CN105159924B - 学习资源推送方法和系统 - Google Patents

学习资源推送方法和系统 Download PDF

Info

Publication number
CN105159924B
CN105159924B CN201510472181.2A CN201510472181A CN105159924B CN 105159924 B CN105159924 B CN 105159924B CN 201510472181 A CN201510472181 A CN 201510472181A CN 105159924 B CN105159924 B CN 105159924B
Authority
CN
China
Prior art keywords
user
test question
assessment point
assessment
point
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.)
Active
Application number
CN201510472181.2A
Other languages
English (en)
Other versions
CN105159924A (zh
Inventor
那沙
那一沙
夏军
沈卫国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Uyutong Education Technology Co Ltd
Original Assignee
Beijing Uyutong Education Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Uyutong Education Technology Co Ltd filed Critical Beijing Uyutong Education Technology Co Ltd
Priority to CN201510472181.2A priority Critical patent/CN105159924B/zh
Publication of CN105159924A publication Critical patent/CN105159924A/zh
Application granted granted Critical
Publication of CN105159924B publication Critical patent/CN105159924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques

Abstract

本发明公开了一种学习资源推送方法和系统。该方法包括提供学习资源数据库,在所述学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点;确定用户对多个预定测评点中每一个测评点的掌握程度分值;基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度;根据每一个测评点的建议学习强度,从所述学习资源数据库中抽取学习资源组并推送给用户。该学习资源推送方法在进行学习资源推送时考虑了用户对测评点的掌握程度,体现了推送的个性化。另外,本发明还公开了一种学习资源推送系统。

Description

学习资源推送方法和系统
技术领域
本发明涉及网络教育技术领域,特别涉及学习资源推送方法和系统。
背景技术
学习者在学习某项能力或者在进行某个学科的学习时,往往想诊断自身学习水平。
传统的诊断学习水平的方法可以包括:参加某考试机构组织的专项能力考试,比如测试英语水平考试,可以通过四六级考委会组织的大学英语水平考试进行测试;参加学校组织的某专项能力考试,例如校内英语水平考试等;或者在某学习网站进行答题,提交后查看答题正确率等。
然而,传统的诊断学习水平的方式只能通过得分情况整体估计学习者的能力,不能对学习者的相关能力水平给出精细化的诊断。例如,不能诊断出学习者听不懂某个英文段落是因为听不懂单词、听不懂连读、听不懂弱读还是其它原因造成的结果。
由于不能对学习者的相关能力水平给出精细化的诊断,所以不能有效地对学习者的水平进行专项分析并提供细化改进建议。例如,在英语水平测试中,因为缺乏针对语言技能和知识点的精细化拆分与解读,普通的考试模式只能获得一份以分数为指标的考试结果,学习者和评估者都无法确切知道学习者具体具备听懂、看懂哪些内容的能力,更不知道能写出、说出哪些内容的能力。例如:一位拿到大学英语考试四级500分的学习者并不清楚自身在听说读写译各专项的具体能力如何,比如他是否能看懂英语的谈话节目,能否填写一份英文会议记录等。用人单位也只能根据分数判断其大致水平,而无法确切知道其具体语言能力。
另一方面,同样由于不能对学习者的相关能力水平给出精细化的诊断,所以不能根据精细化的诊断结果给用户提供精准的学习资源推送。例如:不能根据用户听不懂连读的情况推送多个不同难度的听力连读学习片段,以满足用户进行个性化专项训练的需求。不能实现真正意义上的因材施教。
因此,需要一种能够有助于对学习者的相关能力水平给出精细化的诊断的辅助方案。
发明内容
本发明所要解决的技术问题是解决传统学习水平测试不能给出精细化诊断的问题,提供一种学习资源推送方法和系统。
根据本发明的一个方面,还提供了一种学习资源推送方法。
一种学习资源推送方法,可以包括:
提供学习资源数据库,在所述学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点;
确定用户对多个预定测评点中每一个测评点的掌握程度分值;
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度;
根据每一个测评点的建议学习强度,从所述学习资源数据库中抽取学习资源组并推送给用户。
优选地,所述从学习资源数据库中抽取学习资源并推送给用户的步骤可以包括:
针对每一个测评点,根据该测评点的建议学习强度,确定一个学习周期中需要向用户推送的学习资源的推送数量;
从所述学习资源数据库中,抽取涉及每一个测评点的对应推送数量条学习资源,作为所述推送学习资源组;
在所述学习周期内,向用户推送所述推送学习资源组。
优选地,所述确定用户对多个预定测评点中每一个测评点的掌握程度分值的步骤可以包括:
提供测试题数据库,在所述测试题数据库中,为每道测试题关联地记录了其所涉及的测评点;
针对期望考察的多个预定测评点,从所述测试题数据库中抽选一组测试题;
向用户提供所述一组测试题;
根据用户对所述一组测试题中每一道测试题的答题正确性,确定用户对所述多个预定测评点中每一个测评点的掌握程度分值。
优选地,在所述抽选一组测试题的步骤中,针对至少一个测评点,抽选多道测试题,
以用户对涉及同一个测评点的多道测试题的答题正确率作为用户对该测评点的掌握程度分值。
优选地,所述水平测评方法还可以包括:
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,确定用户的知识水平或能力水平的级别。
优选地,其中,
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,并结合用户的知识结构、学科特点、性别、年龄中的至少一项,确定用户的知识水平或能力水平的级别。
优选地,其中,
在所述预定综合评价标准中,设置了多个级别,并且为每一个级别设定了级别条件,所述级别条件是基于所述多个预定测评点中每一个测评点应当达到的掌握程度分值设定的,
当满足一个级别条件时,确定用户的知识水平或能力水平达到对应的级别。
优选地,所述水平测评方法还可以包括:根据用户需求、用户信息、用户设置中的至少一项,确定所述多个预定测评点。
优选地,所述学习资源数据库可以包括所述测试题数据库,所述推送学习资源组可以包括推送测试题组。
优选地,该学习资源推送方法,还可以包括:
根据用户对所述推送测试题组中每一道测试题的答题正确性,调整用户对相关测评点的掌握程度分值,并调整相关测评点的建议学习强度。
优选地,该学习资源推送方法,还可以包括:
根据用户对所述推送测试题组中每一道测试题的答题正确性,并结合用户的知识结构、学科特点、性别、年龄中的至少一项特征,调整用户对相关测评点的掌握程度分值,并调整相关测评点的建议学习强度。
根据本发明的另一个方面,还提供了一种学习资源推送系统。
该学习资源推送系统包括:
学习资源数据库存储装置,在所述学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点;
水平测评系统,用于确定用户对多个预定测评点中每一个测评点的掌握程度分值;
