CN109145159B - 一种对数据进行处理的方法和装置 - Google Patents
一种对数据进行处理的方法和装置 Download PDFInfo
- Publication number
- CN109145159B CN109145159B CN201710499580.7A CN201710499580A CN109145159B CN 109145159 B CN109145159 B CN 109145159B CN 201710499580 A CN201710499580 A CN 201710499580A CN 109145159 B CN109145159 B CN 109145159B
- Authority
- CN
- China
- Prior art keywords
- knowledge
- points
- point
- knowledge point
- tree
- 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
Links
Images
Abstract
一种数据处理方法及装置,包括:建立知识树,并在知识树中划分一条或多条知识主线,其中知识树由多个知识点组成;根据建立的知识树,自动对录入的试题标记一个或多个知识点标签;从所述标记过知识点标签的试题中统计每个知识点的占比;根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点;根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图。本发明站在全局的角度,让学生看到自己对整个学科所有知识点的掌握情况,能够直观地获得每个知识点的重要程度(权重占比)和各个知识点的前后学习顺序关系,同时根据学生对每个知识点的掌握情况,以及知识点的内在前后学习顺序,给学生推荐合适的学习路线和练习题目,从而更高效地改善学生的学习效果。
Description
所属技术领域
本发明涉及数据处理领域,尤其涉及一种对各学科的题库系统进行分析及处理的数据处理方法及装置。
背景技术
传统的中小学教学,乃至大学教学都是一对多模式,即一位老师负责对多位学生的教学。在此情况下,由于老师的精力有限,对每位学生的学习能力、当前学习进度、知识点掌握等情况可能不具备精准的了解,或者说老师要想对每位学生的知识点掌握情况做到精准的了解,特别是学生未掌握的根源性知识点,其难度是很大的。传统教学中老师讲题时,哪个知识点容易掌握哪个知识点需要重点讲解,基本上都是老师根据自己的经验进行判断,无法直观地了解学生对知识点的掌握情况。了解学生对知识点的掌握情况以及检查学生学习效果的最主要的方式是课后作业和练习,这也是家长、学生、老师尤为关心的。随着计算机和互联网技术的发展,借助计算机对知识体系进行描述和建模,以及对学生的学习行为进行记录和分析,使得用计算机软件作为教学辅助工具,从而帮助老师精确了解每位学生的知识点掌握情况,以及存在的薄弱知识点,成为了可能。通过计算机对学生的课后作业、练习、测验成绩等数据进行处理和分析,反映其知识点的掌握情况以及学生的学习习惯和状态,从而确定学生当前尚未掌握或者掌握得不好的知识点,以及其出现问题的根源性知识点,并呈现给老师,这将会极大地方便老师和教辅人员。
随着移动互联网的发展,题库类产品和在线答题类产品大量出现。学生在线答题后,会产生大量的作答数据。目前在一些题库和在线答题类的产品中,有着对学生的答题结果进行记录和分析的功能。然而这些记录和分析目前只能反映出该学生在一堂课、一次考试、或一次作业中,对相关知识点的掌握情况。其缺陷是不能站在全局的角度,获得该学生对整个学科所有知识点的掌握情况,也不能看到每个知识点在整个学科中的重要程度(权重占比),以及各个知识点之间的前后学习顺序关系,更无法根据学生对每个知识点的掌握情况,以及知识点内在的学习路径关系,给学生推荐个性化的学习路线和练习题目。
发明内容
本发明的旨在提供一种对数据进行处理的方法和装置,所要解决的技术问题是:站在全局的角度,让学生看到自己对整个学科所有知识点的掌握情况,以及能够直观地获得每个知识点的重要程度(权重占比)和各个知识点的前后学习顺序关系,同时根据学生对每个知识点的掌握情况,以及知识点的内在前后学习顺序,给学生推荐合适的学习路线和练习题目,从而更高效地改善学生的学习效果。
本发明解决其技术问题所采用的技术方案包括两方面:
一方面提供了一种数据处理方法,包括:
第一步:建立知识树,并在知识树中划分一条或多条知识主线,其中知识树由多个知识点组成;
第二步:根据建立的知识树,自动对录入的试题标记一个或多个知识点标签;
第三步:从所述标记过知识点标签的试题中统计每个知识点的占比;
第四步:根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点;
