CN105224920A - 一种将线下转入线上的学习测试诊断系统 - Google Patents
一种将线下转入线上的学习测试诊断系统 Download PDFInfo
- Publication number
- CN105224920A CN105224920A CN201510586799.1A CN201510586799A CN105224920A CN 105224920 A CN105224920 A CN 105224920A CN 201510586799 A CN201510586799 A CN 201510586799A CN 105224920 A CN105224920 A CN 105224920A
- Authority
- CN
- China
- Prior art keywords
- examination question
- line
- knowledge point
- knowledge
- examination
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000013480 data collection Methods 0.000 claims abstract description 9
- 230000013011 mating Effects 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 15
- 238000012098 association analyses Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供一种将线下转入线上的学习测试诊断系统,包括:知识库模块,用于存储知识点、试题、知识点与试题的关联关系、知识点间的关联关系;线下测试数据采集模块,用于对纸件试卷电子化处理;知识关联模块,用于将线下测试试题与知识库模块中的试题进行匹配,若匹配成功,则知识点自动关联;若匹配不成功,则提供输入界面供用户为线下测试试题关联知识点;线上诊断分析模块,用于结合试题与知识点间的关联关系进行分析,获知测试者的知识点掌握情况。本发明通过将线下测试数据转化为线上数据,并将试题与知识点关联,进而实现面向知识点的诊断分析,解决了现有技术无法对大量存在的纸质考试进行深层次、个性化诊断分析的技术问题。
Description
技术领域
本发明属于教育信息化技术领域,更具体地,涉及一种将线下转入线上的学习测试诊断系统。
背景技术
随着信息技术的不断进步和发展,教育信息化技术也取得了令人瞩目的进展。现在很多大学和社会教育部门都已经开设了在线的学习测评系统,学生可以通过计算机网络实现在线学习、测试,并通过对测验结果分析了解自身程度及学习上弱点与盲点,针对弱点与盲点设计出学习主题单元,能提供使用者迅速及有效率的学习。
但现实情况是,在应试考试中大部分还是采用纸质考试。针对应试考试,目前较为先进的方法就是利用阅卷系统进行阅卷统计。这种方式已经将线下考试电子化、在线化,突破了传统纯人工标注和统计的考试,但却无法享受已由的网上海量知识资源和计算机智能计算与分析功能;虽有成绩的统计与分析,但略显简单,不足以针对学生的知识结构进行详细诊断,寻找学习的盲点。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种将线下转入线上的学习测试诊断系统,其目的在于,通过将线下测试数据转化为线上数据,并将试题与知识点关联,进而实现面向知识点的诊断分析,解决了现有技术无法对大量存在的纸质考试进行深层次、个性化诊断分析的技术问题。
为实现上述目的,本发明提供了一种将线下转入线上的学习测试诊断系统,包括:
知识库模块,用于存储知识点、试题、知识点与试题的关联关系、知识点之间的关联关系;
线下测试数据采集模块,用于对线下测试用的纸件试卷进行电子化处理,得到线下测试数据,包括测试者信息、试题信息、答题信息和阅卷结果信息;
知识关联模块,用于将线下测试的试题与知识库模块中的试题进行匹配,若匹配成功,则将知识库模块中匹配成功的试题所关联的知识点关联到线下测试的试题;若匹配不成功,则提供输入界面供用户为线下测试的试题关联知识点,根据输入界面输入的关联结果更新知识库模块;
线上诊断分析模块,用于结合阅卷结果、线下测试的试题与知识点的关联关系、知识点之间的关联关系进行分析,获知测试者的知识点掌握情况。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明将学习者纸质测试数据进行电子化和规范化处理,将所处理后的数据与知识点进行精准映射,这样可以明确试题所考查的知识点,从而实现线下到线上学习数据的深度转化,以便于后续进行面向知识点的诊断分析,分析出学生的个性化问题(优势知识、薄弱知识、学习态度等),同时根据数据分析得出班级、年级的整体问题,进而为老师修改教学计划有针对的教学和补救提供有效的依据。
