CN108596356A - 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器 - Google Patents

基于大数据的英语成绩预测方法及用于英语成绩预测的服务器 Download PDF

Info

Publication number
CN108596356A
CN108596356A CN201810070936.XA CN201810070936A CN108596356A CN 108596356 A CN108596356 A CN 108596356A CN 201810070936 A CN201810070936 A CN 201810070936A CN 108596356 A CN108596356 A CN 108596356A
Authority
CN
China
Prior art keywords
parameter
ability
user
answer
server
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
CN201810070936.XA
Other languages
English (en)
Inventor
崔华娴
梁敏
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.)
Henan Institute of Technology
Original Assignee
Henan Institute of Technology
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 Henan Institute of Technology filed Critical Henan Institute of Technology
Priority to CN201810070936.XA priority Critical patent/CN108596356A/zh
Publication of CN108596356A publication Critical patent/CN108596356A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种基于大数据的英语成绩预测方法，包括：由服务器生成第一问卷，用户终端将针对第一问卷的第一答案发送给服务器，服务器基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数；由服务器生成第二问卷，用户终端将针对第二问卷的第二答案发送给服务器，进而得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数；由服务器生成第三问卷，用户终端将针对第三问卷的第三答案发送给服务器，进而得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数；由服务器生成交互问答测试，用户终端将针对交互问答测试的交互问答测试答案发送给服务器，服务器基于各个参数以及口语能力参数对用户的成绩进行预测。

