CN109299882A - 一种成绩分析、诊断预测和学习资源推送方法及平台 - Google Patents
一种成绩分析、诊断预测和学习资源推送方法及平台 Download PDFInfo
- Publication number
- CN109299882A CN109299882A CN201811184030.7A CN201811184030A CN109299882A CN 109299882 A CN109299882 A CN 109299882A CN 201811184030 A CN201811184030 A CN 201811184030A CN 109299882 A CN109299882 A CN 109299882A
- Authority
- CN
- China
- Prior art keywords
- information
- answer
- knowledge point
- subject
- student
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000003745 diagnosis Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011664 signaling 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种成绩分析、诊断预测和学习资源推送方法及平台，包括：教育服务器接收学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，计算出错题信息；根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合；根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端，能够充分获取成绩中的有效信息，从而提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
Description
技术领域
本发明属于互联网教育技术领域，尤其涉及一种成绩分析、诊断预测和学习资源推送方法及平台。
背景技术
随着科技的发展，智慧教育的时代已经来临，并能够有效提高教学质量。目前，在教育教学领域，已经出现了投影教学、计算机改卷、直播教学等多种在线应用形式。其中，就计算机改卷来说，不仅减轻了教师的工作强度，而且方便了学生考试成绩的统计。考试成绩是检测学生对学习的关注度和对知识点掌握程度的最直观的数据。
现有的教育测评大多采用传统的方法，即教育者通过向学生布置教学作业，根据学生完成教学作业的情况进行分析，了解学生的学习情况，然后根据学生的学习情况调整教学内容，这种传统的教育测评方法存在如下缺点，这种简单的测评方式往往导致海量数据被简单处理，教育者获得的信息也只是少量的，大量有效信息在这个处理过程中被浪费，教育者无法准确地得到测评结果，以致教学内容的调整也无法完全适应学生的需求，无法实时改进教学，从而无法为提高教学水平提供科学依据。另外，教师只能笼统地统计学生的个人总成绩，了解学生对本门课程的掌握程度，而对众多的知识点、试题以及学生，很难从中找到一一对应关系，也无法挖掘隐藏在数据背后的深层次的有效信息，并利用这些信息进行学习质量分析，从而帮助学生提高学习效率和学习成绩。
发明内容
有鉴于此，本发明实施例的目的在于提供一种成绩分析、诊断预测和学习资源推送方法及平台，旨在对成绩进行智能化分析，充分获取成绩中的有效信息，从而提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
本发明采用的技术方案如下：
第一方面，本发明实施例提供的一种成绩分析、诊断预测和学习资源推送方法，应用于成绩分析、诊断预测和学习资源推送平台，所述成绩分析、诊断预测和学习资源推送平台包括教育服务器和学生终端，所述教育服务器与所述学生终端通信连接，所述成绩分析、诊断预测和学习资源推送方法包括：
所述教育服务器对所述学生终端发送的设备硬件信息进行解析，得到与所述学生终端绑定的学生身份信息，其中，所述教育服务器中预先存储有与所述设备硬件信息对应的学生身份信息；
接收所述学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息；
根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合；
根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端。
进一步地，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。
进一步地，所述接收所述学生终端发送的答题科目信息和答题答案信息的步骤之后，所述成绩分析、诊断预测和学习资源推送方法还包括：
截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表；
检测所述数据表中的干扰数据，对所述干扰数据进行清洗。
进一步地，所述根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数的步骤具体包括：
根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，
将所述掌握程度同比例映射为推送优先级系数。
第二方面，本发明实施例提供的一种成绩分析、诊断预测和学习资源推送平台，包括教育服务器和学生终端，所述教育服务器与所述学生终端通信连接，所述教育服务器包括：
解析模块，用于对所述学生终端发送的设备硬件信息进行解析，得到与所述学生终端绑定的学生身份信息，其中，所述教育服务器中预先存储有与所述设备硬件信息对应的学生身份信息；