学习强度建议装置,连接到所述水平测评系统,用于基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度;
推送装置,连接到所述学习资源数据库存储装置和所述学习强度建议装置,用于向用户推送学习资源组,所述学习资源组是根据每一个测评点的建议学习强度从所述学习资源数据库中抽取的。
优选地,所述水平测评系统可以包括:
测试题数据库存储装置,在所述测试题数据库中,为每道测试题关联地记录了其所涉及的测评点;
测试题准备装置,连接到所述测试题数据库存储装置,用于针对期望考察的多个预定测评点,从所述测试题数据库中抽选一组测试题;
第一数据接口,连接到所述测试题准备装置,用于向用户提供所述一组测试题,并获取用户对每一道测试题的答题结果;
分析装置,连接到所述第一数据接口,用于根据用户对所述一组测试题中每一道测试题的答题正确性,确定用户对所述多个预定测评点中每一个测评点的掌握程度分值。
优选地,所述水平测评系统还可以包括:
第二数据接口,用于获取用户需求、用户信息、用户设置中的至少一项,作为设定参数,
所述测试题准备装置连接到所述第二数据接口,并且根据所述设定参数确定所述多个预定测评点。
优选地,所述学习资源数据库可以包括所述测试题数据库,所述推送学习资源组可以包括推送测试题组,
该学习资源推送系统还可以包括:
第三数据接口,用于接收用户对所述推送测试题组中的每一道推送测试题的答题结果,
所述推送装置连接到所述第三数据接口,所述推送装置所推送的学习资源组是根据用户对前一个学习周期中所推送的推送测试题组中每一道测试题的答题正确性,并结合用户的知识结构、学科特点、性别、年龄等参数中的一项或多项而调整的。
本发明的学习资源推送方法和系统,进行学习资源推送时考虑了用户对测评点的掌握程度,这也体现了推送的个性化,并且,在进行测评时测评点的选择本社也可以跟用户的相关信息相对应的,在更大程度上提高了推送的人性化、针对性和有效性。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明一实施例的水平测评方法的流程图;
图2示出了根据本发明另一实施例的水平测评方法的流程图;
图3示出了根据本发明一实施例的水平测评系统的示意图;
图4示出了根据本发明另一实施例的水平测评系统的示意图;
图5示出了根据本发明一实施例的学习资源推送方法的流程图;
图6示出了图5所示实施例步骤S340的流程图;
图7示出了根据本发明另一实施例的学习资源推送方法的流程图;
图8示出了根据本发明一实施例的学习资源推送系统的示意图;
图9示出了根据本发明另一实施例的学习资源推送系统的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
下面参考图1描述根据本发明一实施例的一种水平测试方法,用于测评用户的知识水平和/或能力水平。
图1示出了根据本发明一实施例的水平测评方法的流程图。
在步骤S110,提供测试题数据库,在该测试题数据库中,为每道测试题关联地记录了其所涉及的测评点。
构建上述测试题数据库时,可以先确定若干测评点,针对上述每个确定的测评点分别设置一定数量的测试题,并将上述测试题分别分类存储到该测试题数据库中。其中,上述每个测评点对应的测试题数量可以各不相同。将上述测试题存储到该测试题数据库中时,关联地记录每一个测试题所涉及的测评点。
构建上述测试题数据库时,也可以将测试题数据库中的每个测试题分别设定测评点并进行关联存储。
其中,上述测评点可以为知识点、技能点、词汇、侧重话题等。例如,英语测试题,其测评点可以为词汇,文科简答题的测评点可以为知识点、侧重话题,数学测试题的测评点可以为知识点(例如公式掌握程度等)。其中,侧重话题可以为用户对某一事件的看法偏重的角度等,技能点可以为用户偏重、擅长的技能等。参考上述测评点,在具体应用中,上述测评点可以有各种变形,可以根据需求进行设定。
在步骤S120,针对期望考察的多个预定测评点,从上述测试题数据库中抽选一组测试题。
在进行上述抽选时,可以针对每个测评点,在上述每个针对的测评点对应的测试题中进行随机抽选形成一套测试题,上述随机抽选,包括每个测评点针对的测试题的数量,以及套测试题的顺序。上述每个测评点对应抽取测试题的数量,也可以按照各个测评点的权重进行抽取。上述成套测试题的排序,可以按照一定顺序进行抽取(例如用户选择的测评点的顺序等),也可以随机安排。上述成套测试题的顺序和每个测评点针对的测试题的数量,也可以按照用户的要求进行抽取。
在步骤S130,向用户提供一组测试题。
通过上述抽取步骤,形成至少一套测试题以供用户进行测试。
在步骤S140,根据用户对上述一组测试题中每一道测试题的答题正确性,确定用户对多个预定测评点中每一个测评点的掌握程度分值。
针对至少一个测评点,可以分别抽取多个测试题,通过上述若干测试题的答题情况(可以为上述若干题目的正确率),确定用户对该测评点的掌握程度分值。
上述答题的正确性,根据测评的目的不同,其正确性的判断方法各不相同。例如,若为数学运算题,可以根据公式的运用、结果准确性或者二者的结合或者运算过程的正确性作为判断标准;若为英语题,可以根据拼写的接近程度等进行判断;若为文字性表述题,可以根据用户答题的接近程度作为判断标准等。上述正确性的判断标准,可以根据测试目的进行调整。
本发明的水平测评方法,通过为每道测试题关联记录其所涉及的测评点,用户通过测试,可以知道针对多个测评点或者期望考察的每个测评点的掌握程度,不仅能够知道自己整体掌握的水平,还能知道针对不同测评点的掌握程度,让用户更加精细地知道自己某项能力的掌握程度,实现了精细化诊断。
下面参考图2描述根据本发明另一实施例的一种水平测评方法,用于测评用户的知识水平和/或能力水平。
图2示出了根据本发明另一实施例的水平测评方法的流程图。
在步骤S210,提供测试题数据库,在该测试题数据库中,为每道测试题关联地记录了其所涉及的测评点。
在步骤S220,根据用户需求、用户信息、用户设置中的至少一项,确定所述多个预定测评点。
可以根据用户需求、用户信息、用户设置中的至少一项确定上述预定测评点。或者,上述至少每一项展开后可以分成若干子项,还通过上述至少两项子项的组合,确定上述预定测评点。例如,可以根据用户的性别、年龄、专业、喜好学习方式偏好等中的至少一项确定预定测评点。另外,也可以根据用户直接选定的多个测评点作为预定测评点。
根据用户的需求、用户信息、用户设置中的至少一项确定上述预定测评点,可以通过根据相关信息确定测评点范围,从而可以进行更加个性化的测评。相应地,可以在后期进行学习资源推送时,进行更加个性化的学习资源推送。
在步骤S230,针对期望考察的多个预定测评点,从上述测试题数据库中抽选一组测试题。
可以针对上述至少一个测评点,抽选多道测试题,以形成一组或者一套测试题。
在步骤S240,向用户提供一组测试题。
在步骤S250,根据用户对一组测试题中每一道测试题的答题正确性,确定用户对多个预定测评点中每一个测评点的掌握程度分值。
可以将用户对涉及同一个测评点的多道测试题的答题正确率作为用户对该测评点的掌握程度分值。
在步骤S260,基于用户对多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,确定用户的知识水平或能力水平的级别。
还可以基于用户对多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,并结合用户的知识结构、学科特点、性别、年龄中的至少一项,确定用户的知识水平或能力水平的级别。
例如,可以按照需求或者一定规则(例如根据题型不同或者测试题的侧重点不同)为不同测评点设置不同的权重。然后对每个测评点的掌握程度(掌握程度分值与权重的乘积)求和,根据所得分数分段评级。
其中,可以在上述预定综合评价标准中设置了多个级别,并且为每一个级别分别设定了级别条件。该级别条件是基于上述多个预定测评点中每一个测评点应当达到的掌握程度分值设定的,当满足一个级别条件时,确定用户的知识水平或能力水平达到对应的级别。
或者,也可以预先设置若干级别,根据每个测评点的不同掌握程度分值综合起来划分级别。即针对每个级别,设置各个测评点应当达到何种掌握程度分值,于是可以根据各个测评点的掌握程度分值确定级别。以英语学习为例,上述级别可以是:能写请假条,能写新闻报道,能听较慢语音,能听正常语速语音,能听较快语速语音,能收听体育广播,能收听新闻广播,能听懂英文电影对白等。针对上述各个级别,可以针对每个测试点分别设置要求达到的掌握程度分值。例如,针对能听懂减慢语音级别,则针对测评点“听写”的掌握程度分值设定为大于60,对其他测评点掌握程度分值不做考虑(或者分别设置预定的分值要求)。具体规则,可以根据需求进行变化,其原则可以设定。
其中,还可以向用户直接呈现该级别,让用户对自己的掌握程度有较为直观的了解。
另外,还可以对用户的测试结果即掌握程度分值做统计记录,并绘制掌握程度曲线,对用户的学习情况进行跟踪记录,以让用户对自己的学习情况有整体的了解。
下面参考图3描述根据本发明一实施例的一种水平测评系统。
图3示出了根据本发明一实施例的水平测评系统100的示意图。该水平测评系统100根据上述水平测试方法,测评用户的知识水平和/或能力水平。
如图3所示,该水平测评系统100包括测试题数据库存储装置110、测试题准备装置120、第一数据接口130和分析装置140。
测试题数据库存储装置110用于存储测试题数据库。在该测试题数据库中,为每道测试题关联地记录了其所涉及的测评点。其中,上述测试题数据库的构建方式可以与上面参考图1描述的步骤S110中的构建方式相同。
测试题准备装置120连接到上述测试题数据库存储装置110,用于针对期望考察的多个预定测评点,从上述测试题数据库中抽选一组测试题。
测试题准备装置120在进行上述抽选时,可以针对每个测评点,在上述每个针对的测评点对应的测试题中进行随机抽选形成一套测试题。上述随机抽选,可以包括每个测评点针对的测试题的数量,以及套测试题的顺序。上述每个测评点对应抽取测试题的数量,也可以按照各个测评点的权重进行抽取。上述成套测试题的排序,可以按照一定顺序进行抽取(例如用户选择的测评点的顺序等),也可以随机安排。上述成套测试题的顺序和每个测评点针对的测试题的数量,也可以按照用户的要求进行抽取。
第一数据接口130连接到上述测试题准备装置120,向用户提供上述一组测试题,并获取用户对每一道测试题的答题结果。
第一数据接口130例如可以是数据输入输出装置,直接向用户呈现测试题,并接收用户的答题结果。或者,第一数据接口130也可以是数据传送装置,通过该数据传送装置,将测试题传送给用户,并接收来自用户的答题结果。
分析装置140连接到上述第一数据接口130,根据用户对上述一组测试题中每一道测试题的答题正确性,确定用户对上述多个预定测评点中每一个测评点的掌握程度分值。
其中,水平测评系统100也可以通过显示设备将用户每一个测评点的掌握程度反馈给用户。
其中,上述分析装置140与测试题准备装置120可以为同一设备上的同一处理器,或者也可以为不同设备上的相同处理器。
针对至少一个测评点,测试题准备装置120可以分别抽取多个测试题,分析装置140通过上述若干测试题的答题情况(可以为上述若干题目的正确率),确定用户对该测评点的掌握程度分值。
上述答题的正确性,根据测评的目的不同,分析装置140对其正确性的判断方法各不相同。例如,若为数学运算题,可以根据公式的运用、结果准确性或者二者的结合或者运算过程的正确性作为判断标准;若为英语题,可以根据拼写的接近程度等进行判断;若为文字性表述题,可以根据用户答题的接近程度作为判断标准等。分析装置140对上述正确性的判断标准,可以根据测试目的进行调整。
另外,分析装置140还可以基于用户对多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,确定用户的知识水平或能力水平的级别。
本发明的水平测评系统100通过为每道测试题关联记录其所涉及的测评点,用户通过测试,可以知道针对多个测评点或者期望考察的每个测评点的掌握程度,不仅能够知道自己整体掌握的水平,还能知道针对不同测评点的掌握程度,让用户更加精细地知道自己某项能力的掌握程度,实现了精细化诊断。
下面参考图4,描述根据本发明另一实施例的水平测评系统。
图4示出了根据本发明另一实施例的水平测评系统100的示意图。
如图4所示,上述水平测评系统100还可以包括第二数据接口150,用于获取用户需求、用户信息、用户设置中的至少一项,作为设定参数。
第二数据接口150例如可以是数据输入输出装置,直接向用户呈现所需填写项目,并接收用户的输入内容。或者,第二数据接口150也可以是数据传送装置,通过该数据传送装置,将所需填写项目传送给用户,并接收来自用户的输入内容。
上述测试题准备装置120连接到该第二数据接口150,并且根据上述设定参数确定上述多个预定测评点。
其中,上述第一数据接口130和第二数据接口150可以为相同的数据接口。
其中,上述水平测评系统100中,在测试题数据库存储装置110、第一数据接口130、第二数据接口150之外的其他装置,例如测试题准备装置120和分析装置140等可以为各自独立的数据处理装置,也可以为同一数据处理装置。
由此,可以实现对用户知识水平和/或能力水平的精细化测评。
下面参考图5描述根据本发明一实施例的学习资源推送方法。
图5示出了根据本发明一实施例的学习资源推送方法的流程图。
在步骤S310,提供学习资源数据库,在该学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点。
在构建上述学习资源数据库时,可以先确定若干测评点,针对上述测评点分别设置一定学习资源,并将上述学习资源存储到该学习资源数据库中。其中,将该学习资源存储到学习资源数据库时,关联地记录每一个学习资源所涉及的测评点。或者,也可以将学习资源数据库内的每条学习资源分别设置至少一个测评点,并进行同步关联。
在步骤S320,通过根据上述水平测试方法,确定用户对多个预定测评点中每一个测评点的掌握程度分值。
上述预定测评点可以为用户所选择的测评点,也可以为通过用户信息或者用户需求、用户设置中的至少一项确定的至少一个测评点。其中,上述用户信息或者用户需求、用户设置中的至少一项可以进行分项,例如用户信息可以包括用户性别、年龄、专业等,用户需求可以为用户输入的各种喜好,用户设置可以为用户的学习偏好等,可以从上述所有分项的集合中的至少一项或者至少两项的组合确定上述预定测评点。
根据用户的需求、用户信息、用户设置中的至少一项确定上述预定测评点,可以通过根据相关信息确定测评点范围,从而可以进行更加个性化的测评。因为预定测评点的范围是根据用户的相关信息进行设定的,所以进行的相应测评更加个性化和有针对性,提高了测试的有效性。
在步骤S330,基于用户对上述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度。
还可以基于用户对上述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,并结合用户的知识结构、学科特点、性别、年龄中的至少一项,设置每一个测评点的建议学习强度。
上述预定分析准则可以为,根据上述测评点的级别划分进行相应的学习强度的设置。即将每一个测评点的掌握程度进行级别划分,测评点不同,划分的级别标准也可以不同,对应的级别也可以不同。因此,要根据具体的测评点进行区分。例如,在进行英语学习测评的时候,针对“拼写”测试点,可以根据掌握程度分值的区间划分为若干级别,例如:优秀,良好,一般,稍差等级别。然后对应上述各个级别分别设置对应的学习强度安排,例如,当级别为优秀时,可以安排数量较少但难度稍大一点的学习资源,当级别为稍差时,可以安排数量较大但是难度较小的学习资源等。
针对其他测试点,其设置可以参考上述测试点,划分级别的宗旨在于该测试点的具体特性,相应的学习强度的设置,也可以根据用户的信息、需求或者用户的设置进行设置。
其中,还可以综合所有测评点的得分进行综合评价。
例如,可以按照需求或者一定规则(例如根据学习资源不同或者学习资源的侧重点不同)为不同测评点设置不同的权重。然后对每个测评点的掌握程度(掌握程度分值X权重)求和,获取综合掌握分值。根据所得分值分段评级。然后根据评级情况进行学习程度的建议,具体建议方式可以参考上述学习强度设置。
另外,还可以包括将上述学习强度的设置信息反馈给用户的步骤。
在步骤S340,根据每一个测评点的建议学习强度,从上述学习资源数据库中抽取学习资源组并推送给用户。
上述学习资源组的抽取,学习资源的数量以及顺序可以随机,也可以按照一定的规则安排进行抽取,也可以参考上述从测试图数据库中抽取一组测试题的方式。
进行学习资源推送时考虑了用户对测评点的掌握程度,这也体现了推送的个性化,并且,在进行测评时测评点的选择本社也可以跟用户的相关信息相对应的,在更大程度上提高了推送的人性化、针对性和有效性。
图6示出了图5所示实施例步骤S340的一种实现方式的流程图。
如图6所示,在步骤S342,针对每一个测评点,根据该测评点的建议学习强度,确定一个学习周期中需要向用户推送的学习资源的推送数量。
其中,上述学习周期可以由用户设定或者根据用户信息进行设定。
在步骤S344,从上述学习资源数据库中,抽取涉及每一个测评点的对应推送数量条学习资源,作为推送学习资源组。
在步骤S346,在学习周期内,向用户推送上述推送学习资源组。
上述学习资源数据库可以包括上述测试题数据库,上述推送学习资源组可以包括推送测试题组。
除了测试题,学习资源库中的学习资源还可以包括例如知识点讲解、能力训练内容等等,这些学习资源也都分别与相应的测评点关联地记录在学习资源数据库中。
本发明的学习资源推送方法,通过为学习资源关联记录其所涉及的测评点,用户通过测试,可以知道针对多个测评点或者期望考察的每个测评点的掌握程度,根据该掌握程度为用户推送相应的学习资源,实现了个性化学习资源推送。
图7示出了根据本发明另一实施例的学习资源推送方法的流程图。
如图7所示,上述学习资源推送方法在执行上面参考图5描述的步骤S310至S340之后,还可以进一步在步骤S350,根据用户对上述推送测试题组中每一道测试题的答题正确性,调整用户对相关测评点的掌握程度分值,并调整相关测评点的建议学习强度。
下面参考图8描述根据本发明一实施例的学习资源推送系统。
图8示出了根据本发明一实施例的学习资源推送系统的示意图。
如图8所示,该学习资源推送系统200可以包括水平测评系统220、学习强度建议装置240、推送装置260、学习资源数据库存储装置280。
学习资源数据库存储装置280用于存储学习资源数据库。在学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点。
水平测评系统220(可以与上述水平测试系统100相同)用于确定用户对多个预定测评点中每一个测评点的掌握程度分值。
学习强度建议装置240连接到水平测评系统220,用于基于用户对上述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度。或者,学习强度建议装置240基于用户对上述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,并结合用户的知识结构、学科特点、性别、年龄中的至少一项,设置每一个测评点的建议学习强度。
推送装置260连接到上述学习资源数据库存储装置280和学习强度建议装置240,用于向用户推送学习资源组,该学习资源组是根据每一个测评点的建议学习强度从上述学习资源数据库中抽取的。
下面参考图9描述根据本发明另一实施例的学习资源推送系统。
图9示出了根据本发明另一实施例的学习资源推送系统的示意图。
如图9所示,该学习资源推送系统200还可以包括:第三数据接口290。
第三数据接口290用于接收用户对所述推送测试题组中的每一道推送测试题的答题结果。
第三数据接口290例如可以是数据输入输出装置,直接接收用户的答题结果。或者,第三数据接口290也可以是数据传送装置,通过该数据传送装置,接收来自用户的答题结果。
上述推送装置260连接到第三数据接口290,推送装置260所推送的学习资源组是根据用户对前一个学习周期中所推送的推送测试题组中每一道测试题的答题正确性而调整的。
其中,上述第一数据接口、第二数据接口和第三数据接口可以是相同或者不同的数据接口。
其中,上述学习资源推送系统200中,在学习资源数据库存储装置280、第三数据接口290之外的其他装置,例如水平测评系统220,学习强度建议装置240,推送装置260等可以为各自独立的数据处理装置,也可以为同一数据处理装置。
由此,可以根据精细化的水平测评结果(诊断结果),有针对性地推送相关资源(例如练习题),从而更好地实现因材施教,所推送的学习资源对用户更加有针对性,提高用户的学习效果,提升用户体验。
上文中已经参考附图详细描述了根据本发明的水平测评方法和系统、学习资源推送方法和系统。
此外,根据本发明的方法还可以实现为一种计算机程序产品,该计算机程序产品包括计算机可读介质,在该计算机可读介质上存储有用于执行本发明的方法中限定的上述功能的计算机程序。本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (12)

