基于多技能的Elo rating系统：如何计算并合并为综合评分？

一、单项技能Elo评分计算 #

针对语法、词汇、听力、理解四类技能，分别独立计算Elo评分，步骤如下：

• 初始化分数：给学生每类技能初始Elo设为1200分（通用基准分）；给每道题预设初始Elo（可根据预测试的正确率设定，比如简单题1000分、中等题1200分、难题1400分，后续可根据学生答题数据迭代调整）。
• 单题更新逻辑：每完成一道题后，用标准Elo变体公式更新对应技能的分数：
  R_new = R_old + K * (S - E)
  其中：
  • S：实际得分（答对为1，答错为0）
  • E：预期得分，计算公式为 1/(1+10^((R_question - R_student)/400))
  • K：调整系数，初期答题时用32（快速校准水平），完成10道题后改为16（分数趋于稳定）
• 最终单项分：每类25道题完成后，得到该技能的最终Elo评分。

二、综合Elo评分合并方案 #

以下是三种可落地的综合分计算方式，可根据教学需求选择：

1. 加权平均法（最常用） #

根据各类技能的教学权重分配系数，直接加权求和：
综合Elo = 语法Elo * W1 + 词汇Elo * W2 + 听力Elo * W3 + 理解Elo * W4
其中W1+W2+W3+W4=1，比如设置权重为语法0.3、词汇0.2、听力0.25、理解0.25（可根据侧重方向调整，如侧重读写则提高语法和理解的权重）。

2. 基准校准平均法（消除题目难度偏差） #

先对每类技能的Elo做基准校准，再取算术平均：

1. 统计所有参与评级学生的某类技能Elo平均分μ
2. 学生该类校准分 = 1200 + (学生该类Elo - μ)
3. 把四类校准分取算术平均，得到综合Elo分
   这种方法能避免某类题目整体过难/过易导致的分数偏差，让综合分更贴合学生真实整体水平。

3. 回归映射法（数据驱动精准化） #

如果有足够的学生样本数据（比如学生的四类技能分+期末英语考试成绩），可以通过线性回归模型拟合出四类技能分与整体水平的权重关系，再用该模型计算综合Elo分。比如拟合得到：
综合Elo = 0.28*语法Elo + 0.21*词汇Elo + 0.25*听力Elo + 0.26*理解Elo
这种方法的综合分与实际英语水平的相关性更强，但需要一定的数据积累。

三、注意事项 #

• 题目初始Elo可通过预测试优化：找一批不同水平的学生试做题目，根据答题正确率反向迭代调整题目的Elo，让题目难度更精准。
• 单项分可直接用于针对性辅导：比如某学生语法Elo远低于其他项，可重点布置语法类练习。

内容的提问来源于stack exchange，提问作者Oluf Nielsen