Description

基于大数据的英语成绩预测方法及用于英语成绩预测的服 务器
技术领域
本发明涉及一种英语成绩预测方法，特别涉及一种基于大数据的英语成绩预测方法及用于英语成绩预测的服务器。
背景技术
当今社会，英语能力至关重要。是否具备较高的英语能力实际上能够决定大多数人的职业走向。目前用人单位衡量英语水平的主要依据是应聘人员的英语成绩，而众所周知的是，目前很多通用英语考试的费用很高，通过反复考试来提升成绩是非常困难的；有些通用英语考试(例如CET-6)只针对特定人群，也即每个人能够参加该类考试的次数是一定的，不能通过反复考试的方法来提高成绩。
在上述情况下，在考试之前通过某些技术手段来预测考试成绩，并基于考试成绩预测结果进行有针对性的复习，对于考生来说具有十分重要的意义。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种基于大数据的英语成绩预测方法，从而克服现有技术的缺点。
为实现上述目的，本发明提供了一种基于大数据的英语成绩预测方法，该英语成绩预测方法包括如下步骤：由服务器生成第一问卷，并向用户终端发送第一问卷；用户终端将针对第一问卷的第一答案发送给服务器，服务器基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数；由服务器生成第二问卷，并向用户终端发送第二问卷；用户终端将针对第二问卷的第二答案发送给服务器，服务器基于第二答案得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数；由服务器生成第三问卷，并向用户终端发送第三问卷；用户终端将针对第三问卷的第三答案发送给服务器，服务器基于第三答案得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数；由服务器生成交互问答测试，并向用户终端发送交互问答测试；用户终端将针对交互问答测试的交互问答测试答案发送给服务器，服务器基于交互问答测试答案得到用户的口语能力参数；由服务器基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测。
优选地，上述技术方案中，由服务器基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测具体为：由服务器建立用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的关联；利用Apriori算法，基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的相关程度，从用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标；基于一个或多个相关指标对用户的成绩进行预测。
优选地，上述技术方案中，基于一个或多个相关指标对用户的成绩进行预测具体为：建立遗传神经网络模型；利用一个或多个相关指标以及相应的用户历史英语成绩对遗传神经网络模型进行训练；基于一个或多个相关指标，利用训练之后的遗传神经网络预测用户的成绩。
本发明还提供了一种基于大数据的用于英语成绩预测的服务器，该服务器包括：用于生成第一问卷，并向用户终端发送第一问卷的单元；用于接收针对第一问卷的第一答案，并基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数的单元，第一答案是由用户终端发送的；用于生成第二问卷，并向用户终端发送第二问卷的单元；用于接收针对第二问卷的第二答案，并基于第二答案得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数的单元，第二答案是由用户终端发送的；用于生成第三问卷，并向用户终端发送第三问卷的单元；用于接收针对第三问卷的第三答案，并基于第三答案得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数的单元，第三答案是由用户终端发送的；用于生成交互问答测试，并向用户终端发送交互问答测试的单元；用于接收针对针对交互问答测试的交互问答测试答案，并基于交互问答测试答案得到用户的口语能力参数的单元，交互问答测试答案是由用户终端发送的；用于基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测的单元。
优选地，上述技术方案中，用于基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测的单元进一步包括：用于建立用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的关联的单元；用于利用Apriori算法，基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的相关程度，从用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标的单元；用于基于一个或多个相关指标对用户的成绩进行预测的单元。
优选地，上述技术方案中，用于基于一个或多个相关指标对用户的成绩进行预测的单元进一步包括：用于建立遗传神经网络模型的单元；用于利用一个或多个相关指标以及相应的用户历史英语成绩对遗传神经网络模型进行训练的单元；用于基于一个或多个相关指标，利用训练之后的遗传神经网络预测用户的成绩的单元。
与现有技术相比，本发明具有如下有益效果：
本发明使用了多类型的问卷，得到了各类相关参数，避免了使用一种问卷测评所有参数时，参数不准确的问题，结合使用了相关度分析和遗传神经网络算法，提高了预测的准确性。
附图说明
图1是本发明的英语成绩预测方法的流程图。
具体实施方式
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
实施例1
如图1所述，本发明的英语成绩预测方法包括：步骤101：由服务器生成第一问卷，并向用户终端发送第一问卷；步骤102：用户终端将针对第一问卷的第一答案发送给服务器，服务器基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数；步骤103：由服务器生成第二问卷，并向用户终端发送第二问卷；步骤104：用户终端将针对第二问卷的第二答案发送给服务器，服务器基于第二答案得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数；步骤105：由服务器生成第三问卷，并向用户终端发送第三问卷；步骤106：用户终端将针对第三问卷的第三答案发送给服务器，服务器基于第三答案得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数；步骤107：由服务器生成交互问答测试，并向用户终端发送交互问答测试；步骤108：用户终端将针对交互问答测试的交互问答测试答案发送给服务器，服务器基于交互问答测试答案得到用户的口语能力参数；步骤109：由服务器基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测。
实施例2
本发明的方法还包括由服务器基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测具体为：由服务器建立用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的关联；利用Apriori算法，基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的相关程度，从用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标；基于一个或多个相关指标对用户的成绩进行预测。基于一个或多个相关指标对用户的成绩进行预测具体为：建立遗传神经网络模型；利用一个或多个相关指标以及相应的用户历史英语成绩对遗传神经网络模型进行训练；基于一个或多个相关指标，利用训练之后的遗传神经网络预测用户的成绩。遗传神经网络算法包括：根据遗传算法与神经网络相结合的遗传神经网络模型的总体设计，运用Matlab实现遗传神经网络模型的过程需要将BP神经网络函数与遗传算法的编码解码函数和适应度函数分别进行实现，主函数为gabpMain.m，实现BP神经网络的创建和神经网络参数的设计。同时，gabpMain函数还需实现神经网络与遗传算法的对接工作，因此还要实现遗传算法种群的初始化和基本参数的设定。上述算法是本领域技术人员公知的算法。
实施例3
本发明还提供了一种基于大数据的用于英语成绩预测的服务器，该服务器包括：用于生成第一问卷，并向用户终端发送第一问卷的单元；用于接收针对第一问卷的第一答案，并基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数的单元，第一答案是由用户终端发送的；用于生成第二问卷，并向用户终端发送第二问卷的单元；用于接收针对第二问卷的第二答案，并基于第二答案得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数的单元，第二答案是由用户终端发送的；用于生成第三问卷，并向用户终端发送第三问卷的单元；用于接收针对第三问卷的第三答案，并基于第三答案得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数的单元，第三答案是由用户终端发送的；用于生成交互问答测试，并向用户终端发送交互问答测试的单元；用于接收针对针对交互问答测试的交互问答测试答案，并基于交互问答测试答案得到用户的口语能力参数的单元，交互问答测试答案是由用户终端发送的；用于基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测的单元。用于基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对用户的成绩进行预测的单元进一步包括：用于建立用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的关联的单元；用于利用Apriori算法，基于用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与用户的历史英语成绩的相关程度，从用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标的单元；用于基于一个或多个相关指标对用户的成绩进行预测的单元。用于基于一个或多个相关指标对用户的成绩进行预测的单元进一步包括：用于建立遗传神经网络模型的单元；用于利用一个或多个相关指标以及相应的用户历史英语成绩对遗传神经网络模型进行训练的单元；用于基于一个或多个相关指标，利用训练之后的遗传神经网络预测用户的成绩的单元。
实施例4
结合本发明描述的各种模块和电路可以用被设计为执行本发明所描述的功能的通用处理器、专用集成电路、现场可编程门阵列或者分立门或晶体管逻辑电路、分立硬件组件或其任何组合来实现。通用处理器可以是微处理器，处理器可以是任何商业上可得到的处理器、控制器、微控制器或状态机。处理器可以负责管理总线和一般处理，包括执行存储在机器可读介质上的软件。处理器可以用一个或多个通用和/或专用处理器实现。无论被称为软件、固件、中间件、微代码、硬件描述语言还是其他，软件应被宽泛地解释为意指指令、数据或其任何组合。作为示例，机器可读介质可以包括RAM、闪存、ROM、PROM、EPROM、EEPROM、寄存器、磁盘、光盘或其任何组合。在硬件实现中，机器可读介质可以是与处理器分离的处理系统的一部分。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (6)

1.一种基于大数据的英语成绩预测方法，其特征在于，所述英语成绩预测方法包括如下步骤：
由服务器生成第一问卷，并向用户终端发送所述第一问卷；
所述用户终端将针对所述第一问卷的第一答案发送给所述服务器，所述服务器基于所述第一答案得到所述用户的听力能力参数、阅读能力参数以及翻译能力参数；
由服务器生成第二问卷，并向用户终端发送所述第二问卷；
所述用户终端将针对所述第二问卷的第二答案发送给所述服务器，所述服务器基于所述第二答案得到所述用户的词汇能力参数、语法能力参数以及语篇知识能力参数；
由服务器生成第三问卷，并向用户终端发送所述第三问卷；
所述用户终端将针对所述第三问卷的第三答案发送给所述服务器，所述服务器基于所述第三答案得到所述用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数；
由服务器生成交互问答测试，并向用户终端发送所述交互问答测试；
所述用户终端将针对所述交互问答测试的交互问答测试答案发送给所述服务器，所述服务器基于所述交互问答测试答案得到所述用户的口语能力参数；
由所述服务器基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对所述用户的成绩进行预测。
2.如权利要求1所述的英语成绩预测方法，其特征在于，由所述服务器基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对所述用户的成绩进行预测具体为：
由服务器建立所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与所述用户的历史英语成绩的关联；
利用Apriori算法，基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与所述用户的历史英语成绩的相关程度，从所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标；
基于所述一个或多个相关指标对所述用户的成绩进行预测。
3.如权利要求2所述的英语成绩预测方法，其特征在于，基于所述一个或多个相关指标对所述用户的成绩进行预测具体为：
建立遗传神经网络模型；
利用所述一个或多个相关指标以及相应的用户历史英语成绩对所述遗传神经网络模型进行训练；
基于所述一个或多个相关指标，利用训练之后的遗传神经网络预测所述用户的成绩。
4.一种基于大数据的用于英语成绩预测的服务器，其特征在于，所述服务器包括：
用于生成第一问卷，并向用户终端发送所述第一问卷的单元；
用于接收针对所述第一问卷的第一答案，并基于所述第一答案得到所述用户的听力能力参数、阅读能力参数以及翻译能力参数的单元，所述第一答案是由所述用户终端发送的；
用于生成第二问卷，并向用户终端发送所述第二问卷的单元；
用于接收针对所述第二问卷的第二答案，并基于所述第二答案得到所述用户的词汇能力参数、语法能力参数以及语篇知识能力参数的单元，所述第二答案是由所述用户终端发送的；
用于生成第三问卷，并向用户终端发送所述第三问卷的单元；
用于接收针对所述第三问卷的第三答案，并基于所述第三答案得到所述用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数的单元，所述第三答案是由所述用户终端发送的；
用于生成交互问答测试，并向用户终端发送所述交互问答测试的单元；
用于接收针对针对所述交互问答测试的交互问答测试答案，并基于所述交互问答测试答案得到所述用户的口语能力参数的单元，所述交互问答测试答案是由所述用户终端发送的；
用于基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对所述用户的成绩进行预测的单元。
5.如权利要求4所述的用于英语成绩预测的服务器，其特征在于，所述用于基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数对所述用户的成绩进行预测的单元进一步包括：
用于建立所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与所述用户的历史英语成绩的关联的单元；
用于利用Apriori算法，基于所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数与所述用户的历史英语成绩的相关程度，从所述用户的听力能力参数、阅读能力参数、翻译能力参数、词汇能力参数、语法能力参数、语篇知识能力参数、学习动机参数、学习兴趣参数、跨文化交流能力参数以及口语能力参数中筛选一个或多个相关指标的单元；
用于基于所述一个或多个相关指标对所述用户的成绩进行预测的单元。
6.如权利要求5所述的用于英语成绩预测的服务器，其特征在于，所述用于基于所述一个或多个相关指标对所述用户的成绩进行预测的单元进一步包括：
用于建立遗传神经网络模型的单元；
用于利用所述一个或多个相关指标以及相应的用户历史英语成绩对所述遗传神经网络模型进行训练的单元；
用于基于所述一个或多个相关指标，利用训练之后的遗传神经网络预测所述用户的成绩的单元。
CN201810070936.XA 2018-01-25 2018-01-25 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器 Pending CN108596356A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810070936.XA CN108596356A (zh) 2018-01-25 2018-01-25 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810070936.XA CN108596356A (zh) 2018-01-25 2018-01-25 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器

Publications (1)

Publication Number Publication Date
CN108596356A true CN108596356A (zh) 2018-09-28

Family

ID=63608258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810070936.XA Pending CN108596356A (zh) 2018-01-25 2018-01-25 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器

Country Status (1)

Country Link
CN (1) CN108596356A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992754A (zh) * 2019-12-02 2020-04-10 王言之 一种英语口语的高效备考、自学和教学方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105679122A (zh) * 2016-03-20 2016-06-15 郑州航空工业管理学院 多功能大学英语教学管理系统
CN106327049A (zh) * 2015-07-08 2017-01-11 广州市第人民医院 一种认知评估系统及其应用
CN107038497A (zh) * 2017-03-31 2017-08-11 珠海知未科技有限公司 一种学生成绩预测系统及方法
CN107123327A (zh) * 2017-06-09 2017-09-01 河南中医药大学 英语综合能力训练系统
CN107194836A (zh) * 2017-04-26 2017-09-22 辽宁科技大学 一种多功能英语教学管理装置及其教学方法
CN107274737A (zh) * 2017-07-19 2017-10-20 河南中医药大学 一种基于智能终端的英语教学系统
CN107516447A (zh) * 2017-10-11 2017-12-26 商丘师范学院 一种交互式大学英语自主学习系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327049A (zh) * 2015-07-08 2017-01-11 广州市第人民医院 一种认知评估系统及其应用
CN105679122A (zh) * 2016-03-20 2016-06-15 郑州航空工业管理学院 多功能大学英语教学管理系统
CN107038497A (zh) * 2017-03-31 2017-08-11 珠海知未科技有限公司 一种学生成绩预测系统及方法
CN107194836A (zh) * 2017-04-26 2017-09-22 辽宁科技大学 一种多功能英语教学管理装置及其教学方法
CN107123327A (zh) * 2017-06-09 2017-09-01 河南中医药大学 英语综合能力训练系统
CN107274737A (zh) * 2017-07-19 2017-10-20 河南中医药大学 一种基于智能终端的英语教学系统
CN107516447A (zh) * 2017-10-11 2017-12-26 商丘师范学院 一种交互式大学英语自主学习系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈勇: "基于遗传神经网络成绩预测的研究与实现", 《现代电子技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992754A (zh) * 2019-12-02 2020-04-10 王言之 一种英语口语的高效备考、自学和教学方法
CN110992754B (zh) * 2019-12-02 2021-09-28 王言之 一种英语口语的高效备考、自学和教学方法

Similar Documents

Publication Publication Date Title
Alqurashi Predicting student satisfaction and perceived learning within online learning environments
Reichert et al. Civic participation of high school students: The effect of civic learning in school
Chen et al. Retrofitting non-cognitive-diagnostic reading assessment under the generalized DINA model framework
Erlich et al. Assessing student learning in academic advising using social cognitive theory
Bejar A validity-based approach to quality control and assurance of automated scoring
US9514412B2 (en) Techniques for detecting deceptive answers to user questions based on user preference relationships
US11451664B2 (en) Objective training and evaluation
Nichols-Barrer et al. Testing college readiness: Massachusetts compares the validity of two standardized tests
Alshahrani et al. Validity, reliability, predictors, moderation: The UTAUT model revisited
CN108241625B (zh) 预测学生成绩变化趋势的方法及系统
Blunch Literacy and numeracy skills and education sector reform: Evidence from Ghana
McKoon et al. Adults with poor reading skills and the inferences they make during reading
CN110866209A (zh) 在线教育数据推送方法、系统和计算机设备
CN110489455A (zh) 学习资源推荐方法、装置、电子设备和存储介质
Nagle Emerging scientist: challenges to CAPE-V as a standard
CN108229688B (zh) 一种基于irt的信息处理方法及装置
CN108416709A (zh) 自动生成数学选择题答案选项的方法以及装置
CN108596356A (zh) 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器
CN114398556A (zh) 学习内容的推荐方法、装置、设备及存储介质
US20210065574A1 (en) Method and system for promptly connecting a knowledge seeker to a subject matter expert
Cooper et al. Ranking feature sets for emotion models used in classroom based intelligent tutoring systems
KR101854804B1 (ko) 텍스트와 연관된 개체명을 결정하기 위한 사용자 인증 서비스 제공 및 학습 데이터 구축 방법
US11538355B2 (en) Methods and systems for predicting a condition of living-being in an environment
KR102329611B1 (ko) 교육적 요소를 예측하는 사전학습 모델링 시스템 및 방법
Tompson et al. Conclusion: A realistic agenda for evidence-based policing

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: 20180928

RJ01 Rejection of invention patent application after publication