1.一种学习资源推送方法,包括:
提供学习资源数据库,在所述学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点;
确定用户对多个预定测评点中每一个测评点的掌握程度分值,所述多个预定测评点是根据用户需求、用户信息、用户设置中的至少一项确定的;
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度;
针对每一个测评点,根据每一个测评点的建议学习强度,确定一个学习周期中需要向用户推送的学习资源的推送数量,所述学习周期是由用户设定的或者根据用户信息设定的;
从所述学习资源数据库中,抽取涉及每一个测评点的对应推送数量条学习资源,作为要推送的学习资源组;
在所述学习周期内,向用户推送所述学习资源组,
其中,推送学习资源组包括推送测试题组,
所述学习资源推送方法还包括:
根据用户对前一个学习周期中所推送的推送测试题组中每一道测试题的答题正确性,调整用户对相关测评点的掌握程度分值,并调整相关测评点的建议学习强度。
2.根据权利要求1所述的学习资源推送方法,其中,所述确定用户对多个预定测评点中每一个测评点的掌握程度分值的步骤包括:
提供测试题数据库,在所述测试题数据库中,为每道测试题关联地记录了其所涉及的测评点;
针对期望考察的多个预定测评点,从所述测试题数据库中抽选一组测试题;
向用户提供所述一组测试题;
根据用户对所述一组测试题中每一道测试题的答题正确性,确定用户对所述多个预定测评点中每一个测评点的掌握程度分值。
3.根据权利要求2所述的学习资源推送方法,其中,
在所述抽选一组测试题的步骤中,针对至少一个测评点,抽选多道测试题,
以用户对涉及同一个测评点的多道测试题的答题正确率作为用户对该测评点的掌握程度分值。
4.根据权利要求2或3所述的学习资源推送方法,还包括:
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,确定用户的知识水平或能力水平的级别。
5.根据权利要求2或3所述的学习资源推送方法,其中,
基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定综合评价标准,并结合用户的知识结构、学科特点、性别、年龄中的至少一项,确定用户的知识水平或能力水平的级别。
6.根据权利要求4所述的学习资源推送方法,其中,
在所述预定综合评价标准中,设置了多个级别,并且为每一个级别设定了级别条件,所述级别条件是基于所述多个预定测评点中每一个测评点应当达到的掌握程度分值设定的,
当满足一个级别条件时,确定用户的知识水平或能力水平达到对应的级别。
7.根据权利要求2或3所述的学习资源推送方法,其中,
所述学习资源数据库包括所述测试题数据库。
8.根据权利要求7所述的学习资源推送方法,其中,
根据用户对所述推送测试题组中每一道测试题的答题正确性,并结合用户的知识结构、学科特点、性别、年龄中的至少一项特征,调整用户对相关测评点的掌握程度分值,并调整相关测评点的建议学习强度。
9.一种学习资源推送系统,包括:
学习资源数据库存储装置,在所述学习资源数据库中,为每条学习资源关联地记录了其所涉及的测评点;
水平测评系统,用于确定用户对多个预定测评点中每一个测评点的掌握程度分值,所述多个预定测评点是根据用户需求、用户信息、用户设置中的至少一项确定的;
学习强度建议装置,连接到所述水平测评系统,用于基于用户对所述多个预定测评点中每一个测评点的掌握程度分值,根据预定分析准则,设置每一个测评点的建议学习强度;
推送装置,连接到所述学习资源数据库存储装置和所述学习强度建议装置,用于向用户推送学习资源组,所述学习资源组是根据每一个测评点的建议学习强度从所述学习资源数据库中抽取的,其中,针对每一个测评点,根据每一个测评点的建议学习强度,确定一个学习周期中需要向用户推送的学习资源的推送数量,从所述学习资源数据库中,抽取涉及每一个测评点的对应推送数量条学习资源,作为要推送的学习资源组,并在所述学习周期内,向用户推送所述学习资源组,所述学习周期是由用户设定的或者根据用户信息设定的,
其中,推送学习资源组包括推送测试题组,
该学习资源推送系统还包括:
第三数据接口,用于接收用户对所述推送测试题组中的每一道推送测试题的答题结果,
所述推送装置连接到所述第三数据接口,所述推送装置所推送的学习资源组是根据用户对前一个学习周期中所推送的推送测试题组中每一道测试题的答题正确性而调整的。
10.根据权利要求9所述的学习资源推送系统,其中,所述水平测评系统包括:
测试题数据库存储装置,在所述测试题数据库中,为每道测试题关联地记录了其所涉及的测评点;
测试题准备装置,连接到所述测试题数据库存储装置,用于针对期望考察的多个预定测评点,从所述测试题数据库中抽选一组测试题;
第一数据接口,连接到所述测试题准备装置,用于向用户提供所述一组测试题,并获取用户对每一道测试题的答题结果;
分析装置,连接到所述第一数据接口,用于根据用户对所述一组测试题中每一道测试题的答题正确性,确定用户对所述多个预定测评点中每一个测评点的掌握程度分值。
11.根据权利要求10所述的学习资源推送系统,其中,所述水平测评系统还包括:
第二数据接口,用于获取用户需求、用户信息、用户设置中的至少一项,作为设定参数,
所述测试题准备装置连接到所述第二数据接口,并且根据所述设定参数确定所述多个预定测评点。
12.根据权利要求10或11所述的学习资源推送系统,其中,
所述学习资源数据库包括所述测试题数据库,
所述推送装置所推送的学习资源组是根据用户对前一个学习周期中所推送的推送测试题组中每一道测试题的答题正确性,并结合用户的知识结构、学科特点、性别、年龄等参数中的一项或多项而调整的。
CN201510472181.2A 2015-08-04 2015-08-04 学习资源推送方法和系统 Active CN105159924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510472181.2A CN105159924B (zh) 2015-08-04 2015-08-04 学习资源推送方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510472181.2A CN105159924B (zh) 2015-08-04 2015-08-04 学习资源推送方法和系统

Publications (2)

Publication Number Publication Date
CN105159924A CN105159924A (zh) 2015-12-16
CN105159924B true CN105159924B (zh) 2019-04-05

Family

ID=54800781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510472181.2A Active CN105159924B (zh) 2015-08-04 2015-08-04 学习资源推送方法和系统

Country Status (1)

Country Link
CN (1) CN105159924B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574210A (zh) * 2016-02-02 2016-05-11 广东小天才科技有限公司 一种推送复习知识板块的方法及系统
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
WO2017177534A1 (zh) * 2016-04-14 2017-10-19 擎学股份有限公司 弱化知识点补救学习规划系统及其方法
CN105761567B (zh) * 2016-05-04 2018-09-21 北京新唐思创教育科技有限公司 动态推荐习题的方法和装置
CN106652620A (zh) * 2016-12-29 2017-05-10 广东小天才科技有限公司 一种终端测评方法及装置
CN107016890A (zh) * 2017-04-26 2017-08-04 广东小天才科技有限公司 一种知识掌握程度的检测方法及系统
CN107729492A (zh) * 2017-10-18 2018-02-23 广东小天才科技有限公司 一种习题的推送方法、系统及终端设备
TWI647677B (zh) * 2017-11-27 2019-01-11 南一書局企業股份有限公司 Online test system and method capable of retrospecting and remedying prior knowledge
CN108734608A (zh) * 2018-05-22 2018-11-02 周口师范学院 基于互联网的立体化教学系统
CN108806359A (zh) * 2018-05-30 2018-11-13 湖南城市学院 一种智能英语听力快速测试系统
CN110070773B (zh) * 2019-04-25 2022-06-10 温树彬 一种技能训练平台的推送方法及系统
CN111081104B (zh) * 2019-05-27 2021-12-21 广东小天才科技有限公司 一种基于课堂表现的听写内容选择方法及学习设备
CN110489455A (zh) * 2019-08-14 2019-11-22 北京金山安全软件有限公司 学习资源推荐方法、装置、电子设备和存储介质
CN111191910A (zh) * 2019-12-26 2020-05-22 上海乂学教育科技有限公司 基于学习路径规划的学习系统
CN112307246A (zh) * 2020-09-25 2021-02-02 北京字节跳动网络技术有限公司 一种学习小组的获取方法、装置、服务器和存储介质
CN114169808A (zh) * 2022-02-14 2022-03-11 北京和气聚力教育科技有限公司 计算机实施的学习力评估方法、计算设备、介质和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739854A (zh) * 2008-11-25 2010-06-16 梁昌年 利用计算机系统来对用户进行自适应评估的方法及其装置
CN102768751A (zh) * 2011-10-20 2012-11-07 上海一佳一网络科技有限公司 学习资源推送系统和方法
CN102855542A (zh) * 2012-07-19 2013-01-02 周宇 “学习基因”个体学习能力测评方法
CN103503048A (zh) * 2010-10-07 2014-01-08 克莱弗鲁公司 用于提供智能协作内容基础设施的方法、系统及计算机程序
CN103971555A (zh) * 2013-01-29 2014-08-06 北京竞业达数码科技有限公司 多层次自动化评估训练综合服务方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8950215B2 (en) * 2010-10-06 2015-02-10 Apple Inc. Non-contact polishing techniques for reducing roughness on glass surfaces

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739854A (zh) * 2008-11-25 2010-06-16 梁昌年 利用计算机系统来对用户进行自适应评估的方法及其装置
CN103503048A (zh) * 2010-10-07 2014-01-08 克莱弗鲁公司 用于提供智能协作内容基础设施的方法、系统及计算机程序
CN102768751A (zh) * 2011-10-20 2012-11-07 上海一佳一网络科技有限公司 学习资源推送系统和方法
CN102855542A (zh) * 2012-07-19 2013-01-02 周宇 “学习基因”个体学习能力测评方法
CN103971555A (zh) * 2013-01-29 2014-08-06 北京竞业达数码科技有限公司 多层次自动化评估训练综合服务方法及系统

Also Published As

Publication number Publication date
CN105159924A (zh) 2015-12-16

Similar Documents

Publication Publication Date Title
CN105159924B (zh) 学习资源推送方法和系统
Garcia et al. Teachers’ perceptions of students’ executive functions: Disparities by gender, ethnicity, and ELL status.
Sánchez-Prieto et al. MLearning and pre-service teachers: An assessment of the behavioral intention using an expanded TAM model
Lukkarinen et al. Relationship between class attendance and student performance
CN105070130A (zh) 水平测评方法和系统
van Deursen et al. Information and strategic Internet skills of secondary students: A performance test
Mesquita et al. Athlete’s retention of a coach’s instruction before a judo competition
US10446044B2 (en) Systems and methods for generating automated evaluation models
Tisi et al. A review of literature on marking reliability research
Furey et al. Concurrent validity and classification accuracy of curriculum-based measurement for written expression.
Pepe et al. What instructor qualities do students reward?
Karagöl et al. The relationship among attitude, anxiety and English speaking performance
Hardegree Standards-based assessment and high stakes testing: Accuracy of standards-based grading
Snow et al. Evaluating the effectiveness of a state-mandated benchmark reading assessment: mClass Reading 3D (Text Reading and Comprehension)
Acar-Erdol et al. Gender gap in reading achievement: the mediating role of metacognitive strategies and reading-related attitudes
Castillo et al. The Impact of Study Habits on the Academic Performance of Senior High School Students Amidst Blended Learning
Neill et al. Does the Use of Technological Interventions Improve Student Academic Achievement in Mathematics and Language Arts for an Identified Group of At-risk Middle School Students?
Afriadi et al. The analysis of vocational students’ work readiness in Pariaman and Padang Pariaman
Kamis et al. An Investigation of Reliability Coefficients Estimated for Decision Studies in Generalizability Theory.
JP2015114658A (ja) テストと復習を一体化した学力計測装置及び学習自動管理システム
Mehrpour et al. Investigating the Effect of Motivation and Attitude towards Learning English, Learning Style Preferences and Gender on Iranian EFL Learners' Proficiency.
Saritas Akyol et al. Investigating the Consistency between Students' and Teachers' Ratings for the Assessment of Problem-Solving Skills with Many-Facet Rasch Measurement Model.
Baleghi-Zadeh et al. The influence of subjective norm on intention to use of learning management system among Malaysian higher education students
Verleger Using natural language processing tools to classify student responses to open-ended engineering problems in large classes
Maciejewski Changes in attitudes revealed through students’ writing about mathematics

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant