CN106095812A - 一种基于相似性度量的智能试卷生成方法 - Google Patents
一种基于相似性度量的智能试卷生成方法 Download PDFInfo
- Publication number
- CN106095812A CN106095812A CN201610377656.4A CN201610377656A CN106095812A CN 106095812 A CN106095812 A CN 106095812A CN 201610377656 A CN201610377656 A CN 201610377656A CN 106095812 A CN106095812 A CN 106095812A
- Authority
- CN
- China
- Prior art keywords
- difficulty
- targeted customer
- examination question
- similarity
- test paper
- 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 23
- 238000012360 testing method Methods 0.000 title claims abstract description 22
- 238000005259 measurement Methods 0.000 title claims abstract description 12
- 239000000463 material Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract 1
- 238000000205 computational method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (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
本发明公开了一种基于相似性度量的智慧试卷生成方法,包括以下步骤:(A)让目标用户选择具体的科目;(B)根据步骤A中选择的科目,从题库中筛选出属于该科目的试题;(C)计算目标用户与系统内其他用户的学习水平相似度;(D)根据与目标用户学习水平相似度高的其他用户的做题历史数据,推断出所筛选的试题对于该目标用户的难度;(E)将步骤D中难度系数在某一区间的试题编制成一套试卷供目标用户测试。本发明与传统的试卷编制相比,本发明的优点是有能针对学生的水平,智能编制出适合学生难度的试卷,极大地提供了学生的学习效率和学习积极性。
Description
技术领域
本发明属于在线教育产品,具体涉及一种基于相似性度量的智能试卷生成方法。
背景技术
目前在线教育领域众多平台都有编制试卷的功能,所采取的方法是根据学生的学段和教材版本选择这个范围内的题目来编制试卷。
由于即使学生学段和教材版本相同,但是不同学校之间的学生水平是有差异的,即使同一个班级的学生之间的水平也是有差异的,传统的编制试卷方法并没有考虑到这些差异性,而是统一处理,编制出相同的试卷。这样编制出来的试卷不能很好地针对学生的水平,也就让练习的效果大打折扣。掌握比较好的学生会觉得试卷太简单没有练习的价值,而掌握比较差的学生会觉得试卷太难根本无从下手。而本发明的意图就是解决这种编制试卷不能切合每个学生个人水平的问题。
发明内容
为解决上述技术问题,本发明的目的是提供一种基于相似性度量的智能试卷生成方法。
本发明采用的技术方案是:
一种基于相似性度量的智能试卷生成方法,包括以下步骤:(A)让目标用户选择具体的科目;(B)根据步骤A中选择的科目,从题库中筛选出属于该科目的试题;(C)计算目标用户与系统内其他用户的学习水平相似度;(D)根据与目标用户学习水平相似度高的其他用户的做题历史数据,推断出所筛选的试题对于该目标用户的难度;(E)将步骤D中难度系数在某一区间的试题编制成一套试卷供目标用户测试。
所述基于相似性度量的智能试卷生成方法其还包括步骤(F)将目标用户做完所述试卷后的实际难度与预测难度比较并得出误差值。
所述步骤(C)包括以下步骤:(C1)记录并保存所有用户练习做题时所用的时间和正确率;(C2)建立用户和试题的二维矩阵模型,矩阵的每一个数据为做题时间和正确率构成的试题难度;(C3)在所述二维矩阵模型中采用皮尔逊相关系数法来计算目标用户与其他用户的相似度。
所述步骤(D)包括以下步骤:(D1)计算某个试题对于当前目标用户的预测难度,该预测难度=,其中S表示目标用户与用户i之间的相似度,t表示该试题对于用户i的难度,n为所有用户的数量;(D2)将预测难度与步骤F中的误差值相乘得到该试题对于目标用户的难度系数;(D3)循环步骤D1和D2,计算出每一道试题对于目标用户的难度系数。
所述步骤(A)还包括选择目标用户所在的学段和/或教材版本。
本发明的有益效果:
本发明与传统的试卷编制相比,本发明的优点是有能针对学生的水平,智能编制出适合学生难度的试卷,极大地提供了学生的学习效率和学习积极性。
附图说明
下面结合附图对本发明的具体实施方式做进一步的说明。
图1是本发明的主流程图;
图2是本发明步骤C的子流程图;
图3是本发明步骤D的子流程图。
具体实施方式
参考图1所示,为本发明的一种基于相似性度量的智能试卷生成方法,包括以下步骤:(目标用户以学生为例)
(A)学生选择所在的学段,学科和教材版本,如果平台已经存在学生的学段和教材版本等信息,则此步骤只需要学生选择想要做练习的科目即可。
(B)根据步骤A中学生的学段、学科和教材版本,从题库中筛选出符合条件的试题。
(C)计算学生与其他学生的相似度,根据学生之前的做题历史,找出学生之间的相似度,这里的相似度是指学生的学习水平的相似。举个例子,如果两个学生的以往的做题练习过程中,答对和答错的试题很大程度上是相同的话,那么我们认为这两个学生的水平是相近的。如图2所示,步骤C具体包括以下子步骤:
(C1)、当学生在平台做练习的时候,记录每一个试题所用的时间和正确率,并将其保存在系统中;
(C2)、通过C1中采集的用户记录,对系统中所有用户和试题进行建模,模型是一个二维的矩阵(可以参考excel中的表格),每一行代表一个用户,每一列代表一个试题,所以每个数据代表具体的一个用户对某一个试题的难度;
(C3)、利用C2中得到的模型,计算目标用户与其他用户的相似度,所采取的方法是通过皮尔逊相关系数来计算用户相似度。
(D)计算试题难度是在C步骤的基础上进行的,根据与学生相似度高的其他学生的做题历史,推断出试题对于该学生的难度。举个例子,如果大多数跟该学生相似度高的其他学生做试题一的时候觉得比较困难的话,那么我们有很大把握推断出对于该学生来说,试题一是比较困难的。如图3所示,步骤D具体包括以下子步骤:
(D1)、从C步骤中我们得到了当前登录用户与其他用户之间的相似度,通过用户间的相似度和其他用户的做题历史,我们可以计算出某个试题对于当前登录用户的一个预测难度。计算方法如下所示:该预测难度=,其中S表示目标用户与用户i之间的相似度,t表示该试题对于用户i的难度,n为所有用户的数量;整个计算方法意思针对每个其他用户,将他与目标用户的相似度和试题的难度相乘之后求和,得到的结果除以所有其他用户与目标用户的相似度之和;
(D2)、我们在D1中得到了试题的初始预测难度之后,还需要将初始预测难度与预测误差相乘,这是由于预测结果会与真实结果之间存在一个小误差,这个误差我们在步骤F中会计算得到,这个误差值表示这套方法的预测值与真实情况的误差,通过将初始预测难度与预测误差相乘的方法,可以有效减少最终误差。
(D3)、通过步骤D1和D2可以计算出某个试题对于学生的难度系数,通过循环这个过程,我们就可以计算出每一道试题对于学生的难度系数。
(E)将标识了难度系数的试题进行整理,编制出一套难度适中的试卷。
(F)在学生完成试卷之后,将试题对于学生的实际难度跟我们预测的难度进行比较,得出预测值与实际值之间的误差。
(G)流程结束。
如上所述,可以看出本发明与传统的试卷编制相比,本发明的优点是有能针对学生的水平,智能编制出适合学生难度的试卷,极大地提供了学生的学习效率和学习积极性。
以上所述仅为本发明的优先实施方式,本发明并不限定于上述实施方式,只要以基本相同手段实现本发明目的的技术方案都属于本发明的保护范围之内。
Claims (5)
1.一种基于相似性度量的智能试卷生成方法,其特征在于包括以下步骤:(A)让目标用户选择具体的科目;(B)根据步骤A中选择的科目,从题库中筛选出属于该科目的试题;(C)计算目标用户与系统内其他用户的学习水平相似度;(D)根据与目标用户学习水平相似度高的其他用户的做题历史数据,推断出所筛选的试题对于该目标用户的难度;(E)将步骤D中难度系数在某一区间的试题编制成一套试卷供目标用户测试。
2.根据权利要求1所述的一种基于相似性度量的智能试卷生成方法,其特征在于:其还包括步骤(F)将目标用户做完所述试卷后的实际难度与预测难度比较并得出误差值。
3.根据权利要求2所述的一种基于相似性度量的智能试卷生成方法,其特征在于:所述步骤(C)包括以下步骤:(C1)记录并保存所有用户练习做题时所用的时间和正确率;(C2)建立用户和试题的二维矩阵模型,矩阵的每一个数据为做题时间和正确率构成的试题难度;(C3)在所述二维矩阵模型中采用皮尔逊相关系数法来计算目标用户与其他用户的相似度。
4.根据权利要求3所述的一种基于相似性度量的智能试卷生成方法,其特征在于:所述步骤(D)包括以下步骤:(D1)计算某个试题对于当前目标用户的预测难度,该预测难度=,其中S表示目标用户与用户i之间的相似度,t表示该试题对于用户i的难度,n为所有用户的数量;(D2)将预测难度与步骤F中的误差值相乘得到该试题对于目标用户的难度系数;(D3)循环步骤D1和D2,计算出每一道试题对于目标用户的难度系数。
5.根据权利要求1所述的一种基于相似性度量的智能试卷生成方法,其特征在于:所述步骤(A)还包括选择目标用户所在的学段和/或教材版本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610377656.4A CN106095812A (zh) | 2016-05-31 | 2016-05-31 | 一种基于相似性度量的智能试卷生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610377656.4A CN106095812A (zh) | 2016-05-31 | 2016-05-31 | 一种基于相似性度量的智能试卷生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106095812A true CN106095812A (zh) | 2016-11-09 |
Family
ID=57230504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610377656.4A Pending CN106095812A (zh) | 2016-05-31 | 2016-05-31 | 一种基于相似性度量的智能试卷生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106095812A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600489A (zh) * | 2016-11-30 | 2017-04-26 | 广东小天才科技有限公司 | 一种标记失误试题的方法及装置 |
CN107220917A (zh) * | 2017-06-06 | 2017-09-29 | 高岩峰 | 一种自动生成等价测题的系统 |
CN107818707A (zh) * | 2017-11-22 | 2018-03-20 | 浙江中医药大学 | 一种自动出题的考试系统 |
CN107832453A (zh) * | 2017-11-24 | 2018-03-23 | 重庆科技学院 | 面向个性化学习方案的虚拟试卷推荐方法 |
CN108198474A (zh) * | 2018-01-30 | 2018-06-22 | 广东小天才科技有限公司 | 一种学习数据生成方法、装置及设备 |
CN109086939A (zh) * | 2018-08-14 | 2018-12-25 | 合肥知多少教育科技有限公司 | 一种做题结果的录入方法及装置 |
CN109544414A (zh) * | 2018-10-23 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 数据处理方法、装置、服务器及计算机可读存储介质 |
CN110245207A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN111079020A (zh) * | 2019-12-19 | 2020-04-28 | 联想(北京)有限公司 | 输出方法、装置及电子设备 |
CN111160606A (zh) * | 2019-11-27 | 2020-05-15 | 科大讯飞股份有限公司 | 试题难度预测方法及相关装置 |
CN112749881A (zh) * | 2020-12-25 | 2021-05-04 | 科大讯飞股份有限公司 | 学校间的学业水平比较方法、装置及电子设备 |
-
2016
- 2016-05-31 CN CN201610377656.4A patent/CN106095812A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600489A (zh) * | 2016-11-30 | 2017-04-26 | 广东小天才科技有限公司 | 一种标记失误试题的方法及装置 |
CN107220917B (zh) * | 2017-06-06 | 2020-05-08 | 高岩峰 | 一种自动生成等价测题的系统 |
CN107220917A (zh) * | 2017-06-06 | 2017-09-29 | 高岩峰 | 一种自动生成等价测题的系统 |
CN107818707A (zh) * | 2017-11-22 | 2018-03-20 | 浙江中医药大学 | 一种自动出题的考试系统 |
CN107832453A (zh) * | 2017-11-24 | 2018-03-23 | 重庆科技学院 | 面向个性化学习方案的虚拟试卷推荐方法 |
CN108198474A (zh) * | 2018-01-30 | 2018-06-22 | 广东小天才科技有限公司 | 一种学习数据生成方法、装置及设备 |
CN109086939A (zh) * | 2018-08-14 | 2018-12-25 | 合肥知多少教育科技有限公司 | 一种做题结果的录入方法及装置 |
CN109544414A (zh) * | 2018-10-23 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 数据处理方法、装置、服务器及计算机可读存储介质 |
CN110245207A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN110245207B (zh) * | 2019-05-31 | 2021-07-06 | 深圳市轱辘车联数据技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN111160606A (zh) * | 2019-11-27 | 2020-05-15 | 科大讯飞股份有限公司 | 试题难度预测方法及相关装置 |
CN111160606B (zh) * | 2019-11-27 | 2024-04-12 | 科大讯飞股份有限公司 | 试题难度预测方法及相关装置 |
CN111079020A (zh) * | 2019-12-19 | 2020-04-28 | 联想(北京)有限公司 | 输出方法、装置及电子设备 |
CN112749881A (zh) * | 2020-12-25 | 2021-05-04 | 科大讯飞股份有限公司 | 学校间的学业水平比较方法、装置及电子设备 |
CN112749881B (zh) * | 2020-12-25 | 2023-10-27 | 科大讯飞股份有限公司 | 学校间的学业水平比较方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106095812A (zh) | 一种基于相似性度量的智能试卷生成方法 | |
CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
CN112508334B (zh) | 融合认知特性及试题文本信息的个性化组卷方法及系统 | |
CN107274020B (zh) | 一种基于协同过滤思想的学习者学科总测成绩预测系统及方法 | |
CN111159419B (zh) | 基于图卷积的知识追踪数据处理方法、系统和存储介质 | |
CN110378818A (zh) | 基于难度的个性化习题推荐方法、系统及介质 | |
CN110941723A (zh) | 一种知识图谱的构建方法、系统及存储介质 | |
Yin et al. | A particle swarm optimization approach to composing serial test sheets for multiple assessment criteria | |
CN111461442B (zh) | 基于联邦学习的知识追踪的方法及系统 | |
CN106777402B (zh) | 一种基于稀疏神经网络的图像检索文本方法 | |
Srisawasdi et al. | Technology-enhanced learning in science, technology, and mathematics education: results on supporting student learning | |
CN110807509A (zh) | 一种基于贝叶斯神经网络的深度知识追踪方法 | |
CN109840595A (zh) | 一种基于群体学习行为特征的知识追踪方法 | |
CN106373057A (zh) | 一种面向网络教育的成绩不良学习者识别方法 | |
CN110288878A (zh) | 自适应学习方法及装置 | |
CN109902371A (zh) | 一种基于深度强化学习的智能排课方法 | |
CN105205504A (zh) | 一种基于数据驱动的图像关注区域质量评价指标学习方法 | |
CN116361697A (zh) | 一种基于异构图神经网络模型的学习者学习状态预测方法 | |
CN114429212A (zh) | 智能学习知识能力跟踪方法、电子设备及存储介质 | |
CN110366735A (zh) | 分析数据的方法、设备及计算机程序 | |
CN110222838A (zh) | 深度神经网络及其训练方法、装置、电子设备及存储介质 | |
CN105938524A (zh) | 一种微生物关联网络预测方法及装置 | |
Sreenivasulu et al. | Implementation of latest machine learning approaches for students grade prediction | |
CN111898803A (zh) | 一种习题预测方法、系统、设备及存储介质 | |
Maslovskyi et al. | Adaptive test system of student knowledge based on neural networks |
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: 20161109 |