CN106846194A - 一种评价课程难度的方法及装置 - Google Patents
一种评价课程难度的方法及装置 Download PDFInfo
- Publication number
- CN106846194A CN106846194A CN201611228124.0A CN201611228124A CN106846194A CN 106846194 A CN106846194 A CN 106846194A CN 201611228124 A CN201611228124 A CN 201611228124A CN 106846194 A CN106846194 A CN 106846194A
- Authority
- CN
- China
- Prior art keywords
- course
- examination question
- difficulty
- value
- difficulty value
- 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 35
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 14
- 238000007476 Maximum Likelihood Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000590419 Polygonia interrogationis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
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
- 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)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于终端技术领域,提供了一种评价课程难度的方法及装置,所述方法包括:获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;根据每道试题的难度值计算获得该课程的难度值,通过本发明实施例可以精确的计算课程的难度。而且本发明操作方便、实现简单,对硬件的要求低,从而有利降低产品成本,使产品适用面更广,具有较强的易用性和实用性。
Description
技术领域
本发明属于终端技术领域,尤其涉及一种评价课程难度的方法及装置。
背景技术
现有的课程系统通常包含有多个不同难度的试题,课程的整体难度要利于学生的学习,还要有一定的难度增加区分度,这对全面了解、掌握学生的学习情况有十分重要的作用。另外,如果能够量化课程的难度,还可以根据不同的学生能力选择不同难度的课程。这就需要对课程的难度进行精确的评价。
现有的课程评价方法主要是通过主观判断课程的难度,将课程难度简单分为3种:基础、普通、困难。一般这样的分类主要是依据老师多年的教学经验作为判断。当一个老师教的班级成绩较好时,可能他会主观的把课程难度判断为普通,而当一个老师所教的班级的成绩比较差时,可能他会把课程判断为困难,这种课程难度的评价方法不仅不能够量化的表示课程的难度,还不能够真实的反应课程的难度。
发明内容
鉴于此,本发明实施例提供一种评价课程难度的方法及装置,用来精确的评价课程的难度。
本发明实施例的第一方面,提供一种评价课程难度的方法,所述方法包括:
获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;
基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;
根据每道试题的难度值计算获得该课程的难度值。
本发明实施例的第二方面,提供一种评价课程难度的装置,所述装置包括:
获取模块,用于获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;
试题难度值计算模块,用于基于所述获取模块获取的课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;
课程难度值计算模块,用于根据试题难度值计算模块计算的每道试题的难度值计算获得该课程的难度值。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过获取待评价的课程信息,基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值,根据每道试题的难度值计算获得该课程的难度值,从而能够精确的衡量课程的难度值。本发明实施例操作方便、实现简单,对硬件的要求低,从而有利降低产品成本,使产品适用面更广,具有较强的易用性和实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的评价课程难度的方法的实现流程图;
图2是本发明第二实施例提供的评价课程难度的方法的实现流程图;
图3是本发明第三实施例提供的评价课程难度的装置的组成结构图;
图4是本发明第四实施例提供的评价课程难度的装置的示意框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
参见图1,图1是本发明实施例一提供的评价课程难度的方法的示意流程图,如图1所示该方法可以包括以下步骤:
步骤S101,获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量。
在本发明实施例中,所述课程应该做广义的释义,不仅表示含有若干个试题的课程,还表示含有若干个试题的考卷、含有若干个子项目的项目等。所述试题也应做广义的释义,不仅表示课程中的试题、考卷中的试题,也表示项目中的子项目,评价课程难度也可以理解为评价某个项目的难度。所述课程信息包括该课程包含的试题内容以及试题数量,所述课程信息还可以包括项目包含的子项目内容以及子项目的数量。
步骤S102,基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值。
在本发明实施例中,所述通过预定的数学模型计算获得该课程中每道试题的难度值具体为:
通过以下的数学模型计算获得该课程中每道试题的难度值:
其中,θ表示考试能力参数值,P(θ)表示考试能力参数值为θ的学生答对该试题的概率,D表示量表因子参数,a表示试题的区分度,b表示试题难度值,c表示试题的猜测系数。
在本发明实施例中,D表示量表因子参数,在建立数学模型时,需要研究众多变量之间的内部依赖关系,探求观测数据中的基本结构,并用少数几个假想变量来表示基本的数据结构。假想变量能够反映原来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依赖关系,这些假想变量称之为基础变量,即量变因子,其它变量称之为观测变量。本发明实施例中,量变因子D=1.702。θ表示考试能力参数值,也就是学生能力的估计值,θ值越大表示学生的考试能力越强,答对试题的概率越大。a表示试题的区分度,它的值越大说明试题对学生的区分度越高,越容易区分出学生对知识的掌握程度,如果区分度过小,则表示学习能力强的学生和学习能力差的学生都能答对本题,不能通过试题区分出多个能力层次的学生。c表示试题的猜测系数,它的值越大,说明不论学生能力高低,都容易猜对本道试题。
在实际应用中,还需对数学模型中的各参数进行估计,所述参数估计是指根据学生的作答反应矩阵,也就是所有的学生对所有试题的作答反应情况,估计出学生的考试能力参数值和试题的每个参数。试题的参数包括试题的区分度、试题的难度值、试题的猜测系数。常用的参数估计方法有极大似然估计法和贝叶斯估计法。由于极大似然估计法没有利用学生的考试能力参数的先验知识,并且对于满分和零分的学生无法进行参数估计,因此本文采用贝叶斯估计法,利用贝叶斯原理确定试题参数和学生的考试能力参数的先验分布,建立联合极大似然函数,然后通过求取联合极大似然函数的极大值,估计出试题的参数和学生的考试能力参数值。
假设有N个学生参加包含n道试题的课程,联合极大似然函数公式为:
其中,uij表示考试能力参数为θi的学生对第j道试题的反应,Pij表示考试能力参数为θi的学生答对第j道试题的概率,Qij=1-Pij,表示考试能力参数为θi的学生答错第j道试题的概率。
步骤S103,根据每道试题的难度值计算获得该课程的难度值。
在本发明实施例中,每道试题的难度值表示了该试题的失分程度。通过步骤S102计算出每道试题的难度值后,该课程的难度值可以通过将该课程中所有试题的难度值求平均值计算获得:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,n表示该课程中试题的数量。
本发明实施例通过获取待评价的课程信息,基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值,再根据每道试题的难度值计算获得该课程的难度值,可以精确的评价课程的难度。
实施例二:
参见图2,图2是本发明实施例二提供的评价课程难度的方法的示意流程图,如图2所示该方法可以包括以下步骤:
步骤S201,获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量。
该步骤与步骤S101相同,具体可参见步骤S101的相关描述,在此不再赘述。
步骤S202,基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值。
将步骤S102中试题的难度值公式中的各参数具体化,量变因子D=1.702,假设试题的猜测系数c=0,根据学生的具体情况确定学生的考试能力参数值θ=5,试题的区分度可通过以下公式获得:
a=2(H-L)/T
其中,H表示高分组平均分,L表示低分组平均分,T表示满分。
把学生的成绩从高到低排序,前50%的学生成绩为高分组,后50%的学生成绩为低分组。由于计算试题区分度的方法很多,对同一个试题的考试成绩采用不同方法所得到的的区分度的值是不同的。例如,还可以定义前27%的学生成绩为高分组,后27%的学生成绩为低分组,可以将某试题的区分度确定为a=0.588。
将公式中各参数具体化后,最终得到试题的难度值只需要确定考试能力参数值θ=5的学生答对本试题的概率P(θ)就可以确定该试题的难度值。
步骤S203,根据每道试题的难度值计算获得该课程的难度值。
在本发明实施例中,根据每道试题的难度值采用以下公式计算获得该课程的难度值:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,kj表示该课程中第j道试题的权重,n表示该课程中试题的数量。
所述试题的权重与所述试题的类型、试题在课程中所占分值以及完成试题所需的平均时间有关。
在本发明实施例中,所述试题可能会出现多种题型,例如填空题、判断题、单选、多选、证明题。同样一道试题设置成不同题型,可能就会对课程的难度造成影响。课程中试题的分值变化后,或者给定试题的作答时间和试题的作答标准时间不同,都会对课程的难度值造成影响。由于通常不会给定每道试题的作答时间,而是给定整个课程的作答时间,所以在确定试题作答时间权重的时候,所有试题采用同一个作答时间权重。
在本发明实施例中,为每道试题设置了权重kj,课程中第j道试题的权重公式为:
其中αj表示第j道试题的题型权重,为每种题型设置题型点数,第j道试题的题型权重为该试题的题型点数除以所有试题的题型点数之和,βj表示第j道试题的分值权重,即第j道试题的分值所占课程总分值的比例,γ表示试题作答时间权重,即课程中所有试题标准作答时间之和除以课程给定的作答时间。
具体的,以一个课程为例,假设一门课程中分为三种题型:判断题、单选题、问答题,其中判断题10道,每道2分,单选题10道,每道3分,问答题5道,每道10分。三种题型的点数分别为0.1、0.12、0.15。以第1道判断题为例,计算第一道判断题的权重k1:
计算α1,课程中所有试题的题型点数之和:0.1×10+0.12×10+0.15×5=2.95,第1道试题的题型点数为0.1,则
计算β1,课程中所有试题的分值之和:2×10+3×10+5×10=100,第1道试题的分值为2,则
计算γ,课程给定的作答时间为90分钟,课程中所有试题的标准作答时间之和为70分钟,则
通过第1道试题的权重公式可以得到第1个试题的权重k1。
依次类推,计算课程中所有试题的权重,并利用课程的难度值公式计算课程的难度值。
需要说明的是,在本发明实施例中,可以将试题的权重全部设置为1,也可以设置试题的权重与试题的一个或者多个因素相关,例如在计算试题的权重时可以只考虑试题的题型或者可以同时考虑试题的题型和试题分值所占课程的分值,在此不对试题的权重造成任何限制。
步骤S204,获取学生的学习能力等级,建立所述学习能力等级与课程的难度值对应的关系,以便于向学生推荐与该学生的学习能力等级相对应的难度值的课程。
在本发明实施例中,所述学生的学习能力等级表示所述终端用户对课程的掌握情况,可以将学生的能力划分为多个等级,所述学生的能力等级越高,表示所述学生对课程的掌握情况越好,每个学习能力等级对应一个课程的难度值范围。假设课程的难度值范围为0~1,所述学生的学习能力等级划分为十个等级,为学生学习能力等级为一级的用户,匹配难度值为0~0.1的试题,为学生学习能力等级为二级的用户匹配难度值为0.1~0.2的试题,以此类推,为学生学习能力等级为十级的用户匹配难度值为0.9~1的试题。建立所述学习能力等级与课程的难度值对应关系后,可以根据学生的学习能力等级,向学生推荐与学生学习能力等级相对应的难度值的课程。
本发明实施例在实施例一的基础上根据每道试题的难度值计算获得课程的难度值时不仅仅是简单的将该课程中每道试题的难度值求平均来计算获得该课程的难度值,而是为课程中每道试题的难度值增加权重,其中试题的权重与试题的题型、试题在课程中所占分值以及课程中所有试题的标准作答时间和实际作答时间有关。通过本发明实施例可以更加精确的评价课程的难度。
应理解,在上述实施例中,各步骤的序号的大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例三:
参见图3,图3是本发明实施例三提供的评价课程难度的装置的示意框图,为了便于说明,仅示出与本发明实施例相关的部分。
该评价课程难度的装置可以是内置于终端(例如手机、平板电脑、笔记本、计算机等)内的软件单元、硬件单元或者软硬结合的单元,也可以作为独立的挂件集成到所述终端中。
所述终端信息交互装置包括:
获取模块31,用于获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;
试题难度值计算模块32,用于基于所述获取模块31获取的课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;
课程难度值计算模块33,用于根据试题难度值计算模块32计算的每道试题的难度值计算获得该课程的难度值。
可选的,所述试题难度值计算模块32具体用于:
通过以下的数学模型计算获得该课程中每道试题的难度值:
其中,θ表示考试能力参数值,P(θ)表示考试能力参数值为θ的学生答对该试题的概率,D表示量表因子参数,a表示试题的区分度,b表示试题难度值,c表示试题的猜测系数。
可选的,所述课程难度值计算模块33具体用于:
根据每道试题的难度值采用以下公式计算获得该课程的难度值:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,kj表示该课程中第j道试题的权重,n表示该课程中试题的数量。
可选的,所述试题的权重与所述试题的类型、试题所占分值以及完成试题所需的平均时间有关。
可选的,所述装置还包括:
处理模块34,用于根据每道试题的难度值计算获得该课程的难度值之后,获取学生的学习能力等级,建立所述学习能力等级与课程的难度值对应的关系,以便于向学生推荐与该学生的学习能力等级相对应的难度值的课程。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元或模块既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例的对应过程,在此不再赘述。
实施例四:
参见图4,图4是本发明实施例四提供的评价课程难度的装置的示意框图。如图所示的该评价课程难度的装置可以包括:一个或多个处理器401(图中仅示出一个);一个或多个输入设备402(图中仅示出一个),一个或多个输出设备403(图中仅示出一个)和存储器404。上述处理器401、输入设备402、输出设备403和存储器404通过总线405连接。存储器404用于存储指令,处理器401用于执行存储器404存储的指令。其中:
所述处理器401,用于通过输入设备402获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题的数量;所述处理器401还用于基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;所述处理器401还用于根据每道试题的难度值计算获得该课程的难度值。
可选的,所述处理器401还用于通过以下数学模型计算获得该课程中每道试题的难度值:
其中,θ表示考试能力参数值,P(θ)表示考试能力参数值为θ的学生答对该试题的概率,D表示量表因子参数,a表示试题的区分度,b表示试题难度值,c表示试题的猜测系数。
可选的,所述处理器401还用于根据每道试题的难度值采用以下公式计算获得该课程的难度值:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,kj表示该课程中第j道试题的权重,n表示该课程中试题的数量。
可选的,所述试题的权重与所述试题的类型、试题所占分值以及完成试题所需的平均时间有关。
可选的,所述处理器401还用于通过输入设备402获取学生的学习能力等级,建立所述学习能力等级与课程的难度值对应的关系,以便于通过输出设备402向学生推荐与该学生的学习能力等级相对应的难度值的课程。
所述存储器404,用于存储软件程序、模块和所述评价课程难度的方法中用到的所有数据信息,所述处理器401通过运行存储在所述存储器404的软件程序以及单元,从而执行各种功能应用以及数据处理,实现精确评价课程难度的功能。
应当理解,在本发明实施例中,所称处理器401可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备402可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等、数据采集装置,输出设备403可以包括显示器(LCD等)、扬声器等。
该存储器404可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器。例如,存储器404还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器401、输入设备402、输出设备403和存储器404可执行本发明实施例提供的评价课程难度的方法的实施例中所描述的实现方式,也可执行评价课程难度的装置的实施例中所描述的实现方式,在此不再赘述。
综上所述,本发明实施例通过获取待评价的课程信息,基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值,根据每道试题的难度值计算获得该课程的难度值,从而能够精确的衡量课程的难度值。本发明实施例操作方便、实现简单,对硬件的要求低,从而有利降低产品成本,使产品适用面更广,具有较强的易用性和实用性。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。
Claims (10)
1.一种评价课程难度的方法,其特征在于,所述方法包括:
获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;
基于所述课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;
根据每道试题的难度值计算获得该课程的难度值。
2.根据权利要求1所述的方法,其特征在于,所述通过预定的数学模型计算获得该课程中每道试题的难度值具体为:
通过以下的数学模型计算获得该课程中每道试题的难度值:
其中,θ表示考试能力参数值,P(θ)表示考试能力参数值为θ的学生答对该试题的概率,D表示量表因子参数,a表示试题的区分度,b表示试题难度值,c表示试题的猜测系数。
3.根据权利要求1所述的方法,其特征在于,所述根据每道试题的难度值计算获得该课程的难度值具体为:
根据每道试题的难度值采用以下公式计算获得该课程的难度值:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,kj表示该课程中第j道试题的权重,n表示该课程中试题的数量。
4.根据权利要求3所述的方法,其特征在于,所述试题的权重与所述试题的类型、试题所占分值以及完成试题所需的时间有关。
5.根据权利要求1至4任一项所述的方法,其特征在于,在根据每道试题的难度值计算获得该课程的难度值之后,所述方法还包括:
获取学生的学习能力等级,建立所述学习能力等级与课程的难度值对应的关系,以便于向学生推荐与该学生的学习能力等级相对应的难度值的课程。
6.一种评价课程难度的装置,其特征在于,所述装置包括:
获取模块,用于获取待评价的课程信息,所述课程信息包括该课程包含的试题内容以及试题数量;
试题难度值计算模块,用于基于所述获取模块获取的课程信息,通过预定的数学模型计算获得该课程中每道试题的难度值;
课程难度值计算模块,用于根据试题难度值计算模块计算的每道试题的难度值计算获得该课程的难度值。
7.根据权利要求6所述的装置,其特征在于,所述试题难度值计算模块具体用于:
通过以下的数学模型计算获得该课程中每道试题的难度值:
其中,θ表示考试能力参数值,P(θ)表示考试能力参数值为θ的学生答对该试题的概率,D表示量表因子参数,a表示试题的区分度,b表示试题难度值,c表示试题的猜测系数。
8.根据权利要求1所述的装置,其特征在于,所述课程难度值计算模块具体用于:
根据每道试题的难度值采用以下公式计算获得该课程的难度值:
其中,B表示该课程的难度值,bj表示该课程中第j道试题的难度值,kj表示该课程中第j道试题的权重,n表示该课程中试题的数量。
9.根据权利要求8所述的方法,其特征在于,所述试题的权重与所述试题的类型、试题所占分值以及完成试题所需的时间有关。
10.根据权利要求6至9任一项所述的装置,其特征在于,所述装置还包括:
处理模块,用于根据每道试题的难度值计算获得该课程的难度值之后,获取学生的学习能力等级,建立所述学习能力等级与课程的难度值对应的关系,以便于向学生推荐与该学生的学习能力等级相对应的难度值的课程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611228124.0A CN106846194A (zh) | 2016-12-27 | 2016-12-27 | 一种评价课程难度的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611228124.0A CN106846194A (zh) | 2016-12-27 | 2016-12-27 | 一种评价课程难度的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106846194A true CN106846194A (zh) | 2017-06-13 |
Family
ID=59136926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611228124.0A Pending CN106846194A (zh) | 2016-12-27 | 2016-12-27 | 一种评价课程难度的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106846194A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107170311A (zh) * | 2017-07-20 | 2017-09-15 | 弘成科技发展有限公司 | 一种面向自考的培训管理系统及其培训管理方法 |
CN110135754A (zh) * | 2019-05-22 | 2019-08-16 | 安徽爱学堂教育科技有限公司 | 试题评估方法及装置 |
CN110471959A (zh) * | 2019-08-21 | 2019-11-19 | 湖北省烟草公司武汉市公司 | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 |
CN113724040A (zh) * | 2021-08-17 | 2021-11-30 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201979A (zh) * | 2006-12-14 | 2008-06-18 | 英业达股份有限公司 | 语言学习系统及方法 |
CN101452440A (zh) * | 2007-12-07 | 2009-06-10 | 微星科技股份有限公司 | 学习规划装置与方法 |
CN104408985A (zh) * | 2014-12-17 | 2015-03-11 | 李莎 | 基于云网络的答题学习方法及系统 |
CN105590283A (zh) * | 2016-03-03 | 2016-05-18 | 云南电网有限责任公司教育培训评价中心 | 基于模糊综合评价模型的考试数据分析方法 |
-
2016
- 2016-12-27 CN CN201611228124.0A patent/CN106846194A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101201979A (zh) * | 2006-12-14 | 2008-06-18 | 英业达股份有限公司 | 语言学习系统及方法 |
CN101452440A (zh) * | 2007-12-07 | 2009-06-10 | 微星科技股份有限公司 | 学习规划装置与方法 |
CN104408985A (zh) * | 2014-12-17 | 2015-03-11 | 李莎 | 基于云网络的答题学习方法及系统 |
CN105590283A (zh) * | 2016-03-03 | 2016-05-18 | 云南电网有限责任公司教育培训评价中心 | 基于模糊综合评价模型的考试数据分析方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107170311A (zh) * | 2017-07-20 | 2017-09-15 | 弘成科技发展有限公司 | 一种面向自考的培训管理系统及其培训管理方法 |
CN110135754A (zh) * | 2019-05-22 | 2019-08-16 | 安徽爱学堂教育科技有限公司 | 试题评估方法及装置 |
CN110471959A (zh) * | 2019-08-21 | 2019-11-19 | 湖北省烟草公司武汉市公司 | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 |
CN113724040A (zh) * | 2021-08-17 | 2021-11-30 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
CN113724040B (zh) * | 2021-08-17 | 2023-11-28 | 卓尔智联(武汉)研究院有限公司 | 课程推荐方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sinharay | How often do subscores have added value? Results from operational and simulated data | |
Collins et al. | Adaptive assessment using granularity hierarchies and Bayesian nets | |
CN112131349B (zh) | 对知识点掌握状态进行测量的方法 | |
CN106846194A (zh) | 一种评价课程难度的方法及装置 | |
CN111858906B (zh) | 习题推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110400117A (zh) | 一种错题的提醒方法、电子设备及存储介质 | |
CN110209797A (zh) | 英语分级阅读材料自动推荐方法及装置 | |
Conejo et al. | An empirical study on the quantitative notion of task difficulty | |
Kevelson | The measure matters: Examining achievement gaps on cognitively demanding reading and mathematics assessments | |
Rajak et al. | An approach to evaluate program outcomes and program educational objectives through direct and indirect assessment tools | |
CN102467835A (zh) | 学习终端检选数字内容的系统及方法 | |
Lee et al. | How elementary prospective teachers use three fraction models: their perceptions and difficulties | |
Putra et al. | The impact of cognitive conflict based learning tools on studentsmathematical problem solving ability | |
Wafa et al. | Evaluation of Students' Mathematical Ability in Afghanistan's Schools Using Cognitive Diagnosis Models. | |
Gradini et al. | Development Of Higher-Order Thinking Skill (HOTS) Test On Mathematics In Secondary School | |
Khalida et al. | Enhancing Usability of the Academic Information System at Bhayangkara University: A Design Thinking and System Usability Approach | |
Salehudin et al. | The use of smartphones for online learning interactions by elementary school students | |
Siegler et al. | Understanding development requires assessing the relevant environment: Examples from mathematics learning | |
Siregar et al. | The role of motivation of unified theory acceptance, use of technology model and innovation dif-fusion theory on e-learning intention of SMEs employee | |
Ahmad et al. | Learner trust in learner model externalisations | |
US8639176B2 (en) | Mixture general diagnostic model | |
CN109671307A (zh) | 一种具有实时评价功能的电路教学方法及其系统 | |
Bosson-Amedenu | Archbishop Porter Girls’ Senior High School Students’ Perception of Difficult Concepts in Senior High School Further Mathematics Curriculum in Ghana | |
Arifin et al. | Modelling Usage M-Learning using Mamdani Fuzzy Logic System in along Covid-19 Pandemic at ITS-Indonesia | |
Bowen | Goodness of fit via residual plots in item response theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
RJ01 | Rejection of invention patent application after publication |