CN109241086A - 一种知识点量化分析方法及系统 - Google Patents
一种知识点量化分析方法及系统 Download PDFInfo
- Publication number
- CN109241086A CN109241086A CN201811117251.2A CN201811117251A CN109241086A CN 109241086 A CN109241086 A CN 109241086A CN 201811117251 A CN201811117251 A CN 201811117251A CN 109241086 A CN109241086 A CN 109241086A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- achievement
- power
- knowledge
- point
- 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.)
- Withdrawn
Links
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 7
- 108010001267 Protein Subunits Proteins 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000000295 complement effect Effects 0.000 abstract 1
- 230000008520 organization Effects 0.000 abstract 1
- 238000013139 quantization Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 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
本发明涉及一种知识点量化分析方法及系统。其中所述系统包括用于设置每个知识点占该试题内容权重的第一知识点权重设置模块、用于设置各知识点来源权重的第二知识点权重设置模块、计算各知识点标准分的知识点标准分计算模块以及用于计算得到评价学生知识点掌握情况的知识点评价成绩计算模块。通过设置的知识点权重并结合学生做题的结果,计算学生获得的知识点标准分,进而计算学生的知识点评价成绩,获得一种客观反映学生对知识点掌握情况的分析结果,辅助教育管理机构、学校、老师对教学质量进行改进,让学生更好地掌握知识点。
Description
技术领域
本方法涉及教育软件开发领域,特别涉及教育软件开发领域中用于知识点数据分析的一种分析方法及系统。
背景技术
在教育信息化建设领域中,越来越重视各种数据分析系统的建设,通过数据分析,能够帮助学校、老师和学生提高教学质量,改进教学质量水平。在现在的教育数据分析软件中,能够实现对知识点进行数据分析。目前的知识点分析一般都是一种非量化的分析,无法用量化的技术手段提供数据分析,并且知识点的分析只能针对某一次考试活动,无法对多次考试之间的知识点进行对比分析,因为不同考试,不同试卷存在难度不同或其他各种参数不同的问题,无法实现对学生知识点掌握情况进行持续性的量化分析。针对上述技术问题,本发明提供一种针对知识点进行量化分析的系统,解决上述知识点数据分析问题。
发明内容
本发明为解决已有的知识点分析中存在的不能量化地对知识点进行分析以及不能通过多次考试动态地对知识点进行分析而只能对某一次考试活动进行分析,提出一种知识点量化分析系统及方法。
本发明解决上述技术问题的技术方案如下:
一种知识点量化分析方法,具体过程包括:
在数据库中获得已设置好的试题包含的各知识点数据,并设置每个知识点占该试题内容的权重记为X权;在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权;通过选取待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分记为S;根据知识点标准分S和Y权,更新的知识点评价成绩记为Vn,利用公式计算更新的知识点评价成绩:Vn=S×Y+Vn-1×(100%-Y);其中,n为自然数,知识点评价成绩初始值V0=500,Vn-1为当前知识点评价成绩。
优选地,所述知识点标准分S计算步骤包括:在数据库中查询待检测学生的试题成绩数据,并获得该试题中设置的知识点X权数据,通过公式:知识点实得分=试题成绩×知识点X权,计算知识点实得分;查询数据库中该知识点在历次考试中获得的所有实得分,计算出知识点原始标准分;
对求得的原始标准分经过固定公式:知识点标准分=知识点原始标准分×100+500进行线性变换,得到知识点标准分。
优选地,所述知识点量化方法还包括:在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权;
通过下层知识点评价成绩和Z权,利用下列公式计算上层知识点评价成绩:
