CN105938574A - 专业认证知识自动化协同决策方法 - Google Patents

专业认证知识自动化协同决策方法 Download PDF

Info

Publication number
CN105938574A
CN105938574A CN201610188227.2A CN201610188227A CN105938574A CN 105938574 A CN105938574 A CN 105938574A CN 201610188227 A CN201610188227 A CN 201610188227A CN 105938574 A CN105938574 A CN 105938574A
Authority
CN
China
Prior art keywords
evaluation
decision
examination
service
index 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.)
Pending
Application number
CN201610188227.2A
Other languages
English (en)
Inventor
段斌
陈娟
章兢
杨壮
冯玉洁
朱智勇
陈明杰
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN201610188227.2A priority Critical patent/CN105938574A/zh
Publication of CN105938574A publication Critical patent/CN105938574A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/205—Education administration or guidance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及一种专业认证知识自动化协同决策方法，包括多种评价手段的协调决策机制，主要分为：考试评价难易度调整协同机制，该机制以初始考试评价T1为主，以课程群支撑评价T2，间接评价T3，空间教学法评价T4为调节评价手段，根据多种评价手段的协同机制协同对初始考试评价T1进行调整得到调整后的考试评价T5；技术性指标点与非技术指标点评价协同机制，该机制首先判断指标点为技术性指标点还是非技术性指标点，接着通过课程群支撑评价T2，间接评价T3，空间教学法评价T4，调整后的考试评价T5，协同得出指标点的达成情况；本发明可通过划分迭代增量，每次迭代发现知识，为重新评估需求和设计提供了机会。

