CN106503074A - 一种题目细化分类方法 - Google Patents

一种题目细化分类方法 Download PDF

Info

Publication number
CN106503074A
CN106503074A CN201610874391.9A CN201610874391A CN106503074A CN 106503074 A CN106503074 A CN 106503074A CN 201610874391 A CN201610874391 A CN 201610874391A CN 106503074 A CN106503074 A CN 106503074A
Authority
CN
China
Prior art keywords
exercise question
storehouse
knowledge point
user
stored
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.)
Granted
Application number
CN201610874391.9A
Other languages
English (en)
Other versions
CN106503074B (zh
Inventor
徐丹
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.)
Shanghai Gaodun Education Technology Co.,Ltd.
Original Assignee
Shanghai Gunton Education Training 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 Shanghai Gunton Education Training Co Ltd filed Critical Shanghai Gunton Education Training Co Ltd
Priority to CN201610874391.9A priority Critical patent/CN106503074B/zh
Publication of CN106503074A publication Critical patent/CN106503074A/zh
Application granted granted Critical
Publication of CN106503074B publication Critical patent/CN106503074B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/284Relational databases
    • G06F16/285Clustering or classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种题目细化分类方法,用于根据用户的答题和反馈结果对题目进行细化分类,所述方法包括:数据库搭建步骤,用于搭建数据库,所述数据库包括题目库、资源库、知识点库、用户答题结果库和知识点掌握结果库;题目细化分类步骤,用于根据用户的答题和反馈结果对题目库中的题目进行细化分类,并将分类结果存储到用户答题结果库中;知识点掌握情况分析步骤,用于将题目库中的题目与知识点库中的知识点进行关联,并根据用户的答题和反馈结果分析用户对知识点的掌握情况,并将分析结果存储到知识点掌握结果库中。与现有技术相比,本发明具有自适应性强、个性化程度高、便于用户掌握知识点以及掌握结果易于观察等优点。

