CN103077178A - 学习诊断与动态学习资源推荐的方法及系统 - Google Patents
学习诊断与动态学习资源推荐的方法及系统 Download PDFInfo
- Publication number
- CN103077178A CN103077178A CN201210324624XA CN201210324624A CN103077178A CN 103077178 A CN103077178 A CN 103077178A CN 201210324624X A CN201210324624X A CN 201210324624XA CN 201210324624 A CN201210324624 A CN 201210324624A CN 103077178 A CN103077178 A CN 103077178A
- Authority
- CN
- China
- Prior art keywords
- strategies
- solving
- behavior
- solving problems
- knowledge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003745 diagnosis Methods 0.000 title claims abstract description 19
- 230000006399 behavior Effects 0.000 claims abstract description 102
- 238000013459 approach Methods 0.000 claims description 49
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种学习诊断与动态学习资源推荐的方法,包括:通过一使用者接口提供一题目;通过该使用者接口记录对应该题目的一解题行为;根据该解题行为判断对应该解题行为的一解题策略;比对该解题行为与对应该解题策略的一正确解题行为,以判断错误的至少一知识概念;根据该至少一知识概念与该解题行为,判断至少一错误类型,其中每个知识概念对应至多个错误类型;根据该至少一知识概念从多个教学资源库中撷取与该至少一知识概念相关的多个相关教学资源;以及根据该等相关教学资源推荐一推荐教学资源。
Description
技术领域
本发明涉及数字学习,且特别有关于学习评估与学习资源推荐的技术。
背景技术
传统上,老师通过阅改学生的作业或考卷来评量学生的学习情况,并根据学生的学习情况选择适合的教材。随着科技的发展,现在学习者可通过电脑与网络进行线上评量,并针对错误的题目取得多媒体形式的解答。
然而现今的数字学习系统大多通过附上对应解答的方式让学习者自行阅读解答以修正答错的题目,此种方式欠缺对学习者答题过程的分析,由于在答题过程中通常需要运用不只一种知识概念,因此现今的数字学习系统无法具体得知学习者真正不会的知识概念是何者。举例而言,若有两位学生算错相同的题目,这两位学生不懂的知识概念也不一定相同,更甚者,学生可能因为先备知识的不足而无法理解附上的解答。除此之外,现有数字学习系统的解答机制是针对每题题目设计其对应的解答,但是一个知识概念可能会同时出现在不同的解答中,若学生仅是对应题目去理解解答可能无法真正融会贯通其中的知识概念,也无法将该知识概念运用至其他题目,容易产生孤岛知识。因此,老师无法经由现今的数字学习系统具体得知学生真正不会的知识概念,也无法针对不会的知识概念提供更适性的补充资源。
发明内容
有鉴于此,本发明提供一种学习诊断与动态学习资源推荐的方法,其记录解题行为并从中分析解题策略来推论错误的知识概念,并基于所推论的错误知识概念整理线上教学资源,以适性地提供学习补救资源。
本发明一实施例揭露一种学习诊断与动态学习资源推荐的方法,包括:通过一使用者接口提供一题目;通过该使用者接口记录对应该题目的一解题行为;根据该解题行为判断对应该解题行为的一解题策略;比对该解题行为与对应该解题策略的一正确解题行为,以判断错误的至少一知识概念;根据该至少一知识概念与该解题行为,判断至少一错误类型,其中每个知识概念对应至多个错误类型;根据该至少一知识概念,从多个教学资源库中撷取与该至少一知识概念相关的多个相关教学资源;以及根据该等相关教学资源提供一推荐教学资源。
本发明另一实施例揭露一种学习诊断与动态学习资源推荐系统,包括:一使用者接口,提供一题目;一行为记录模块,通过该使用者接口记录对应该题目的一解题行为;一策略分析模块,根据该解题行为判断对应该解题行为的一解题策略;一错误推论模块,比对该解题行为与对应该解题策略的一正确解题行为,以判断错误的至少一知识概念,并根据该至少一知识概念与该解题行为,判断至少一错误类型,其中每个知识概念对应至多个错误类型;以及一动态资源推荐模块,根据该至少一知识概念从多个教学资源库中撷取与该至少一知识概念相关的多个相关教学资源,并且根据该等相关教学资源提供荐一推荐教学资源。