第五步:根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图。
另一方面提供了一种对数据进行处理的装置,包括:
用于建立知识树,并在知识树中划分一条或多条知识主线的模块,其中知识树由多个知识点组成;
用于根据建立的知识树,自动对录入的试题标记一个或多个知识点标签的模块;
用于从所述标记过知识点标签的试题中统计每个知识点的占比;
用于根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点的模块;
用于根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图的模块。
进一步地,所述知识树全覆盖一个学科。
进一步地,所述知识树是分层级的,该层级是两级或更多级;每一层级具有一个或多个知识点;知识树的每一个节点代表了一个知识点。
进一步地,根据建立的知识树,自动对录入的试题标记一个或多个知识点标签具体为:对试题的题目文本进行关键字分析,根据预设的关键字和知识点的对应关系为每一个试题标记各自的知识点标签。
其中,每个知识点标签至少包括:知识点名称、知识点所在层级、上级知识点名称、下级知识点名称。
进一步地,从所述标记过知识点标签的试题中统计每个知识点的占比包括:
对于末级知识点在整个试题/题库/学科的权重占比,通过如下步骤实现:
根据第二步中对试题/题库/学科标记的知识点标签,统计该末级知识点在整个试题/题库/学科中出现的频次;
统计所有末级知识点在整个试题/题库/学科中出现的总频次;
用该末级知识点在整个试题/题库/学科中出现的频次除以所有末级知识点在整个试题/题库/学科中出现的总频次,得到该末级知识点的占比。
对于非末级知识点在整个试题/题库/学科的权重占比,通过先统计该非末级知识点下所有末级知识点的占比,然后累加得到上一级知识点的占比,这样逐级向上累加,从而获得所有非末级知识点的占比。
进一步地,划分一条或多条知识主线包括:
将该知识树中所有末级知识点提取出来,根据一个学科的学科规律确定知识树中各个末级知识点在学习时的先后顺序、及各个末级知识点之间的相关程度,将各个末级知识点前后关联划分成一条或多条知识主线。
进一步地,为每个知识点设置前置知识点和后置知识点包括:
根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点包括:
在每个知识点的知识点标签中写入前置知识点和/或后置知识点的名称。
进一步地,根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图包括:
基于每条知识主线中为每个知识点配置的前置知识点和后置知识点,明确各个知识点在学习时的先后顺序,从而构成知识点内在的学习路径关系,生成知识路径图,并且在生成的知识路径图中通过面积大小来表示每个知识点的占比。
其中,在生成的知识路径图中通过面积大小来表示每个知识点的占比大小。
进一步地,还包括叠加步骤:
根据学生的各种作答数据,及每道与知识点标签的关联关系,获得学生对该知识点的掌握情况,在知识路径图中叠加学生对每个知识点的掌握情况。
其中,通过颜色将学生对知识点的掌握情况叠加在知识路径图中。
其中,红色表示未掌握的知识点,绿色表示掌握的知识点。
进一步地,还包括推荐步骤:根据每个知识点的占比及学生对每个知识点的掌握情况,识别出应优先学习的知识点,给出学生改进学习的推荐路线。
进一步地,形成的知识路径图具有普通形态:知识路径上的知识点,按照串行的顺序排列。
进一步地,形成的知识路径图具有分支形态:知识路径在一个知识点后出现多个分支。
进一步地,形成的知识路径图具有分散形态:知识路径在一个知识点后面出现多个孤立的后置知识点。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明站在整体学科知识体系的基础上,将每个知识点的占比大小、学习路径关系(知识路径图)呈现给学生。然后基于学生的作答数据,系统对学生每个知识点的掌握情况给出评价,同时基于学生对每个知识点的掌握情况,以及知识点内在的学习路径关系,给学生推荐个性化的学习路线和练习题目,从而高效地改善学生的学习效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请数据处理方法的流程图
图2为高中数学知识树局部示意图
图3为试题及知识点标签示意图
图4为前置知识点、后置知识点示意图
图5a-5c为知识路径图的三种路径形态
具体实施方式
下面将参考附图并结合实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供了一种对数据进行处理的方法及系统,用于解决现有技术不能对学生的作业、练习、考试成绩等数据进行分析得出学生的知识盲点的技术问题。
本申请实施例中的技术方案为解决上述问题,总体思路如下:
一方面提供一种对数据进行处理的方法,包括:
第一步:建立知识树,并在知识树中划分一条或多条知识主线,其中知识树由多个知识点组成;
第二步:根据建立的知识树,自动对录入的试题标记一个或多个知识点标签;
第三步:从所述标记过知识点标签的试题中统计每个知识点的占比;
第四步:根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点;
第五步:根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图。
如图1所示,该数据处理方法,包括如下步骤:
第一步:建立知识树,并在知识树中划分一条或多条知识主线
要理解知识树,需要先明白什么是知识点。知识点是每个学科中的重要教学内容点和考查点,该学科中所有的重要教学内容点和考察点构成了该学科的知识点。在每一个学科中,通常学科中的所有知识点以“知识树(也叫知识体系)”的形式来关联和构架。知识树为根据每个学科的教材提炼出全部知识点,并对每个知识点之间的关系进行梳理,从而得出该学科教材包含的知识点以及相应知识点之间的前后和包含关系。与自然界中树的树枝类似,知识树是以层级方式进行分支散叶的,一般可分为两个或多个层级。知识树的每层级的一个节点代表了一个知识点。这样每一个学科的知识点被分配到各个层级的每个节点上。一级是“顶级”,最后一级被称为“末级”。需要说明的是,一级是通过各个节点向二级延伸,直至末级。每个层级都可以有一个或数个节点。每个节点有各自的知识点。知识树贯穿了所有知识点。
该学科包括但不限于高中数学、高中物理、初中化学、英语、语文等等。
如图2所示,高中数学知识树包括一级且一个节点,对应知识点为“集合与常用逻辑术语”,该一级节点深延三个二级节点,且分别对应的知识点为“集合与集合的表示方法”、“集合之间的关系与运算”以及“常用逻辑术语”,其中二级节点的知识点“集合与集合的表示方法”下延是两个三级节点的知识点“集合的概念”和“集合的表示方法”。并且该高中数学知识树还具有多个其它层级知识点。
作为一个实施例,该知识树也可以以思维导图的形式呈现,且全覆盖相应教材,思维导图的形成依据知识点的复杂程度来确定,例如可以设置为5级,即“章·节·一级知识点·二级知识点·末级知识点”,其中二级知识点和末级知识点可根据实际情况省略。
结合以上对知识点及知识树的解释,我们可以根据每一个学科的重要教学内容点和考查点来建立该学科的知识树。例如建立图2所示的高中数学知识树。
每一个知识树,通常会涉及到成百上千个知识点。我们将末级所有知识点提取出来,根据该学科的学科规律,确定末级各个知识点学习的先后顺序和/或末级各个知识点之间的相关程度,将末级各个知识点以一条或多条主线进行相连,该主线的方向性即为学习末级所有知识点的先后顺序,从主线上某一知识点延伸出的,且非主线方向进行线段关联的知识点,该知识点与其关联的主线所述某一知识为一个时间段进行学习,这些知识点学习不分先后顺序。我们也可以针对知识树某一分支的末级所有知识点划分知识主线。从而控制知识主线的知识范围和学习时间长短。例如根据初中物理中电相关的知识点、与光相关的知识点等,将该学科划分成不同的学习主线。如同初中物理的“声学”、“光学”、“热学”“力学”、“电学”等学习主线。再例如图2所示的“集合与常用逻辑术语”、“集合与集合的表示方法”、“集合之间的关系与运算”、“常用逻辑术语”、“集合的概念”和“集合的表示方法”构成了高中数学中“集合”的学习主线。
第二步:根据建立的知识树,自动对录入的试题标记一个或多个知识点标签
每年中、高考中以及每个学科的测验及练习中会有大量的试题出现,我们建立一个题库系统,把这些试题录入题库,每道题目将涉及考核的知识点,我们根据第一步中建立的每个学科的知识树,找到该道题目考核的知识点在知识树中对应节点的知识点和所处的层级,以及该知识点对应上一层级的节点知识点,直至找到第一层级对应的节点知识点,把这些相关知识点和对应层级分别进行各个标签,标记在该道题目上,其中每个标签至少包含:知识点名称、知识点所在层级、上级知识点名称、下级知识点名称等。通常情况下,一道题目会贴多个知识点标签。
如图3所示,在录入该题目时,会同时给题目贴上一级知识点“函数与导数”,二级知识点“函数”,三级知识点“最值”、“单调性”和“奇偶性”等5个知识点标签。需要说明的是,这里的一级、二级、三级等仅是相对于该道题目而言的,放到整个学科的知识树中,有可能该一级知识点“函数与导数”会变成二级甚至三级知识点。
在该步中,既可以通过人工预先标注与每道题目相关的知识点标签来实现,也可通过计算机对题目进行实时分析,进而获得与该题目相关的多个知识点标签。通过计算机进行处理的一个典型示例为:对试题的题目文本进行关键字分析,根据预设的关键字和知识点的对应关系为每一个试题标记各自的知识点标签。
第三步:从标记过知识点标签的试题中统计每个知识点的占比
本发明的一个重要目的是可以直观地示意出每个知识点的重要程度,即权重占比。从而帮助学生实现更高效率的学习。
统计知识点占比的一个示例为:
对于每一个末级知识点在整个试题/题库/学科中的权重占比,可以通过如下步骤实现:
(1)设一道题目的分值为m,该道考查了三个末级知识点A、B、C,则每个知识点在本题中的权重为m/3,其中m为正整数;
(2)将知识点A在整个试题/题库/学科中所涉及到的题目的权重累加,就得到了末级知识点A在整个试题/题库/学科中的权重;
(3)以步骤(2)的方式计算所有末级知识点B、C……在整个试题/题库/学科中的权重,并将所有末级知识点A、B、C……在整个试题/题库/学科中的权重相加,从而获得所有末级知识点在整个试题/题库/学科中的权重和。
(4)用末级知识点A在整个试题/题库/学科中的权重除以所有末级知识点在整个试题/题库/学科中权重和,就得到知识点A在试题/题库/学科中的占比。
对于非末级知识点在整个学科中的权重占比,可以通过先统计该非末级知识点下所有末级知识点的占比,然后累加得到上一级知识点的占比,这样逐级向上累加,从而可以获得所有非末级知识点的占比。
统计知识点占比的另一个示例为对每个末级知识点的出现频次进行统计,具体为:
对于每一个末级知识点在整个试题/题库/学科中的权重占比,可以通过如下步骤实现:
(1)根据第二步中对试题标记的知识点标签,统计该末级知识点在整个试题/题库/学科中出现的频次;
(2)统计所有末级知识点在整个试题/题库/学科中出现的总频次;
(3)用该末级知识点在整个试题/题库/学科中出现的频次除以所有末级知识点在整个试题/题库/学科中出现的总频次,得到该末级知识点的占比。
对于非末级知识点在整个学科中的权重占比,可以通过先统计该非末级知识点下所有末级知识点的占比,然后累加得到上一级知识点的占比,这样逐级向上累加,从而可以获得所有非末级知识点的占比。
本发明基于拥有大量题目的题库系统,其中知识点占比的统计,是基于题库系统中大量题目的知识点统计数据计算的,该计算基于题库系统的大数据分析,会克服人为主观经验的局陷性。大数据分析的方法是本领域所公知的,再次不再赘述。
当然,也可以采用人工进行知识点占比的统计,或采用其它任何可能的方式进行统计。
第四步:根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点
在每一个学科的学习过程中,各个知识点的学习是有先后顺序的。如图4所示,例如有A、B、C三个知识点,学完知识点A后才能学习知识点B,学完知识点B后才能学习知识点C。那么我们说,知识点A是知识点B的前置知识点,知识点C是知识点B的后置知识点。一个知识点可以有多个前置知识点和/或多个后置知识点。
基于前置知识点、后置知识点的定义,以及前述步骤中划分出的多条知识主线,将每条知识主线中的每个知识点配置好前置知识点和/或后置知识点。
其中根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点具体包括:在每个知识点的知识点标签中写入前置知识点和/或后置知识点的名称。
第五步:根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图。
基于每条知识主线中为每个知识点配置的前置知识点和/或后置知识点,可以明确各个知识点在学习时的先后顺序,从而构成了知识点内在的学习路径关系,即知识路径图。因此能够帮助学生按照知识点的先后顺序更高效地进行学习。
在生成的知识路径图中可以通过面积大小来直观地表示每个知识点的占比大小,例如通过面积不同的圆形来表述不同占比的知识点。
每条知识主线内的知识点设置完前置知识点和后置知识点之后,形成的知识路径图通常具有三种路径形态:
1.普通形态
知识路径上的知识点,按照串行的顺序排列,如图5a所示。学完知识点1后才学习知识点2,学完知识点2后才学习知识点3。
2.分支形态
知识路径有时会在某个知识点后出现多个分支。如图5b所示,知识点4、5、6和知识点7、8、9为两条不同的分支。
3.分散形态
知识路径有时候会在某个知识点后面出现多个孤立的后置知识点,如图5c所示,知识点4、5、6、7、8、9就分散在知识点3周围,这些知识点比较单一,没有后置知识点。
为更直观地反映学生的学习情况,我们可以将学生在各种考试、测验、答题中的作答数据叠加到已生成的知识路径图中。根据作答数据中每道题目的对错,及每道题目关联的知识点标签,可以获得学生对该知识点的掌握情况。学生对一个知识点的掌握情况可以根据作答数据中涉及该知识点的试题的对错统计来获得,例如答对率大于80%认定为掌握该知识点。需要说明的是,由于学生对知识点的学习是不断进步的,因此掌握情况也是动态变化的,初学知识点A时对该知识点掌握不好,可能作答数据中涉及知识点A的5道题目均错误,那么我们统计的该学生对知识点A的掌握情况为未掌握。后期,该学生彻底掌握知识点A后如果统计所有作答数据,那么由于前5道题目的存在,统计结果可能不够准确。我们可以采用动态统计的方式来获得更为准确的结果,例如只统计最近5次(具体次数可根据实际设计,例如还可以为3/8/10等)的答题结果。
可以在知识路径图中通过不同的颜色来更为直挂地显示学生对知识点的掌握情况。例如,可以使用红色表示学生未掌握的知识点,使用绿色表示学生已掌握的知识点。当然,具体颜色设置只是例举,还可以设置为其它颜色。
最后,根据每个知识点的占比以及学生对每个知识点的掌握情况,可以自动识别出每个学生应当优先学习的知识点,从而给出每个学生改进学习的推荐路线。
基于第三步中统计获得的知识点占比,能够直观地看到每个知识点在整个学科中的重要程度(权重占比);并且,基于第五步中获得的各种路径形态的知识路径图,能够直接地确定各个知识点之间的前后学习顺序关系,因此,本方法能够根据学生对每个知识点的掌握情况,以及知识点内在的学习路径关系和每个知识点的重要程度,更加有效地给每个学生推荐合适的学习路线和练习题目,从而更高效地改善学生的学习效果。
另一方面,本发明提供了一种对数据进行处理的装置,包括:
用于建立知识树,并在知识树中划分一条或多条知识主线的模块,其中知识树由多个知识点组成;
用于根据建立的知识树,自动对录入的试题标记一个或多个知识点标签的模块;
用于从所述标记过知识点标签的试题中统计每个知识点的占比;
用于根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点的模块;
用于根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图的模块。
本发明是站在整体学科知识体系的基础上,将每个知识点的占比大小、学习路径关系——知识路径图呈现给学生。然后基于学生的作答数据,系统对学生每个知识点的掌握情况给出评价,同时基于学生对每个知识点的掌握情况,以及知识点内在的学习路径关系,给学生推荐个性化的学习路线和练习题目,从而高效地改善学生的学习效果。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (13)
1.一种数据处理方法,包括:
第一步:建立知识树,并在知识树中划分一条或多条知识主线,其中知识树由多个知识点组成;
第二步:根据建立的知识树,自动对录入的试题标记一个或多个知识点标签;
第三步:从所述标记过知识点标签的试题中统计每个知识点的占比;
第四步:根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点;
第五步:根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图;
其中,在知识树中划分一条或多条知识主线包括:
将该知识树中所有末级知识点提取出来,根据一个学科的学科规律确定知识树中各个末级知识点在学习时的先后顺序、及各个末级知识点之间的相关程度,将各个末级知识点前后关联划分成一条或多条知识主线。
2.根据权利要求1所述的方法,其中,所述知识树是分层级的,该层级是两级或更多级;每一层级具有一个或多个知识点。
3.根据权利要求1或2所述的方法,其中根据建立的知识树,自动对录入的试题标记一个或多个知识点标签具体为:对试题的题目文本进行关键字分析,根据预设的关键字和知识点的对应关系为每一个试题标记各自的知识点标签。
4.根据权利要求1所述的方法,其中,每个知识点标签至少包括:知识点名称、知识点所在层级、上级知识点名称、下级知识点名称。
5.根据权利要求1所述的方法,其中,从所述标记过知识点标签的试题中统计每个知识点的占比包括:
对于末级知识点的权重占比,通过如下步骤实现:
根据第二步中对试题标记的知识点标签,统计该末级知识点在整个试题中出现的频次;
统计所有末级知识点在整个试题中出现的总频次;
用该末级知识点在整个试题中出现的频次除以所有末级知识点在整个试题中出现的总频次,得到该末级知识点的占比。
6.根据权利要求5所述的方法,其中统计每个知识点的占比还包括:
对于非末级知识点的权重占比,通过先统计该非末级知识点下所有末级知识点的占比,然后累加得到上一级知识点的占比,这样逐级向上累加,从而获得所有非末级知识点的占比。
7.根据权利要求1所述的方法,其中根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点包括:
在每个知识点的知识点标签中写入前置知识点和/或后置知识点的名称。
8.根据权利要求1、5-7中任一项所述的方法,其中,根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图包括:
基于每条知识主线中为每个知识点配置的前置知识点和后置知识点,明确各个知识点在学习时的先后顺序,从而构成知识点内在的学习路径关系,生成知识路径图,并且在生成的知识路径图中通过面积大小来表示每个知识点的占比。
9.根据权利要求1所述的方法,还包括叠加步骤:
根据学生的各种作答数据,及每道试题与知识点标签的关联关系,获得学生对该知识点的掌握情况,在知识路径图中叠加学生对每个知识点的掌握情况。
10.根据权利要求9所述的方法,其中,通过颜色将学生对知识点的掌握情况叠加在知识路径图中。
11.根据权利要求1、5-7、9-10中任一项所述的方法,还包括推荐步骤:
根据每个知识点的占比及学生对每个知识点的掌握情况,识别出应优先学习的知识点,给出学生改进学习的推荐路线。
12.根据权利要求1所述的方法,其中,
形成的知识路径图具有普通形态:知识路径上的知识点,按照串行的顺序排列;或
形成的知识路径图具有分支形态:知识路径在一个知识点后出现多个分支;或
形成的知识路径图具有分散形态:知识路径在一个知识点后面出现多个孤立的后置知识点。
13.一种对数据进行处理的装置,包括:
用于建立知识树,并在知识树中划分一条或多条知识主线的模块,其中知识树由多个知识点组成;
用于根据建立的知识树,自动对录入的试题标记一个或多个知识点标签的模块;
用于从所述标记过知识点标签的试题中统计每个知识点的占比的模块;
用于根据划分的知识主线,为每个知识点设置前置知识点和/或后置知识点的模块;
用于根据前置知识点和/或后置知识点及统计的每个知识点的占比生成知识路径图的模块;
其中,在知识树中划分一条或多条知识主线包括:
将该知识树中所有末级知识点提取出来,根据一个学科的学科规律确定知识树中各个末级知识点在学习时的先后顺序、及各个末级知识点之间的相关程度,将各个末级知识点前后关联划分成一条或多条知识主线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710499580.7A CN109145159B (zh) | 2017-06-27 | 2017-06-27 | 一种对数据进行处理的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710499580.7A CN109145159B (zh) | 2017-06-27 | 2017-06-27 | 一种对数据进行处理的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145159A CN109145159A (zh) | 2019-01-04 |
CN109145159B true CN109145159B (zh) | 2021-06-11 |
Family
ID=64805103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710499580.7A Active CN109145159B (zh) | 2017-06-27 | 2017-06-27 | 一种对数据进行处理的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145159B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859554A (zh) * | 2019-03-29 | 2019-06-07 | 上海乂学教育科技有限公司 | 自适应英语词汇学习分级推题装置及计算机学习系统 |
CN110021213A (zh) * | 2019-05-14 | 2019-07-16 | 上海乂学教育科技有限公司 | 人工智能学习中数学前序学习方法 |
CN110197452A (zh) * | 2019-06-11 | 2019-09-03 | 合肥明信软件技术有限公司 | 一种基于人工智能技术的智适应在线学习与考试平台 |
CN110544414A (zh) * | 2019-07-31 | 2019-12-06 | 安徽淘云科技有限公司 | 知识图谱的处理方法和装置 |
CN110889273A (zh) * | 2019-11-29 | 2020-03-17 | 北京大米科技有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
CN111177304B (zh) * | 2019-12-30 | 2022-12-13 | 福建天泉教育科技有限公司 | 一种自动生成用户习题的方法及终端 |
CN112287115A (zh) * | 2020-09-30 | 2021-01-29 | 北京大米科技有限公司 | 基于知识掌握程度图的个性化教学方法、系统及装置 |
CN112256805A (zh) * | 2020-10-30 | 2021-01-22 | 清华大学深圳国际研究生院 | 一种学习方案的生成方法、系统及计算机可读存储介质 |
CN112331306A (zh) * | 2020-11-02 | 2021-02-05 | 潍坊学院 | 一种基于错题的数学认知结构图的完善方法及系统 |
CN113434036B (zh) * | 2021-05-26 | 2024-02-20 | 上海慕知文化传媒有限公司 | Ar增强现实教材辅助系统 |
CN113836320B (zh) * | 2021-11-26 | 2022-03-25 | 北京世纪好未来教育科技有限公司 | 练习题推荐方法、装置、存储介质和电子设备 |
CN115905576B (zh) * | 2023-01-09 | 2023-05-30 | 北京布局未来教育科技有限公司 | 一种试卷生成方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012970A (zh) * | 2010-11-29 | 2011-04-13 | 中山大学 | 基于蚁群优化搜索的智能题库试卷构造技术 |
CN104462228A (zh) * | 2014-11-13 | 2015-03-25 | 中国信息安全测评中心 | 基于语义的注册信息安全人员认证能力测评方法及系统 |
CN105761183A (zh) * | 2016-03-14 | 2016-07-13 | 成都爱易佰网络科技有限公司 | 知识点体系教学方法及基于知识点测度的自适应教学系统 |
CN106126584A (zh) * | 2016-06-20 | 2016-11-16 | 陈�胜 | 一种在互联网上生成个人知识地图的系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI582624B (zh) * | 2014-11-21 | 2017-05-11 | 財團法人資訊工業策進會 | 用於感知情境並推薦資訊之電子計算裝置、其方法及其電腦程式產品 |
-
2017
- 2017-06-27 CN CN201710499580.7A patent/CN109145159B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012970A (zh) * | 2010-11-29 | 2011-04-13 | 中山大学 | 基于蚁群优化搜索的智能题库试卷构造技术 |
CN104462228A (zh) * | 2014-11-13 | 2015-03-25 | 中国信息安全测评中心 | 基于语义的注册信息安全人员认证能力测评方法及系统 |
CN105761183A (zh) * | 2016-03-14 | 2016-07-13 | 成都爱易佰网络科技有限公司 | 知识点体系教学方法及基于知识点测度的自适应教学系统 |
CN106126584A (zh) * | 2016-06-20 | 2016-11-16 | 陈�胜 | 一种在互联网上生成个人知识地图的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109145159A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145159B (zh) | 一种对数据进行处理的方法和装置 | |
CN107230174B (zh) | 一种基于网络的在线互动学习系统和方法 | |
US8774705B2 (en) | Learning support system and learning support method | |
Taylor et al. | Scoring validity | |
Yan et al. | Meta-Analysis of the Effectiveness of Philosophy for Children Programs on Students' Cognitive Outcomes | |
Baghaei et al. | A cognitive processing model of reading comprehension in English as a foreign language using the linear logistic test model | |
US20070031801A1 (en) | Patterned response system and method | |
Lestari et al. | Virtual Classroom Critical Thinking as an Alternative Teaching Model to Improve Students' Critical Thinking Skills in Pandemic Coronavirus Disease Era. | |
Kavgaoglu et al. | Application of Context Input Process and Product Model in Curriculum Evaluation: Case Study of a Call Centre. | |
US20240054913A1 (en) | Science teaching system and method for using same, and computer-readable storage medium | |
Mirzaei et al. | Retrofitting the IELTS reading section with a general cognitive diagnostic model in an Iranian EAP context | |
Bussaman et al. | Prediction models of learning strategies and learning achievement for lifelong learning | |
Hemati et al. | A Cognitive Diagnostic Modeling Analysis of the English Reading Comprehension Section of the Iranian National University Entrance Examination. | |
Raykova et al. | Adaptive test system based on revised Bloom's taxonomy | |
Aboalela et al. | Model of learning assessment to measure student learning: inferring of concept state of cognitive skill level in concept space | |
Del Valle et al. | Analyzing the availability of lexicon in mathematics education using no traditional technological resources | |
Pashazadeh et al. | Teacher creativity in light of autonomy and emotional intelligence | |
Salcedo Lagos et al. | LEXMATH-a tool for the study of available lexicon in mathematics | |
Wiyono et al. | The Effectiveness of Using Recording, Synchronous Communication, and Sharing Information Tools in Training to Improve the Teachers' Instructional Process and Outcome | |
Attali et al. | Validating classifications from learning progressions: framework and implementation | |
Bernard et al. | Integrating research into instructional practice: The use and abuse of meta-analysis | |
Dyulicheva | Learning Analytics in MOOCs as an Instrument for Measuring Math Anxiety | |
Haddadi et al. | An assessment planner for MOOCs based ODALA approach | |
Weber et al. | Design and Evaluation of an AI-based Learning System to Foster Students' Structural and Persuasive Writing in Law Courses | |
Abbas et al. | Teachers’ Practices Towards Strengthening Digital Literacyskills |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |