CN108510816A - 在线学习系统及方法 - Google Patents

在线学习系统及方法 Download PDF

Info

Publication number
CN108510816A
CN108510816A CN201810276947.3A CN201810276947A CN108510816A CN 108510816 A CN108510816 A CN 108510816A CN 201810276947 A CN201810276947 A CN 201810276947A CN 108510816 A CN108510816 A CN 108510816A
Authority
CN
China
Prior art keywords
examination question
examination
difficulty
classification
grade
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
CN201810276947.3A
Other languages
English (en)
Inventor
王婷婷
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.)
Chongqing Zhikao Information Technology Co Ltd
Original Assignee
Chongqing Zhikao Information Technology 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 Chongqing Zhikao Information Technology Co Ltd filed Critical Chongqing Zhikao Information Technology Co Ltd
Priority to CN201810276947.3A priority Critical patent/CN108510816A/zh
Publication of CN108510816A publication Critical patent/CN108510816A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00Electrically-operated educational appliances
    • G09B5/08Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

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

本发明申请公开了在线学习系统,其服务器包括中央处理器以及与中央处理器信号连接的试题存储模块、反馈存储模块和能力图谱模块;中央处理器,用来将每个类别中出现错误次数最多的难度等级作为该类别试题的当前最高难度等级,中央处理器将每个类别中出现错误次数最少的难度等级作为该类别试题的当前最低难度等级;中央处理器针对每个类别的试题选择最低难度等级的预定个数试题形成新的试题包发送给用户端,直到用户端反馈回来的某一类别试题的在当前批次试题包中的实际正确率为百分之百时,在下次发送试题包的时候该类别的所有试题均提高一个难度等级。本申请还公开了在线学习方法,本申请能根据学习情况针对性地提供与之相匹配难度的试题。

Description

在线学习系统及方法
技术领域
本发明涉及远程教育领域,具体涉及一种在线学习系统及方法。
背景技术
远程教育,指的是依靠电脑、电视及互联网等传播媒体的教学模式,它突破了时空的界线,能够使学员能够在不同地方进行上课。相比于面对面的课堂教育,现在的远程教育主要针对那些需要通过某项考试但却没有固定时间进行上课和学习的人。也就是说,现在的远程教育主要是目的性很强的应试教育,作为应试教育的必备手段,从理论上讲,海量题库能够有效帮助学员通过不断练习试题快速达到通过考试的目的。
然而,现实却是海量题库对于面对面的课堂教育,有很强的应试作用,然而对于远程教育却并不能达到相同的良好效果。究其原因,是因为在课堂教育中,老师的教学和让学员做的试题难易程度是相匹配的,学员能够通过完成与之所学内容难度相当的试卷起到巩固和加深记忆的作用,使学员已经学到的知识点能够进一步巩固。
而在远程教育这里,虽然有比课堂教育多得多的试题组成的题库,但是现有的远程教育系统并不能根据学员的学习情况而针对性地从题库中选择试题给学员做,这样就会出现至少三种情况,一种情况是当前的试题对于学员的学习情况而言太难,学员越做越没有信心,进而产生厌学情况;第二种情况是当前的试题对于学员的学习情况而言太过简单,学员无法从不断做试题的过程中得到提高,不仅浪费学员的做题时间而且对于通过考试完全没有帮助;第三种情况是当前的试题恰好符合学员当前的学习情况,但是在经过一段时间后,这些试题的难度并没有随着学员学习难度的提高而同步变化,使学员在经过一段时间的学习后试题对其产生的作用越来越少。
发明内容
本发明的目的之一在于提供一种在线学习系统,以便能够根据学员的学习情况为学员针对性地提供与之相匹配难度的试题。
为达到以上目的,提供如下方案:
方案一:在线学习系统,包括服务器以及与服务器网络连接的多个用户端;
所述服务器包括中央处理器以及与中央处理器信号连接的试题存储模块、反馈存储模块和能力图谱模块;
所述试题存储模块,用来存储多个分类试题,每个类别中的每个试题均包括试题题目、试题答案以及试题属性词;所述试题属性词包括用来表示试题难易程度的难度等级;
所述反馈存储模块,用来实时存储用户端发送来的所有试题信息,这些试题信息包括每个试题的反馈答案;反馈存储模块用来实时更新并存储每个类别试题累计的实际正确率;
所述能力图谱模块,用来存储并动态更新基准能力图谱和当前能力图谱,基准能力图谱用为了通过考试而要求学员达到的各类试题的基准正确率表征,基准能力图谱用各类试题当前的实际正确率表征;
所述中央处理器,用来从试题存储模块中的每个类别中随机选择预设个数不同难度的试题形成试题包发送给用户端;中央处理器用来从反馈存储模块提取用户端反馈回来的所有试题并识别这些试题中反馈答案的对错、类别以及难度等级;中央处理器将每个类别中出现错误次数最多的难度等级作为该类别试题的当前最高难度等级,中央处理器将每个类别中出现错误次数最少的难度等级作为该类别试题的当前最低难度等级;中央处理器针对每个类别的试题选择最低难度等级的预定个数试题形成新的试题包发送给用户端,直到用户端反馈回来的某一类别试题的在当前批次试题包中的实际正确率为百分之百时,在下次发送试题包的时候该类别的所有试题均提高一个难度等级。
名词解释:
实际正确率:指实际做正确的试题数除以已经做过的试题数量的比值。
原理及效果:
本发明通过设置基准能力图谱和当前能力图谱能够清楚地记录学员需要达到的试题练习情况和当前实际的试题练习情况,能够让学员直观地了解自己当前的应试学习能力和还需要弥补的地方,方便学员针对性地去努力。
本发明通过对试题进行分类和分难度等级,可以针对每一个类别的试题寻找到适合学员当前练习的难度等级,有效避免了学员练习的试题难度等级与自身应试能力相差较大而出现的各种负面影响。本发明能够根据学员的学习情况为学员针对性地提供与之相匹配难度的试题。
通过试题存储模块实时存储用户端发送回来的反馈答案,能够及时掌握学员不断变化的应试学习情况,并且根据学员应试学习情况的提升而由中央处理器控制不断提升试题包中各类别试题的难度等级,使用户端接收到的各类别试题都是与学员当前应试能力相匹配的,本发明能够针对学员变化的不断提高的应试能力,针对性地提出难度等级相匹配的试题,能够做到线下课堂使用题库的效果,能够有效帮助学员利用这些试题顺利通过考试。此外,本发明以试题包的形式向学员进行多批次的试题发送,方便能够实时掌握学员每个时间段内各个类别试题的应试能力。
方案二:在方案一的基础上进一步,试题存储模块内预先存储有试题分类表,试题分类表将所有试题按照学科进行分类,每个试题的试题属性词包括用来表征学科、章节和难度等级的关键词;试题分类表还包括对应每个试题的试题解析和对应的知识点内容。
按照学科进行分类,方便对每个学科实际正确率的统计和应用,通过学科、章节和难度等级这些关键词,能够准确划分每个试题,能够细化分类,使每个类别的试题练习的应试能力针对性更强,更有利于帮助学员及时发现薄弱环节进行突击。试题分类表中对应每个试题存储有试题解析和知识点内容,方便学员在通过用户端做错题后,通过试题解析和知识点内容查漏补缺进行学习。
方案三:在方案一的基础上进一步,还包括中央收发模块,所述中央收发模块,用来向用户端发送基准能力图谱、当前能力图谱以及与当前能力图谱中各类试题应试能力相匹配的试题包;中央收发模块,用来接收用户端针对当前试题包中各类试题反馈回来的所有反馈答案和各类别的实际正确率。
将基准能力图谱和当前能力图谱发送给用户端,有利于学员通过用户端直观地看到当前需要在各类别试题中达到怎样的正确率掌握怎样的应试能力,中央收发模块起到和用户端进行相互传输的作用。
方案四:在方案一的基础上进一步,预设个数为大于等于3的整数。
每个类别中的试题个数要有一定的量,才方便更加准确地测试出学员当前具体处于什么样的难度等级之中,若不巧的是在某一类别的试题中,学员做错的试题的多个难度等级中,同时有两个或者两个以上的难度等级具有相同的出现次数,那么此时只能随机选择一个难度等级的该类别识别作为下一次试题包的选题范围,直至下一下试题包在做题过程中通过该类别试题的实际正确率来判断该难度等级的试题是否适合学员当前练习,若该类别的所有试题均为错误,则说明该类别当前难度等级不适合学员,在下次发试题包选该类别试题的时候需要将一个难度等级,若当前批次的试题包的反馈答案的实际正确率是百分之百,则说明学员对于该类别该难度等级的试题已经充分掌握,则在下次发送试题包选题的时候需要将该类别试题的难度提升一个难度等级。
方案五:在方案一的基础上进一步,中央处理器从反馈存储模块中提取到的某一类别试题的难度等级达到当前最高难度等级且包含最高难度等级的试题包中该类别试题的实际正确率为百分之百后,中央处理器从存储模块中随机选择高于当前最高难度等级的预设个数试题加入到下一个批次的试题包中,再从该批次试题包该类别试题的反馈答案中确定新的当前最低难度等级和当前最高难度等级。
在经过一定时间段后,即将当前最低难度等级到当前最高难度等级的所有试题包中的该类别试题都能百分之百做正确后,重新测试学员的当前学习情况,形成新的当前最低难度等级和当前最高难度等级,有利于及时掌握学员的实际情况,避免了学员已经高出当前最难等级很多却仍然在按部就班地做着与当前最高难度等级相当的题目,节省了学员的练习时间,真正做到动态地根据学员实际情况进行试题推送练习。
本发明的另一目的在于提供一种在线学习方法。
在线学习方法,包括以下步骤:
步骤1:服务器中的中央处理器随机从试题存储模块中抽取各个分类试题的预设个数试题形成试题包发送给用户端;
步骤2:用户端完成试题包中的所有试题并将每个试题的试题反馈答案和做完试题包后形成的各类试题的实际正确率发送给服务器并存储在服务器的反馈存储模块中;
步骤3:中央处理器从反馈存储模块中提取每个分类试题的实际正确率,中央处理器根据每个分类的实际正确率为参数形成当前能力图谱;中央处理器根据考试的及格分数线分值确定要求学员达到的基准分值,将每个分类在考试中的分值与考试总分值的比值与基准分值相乘得到每个分类的应得分值,将每个分类的应得分值除以每个分类在考试中的分值得到每个分类的理论正确率;将每个分类的理论正确率和实际正确率相对比并从中选择数值较大的一个作为该分类的基准正确率;中央处理器根据每个分类的基准正确率为参数形成基准能力图谱;中央处理器将当前能力图谱和基准能力图谱按照时间先后顺序实时存储到能力图谱模块中;
步骤4,服务器将基准能力图谱和当前能力图谱定时发送给用户端;
步骤5:在步骤3发生的同时,中央处理器从反馈存储模块中提取用户端反馈回来的所有试题反馈答案并识别这些反馈答案的对错、类别以及难度等级;中央处理器将每个类别中出现错误次数最多的难度等级作为该类别试题的当前最高难度等级,中央处理器将每个类别中出现错误次数最少的难度等级作为该类别试题的当前最低难度等级;中央处理器针对每个类别的试题选择最低难度等级的预定个数试题形成新的试题包发送给用户端,直到用户端反馈回来的某一类别试题的在当前批次试题包中的实际正确率为百分之百时,在下次发送试题包的时候该类别的所有试题均提高一个难度等级。
名词解释:
考试及格分数线分值:试题存储模块中存储的所有试题对应一个考试,通过这个考试的最低分值为及格分数线分值。
基准分值:指通过做题训练制定的要求学员达到的最低分数值。
每个分类在考试中的分值:指的是在考试中该分类所有试题设定的分数和,比如一个考试中有3个分类,第一个分类所有试题之和为100分,第二分类所有试题为120分,第三个分类所有试题为150分,那么这三个分类对应的在考试中的分值分别为100分、120分和150分,而这个考试的考试总分值就等于三个分类的分值之和,即为370分。
有益效果:
通过本方法能够根据学员的实际做题情况及应试能力,找到适合学员当前做的各种难度等级的试题,并形成试题包发送给用户端,能够有效避免学员因为做了与自己能力不匹配的试题而导致的厌学情况或者对考试无帮助的情况。
更重要的是本方法能够根据学员动态的试题学习及练习情况,以学员每个类别的实际正确率为基础,朝着通过考试的目的,为学员动态调整了基准能力图谱,对比当前能力图谱,能够使学员及时发现自己的薄弱类别,进而进行集中练习和突破,有助于学员有效利用试题达到通过考试的目的。
进一步,对于实际正确率小于理论正确率的分类,中央处理器将在下次的试题包中增加这些分类的试题数量。
这些实际正确率低于基准正确率的分类即为该学员的薄弱分类,通过针对性地多做题,能够快速提升这些薄弱分类的分数值,使所有分类的分数总和快速提高,有利于帮助学员在短期内顺利通过考试。
附图说明
图1为本发明在线学习系统实施例的逻辑框图。
具体实施方式
如图1所示,本实施例中的在线学习系统,包括服务器以及与服务器网络连接的多个用户端;
服务器包括中央处理器以及与中央处理器信号连接的试题存储模块、反馈存储模块、能力图谱模块和中央收发模块;
试题存储模块,用来存储海量试题形成题库,试题存储模块内预先存储有试题分类表,试题分类表将所有试题按照学科、章节、难易程度进行分类,这些进行试题分类的分类标准的关键词作为每个试题的属性词对每个试题进行标记,试题分类表包括试题编号、试题题目、试题答案、试题属性词以及该试题考察的对应知识点编号;其中,一个完整的试题包括试题题目和试题答案,试题答案中不仅有针对试题的直接答案,还有对得出这个答案的解析。
反馈存储模块,用来实时存储学员通过用户端完成的试题以及做题的对错情况;
能力图谱模块,用来根据学员当前做题累积的对错情况实时更新并存储基准能力图谱和当前能力图谱;基准能力图谱是指为了通过该考试,按照学员迄今为止的做题情况,每个学科应该达到的正确率形成的饼状图、折线图或者柱状图,一般而言,基准能力图谱是按照通过考试的及格分数高出一定分数,如10分、5分等进行设定的,根据学员各个学科或者章节的正确率,按照预先知道的各个试题的分数来分别计算的为了达到高出及格线10分的成绩各个学科或者章节应该做对多少题的一个划分规划,并将这种划分规划用图表的形式表示出来,使人一目了然。
能力图谱中,将目标分数设置在及格分数线上高出一定分数,是为了抵消学员在正式考试过程中会出现的失误,使学员能够做对达到及格线以上分数的试题数量,帮助学员快速通过考试。而如果这个考试是多学科考试,那么能力图谱显示的就是每个学科应该达到的正确率,如果这个考试是多个学科的,那么能力图谱显示的就是每个章节应该达到的正确率。当前能力图谱表示的是学员迄今为止实际上每个学科或者章节试题的正确率。通过对比当前能力图谱和基准能力图谱,能够直观地看到学员应该在哪些学科或者章节上下功夫弥补短板,才能更快地提升整体分数。每个学科或者章节能够完成较为简单的试题,拿到一定分数是很简单的,但是如果要针对某个学科或者章节深入学习,那么体现在分数上的增长就会显得特别慢,本实施例通过当前能力图谱和基准能力图谱的对比,快速帮学员找到目前自己比较薄弱的学科,帮助学员能够通过弥补薄弱的学科快速完成分数提升。
中央收发模块,用来向用户端发送从试题存储模块中筛选出来的与学员当前能力图谱相匹配的试题,用来接收用户端针对这些试题反馈回来的完成情况和对错情况;
其中,相同时间从中央收发模块发送到用户端的所有试题,我们称之为试题包;试题包为同一难度的试题,这些试题可以是同一学科、同一章节的,也可以是不同学科、不同章节的。这里的完成情况,指的是用户端针对试题包一共做了多少试题,完成率就是已经做的当前批次的试题数量除以所有试题包数量得到的比值。对错情况,指的是在迄今为止所有做的同一学科的试题中一共做对了多少试题,做错了多少试题,正确率指的是同一学科迄今为止一共做对的试题数量与所做的所有试题数量之间的比值。
中央处理器,用来按照试题分类表从试题存储模块中随机选择不同难度的各学科或者各章节试题形成试题包,通过中央收发模块发送给用户端;用来从中央收发模块中接收用户端对试题包的完成情况和对错情况,并将每个学员的完成情况和对错情况分别在反馈存储模块建立与学员一一对应的反馈存储单元;中央处理器通过对用户端反馈回来的对错情况,查看所有做对题目的难度、学科、章节等属性词,中央处理器将所有做对的题按照学科进行分类并统计每个分类中的试题数量,每个学科各个章节中答对实体数量最多的一类试题,其所体现的难度就是学员在该学科该章节中的实际学习情况,中央处理器在下次选题的时候就按照所检测出来的学员在每个学科每个章节的实际学习情况选择相应难度的试题发送给用户端,直到学员按照试题分类表上预先设定的每种难度试题对应的正确率时,那么对应达到要求的章节试题在下一次选择试题的时候才会往上增加一个难度。
中央处理器随着反馈存储模块中反馈试题数量的增多,不断等比例调整基准能力图谱和当前能力图谱,并定期将各个阶段形成的基准能力图谱和当前能力图谱对比保存在能力图谱模块中,形成基准能力图谱和当前能力图谱的对比变化图,中央处理器控制中央收发模块将对比变化图发送给用户端,使学员能够通过用户端直观看到自己在这些时间内的学习进步,增加学员的自信心,鼓励学员继续学习。
用户端,包括用户处理器以及分别与用户处理器信号连接的试题播放模块、输入模块和用户收发模块;
用户收发模块,用来从服务器接收试题包,包括每个试题题目以及每个试题答案以及每个试题解析和每个试题对应的知识点内容,用来向服务器发送学员针对每个试题题目输入的反馈答案;
试题播放模块,用来播放试题题目,并在用户处理器的控制下,播放试题答案、试题解析和试题对应的知识点内容;
输入模块,用来供学员向用户端输入答题请求信号、解析请求信号和知识点请求信号,用来供学员向用户端输入针对每个试题的反馈答案;
用户处理器,用来将用户收发模块接收到的试题包发送给试题播放模块;当用户处理器接收到输入模块发送的答题请求信号,用户处理器控制试题播放模块随机从试题包中选取一个试题题目进行播放,当用户处理器接收到输入模块发送的反馈答案,用户处理器控制试题播放模块播放对应该试题题目的试题答案,同时,用户处理器将该反馈答案和该试题答案进行对比判断形成判断结果,用户处理器将该试题题目、试题答案、反馈答案和判断结果一起发送给服务器,同时,用户处理器将当前完成的各个学科及章节分类中每个分类的试题完成率和正确率发送给反馈存储模块,这样能够使服务器及时了解学员的试题完成情况和对错情况,方便中央处理器根据每个学员的试题完成情况和对错情况及时调整基准能力图谱和当前能力图谱。
具体地,利用上述的在线学习系统进行的在线学习方法,包括以下内容:
步骤1:中央处理器随机从试题存储模块中抽取各个分类各个章节的试题形成试题包通过中央收发模块发送给用户端。
例如,利用在线学习系统进行的是通过A考试的学习,这个考试一共包括M个学科,其中每个学科内又包括N个章节,那么分类可以是只按照学科一共分成M类,也可以按照章节分类一共分成M*N类,但是如果按照章节分类的话,需要各个章节之间是独立的才行,但是一般学科的教学内容都是由浅入深,章节之间都是有关联的,所以一般还是按照学科进行分类。中央处理器从M个分类中每个分类中选出L*N个试题,一共L*N*M个试题形成试题包发送给中央处理模块。其中,L为在每个章节中选取的试题数量,L为大于等于3的整数,L的值可以根据设置调整,这样一个批次的试题包中就会包括所有学科所有章节中的题目,方便全面了解学员的实际学习情况。
步骤2:用户端的用户收发模块接收到试题包后发送给用户处理器,用户处理器将试题包发送给试题播放模块存储等待播放;
步骤3:学员通过用户端的输入模块向用户端输入答题请求信号,用户处理器接收到答题请求信号后用户处理器控制试题播放模块随机从试题包中选取一个试题题目进行播放;
步骤4:学员通过输入模块向用户端输入针对该试题题目的反馈答案,当用户处理器接收到输入模块发送的反馈答案,用户处理器控制试题播放模块播放对应该试题题目的试题答案,同时,用户处理器将该反馈答案和该试题答案进行对比判断形成判断结果,用户处理器将该试题题目、试题答案、反馈答案和判断结果一起发送给服务器,同时,用户处理器将当前完成的各个学科及章节分类中每个分类的试题完成率和正确率发送给反馈存储模块;这样能够使服务器及时了解学员的试题完成情况和对错情况,方便中央处理器根据每个学员的试题完成情况和对错情况及时调整基准能力图谱和当前能力图谱。
例如,学员通过向输入模块输入一串字符或者只是简单的按一下,发送答题请求信号给用户处理器,用户处理器控制试题播放模块播放第一个试题题目,然后学员通过输入模块将针对该试题题目的反馈答案输入到用户端,用户处理器控制试题播放模块播放该试题题目对应的试题答案,看到试题后学员能够清楚地了解自己是否做错。
步骤5:当学员对试题答案和得到试题答案的过程有疑问需要查看解析过程的时候,通过输入模块向用户处理器发送解析请求信号,用户处理器接收到请求信号后控制试题播放模块播放该试题的试题解析;当学员对该试题对应的知识点内容不熟悉需要复习的时候,通过输入模块向用户处理器发送知识点请求信号,用户处理器接收到请求信号后控制试题播放模块播放该试题对应的知识点内容;当然,若试题解析和对应的知识点内容整合成一个播放内容的时候,则解析请求信号和知识点请求信号也合并为一个请求信号。
步骤6:重复步骤3至步骤5,直至服务器接收到的试题完成率为百分之百,中央处理器从反馈存储模块中提取每个分类的试题正确率,并针对每个分类,从回答错误的试题中识别各个试题的难度等级,将出现最多次的难度等级定义为当前最高难度等级,从回答正确的试题中识别正确个数最多的难度等级定义为当前最低难度等级;中央处理器根据每个学科的实际正确率为参数形成当前能力图谱;同时,中央处理器将每个分类的当前最高难度等级和当前最低难度等级标注在当前能力图谱上;中央处理器按照该考试的及格分数线加上增加分值形成基准分值,当增加分值为零时,形成的基准分值就等于及格分数线分值,我们称之初始基准分值。
按照每个学科所占考试总分的比例,根据基准分值计算每个学科的理论正确率,学科的理论正确率等于要达到基准分值时每个学科应该拿到的分数除以该学科的总分数,若某个学科每个试题的分数是相同的,那么该学科的理论正确率也等于应该拿到分数的试题数量除以该学科总的试题数量。按照初始基准分值计算出的理论正确率为初始理论正确率。将每个学科的理论正确率和实际正确率进行对比,选择理论正确率和实际正确率中较高的一个作为当前的基准正确率,将每个学科的基准正确率作为参数形成基准能力图谱。
随着增加分值的递增和实际正确率的改变,基准能力图谱也会逐渐改变。
增加分值的递增伴随着学科整体试题难度的增加,当学科内所有章节的试题都增加了一个难度后,增加分值开始向上增加一个分数点的难度,比如某个学科应该拿到的分数占整个考试基准分值的1/7,那么增加一个分数点的分值应该是及格线分值*1/7。
在后面随着学员学习时间变长,随着试题包的数量越来越多,增加分值也会随着试题包数量的增多而逐渐增高,直至完成当前最高难度等级的试题为止。难度等级不升高,即使再多批次的试题,增加分值也不会再变化。
例如,A考试的学习,假设考试试卷的总分值为700分,增加分值为10分,而第1个学科的总分数为100分,那么该学科占考试总分值的100/700=1/7,该考试的及格线为410分,及格分数线加增加分值后得到的基准分值为420分,那么该学科应该取得的分数就为420*1/7=60分当基准分值为,该学科的理论正确率就等于60/100=0.6,而该学科的实际正确率是0.7,那么0.7就是该学科的基准正确率。如果该学科在经过多批次的试题练习后,每个章节的所有试题的难度都提升了一个等级,那么增加分值也会提高一个分数点,及格线分值*该学科总分值所占比例410*1/7,进而会重新调整每个学科的基准分值,形成新的基准能量图。
步骤7:服务器的中央处理器将当前能力图谱和基准能力图谱进行对比,选择出实际正确率低于基准正确率的学科,在下次发送试题包时增加对这些学科的试题选取数量。
其中,这些实际正确率低于基准正确率的学科被定义为薄弱学科,中央处理器从反馈存储模块中提取每个薄弱学科中每个章节的错误试题,识别这些错误试题的难度等级和知识点编号,将出现次数最多的难度等级对应相同知识点编号的所有试题形成一个特别增加试题集合增加到下次发送的试题包中,这样能够针对性地提高学员的学习短板,使学员能够在短时间内突破考试及格分数,通过考试。
在本实施例中,一个试题存储模块存储的为一个考试对应的试题,如果需要进行不同考试试题的学习则需要增加试题存储模块的个数,使每个试题存储模块分别存储一个考试对应的所有试题。
本实施例的服务器可以选用阿里云服务器,也可以选择惠普、戴尔或者IBM服务器,用户端可以选择具有输入和显示功能的电子设备,如手机、电脑等;服务器中的中央处理器和用户端中的用户处理器可以是相同的处理芯片,其具体型号根据各自的品牌产品中的配置而定,例如:AMD A10 9700、Intel/英特尔i5 7500、Dell/戴尔E5-2603V3,试题存储模块、反馈存储模块和能力图谱模块采用现在通用的存储芯片即可,例如:AT24C02、AT24C02BN-SH-T、IS62WV51216BLL以及其他具有存储功能的存储器件,中央收发模块和用户收发模块采用具有网络信息首发功能的现有收发模块即可,可以是无线模块,也可以是有线模块,例如:ESP8266WIFI模块、NRF905无线收发模块、Risym CC1101无线模块或者其他具有网络传输功能的收发模块。用户端的试题播放模块可以是具有存储功能的显示屏,也可以是独立的显示器,也可以是独立的显示器,输入模块可以是键盘,也可以是与显示屏整合成一体的触摸屏。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (7)

1.在线学习系统,其特征在于:包括服务器以及与服务器网络连接的多个用户端;
所述服务器包括中央处理器以及与中央处理器信号连接的试题存储模块、反馈存储模块和能力图谱模块;
所述试题存储模块,用来存储多个分类试题,每个类别中的每个试题均包括试题题目、试题答案以及试题属性词;所述试题属性词包括用来表示试题难易程度的难度等级;
所述反馈存储模块,用来实时存储用户端发送来的所有试题信息,这些试题信息包括每个试题的反馈答案;反馈存储模块用来实时更新并存储每个类别试题累计的实际正确率;
所述能力图谱模块,用来存储并动态更新基准能力图谱和当前能力图谱,基准能力图谱用为了通过考试而要求学员达到的各类试题的基准正确率表征,基准能力图谱用各类试题当前的实际正确率表征;
所述中央处理器,用来从试题存储模块中的每个类别中随机选择预设个数不同难度的试题形成试题包发送给用户端;中央处理器用来从反馈存储模块提取用户端反馈回来的所有试题并识别这些试题中反馈答案的对错、类别以及难度等级;中央处理器将每个类别中出现错误次数最多的难度等级作为该类别试题的当前最高难度等级,中央处理器将每个类别中出现错误次数最少的难度等级作为该类别试题的当前最低难度等级;中央处理器针对每个类别的试题选择最低难度等级的预定个数试题形成新的试题包发送给用户端,直到用户端反馈回来的某一类别试题的在当前批次试题包中的实际正确率为百分之百时,在下次发送试题包的时候该类别的所有试题均提高一个难度等级。
2.根据权利要求1所述的在线学习系统,其特征在于:试题存储模块内预先存储有试题分类表,试题分类表将所有试题按照学科进行分类,每个试题的试题属性词包括用来表征学科、章节和难度等级的关键词;试题分类表还包括对应每个试题的试题解析和对应的知识点内容。
3.根据权利要求1所述的在线学习系统,其特征在于:还包括中央收发模块,所述中央收发模块,用来向用户端发送基准能力图谱、当前能力图谱以及与当前能力图谱中各类试题应试能力相匹配的试题包;中央收发模块,用来接收用户端针对当前试题包中各类试题反馈回来的所有反馈答案和各类别的实际正确率。
4.根据权利要求1所述的在线学习系统,其特征在于:预设个数为大于等于3的整数。
5.根据权利要求1所述的在线学习系统,其特征在于:中央处理器从反馈存储模块中提取到的某一类别试题的难度等级达到当前最高难度等级且包含最高难度等级的试题包中该类别试题的实际正确率为百分之百后,中央处理器从存储模块中随机选择高于当前最高难度等级的预设个数试题加入到下一个批次的试题包中,再从该批次试题包该类别试题的反馈答案中确定新的当前最低难度等级和当前最高难度等级。
6.在线学习方法,其特征在于:包括以下步骤:
步骤1:服务器中的中央处理器随机从试题存储模块中抽取各个分类试题的预设个数试题形成试题包发送给用户端;
步骤2:用户端完成试题包中的所有试题并将每个试题的试题反馈答案和做完试题包后形成的各类试题的实际正确率发送给服务器并存储在服务器的反馈存储模块中;
步骤3:中央处理器从反馈存储模块中提取每个分类试题的实际正确率,中央处理器根据每个分类的实际正确率为参数形成当前能力图谱;中央处理器根据考试的及格分数线分值确定要求学员达到的基准分值,将每个分类在考试中的分值与考试总分值的比值与基准分值相乘得到每个分类的应得分值,将每个分类的应得分值除以每个分类在考试中的分值得到每个分类的理论正确率;将每个分类的理论正确率和实际正确率相对比并从中选择数值较大的一个作为该分类的基准正确率;中央处理器根据每个分类的基准正确率为参数形成基准能力图谱;中央处理器将当前能力图谱和基准能力图谱按照时间先后顺序实时存储到能力图谱模块中;
步骤4,服务器将基准能力图谱和当前能力图谱定时发送给用户端;
步骤5:在步骤3发生的同时,中央处理器从反馈存储模块中提取用户端反馈回来的所有试题反馈答案并识别这些反馈答案的对错、类别以及难度等级;中央处理器将每个类别中出现错误次数最多的难度等级作为该类别试题的当前最高难度等级,中央处理器将每个类别中出现错误次数最少的难度等级作为该类别试题的当前最低难度等级;中央处理器针对每个类别的试题选择最低难度等级的预定个数试题形成新的试题包发送给用户端,直到用户端反馈回来的某一类别试题的在当前批次试题包中的实际正确率为百分之百时,在下次发送试题包的时候该类别的所有试题均提高一个难度等级。
7.根据权利要求6所述的在线学习方法,其特征在于:对于实际正确率小于理论正确率的分类,中央处理器将在下次的试题包中增加这些分类的试题数量。
CN201810276947.3A 2018-03-30 2018-03-30 在线学习系统及方法 Pending CN108510816A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810276947.3A CN108510816A (zh) 2018-03-30 2018-03-30 在线学习系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810276947.3A CN108510816A (zh) 2018-03-30 2018-03-30 在线学习系统及方法

Publications (1)

Publication Number Publication Date
CN108510816A true CN108510816A (zh) 2018-09-07

Family

ID=63379334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810276947.3A Pending CN108510816A (zh) 2018-03-30 2018-03-30 在线学习系统及方法

Country Status (1)

Country Link
CN (1) CN108510816A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109272160A (zh) * 2018-09-17 2019-01-25 广州讯飞易听说网络科技有限公司 分数预测系统及预测方法
CN109448479A (zh) * 2018-12-19 2019-03-08 上海摩易信息科技发展有限公司 学习系统及基于移动终端的学习方法
CN109461103A (zh) * 2018-10-16 2019-03-12 安徽弘讯教育软件科技有限公司 一种在线教育平台
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
CN109636693A (zh) * 2018-12-20 2019-04-16 广东小天才科技有限公司 一种练习题目的推荐方法及电子设备
CN110599840A (zh) * 2019-08-06 2019-12-20 安徽学云教育科技有限公司 一种基于大数据的个性化自适应网上学习方法
CN111260980A (zh) * 2020-03-23 2020-06-09 成都师范学院 一种教育纠错学习系统
CN111310463A (zh) * 2020-02-10 2020-06-19 清华大学 试题难度预估方法、装置、电子设备和存储介质
CN112235333A (zh) * 2019-07-15 2021-01-15 北京字节跳动网络技术有限公司 一种功能包管理方法、装置、设备及存储介质
CN113992746A (zh) * 2021-10-26 2022-01-28 上海汉图科技有限公司 一种智能推送方法、智能打印方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107085803A (zh) * 2017-03-31 2017-08-22 弘成科技发展有限公司 基于知识图谱和能力测评的个性化教学资源推荐系统
CN107657559A (zh) * 2017-08-25 2018-02-02 北京享阅教育科技有限公司 一种中文阅读能力测评方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107085803A (zh) * 2017-03-31 2017-08-22 弘成科技发展有限公司 基于知识图谱和能力测评的个性化教学资源推荐系统
CN107657559A (zh) * 2017-08-25 2018-02-02 北京享阅教育科技有限公司 一种中文阅读能力测评方法及系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109272160A (zh) * 2018-09-17 2019-01-25 广州讯飞易听说网络科技有限公司 分数预测系统及预测方法
CN109461103A (zh) * 2018-10-16 2019-03-12 安徽弘讯教育软件科技有限公司 一种在线教育平台
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
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
CN109448479A (zh) * 2018-12-19 2019-03-08 上海摩易信息科技发展有限公司 学习系统及基于移动终端的学习方法
CN109636693A (zh) * 2018-12-20 2019-04-16 广东小天才科技有限公司 一种练习题目的推荐方法及电子设备
CN112235333A (zh) * 2019-07-15 2021-01-15 北京字节跳动网络技术有限公司 一种功能包管理方法、装置、设备及存储介质
CN110599840A (zh) * 2019-08-06 2019-12-20 安徽学云教育科技有限公司 一种基于大数据的个性化自适应网上学习方法
CN111310463A (zh) * 2020-02-10 2020-06-19 清华大学 试题难度预估方法、装置、电子设备和存储介质
CN111260980A (zh) * 2020-03-23 2020-06-09 成都师范学院 一种教育纠错学习系统
CN113992746A (zh) * 2021-10-26 2022-01-28 上海汉图科技有限公司 一种智能推送方法、智能打印方法及装置

Similar Documents

Publication Publication Date Title
CN108510816A (zh) 在线学习系统及方法
CN104239499B (zh) 一种基于大数据的高考志愿智能推荐的方法及装置
CN111274411A (zh) 课程推荐方法、装置、电子设备及可读存储介质
CN105117460A (zh) 学习资源推荐方法和系统
CN110473123A (zh) 一种多元智能教育方法及系统
CN111125640A (zh) 一种知识点学习路径推荐方法和装置
CN106251261B (zh) 一种培训方案生成方法及装置
CN110413748A (zh) 基于大数据机器人客服知识库词条推荐系统
CN113487213B (zh) 一种基于大数据的职业教育教学评价方法
CN103400328A (zh) 面向多信息平台聚合的随堂式教学测评系统及测评方法
CN107978189A (zh) 一种习题的智能推送方法、系统及终端设备
CN108536799A (zh) 自适应教学监测与洞察信息处理方法
CN110245253B (zh) 一种基于环境信息的语义交互方法及系统
CN109597937A (zh) 网络课程推荐方法及装置
CN109739829A (zh) 一种基于日常作业的学生知识体系分析系统
CN103324758B (zh) 一种新闻分类方法和系统
CN110867252A (zh) 体能测评管理系统、方法及计算机可读存储介质
CN108509439A (zh) 一种代数教学系统
CN110211008A (zh) 一种现代教育教学互动反馈系统及方法
CN111192170B (zh) 题目推送方法、装置、设备和计算机可读存储介质
CN106228480A (zh) 一种网络教学系统及方法
CN109829050B (zh) 一种语言练习方法、装置及系统
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
CN108932593A (zh) 一种认知影响因素分析方法及装置
CN112733059A (zh) 一种智能阅读跟踪评价方法、系统、终端及存储介质

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: 20180907

RJ01 Rejection of invention patent application after publication