上层知识点评价成绩=下层知识点1评价成绩×知识点1的Z权+下层知识点2评价成绩×知识点2的Z权+下层知识点3评价成绩×知识点3的Z权+…+下层知识点m评价成绩×知识点m的Z权,其中,m为正整数。
优选地,所述X权的取值范围为:大于0%小于等于100%,试题中所有知识点的X权的总和为100%;所述Y权的取值范围为:大于0%小于100%;所述第三知识点权重设置模块中设置的Z权的取值范围为:大于0%小于等于100%,对于归属于同一个知识点且层次相同的所有子知识点Z权之和为100%。
一种知识点量化分析系统,包括第一知识点权重设置模块、第二知识点权重设置模块、知识点标准分计算模块、知识点评价成绩计算模块;
所述第一知识点权重设置模块,用于在数据库中获得已设置好的试题包含的各知识点数据,并设置每个知识点占该试题的权重记为X权;
所述第二知识点权重设置模块,用于在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权;
所述知识点标准分计算模块,用于通过选取待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分记为S;
所述知识点评价成绩计算模块,用于根据知识点标准分S和Y权,更新的知识点评价成绩记为Vn,利用公式计算更新的知识点评价成绩:Vn=S×Y+Vn-1×(100%-Y);其中,n为自然数,知识点评价成绩初始值V0=500,Vn-1为当前知识点评价成绩。
优选地,所述知识点量化分析系统具体还包括第三知识点权重设置模块和知识点评价成绩汇总模块:
所述第三知识点权重设置模块,用于在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权;
所述知识点评价成绩汇总模块,用于通过下层知识点评价成绩和Z权,利用下列公式计算上层知识点评价成绩:
上层知识点评价成绩=下层知识点1评价成绩×知识点1的Z权+下层知识点2评价成绩×知识点2的Z权+下层知识点3评价成绩×知识点3的Z权+…+下层知识点m评价成绩×知识点m的Z权,其中,m为正整数。
优选地,所述第一知识点权重设置模块中设置的X权的取值范围为:大于0%小于等于100%,试题中所有知识点的X权的总和为100%;所述第二知识点权重设置模块中设置的Y权取值范围为:大于0%小于100%;所述第三知识点权重设置模块中设置的Z权的取值范围为:大于0%小于等于100%,对于归属于同一个知识点且层次相同的所有子知识点Z权之和为100%。
本发明的有益效果是:
(1)通过设置数据库中试题知识点权重,采用标准分技术,结合知识点来源权重Y权,通过公式:知识点评价成绩=知识点标准分×Y+已有知识点评价成绩×(100%-Y),可得到当前知识点评价成绩,相比目前的只能对某一次考试成绩进行分析,此方法可以通过多次考试动态地分析学生对知识点的掌握情况,并且是一种量化分析结果。
(2)通过知识点体系中设置的Z权和知识点评价成绩汇总模块,可以间接得到上层知识点评价成绩,这样就解决了日常考试中只能考察下层知识点,从而无法直接了解上层知识点掌握情况的问题。
附图说明
图1为本发明实施例一的一种知识点量化方法主要流程图;
图2为本发明实施例一的一种知识点量化方法总体流程图;
图3为本发明实施例二的一种知识点量化系统主要模块框图;
图4为本发明实施例二的一种知识点量化系统总体模块框图。
附体中,各标号所代表的模块列表如下:
201、第一知识点权重设置模块,202、第二知识点权重设置模块,203知识点标准分计算模块,204、知识点评价成绩计算模块,205、第三知识点权重设置模块,206、知识点评价成绩汇总模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一,一种知识点量化分析方法。下面结合图1对本发明提供的方法进行详细说明。
图1中,S101、在数据库中获得事先设置好的试题包含的各知识点数据,并设置每个知识点占该试题内容的权重记为X权。
具体的,在数据库中,设置试题知识点以及各知识点占该试题的X权的试题数据表t_topic。如表1所示,topic_id字段是试题编号,topic_name字段是试题名称,kd字段是知识点,kd_w字段保存知识点X权值。假设有两道试题,分别为试题1、试题2,其中试题1包含a、b两个知识点,如试题1包含sin和等边三角形两个知识点,老师根据个人经验,在数据库中设置各知识点分别占试题1内容的权重为60%与40%,a与b的权重之和为100%;试题2仅包含知识点d,如试题2仅包含勾股定理,故其占知识点权重为100%。表1为试题数据表t_topic。
表1
topic_id | topic_name | kd | kd_w |
sx_001 | 试题1 | a | 60% |
sx_001 | 试题1 | b | 40% |
sx_002 | 试题2 | d | 100% |
S102、在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权。
