CN105512132A - 一种智能评测方法和系统 - Google Patents
一种智能评测方法和系统 Download PDFInfo
- Publication number
- CN105512132A CN105512132A CN201410498127.0A CN201410498127A CN105512132A CN 105512132 A CN105512132 A CN 105512132A CN 201410498127 A CN201410498127 A CN 201410498127A CN 105512132 A CN105512132 A CN 105512132A
- Authority
- CN
- China
- Prior art keywords
- content
- answer
- answer content
- error
- user
- 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
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能评测方法和系统,其中所述智能评测方法包括:收集用户书写的笔迹信息;识别出所述笔迹信息对应的答题内容;分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。与现有技术相比,本发明可以有效地对用户手写答题(主客观题)的内容进行采集及有效分析识别,并对的答题结果进行智能评测。
Description
技术领域
本发明涉及信息处理技术,尤其涉及一种智能评测方法和系统。
背景技术
目前机器判卷技术已经可以实现对选择题、填空题等客观型试题的评测,但是对于问答题等主观型试题的评测,由于主观型试题的标准答案基本是灵活的,通常仍采用人工批改的方式来进行,因而仍需要耗费大量的人力资源。
另外,在判卷领域的信息采集上,特别对于主观型试题的答题信息的采集,现有技术通常采集的对象是用户通过网页提交的具有统一标准的内容,由于改变了学生用户经常使用作业本和笔进行手写的习惯,从而影响了学生用户的答题速度和答题思路,因而影响对学生用户真实答题水平的评测。
发明内容
本发明解决的技术问题之一是对用户提交的针对主观型试题的答题信息进行智能评测。
根据本发明的一个方面的一个实施例,提供了一种智能评测方法,包括:
收集用户书写的笔迹信息;
识别出所述笔迹信息对应的答题内容;
分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
根据一个实施例,收集用户基于数码笔和点阵纸进行书写的笔迹信息。
根据一个实施例,分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的步骤包括:
将答题内容归一化为统一的描述。
根据一个实施例,在所述归一化处理中:
基于同义词库或/和句模库,将答题内容转换为统一的描述。
根据一个实施例,分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的步骤包括:
对答题内容中数学表达式的语法进行检测。
根据一个实施例,根据所述答题内容与对应标准答案的比对的步骤包括:
从所述答题内容中判断出几何学内容和/或代数学内容;
针对判断出的几何学内容和/或代数学内容,采用相应的匹配策略与对应标准答案进行比对。
根据一个实施例,针对代数部分,所述答题内容与对应标准答案的比对包括以下中的至少之一:
形式比对;
等价比对;
基础比对。
根据一个实施例,针对代数部分,基于Grobner基检测将其与对应标准答案进行比对。
根据一个实施例,对所述答题内容进行评测的步骤包括:
针对答题内容中已判断为错误的内容:
基于预先定义的错误模型分析错误的内容对应的错误类型,或/和,
基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
根据一个实施例,在对所述答题内容进行评测的步骤中,对用户提供的答题内容进行评分,所述评分包括:
-确定与所述答题内容对应的标准答案中的关键步骤,根据所述答题内容中相应步骤与对应标准答案中关键步骤的匹配度,基于匹配度与对应标准答案中各关键步骤的预设分数的乘积,对所述答题内容进行评分,或
-根据对答题内容中各步骤推导过程的分析来确定得分。
根据本发明另一个方面的一个实施例,还提供了一种智能评测系统,包括:
笔迹收集装置,用于收集用户书写的笔迹信息;
答题内容识别装置,用于识别出所述笔迹信息对应的答题内容;
答题内容评测装置,用于分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
根据一个实施例,笔迹收集装置收集用户基于数码笔和点阵纸进行书写的笔迹信息。
根据一个实施例,所述答题内容评测装置包括:
归一化模块,用于将答题内容归一化为统一的描述。
根据一个实施例,所述归一化模块基于同义词库或/和句模库,将答题内容转换为统一的描述。
根据一个实施例,所述答题内容评测装置包括:语法检测模块,用于对答题内容中数学表达式的语法进行检测。
根据一个实施例,所述答题内容评测装置包括:
判断模块,用于从所述答题内容中判断出几何学内容和/或代数学内容;
比对模块,用于针对判断出的几何学内容和/或代数学内容,采用相应的匹配策略与对应标准答案进行比对。
根据一个实施例,所述比对模块基于形式比对、等价比对、基础比对中的至少之一比对所述答题内容与对应标准答案。
根据一个实施例,针对代数部分,比对模块基于Grobner基检测将其与对应标准答案进行比对。
根据一个实施例,答题内容评测装置包括:
错误类型分析模块,用于针对答题内容中已判断为错误的内容,采用以下方式中的至少之一判断对应的错误类型:
基于预先定义的错误模型分析错误的内容对应的错误类型,或/和,
基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
根据一个实施例,答题内容评测装置包括:
评分模块,基于以下方式中的至少之一对用户提供的答题内容进行评分:
确定与所述答题内容对应的标准答案中的关键步骤,根据所述答题内容中相应步骤与对应标准答案中关键步骤的匹配度,基于匹配度与对应标准答案中各关键步骤的预设分数的乘积,对所述答题内容进行评分,或
根据对答题内容中各步骤推导过程的分析来确定得分。
与现有技术相比,本发明提供的实施例具有以下技术效果:
1)通过分析答题内容的推导过程或/和根据答题内容和对应标准答案的比对,可以给用户自动返回答题内容的正确性、各步骤或各部分的扣分情况、各步骤或各部分的得分点,从而针对每个用户进行综合地评测,以便老师和家长更有针对性地辅导用户。
2)本发明的实施例可以收集用户基于数码笔和点阵纸书写的笔迹信息,并从所收集的笔迹信息中识别出答题内容,使得学生可以像使用纸质的作业本一样进行自由地书写,从而使得评测的结果更符合学生平时的真实学习情况。
本领域普通技术人员将了解,虽然下面的详细说明将参考图示实施例、附图进行,但本发明并不仅限于这些实施例。而是,本发明的范围是广泛的,且意在仅通过后附的权利要求限定本发明的范围。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1示出根据本发明一个实施例的智能评测方法的流程图;
图2示出根据本发明一个实施例的数码笔和点阵纸的示意图;
图3示出根据本发明一个实施例的笔迹的例子;
图4示出根据本发明的一个实施例的对识别后的笔迹信息对应的答题内容进行评测后所得到的结果的示意图;
图5示出根据本发明另一个方面的一个实施例的智能评测系统的示意性框图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1是根据本发明一个实施例的智能评测方法的流程图。需要说明的是,为了便于更好地描述本实施例提供的智能评测方法,下文主要以识别出用户书写的笔迹信息对应的方程为例进行描述,当然并不意味着对本发明的限制,本发明智能评测的内容包括但不限于方程的求解、几何图形结合方程的求解等。
根据图1,所述智能评测方法包括:
在步骤S101中,收集用户书写的笔迹信息。
本实施例中,用户书写的方式主要通过数码笔和点阵纸(可参考图2)来完成,当然并不在此限定,其他可采集笔迹信息的书写方式也可包含在此。采用数码笔和点阵纸的方式完成书写时,所述笔迹信息包括但不限于:
-点阵纸的纸张类型、来源、页码;
-数码笔的编号、运动轨迹、笔尖压力、用户书写的笔迹坐标、书写的时间、书写的速度。
此处笔迹信息的收集通过网络将用户书写的笔迹信息上传得到。在一个实施例中,数码笔读取所述笔迹信息,通过蓝牙或USB接口将读取的笔迹信息同步传输到相应的终端,并由终端通过网络上传到相应的服务端,如云存储平台。所述终端包括诸如移动终端或电脑或其他可接收笔迹信息并将信息上传的电子产品,在此不作限定。所述上传可以实时进行,也可以非实时进行,例如在一次考试中,在将所有考生的笔迹信息都传输到终端后,通过网络统一上传。
在步骤S102中,识别出所述笔迹信息对应的答题内容。
通常,所述答题内容包括中文、字母和公式等。可选地,通过分析笔迹信息中的运动轨迹、用户书写的笔迹坐标等来识别笔画,并通过多笔画的组合来识别文字。可选地,通过自学习的方式来识别笔迹信息中的答题内容,例如基于分类器判定笔迹信息对应的答题内容,所述分类器通过利用训练样本作为输入,并对分类结果进行反馈训练出的。更详细地,诸如将大量笔迹信息作为训练样本输入到分类器,对分类器进行训练,让分类器自学习笔迹信息对应的答题内容,并对分类器的分类结果进行反馈训练,例如,由用户或专家判定分类器的分类结果是否正确,当不准确时反馈给分类器,以使下次分类更准确。在本实施例中,分类器的分类方法在此不作限定,包括诸如决策树分类法、贝叶斯分类算法、神经网络算法、模糊分类算法等。
训练后的分类器,就可以对笔迹信息对应的答题内容进行识别,例如将图3所示的笔迹识别为以下答题内容:
在此,对所述识别笔迹信息对应答题内容的算法不作限定。
在步骤S103中,分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
通过分析答题内容的推导过程,或者直接根据答题内容和标准答案的比对,或者结合这两种方式,对答题内容进行评测,评测的结果包括得分点、各运算步骤扣分原因等诸项,在此不作限定。
可参考图4,图4示出了根据本发明的一个实施例的对识别后的笔迹信息对应的答题内容进行评测后所得到的结果的示意图。在图4中,可以看到用户书写的答题笔迹(见图4左侧),所述答题笔迹被识别为对应的答题内容并针对答题内容中的每个步骤进行分析,例如分析出第二个步骤“”存在计算错误,分析出第三个步骤“”存在连等式错误等等。图4的右侧还示出了与用户书写的答题内容对应标准答案的各个步骤及答题得分点,例如将原式化简为“”时得5分。当然,图4仅示意性地示出评测结果的界面,并不在此限定评测结果所包含的信息。
可选地,分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的步骤包括:
-将答题内容归一化为统一的描述。
本实施例中,归一化主要指将不同用户差异化的语言描述转换为统一的描述。例如,不同用户书写的答题内容包括:
-三角形ABC为等边三角形
-ABC是等边三角形
-三角形ABC是正三角形
-ABC的三条边相等
通过归一化处理,诸如通过抽取关键词、查找相近词等操作将上述不同用户书写的答题内容转化为“等边三角形,ABC”的统一描述。在此,归一化的处理方法不作限定。通过归一化处理,将诸多不同的描述转换为统一的描述,从而可以更准确地对答题内容进行评测。
可选地,在所述归一化处理中:
-基于同义词库或/和句模库,将答题内容转换为统一的描述。
所述同义词库和句模库可以通过收集相应领域的专业数据来预先构建,并实时或定期更新,还可以针对不同的学习阶段(例如初中阶段和高中阶段)划分为不同的子同义词库和子句模库。其中,同义词库主要包括具有同一语义的词、词组以及其他描述等,例如,针对初中学习阶段,所述同义词库收集的是整个初中阶段的具有同一语义的词、词组以及其他描述等;句模库主要包括各种类型的句型,这些句型可以通过诸如从收集到的大量学生用户使用的语句描述中抽取并进行分类得到。
基于同义词库或/和句模库,可以将不同用户提供的具有同一语义的答题内容转换为统一的描述。
可选地,分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的步骤包括:
-对答题内容中数学表达式的语法进行检测。
可选地,通过预定的规则,并结合预先构建的或获取的数学类词典来检测答题内容中的数学表达式是否存在语法错误,例如表达式中是否包含相同数量的开括号和闭括号,表达式是否从合法的符号开始(例如不可以用操作符、闭括号作为表达式的开始符),表达式末尾是否以合法符号结束,表达式中所有函数的自变量数量是否正确等等,从而可以更有针对性地对答题内容进行评测,该步骤可以作为分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的预处理步骤。可选地,判定该语法错误属于哪一错误类型,从而将错误类型作为评测结果的一部分提供给用户。
可选地,所述答题内容与对应标准答案的比对的步骤包括:
-从所述答题内容中判断出几何学内容和/或代数学内容;
-针对判断出的几何学内容和/或代数学内容,采用相应的匹配策略与对应标准答案进行比对。
本实施例中,几何学内容主要指结合相应的公理将图形运算转化为相应的表达式来计算的答题内容;而代数学内容主要指仅针对数和表达式来计算的答题内容,例如解方程。对于几何学内容,可以结合表达式和图形与对应标准答案进行比对,例如判断答题内容中表达式的推导过程以及对答题内容中的图形信息进行验证;对于代数学内容,可以仅基于表达式与对应标准答案进行比对。
可选地,针对几何学内容,可以采用以下方法对其进行评测:
-将几何学内容与对应的标准答案进行比对,或者,分析所述答题内容的推导过程,根据训练出的相应推理模型来判断答题内容中的推导过程是否正确,从而给出评测结果。
例如,对于一个确定的曲线,标准答案中所建立的坐标系与用户所提供的答题内容中所建立的坐标系不同(例如,坐标系的原点位置取的不同),由此根据不同坐标系建立的方程也不同,则此时并不通过比对几何学内容和对应标准答案的方法来评测所述几何学内容,而是通过分析用户答题内容的推导过程来进行评测。所述推导过程的分析可以离线进行,也可以在线进行,例如基于预先建立的相关实例模型在线分析用户答题内容的推导过程是否正确。
可选地,针对代数学内容,可以采用以下方法对其进行评测:
-将代数学内容与对应的标准答案进行严格比对。在严格比对中,可以包括以下中的至少一种:
1)形式比对,例如基于预先构造的语法树来比对,所述语法树中包括各种语法规则。例如,用户提供的代数学内容为:a+bc,对应的标准答案为:cb+a,根据语法树中的语法规则可知,a+bc与cb+a是等价的,因而给出诸如答题内容完全正确的评测结果。
2)等价比对,例如通过对表达式的化简操作来比对。例如,用户提供的代数学内容为:,对应的标准答案为:-4,则通过对用户提供的代数学内容进行化简,从而判断出用户提供的代数学内容与对应的标准答案-4是等价的,同样给出诸如答题内容完全正确的评测结果。
3)基础比对,例如通过将用户提供的代数学内容中表达式和对应标准答案的右边的值统一化简为0,从而比较用户提供的代数学内容中表达式和对应标准答案的左边的值是否等价;当然,也可以将用户提供的代数学内容中表达式和对应标准答案的左边的值统一化简为0,从而比较各自右边的值是否等价,从而给出评测结果。
可选地,基于Grobner基检测的方法对用户提供的代数学内容进行评测。其中,Grobner基是求解非线性代数的一种非数值迭代的代数方法,基本思想是:在原非线性多项式代数系统所构成的多项式环内,通过对变量和多项式的项的适当排序,对原系统进行约简,最后生成一个与原系统等价且便于直接求解的标准基(即Grobner基)。本实施例中,通过Grobner基检测将用户提供的代数学内容中表达式和对应标准答案的右值化为0,并判断左值是否可以通过约分达到一致,从而给出评测结果。
可选地,对于几何学内容中的非图形部分也可以采用上述Grobner基检测的方法进行评测。
可选地,在对所述答题内容进行评测的步骤中,针对答题内容中已判断为错误的内容,则进一步对错误的内容对应的错误类型进行分析,例如,基于预先定义的错误模型对所存在的错误类型进行分析,从而在评测结果中给出更具有针对性的评测信息。
可选地,如果该预先定义的错误模型未覆盖该错误类型,则可以基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
其中的错误类型在此不作限定,诸如用户书写上的不规范引起的错误,如括号丢失、对象命名错误等,诸如知识点错误,如某一或某些步骤的推理错误。
可选地,在对所述答题内容进行评测的步骤中,对用户提供的答题内容进行评分。可选地,根据用户提供的答题内容是否与对应标准答案存在逻辑上的一致性,将评分方法分为:
-针对用户提供的答题内容与对应标准答案存在逻辑上的一致性的情况:确定与所述答题内容对应的标准答案中的关键步骤,根据所述答题内容中相应步骤与对应标准答案中关键步骤的匹配度,基于匹配度与对应标准答案中各关键步骤的预设分数的乘积,对所述答题内容进行评分;或
-针对用户提供的答题内容与对应标准答案不存在逻辑上的一致性的情况:根据对答题内容中各步骤推导过程的分析来确定得分,此评分方法主要针对一题多解的情况。在一题多解的情况下,如果直接比对唯一的标准答案与用户提供的答题内容,显然不能对具有不同解题思路的答题内容进行正确地评测,因而通过对答题内容的推导过程进行分析来确定其中每个步骤的得分,然后统计所有步骤的得分,得到总分。
其中,所述标准答案中的关键步骤可以根据具体的运算过程来确定,例如对于化简求值运算,其中的关键步骤包括获取最简化简式、将操作数代入最简化简式执行运算等,所述匹配度可以通过上文所述的比对答题内容和标准答案得到。
举例而言,用户针对以下试题进行作答:
-求代数式的值,其中b=-1。
针对上述试题,从用户的笔迹中识别出用户的答题内容如下:
-当b=-1时,
与该答题内容对应的标准答案如下:
-解:原式(a-2b)(a+2b)+ab2÷(-ab)
-=a2-4b2-b2......(1)
-=a2-5b2......(2)
从中确定上述标准答案中的关键步骤包括上文标示的(1)、(2)、(3)和(4),并且,步骤(1)、(2)、(3)和(4)的预设分数分别为2分、1分、1分和4分,用户答题内容中与上述关键步骤对应的步骤分别为(i)、(ii)、(iii)和(iv),并且得到用户答题内容中相应步骤与标准答案中的关键步骤的匹配度都为0(即完全错误),则基于匹配度与与对应标准答案中各关键步骤的预设分数的乘积,得到上述答题内容的评分:0分。