Description

一种题目细化分类方法
技术领域
本发明涉及教育领域,尤其是涉及一种题目细化分类方法。
背景技术
现有的基本的错题分类,是根据用户是否答对呈现出题目“答对”或“答错”状态。有些允许用户重做错题,但是没有进一步探索用户做错题,看完解析和相关资源以后,是否弄懂了这道错题,而且没有细化区分用户还是不懂的题目,没有对用户还是不懂的题提供解决方案。如有用户还是不懂这道题,重做错题对于学习来讲意义并不大,而且会遗漏那些需要加强的知识点。
发明内容
本发明的目的是针对上述问题提供一种题目细化分类方法。
本发明的目的可以通过以下技术方案来实现:
一种题目细化分类方法,用于根据用户的答题和反馈结果对题目进行细化分类,所述方法包括:
数据库搭建步骤,用于搭建数据库,所述数据库包括题目库、资源库、知识点库、用户答题结果库和知识点掌握结果库;
题目细化分类步骤,用于根据用户的答题和反馈结果对题目库中的题目进行细化分类,并将分类结果存储到用户答题结果库中;
知识点掌握情况分析步骤,用于将题目库中的题目与知识点库中的知识点进行关联,并根据用户的答题和反馈结果分析用户对知识点的掌握情况,并将分析结果存储到知识点掌握结果库中。
所述数据库搭建步骤具体为:
11)建立题目库、资源库和知识点库;
12)初始化用户答题结果库和知识点掌握结果库。
所述用户答题结果库包括一次正确库、重做正确库、已掌握库和仍未掌握库。
所述题目细化分类步骤具体为:
21)判断用户是否答对题目,若是则将该题目保存在一次正确库中,若否则进行步骤22);
22)根据用户的反馈判断用户是否掌握该题目,若否则将该题目保存在仍未掌握库中,若是则进入步骤23);
23)将该题目保存在已掌握库中,并向用户重新发送该题目;
24)判断用户是否答对题目,若是则将该题目保存在重做正确库中,若否则进入步骤25);
25)根据用户的反馈再次判断用户是否掌握该题目,若是则将该题目保存在已掌握库中,若否则将该题目保存在仍未掌握库中。
所述知识点掌握结果库包括知识点未做题库、知识点已掌握库和知识点未掌握库。
所述知识点掌握情况分析步骤具体为:
31)将题目库中的题目与知识点库中的知识点进行关联;
32)判断用户是否做过题目,若是则进入步骤33),若否则将该题目保存在知识点未做题库中;
33)判断用户是否答对题目,若是则将该题目保存在知识点已掌握库中,若否则进入步骤34);
34)根据用户的反馈结果判断用户是否掌握该知识点,若是则将该题目保存在知识点已掌握库中,若否则将该题目保存在知识点未掌握库中。
所述资源库包括视频库、直播库和讲义库,所述视频库、直播库和讲义库均与知识点库相关联。
与现有技术相比,本发明具有以下有益效果:
(1)将题目细化分类为一次正确、重做正确、已掌握和仍未掌握,除了可以区分题目是否正确外,也可以确定用户是否掌握了该题目,避免了对已掌握的题目进行多次无意义的重做,或是遗漏了仍未掌握的题目。
(2)根据用户的答题情况和反馈结果不断更新用户答题结果库,实时性高,自适应性强。
(3)将题目与知识点进行关联,一方面可以将题目有效进行分类,另一方面也便于随时把控用户对于知识点的掌握情况。
(4)根据用户知识点的掌握情况,可以更加有针对性的为用户提供相关题目和资源,便于提升用户对知识点的掌握程度,提高学习效率。
(5)设有知识点未做题库,避免了用户发生漏题的情况。
(6)资源库中包含与知识点库相关联的视频库、直播库和讲义库,可以更加有针对性的为用户提供与知识点相关的资源,便于用户的学习。
附图说明
图1为题目细化分类步骤的流程图;
图2为题目分类与知识点掌握情况的对应图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,为题目细化分类方法的流程图,用于根据用户的答题和反馈结果对题目进行细化分类,该方法包括:
数据库搭建步骤,用于搭建数据库,所述数据库包括题目库、资源库、知识点库、用户答题结果库和知识点掌握结果库,用户答题结果库包括一次正确库、重做正确库、已掌握库和仍未掌握库;知识点掌握结果库包括知识点未做题库、知识点已掌握库和知识点未掌握库;资源库包括视频库、直播库和讲义库,所述视频库、直播库和讲义库均与知识点库相关联;题目细化分类步骤,用于根据用户的答题和反馈结果对题目库中的题目进行细化分类,并将分类结果存储到用户答题结果库中;知识点掌握情况分析步骤,用于将题目库中的题目与知识点库中的知识点进行关联,并根据用户的答题和反馈结果分析用户对知识点的掌握情况,并将分析结果存储到知识点掌握结果库中。
其中,数据库搭建步骤具体为:
11)建立题目库、资源库和知识点库;
12)初始化用户答题结果库和知识点掌握结果库。
题目细化分类步骤具体为:
21)判断用户是否答对题目,若是则将该题目保存在一次正确库中,若否则进行步骤22);
22)根据用户的反馈判断用户是否掌握该题目,若否则将该题目保存在仍未掌握库中,若是则进入步骤23);
23)将该题目保存在已掌握库中,并向用户重新发送该题目;
24)判断用户是否答对题目,若是则将该题目保存在重做正确库中,若否则进入步骤25);
25)根据用户的反馈再次判断用户是否掌握该题目,若是则将该题目保存在已掌握库中,若否则将该题目保存在仍未掌握库中。
知识点掌握情况分析步骤具体为:
31)将题目库中的题目与知识点库中的知识点进行关联;
32)判断用户是否做过题目,若是则进入步骤33),若否则将该题目保存在知识点未做题库中;
33)判断用户是否答对题目,若是则将该题目保存在知识点已掌握库中,若否则进入步骤34);
34)根据用户的反馈结果判断用户是否掌握该知识点,若是则将该题目保存在知识点已掌握库中,若否则将该题目保存在知识点未掌握库中。
利用该方法搭建了一种题目细化分类的系统,该系统包括题目细化分类处理模块、知识点掌握统计模块和数据库,数据库分别与题目细化分类处理模块和知识点掌握统计模块连接,该系统的具体搭建与工作过程如下:
(一)系统后台的搭建:
1.在系统后台创建数据库,该数据库包含了一份知识图谱(针对某个考试的某个阶段或某个科目,比如中国注册会计师考试的审计科目的知识图谱),知识图谱包含了该科目的所有知识点。
2.该系统中涉及到的每个题目都必须与至少1个知识点标签相关联。
3.该系统中涉及到的每个资源(资源类型可以是:视频、直播、讲义等)都必须与至少1个知识点标签相关联。
(二)做题分类的实现(通过题目细化分类处理模块实现)
1.根据用户做题情况,做过的题汇总并归位四类:“一次做对”“重做正确”“我懂了”及“还是不懂”。
2.用户点击“一次做对”“重做正确”“还是不懂”可以根据章节名称和知识点名称进一步搜索,并点击“查看题目”查看习题。在“还是不懂”的习题查看页面用户可以修改错题分类。
3.用户点击“我懂了”,下方出现按钮为“重做错题”,点开重做用户之前错了但懂了的题目。做对的话题目自动分到“重做正确”,做错用户可以重新错题分类,默认标签为“我懂了”。
(三)用户的题目分类和知识点掌握情况的实现原理(题目分类与知识点的对应关系如图2所示,通过知识点掌握统计模块实现):
1.用户未做的题,系统查询出未做题所关联的知识点,输出为该知识点未做题。
2.用户做过的题且“一次做对”的,系统查询出该题所关联的知识点,输出为该知识点已掌握。
3.用户做过的题且最后结果为“重做正确”的,系统查询出该题所关联的知识点,输出为该知识点已掌握。
4.用户做过的题且最后结果为“我懂了”的,系统查询出该题所关联的知识点,输出为该知识点未掌握。
5.用户做过的题且最后结果为“还是不懂”的,系统查询出该题所关联的知识点,输出为该知识点未掌握。
6.知识点掌握情况的三种状态“知识点未做题”、“知识点已掌握”、“知识点未掌握”,会实时呈现在麻将牌“知识点掌握情况分布图”中。
用户在进行上述步骤时,用户在选择错题分类前,可以点击“查看更多相关解析”以查看更多资源,如视频及同学讨论内容,所有做过的题目汇总到“我的习题”,共分为两类“做正确的”的题目和“待处理”的题目,用户有个明确的任务,把待处理的题移到做正确的题目中,把不懂的题弄懂,把错题重做正确,用户选择“一次做对”的题,可以根据章节和知识点进行进一步筛选,用户选择“重做正确”的题,可以根据章节和知识点进行进一步筛选,用户选择“我懂了”的题,可以根据章节和知识点进行进一步筛选,并重做错题,系统会按照最后一次做题正确率记录习题最后一次的正确与否状态,用户最终的任务是把所有的题都做对,知识点一览表就会全部显示正确,用户可以点击知识点一览表查看知识点名称,查看或重做该知识点的的题目,用户可以很清楚地了解到薄弱知识点有哪些,能够更有针对性地复习,提高学习效率,自信应考。

Claims (7)

1.一种题目细化分类方法,用于根据用户的答题和反馈结果对题目进行细化分类,其特征在于,所述方法包括:
数据库搭建步骤,用于搭建数据库,所述数据库包括题目库、资源库、知识点库、用户答题结果库和知识点掌握结果库;
题目细化分类步骤,用于根据用户的答题和反馈结果对题目库中的题目进行细化分类,并将分类结果存储到用户答题结果库中;
知识点掌握情况分析步骤,用于将题目库中的题目与知识点库中的知识点进行关联,并根据用户的答题和反馈结果分析用户对知识点的掌握情况,并将分析结果存储到知识点掌握结果库中。
2.根据权利要求1所述的题目细化分类方法,其特征在于,所述数据库搭建步骤具体为:
11)建立题目库、资源库和知识点库;
12)初始化用户答题结果库和知识点掌握结果库。
3.根据权利要求1所述的题目细化分类方法,其特征在于,所述用户答题结果库包括一次正确库、重做正确库、已掌握库和仍未掌握库。
4.根据权利要求3所述的题目细化分类方法,其特征在于,所述题目细化分类步骤具体为:
21)判断用户是否答对题目,若是则将该题目保存在一次正确库中,若否则进行步骤22);
22)根据用户的反馈判断用户是否掌握该题目,若否则将该题目保存在仍未掌握库中,若是则进入步骤23);
23)将该题目保存在已掌握库中,并向用户重新发送该题目;
24)判断用户是否答对题目,若是则将该题目保存在重做正确库中,若否则进入步骤25);
25)根据用户的反馈再次判断用户是否掌握该题目,若是则将该题目保存在已掌握库中,若否则将该题目保存在仍未掌握库中。
5.根据权利要求1所述的题目细化分类方法,其特征在于,所述知识点掌握结果库包括知识点未做题库、知识点已掌握库和知识点未掌握库。
6.根据权利要求5所述的题目细化分类方法,其特征在于,所述知识点掌握情况分析步骤具体为:
31)将题目库中的题目与知识点库中的知识点进行关联;
32)判断用户是否做过题目,若是则进入步骤33),若否则将该题目保存在知识点未做题库中;
33)判断用户是否答对题目,若是则将该题目保存在知识点已掌握库中,若否则进入步骤34);
34)根据用户的反馈结果判断用户是否掌握该知识点,若是则将该题目保存在知识点已掌握库中,若否则将该题目保存在知识点未掌握库中。
7.根据权利要求1所述的题目细化分类方法,其特征在于,所述资源库包括视频库、直播库和讲义库,所述视频库、直播库和讲义库均与知识点库相关联。
CN201610874391.9A 2016-09-30 2016-09-30 一种题目细化分类方法 Active CN106503074B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610874391.9A CN106503074B (zh) 2016-09-30 2016-09-30 一种题目细化分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610874391.9A CN106503074B (zh) 2016-09-30 2016-09-30 一种题目细化分类方法

Publications (2)

Publication Number Publication Date
CN106503074A true CN106503074A (zh) 2017-03-15
CN106503074B CN106503074B (zh) 2020-07-31

Family

ID=58293611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610874391.9A Active CN106503074B (zh) 2016-09-30 2016-09-30 一种题目细化分类方法

Country Status (1)

Country Link
CN (1) CN106503074B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108389147A (zh) * 2018-02-26 2018-08-10 浙江创课教育科技有限公司 试题难度分级处理方法及系统
CN108536872A (zh) * 2018-04-27 2018-09-14 武汉文都信息技术有限公司 优化知识库结构的方法与装置
CN109189940A (zh) * 2018-09-05 2019-01-11 南京大学 一种基于众包及图谱技术的知识共享服务方法
CN109255031A (zh) * 2018-09-20 2019-01-22 苏州友教习亦教育科技有限公司 基于知识图谱的数据处理方法
CN109544420A (zh) * 2018-11-29 2019-03-29 南京伯索网络科技有限公司 作业批改系统及方法
CN110096512A (zh) * 2019-05-05 2019-08-06 广东小天才科技有限公司 题库建立方法、装置、学习设备及存储介质
CN112085629A (zh) * 2020-08-30 2020-12-15 高岩峰 一种诊断及补偿训练的智能系统
WO2021208716A1 (zh) * 2020-11-24 2021-10-21 平安科技(深圳)有限公司 基于知识图谱的辅助教学方法、装置、设备及存储介质
CN114024980A (zh) * 2021-10-26 2022-02-08 南京元贝信息技术有限公司 基于网络请求的数据多端同步处理方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971553A (zh) * 2014-05-29 2014-08-06 深圳图瑞交互信息技术有限公司 反馈式教学系统和反馈式教学方法
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
CN105355111A (zh) * 2015-12-02 2016-02-24 华中师范大学 基于学情分析的课后强化学习系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
CN103971553A (zh) * 2014-05-29 2014-08-06 深圳图瑞交互信息技术有限公司 反馈式教学系统和反馈式教学方法
CN105355111A (zh) * 2015-12-02 2016-02-24 华中师范大学 基于学情分析的课后强化学习系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108389147A (zh) * 2018-02-26 2018-08-10 浙江创课教育科技有限公司 试题难度分级处理方法及系统
CN108389147B (zh) * 2018-02-26 2020-11-03 浙江创课教育科技有限公司 试题难度分级处理方法及系统
CN108536872A (zh) * 2018-04-27 2018-09-14 武汉文都信息技术有限公司 优化知识库结构的方法与装置
CN108536872B (zh) * 2018-04-27 2020-12-25 湖北时代万新国际教育发展有限公司 优化知识库结构的方法与装置
CN109189940A (zh) * 2018-09-05 2019-01-11 南京大学 一种基于众包及图谱技术的知识共享服务方法
CN109255031A (zh) * 2018-09-20 2019-01-22 苏州友教习亦教育科技有限公司 基于知识图谱的数据处理方法
CN109544420A (zh) * 2018-11-29 2019-03-29 南京伯索网络科技有限公司 作业批改系统及方法
CN110096512A (zh) * 2019-05-05 2019-08-06 广东小天才科技有限公司 题库建立方法、装置、学习设备及存储介质
CN112085629A (zh) * 2020-08-30 2020-12-15 高岩峰 一种诊断及补偿训练的智能系统
WO2021208716A1 (zh) * 2020-11-24 2021-10-21 平安科技(深圳)有限公司 基于知识图谱的辅助教学方法、装置、设备及存储介质
CN114024980A (zh) * 2021-10-26 2022-02-08 南京元贝信息技术有限公司 基于网络请求的数据多端同步处理方法、装置及设备

Also Published As

Publication number Publication date
CN106503074B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN106503074A (zh) 一种题目细化分类方法
Rivas‐Drake et al. Ethnic‐racial identity and friendships in early adolescence
CN106202453B (zh) 一种多媒体资源推荐方法和装置
Migiro et al. Mixed methods: A review of literature and the future of the new research paradigm
CN109829059A (zh) 推荐知识点的方法、装置、设备及存储介质
CN109299882A (zh) 一种成绩分析、诊断预测和学习资源推送方法及平台
CN105512257A (zh) 一种搜题显示答案的方法及系统
US20110161069A1 (en) Method, computer program product and apparatus for providing a threat detection system
CN102074135A (zh) 一种题库建置方法及装置
CN105354327A (zh) 一种基于大数据分析的接口api推荐方法及系统
CN111859140A (zh) 一种知识推荐的方法、装置、推荐设备及可读存储介质
CN104063513A (zh) 一种智能垂直搜索方法和系统
CN111192170B (zh) 题目推送方法、装置、设备和计算机可读存储介质
CN103473416B (zh) 蛋白质相互作用的模型建立方法和装置
CN105630867A (zh) 一种匹配数据的方法及装置
Bannister et al. Knowledge mobilisation and the civic academy: the nature of evidence, the roles of narrative and the potential of contribution analysis
Wandel et al. Students’ mathematical preparation: differences in staff and student perceptions
Kiltz et al. Supporting forensic design-a course profile to teach forensics
CN112836994A (zh) 针对在线远程教育的大数据可视化方法及在线教育服务器
Settele et al. Atlas of biodiversity risk
Horner et al. (Re) Writing English: Putting English in Translation
CN104992389A (zh) 一种带有评估建议的智能教学管理系统
CN109344335A (zh) 一种内容推荐方法及电子设备
Nitta et al. AI ethics impact assessment based on requirement engineering
KR100821279B1 (ko) 인터넷을 통한 문제 제공 시스템 및 이를 이용한 문제 제공방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 200083 Shanghai, Hongkou District West Bay Road, building B, No. 8, layer

Patentee after: Shanghai Gaodun Education Technology Co.,Ltd.

Address before: 200083 Shanghai, Hongkou District West Bay Road, building B, No. 8, layer

Patentee before: SHANGHAI GAODUN EDUCATION & TRAINING Co.,Ltd.