本发明实施例的学习诊断与动态学习资源推荐的方法,其记录解题行为并从中分析解题策略来推论错误的知识概念,并基于所推论的错误知识概念整理线上教学资源,可以适性地提供学习补救资源。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1所示为依据本发明实施例的使用者接口的示意图;
图2所示为依据本发明实施例的解题策略集合的示意图;
图3所示为依据本发明实施例的多变量错误类型推论技术的示意图;
图4所示为依据本发明实施例的知识概念与错误类型之间的对应关系的示意图;
图5所示为依据本发明实施例的动态资源推荐技术的示意图;
图6所示为依据本发明实施例的学习诊断与动态学习资源推荐的方法的流程图;
图7所示为依据本发明实施例的学习诊断与动态学习资源推荐系统的示意图。
附图标号:
100~使用者接口;
110~题目区;
120~答题输入区;
130~运算符号区;
140~答题呈现区;
200~解题策略集合;
400~知识概念与错误类型之间的对应关系;
600~学习诊断与动态学习资源推荐的方法;
700~学习诊断与动态学习资源推荐系统;
710~使用者接口模块;
720~行为记录模块;
730~策略分析模块;
740~错误推论模块;
750~动态资源推荐模块;
A1、A2、A3、A4、A5~解题策略;
B1、B2、B3…、B13~错误类型;
D1、D2、D3…、D8、760~教学资源库;
EB~解题行为;
REB~正确解题行为;
S01、S02、S03…、S09~知识概念;
S1、S2、S3…、S8~相关教学资源;
S210、S230、S231、…、S261~解题策略步骤;
S600、S610、S620…S660~步骤。
具体实施方式
以下说明为本发明的实施例。其目的是要举例说明本发明一般性的原则,不应视为本发明的限制,本发明的范围当以权利要求范围所界定者为准。
本发明的核心技术为操作行为记录技术、解题策略分析技术、多变量错误类型推论技术以及动态资源推荐技术。以下以数学题目为例,分别说明学习诊断与动态学习资源推荐的核心技术。
[操作行为记录技术]
图1所示为依据本发明实施例的使用者接口100的示意图。该使用者接口100包括显示题目的题目区110、答题输入区120、运算符号区130以及答题呈现区140。如图1所示,使用者接口100将可能的运算式与操作行为做成按钮,使学习者可以在电脑上通过使用者接口100以及鼠标、键盘等输入装置输入完整的解题行为,且操作行为记录技术可通过使用者接口的按钮与输入装置记录所输入的解题行为。
[解题策略分析技术]
解题策略分析技术将解题行为拆解为多个解题步骤,并比对该等解题步骤与对应题目的解题策略集合,以从该解题策略集合中判断出与解题行为相符的解题策略。以图2为例,图2所示为依据本发明实施例的解题策略集合200的示意图。如图2所示,解题策略集合200包括5种解题策略A1~A5。以解题策略A2为例,其包括解题策略步骤S210、S230、S231、S232、S233以及S234。举例而言,解题行为EB(Equation Behavior)为 解题策略分析技术通过等号将解题行为EB分解为五个解题步骤,并根据每个解题步骤中的运算符号及数字,判断每个解题步骤对应至解题策略集合200的解题策略步骤S210~S261其中的哪个步骤,以判断出解题行为EB属于哪个解题策略。例如上述解题行为EB对应至解题策略A3。解题策略集合200对应至题目,每个题目有其对应的解题策略集合,解题策略集合可在设计题目时对应题目建立。
[多变量错误类型推论技术]
多变量错误类型推论技术通过比对解题行为与对应解题策略的正确解题行为,分析学习者运算发生错误的地方,以确定错误类型与学习者不会的知识概念。
图3所示为依据本发明实施例的多变量错误类型推论技术的示意图。如上所述,解题行为EB对应至解题策略A3,而解题策略集合200所对应的题目依照解题策略A3进行解题的正确解题行为称为REB(Right EquationBehavior)。多变量错误类型推论技术比对解题行为EB的每个解题步骤,以及正确解题行为REB的每个正确解题步骤,来判断出解题行为EB中哪个解题步骤算错了。以解题行为EB为例,经过与正确解题行为REB的比对之后,可以得知解题行为EB从解题步骤处便开始运算错误。由于错误的解题步骤对应至解题策略步骤S241,而解题策略步骤S241所对应的知识概念为“分数加减”,因此可以从解题行为EB推论出学习者很有可能在“分数加减”方面有不会的地方。
图4所示为依据本发明实施例的知识概念与错误类型之间的对应关系400的示意图。如上所述,已推论出不会的知识概念为“分数加减”,根据图4,在知识概念S01“分数加减”中可能的错误类型有错误类型B1“通分、约分的错误”、错误类型B2“加法运算时,分母乘分母,分子乘分子”、错误类型B3“带分数与假分数转换的错误”以及错误类型B12“计算错误或粗心”。也就是说,在运用知识概念S01“分数加减”时若运算错误,则运算错误的可能原因为错误类型B1~B3、B12。由于错误的解题步骤对应至解题策略步骤S241,解题策略步骤S241所对应的知识概念为S01“分数加减”,知识概念S01对应至错误类型B1~B3、B12,通过比对错误的解题步骤以及正确解题行为可以判断出,错误类型为知识概念S01所对应的错误类型B 1~B3、B12中的错误类型B3。通过多变量错误类型推论技术,本发明可以有效分析学习者的解题行为,进而推论出学习者不会的知识概念。
[动态资源推荐技术]
图5所示为依据本发明实施例的动态资源推荐技术的示意图。在经由多变量错误类型推论技术推论出学习者不会的知识概念后,利用动态资源推荐技术找出对应学习者不会的知识概念的学习补充资源。举例而言,若学习者不会的知识概念为“分数加法”,则动态资源推荐技术以“分数加法”为关键字,从多个教学资源库D1-D8中撷取出与该关键字相关的多个相关教学资源。例如以“分数加法”为关键字,从教学资源库D1中撷取出与“分数加法”的关键字相关的多个相关教学资源S1。图5中的教学资源库D1-D8皆为线上资源,例如教学资源库D1-D8可以为教育部的数字教学资源网、维基百科以及等,但教学资源库D1-D8也可以为实体的教学资源库,而教学资源可以是一段教学影片、动画或是互动式操作软件等。由于知识概念之间会有共通的部份,例如在做分数乘法运算时会需要利用到假分数转换的概念,因此以“分数加法”为关键字所检索到的教学资源有可能是分属不同知识概念的教学资源,例如“假分数”与“分数乘法”知识概念下的教学资源有可能会与“分数加法”的关键字相关,接下来再根据知识概念的不同,把相关教学资源分类至多个知识目录,其中每个知识目录对应至一知识概念。以图5为例,将分别从各教学资源库D1-D8检索到的相关教学资源S1-S8,依照知识概念分为“假分数”、“分数加法”以及“分数乘法”三个类别。
需注意的是,一个相关教学资源可以同时属于不只一个知识概念。接下来再分别将“假分数”、“分数加法”以及“分数乘法”三个知识目录中的相关教学资源依照例如难易程度或学习先后顺序等归纳成对应知识目录(知识概念)的教知识概念教学资源,最后整合各知识概念教学资源为推荐教学资源,并推荐给学习者。
通过上述操作行为记录技术、解题策略分析技术、多变量错误类型推论技术以及动态资源推荐技术,本发明可以有效分析学习者的解题行为以归纳错误类型,并根据错误类型即时分析大量的教学资源,将与错误类型相关的教学资源整合成适性化的推荐教学资源以使学习者可通过该推荐教学资源补强不会的知识概念。
图6所示为依据本发明实施例的学习诊断与动态学习资源推荐的方法600的流程图。
在步骤S600中,通过使用者接口提供一题目,例如图1的使用者接口100。
在步骤S610中,通过使用者接口记录对应题目的解题行为。
在步骤S620中,如上列解题策略分析技术所述,根据解题行为判断对应解题行为的解题策略。其中解题策略包含于对应题目的解题策略集合中,例如图2的解题策略集合200,解题策略集合包括多个解题策略,每个解题策略包括多个解题策略步骤,每个解题策略步骤对应至一知识概念,因此在比对解题行为与正确解题行为时,首先将解题行为拆解为多个解题步骤,然后比对解题步骤与解题策略步骤,以从解题策略集合中判断出与解题行为相符的解题策略。
在步骤S630中,如上列解题策略分析技术所述,比对解题行为与对应解题策略的正确解题行为,以判断解题行为中发生错误的知识概念。
在步骤S640中根据错误的知识概念与解题行为,判断至少一个错误类型,其中每个知识概念对应至多个错误类型,如图4所示。正确解题行为包括多个正确解题步骤,而正确解题步骤对应至解题策略的解题策略步骤,如图3所示,正确解题行为REB的各正确解题步骤对应至解题策略A3的各解题策略步骤。在比对解题行为与正确解题行为以判断解题行为中发生错误的知识概念时,首先比对解题步骤与正确解题步骤以判断错误发生在哪个解题步骤,并得知对应于错误的解题步骤的解题策略步骤,然后再根据对应该解题策略步骤的知识概念以及错误的解题步骤判断错误类型。
在步骤S650中,如上列动态资源推荐技术所述,根据发生错误的知识概念,从多个教学资源库中撷取与发生错误的知识概念相关的多个相关教学资源。
最后在步骤S660中,根据该等相关教学资源提供一推荐教学资源。关于提供一推荐教学资源部份,首先利用与发生错误的知识概念相关的关键字检索多个教学资源库,例如直接以发生错误的知识概念为关键字检索该等教学资源库,以从该等教学资源库中撷取与关键字相关的多个相关教学资源。然后根据该等相关教学资源分别所属的知识概念,将该等相关教学资源依据知识概念分类至多个知识目录,其中该等知识目录分别对应至一知识概念。接着根据相关教学资源的难易程度或学习先后顺序,将这些知识目录下的相关教学资源归纳为对应于每个该等知识目录的知识概念教学资源,并将该等知识概念教学资源整合为推荐教学资源。
图7所示为依据本发明实施例的学习诊断与动态学习资源推荐系统700的示意图。学习诊断与动态学习资源推荐系统700包括使用者接口模块710、行为记录模块720、策略分析模块730、错误推论模块740以及动态资源推荐模块750。
使用者接口模块710提供一题目。行为记录模块720,通过使用者接口模块710记录对应该题目的一解题行为。
策略分析模块730根据解题行为,判断对应解题行为的一解题策略。其中解题策略包含于对应该题目的解题策略集合中,解题策略集合包括多个解题策略,每个解题策略包括多个解题策略步骤,每个解题策略步骤对应至一知识概念。举例而言,如上列解题策略分析技术所述,策略分析模块730将解题行为拆解为多个解题步骤,比对各解题步骤与各解题策略步骤,以从解题策略集合中判断出与解题行为相符的解题策略。
错误推论模块740比对解题行为与对应解题策略的正确解题行为,以判断发生错误的知识概念,并根据发生错误的知识概念与解题行为判断错误类型,其中每个知识概念对应至多个错误类型,如图4所示。正确解题行为包括多个正确解题步骤,正确解题步骤对应至解题策略步骤。如上述多变量错误类型推论技术,错误推论模块740比对解题步骤与正确解题步骤以判断哪个解题步骤发生错误,并得知对应于错误的解题步骤的解题策略步骤,然后再根据对应该解题策略步骤的知识概念以及错误的解题步骤判断错误类型。
动态资源推荐模块750根据发生错误的知识概念从多个教学资源库760中,撷取与该知识概念相关的多个相关教学资源,并且根据该等相关教学资源提供一推荐教学资源。动态资源推荐模块750利用与发生错误的知识概念相关的关键字检索该等教学资源库760,以从该等教学资源库760中撷取与该关键字相关的多个相关教学资源,根据该等相关教学资源的每一者所属的知识概念,将该等相关教学资源分类至多个知识目录,其中该等知识目录分别对应至一知识概念,接着根据相关教学资源的难易程度或学习先后顺序,将每个该等知识目录下的相关教学资源归纳为对应于每个该等知识目录的知识概念教学资源,并将该等知识概念教学资源整合为推荐教学资源。
以上实施例虽以数学题目举例说明,但本发明并不局限于数学题目,例如本发明也可运用至物理与化学题目等,因物理与化学题目的运算常运用到数学领域的知识概念。除此之外,对于未能以数字或符号表示解题行为的题目而言,本发明可通过提供多个思考步骤或逻辑供学习者选用以记录并分析学习者在解题时的逻辑,并藉此分析学习者所使用的解题策略。
本发明的方法,或特定型态或其部份,可以以程序码的型态存在。程序码可以包含于实体媒体,如软盘、光碟片、硬盘、或是任何其他电子设备或机器可读取(如电脑可读取)储存媒体,亦或不限于外在形式的电脑程序产品,其中,当程序码被机器,如电脑载入且执行时,此机器变成用以参与本发明的装置或系统,且可执行本发明的方法步骤。程序码也可以通过一些传送媒体,如电线或电缆、光纤、或是任何传输型态进行传送,其中,当程序码被电子设备或机器,如电脑接收、载入且执行时,此机器变成用以参与本发明的系统或装置。当在一般用途处理单元实作时,程序码结合处理单元提供一操作类似于应用特定逻辑电路的独特装置。
以上所述为实施例的概述特征。所属技术领域中具有通常知识者应可以轻而易举地利用本发明为基础设计或调整以实行相同的目的和/或达成此处介绍的实施例的相同优点。所属技术领域中具有通常知识者也应了解相同的配置不应背离本发明的精神与范围,在不背离本发明的精神与范围下他们可做出各种改变、取代和交替。说明性的方法仅表示示范性的步骤,但这些步骤并不一定要以所表示的顺序执行,可另外加入、取代、改变顺序和/或消除步骤以视情况而作调整,并与所揭露的实施例精神和范围一致。
Claims (8)
1.一种学习诊断与动态学习资源推荐的方法,其特征在于,包括:
通过一使用者接口提供一题目;
通过所述使用者接口记录对应所述题目的一解题行为;
根据所述解题行为判断对应所述解题行为的一解题策略;
比对所述解题行为与对应所述解题策略的一正确解题行为,以判断所述解题行为发生错误的至少一知识概念;
根据所述至少一知识概念与所述解题行为,判断至少一错误类型,其中每个知识概念对应至多个错误类型;
根据所述至少一知识概念,从多个教学资源库中撷取与所述至少一知识概念相关的多个相关教学资源;以及
根据所述相关教学资源提供一推荐教学资源。
2.如权利要求1所述的学习诊断与动态学习资源推荐的方法,其特征在于,更包括:
利用与所述至少一知识概念相关的关键字检索所述教学资源库,以从所述教学资源库中撷取与所述关键字相关的第一多个相关教学资源;
根据所述第一多个相关教学资源的每一者所属的知识概念,将所述第一多个相关教学资源分类至多个知识目录,其中所述知识目录的每一者对应至一知识概念;
将每个所述知识目录下的相关教学资源归纳为对应于每个所述知识目录的知识概念教学资源;以及
将所述知识概念教学资源整合为所述推荐教学资源。
3.如权利要求1所述的学习诊断与动态学习资源推荐的方法,其特征在于,所述解题策略包含于对应所述题目的一解题策略集合中,所述解题策略集合包括多个解题策略,每个所述解题策略包括多个解题策略步骤,每个所述解题策略步骤对应至一知识概念,所述方法更包括:
将所述解题行为拆解为多个解题步骤;以及
比对所述解题步骤与所述解题策略步骤,以从所述解题策略集合中判断出与所述解题行为相符的所述解题策略。
4.如权利要求3所述的学习诊断与动态学习资源推荐的方法,其特征在于,所述正确解题行为包括多个正确解题步骤,所述正确解题步骤对应至所述解题策略步骤,且所述方法更包括:
比对所述解题步骤与所述正确解题步骤以判断错误的至少一解题步骤以及对应所述至少一解题步骤的至少一解题策略步骤;以及
根据对应所述至少一解题策略步骤的所述至少一知识概念以及错误的所述至少一解题步骤判断所述至少一错误类型。
5.一种学习诊断与动态学习资源推荐系统,其特征在于,包括:
一使用者接口模块,提供一题目;
一行为记录模块,通过所述使用者接口模块记录对应所述题目的一解题行为;
一策略分析模块,根据所述解题行为判断对应所述解题行为的一解题策略;
一错误推论模块,比对所述解题行为与对应所述解题策略的一正确解题行为,以判断所述解题行为发生错误的至少一知识概念,并根据所述至少一知识概念与所述解题行为,判断至少一错误类型,其中每个知识概念对应至多个错误类型;以及
一动态资源推荐模块,根据所述至少一知识概念从多个教学资源库中撷取与所述至少一知识概念相关的多个相关教学资源,并且根据所述相关教学资源提供荐一推荐教学资源。
6.如权利要求5所述的学习诊断与动态学习资源推荐系统,其特征在于,所述动态资源推荐模块利用与所述至少一知识概念相关的关键字检索所述教学资源库,以从所述教学资源库中撷取与所述关键字相关的第一多个相关教学资源,根据所述第一多个相关教学资源的每一者所属的知识概念,将所述第一多个相关教学资源分类至多个知识目录,其中所述知识目录的每一者对应至一知识概念,并将每个所述知识目录下的相关教学资源归纳为对应于每个所述知识目录的知识概念教学资源,将所述知识概念教学资源整合为所述推荐教学资源。
7.如权利要求5所述的学习诊断与动态学习资源推荐系统,其特征在于,所述解题策略包含于对应所述题目的一解题策略集合中,所述解题策略集合包括多个解题策略,每个所述解题策略包括多个解题策略步骤,每个所述解题策略步骤对应至一知识概念,其中所述策略分析模块更将所述解题行为拆解为多个解题步骤,比对所述解题步骤与所述解题策略步骤,以从所述解题策略集合中判断出与所述解题行为相符的所述解题策略。
8.如权利要求7所述的学习诊断与动态学习资源推荐系统,其特征在于,所述正确解题行为包括多个正确解题步骤,所述正确解题步骤对应至所述解题策略步骤,且所述错误推论模块更比对所述解题步骤与所述正确解题步骤以判断错误的至少一解题步骤以及对应所述至少一解题步骤的至少一解题策略步骤,并且根据对应所述至少一解题策略步骤的所述至少一知识概念以及错误的所述至少一解题步骤判断所述至少一错误类型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100138801A TW201317954A (zh) | 2011-10-26 | 2011-10-26 | 學習診斷與動態學習資源推薦的方法及系統 |
TW100138801 | 2011-10-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103077178A true CN103077178A (zh) | 2013-05-01 |
Family
ID=48153709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210324624XA Pending CN103077178A (zh) | 2011-10-26 | 2012-09-05 | 学习诊断与动态学习资源推荐的方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103077178A (zh) |
TW (1) | TW201317954A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732826A (zh) * | 2015-03-27 | 2015-06-24 | 宋晓宇 | 一种增强现实互动教材教学资源云平台 |
CN105022828A (zh) * | 2015-07-31 | 2015-11-04 | 阔地教育科技有限公司 | 一种资源推送方法及装置 |
CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
CN106651701A (zh) * | 2016-12-29 | 2017-05-10 | 山东科技大学 | 一种学习资源的构建方法及装置 |
CN106781782A (zh) * | 2016-11-23 | 2017-05-31 | 阔地教育科技有限公司 | 一种信息反馈方法及装置 |
CN107741978A (zh) * | 2017-10-13 | 2018-02-27 | 北京中教在线科技有限公司 | 一种个性化学习资源推送方法及其系统 |
CN107784069A (zh) * | 2017-09-14 | 2018-03-09 | 深圳市赛达教育咨询有限公司 | 一种用于智能诊断学生知识能力的方法 |
CN108074204A (zh) * | 2016-11-10 | 2018-05-25 | 淡江大学 | 结构性学习概念评量系统 |
CN108172047A (zh) * | 2018-01-19 | 2018-06-15 | 上海理工大学 | 一种网络在线学习资源个性化实时推荐方法 |
CN108897879A (zh) * | 2018-07-04 | 2018-11-27 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN109035947A (zh) * | 2018-08-06 | 2018-12-18 | 苏州承儒信息科技有限公司 | 一种基于步骤分析模拟的教育系统的工作方法 |
CN110263259A (zh) * | 2019-07-08 | 2019-09-20 | 上海乂学教育科技有限公司 | 在线教学视频推送管理系统 |
CN117557426A (zh) * | 2023-12-08 | 2024-02-13 | 广州市小马知学技术有限公司 | 基于智能题库的作业数据反馈方法及学习评估系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1635486A (zh) * | 2003-12-25 | 2005-07-06 | 英业达股份有限公司 | 能够提高成绩的快速学习系统及方法 |
KR20080008066A (ko) * | 2006-07-19 | 2008-01-23 | 성균관대학교산학협력단 | 학습 스타일 진단 시스템 및 그 진단 방법 |
CN101582101A (zh) * | 2008-05-15 | 2009-11-18 | 梁昌年 | 利用计算机系统为用户提供个性化学习的方法及其装置 |
US20100041007A1 (en) * | 2008-08-13 | 2010-02-18 | Chi Wang | Method and System for Knowledge Diagnosis and Tutoring |
-
2011
- 2011-10-26 TW TW100138801A patent/TW201317954A/zh unknown
-
2012
- 2012-09-05 CN CN201210324624XA patent/CN103077178A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1635486A (zh) * | 2003-12-25 | 2005-07-06 | 英业达股份有限公司 | 能够提高成绩的快速学习系统及方法 |
KR20080008066A (ko) * | 2006-07-19 | 2008-01-23 | 성균관대학교산학협력단 | 학습 스타일 진단 시스템 및 그 진단 방법 |
CN101582101A (zh) * | 2008-05-15 | 2009-11-18 | 梁昌年 | 利用计算机系统为用户提供个性化学习的方法及其装置 |
US20100041007A1 (en) * | 2008-08-13 | 2010-02-18 | Chi Wang | Method and System for Knowledge Diagnosis and Tutoring |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732826A (zh) * | 2015-03-27 | 2015-06-24 | 宋晓宇 | 一种增强现实互动教材教学资源云平台 |
CN105022828A (zh) * | 2015-07-31 | 2015-11-04 | 阔地教育科技有限公司 | 一种资源推送方法及装置 |
CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
CN108074204A (zh) * | 2016-11-10 | 2018-05-25 | 淡江大学 | 结构性学习概念评量系统 |
CN106781782A (zh) * | 2016-11-23 | 2017-05-31 | 阔地教育科技有限公司 | 一种信息反馈方法及装置 |
CN106651701A (zh) * | 2016-12-29 | 2017-05-10 | 山东科技大学 | 一种学习资源的构建方法及装置 |
CN107784069B (zh) * | 2017-09-14 | 2020-08-18 | 深圳市赛达教育咨询有限公司 | 一种用于智能诊断学生知识能力的方法 |
CN107784069A (zh) * | 2017-09-14 | 2018-03-09 | 深圳市赛达教育咨询有限公司 | 一种用于智能诊断学生知识能力的方法 |
CN107741978A (zh) * | 2017-10-13 | 2018-02-27 | 北京中教在线科技有限公司 | 一种个性化学习资源推送方法及其系统 |
CN108172047A (zh) * | 2018-01-19 | 2018-06-15 | 上海理工大学 | 一种网络在线学习资源个性化实时推荐方法 |
CN108172047B (zh) * | 2018-01-19 | 2019-11-01 | 上海理工大学 | 一种网络在线学习资源个性化实时推荐方法 |
CN108897879A (zh) * | 2018-07-04 | 2018-11-27 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN108897879B (zh) * | 2018-07-04 | 2020-11-10 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN109035947A (zh) * | 2018-08-06 | 2018-12-18 | 苏州承儒信息科技有限公司 | 一种基于步骤分析模拟的教育系统的工作方法 |
CN109035947B (zh) * | 2018-08-06 | 2020-11-06 | 孙文武 | 一种基于步骤分析模拟的教育系统的工作方法 |
CN110263259A (zh) * | 2019-07-08 | 2019-09-20 | 上海乂学教育科技有限公司 | 在线教学视频推送管理系统 |
CN117557426A (zh) * | 2023-12-08 | 2024-02-13 | 广州市小马知学技术有限公司 | 基于智能题库的作业数据反馈方法及学习评估系统 |
CN117557426B (zh) * | 2023-12-08 | 2024-05-07 | 广州市小马知学技术有限公司 | 基于智能题库的作业数据反馈方法及学习评估系统 |
Also Published As
Publication number | Publication date |
---|---|
TW201317954A (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077178A (zh) | 学习诊断与动态学习资源推荐的方法及系统 | |
Gardner et al. | Student success prediction in MOOCs | |
Ifenthaler et al. | Investigating students' use of self‐assessments in higher education using learning analytics | |
Paquette et al. | Comparing machine learning to knowledge engineering for student behavior modeling: a case study in gaming the system | |
Rogers et al. | Learning analytics and the imperative for theory driven research | |
Sorour et al. | Comment data mining to estimate student performance considering consecutive lessons | |
CN104937632A (zh) | 在线学习管理系统及其方法 | |
Steiner et al. | Learning analytics and educational data mining: An overview of recent techniques | |
Misiejuk et al. | Backward evaluation in peer assessment: A scoping review | |
Rybinski et al. | Will artificial intelligence revolutionise the student evaluation of teaching? A big data study of 1.6 million student reviews | |
Elliott Tew et al. | Toward a validated computing attitudes survey | |
Xing et al. | Using learning analytics to support students’ engineering design: the angle of prediction | |
Chen et al. | Recommendation system based on rule-space model of two-phase blue-red tree and optimized learning path with multimedia learning and cognitive assessment evaluation | |
Ma et al. | Exercise recommendation based on cognitive diagnosis and neutrosophic set | |
Chen et al. | Latent space model for process data | |
Banihashem et al. | Learning analytics for online game-Based learning: a systematic literature review | |
Han et al. | Analyzing student response processes to evaluate success on a technology-based problem-solving task | |
Krauss et al. | Teaching advanced web technologies with a mobile learning companion application | |
Hu | Using few-shot learning materials of multiple SPOCs to develop early warning systems to detect students at risk | |
CN103871275A (zh) | 学力诊断药方辅助教学系统 | |
Peng et al. | Diagnosing Data Analytic Problems in the Classroom | |
Raga et al. | A comparison of college faculty and student class activity in an online learning environment using course log data | |
Härtel et al. | Operationalizing validity of empirical software engineering studies | |
Dvir et al. | Fostering students’ informal quantitative estimations of uncertainty through statistical modeling | |
Zhao | [Retracted] Construction of College Chinese Mobile Learning Environment Based on Intelligent Reinforcement Learning Technology in Wireless Network Environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130501 |