CN106448306A - 答题数据的处理方法和处理系统 - Google Patents

答题数据的处理方法和处理系统 Download PDF

Info

Publication number
CN106448306A
CN106448306A CN201611042797.7A CN201611042797A CN106448306A CN 106448306 A CN106448306 A CN 106448306A CN 201611042797 A CN201611042797 A CN 201611042797A CN 106448306 A CN106448306 A CN 106448306A
Authority
CN
China
Prior art keywords
examination question
data
student
answer
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
Application number
CN201611042797.7A
Other languages
English (en)
Inventor
万海燕
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.)
ZTE ICT Technologies Co Ltd
Original Assignee
ZTE ICT Technologies 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 ZTE ICT Technologies Co Ltd filed Critical ZTE ICT Technologies Co Ltd
Priority to CN201611042797.7A priority Critical patent/CN106448306A/zh
Publication of CN106448306A publication Critical patent/CN106448306A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提出了一种答题数据的处理方法和处理系统，其中，所述答题数据的处理方法包括：采集单元采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；生成单元根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。通过本发明的技术方案，可以高效、准确地确定不同学生的学习情况。

Description

答题数据的处理方法和处理系统
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种答题数据的处理方法和一种答题数据的处理系统。
背景技术
目前的线下教学还停留在千篇一律的教学模式，同一老师为不同的学习情况的学生讲课时，会出现领悟能力高的学生感到厌烦，领悟能力差的学生感到吃力。若要根据学生的学习情况为学生讲课时，就需要确定不同学生的学习情况。目前是老师根据学生的学习情况进行分析来确定学生的学习情况，但是，此方案不仅效率低还不够准确。
因此，如何高效、准确地确定不同学生的学习情况成为亟待解决的技术问题。
发明内容
本发明正是基于上述问题，提出了一种新的技术方案，可以高效、准确地确定不同学生的学习情况。
有鉴于此，本发明的第一方面提出了一种答题数据的处理方法，包括：采集单元采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；生成单元根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
在该技术方案中，根据学生作答试题的数据，可以自动分析出学生的学习情况，避免了老师根据学生平常的学习成绩来确定各个学生的学习情况，从而实现了高效、准确地确定不同学生的学习情况，帮助学生准确地找出自身学习的弱点和不足，进而使得学生可以根据自身的学习情况有针对性地进行学习。另外，还根据学生作答试题的数据生成试题修正报告，以根据试题修正报告删除非常难、知识点过于偏的试题。
在上述技术方案中，优选地，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
在该技术方案中，通过以上多个方面可以准确地分析每名学生的学习情况，从而保证了生成的学习建议更加符合学生个人的学习情况。
在上述任一技术方案中，优选地，所述分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量的步骤，具体包括：所述分析单元根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间；所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
在该技术方案中，若试题多次推送但被学生使用的次数过少或未被学生使用过，即学生放弃作答的次数比较多，则说明该试题的知识点比较偏或者不适合学生，若试题的答对率很低或者学生对试题的答题时间很长，则说明该试题非常难，在试题比较偏或者试题非常难的情况下，该试题的质量比较低，就可以建议管理员修正试题的难度等级或者试题的推荐级别，从而满足学生对不同试题的需求。通过以上方案，大量的学生做题后，对学生做题的结果进行分析，以根据分析结果可以不断地对试题进行修正，使之更符合现况。
在上述任一技术方案中，优选地，所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量的步骤，具体包括：所述分析单元对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值；所述分析单元根据所述加权值确定所述每个试题的质量。
在该技术方案中，通过对每个试题的使用次数、答对率和答题时间进行加权计算，以根据加权计算的结果准确地确定出每个试题的质量。例如，若试题的加权计算得到的加权值在第一范围内时，则确定该试题的质量高，若试题的加权计算得到的加权值在第二范围内时，则确定该试题的质量中等，若试题的加权计算得到的加权值在第三范围内时，则确定该试题的质量低。
在上述任一技术方案中，优选地，所述分析单元对所述数据进行分析之前，还包括：格式转换单元将不同格式的所述数据转换成统一标准格式的所述数据。
在该技术方案中，由于从不同渠道采集的数据的格式不同，因此将不同格式的数据转换成统一标准格式的数据，从而保证了分析数据时的高效性和可靠性。
在上述任一技术方案中，优选地，所述数据包括线上数据和线下数据。
在该技术方案中，从线上和线下采集学生作答试题的数据，保证了采集数据的全面性，从而保证了分析结果的准确性。
本发明的第二方面提出了一种答题数据的处理系统，包括：采集单元，用于采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；分析单元，用于对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；生成单元，用于根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
在该技术方案中，根据学生作答试题的数据，可以自动分析出学生的学习情况，避免了老师根据学生平常的学习成绩来确定各个学生的学习情况，从而实现了高效、准确地确定不同学生的学习情况，帮助学生准确地找出自身学习的弱点和不足，进而使得学生可以根据自身的学习情况有针对性地进行学习。另外，还根据学生作答试题的数据生成试题修正报告，以根据试题修正报告删除非常难、知识点过于偏的试题。
在上述技术方案中，优选地，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
在该技术方案中，通过以上多个方面可以准确地分析每名学生的学习情况，从而保证了生成的学习建议更加符合学生个人的学习情况。
在上述任一技术方案中，优选地，所述分析单元具体用于，根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间，根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
在该技术方案中，若试题多次推送但被学生使用的次数过少或未被学生使用过，即学生放弃作答的次数比较多，则说明该试题的知识点比较偏或者不适合学生，若试题的答对率很低或者学生对试题的答题时间很长，则说明该试题非常难，在试题比较偏或者试题非常难的情况下，该试题的质量比较低，就可以建议管理员修正试题的难度等级或者试题的推荐级别，从而满足学生对不同试题的需求。通过以上方案，大量的学生做题后，对学生做题的结果进行分析，以根据分析结果可以不断地对试题进行修正，使之更符合现况。
在上述任一技术方案中，优选地，所述分析单元具体用于，对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值，根据所述加权值确定所述每个试题的质量。
在该技术方案中，通过对每个试题的使用次数、答对率和答题时间进行加权计算，以根据加权计算的结果准确地确定出每个试题的质量。例如，若试题的加权计算得到的加权值在第一范围内时，则确定该试题的质量高，若试题的加权计算得到的加权值在第二范围内时，则确定该试题的质量中等，若试题的加权计算得到的加权值在第三范围内时，则确定该试题的质量低。
在上述任一技术方案中，优选地，还包括：格式转换单元，用于将不同格式的所述数据转换成统一标准格式的所述数据。
在该技术方案中，由于从不同渠道采集的数据的格式不同，因此将不同格式的数据转换成统一标准格式的数据，从而保证了分析数据时的高效性和可靠性。
在上述任一技术方案中，优选地，所述数据包括线上数据和线下数据。
在该技术方案中，从线上和线下采集学生作答试题的数据，保证了采集数据的全面性，从而保证了分析结果的准确性。
通过本发明的技术方案，可以高效、准确地确定不同学生的学习情况。
附图说明
图1示出了根据本发明的一个实施例的答题数据的处理方法的流程示意图；
图2示出了根据本发明的另一个实施例的答题数据的处理方法的流程示意图；
图3示出了根据本发明的实施例的答题数据的处理系统的结构示意图。
具体实施方式
为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的答题数据的处理方法的流程示意图。
如图1所示，根据本发明的一个实施例的答题数据的处理方法，包括：
步骤102，采集单元采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据。
步骤104，分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况。
步骤106，生成单元根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
其中，学习建议包括：学生的学习情况和根据学习情况向学生推荐的试题。可以将该学习建议发送给学生、老师或者家长的终端。
在该技术方案中，根据学生作答试题的数据，可以自动分析出学生的学习情况，避免了老师根据学生平常的学习成绩来确定各个学生的学习情况，从而实现了高效、准确地确定不同学生的学习情况，帮助学生准确地找出自身学习的弱点和不足，进而使得学生可以根据自身的学习情况有针对性地进行学习。另外，还根据学生作答试题的数据生成试题修正报告，以根据试题修正报告删除非常难、知识点过于偏的试题。
在上述技术方案中，优选地，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
具体地，根据学生对难易程度不同的试题的答对率，分析出学生对难易试题的掌握情况。获取与知识点相关联的试题，根据学生对该试题的答对率，确定学生对不同知识点的掌握情况。获取与章节内容相关联的试题，根据学生对该试题的答对率，确定学生对不同章节内容的掌握情况。获取任一学科相关联的试题，根据学生对该试题的答对率，确定学生对不同学科的掌握情况，即学生对哪个学科掌握的比较好，对哪个学科掌握的比较差。获取学生作答试题的时间，在作答试题正确的情况下，学生作答试题的时间越短，学生对试题相关联的知识点掌握的就越好。还可以获取同一学生在不同阶段的作答试题的数据，以分析出该学生的成绩走势，例如，分析出该学生的成绩是下降还是提升。还可以分析出学生对不同题型的答题能力，例如，英语这一学科中具有代表性的题型包括听力、写作、阅读理解、选择题，根据答对率和难易程度别定制出四个答题能力的等级，如薄弱、一般、较好和熟练，分别分析得出听力能力、写作能力、阅读理解能力、选择题能力的等级。
在该技术方案中，通过以上多个方面可以准确地分析每名学生的学习情况，从而保证了生成的学习建议更加符合学生个人的学习情况。
在上述任一技术方案中，优选地，所述分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量的步骤，具体包括：所述分析单元根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间；所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
在该技术方案中，若试题多次推送但被学生使用的次数过少或未被学生使用过，即学生放弃作答的次数比较多，则说明该试题的知识点比较偏或者不适合学生，若试题的答对率很低或者学生对试题的答题时间很长，则说明该试题非常难，在试题比较偏或者试题非常难的情况下，该试题的质量比较低，就可以建议管理员修正试题的难度等级或者试题的推荐级别，从而满足学生对不同试题的需求。通过以上方案，大量的学生做题后，对学生做题的结果进行分析，以根据分析结果可以不断地对试题进行修正，使之更符合现况。
在上述任一技术方案中，优选地，所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量的步骤，具体包括：所述分析单元对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值；所述分析单元根据所述加权值确定所述每个试题的质量。
在该技术方案中，通过对每个试题的使用次数、答对率和答题时间进行加权计算，以根据加权计算的结果准确地确定出每个试题的质量。例如，若试题的加权计算得到的加权值在第一范围内时，则确定该试题的质量高，若试题的加权计算得到的加权值在第二范围内时，则确定该试题的质量中等，若试题的加权计算得到的加权值在第三范围内时，则确定该试题的质量低。
另外，采集学生的易错试题，以供老师参考易错试题进行讲课，使得老师的讲课有针对性，也进一步地巩固学生的学习。其中，若做错试题的学生数量超过预设值时，则可确定该试题为易错试题。
在上述任一技术方案中，优选地，所述分析单元对所述数据进行分析之前，还包括：格式转换单元将不同格式的所述数据转换成统一标准格式的所述数据。
在该技术方案中，由于从不同渠道采集的数据的格式不同，因此将不同格式的数据转换成统一标准格式的数据，从而保证了分析数据时的高效性和可靠性。
在上述任一技术方案中，优选地，所述数据包括线上数据和线下数据。
在该技术方案中，从线上和线下采集学生作答试题的数据，保证了采集数据的全面性，从而保证了分析结果的准确性。
多维度、多渠道采集学生作答试题的数据，多维度指的是采集与学生相关的老师、学生、家长、同学对该学生在作答试题时的评价数据，多渠道主要是线上和线下采集学生作答试题的数据，线上包括PC(Personal Computer，个人电脑)、WAP(Wireless ApplicationProtocol，无线应用通信协议)页面、App(Application，应用程序)，线下包括考试、作业、练习、阅读，避免后面分析出现盲点。
图2示出了根据本发明的另一个实施例的答题数据的处理方法的流程示意图。
如图2所示，根据本发明的另一个实施例的答题数据的处理方法，包括：
步骤202，从多个渠道采集学生作答试题的数据。具体地，从学生的作业(作业批改的分数和评语)、试卷(试卷批改的分数和评语)、阅读、练习(练习批改的分数和评语)、用户行为日志、浏览的网页采集数据，还可以从老师、家长和同学的评价中采集数据。该数据包括作答试题的结果数据和作答试题的行为数据。
步骤204，将非结构化数据转换成结构化数据，将多个渠道的数据统一为相同格式的数据。
步骤206，根据分析规则全方位分析学生的学习情况和试题的质量。
步骤208，根据用户的学习情况输出分析报告和学习建议。还可以根据试题的质量生成试题修正报告，以供用户根据该试题修正报告编辑试题或删除试题。
图3示出了根据本发明的实施例的答题数据的处理系统的结构示意图。
如图3所示，根据本发明的实施例的答题数据的处理系统300，包括：采集单元302、分析单元304和生成单元306。
采集单元302，用于采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；分析单元304，用于对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；生成单元306，用于根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
在该技术方案中，根据学生作答试题的数据，可以自动分析出学生的学习情况，避免了老师根据学生平常的学习成绩来确定各个学生的学习情况，从而实现了高效、准确地确定不同学生的学习情况，帮助学生准确地找出自身学习的弱点和不足，进而使得学生可以根据自身的学习情况有针对性地进行学习。另外，还根据学生作答试题的数据生成试题修正报告，以根据试题修正报告删除非常难、知识点过于偏的试题。
在上述技术方案中，优选地，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
具体地，根据学生对难易程度不同的试题的答对率，分析出学生对难易试题的掌握情况。获取与知识点相关联的试题，根据学生对该试题的答对率，确定学生对不同知识点的掌握情况。获取与章节内容相关联的试题，根据学生对该试题的答对率，确定学生对不同章节内容的掌握情况。获取任一学科相关联的试题，根据学生对该试题的答对率，确定学生对不同学科的掌握情况，即学生对哪个学科掌握的比较好，对哪个学科掌握的比较差。获取学生作答试题的时间，在作答试题正确的情况下，学生作答试题的时间越短，学生对试题相关联的知识点掌握的就越好。还可以获取同一学生在不同阶段的作答试题的数据，以分析出该学生的成绩走势，例如，分析出该学生的成绩是下降还是提升。还可以分析出学生对不同题型的答题能力，例如，英语这一学科中具有代表性的题型包括听力、写作、阅读理解、选择题，根据答对率和难易程度别定制出四个答题能力的等级，如薄弱、一般、较好和熟练，分别分析得出听力能力、写作能力、阅读理解能力、选择题能力的等级。
在该技术方案中，通过以上多个方面可以准确地分析每名学生的学习情况，从而保证了生成的学习建议更加符合学生个人的学习情况。
在上述任一技术方案中，优选地，所述分析单元304具体用于，根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间，根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
在该技术方案中，若试题多次推送但被学生使用的次数过少或未被学生使用过，即学生放弃作答的次数比较多，则说明该试题的知识点比较偏或者不适合学生，若试题的答对率很低或者学生对试题的答题时间很长，则说明该试题非常难，在试题比较偏或者试题非常难的情况下，该试题的质量比较低，就可以建议管理员修正试题的难度等级或者试题的推荐级别，从而满足学生对不同试题的需求。通过以上方案，大量的学生做题后，对学生做题的结果进行分析，以根据分析结果可以不断地对试题进行修正，使之更符合现况。
在上述任一技术方案中，优选地，所述分析单元304具体用于，对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值，根据所述加权值确定所述每个试题的质量。
在该技术方案中，通过对每个试题的使用次数、答对率和答题时间进行加权计算，以根据加权计算的结果准确地确定出每个试题的质量。例如，若试题的加权计算得到的加权值在第一范围内时，则确定该试题的质量高，若试题的加权计算得到的加权值在第二范围内时，则确定该试题的质量中等，若试题的加权计算得到的加权值在第三范围内时，则确定该试题的质量低。
在上述任一技术方案中，优选地，还包括：格式转换单元308，用于将不同格式的所述数据转换成统一标准格式的所述数据。
在该技术方案中，由于从不同渠道采集的数据的格式不同，因此将不同格式的数据转换成统一标准格式的数据，从而保证了分析数据时的高效性和可靠性。
在上述任一技术方案中，优选地，所述数据包括线上数据和线下数据。
在该技术方案中，从线上和线下采集学生作答试题的数据，保证了采集数据的全面性，从而保证了分析结果的准确性。
以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，可以高效、准确地确定不同学生的学习情况。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种答题数据的处理方法，其特征在于，包括：
采集单元采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；
分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；
生成单元根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
2.根据权利要求1所述的答题数据的处理方法，其特征在于，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
3.根据权利要求1所述的答题数据的处理方法，其特征在于，所述分析单元对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量的步骤，具体包括：
所述分析单元根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间；
所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
4.根据权利要求3所述的答题数据的处理方法，其特征在于，所述分析单元根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量的步骤，具体包括：
所述分析单元对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值；
所述分析单元根据所述加权值确定所述每个试题的质量。
5.根据权利要求1至4中任一项所述的答题数据的处理方法，其特征在于，所述分析单元对所述数据进行分析之前，还包括：
格式转换单元将不同格式的所述数据转换成统一标准格式的所述数据。
6.根据权利要求1至4中任一项所述的答题数据的处理方法，其特征在于，所述数据包括线上数据和线下数据。
7.一种答题数据的处理系统，其特征在于，包括：
采集单元，用于采集多名学生作答试题的数据，其中，所述数据包括：作答试题的结果数据和作答试题的行为数据；
分析单元，用于对所述数据进行分析，以分析出所述多名学生作答的所有试题的质量、和所述多名学生中的每名学生的学习情况；
生成单元，用于根据所述所有试题的质量生成试题修正报告，以及根据所述每名学生的学习情况为所述每名学生生成学习建议。
8.根据权利要求7所述的答题数据的处理系统，其特征在于，所述每名学生的学习情况包括以下之一或多种的组合：难易试题的掌握情况、知识点掌握情况、章节内容的掌握情况、学科偏向情况、作答试题的速度、作答试题的成绩走势、对多种题型中的每种题型的答题能力。
9.根据权利要求7所述的答题数据的处理系统，其特征在于，所述分析单元具体用于，
根据所述数据，确定所述所有试题中的每个试题的使用次数、答对率和答题时间，
根据所述每个试题的使用次数、答对率和答题时间，分析出所述每个试题的质量。
10.根据权利要求9所述的答题数据的处理系统，其特征在于，所述分析单元具体用于，
对所述每个试题的使用次数、答对率和答题时间进行加权计算，得到最终的加权值，
根据所述加权值确定所述每个试题的质量。
11.根据权利要求7至10中任一项所述的答题数据的处理系统，其特征在于，还包括：
格式转换单元，用于将不同格式的所述数据转换成统一标准格式的所述数据。
12.根据权利要求7至10中任一项所述的答题数据的处理系统，其特征在于，所述数据包括线上数据和线下数据。
CN201611042797.7A 2016-11-11 2016-11-11 答题数据的处理方法和处理系统 Pending CN106448306A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611042797.7A CN106448306A (zh) 2016-11-11 2016-11-11 答题数据的处理方法和处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611042797.7A CN106448306A (zh) 2016-11-11 2016-11-11 答题数据的处理方法和处理系统

Publications (1)

Publication Number Publication Date
CN106448306A true CN106448306A (zh) 2017-02-22

Family

ID=58218163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611042797.7A Pending CN106448306A (zh) 2016-11-11 2016-11-11 答题数据的处理方法和处理系统

Country Status (1)

Country Link
CN (1) CN106448306A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169903A (zh) * 2017-07-25 2017-09-15 山东工商学院 基于高校教学大数据的学习行为评价方法及系统
CN107256650A (zh) * 2017-06-20 2017-10-17 广东小天才科技有限公司 一种习题推送方法、系统及终端设备
CN107464458A (zh) * 2017-08-16 2017-12-12 深圳科达智慧科技有限公司 一种数字学习的方法及系统
CN107680431A (zh) * 2017-11-22 2018-02-09 史俊逸 一种基于多维度数据分析的辅助教学方法及辅助教学系统
CN108510415A (zh) * 2018-03-23 2018-09-07 广州杰赛科技股份有限公司 基于教学软件的考试方法、设备、系统及存储介质
CN108711126A (zh) * 2018-06-04 2018-10-26 立旃（上海）科技有限公司 基于区块链的学生学习数据处理方法及装置
CN109086441A (zh) * 2018-08-15 2018-12-25 北京博赛在线网络科技有限公司 用于在线答题的智能推荐方法及系统
CN109215410A (zh) * 2018-11-19 2019-01-15 汕头市美致模型有限公司 一种基于智能教学机器人的控制系统
CN110223554A (zh) * 2019-07-12 2019-09-10 徐娅萍 基于虚拟现实的阅卷方法
CN110689275A (zh) * 2019-10-10 2020-01-14 江苏曲速教育科技有限公司 对错题进行分析和量化评分方法和系统
CN112365183A (zh) * 2020-11-26 2021-02-12 江西台德智慧科技有限公司 一种人工智能教育的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474339A (zh) * 2002-08-09 2004-02-11 明日工作室股份有限公司 动态评分式测验系统与方法
CN1632782A (zh) * 2003-12-22 2005-06-29 英业达股份有限公司 在线学习成绩评定方法及系统
CN104732352A (zh) * 2015-04-02 2015-06-24 张可 一种用于试题库质量评估的方法
CN104978630A (zh) * 2015-06-19 2015-10-14 百度在线网络技术（北京）有限公司 一种智能测试方法和装置
CN105989555A (zh) * 2015-03-05 2016-10-05 上海汉声信息技术有限公司 一种语言能力测试方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474339A (zh) * 2002-08-09 2004-02-11 明日工作室股份有限公司 动态评分式测验系统与方法
CN1632782A (zh) * 2003-12-22 2005-06-29 英业达股份有限公司 在线学习成绩评定方法及系统
CN105989555A (zh) * 2015-03-05 2016-10-05 上海汉声信息技术有限公司 一种语言能力测试方法及系统
CN104732352A (zh) * 2015-04-02 2015-06-24 张可 一种用于试题库质量评估的方法
CN104978630A (zh) * 2015-06-19 2015-10-14 百度在线网络技术（北京）有限公司 一种智能测试方法和装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107256650B (zh) * 2017-06-20 2020-08-14 广东小天才科技有限公司 一种习题推送方法、系统及终端设备
CN107256650A (zh) * 2017-06-20 2017-10-17 广东小天才科技有限公司 一种习题推送方法、系统及终端设备
CN107169903A (zh) * 2017-07-25 2017-09-15 山东工商学院 基于高校教学大数据的学习行为评价方法及系统
CN107464458A (zh) * 2017-08-16 2017-12-12 深圳科达智慧科技有限公司 一种数字学习的方法及系统
CN107680431A (zh) * 2017-11-22 2018-02-09 史俊逸 一种基于多维度数据分析的辅助教学方法及辅助教学系统
CN108510415A (zh) * 2018-03-23 2018-09-07 广州杰赛科技股份有限公司 基于教学软件的考试方法、设备、系统及存储介质
CN108711126A (zh) * 2018-06-04 2018-10-26 立旃（上海）科技有限公司 基于区块链的学生学习数据处理方法及装置
CN109086441A (zh) * 2018-08-15 2018-12-25 北京博赛在线网络科技有限公司 用于在线答题的智能推荐方法及系统
CN109215410A (zh) * 2018-11-19 2019-01-15 汕头市美致模型有限公司 一种基于智能教学机器人的控制系统
CN110223554A (zh) * 2019-07-12 2019-09-10 徐娅萍 基于虚拟现实的阅卷方法
CN110689275A (zh) * 2019-10-10 2020-01-14 江苏曲速教育科技有限公司 对错题进行分析和量化评分方法和系统
CN112365183A (zh) * 2020-11-26 2021-02-12 江西台德智慧科技有限公司 一种人工智能教育的方法及装置
CN112365183B (zh) * 2020-11-26 2023-04-14 江西台德智慧科技有限公司 一种人工智能教育的方法

Similar Documents

Publication Publication Date Title
CN106448306A (zh) 答题数据的处理方法和处理系统
Herman et al. Investigating the dynamics of formative assessment: Relationships between teacher knowledge, assessment practice and learning
CN105825454A (zh) 一种基于计算机终端的自适应学习方法、系统及终端设备
CA2826689A1 (en) System and method for adaptive knowledge assessment and learning
CN105447793A (zh) 生成定制化教学资源的教学系统
CN111125640A (zh) 一种知识点学习路径推荐方法和装置
CN111444391B (zh) 一种基于人工智能的视频学习成效评估方法
CN104598641A (zh) 一种基于云平台的教学成绩分析统计方法
CN105448151A (zh) 一种使用Wi-Fi笔记本进行教学形成性评价的方法
CN105224920A (zh) 一种将线下转入线上的学习测试诊断系统
Friedl et al. Mobile learning applications for android und iOS for German language acquisition based on learning analytics measurements
CN102467835A (zh) 学习终端检选数字内容的系统及方法
Vasodavan et al. TPACK in higher education: Analysis of the collaborative tools used by lecturers
CN108932593B (zh) 一种认知影响因素分析方法及装置
Haines Conceptualizing a framework for advanced placement statistics teaching knowledge
JP6906820B1 (ja) 集中度判別プログラム
Sajja et al. Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education
He et al. An investigation of the reliability of marking of the Key Stage 2 National Curriculum English writing tests in England
Chin et al. An analysis of an assessment model for participation in online forums
CN103839207A (zh) 一种分析学习者学习活动的设备和方法及其对应的介质
Schiller et al. Civic statistics and the preparation of future secondary school mathematics teachers
JP7041958B2 (ja) 教育支援システム及び教育支援方法
KR20120019318A (ko) 어휘력 테스트 시스템 및 방법
US20180322796A1 (en) A/b testing for massive open online courses
Ochoa et al. Need analysis of the students in programming courses in latin america

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: 20170222