具体的,在知识点成绩获得途径分类数据表t_from中设置每种分类的Y权。如表2所示,from_id是来源分类编号,from_name是来源分类名称,kd_w_y保存了不同来源分类的权重,即Y权。试题库中任何一道题都可以被抽中成为全区调考、校内考试、小测验以及作业的一部分。然而,作业获得的知识点成绩没有小测验重要,小测验获得的知识点成绩没有校内考试重要,校内考试获得的知识点成绩没有全区调考重要,即各考试成绩由于获得的途径不同,所占的分量也是不同的,此处假设同一道试题的知识点来源途径中作业Y权为20%,小测验Y权为30%,校内考试Y权为60%,全区调考Y权为80%。由此可见,Y权的取值范围为大于0%小于100%。表2为知识点来源数据表t_from。
表2
from_id | from_name | kd_w_y |
01 | 全区调考 | 80% |
02 | 校内考试 | 60% |
03 | 小测验 | 30% |
04 | 作业 | 20% |
S103、通过选取待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分记为S。
具体的,计算知识点标准分S具体步骤包括:
首先在试题得分数据库中查询试题1的实得分数据为15分,在试题数据表t_topic中查询到试题1包括知识点a的X权为60%,则知识点a的实际得分为15×60%=9分。
然后在知识点得分数据库中查询出知识点a在试题1中的所有的得分数据,并以此作为计算知识点a标准分的样本范围。此处假设样本范围为[0,1.2,3,6,6.6,7.2,9,12,9],计算样本范围的平均分和标准差:根据公式计算平均分为6分,根据公式计算标准差为3.71;通过公式计算知识点a的原始标准分=(原始分-平均分)/标准差,由于试题1知识点a的实际得分为9分,故知识点a的原始标准分为0.81。
最后,为了易于计算,需要对该知识点的原始标准分通过线性变换公式:知识点标准分S=知识点原始标准分×100+500进行转换,得到知识点a的S为581。
将计算得到的S保存到数据库中,在计算知识点评价成绩Vn的时候,将会用到这个数据。
S104、根据知识点标准分S和Y权,更新的知识点评价成绩记为Vn,利用公式计算更新的知识点评价成绩:Vn=S×Y+Vn-1×(100%-Y);其中,n为自然数,知识点评价成绩初始值V0=500,Vn-1为当前知识点评价成绩。具体的,知识点评价成绩Vn不同于知识点标准分S,S是根据实际知识点考试成绩经过线性变换得到的,而Vn就是一个量化的衡量知识点掌握情况的标准。假设此次知识点是通过全区调考得到的,在数据库的知识点成绩获得途径分类表t_from中查询到全区调考的Y权为80%,在知识点评价成绩库中查询到知识点a标准分最近的值为581分。则通过公式:Vn=S×Y+Vn-1×(100%-Y),由于知识点评价成绩初始值V0=500,代入公式得到Vn=581×80%+500×(100%-80%)=564.8。将计算得到的知识点a的知识点评价成绩V1=564.8保存到数据库中,替换知识点a的知识点评价成绩原始值V0=500,成为知识点a的当前Vn,以此类推,每次得到的最新Vn都会直接覆盖上一次计算得到的知识点评价成绩Vn-1。
在知识点量化分析方法中,为了通过下层知识点评价成绩Vn计算得到上层知识点评价成绩Vn还需要以下两个步骤,如图2所示:
S105、在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权。
具体的,在数据库中,设置了下层知识点占上层知识点的Z权。如表3所示,其中,kd字段是知识点,kd_d字段是知识点的层次数,kd_p记录当前知识点归属的上层知识点。kd_w_z字段保存了当前知识点占上层知识点的权重,即Z权。假设知识点P下有A、B两个知识点,各占知识点P的权重为35%,65%。知识点A下又有3个子知识点,分别为a、b、c,如三角函数下含有sin、cos、tan,各占知识点A的权重为30%,30%,40%,其总和为100%;知识点B下也有两个子知识点,分别为d和e,各占知识点B的权重为40%,60%,其总和也为100%。表3为知识点体系数据表t_know。
表3
kd | kd_d | kd_p | kd_w_z |
P | 1 | ||
A | 2 | P | 35% |
a | 3 | A | 30% |
b | 3 | A | 30% |
c | 3 | A | 40% |
B | 2 | P | 65% |
d | 3 | B | 40% |
e | 3 | B | 60% |
S106、通过下层知识点评价成绩和Z权,计算上层知识点评价成绩。
具体的,在知识点评价成绩库中,查询得到知识点a,b,c的Vn分别为:564.8,570,561.9。在知识点体系数据表中,查询得到知识点a,b,c占知识点A的权重分别为:30%,30%,40%。代入到汇总公式可得到:知识点三角函数Vn=知识点a的Vn×知识点a的Z权+知识点b的Vn×知识点b的Z权+知识点c的Vn×知识点c的Z权=564.8×30%+570×30%+561.9×40%=565.2,即知识点A的知识点评价成绩Vn为565.2。
实施例二:一种知识点量化分析系统,下面结合图3对本发明提供的系统做详细说明。
图3中,第一知识点权重设置模块201,用于在数据库中获得已设置好的试题包含的各知识点数据,并设置每个知识点占该试题内容的权重记为X权。
具体的,第一知识点权重设置模块201在数据库试题数据表t_topic中设置试题知识点以及各知识点占该试题的X权。如表1所示,topic_id字段是试题编号,topic_name字段是试题名称,kd字段是知识点,kd_w字段保存知识点X权值。假设有两道试题,分别为试题1、试题2,其中试题1包含a、b两个知识点,如试题1包含sin和等边三角形两个知识点,老师根据个人经验,在数据库中设置各知识点分别占试题1内容的权重为60%与40%,a与b的权重之和为100%;试题2仅包含知识点d,如试题2仅包含勾股定理,故其占知识点权重为100%。
第二知识点权重设置模块202,用于在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权。
具体的,第二知识点权重设置模块202在知识点成绩获得途径分类数据表t_from中设置每种分类的Y权。如表2所示,from_id是来源分类编号,from_name是来源分类名称,kd_w_y保存了不同来源分类的权重,即Y权。试题库中任何一道题都可以被抽中成为全区调考、校内考试、小测验以及作业的一部分。然而,作业获得的知识点成绩没有小测验重要,小测验获得的知识点成绩没有校内考试重要,校内考试获得的知识点成绩没有全区调考重要,即各考试成绩由于获得的途径不同,所占的分量也是不同的,此处假设同一道试题的知识点来源途径中作业Y权为20%,小测验Y权为30%,校内考试Y权为60%,全区调考Y权为80%。由此可见,Y权的取值范围为大于0%小于100%。
知识点标准分计算模块203,用于通过选取待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分记为S。
具体的,知识点标准分计算模块203中还有实得分单元、原始标准分单元以及转换单元。
将查询到的试题1的实得分数据15分以及从试题数据表t_topic中查询到的试题1包含的知识点a的X权60%,输入实得分单元,求得知识点a的实际得分为15×60%=9分。
在知识点得分数据库中查询出知识点a在试题1中的所有得分数据,并以此作为计算知识点a标准分的样本范围。此处假设样本范围为[0,1.2,3,6,6.6,7.2,9,12,9],原始标准分单元将通过计算样本范围的平均分和标准差,最终算出知识点a的原始标准分:根据公式计算平均分为6分,根据公式计算标准差为3.71;通过公式计算知识点a的原始标准分=(原始分-平均分)/标准差,由于试题1知识点a的实际得分为9分,故知识点a的原始标准分为0.81。
将得到的原始标准分0.81经由转换单元通过线性变换公式:知识点标准分S=知识点原始标准分×100+500进行转换,得到知识点a的S581。
将计算得到的S保存到数据库中,在计算知识点评价成绩Vn的时候,将会用到这个数据。
知识点评价成绩计算模块204,用于根据知识点标准分S和Y权,更新的知识点评价成绩记为Vn,利用公式计算更新的知识点评价成绩:Vn=S×Y+Vn-1×(100%-Y);其中,n为自然数,知识点评价成绩初始值V 0=500,Vn-1为当前知识点评价成绩。
具体的,知识点评价成绩Vn不同于知识点标准分S,S是根据实际知识点考试成绩经过线性变换得到的,而知识点评价成绩Vn就是一个量化的衡量知识点掌握情况的标准。假设此次知识点是通过全区调考得到的,在数据库的知识点成绩获得途径分类表t_from中查询到全区调考的Y权为80%,在知识点评价成绩库中查询到知识点a标准分最近的值为581分。将数据库中查询到的Y权和知识点a标准分输入到知识点评价成绩计算模块204,通过公式:Vn=S×Y+Vn-1×(100%-Y),由于知识点评价成绩初始值V0=500,,代入公式得到Vn=581×80%+500×(100%-80%)=564.8。将计算得到的知识点a的知识点评价成绩V1=564.8保存到数据库中,替换知识点a原始值V0=500,成为知识点a的当前知识点评价成绩,以此类推,每次得到的最新知识点评价成绩Vn都会直接覆盖上一次计算得到的知识点评价成绩Vn-1。
知识点量化分析系统还包括:第三知识点权重设置模块205和知识点评价成绩汇总模块206,主要功能是实现通过下层知识点评价成绩计算上层知识点评价成绩,如图4所示。
第三知识点权重设置模块205,用于在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权。
具体的,第三知识点权重设置模块205在数据库知识点体系数据表t_know中设置了下层知识点占上层知识点的Z权。如表3所示,kd字段是知识点,kd_d字段是知识点的层次数,kd_p记录当前知识点归属的上层知识点。kd_w_z字段保存了当前知识点占上层知识点的权重,即Z权。假设知识点P下有A、B两个知识点,各占知识点P的权重为35%,65%。A下又有3个子知识点,分别为a、b、c,如三角函数下含有sin、cos、tan,各占知识点A的权重为30%,30%,40%,其总和为100%;B下也有两个子知识点,分别为d和e,各占知识点B的权重为40%,60%,其总和也为100%。知识点评价成绩汇总模块206,用于通过下层知识点评价成绩和Z权,计算上层知识点评价成绩。
具体的,在知识点评价成绩库中,查询得到知识点a,b,c的Vn分别为:564.8,570,561.9。在知识点体系数据表中,查询得到知识点a,b,c占知识点A的权重分别为:30%,30%,40%。知识点评价成绩汇总模块206将获得的各项参数代入到汇总公式可得到:知识点三角函数Vn=知识点a的Vn×知识点a的Z权+知识点b的Vn×知识点b的Z权+知识点c的Vn×知识点c的Z权=564.8×30%+570×30%+561.9×40%=565.2,即汇总模块得到知识点A的知识点评价成绩Vn为565.2。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种知识点量化分析方法,其特征在于,包括:
S101、在数据库中获得已设置好的试题包含的各知识点数据,并设置每个知识点占该试题内容的权重记为X权;
S102、在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权;
S103、通过选取待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分记为S;
S104、根据知识点标准分S和Y权更新知识点评价成绩记为Vn,计算公式如下,
Vn=S×Y+Vn-1×(100%-Y);
其中,n为自然数,知识点评价成绩初始值V0=500,Vn-1为当前知识点评价成绩;
所述知识点标准分S计算步骤包括:
在数据库中查询待检测学生的试题成绩数据,并获得该试题中设置的知识点X权数据,通过公式:知识点实得分=试题成绩×知识点X权,计算知识点实得分;查询数据库中该知识点在历次考试中获得的所有实得分,计算出知识点原始标准分;
对求得的原始标准分经过固定公式:知识点标准分=知识点原始标准分×100+500进行线性变换,得到知识点标准分。
2.根据权利要求1所述知识点量化分析方法,其特征在于,还包括:
在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权;
通过下层知识点评价成绩和Z权,利用下列公式计算上层知识点评价成绩:
上层知识点评价成绩=下层知识点1评价成绩×知识点1的Z权+下层知识点2评价成绩×知识点2的Z权+下层知识点3评价成绩×知识点3的Z权+…+下层知识点m评价成绩×知识点m的Z权,其中,m为正整数。
3.根据权利要求2所述知识点量化分析方法,其特征在于,所述X权的取值范围为:大于0%小于等于100%,试题中所有知识点的X权的总和为100%;所述Y权的取值范围为:大于0%小于100%;所述Z权的取值范围为:大于0%小于等于100%,对于归属于同一个知识点且层次相同的所有子知识点Z权之和为100%。
4.一种知识点量化分析系统,其特征在于,包括第一知识点权重设置模块、第二知识点权重设置模块、知识点标准分计算模块、知识点评价成绩计算模块;
所述第一知识点权重设置模块,用于在数据库中获得已设置好的试题包含的各知识点数据,并设置每个知识点占该试题内容的权重记为X权;
所述第二知识点权重设置模块,用于在数据库中根据不同类型考试获得的知识点来源,设置各知识点来源的权重记为Y权;
所述知识点标准分计算模块,用于通过选取的待检测学生的某道试题实际得分成绩和该试题中设置的各知识点X权数据,计算各知识点标准分;
所述知识点评价成绩计算模块,根据知识点标准分S和Y权,更新知识点评价成绩记为Vn,计算公式如下,
Vn=S×Y+Vn-1×(100%-Y);
其中,n为自然数,知识点评价成绩初始值V0=500,Vn-1为当前知识点评价成绩;
所述知识点标准分计算模块包括:
实得分单元,用于在数据库中查询待检测学生的试题成绩数据,并获得该试题中设置的知识点X权数据,通过公式:知识点实得分=试题成绩×知识点X权,计算知识点实得分;
原始标准分单元,用于查询数据库中该知识点在历次考试中获得的所有实得分,计算出知识点原始标准分;
转换单元,用于对求得的原始标准分经过固定公式:知识点标准分=知识点原始标准分×100+500进行线性变换,得到知识点标准分。
5.根据权利要求4所述知识点量化分析系统,其特征在于,具体还包括第三知识点权重设置模块和知识点评价成绩汇总模块:
所述第三知识点权重设置模块,用于在数据库中对知识点体系进行设置,设置下层各知识点占上层知识点的权重记为Z权;
所述知识点评价成绩汇总模块,用于通过下层知识点评价成绩和Z权,利用下列公式计算上层知识点评价成绩:
上层知识点评价成绩=下层知识点1评价成绩×知识点1的Z权+下层知识点2评价成绩×知识点2的Z权+下层知识点3评价成绩×知识点3的Z权+…+下层知识点m评价成绩×知识点m的Z权,其中,m为正整数。
6.根据权利要求5所述知识点量化分析系统,其特征在于,所述第一知识点权重设置模块中设置的X权的取值范围为:大于0%小于等于100%,试题中所有知识点的X权的总和为100%;所述第二知识点权重设置模块中设置的Y权取值范围为:大于0%小于100%;所述第三知识点权重设置模块中设置的Z权的取值范围为:大于0%小于等于100%,对于归属于同一个知识点且层次相同的所有子知识点Z权之和为100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117251.2A CN109241086A (zh) | 2018-09-26 | 2018-09-26 | 一种知识点量化分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117251.2A CN109241086A (zh) | 2018-09-26 | 2018-09-26 | 一种知识点量化分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241086A true CN109241086A (zh) | 2019-01-18 |
Family
ID=65056652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811117251.2A Withdrawn CN109241086A (zh) | 2018-09-26 | 2018-09-26 | 一种知识点量化分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241086A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428681A (zh) * | 2019-08-02 | 2019-11-08 | 运城学院 | 一种基于大数据的远程辅助教学系统及方法 |
CN111915463A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点的管理方法 |
-
2018
- 2018-09-26 CN CN201811117251.2A patent/CN109241086A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428681A (zh) * | 2019-08-02 | 2019-11-08 | 运城学院 | 一种基于大数据的远程辅助教学系统及方法 |
CN110428681B (zh) * | 2019-08-02 | 2021-12-07 | 运城学院 | 一种基于大数据的远程辅助教学系统及方法 |
CN111915463A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点的管理方法 |
CN111915463B (zh) * | 2020-08-21 | 2023-12-01 | 广州云蝶科技有限公司 | 试题知识点的管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ryan | Meta-analysis of achievement effects of microcomputer applications in elementary schools | |
Ko et al. | Effective teaching: A review of research and evidence. | |
Demir et al. | Effectiveness of Computer-Assisted Mathematics Education (CAME) over Academic Achievement: A Meta-Analysis Study. | |
CN104317825B (zh) | 一种知识点量化分析方法及系统 | |
Karataş et al. | The explanation of the academic procrastination behaviour of pre-service teachers with five factor personality traits | |
Retnawati | A Meta-Analysis of Constructivism Learning Implementation towards the Learning Outcomes on Civic Education Lesson. | |
Metin et al. | Attitude of elementary prospective teachers towards science teaching | |
CN109241086A (zh) | 一种知识点量化分析方法及系统 | |
Hadie et al. | Anatomy education environment measurement inventory: A valid tool to measure the anatomy learning environment | |
Kahar et al. | The effectiveness of the integrated inquiry guided model STEM on students scientific literacy abilities | |
Rahayu et al. | The effect of chemistry learning based on analogy on higher order thinking skills of senior high school students in equilibrium concepts | |
Ismaniati et al. | Effectiveness of flipped classroom on students’ learning outcome in vocational high school: A meta-analysis | |
Cheng | Enhancing school learning capacity by conducting knowledge management | |
CN103871275A (zh) | 学力诊断药方辅助教学系统 | |
Muklis et al. | Development of mathematical skill assessment instruments in secondary school based on Bloom’s taxonomy | |
Xiao et al. | Construction and empirical analysis of the evaluation index system for majors set at transportation vocational colleges | |
Petersson | Using the Gini coefficient for assessing heterogeneity within classes and schools | |
Zulkifli et al. | A Revised Bloom’s Taxonomy: An Essential Approach to Constructing Assessment Questions for the Probability and Statistics Course | |
Gumala et al. | Analysis of air pollution conception on pre-service elementary teachers | |
Stinnett | Certification requirements and procedures among the states in 1960 | |
Sullivan et al. | Implementation Work at Scale: An Examination of the Fidelity of Implementation Study of the Scale-Up Effectiveness Trial of Open Court Reading. | |
Suratman et al. | Capabilities Comparison of Surabaya and Malaysia Economic Teachers in Innovative Learning Model Application | |
Zhang et al. | A Multimodal Evaluation of Test Reliability and Validity Based on MTMM | |
Budiman et al. | Analiysis science process skills high school students on electric circuit concepts in Districts Panjalu Ciamis | |
Hu et al. | Research on the Effect of Labor Education in Universities based on CIPP Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190118 |
|
WW01 | Invention patent application withdrawn after publication |