附图说明
图1是本发明将线下转入线上的学习测试诊断系统结构图;
图2是本发明将线下转入线上的学习测试诊断系统中线下测试数据采集模块工作流程图;
图3是本发明将线下转入线上的学习测试诊断系统中知识关联模块工作流程图;
图4是本发明将线下转入线上的学习测试诊断系统中诊断分析模块工作流程。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参见图1,本发明将线下转入线上的学习测试诊断系统包括知识库模块、线下测试数据采集模块、知识关联模块和线上诊断分析模块。
知识库模块,用于存储知识点、试题以及知识点与试题的关联关系,同时还包含了知识点之间的相互关系。知识库模块内可根据测试科目或主题存储相应的知识点和试题,试题包含题目和答案信息。知识库模块存储的内容还可根据需要扩展,例如试题难度、试题试用年级等等。
线下测试数据采集模块,用于对线下测试用的纸件试卷和答题卡进行电子化与阅卷处理,得到线下测试的测试者信息、试题信息、答题信息和阅卷结果信息。可根据统一的数据采集标准,通过电子化技术(手机扫描、扫描仪、拍照等方式)将纸件答题卡批量电子化,并按试题切割,保存入库。测试者信息包含测试者的姓名、ID、性别、专业、学习经历、学习目标等等信息。试题的类型包含客观题和主观题。
图2示出了线下测试数据采集模块流程图。包括如下步骤:
(1)线下数据电子化。通过手机扫描、扫描仪、拍照等电子化方式将受测者纸质试卷与纸质答题卡电子化处理,获取试卷图片和答题卡图片的电子化数据。
(2)数据原子化。将上步中获取的电子化试卷及答题卡数据按最小试卷最小单元试题进行切割,切割出试题基础数据、试题答题数据与测试者基本信息数据,分别保存入库。其试题基础数据描述试题基本信息,如试题题干和各选项内容;试题答题数据为受测者某一题的答题信息;测试者基本信息数据为答题者学号与姓名等数据。
(3)阅卷。用于对受测者的试题答案给予分值,作为量化受测者测试情况的指标。主观题与客观题采用不同的阅卷方式,客观题由于其简单与确定性,采用自动阅卷方式;主观题由于其答案的模糊性特征,采用老师在线手工阅卷方式,将最终统分结果也保存至库。
知识关联模块,用于将线下测试的试题与知识库模块中的知识点进行关联。在知识库模块已经存有大量试题,每个试题对应相应的知识点。一种最直接、最准确的方式是,只需要将电子化后的线下试题与知识库模块中的试题进行匹配,匹配成功,知识点则自动关联到线下试题。考虑到线下试题很多时候是人工出题,试题表达方式或内容具有个性化、非规范化,因此在知识库模块中不存在与之相同的试题,因此可以通过扩展知识库模块的方式动态建立知识关联。
知识关联模块包括:图像识别子模块,用于对电子化处理得到的线下测试数据进行文字识别;匹配及关联子模块,用于将文字化的线下测试试题与知识库模块中的试题匹配,如果匹配成功,则将知识库模块中匹配成功的试题所关联的知识点关联到线下测试试题;如果匹配不成功,则按照预定描述标准重新描述线下测试试题,并提供输入界面供用户为线下测试的试题关联知识点,根据输入界面输入的关联结果更新知识库模块。
图3示出了知识关联模块流程图。包括如下步骤:
(1)图像识别。从线下测试数据采集模块中获取线下试题数据,引入图像文字识别技术将图片文字化,符合系统试题统一标准。
(2)线下试题与知识库中试题匹配。将文字化试题与知识库中的试题智能匹配,判断此试题是否能存在于试题库中,控制误差值在0-1%之间。如果线下试题与知识库中试题无法匹配,则跳转到(3)中;如果匹配成功,则跳转至(4)中。
(3)扩展知识库。用于线下试题与知识库匹配不成功的情况,知识库中不存在此试题,则将此试题按照系统统一描述标准进行标注,并提供输入界面供用户为线下测试的试题关联知识点,根据输入界面输入的关联结果更新知识库模块。
(4)自动关联。说明此线下试题在知识库中已存在,试题与已有知识点自动关联。
线上诊断分析模块,用于对线下测试数据进行分析,获知测试者的知识点掌握情况。其将依据采集的线下数据基于知识点进行深入分析,分析出学生的个性化问题(优势知识、薄弱知识、学习态度等),同时根据数据分析得出班级、年级的整体问题,进而为老师修改教学计划有针对的教学和补救提供有效的依据。所述线上诊断分析模块包括试卷信息统计子模块、答题信息统计子模块和诊断分析子模块。
图4示出了线上诊断分析模块流程图,结合子模块详细说明如下步骤:
(1)试卷信息统计子模块的统计试卷信息步骤。根据线下数据采集模块中采集到的试题数据以及与知识点关联关系,统计出该次测试中各知识点考核次数、所占的比重以及难易程度,进而对整个测试进行分析。
(2)答题信息统计子模块的统计答题信息步骤。根据线下数据采集模块中采集到的试题答题数据,以及知识点关联关系,统计出每个测试者的知识点的得分率、错误类型以及试题技能方法。知识点的得分率是与此知识点相关的所有试题得分总和与相关试题分值和的比值。错误类型即无法解答此试题的原因,包括知识点理解不够、计算失误、理解错误等。试题技能方法是解答此题可能的技能和方法,如做选择题有带入法、排除法、按步骤计算法等。
(3)诊断分析子模块的诊断分析步骤。根据知识库中知识关系模型,对试卷信息、试题错误类型,错误知识点、知识点得分比例及试题技能方法等信息进行综合研判和深入分析,诊断出学生在那部分基础知识领域存在问题,进而获得本次考试学生知识掌握情况,并给出相应的补救措施;同时结合历次的诊断数据,进行深度关联分析,进而分析出学生的掌握情况和学习状态等深层次的问题。在此基础上,给出整体班级的知识状况,为教师改变教学计划,提高教学质量提供依据。
(4)给出诊断报告。在对测试者进行分析后,给出其个性化的诊断报告以及整个班级的统计性的诊断报告。
实例:
某班级举办章节单元测试,了解学生在学完本节课后对此章节的理解。教师选取“一元一次不等式”章,出了一套试卷,总分100分,共有5题,每题20分,其中第2,5题考查“一元一次不等式组”知识点。组织全班学生考试后,教师收集纸件试卷和答题卡,使用高速扫描仪将其批量电子化,所得图片按“小题”批量切割,并在查阅后对每个切片给予一个分值。经过以上线下测试数据采集模块的功能,获得测试试题与每个试题学生的答案和得分。
数据采集结束后需对试题进行知识关联,但试题是以图片形式存储的,需采用图像识别技术将其转化为文本,如第5题,转化后的文本为“在△ABC中,AB=AC,BC=10cm,设这个三角形的周长大于34cm且小于44cm,求AB的长度范围。”调用文本内容与知识库中试题匹配算法,如果匹配成功,则说明此题已存在于知识库中,只需将试卷与知识库中试题关联,则此线下试题与知识地图自动关联;如果匹配不成功,则开放试题描述界面,将试题与知识点关联,即将此试题标注为“一元一次不等式组”,扩充知识库。待每个试题均存在于知识库中即可触发诊断分析。
诊断分析由浅至深分为三个层次:第一层次,针对知识点计算试卷知识点分布比例及考核次数。由于第2,5道题同讲“一元一次不等式组”,则此知识点考核所占比例为40%,考核次数为2。第二层次,对知识点掌握程度进行分析,仍以“一元一次不等式组”知识点为例,将与此知识点相关的第2、5题所有学生的得分相加,再除以此两大题的分值和,得到此知识点的得分率。由试题计算、试题理解与试题题型等方式挖掘个别学生错误的类型与解题的技能方法。第三层次,根据知识点得分率及试题难度推算班级及个人对此知识点的掌握程度,如果掌握程度为中等,则给予知识点中等程度补救方法,推送中等难度练习题及知识点详解课程。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种将线下转入线上的学习测试诊断系统,其特征在于,包括:
知识库模块,用于存储知识点、试题、知识点与试题的关联关系、知识点之间的关联关系;
线下测试数据采集模块,用于对线下测试用的纸件试卷与答题卡进行电子化处理,得到线下测试数据,包括测试者信息、试题信息、答题信息和阅卷结果信息;
知识关联模块,用于将线下测试的试题与知识库模块中的试题进行匹配,若匹配成功,则将知识库模块中匹配成功的试题所关联的知识点关联到线下测试的试题;若匹配不成功,则提供输入界面供用户为线下测试的试题关联知识点,根据输入界面输入的关联结果更新知识库模块;
线上诊断分析模块,用于结合阅卷结果、线下测试的试题与知识点的关联关系、知识点之间的关联关系进行分析,获知测试者的知识点掌握情况。
2.根据权利要求1所述的将线下转入线上的学习测试诊断系统,其特征在于,所述知识关联模块包括:
图像识别子模块,用于对电子化处理得到的线下测试数据进行文字识别;
匹配及关联子模块,用于将文字化的线下测试试题与知识库模块中的试题匹配,如果匹配成功,则将知识库模块中匹配成功的试题所关联的知识点关联到线下测试试题;如果匹配不成功,则按照预定描述标准重新描述线下测试试题,并提供输入界面供用户为线下测试的试题关联知识点,根据输入界面输入的关联结果更新知识库模块。
3.根据权利要求1或2所述的将线下转入线上的学习测试诊断系统,其特征在于,所述线上诊断分析模块包括:
试卷信息统计子模块,用于根据线下测试试题信息、试题与知识点的关系统计线下测试试题涉及的知识点考核次数、各知识点所占的比重;
答题信息统计子模块,用于根据线下测试试题信息、答题信息、阅卷结果、试题与知识点的关系统计单个测试者的知识点的得分率、错误类型以及试题技能方法,进而统计出所有测试者作为一个整体的的各个知识点的得分率、错误类型以及试题技能方法;
诊断分析子模块,用于根据线下测试试题信息、答题信息、阅卷结果、试题与知识点的关系,结合试卷信息统计子模块和答题信息统计子模块的统计结果进行深入诊断分析,诊断出单个测试者和整体的知识点掌握情况;同时结合历史的诊断数据,进行深度关联分析,进而分析出单个和整体测试者在一段时间内的学习状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510586799.1A CN105224920A (zh) | 2015-09-16 | 2015-09-16 | 一种将线下转入线上的学习测试诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510586799.1A CN105224920A (zh) | 2015-09-16 | 2015-09-16 | 一种将线下转入线上的学习测试诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105224920A true CN105224920A (zh) | 2016-01-06 |
Family
ID=54993880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510586799.1A Pending CN105224920A (zh) | 2015-09-16 | 2015-09-16 | 一种将线下转入线上的学习测试诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105224920A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528591A (zh) * | 2016-09-18 | 2017-03-22 | 广东小天才科技有限公司 | 一种试题信息处理方法及学习管理平台 |
CN106846962A (zh) * | 2017-03-20 | 2017-06-13 | 安徽七天教育科技有限公司 | 一种基于学生错题及精准推荐的错题本生成方法 |
CN107230404A (zh) * | 2017-06-29 | 2017-10-03 | 北京易教阳光教育科技有限公司 | 一种电子答题方法、系统、终端及其存储介质 |
CN107844898A (zh) * | 2017-10-26 | 2018-03-27 | 湖南考神信息科技有限责任公司 | 一种学习的评价方法和评价系统 |
CN108121708A (zh) * | 2016-11-28 | 2018-06-05 | 英业达科技有限公司 | 试题电子化存取系统及其方法 |
CN109841105A (zh) * | 2017-11-27 | 2019-06-04 | 南一书局企业股份有限公司 | 能回溯并补救先备知识的线上测验系统及方法 |
CN111898545A (zh) * | 2020-07-31 | 2020-11-06 | 新三科技有限公司 | 一种基于机器学习的智能阅卷系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678637A (zh) * | 2013-12-19 | 2014-03-26 | 北京快乐学网络科技有限公司 | 一种获取试题信息的方法及装置 |
CN103985279A (zh) * | 2014-05-27 | 2014-08-13 | 北京师范大学 | 一种社会化的作业批阅和学生学习过程信息记录系统及方法 |
CN104574241A (zh) * | 2015-02-03 | 2015-04-29 | 陈飞鸣 | 一种在线教育测评系统及测评方法 |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
-
2015
- 2015-09-16 CN CN201510586799.1A patent/CN105224920A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678637A (zh) * | 2013-12-19 | 2014-03-26 | 北京快乐学网络科技有限公司 | 一种获取试题信息的方法及装置 |
CN103985279A (zh) * | 2014-05-27 | 2014-08-13 | 北京师范大学 | 一种社会化的作业批阅和学生学习过程信息记录系统及方法 |
CN104574241A (zh) * | 2015-02-03 | 2015-04-29 | 陈飞鸣 | 一种在线教育测评系统及测评方法 |
CN104809677A (zh) * | 2015-05-13 | 2015-07-29 | 江苏黄金屋教育咨询有限公司 | 基于统计和分析知识点掌握情况的自动阅卷方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528591A (zh) * | 2016-09-18 | 2017-03-22 | 广东小天才科技有限公司 | 一种试题信息处理方法及学习管理平台 |
CN108121708A (zh) * | 2016-11-28 | 2018-06-05 | 英业达科技有限公司 | 试题电子化存取系统及其方法 |
CN106846962A (zh) * | 2017-03-20 | 2017-06-13 | 安徽七天教育科技有限公司 | 一种基于学生错题及精准推荐的错题本生成方法 |
CN107230404A (zh) * | 2017-06-29 | 2017-10-03 | 北京易教阳光教育科技有限公司 | 一种电子答题方法、系统、终端及其存储介质 |
CN107844898A (zh) * | 2017-10-26 | 2018-03-27 | 湖南考神信息科技有限责任公司 | 一种学习的评价方法和评价系统 |
CN109841105A (zh) * | 2017-11-27 | 2019-06-04 | 南一书局企业股份有限公司 | 能回溯并补救先备知识的线上测验系统及方法 |
CN111898545A (zh) * | 2020-07-31 | 2020-11-06 | 新三科技有限公司 | 一种基于机器学习的智能阅卷系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224920A (zh) | 一种将线下转入线上的学习测试诊断系统 | |
CN109523194B (zh) | 汉语阅读能力测评方法、装置及可读存储介质 | |
CN111027486B (zh) | 一种中小学课堂教学效果大数据辅助分析评价系统及其方法 | |
CN108520662B (zh) | 一种基于知识点分析的教学反馈系统 | |
CN107657559A (zh) | 一种中文阅读能力测评方法及系统 | |
CN108446768A (zh) | 一种学生建模的方法和装置 | |
WO2022170985A1 (zh) | 选题方法、装置、计算机设备和存储介质 | |
CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
KR101023540B1 (ko) | 가변되는 메타정보를 활용한 시험결과 분석평가방법 | |
CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
KR20150101632A (ko) | Qr코드 및 앱을 이용한 온오프라인 연동 학습 시스템 | |
CN113034319A (zh) | 一种在教学管理中的用户行为数据处理方法及装置、电子设备和存储介质 | |
Yiran | Evaluation of students’ IELTS writing ability based on machine learning and neural network algorithm | |
CN114140280A (zh) | 一种基于ai批改的数据处理方法、系统和电子设备 | |
CN113888757A (zh) | 基于对标评价的考卷智能分析方法、系统及存储介质 | |
Nakamoto et al. | Identifying students’ stuck points using self-explanations and pen stroke data in a mathematics quiz | |
Cunningham-Nelson et al. | Text analysis in education: a review of selected software packages with an application for analysing students’ conceptual understanding | |
CN105469116A (zh) | 一种基于人机交互的幼儿识图及数据扩充方法 | |
Ak | Development of Internet literacy self-efficacy scale for pre-service teachers | |
Lee et al. | Personalized item generation method for adaptive testing systems | |
Dick et al. | When students use technology tools, what are you noticing? | |
CN112598202B (zh) | 试题难度评估方法、装置及存储介质、计算设备 | |
CN108830755A (zh) | 一种低成本易操作的基于知识图谱的学习诊断系统 | |
TW201610903A (zh) | 線上自動化診斷學習風格系統、線上自動化診斷學習風格方法及電腦可讀取之記錄媒體 | |
TW201443667A (zh) | 人工智慧試卷組題系統及其組題方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |
|
RJ01 | Rejection of invention patent application after publication |