目清晰度
2. 选项合理性
3. 难度适当性
4. 干扰项质量
5. 改进建议"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个测验评估专家。"},
{"role": "user", "content": prompt}
],
temperature=0.3
)
return {"analysis": response.choices[0].message.content}
2. 填空题生成
class FillInBlankGenerator:
"""填空题生成器"""
def __init__(self, model: str = "gpt-4"):
self.client = OpenAI()
self.model = model
def generate_questions(self, topic: str, num_questions: int = 10) -> str:
"""生成填空题"""
prompt = f"""请为"{topic}"生成{num_questions}道填空题。
要求：
1. 空格位置明确
2. 答案唯一
3. 包含答案
4. 语境完整"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个填空题设计专家。"},
{"role": "user", "content": prompt}
],
temperature=0.4
)
return response.choices[0].message.content
def generate_from_text(self, text: str, num_blanks: int = 5) -> str:
"""从文本生成填空题"""
prompt = f"""请从以下文本中提取关键信息，生成{num_blanks}道填空题：
文本：
{text}
要求：
1. 提取重要概念
2. 空格位置合理
3. 保持句子完整
4. 提供答案"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个文本分析专家。"},
{"role": "user", "content": prompt}
],
temperature=0.4
)
return response.choices[0].message.content
3. 简答题生成
class ShortAnswerGenerator:
"""简答题生成器"""
def __init__(self, model: str = "gpt-4"):
self.client = OpenAI()
self.model = model
def generate_questions(self, topic: str, num_questions: int = 5,
depth: str = "中等") -> str:
"""生成简答题"""
prompt = f"""请为"{topic}"生成{num_questions}道简答题。
深度：{depth}
要求：
1. 问题清晰
2. 需要理解和分析
3. 包含评分标准
4. 提供参考答案"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个简答题设计专家。"},
{"role": "user", "content": prompt}
],
temperature=0.5
)
return response.choices[0].message.content
def generate_rubric(self, question: str) -> str:
"""生成评分标准"""
prompt = f"""请为以下简答题生成详细的评分标准：
问题：{question}
请提供：
1. 评分维度
2. 每个维度的分数
3. 详细描述
4. 常见错误"""
response = self.client.chat.completions.create(
self.model,
messages=[
{"role": "system", "content": "你是一个评估标准设计专家。"},
{"role": "user", "content": prompt}
],
temperature=0.4
)
return response.choices[0].message.content
测验生成工作流
class QuizGenerationWorkflow:
"""测验生成工作流"""
def __init__(self):
self.mc_generator = MultipleChoiceGenerator()
self.fill_generator = FillInBlankGenerator()
self.short_generator = ShortAnswerGenerator()
self.analyzer = QuestionAnalyzer()
def create_comprehensive_quiz(self, topic: str,
difficulty: str = "中等") -> Dict:
"""创建综合测验"""
# 生成各类题目
multiple_choice = self.mc_generator.generate_questions(
topic, 5, difficulty
)
fill_blank = self.fill_generator.generate_questions(topic, 5)
short_answer = self.short_generator.generate_questions(topic, 3)
# 分析题目质量
analysis = self.analyzer.analyze_question_quality(multiple_choice)
return {
"topic": topic,
"difficulty": difficulty,
"multiple_choice": multiple_choice,
"fill_blank": fill_blank,
"short_answer": short_answer,
"analysis": analysis
}
# 使用示例
workflow = QuizGenerationWorkflow()
quiz = workflow.create_comprehensive_quiz("二次方程", "中等")
print(f"主题：{quiz['topic']}")
print(f"难度：{quiz['difficulty']}")
print("\n选择题（前200字）：")
print(quiz['multiple_choice'][:200])
最佳实践
- 覆盖全面：覆盖知识点的不同方面
- 难度适当：难度符合学生水平
- 清晰明确：题目表述清晰无歧义
- 及时更新：定期更新题目库
总结
测验生成是LLM教育应用的重要功能。通过合理使用，可以快速创建高质量的测验题目。