Description

专业认证知识自动化协同决策方法
技术领域
本发明涉及一种专业认证知识自动化协同决策方法，属于自动化技术领域。
背景技术
2015年3月，教育部推出国际实质等效的《工程教育专业认证标准》，其核心理念是“产出导向”和“复杂工程问题”指向。工程教育专业认证工作在全国各达高校如火如荼地进行。
各高校对于不同的毕业要求也有不同的评价方案，大都分为诊断型评价，形成型评价，总结型评价，由于可以较为准确地量化，现有的工程教育专业认证方案大多课程考核成绩分析法这一方案，通过计算每门课程考试测评的平均成绩来度量该课程对毕业要求指标点的达成度评价。然而该方案存在一些漏洞，并未将考试内容与需要考核的毕业要求指标点建立起关联，反应不出考试内容对能力支撑的覆盖情况，其次该方案也未能兼顾课程体系设计难易程度对能力达成的影响。显然仅采用课程考核成绩分析法这一方案的评价合理性难以得到保障。
因此本发明在工程教育专业认证中关于学生能力达成度的评价提出了一种专业认证知识自动化协同决策方法。基于后续课程评价评价，间接评价，空间教学评价对考试评价做难易度调整，根据技术性指标与非技术指标决策树获取毕业要求指标点达成度。该评分机制达到课程考试的难易折中，实现了过度拟合与泛化的折中，同时兼顾了技术性指标点与非技术性指标点的评价规则。
发明内容
本发明提供了一种基于知识自动化的毕业要求达成度预测分析模型与决策服务，能够平衡课程体系的难易程度对毕业能力达成度的影响。
本发明解决上述技术问题的技术方案是：
1．一种专业认证知识自动化协同决策方法，其特征在于提出了多种评价手段的协调决策机制，主要包括以下两部分：
考试评价难易度调整协同机制，通过调用决策服务一获取初始考试评价T1，调用决策服务二获取课程群支撑评价T2，调用决策服务三获取间接评价T3，调用决策服务四获取空间教学法评价T4，调用决策服务五，根据自动化协同机制综合T1，T2，T3，T4对初始考试评价进行调整得到调整后的考试评价T5；
技术性指标与非技术指标点评价协同机制，调用决策服务六综合上述T2，T3，T4，T5，根据协同机制得到指标点的达成情况。
2.一种专业认证知识自动化协同决策方法，其特征在于考试评价难易度调整协同机制，该协调机制主要需要以下四种评价手段协同决策：
考试初评：对学生掌握指标点相关教学活动的情况进行考察，分别输入与指标点相关课程的考试信息以及指标点信息，调用决策服务一获取该课程的考试评价T1；
课程群评价：后续课程对新知识点测试时，对学生掌握和运用前修课程知识和能力情况的评价；分别输入后续课程测试信息，调用决策服务二，获取课程群支撑评价T2；
间接评价：用人单位，咨询公司等第三方机构对学生实际工作中能力的评价，输入第三方评价信息，调用决策服务三，获取间接评价T3；
空间教学法评价：在类似世界大学城这样的网络空间中开展教学活动，对学生表现出来的能力进行评价，输入空间教学评价信息，调用决策服务四获取空间教学评价T4；
调用决策服务五，根据自动化协同机制根据T1，T2，T3， T4对初始考试评价进行调整得到调整后的考试评价T5。
3.一种专业认证知识自动化协同决策方法，其特征在于技术性指标点与非技术指标点评价协同机制，该协调机制主要需要以下四种评价手段协同决策：
课程群评价：后续课程对新知识点测试时，对学生掌握和运用前修课程知识和能力情况的评价；分别输入后续课程测试信息，调用决策服务二，获取课程群支撑评价T2；
间接评价：用人单位，咨询公司等第三方机构对学生实际工作中能力的评价，输入第三方评价信息，调用决策服务三，获取间接评价T3；
空间教学法评价：在类似世界大学城这样的网络空间中开展教学活动，对学生表现出来的能力进行评价，输入空间教学评价信息，调用决策服务四获取空间教学评价T4；
考试评价：经难易度调整以后的考试评价，根据自动化协同机制根据T1，T2，T3，T4对初始考试评价进行调整得到调整后的考试评价T5；
若指标点为技术性指标则采用课程群评价，间接评价，空间教学法评价，考试评价四种评价协调决策，若指标点为非技术性指标则采用课程群评价，间接评价，空间教学法评价三种评价手段协调决策。
4.考试评价难易度调整协同机制和技术性指标与非技术指标点评价协同机制其特征在于根据决策需求分析制定决策需求图(DRD)如图2所示，决策所需的知识如下所示：
决策服务一：考试评价合格性规则集；
决策服务二：课程群支撑评价规则集；
决策服务三：间接型评分卡，间接评价合格性规则集；
决策服务四：空间教学法评价评分卡，空间教学法评价合格性规则集；
决策服务五：难易度调整决策树；
决策服务六：技术性指标点与非技术性指标点判断决策树；
其中考试评价合格性评分卡，课程群支撑评价规则集，间接型评分卡，空间教学法评价评分卡，空间教学法评价合格性规则集为已有知识或已定规则；决策服务五所需的难易度调整决策树是通过对初始化阶段人工评审的数据做数据预处理，使用优化的Apriori算法进行数据挖掘，知识评价，知识发现四个部分获取知识，将获取的知识部署进入决策服务五调用决策；决策服务六所需的技术性指标点与非技术性指标点判断决策树则是通过着眼于大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用。
5.决策服务以及决策所需的知识，如下所述：
决策服务一：分别输入与该指标点相关的每一门课程考试相关信息以及指标点信息具体为每一门考试考试试题支撑该指标点的样本平均成绩，考试试题支撑该指标点的样本目标成绩以及教学活动权重系数矩阵；考试评价合格性规则集如下所述：
考试评价值= (1)
决策服务二：输入的后续课程信息为后续考试相关信息为每门后续课程关于支撑该课程考题的考试成绩以及后续课程对该指标点的支撑信息，决策服务二所包含的知识课程群支撑评价规则集如下所述：
课程群支撑评价=/n (2)
决策服务三：输入的第三方信息为用人单位的评价信息，决策服务三中所包含的评分卡为细分评分卡模型，评分卡1为用人单位对毕业要求指标点核心要求重要性的认同程度评分卡，评分卡2为用人单位对毕业生关于该指标点核心要求的表现情况的评价，如图3所示，将指标点置入该评分卡，得到局部评分，将局部评分加和得总评分；评分卡1如图4所示，评分卡2如图5所示；
决策服务三中所需的间接评价规则集如下：
指标点间接评价值=(评分卡1得分+评分卡2得分)/总目标得分 (3)
决策服务四：输入学生参与空间教学活动的相关数据，如图6所示，决策服务四中所包含的空间教学评价评分卡为细分评分卡模型，评分卡3对学生信息搜索与分析的能力进行评价，评分卡4对学生整合信息与获取结论的能力进行评价，评分卡5评价学生的呈现与评价能力，将支持该指标点的课程置入该评分卡，得到局部评分，将局部评分加和得每门课程的总评分；评分卡3如图7所示，评分卡4如图8所示，评分卡5如图9所示；
决策服务四中所需的空间评价法评价规则集如下：
课程空间教学法评价结果=(评分卡1得分+评分卡2得分+评分卡3得分)/总目标得分 (4)
指标点空间教学法评价值= (5)
调用上述决策服务获取各项评价结果。
4.根一种考试评价难易度调整协同机制，所包含的决策服务五所需的难易度调整决策树则是着眼于大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用，如图10所示，历史数据则是初始化时经人供评审的数据；采用经过优化的Apriori算法实现数据挖掘知识发现的过程；
根据优化的Apriori算法进行数据挖掘，获得难易度调整决策树如图11所示，根据间接评价信息与后续课程评价信息对考试评价做难易度调整，ɛ为可调因子，可根据实际情况具体调节；
IF输入信息类型=间接评价信息and 8<评分THEN路径=+1.0ɛ
IF输入信息类型=后续课程评价信息and评分=优THEN路径=+1.5ɛ
其他8条规则与上述类似。
5.一种技术性指标与非技术指标点评价协同机制所包含的决策服务六所需的技术性指标与非技术性指标决策树通过挖掘大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用，如图12所示，历史数据则是初始化时经人供评审的数据；技术性指标与非技术性指标决策树模型如图13所示；
IF输入信息类型=技术性指标点THEN输出T=a×T2+b×T3+c×T4+d×T5, a+b+c+d=1
IF输入信息类型=非技术指标THEN输出T=(T2+ T3+ T4)/3。
6.根据权利要求1所述的一种基于知识自动化的毕业要求达成度预测分析模型与决策服务，其特征在于，步骤六中基于决策需求图表(DRD)中知识节点发现并归纳知识，从决策需求图表(DRD)中获取任务的目标，根据目标收集数据，通过迭代模型连续迭代完善其业务规则。
附图说明
图1为学生毕业要求达成情况的决策管理流程图；
图2为学生毕业要求达成情况的决策流程图；
图3为间接评价评分卡细分模型；
图4指标点重要性认同度评分卡模型；
图5毕业生表现情况评分卡模型；
图6 空间教学评价评分卡细分模型；
图7学生信息搜索与分析的能力评分卡模型；
图8学生学生整合信息与获取结论的能力评分卡模型；
图9学生的呈现与评价能力的评分卡模型；
图10 考试难易度调整决策树发现分析模型；
图11 难易度调整决策树模型；
图12技术性与非技术性指标点评价决策树发现分析模型；
图13技术性指标与非技术性指标决策树模型。
具体实施例
由于各学校针对毕业要求对不同专业所制定的指标点，教学行为评分规则，考试试卷都不一样，本实施例依据某高校电气工程及其自动化专业的指标点8.1理解世界观、人生观的基本意义及其影响的达成情况为例，说明本发明提出的一种基于知识自动化的毕业要求达成度预测分析模型与决策服务，支撑该指标点的教学活动及其所对应的权重系数如下表1所示。
表1 支撑指标点8.1的教学课程权重系数表
分别输入每门课程的考试试题关键词，关于指标点试题考试平均成绩，目标成绩，如下表2所示：
表2 考试评价输入信息
调用决策服务一，根据考试评价规则集可得指标点8.1的考试评价情况如表3所示：
表3指标点8.1的考试评价情况
得到指标点8.1的考试评价达成度为0.69。
输入后续课程考试信息，如下表4所示：
表4指标点后续课程评价输入信息
调用决策服务二中的后续课程评价规则集，得到后续课程评价：
后续课程评价=0.3×(40/50)+0.4×(28/30)+0.3×(58/66)=0.877。
输入用人单位对该指标点核心能力的评价信息，调用决策服务三中的用人单位对毕业要求指标点核心要求重要性的认同程度评分卡1与用人单位对毕业生关于该指标点核心要求的表现情况的评分卡2，评分结果如表5所示：
表5 指标点8.1的间接评价情况
由上述表格可得间接评价的评价值为0.7。
输入空间教学评价信息，调用决策服务四中评分卡1对学生信息搜索与分析的能力进行评价，评分卡2对学生整合信息与获取结论的能力进行评价，评分卡3评价学生的呈现与评价能力，评分结果如表6所示：
表6指标点8.1的空间教学评价情况
指标点空间教学评价法评价值=0.79×0.3+0.83×0.4+0.78×0.3=0.803。
输入间接评价值，后续课程评价值与空间教学评价值，调用决策服务四中的难易度调整决策树，对考试难易度进行调整，调整结果如下表7所示：
表7考试难易度调整结果
经反复试验，专家认证，当=0.02时，能较为全面科学地对考试难易度调整，经过调整后的考试成绩为0.73。
依照上述步骤五，调用决策服务五中技术性指标点与非技术性指标点评价决策树，可知指标点8.1为技术性指标点，经反复测试，专家认证，可令a=0.6,b=0.1,c=0.2,d=0,1得到关于毕业要求指标点8.1的最终达成情况为：
T=0.6×0.73+0.877×0.1+0.2×0.7+0.1×0.803=0.747。

Claims (8)

1.一种专业认证知识自动化协同决策方法，其特征在于提出了多种评价手段的协调决策机制，主要包括以下两部分：
考试评价难易度调整协同机制，通过调用决策服务一获取初始考试评价T1，调用决策服务二获取课程群支撑评价T2，调用决策服务三获取间接评价T3，调用决策服务四获取空间教学法评价T4，调用决策服务五，根据自动化协同机制综合T1，T2，T3，T4对初始考试评价进行调整得到调整后的考试评价T5；
技术性指标与非技术指标点评价协同机制，调用决策服务六综合上述T2，T3，T4，T5，根据协同机制得到指标点的达成情况。
2.根据权利要求1所述的一种专业认证知识自动化协同决策方法，其特征在于考试评价难易度调整协同机制，该协调机制主要需要以下四种评价手段协同决策：
考试初评：对学生掌握指标点相关教学活动的情况进行考察，分别输入与指标点相关课程的考试信息以及指标点信息，调用决策服务一获取该课程的考试评价T1；
课程群评价：后续课程对新知识点测试时，对学生掌握和运用前修课程知识和能力情况的评价；分别输入后续课程测试信息，调用决策服务二，获取课程群支撑评价T2；
间接评价：用人单位，咨询公司等第三方机构对学生实际工作中能力的评价，输入第三方评价信息，调用决策服务三，获取间接评价T3；
空间教学法评价：在类似世界大学城这样的网络空间中开展教学活动，对学生表现出来的能力进行评价，输入空间教学评价信息，调用决策服务四获取空间教学评价T4；
调用决策服务五，根据自动化协同机制根据T1，T2，T3， T4对初始考试评价进行调整得到调整后的考试评价T5。
3.根据权利要求1所述的一种专业认证知识自动化协同决策方法，其特征在于技术性指标点与非技术指标点评价协同机制，该协调机制主要需要以下四种评价手段协同决策：
课程群评价：后续课程对新知识点测试时，对学生掌握和运用前修课程知识和能力情况的评价；分别输入后续课程测试信息，调用决策服务二，获取课程群支撑评价T2；
间接评价：用人单位，咨询公司等第三方机构对学生实际工作中能力的评价，输入第三方评价信息，调用决策服务三，获取间接评价T3；
空间教学法评价：在类似世界大学城这样的网络空间中开展教学活动，对学生表现出来的能力进行评价，输入S-ISAL评价信息，调用决策服务四获取空间教学评价T4；
考试评价：经难易度调整以后的考试评价，根据自动化协同机制根据T1，T2，T3， T4对初始考试评价进行调整得到调整后的考试评价T5；
若指标点为技术性指标则采用课程群评价，间接评价，空间教学法评价，考试评价四种评价协调决策，若指标点为非技术性指标则采用课程群评价，间接评价，空间教学法评价三种评价手段协调决策。
4.根据权利要求1所述的一种考试评价难易度调整协同机制和技术性指标与非技术指标点评价协同机制其特征在于根据决策需求分析制定决策需求图（DRD），决策所需的知识如下所示：
决策服务一：考试评价合格性规则集；
决策服务二：课程群支撑评价规则集；
决策服务三：间接型评分卡，间接评价合格性规则集；
决策服务四：空间教学法评价评分卡，空间教学法评价合格性规则集；
决策服务五：难易度调整决策树；
决策服务六：技术性指标点与非技术性指标点判断决策树；
其中考试评价合格性评分卡，课程群支撑评价规则集，间接型评分卡，空间教学法评价评分卡，空间教学法评价合格性规则集为已有知识或已定规则；决策服务五所需的难易度调整决策树是通过对初始化阶段人工评审的数据做数据预处理，使用优化的Apriori算法进行数据挖掘，知识评价，知识发现四个部分获取知识，将获取的知识部署进入决策服务五调用决策；决策服务六所需的技术性指标点与非技术性指标点判断决策树则是通过着眼于大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用。
5.根据权利要求4所述的决策服务以及决策所需的知识，其特征在于，
决策服务一：分别输入与该指标点相关的每一门课程考试相关信息以及指标点信息具体为每一门考试考试试题支撑该指标点的样本平均成绩，考试试题支撑该指标点的样本目标成绩以及教学活动权重系数矩阵；考试评价合格性规则集如下所述：
考试评价值= (1)
决策服务二：输入的后续课程信息为后续考试相关信息为每门后续课程关于支撑该课程考题的考试成绩以及后续课程对该指标点的支撑信息；决策服务二所包含的知识课程群支撑评价规则集如下所述：
课程群支撑评价=/n (2)
决策服务三：输入的第三方信息为用人单位的评价信息，决策服务三中所包含的评分卡为细分评分卡模型，评分卡1为用人单位对毕业要求指标点核心要求重要性的认同程度评分卡，评分卡2为用人单位对毕业生关于该指标点核心要求的表现情况的评价将指标点置入该评分卡，得到局部评分，将局部评分加和得总评分；决策服务三中所需的间接评价规则集如下所述：
指标点间接评价值=（评分卡1得分+评分卡2得分）/总目标得分 (3)
决策服务四：输入学生参与空间教学活动的相关数据，决策服务四中所包含的空间教学评价评分卡为细分评分卡模型，评分卡3对学生信息搜索与分析的能力进行评价，评分卡4对学生整合信息与获取结论的能力进行评价，评分卡5评价学生的呈现与评价能力，将支持该指标点的课程置入该评分卡，得到局部评分，将局部评分加和得每门课程的总评分；决策服务四中所需的空间评价法评价规则集如下：
课程空间教学法评价结果=（评分卡1得分+评分卡2得分+评分卡3得分）/总目标得分 (4)
指标点空间教学法评价值= (5)
通过调用上述决策服务获取各项评价结果。
6.根据权利要求1所述的一种考试评价难易度调整协同机制，其特征在于，决策服务五所需的难易度调整决策树则是着眼于大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用，如图4所示，历史数据则是初始化时经人供评审的数据；采用经过优化的Apriori算法实现数据挖掘知识发现的过程；根据优化的Apriori算法进行数据挖掘，获得难易度调整决策树，根据间接评价信息，后续课程评价信息以及空间教学评价对考试评价做难易度调整。
7.根据权利要求1所述的一种技术性指标与非技术指标点评价协同机制，其特征在于，决策服务六所需的技术性指标与非技术性指标决策树是通过挖掘大量的历史数据，对比分析输入数据与其最终输出结果的关系，从而从输入资料中找出某些可最优预测输出结果的特征，将这些特征表示于一个决策树中，该决策树即可作为知识封装进入决策服务，供决策调用，历史数据则是初始化时经人供评审的数据。
8.根据权利要求1所述的一种专业认证知识自动化协同决策方法，其特征在于，步骤六中基于决策需求图表（DRD）中知识节点发现并归纳知识，从决策需求图表（DRD）中获取任务的目标，根据目标收集数据，通过迭代模型连续迭代完善其业务规则。
CN201610188227.2A 2016-03-29 2016-03-29 专业认证知识自动化协同决策方法 Pending CN105938574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610188227.2A CN105938574A (zh) 2016-03-29 2016-03-29 专业认证知识自动化协同决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610188227.2A CN105938574A (zh) 2016-03-29 2016-03-29 专业认证知识自动化协同决策方法

Publications (1)

Publication Number Publication Date
CN105938574A true CN105938574A (zh) 2016-09-14

Family

ID=57151902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610188227.2A Pending CN105938574A (zh) 2016-03-29 2016-03-29 专业认证知识自动化协同决策方法

Country Status (1)

Country Link
CN (1) CN105938574A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734370A (zh) * 2017-12-27 2018-11-02 上海储翔信息科技有限公司 一种基于机器学习、大数据挖掘的智能课程评分系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734370A (zh) * 2017-12-27 2018-11-02 上海储翔信息科技有限公司 一种基于机器学习、大数据挖掘的智能课程评分系统

Similar Documents

Publication Publication Date Title
Duan et al. Education application of blockchain technology: Learning outcome and meta-diploma
Hummelsheim et al. The German dual system of initial vocational education and training and its potential for transfer to Asia
CN109345101A (zh) 基于综合评价分析法的教育质量评价分析方法
Aslam et al. The impact of teacher qualifications and experience on student satisfaction: a mediating and moderating research model
CN105931153A (zh) 一种基于神经网络预测分析模型的问卷调查间接评估方法
CN109903201A (zh) 个性化培养方案生成方法和系统
CN115564616A (zh) 一种教育培训管理系统
CN105095085B (zh) 一种基于web的软件测试实训系统及方法
Nilsen et al. Teacher Competence and Equity in the Nordic Countries. Mediation and moderation of the relation between SES and achievement
Adams et al. Work in progress—A conceptions of design instrument as an assessment tool
Galvão Making the Case for Vocational Education and Training improvement: Issues and challenges
CN105938574A (zh) 专业认证知识自动化协同决策方法
CN105894091A (zh) 一种基于协同决策机制的试题难易度因子知识发现方法
CN110503346A (zh) 基于数据深度分析的校本培训质量评估平台、系统及方法
Ali et al. How Socioeconomic Classes Influence Academic Grades of Elementary School Students? Defining Mediation Role of School Backgrounds and Cognitive Processing Strategies
Yi et al. [Retracted] Construction and Index Analysis of Whole Chain Linkage Talent Training System Based on Fuzzy AHP Model
Iatarola Implications for scaling up advanced course offerings and takings: Evidence from Florida
Bass et al. Development and Factor Analysis of the Protective Factors Index: A Report Card Section Related to the Work of School Counselors.
Fardian et al. The effects of problem-based learning on mathematical proficiency: A combined bibliometric analysis and meta-analysis review
Lunenburg Strategic planning: Deliberate organizational change
Hussain et al. Digitally Automated Assessment of Outcomes Classified Per Bloom’s Three Domains and Based on Frequency and Types of Assessments
Yin Educational ability evaluation of japanese language teacher under MOOC environment
Chao et al. Construction of a competency analysis model for vocational high schools
Diyer et al. Assessment of Scientific Learning Skills Based on Artificial Intelligence
Zanini et al. The importance of teaching styles and curriculum in mathematics: Analysis of TIMSS 2011

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160914

WD01 Invention patent application deemed withdrawn after publication