可选地,针对上述答题内容中的错误,进一步分析对于的错误类型,例如分析出上述步骤(i)为计算错误,上述步骤(ii)为连等式错误等,从而给用户提供更具针对性的评测内容。
上述举例仅示出了一题一解的评分过程,在一题多解的情况下,则根据对答题内容中各步骤推导过程的分析来确定得分,此时无需依据标准答案来评分。所述推导过程的分析可以通过训练相应的推导模型来自学习。例如,将表达式的运算规则、操作符的优先级次序、化简规则等作为训练样本输入到推导模型中进行学习,从而使推导模型可以自动分析答题内容中各步骤的推导过程是否符合预定规则,并可以根据分析出的错误步骤数和正确步骤数,对答题内容进行综合评分。
请参考图5,图5示出了根据本发明另一个方面的一个实施例的智能评测系统的示意性框图,根据图5,所述智能评测系统包括:
笔迹收集装置501,用于收集用户书写的笔迹信息;
答题内容识别装置502,用于识别出所述笔迹信息对应的答题内容;
答题内容评测装置503,用于分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
可选地,笔迹收集装置501收集用户基于数码笔和点阵纸进行书写的笔迹信息。
可选地,所述答题内容评测装置503包括:
归一化模块5031,用于将答题内容归一化为统一的描述。
可选地,所述归一化模块基于同义词库或/和句模库,将答题内容转换为统一的描述。
可选地,所述答题内容评测装置503包括:语法检测模块5032,用于对答题内容中数学表达式的语法进行检测。
可选地,所述答题内容评测装置503包括:
判断模块5033,用于从所述答题内容中判断出几何学内容和/或代数学内容;
比对模块5034,用于针对判断出的几何学内容和/或代数学内容,采用相应的匹配策略与对应标准答案进行比对。
可选地,所述比对模块基于形式比对、等价比对、基础比对中的至少之一比对所述答题内容与对应标准答案。
可选地,针对代数部分,比对模块基于Grobner基检测将其与对应标准答案进行比对。
可选地,答题内容评测装置包括:
错误类型分析模块5035,用于针对答题内容中已判断为错误的内容,采用以下方式中的至少之一判断对应的错误类型:
基于预先定义的错误模型分析错误的内容对应的错误类型,或/和,
基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
可选地,答题内容评测装置包括:
评分模块5036,基于以下方式中的至少之一对用户提供的答题内容进行评分:
确定与所述答题内容对应的标准答案中的关键步骤,根据所述答题内容中相应步骤与对应标准答案中关键步骤的匹配度,基于匹配度与对应标准答案中各关键步骤的预设分数的乘积,对所述答题内容进行评分,或
根据对答题内容中各步骤推导过程的分析来确定得分。
应当理解,图5所示的框图仅仅是为了示例的目的,而不是对本发明范围的限制。在某些情况下,可以根据具体情况增加或减少某些单元、模块或装置。
所属技术领域的技术人员知道,本发明可以实现为设备、装置、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件,也可以是完全的软件,还可以是硬件和软件结合的形式。
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、方法和计算机程序产品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,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。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。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种智能评测方法,包括:
收集用户书写的笔迹信息;
识别出所述笔迹信息对应的答题内容;
分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
2.根据权利要求1所述的智能评测方法,其中
收集用户基于数码笔和点阵纸进行书写的笔迹信息。
3.根据权利要求1所述的智能评测方法,其中分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对的步骤包括:
将答题内容归一化为统一的描述。
4.根据权利要求3所述的智能评测方法,在所述归一化处理中:
基于同义词库或/和句模库,将答题内容转换为统一的描述。
5.根据权利要求1所述的智能评测方法,其中对所述答题内容进行评测的步骤包括:
针对答题内容中已判断为错误的内容:
基于预先定义的错误模型分析错误的内容对应的错误类型,或/和,
基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
6.一种智能评测系统,包括:
笔迹收集装置,用于收集用户书写的笔迹信息;
答题内容识别装置,用于识别出所述笔迹信息对应的答题内容;
答题内容评测装置,用于分析所述答题内容的推导过程或/和根据所述答题内容与对应标准答案的比对,对所述答题内容进行评测。
7.根据权利要求6所述的智能评测系统,其中
笔迹收集装置收集用户基于数码笔和点阵纸进行书写的笔迹信息。
8.根据权利要求6所述的智能评测系统,所述答题内容评测装置包括:
归一化模块,用于将答题内容归一化为统一的描述。
9.根据权利要求6所述的智能评测系统,其中答题内容评测装置包括:
错误类型分析模块,用于针对答题内容中已判断为错误的内容,采用以下方式中的至少之一判断对应的错误类型:
基于预先定义的错误模型分析错误的内容对应的错误类型,或/和,
基于预先定义的逆推导模型或从相应数据库调用逆推导模型对用户提供的答题内容从后至前进行逆向推导,分析错误的内容对应的错误类型。
10.根据权利要求6所述的智能评测系统,其中答题内容评测装置包括:
评分模块,基于以下方式中的至少之一对用户提供的答题内容进行评分:
确定与所述答题内容对应的标准答案中的关键步骤,根据所述答题内容中相应步骤与对应标准答案中关键步骤的匹配度,基于匹配度与对应标准答案中各关键步骤的预设分数的乘积,对所述答题内容进行评分,或
根据对答题内容中各步骤推导过程的分析来确定得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410498127.0A CN105512132A (zh) | 2014-09-25 | 2014-09-25 | 一种智能评测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410498127.0A CN105512132A (zh) | 2014-09-25 | 2014-09-25 | 一种智能评测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105512132A true CN105512132A (zh) | 2016-04-20 |
Family
ID=55720121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410498127.0A Pending CN105512132A (zh) | 2014-09-25 | 2014-09-25 | 一种智能评测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512132A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108205937A (zh) * | 2016-12-20 | 2018-06-26 | 上海谦问万答吧云计算科技有限公司 | 在线答疑信息交互方法 |
CN108205936A (zh) * | 2016-12-20 | 2018-06-26 | 上海谦问万答吧云计算科技有限公司 | 教师端答疑设备以及答疑系统 |
CN108665505A (zh) * | 2017-04-02 | 2018-10-16 | 田雪松 | 一种基底以及基于基底的数据处理方法 |
CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
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 |
CN109087544A (zh) * | 2018-06-26 | 2018-12-25 | 卡斯柯信号有限公司 | 一种自动列车监控模拟考试系统及方法 |
CN109299859A (zh) * | 2018-08-31 | 2019-02-01 | 深圳市天英联合教育股份有限公司 | 数据的评测方法、装置、设备及存储介质 |
CN109376722A (zh) * | 2018-12-20 | 2019-02-22 | 广东小天才科技有限公司 | 一种基于手写的学习训练方法及家教机 |
CN110060531A (zh) * | 2019-05-22 | 2019-07-26 | 清华大学 | 一种使用智能数码笔的计算机在线考试系统和方法 |
CN110059636A (zh) * | 2019-04-20 | 2019-07-26 | 广东小天才科技有限公司 | 一种检查纠正学生的学习作业的方法及系统 |
CN110827596A (zh) * | 2018-08-08 | 2020-02-21 | 深圳市鹰硕技术有限公司 | 一种基于智能笔的答题方法 |
CN111611509A (zh) * | 2020-05-25 | 2020-09-01 | 郭玢傲 | 答题结果的显示方法、装置及存储介质 |
CN112016607A (zh) * | 2020-08-20 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 一种基于深度学习的错因分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587657A (zh) * | 2008-05-19 | 2009-11-25 | 富士通株式会社 | 学习协助系统、程序以及学习协助方法 |
CN101656024A (zh) * | 2009-09-08 | 2010-02-24 | 成都时代诺亚舟教育软件有限公司 | 一种电子学习装置及其实现方法 |
CN101739506A (zh) * | 2009-12-25 | 2010-06-16 | 深圳市学之易软件有限公司 | 一种电子试卷的智能阅卷方法和装置 |
CN102324063A (zh) * | 2011-08-22 | 2012-01-18 | 张京伦 | 物联网架构的考试用数字处理系统及其识别笔迹的方法 |
CN102708717A (zh) * | 2012-05-16 | 2012-10-03 | 深圳市海云天科技股份有限公司 | 一种利用电子书写板进行测试的方法及系统 |
-
2014
- 2014-09-25 CN CN201410498127.0A patent/CN105512132A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587657A (zh) * | 2008-05-19 | 2009-11-25 | 富士通株式会社 | 学习协助系统、程序以及学习协助方法 |
CN101656024A (zh) * | 2009-09-08 | 2010-02-24 | 成都时代诺亚舟教育软件有限公司 | 一种电子学习装置及其实现方法 |
CN101739506A (zh) * | 2009-12-25 | 2010-06-16 | 深圳市学之易软件有限公司 | 一种电子试卷的智能阅卷方法和装置 |
CN102324063A (zh) * | 2011-08-22 | 2012-01-18 | 张京伦 | 物联网架构的考试用数字处理系统及其识别笔迹的方法 |
CN102708717A (zh) * | 2012-05-16 | 2012-10-03 | 深圳市海云天科技股份有限公司 | 一种利用电子书写板进行测试的方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于HNC理论的主观题自动批改算法设计与系统实现: "基于HNC理论的主观题自动批改算法设计与系统实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108205937A (zh) * | 2016-12-20 | 2018-06-26 | 上海谦问万答吧云计算科技有限公司 | 在线答疑信息交互方法 |
CN108205936A (zh) * | 2016-12-20 | 2018-06-26 | 上海谦问万答吧云计算科技有限公司 | 教师端答疑设备以及答疑系统 |
CN108665505A (zh) * | 2017-04-02 | 2018-10-16 | 田雪松 | 一种基底以及基于基底的数据处理方法 |
CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
CN108764640B (zh) * | 2018-04-26 | 2021-12-24 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
CN109087544A (zh) * | 2018-06-26 | 2018-12-25 | 卡斯柯信号有限公司 | 一种自动列车监控模拟考试系统及方法 |
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 |
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 |
CN110827596A (zh) * | 2018-08-08 | 2020-02-21 | 深圳市鹰硕技术有限公司 | 一种基于智能笔的答题方法 |
CN109299859A (zh) * | 2018-08-31 | 2019-02-01 | 深圳市天英联合教育股份有限公司 | 数据的评测方法、装置、设备及存储介质 |
CN109376722A (zh) * | 2018-12-20 | 2019-02-22 | 广东小天才科技有限公司 | 一种基于手写的学习训练方法及家教机 |
CN110059636A (zh) * | 2019-04-20 | 2019-07-26 | 广东小天才科技有限公司 | 一种检查纠正学生的学习作业的方法及系统 |
CN110060531A (zh) * | 2019-05-22 | 2019-07-26 | 清华大学 | 一种使用智能数码笔的计算机在线考试系统和方法 |
CN111611509A (zh) * | 2020-05-25 | 2020-09-01 | 郭玢傲 | 答题结果的显示方法、装置及存储介质 |
CN111611509B (zh) * | 2020-05-25 | 2023-07-21 | 郭玢傲 | 答题结果的显示方法、装置及存储介质 |
CN112016607A (zh) * | 2020-08-20 | 2020-12-01 | 上海松鼠课堂人工智能科技有限公司 | 一种基于深度学习的错因分析方法 |
CN112016607B (zh) * | 2020-08-20 | 2021-06-22 | 上海松鼠课堂人工智能科技有限公司 | 一种基于深度学习的错因分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512132A (zh) | 一种智能评测方法和系统 | |
TWI608367B (zh) | 中文文本可讀性計量系統及其方法 | |
CN108182177A (zh) | 一种数学试题知识点自动化标注方法和装置 | |
CN108121702B (zh) | 数学主观题评阅方法及系统 | |
CN112184500A (zh) | 基于深度学习和知识图谱的课外学习辅导系统及实现方法 | |
CN107301165A (zh) | 一种试题难度分析方法及系统 | |
CN108027876A (zh) | 用于识别多个对象输入的系统及其方法和产品 | |
CN109918670A (zh) | 一种文章查重方法及系统 | |
CN107832781A (zh) | 一种面向多源数据的软件缺陷表示学习方法 | |
CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
CN113887930B (zh) | 问答机器人健康度评估方法、装置、设备及存储介质 | |
CN110825867A (zh) | 相似文本推荐方法、装置、电子设备和存储介质 | |
CN107301164A (zh) | 数学公式的语义解析方法及装置 | |
CN115357719A (zh) | 基于改进bert模型的电力审计文本分类方法及装置 | |
CN111126610A (zh) | 题目分析方法、装置、电子设备和存储介质 | |
Isljamovic et al. | Predicting students’ academic performance using artificial neural network: a case study from faculty of organizational sciences | |
CN103473356B (zh) | 一种篇章级情感分类方法及装置 | |
CN112598286A (zh) | 一种众包用户作弊行为检测方法、装置及电子设备 | |
CN110765241A (zh) | 推荐题的超纲检测方法、装置、电子设备和存储介质 | |
CN107992482B (zh) | 数学主观题解答步骤的规约方法及系统 | |
CN116861358A (zh) | 基于bp神经网络与多源数据融合的计算思维评测方法 | |
Koile et al. | Supporting feedback and assessment of digital ink answers to in-class exercises | |
CN105955954A (zh) | 一种基于双向递归神经网络的新企业名称发现方法 | |
Ibrahim et al. | A data mining framework for analyzing students’ feedback of assessment | |
Jain | Measuring creativity: Multi-scale visual and conceptual design analysis |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |