https://mp.weixin.qq.com/s/YmC8B-5phOK1ah4QlHorcg

【摘  要】试题难度预测是实现高考命题难度调控的重要环节，对于保证命题质量和考试公平具有重要意义。传统的基于专家经验或线性模型的试题难度预测方法存在主观性强、特征提取能力有限、泛化能力不足等问题。本研究提出采用大语言模型进行试题难度特征提取与评分，再结合机器学习模型进行高考试题难度预测的方法。实验结果表明，该方法在高考试题难度预测中表现优异，预测难度值与真实难度值的相关系数均在0.999以上，其可行性与科学性得到验证。采用该方法进行难度预测的跨学科验证，预测难度值和真实难度值的相关系数均在0.900以上，表明其具有良好的可推广性。未来可借助人工智能技术，在特征体系优化、跨学科模型适配与模型迭代动态跟踪等方面着力，进一步提升试题难度预测体系的科学性、跨学科场景的适用性，以及在不同模型版本下的稳健性与可推广性。