计算模块，用于接收所述学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息；
查找模块，用于根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合；
设置模块，用于根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数；
推送模块，用于根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端。
进一步地，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。
进一步地，所述教育服务器还包括：
映射模块，用于截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表；
数据清洗模块，用于检测所述数据表中的干扰数据，对所述干扰数据进行清洗。
进一步地，所述设置模块，具体用于根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。
综上所述，本发明中的教育服务器接收学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题信息在所述参考答案信息库进行比对，计算出错题信息；然后根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合，能够对成绩进行智能化分析，充分获取成绩中的有效信息。再根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端，能够提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例提供的一种成绩分析、诊断预测和学习资源推送平台的应用场景示意图。
图2示出了本发明实施例提供的一种成绩分析、诊断预测和学习资源推送方法的流程示意图。
图3示出了本发明实施例提供的一种教育服务器的功能模块框图。
主要元件符号说明：
成绩分析、诊断预测和学习资源推送平台10；教育服务器100；学生终端200；解析模块101；计算模块102；查找模块103；设置模块104；推送模块105；映射模块106；数据清洗模块107。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
现有的教育测评大多采用传统的方法，即教育者通过向学生布置教学作业，根据学生完成教学作业的情况进行分析，了解学生的学习情况，然后根据学生的学习情况调整教学内容，这种传统的教育测评方法存在如下缺点，这种简单的测评方式往往导致海量数据被简单处理，教育者获得的信息也只是少量的，大量有效信息在这个处理过程中被浪费，教育者无法准确地得到测评结果，以致教学内容的调整也无法完全适应学生的需求，无法实时改进教学，从而无法为提高教学水平提供科学依据。另外，教师只能笼统地统计学生的个人总成绩，了解学生对本门课程的掌握程度，而对众多的知识点、试题以及学生，很难从中找到一一对应关系，也无法挖掘隐藏在数据背后的深层次的有效信息，并利用这些信息进行学习质量分析，从而帮助学生提高学习效率和学习成绩。
如图1所示，是本发明实施例提供的一种成绩分析、诊断预测和学习资源推送平台10的应用场景示意图。其中，所述成绩分析、诊断预测和学习资源推送平台10可以包括教育服务器100和学生终端200。所述教育服务器100通过网络与所述学生终端200通信连接，以进行数据访问或信令交互等。
如图2所示，是本发明实施例提供的一种成绩分析、诊断预测和学习资源推送方法的流程示意图。本实施例中，所述成绩分析、诊断预测和学习资源推送方法应用于所述成绩分析、诊断预测和学习资源推送平台10。其中，所述成绩分析、诊断预测和学习资源推送方法可以包括以下步骤：
步骤S101：所述教育服务器100对所述学生终端200发送的设备硬件信息进行解析，得到与所述学生终端200绑定的学生身份信息。
需要说明的是，所述教育服务器100中预先存储有与所述设备硬件信息对应的学生身份信息。实施时，所述学生终端200首先将自身的设备硬件信息发送给所述教育服务器100，所述教育服务器100在接收到所述设备硬件信息后，按照解码规则进行解析，并得到与所述学生终端200绑定的学生身份信息，从而确定学生的身份。
步骤S102：接收所述学生终端200发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息。
本实施例中，所述教育服务器100还接收所述学生终端200发送的答题科目信息和答题答案信息。其中，所述答题科目信息与所述答题答案信息相互关联，即可以根据所述答题科目信息关联到对应的答题答案信息。实施时，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息。
优选地，在所述接收所述学生终端200发送的答题科目信息和答题答案信息的步骤之后，所述成绩分析、诊断预测和学习资源推送方法还包括以下步骤：截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表；以及检测所述数据表中的干扰数据，对所述干扰数据进行清洗，从而去除干扰数据。
步骤S103：根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合。
本实施例中，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。其中，确定答题科目信息后匹配其科目知识点库，根据所述错题信息进行逐一分析后，得到与所述错题信息相对应的知识点，最后得到与所述错题信息对应的知识点集合。
步骤S104：根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端200。
优选地，利用机器学习根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。本实施例中，所述掌握程度越高，其推送优先级系数越大。另外，还根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端200。如此能够提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
如图3所示，是本发明实施例提供的一种教育服务器100的功能模块框图。其中，所述教育服务器100可以包括解析模块101、计算模块102、查找模块103、设置模块104、推送模块105、映射模块106和数据清洗模块107等。下面将对以上功能模块进行详细描述。
所述解析模块101，用于对所述学生终端200发送的设备硬件信息进行解析，得到与所述学生终端200绑定的学生身份信息。
其中，所述教育服务器100中预先存储有与所述设备硬件信息对应的学生身份信息。实施时，所述学生终端200首先将自身的设备硬件信息发送给所述教育服务器100，所述教育服务器100在接收到所述设备硬件信息后，按照解码规则进行解析，并得到与所述学生终端200绑定的学生身份信息，从而确定学生的身份。
所述计算模块102，用于接收所述学生终端200发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息。
本实施例中，所述答题科目信息与所述答题答案信息相互关联，即可以根据所述答题科目信息关联到对应的答题答案信息。实施时，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息。
所述映射模块106，用于截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表。
所述数据清洗模块107，用于检测所述数据表中的干扰数据，对所述干扰数据进行清洗。
所述查找模块103，用于根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合。
本实施例中，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。其中，确定答题科目信息后匹配其科目知识点库，根据所述错题信息进行逐一分析后，得到与所述错题信息相对应的知识点，最后得到与所述错题信息对应的知识点集合。
所述设置模块104，用于根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数。
优选地，利用机器学习根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。
所述推送模块105，用于根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端200。
所述设置模块104，具体用于根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。
本实施例中，所述掌握程度越高，其推送优先级系数越大。另外，还根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端200。如此能够提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
综上所述，本发明中的教育服务器100接收学生终端200发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题信息在所述参考答案信息库进行比对，计算出错题信息；然后根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合，能够对成绩进行智能化分析，充分获取成绩中的有效信息。再根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端200，能够提高对学习质量进行诊断预测的正确性，并针对性地推送匹配的学习资源。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
Claims (8)
1.一种成绩分析、诊断预测和学习资源推送方法，应用于成绩分析、诊断预测和学习资源推送平台，所述成绩分析、诊断预测和学习资源推送平台包括教育服务器和学生终端，所述教育服务器与所述学生终端通信连接，其特征在于，所述成绩分析、诊断预测和学习资源推送方法包括：
所述教育服务器对所述学生终端发送的设备硬件信息进行解析，得到与所述学生终端绑定的学生身份信息，其中，所述教育服务器中预先存储有与所述设备硬件信息对应的学生身份信息；
接收所述学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息；
根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合；
根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数，根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端。
2.根据权利要求1所述的成绩分析、诊断预测和学习资源推送方法，其特征在于，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。
3.根据权利要求1所述的成绩分析、诊断预测和学习资源推送方法，其特征在于，所述接收所述学生终端发送的答题科目信息和答题答案信息的步骤之后，所述成绩分析、诊断预测和学习资源推送方法还包括：
截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表；
检测所述数据表中的干扰数据，对所述干扰数据进行清洗。
4.根据权利要求1所述的成绩分析、诊断预测和学习资源推送方法，其特征在于，所述根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数的步骤具体包括：
根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。
5.一种成绩分析、诊断预测和学习资源推送平台，包括教育服务器和学生终端，所述教育服务器与所述学生终端通信连接，其特征在于，所述教育服务器包括：
解析模块，用于对所述学生终端发送的设备硬件信息进行解析，得到与所述学生终端绑定的学生身份信息，其中，所述教育服务器中预先存储有与所述设备硬件信息对应的学生身份信息；
计算模块，用于接收所述学生终端发送的答题科目信息和答题答案信息，根据所述答题科目信息调取预存的参考答案信息库，并将所述答题答案信息在所述参考答案信息库进行比对，计算出错题信息；
查找模块，用于根据所述答题科目信息匹配预存的科目知识点库，在所述科目知识点库中对错题信息进行分析，查找到与所述错题信息对应的知识点集合；
设置模块，用于根据所述知识点集合利用机器学习获取该学生对所述科目中知识点的掌握程度，并设置所述知识点的推送优先级系数；
推送模块，用于根据所述推送优先级系数将预存的学习资源库的课程资料推送给所述学生终端。
6.根据权利要求5所述的成绩分析、诊断预测和学习资源推送平台，其特征在于，在所述科目知识点库中对每个知识点设置唯一编码，且所述知识点的关联程度与所述编码的逻辑距离一致。
7.根据权利要求5所述的成绩分析、诊断预测和学习资源推送平台，其特征在于，所述教育服务器还包括：
映射模块，用于截取所述答题科目信息和答题答案信息后进行图像识别，并映射为数据表；
数据清洗模块，用于检测所述数据表中的干扰数据，对所述干扰数据进行清洗。
8.根据权利要求5所述的成绩分析、诊断预测和学习资源推送平台，其特征在于，所述设置模块，具体用于根据所述参考答案信息库和所述错题信息计算该学生对所述科目中知识点的掌握程度，将所述掌握程度同比例映射为推送优先级系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811184030.7A CN109299882A (zh) | 2018-10-11 | 2018-10-11 | 一种成绩分析、诊断预测和学习资源推送方法及平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811184030.7A CN109299882A (zh) | 2018-10-11 | 2018-10-11 | 一种成绩分析、诊断预测和学习资源推送方法及平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109299882A true CN109299882A (zh) | 2019-02-01 |
Family
ID=65162156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811184030.7A Pending CN109299882A (zh) | 2018-10-11 | 2018-10-11 | 一种成绩分析、诊断预测和学习资源推送方法及平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109299882A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362806A (zh) * | 2019-07-11 | 2019-10-22 | 上海乂学教育科技有限公司 | 基于大数据的个性化作业布置系统 |
| CN110414628A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学深圳研究生院 | 一种自创课程的学习过程规划和管理方法及系统 |
| CN110929020A (zh) * | 2019-12-18 | 2020-03-27 | 四川文轩教育科技有限公司 | 基于测试成绩的知识点掌握度分析方法 |
| CN111078066A (zh) * | 2019-05-15 | 2020-04-28 | 广东小天才科技有限公司 | 一种学习辅助方法及学习设备 |
| CN111144079A (zh) * | 2019-12-31 | 2020-05-12 | 厦门喵宝科技有限公司 | 一种智能获取学习资源的方法、装置、打印机和存储介质 |
| CN111752983A (zh) * | 2019-11-25 | 2020-10-09 | 广东小天才科技有限公司 | 一种学习笔记的推荐方法及电子设备 |
| CN112017080A (zh) * | 2019-05-29 | 2020-12-01 | 广东小天才科技有限公司 | 一种学习任务的分配控制方法和系统 |
| CN112365183A (zh) * | 2020-11-26 | 2021-02-12 | 江西台德智慧科技有限公司 | 一种人工智能教育的方法及装置 |
| CN112419815A (zh) * | 2020-11-30 | 2021-02-26 | 北京爱论答科技有限公司 | 一种学习路径的规划方法及装置 |
| CN112669006A (zh) * | 2020-12-28 | 2021-04-16 | 广东国粒教育技术有限公司 | 一种基于学生知识点诊断的智能组卷的方法 |
| CN113269662A (zh) * | 2021-04-30 | 2021-08-17 | 中电鹰硕(深圳)智慧互联有限公司 | 一种基于大数据的智慧教学系统 |
| CN113286166A (zh) * | 2021-07-21 | 2021-08-20 | 广州凡科互联网科技股份有限公司 | 在网络教育直播中进行实时交互信息的推送方法 |
| CN113487923A (zh) * | 2021-06-10 | 2021-10-08 | 山西三友和智慧信息技术股份有限公司 | 一种大数据互动教学实训平台 |
| CN114495124A (zh) * | 2022-01-18 | 2022-05-13 | 上海应用技术大学 | 一种试题成绩分析及练习提高系统 |
| CN114492848A (zh) * | 2022-01-13 | 2022-05-13 | 成都合源美智教育科技有限公司 | 一种兼容多学习模型的自适应学习系统、方法及应用 |
| CN116012203A (zh) * | 2022-12-22 | 2023-04-25 | 读书郎教育科技有限公司 | 一种教学资源匹配系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104408985A (zh) * | 2014-12-17 | 2015-03-11 | 李莎 | 基于云网络的答题学习方法及系统 |
| US20150099256A1 (en) * | 2013-12-17 | 2015-04-09 | Chien Cheng Liu | Intelligent teaching and tutoring test method |
| CN105512214A (zh) * | 2015-11-28 | 2016-04-20 | 华中师范大学 | 一种知识数据库、构建方法及学情诊断系统 |
| CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易（杭州）网络有限公司 | 一种多媒体资源推荐方法和装置 |
| CN107481568A (zh) * | 2017-09-19 | 2017-12-15 | 广东小天才科技有限公司 | 一种知识点巩固方法及用户终端 |
| CN108428073A (zh) * | 2018-05-21 | 2018-08-21 | 刘仕博 | 一种用于教师教学质量的智能评价系统 |
-
2018
- 2018-10-11 CN CN201811184030.7A patent/CN109299882A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150099256A1 (en) * | 2013-12-17 | 2015-04-09 | Chien Cheng Liu | Intelligent teaching and tutoring test method |
| CN104408985A (zh) * | 2014-12-17 | 2015-03-11 | 李莎 | 基于云网络的答题学习方法及系统 |
| CN105512214A (zh) * | 2015-11-28 | 2016-04-20 | 华中师范大学 | 一种知识数据库、构建方法及学情诊断系统 |
| CN106202453A (zh) * | 2016-07-13 | 2016-12-07 | 网易（杭州）网络有限公司 | 一种多媒体资源推荐方法和装置 |
| CN107481568A (zh) * | 2017-09-19 | 2017-12-15 | 广东小天才科技有限公司 | 一种知识点巩固方法及用户终端 |
| CN108428073A (zh) * | 2018-05-21 | 2018-08-21 | 刘仕博 | 一种用于教师教学质量的智能评价系统 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111078066A (zh) * | 2019-05-15 | 2020-04-28 | 广东小天才科技有限公司 | 一种学习辅助方法及学习设备 |
| CN111078066B (zh) * | 2019-05-15 | 2021-04-30 | 广东小天才科技有限公司 | 一种学习辅助方法及学习设备 |
| CN112017080A (zh) * | 2019-05-29 | 2020-12-01 | 广东小天才科技有限公司 | 一种学习任务的分配控制方法和系统 |
| CN110362806B (zh) * | 2019-07-11 | 2023-08-29 | 上海乂学教育科技有限公司 | 基于大数据的个性化作业布置系统 |
| CN110362806A (zh) * | 2019-07-11 | 2019-10-22 | 上海乂学教育科技有限公司 | 基于大数据的个性化作业布置系统 |
| CN110414628A (zh) * | 2019-08-07 | 2019-11-05 | 清华大学深圳研究生院 | 一种自创课程的学习过程规划和管理方法及系统 |
| CN111752983A (zh) * | 2019-11-25 | 2020-10-09 | 广东小天才科技有限公司 | 一种学习笔记的推荐方法及电子设备 |
| CN110929020A (zh) * | 2019-12-18 | 2020-03-27 | 四川文轩教育科技有限公司 | 基于测试成绩的知识点掌握度分析方法 |
| CN111144079B (zh) * | 2019-12-31 | 2022-12-13 | 厦门喵宝科技有限公司 | 一种智能获取学习资源的方法、装置、打印机和存储介质 |
| CN111144079A (zh) * | 2019-12-31 | 2020-05-12 | 厦门喵宝科技有限公司 | 一种智能获取学习资源的方法、装置、打印机和存储介质 |
| CN112365183A (zh) * | 2020-11-26 | 2021-02-12 | 江西台德智慧科技有限公司 | 一种人工智能教育的方法及装置 |
| CN112419815A (zh) * | 2020-11-30 | 2021-02-26 | 北京爱论答科技有限公司 | 一种学习路径的规划方法及装置 |
| CN112669006A (zh) * | 2020-12-28 | 2021-04-16 | 广东国粒教育技术有限公司 | 一种基于学生知识点诊断的智能组卷的方法 |
| CN113269662A (zh) * | 2021-04-30 | 2021-08-17 | 中电鹰硕(深圳)智慧互联有限公司 | 一种基于大数据的智慧教学系统 |
| CN113487923A (zh) * | 2021-06-10 | 2021-10-08 | 山西三友和智慧信息技术股份有限公司 | 一种大数据互动教学实训平台 |
| CN113286166A (zh) * | 2021-07-21 | 2021-08-20 | 广州凡科互联网科技股份有限公司 | 在网络教育直播中进行实时交互信息的推送方法 |
| CN114492848A (zh) * | 2022-01-13 | 2022-05-13 | 成都合源美智教育科技有限公司 | 一种兼容多学习模型的自适应学习系统、方法及应用 |
| CN114495124A (zh) * | 2022-01-18 | 2022-05-13 | 上海应用技术大学 | 一种试题成绩分析及练习提高系统 |
| CN116012203A (zh) * | 2022-12-22 | 2023-04-25 | 读书郎教育科技有限公司 | 一种教学资源匹配系统 |
| CN116012203B (zh) * | 2022-12-22 | 2023-09-26 | 读书郎教育科技有限公司 | 一种教学资源匹配系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299882A (zh) | 一种成绩分析、诊断预测和学习资源推送方法及平台 | |
| CN105047031B (zh) | 一种交互错题教学系统与方法 | |
| CN106156354B (zh) | 一种学习资源推荐系统 | |
| CN108234610A (zh) | 一种课堂互动和反馈系统 | |
| CN108932508A (zh) | 一种题目智能识别、批改的方法和系统 | |
| CN107566376A (zh) | 一种威胁情报生成方法、装置及系统 | |
| CN108921748B (zh) | 基于大数据分析的教学规划方法及计算机可读介质 | |
| CN105225563B (zh) | 一种学习数据推荐方法、装置及穿戴式学习设备 | |
| CN107483397A (zh) | 一种基于bs架构的考生自我测评方法 | |
| Rahman et al. | Impact of practical skills on academic performance: A data-driven analysis | |
| Smith et al. | The impact of using incorrect weights with the multiple membership random effects model | |
| CN105630867A (zh) | 一种匹配数据的方法及装置 | |
| CN104715063A (zh) | 搜索排序方法和装置 | |
| CN111079018A (zh) | 习题个性化推荐方法、装置、设备、计算机可读存储介质 | |
| Brinton et al. | Mining MOOC clickstreams: On the relationship between learner behavior and performance | |
| CN109446213A (zh) | 一种学习资料智能推送方法及装置 | |
| Bergner et al. | Item response models for multiple attempts with incomplete data | |
| Han et al. | Analyzing millions of submissions to help MOOC instructors understand problem solving | |
| 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 | |
| CN114202978A (zh) | 一种基于大数据的智能培训方法及系统 | |
| Wood et al. | Sampling for possibilities | |
| CN109840537A (zh) | 一种基于交叉对比神经网络的图像多任务分类方法 | |
| CN105516356B (zh) | 试题批改方法、通信终端以及服务器 | |
| Chebil et al. | A causal graph based method to evaluate e-collaboration scenarios | |
| DeCarlo et al. | A latent class signal detection model for rater scoring with ordered perceptual distributions |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |