CN107423311B - 提供在线诊断学习的方法和装置 - Google Patents

提供在线诊断学习的方法和装置 Download PDF

Info

Publication number
CN107423311B
CN107423311B CN201710134667.4A CN201710134667A CN107423311B CN 107423311 B CN107423311 B CN 107423311B CN 201710134667 A CN201710134667 A CN 201710134667A CN 107423311 B CN107423311 B CN 107423311B
Authority
CN
China
Prior art keywords
user
test
questions
diagnosis
question
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.)
Active
Application number
CN201710134667.4A
Other languages
English (en)
Other versions
CN107423311A (zh
Inventor
董黎刚
刘世欢
蒋献
汤柳君
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.)
Zhejiang Hailiang Technology Co.,Ltd.
Original Assignee
Zhejiang Gongshang 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 Zhejiang Gongshang University filed Critical Zhejiang Gongshang University
Priority to CN201710134667.4A priority Critical patent/CN107423311B/zh
Publication of CN107423311A publication Critical patent/CN107423311A/zh
Application granted granted Critical
Publication of CN107423311B publication Critical patent/CN107423311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query
    • G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
    • 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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种提供在线诊断学习的方法和装置。所述方法包括：根据用户的答题情况和“频繁二项集”算法，得出做错试题的关联试题；根据答错试题和其关联试题建立诊断学习库；当用户进行在线答题时，如果答错则将诊断学习库中的关联试题推送给该用户进行作答,诊断学习库随用户的反馈进行更新。所述装置包括：试题关联计算模块、诊断学习库模块，在线推送模块和修正更新模块。本发明可以帮助用户高效地进行诊断式学习，还通过用户的反馈对诊断学习库进行修正更新，提高了推送结果的准确性，另外为中小型在线学习平台构建诊断学习模块提供一个具体的实现方案。

Description

提供在线诊断学习的方法和装置
技术领域
本发明涉及在线学习平台领域，具体涉及一种提供在线诊断学习的方法和装置。
背景技术
随着互联网教育的发展，大大小小的在线学习平台不断开始涌现。这些在线学习平台从建立至今已存储了海量的用户数据，其中占比最多的要数用户的答题数据，而如何高效准确地找到用户答题数据中的所包含的信息来帮助用户进行诊断学习，这就需要利用数据挖掘领域的相关技术。
然而目前的大多数在线学习平台，其用户的答题情况在存入数据库后，由于成本的限制或其他的原因，平台不再继续对这些数据进行深度挖掘和分析，也就达不到诊断学习的目的。而少部分基于大数据的平台可以结合自身的优势，利用准确的数据挖掘算法和先进的数据分析手段来帮助用户进行诊断学习从而扩大用户规模，但这种模式成本较高，难以在中小型在线学习平台上复制。
发明内容
为了更好地帮助用户进行在线诊断学习，本发明提供了一种在线诊断学习的方法和装置，成本较低且易于维护，可在中小型在线学习平台中推广，丰富中小型在线学习平台的功能，更好地服务用户。
所述技术方案如下：
一种提供在线诊断学习的方法，所述方法包括：
1）利用“频繁二项集”算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度，其中，相关度用皮尔逊相关系数描述，答题记录至少需要达到500人次。
2）建立诊断学习库，将所有相关度高于0.5的试题对根据题号放入诊断学习库中。
3）根据相关度的大小，对诊断学习库中的试题对降序排序。当用户进行在线答题时，如果答错则将诊断学习库中的关联试题按照排序后的顺序依次推送给该用户作答，若用户正确作答或关联试题推送完毕则停止推送。
4）为诊断学习库中的每组试题对均设置三个选项，分别为“非常相关”，“一般相关”和“不相关”。当用户答完推送的关联试题时，提醒用户在这三个选项中选取一项作为反馈，根据用户的反馈，修正试题对的相关系数，同时更新诊断学习库。
所述的步骤1）中，频繁二项集算法的原理描述如下：
1.1）遍历学生答错试题记录，统计每道试题的答错次数；
1.2）对每个学生答错的试题两两组合形成试题对，统计每个试题对出现次数；
1.3）根据皮尔逊相关系数来计算所有答错试题两两之间的相关度；
根据此场景对皮尔逊相关系数进行引申并形成如下公式：
Figure 543844DEST_PATH_IMAGE001
其中，TA为题A错误的次数，TB为题B错误的次数，TAB为A，B共同错误的次数，T为参加答题的总人数。
所述的步骤1）中，数据为用户答错试题的题号，每个试题必须有唯一的题号来保证试题之间不会出现重复，最后得出的是成对试题之间的相关度且相关度是以所有用户的答题情况为基础计算得到的。
所述的步骤4）中，若用户选择非常相关，则试题对相关系数加上0.1，若用户选择一般相关，则试题对相关系数保持不变，若用户选择不相关，则试题对相关系数减去0.1。
一种提供在线诊断学习的装置，包括：
1）试题关联计算模块，用于根据频繁二项集算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度；
2）诊断学习库模块，用于存储相关度高于0.5的试题对；
3）在线推送模块，用于给用户推送诊断学习库中的试题；
4）修正更新模块，用于修正诊断学习库中的试题对相关系数。
所述在线推送模块具体包括：
排序单元，用于对诊断学习库中的试题对降序排序；
推送单元，用于按照排序后的顺序，依次推送关联试题给用户进行作答。
所述在修正更新模块具体包括：
修正单元，用于对诊断学习库中试题对的相关系数进行修正；
更新单元，用于更新诊断学习库。
本发明提供的技术方案可以带来的有益效果是：
通过对用户答错的试题进行关联分析并建立诊断学习库，当用户进行在线答题时，如果答错则将诊断学习库中的关联试题依次推送给该用户进行作答，可以帮助用户高效地进行诊断式学习。本方法还通过用户的反馈对诊断学习库进行修正更新，提高了推送结果的准确性。本方法和装置可以为中小型在线学习平台构建诊断学习模块提供一个具体的实现方案。
附图说明
图1 是提供在线诊断学习的方法流程图；
图2 是提供在线诊断学习的装置完整模块构造图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
提供在线诊断学习的方法，参见图1，包括如下步骤：
1）利用“频繁二项集”算法计算用户答错试题两两之间的相关度。
2）建立诊断学习库，并将相关度高于0.5的试题对根据题号放入诊断学习库中。
3）当用户进行在线答题时，如果答错则将诊断学习库中的关联试题依次推送给该用户进行作答。
4）用户对推送试题进行反馈，反馈结果将用于诊断试题库的修正和更新。
步骤1）中的“频繁二项集”算法是基于关联规则挖掘中著名的Apriori算法改进而成，相关度用皮尔逊相关系数描述，答题记录至少需要达到500人次。
“频繁二项集”算法原理具体实施如下：
A.遍历学生答错试题记录，统计每道试题的答错次数。
B.对每个学生答错的试题两两组合（不重复）形成试题对，统计每个试题对出现次数。
C.根据皮尔逊相关系数来计算所有答错试题两两之间的相关度。
相关度根据皮尔逊皮尔逊相关系数具体描述如下：
Figure 810877DEST_PATH_IMAGE002
其中，TA为题A错误的次数，TB为题B错误的次数，TAB为A，B共同错误的次数，T为参加答题的总人数。
步骤1）中，数据为用户答错试题的题号，每个试题必须有唯一的题号来保证试题之间不会出现重复，最后得出的是成对试题之间的相关度且相关度是以所有用户的答题情况为基础计算得到的。
步骤3）中，根据相关度的大小，对诊断学习库中的试题对降序排序。当用户进行在线答题时，如果答错则将诊断学习库中的关联试题按照排序后的顺序依次推送给该用户作答，若用户正确作答或关联试题推送完毕则停止推送。
步骤4）中，为诊断学习库中的每组试题对均设置三个选项，分别为“非常相关”，“一般相关”和“不相关”。当用户答完推送的关联试题时，提醒用户在这三个选项中选取一项作为反馈，根据用户的反馈，修正试题对的相关系数，同时更新诊断学习库。
步骤4）中，若用户选择“非常相关”，则试题对相关系数加上0.1，若用户选择“一般相关”，则试题对相关系数保持不变，若用户选择“不相关”，则试题对相关系数减去0.1。
提供在线诊断学习的装置，具体包括：
1）试题关联计算模块，用于根据“频繁二项集”算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度。
2）诊断学习库模块，用于存储相关度高于0.5的试题对。
3）在线推送模块，用于给用户推送诊断学习库中的试题。
4）修正更新模块，用于修正诊断学习库中的试题对相关系数。
装置的完整模块参见图2，其中在线推送模块具体包括：
1）排序单元，用于对诊断学习库中的试题对降序排序。
2）推送单元，用于按照排序后的顺序，依次推送关联试题给用户进行作答。
修正更新模块具体包括：
修正单元，用于对诊断学习库中试题对的相关系数进行修正。
更新单元，用于更新诊断学习库。
实施例
为了便于本领域一般技术人员理解和实现本发明，现给出一种本发明所述方法和装置的具体实施案例。提供在线诊断学习的方法和装置的核心思想是通过量化出试题之间的相关性来帮助用户进行诊断学习，从而为中小型在线学习平台构建诊断学习模块提供一个具体的实现方案。
本实施例中，首先利用“频繁二项集”算法计算用户答错试题两两之间的相关度，下面用一个案例来描述本实施例。
案例的数据来源于某高校在线学习平台用户在数据结构这一课程的答题情况，数据由1727人次在900道试题的答题记录组成，其中，每个人次作答10道题。这里选取部分数据作为展示，具体见表1。
Figure 540936DEST_PATH_IMAGE003
其中，item为用户作答试题的题号，resp为用户的答题情况，若resp为1则表示用户答对该试题；若resp为负数则表示用户答错该试题，-1，-2，-3，-4分别代表选择了错误的A，B，C，D选项；若resp为0则表示用户没有作答该试题。
利用“频繁二项集”算法计算数据中答错试题两两之间的相关度，为了避免人次过少导致相关度出现较大的误差，这里取两道试题同时错了15人次作为筛选条件，得出的结果如表2所示，其中ρ为相关度。
Figure 740973DEST_PATH_IMAGE004
将相关度高于0.5的试题对放入诊断学习库，如表3所示。
Figure 734337DEST_PATH_IMAGE005
假设某用户在线作答试题时，答错了95题，此时系统会推送92题供该用户作答，如果仍然答错，则继续推送97题供该用户作答，若还是答错，则继续推送96题供用户作答，在此过程中，一旦用户答对，则停止推送。
该用户在答完92题时，系统会弹出一个对话框，对话框中包括三个选项，分别为“非常相关”，“一般相关”，“不相干”，用户需选择其中一个选项进行反馈。同样的步骤会发生在该用户作答完97和96题时。

Claims (6)

1.一种提供在线诊断学习的方法，其特征在于，所述方法包括：
1）试题关联计算：利用频繁二项集算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度，其中，相关度用皮尔逊相关系数描述，答题记录至少需要达到500人次；
2）建立诊断学习库：将所有相关度高于0.5的试题对根据题号放入诊断学习库中；
3）在线推送：根据相关度的大小，对诊断学习库中的试题对降序排序，当用户进行在线答题时，如果答错则将诊断学习库中的关联试题按照排序后的顺序依次推送给该用户作答，若用户正确作答或关联试题推送完毕则停止推送；
4）修正更新：为诊断学习库中的每组试题对均设置三个选项，分别为非常相关，一般相关和不相关，当用户答完推送的关联试题时，提醒用户在这三个选项中选取一项作为反馈，根据用户的反馈，修正试题对的相关系数，同时更新诊断学习库；
所述的步骤1）中，频繁二项集算法的原理描述如下：
1.1）遍历学生答错试题记录，统计每道试题的答错次数；
1.2）对每个学生答错的试题两两组合形成试题对，统计每个试题对出现次数；
1.3）根据皮尔逊相关系数来计算所有答错试题两两之间的相关度；
根据此场景对皮尔逊相关系数进行引申并形成如下公式：
Figure DEST_PATH_IMAGE001
其中，TA为题A错误的次数，TB为题B错误的次数，TAB为A，B共同错误的次数，T为参加答题的总人数。
2.根据权利要求1所述的一种提供在线诊断学习的方法，其特征在于，所述的步骤1）中，数据为用户答错试题的题号，每个试题必须有唯一的题号来保证试题之间不会出现重复，最后得出的是成对试题之间的相关度且相关度是以所有用户的答题情况为基础计算得到的。
3.根据权利要求1所述的一种提供在线诊断学习的方法，其特征在于，所述的步骤4）中，若用户选择非常相关，则试题对相关系数加上0.1，若用户选择一般相关，则试题对相关系数保持不变，若用户选择不相关，则试题对相关系数减去0.1。
4.一种应用如权利要求1所述的方法的提供在线诊断学习的装置，其特征在于，包括：
1）试题关联计算模块，用于根据频繁二项集算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度；
2）诊断学习库模块，用于存储相关度高于0.5的试题对；
3）在线推送模块，用于给用户推送诊断学习库中的试题；
4）修正更新模块，用于修正诊断学习库中的试题对相关系数。
5.根据权利要求４所述的在线诊断学习的装置，其特征在于，所述在线推送模块具体包括：
排序单元，用于对诊断学习库中的试题对降序排序；
推送单元，用于按照排序后的顺序，依次推送关联试题给用户进行作答。
6.根据权利要求４所述的在线诊断学习的装置，其特征在于，所述修正更新模块具体包括：
修正单元，用于对诊断学习库中试题对的相关系数进行修正；
更新单元，用于更新诊断学习库。
CN201710134667.4A 2017-03-08 2017-03-08 提供在线诊断学习的方法和装置 Active CN107423311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710134667.4A CN107423311B (zh) 2017-03-08 2017-03-08 提供在线诊断学习的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710134667.4A CN107423311B (zh) 2017-03-08 2017-03-08 提供在线诊断学习的方法和装置

Publications (2)

Publication Number Publication Date
CN107423311A CN107423311A (zh) 2017-12-01
CN107423311B true CN107423311B (zh) 2021-01-08

Family

ID=60423832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710134667.4A Active CN107423311B (zh) 2017-03-08 2017-03-08 提供在线诊断学习的方法和装置

Country Status (1)

Country Link
CN (1) CN107423311B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110362671B (zh) * 2019-07-16 2022-04-19 安徽知学科技有限公司 题目推荐方法、设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870463A (zh) * 2012-12-10 2014-06-18 中国电信股份有限公司 测试题目的选择方法与系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9223681B2 (en) * 2013-02-15 2015-12-29 International Business Machines Corporation Automated debug trace specification
CN105069097A (zh) * 2015-08-06 2015-11-18 苏州百智通信息技术有限公司 在线答题错题统计方法及系统
CN105224665B (zh) * 2015-09-30 2018-08-14 广东小天才科技有限公司 一种错题管理方法及系统
CN105354775A (zh) * 2015-10-28 2016-02-24 广东小天才科技有限公司 一种错题分析方法及系统
CN106227809A (zh) * 2016-07-22 2016-12-14 广东小天才科技有限公司 一种试题的推送方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870463A (zh) * 2012-12-10 2014-06-18 中国电信股份有限公司 测试题目的选择方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于IRT的自适应试题推送系统设计";景志勇;《技术与市场》;20110930;第18卷(第9期);第319-320页 *

Also Published As

Publication number Publication date
CN107423311A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
CN109903617B (zh) 个性化练习方法和系统
US20160293036A1 (en) System and method for adaptive assessment and training
CN107909520B (zh) 基于试题相关性的出卷方法和装置
CN110807469B (zh) 融合长短时记忆与贝叶斯网络的知识追踪方法及系统
CN107481170A (zh) 一种课程推荐方法、装置、选课服务器及存储介质
CN107730200A (zh) 智能提醒用户学习单词的方法以及装置
CN108665394B (zh) 自适应学习方法及系统
KR20190006409A (ko) 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법
CN110263181B (zh) 知识结构的挖掘方法及学习路径的规划方法
Macina et al. Mathdial: A dialogue tutoring dataset with rich pedagogical properties grounded in math reasoning problems
CN110929020A (zh) 基于测试成绩的知识点掌握度分析方法
Hou et al. Modeling language learning using specialized Elo rating
Crompton et al. Review of trends in mobile learning studies in mathematics: A meta-analysis
CN116541538A (zh) 基于大数据的智慧学习知识点挖掘方法及系统
CN109035088A (zh) 基于错题的自适应学习方法
CN107423311B (zh) 提供在线诊断学习的方法和装置
JP2017187524A (ja) 学習支援システムおよび学習支援プログラム
CN113377942A (zh) 一种试卷生成方法、装置、计算机设备及存储介质
CN111259305A (zh) 一种在线智能教育方法
KR102116434B1 (ko) 학습자의 체감난이도 분석 정보 제공방법
CN114528494A (zh) 一种信息推送方法、装置、设备及存储介质
CN112860983B (zh) 一种学习内容推送的方法、系统、设备及可读存储介质
Walston et al. Eighth grade: First findings from the final round of the Early Childhood Longitudinal Study, Kindergarten Class of 1998-99 (ECLS-K)
CN112381291A (zh) 行为预测、信息推送方法及装置、电子设备及存储介质
CN112861784A (zh) 答题方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220608

Address after: 310000 room 701, floor 7, Hailiang building, No. 1508, Binsheng Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Hailiang Youzhi Technology Co.,Ltd.

Address before: 310018, No. 18 Jiao Tong Street, Xiasha Higher Education Park, Hangzhou, Zhejiang

Patentee before: ZHEJIANG GONGSHANG University

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: Room 701, Floor 7, Hailiang Building, No. 1508, Binsheng Road, Xixing Street, Binjiang District, Hangzhou, Zhejiang 310052

Patentee after: Zhejiang Hailiang Technology Co.,Ltd.

Address before: 310000 room 701, floor 7, Hailiang building, No. 1508, Binsheng Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee before: Hangzhou Hailiang Youzhi Technology Co.,Ltd.

CP03 Change of name, title or address