CN109584122A - 自动更新的在线题库难度智能分级方法及系统 - Google Patents
自动更新的在线题库难度智能分级方法及系统 Download PDFInfo
- Publication number
- CN109584122A CN109584122A CN201811391912.0A CN201811391912A CN109584122A CN 109584122 A CN109584122 A CN 109584122A CN 201811391912 A CN201811391912 A CN 201811391912A CN 109584122 A CN109584122 A CN 109584122A
- Authority
- CN
- China
- Prior art keywords
- difficulty
- exercise
- accuracy
- exam pool
- 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
- 230000008676 import Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 4
- 229910017435 S2 In Inorganic materials 0.000 claims 2
- 238000013507 mapping Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动更新的在线题库难度智能分级方法及系统,首先预测多个“正确率‑难度”映射关系,通过对题库编辑人员的预设难度与学生的实际答题正确率进行分析,来验证多个映射关系,找出准确性最高的一组,后续基于此组映射关系,在答题次数足够多时,根据答题正确率为题目设置难度,最终基于上述足够多的数据量分析,使题库中习题难度更加客观和准确。为题目设置难度后,题库仍将根据实际情况为题目动态调整难度,使题库中习题难度更加客观和准确。
Description
技术领域
本发明涉及在线教育技术领域,具体涉及为在线题库的习题自动且智能地添加难度的技术。
背景技术
互联网技术的不断发展以及与教育产业的不断融合,使得在线教育这种模式已经越来越普及于学校教学之中,对教学模式的变革、教学效果的提升具有重要的意义。
目前,在学校中,教师往往会在每节课为学生讲授具体知识之后布置相关练习作为课后巩固。通过在线作业工具,教师布置作业、收作业以及作业的统计与批改上可以省下不少工作量,甚至借助于第三方在线教育平台,教师可以直接选用第三方平台题库内的习题资源作为学生的作业内容。但是,在通过题库类产品进行作业布置的过程中,教师普遍会面临两个问题:
1、鉴于在相同年级教授相同科目的各位授课教师的学历、教学年限等多个方面的综合素质互有不同,所选择的习题往往带着较强的主观色彩,其对题目的难度的把控可能与学生实际感受有较大的出入。从而导致所布置的作业对学生来说难度过大或者过于简单,不利于对学习成果的巩固。
2、部分在线题库目前已经实现了对题目的难度分级。题目分级后,教师可以自定义挑选若干道困难题、若干道普通题、若干道简单题组成一份难度适中的在线作业。但是现实情况中,题库产品中的习题难度也是由题库录入人员主观判断并录入的,因此也并不一定符合学生实际的感受。
发明内容
本发明所要解决的技术问题就是提供一种在线题库难度智能分级方法,基于统计分析,使题库中习题难度更加客观和准确。
为解决上述技术问题,本发明采用如下技术方案:
自动更新的在线题库难度智能分级方法,由在线题库智能系统处理,包括如下步骤:
S1,难度初始分级,题库编辑人员在后台将习题录入在线题库智能系统时,根据自身对习题的判断,为习题设置难度分级;
S2,样本学生自动挑选,在线题库智能系统收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
S3,预设若干难度区间,在线题库智能系统根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
S4,样本学生习题练习数据自动收集,让样本学生参与习题练习,在线题库智能系统记录样本学生在习题练习过程中各道习题的正误情况;
S5,推测难度自动计算,根据习题的预设难度与该习题的正确率,并导入难度区间,在线题库智能系统自动计算获得该习题的推测难度;
S6,难度赋值,对困难、中等、简单分别赋值,在线题库智能系统自动计算获得该习题预设难度及推测难度的难度赋值;
S7,难度区间自动选择,在线题库智能系统将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
S8,难度自动分级,当一道习题被1000位以上学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
优选的,步骤S2中,随机选择1000位学生,根据历史答题正确率按高低进行排序,各去掉头尾25%的学生,保留中间50%的学生,然后看中间部分的学生最低正确率X%与最高正确率Y%是多少,然后取正确率在X%-Y%之间的学生作为样本学生。
优选的,步骤S2中,筛选出正确率在70%-90%之间的学生作为样本学生。
优选的,步骤S3中,预设A、B、C三个难度区间:
【A区间】
100%≥正确率>90% 简单
90%≥正确率>60% 中等
60%≥正确率>0% 困难
【B区间】
100%≥正确率>80% 简单
80%≥正确率>60 % 中等
60%≥正确率>0% 困难
【C区间】
100%≥正确率>80% 简单
80%≥正确率>50% 中等
50%≥正确率>0% 困难。
优选的,还包括习题难度动态更新步骤,一直统计该习题的总正确率,并根据新的答题正确率,将习题难度更新。
本发明还提供了一种自动更新的在线题库难度智能分级系统,包括:
难度初始分级自动记忆装置,记录题库编辑人员在后台将习题录入在线题库时为习题设置的难度分级;
样本学生自动挑选装置,收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
难度区间预设装置,根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
样本学生习题练习数据自动收集装置,记录样本学生参与无难度分级的习题练习各道习题的正误数据;
推测难度自动计算装置,根据习题的预设难度与该习题的正确率,并导入难度区间,自动计算获得该习题的推测难度;
难度赋值装置,对困难、中等、简单分别赋值,并自动计算获得该习题预设难度及推测难度的难度赋值;
难度区间自动选择装置,将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
难度自动计算装置,当一道习题被1000位以上学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
本发明采用上述技术方案,具有如下有益效果:
1、采集练习习题数量超过1000题以上的学生数据作为选择样本学生的依据,根据统计基数足够多,其统计结果无限趋近实际结果的特点,练习1000题左右后,学生的实际掌握水平与其答题正确率基本可以挂钩,此时通过学生的答题准确率即可判断学生的水平。
2、筛选出正确率在70%-90%之间的学生作为样本学生,由于这部分学生的准确率基本等同于中等水平的学生,而这部分的学生在学生群体中是占大多数的,因此更有说服力。用中等水平的学生作为样本学生,更具客观性与公平性。
3、首先预测多个“正确率-难度”映射关系,通过对题库编辑人员的预设难度与学生的实际答题正确率进行分析,来验证多个映射关系,找出准确性最高的一组,后续基于此组映射关系,在答题次数足够多时,根据答题正确率为题目设置难度,最终基于上述足够多的数据量分析,使题库中习题难度更加客观和准确。
4、为题目设置难度后,题库仍将根据实际情况为题目动态调整难度,使题库中习题难度更加客观和准确。
具体实施方式
首先预测多个“正确率-难度”映射关系,通过对题库编辑人员的预设难度与学生的实际答题正确率进行分析,来验证多个映射关系,找出准确性最高的一组。后续基于此组映射关系,在答题次数足够多时,根据答题正确率为题目设置难度。
在线题库难度智能分级方法,由在线题库智能系统处理,包括如下步骤:
S1,难度初始分级,题库编辑人员在后台将习题录入在线题库智能系统时,根据自身对习题的判断,为习题设置难度分级;
S2,样本学生自动挑选,在线题库智能系统收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
S3,预设若干难度区间,在线题库智能系统根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
S4,样本学生习题练习数据自动收集,让样本学生参与习题练习,在线题库智能系统记录样本学生在习题练习过程中各道习题的正误情况;
S5,推测难度自动计算,根据习题的预设难度与该习题的正确率,并导入难度区间,在线题库智能系统自动计算获得该习题的推测难度;
S6,难度赋值,对困难、中等、简单分别赋值,在线题库智能系统自动计算获得该习题预设难度及推测难度的难度赋值;
S7,难度区间自动选择,在线题库智能系统将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
S8,难度自动分级,找出最合理的正确率区间后,后续就可以根据学生的答题正确率为题目自动添加难度了。当一道习题被1000位学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
步骤S1中,题库编辑人员只需在后台为习题打上难度标签,习题难度在前台不显示。题目数量为1000题以上,且编辑人员设置的题目难度基本合理,因为测试的样本题目有1000题以上,当测试基数较大时,个别设置难度不准的题目带来的误差可以忽略不计。
步骤S2中,随机选择1000位学生,根据历史答题正确率按高低进行排序,各去掉头尾25%的学生,保留中间50%的学生,然后看中间部分的学生最低正确率X%与最高正确率Y%是多少,然后取正确率在X%-Y%之间的学生作为样本学生。本实施例中,筛选出正确率在70%-90%之间的学生作为样本学生。
步骤S3中,预设A、B、C三个难度区间:
【A区间】
100%≥正确率>90% 简单
90%≥正确率>60% 中等
60%≥正确率>0% 困难
【B区间】
100%≥正确率>80% 简单
80%≥正确率>60% 中等
60%≥正确率>0% 困难
【C区间】
100%≥正确率>80% 简单
80%≥正确率>50% 中等
50%≥正确率>0% 困难。
本实施例中,只列出了三个预设难度区间,本领域技术人员可以理解的是在实际情况中,可以列出更多组的预设难度区间。
步骤S5中,以5道习题为例,自动计算获得5道习题的推测难度如表1。
表1:
当然,本领域技术人员可以理解的是,在实际情况中,可以列出更多道的习题进行推测难度的计算。
步骤S6中,仍以5道习题为例,将困难赋值为3、中等赋值为2、简单赋值为1,由此得到表2。
表2
当然,本领域技术人员可以理解的是,以上难度赋值只是举例,在实际情况中,赋值大小可以有所变化。
步骤S7中,通过方差计算,A区间的方差S^2=3/5;B区间的方差S^2=2/5;C区间的方差S^2=1/5。因此可以得出结论,C区间正确率与难度的映射关系与实际情况较为吻合,后续根据正确率为难度赋值采用C区间的方式将会比较合理。
另外,还包括习题难度动态更新步骤,一直统计该习题的总正确率,并根据新的答题正确率,将习题难度更新。
同时,根据上述分级方法,提出在线题库难度智能分级系统,包括:
难度初始分级自动记忆装置,记录题库编辑人员在后台将习题录入在线题库时为习题设置的难度分级;
样本学生自动挑选装置,收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
难度区间预设装置,根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
样本学生习题练习数据自动收集装置,记录样本学生参与无难度分级的习题练习各道习题的正误数据;
推测难度自动计算装置,根据习题的预设难度与该习题的正确率,并导入难度区间,自动计算获得该习题的推测难度;
难度赋值装置,对困难、中等、简单分别赋值,并自动计算获得该习题预设难度及推测难度的难度赋值;
难度区间自动选择装置,将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
难度自动计算装置,当一道习题被1000位以上学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (6)
1.自动更新的在线题库难度智能分级方法,由在线题库智能系统处理,其特征在于包括如下步骤:
S1,难度初始分级,题库编辑人员在后台将习题录入在线题库智能系统时,根据自身对习题的判断,为习题设置难度分级;
S2,样本学生自动挑选,在线题库智能系统收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
S3,预设若干难度区间,在线题库智能系统根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
S4,样本学生习题练习数据自动收集,让样本学生参与习题练习,在线题库智能系统记录样本学生在习题练习过程中各道习题的正误情况;
S5,推测难度自动计算,根据习题的预设难度与该习题的正确率,并导入难度区间,在线题库智能系统自动计算获得该习题的推测难度;
S6,难度赋值,对困难、中等、简单分别赋值,在线题库智能系统自动计算获得该习题预设难度及推测难度的难度赋值;
S7,难度区间自动选择,在线题库智能系统将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
S8,难度自动分级,当一道习题被1000位以上学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
2.根据权利要求1所述的自动更新的在线题库难度智能分级方法,其特征在于:步骤S2中,随机选择1000位学生,根据历史答题正确率按高低进行排序,各去掉头尾25%的学生,保留中间50%的学生,然后看中间部分的学生最低正确率X%与最高正确率Y%是多少,然后取正确率在X%-Y%之间的学生作为样本学生。
3.根据权利要求1所述的自动更新的在线题库难度智能分级方法,其特征在于:步骤S2中,筛选出正确率在70%-90%之间的学生作为样本学生。
4.根据权利要求3所述的自动更新的在线题库难度智能分级方法,其特征在于:步骤S3中,预设A、B、C三个难度区间:
【A区间】
100%≥正确率>90%简单
90%≥正确率>60%中等
60%≥正确率>0%困难
【B区间】
100%≥正确率>80%简单
80%≥正确率>60%中等
60%≥正确率>0%困难
【C区间】
100%≥正确率>80%简单
80%≥正确率>50%中等
50%≥正确率>0%困难。
5.根据权利要求1至4中任意一项所述的自动更新的在线题库难度智能分级方法,其特征在于:还包括习题难度动态更新步骤,一直统计该习题的总正确率,并根据新的答题正确率,将习题难度更新。
6.自动更新的在线题库难度智能分级系统,其特征在于包括:
难度初始分级自动记忆装置,记录题库编辑人员在后台将习题录入在线题库时为习题设置的难度分级;
样本学生自动挑选装置,收集历年用户在习题库中随机练习所保留的习题练习正误数据,采集练习习题数量超过1000题以上的学生数据,筛选出正确率在A%-B%之间的学生作为样本学生,其中,65≤A≤70,85≤B≤90;
难度区间预设装置,根据习题练习正确率数据,预设若干难度区间,每个难度区间划分为困难、中等、简单三个难度等级;
样本学生习题练习数据自动收集装置,记录样本学生参与无难度分级的习题练习各道习题的正误数据;
推测难度自动计算装置,根据习题的预设难度与该习题的正确率,并导入难度区间,自动计算获得该习题的推测难度;
难度赋值装置,对困难、中等、简单分别赋值,并自动计算获得该习题预设难度及推测难度的难度赋值;
难度区间自动选择装置,将预设难度与各区间推测难度进行方差计算,选择方差最小的难度区间作为结果;
难度自动计算装置,当一道习题被1000位以上学生首次作答,则根据题目的总正确率将其归类在相应的难度区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811391912.0A CN109584122A (zh) | 2018-11-21 | 2018-11-21 | 自动更新的在线题库难度智能分级方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811391912.0A CN109584122A (zh) | 2018-11-21 | 2018-11-21 | 自动更新的在线题库难度智能分级方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109584122A true CN109584122A (zh) | 2019-04-05 |
Family
ID=65923640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811391912.0A Pending CN109584122A (zh) | 2018-11-21 | 2018-11-21 | 自动更新的在线题库难度智能分级方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584122A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245207A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN112164261A (zh) * | 2020-09-24 | 2021-01-01 | 浙江太学科技集团有限公司 | 一种智能化考核方法 |
CN112311839A (zh) * | 2019-08-19 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 信息推送方法、装置、设备及可读介质 |
CN112364123A (zh) * | 2020-11-10 | 2021-02-12 | 上海凌立健康管理股份有限公司 | 一种题库自动组题及难易度实时更新方法 |
CN112364122A (zh) * | 2020-11-10 | 2021-02-12 | 上海凌立健康管理股份有限公司 | 一种题库自动组题及难易度实时更新系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976282A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种试题难度量化方法及系统 |
CN106781785A (zh) * | 2017-01-04 | 2017-05-31 | 广东小天才科技有限公司 | 一种基于大数据的题目难度构建方法及装置、服务设备 |
CN107992595A (zh) * | 2017-12-12 | 2018-05-04 | 广东小天才科技有限公司 | 一种学习内容推荐方法、装置及智能设备 |
CN108389147A (zh) * | 2018-02-26 | 2018-08-10 | 浙江创课教育科技有限公司 | 试题难度分级处理方法及系统 |
-
2018
- 2018-11-21 CN CN201811391912.0A patent/CN109584122A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976282A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种试题难度量化方法及系统 |
CN106781785A (zh) * | 2017-01-04 | 2017-05-31 | 广东小天才科技有限公司 | 一种基于大数据的题目难度构建方法及装置、服务设备 |
CN107992595A (zh) * | 2017-12-12 | 2018-05-04 | 广东小天才科技有限公司 | 一种学习内容推荐方法、装置及智能设备 |
CN108389147A (zh) * | 2018-02-26 | 2018-08-10 | 浙江创课教育科技有限公司 | 试题难度分级处理方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245207A (zh) * | 2019-05-31 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN110245207B (zh) * | 2019-05-31 | 2021-07-06 | 深圳市轱辘车联数据技术有限公司 | 一种题库构建方法、题库构建装置及电子设备 |
CN112311839A (zh) * | 2019-08-19 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 信息推送方法、装置、设备及可读介质 |
CN112311839B (zh) * | 2019-08-19 | 2023-04-07 | 北京字节跳动网络技术有限公司 | 信息推送方法、装置、设备及可读介质 |
CN112164261A (zh) * | 2020-09-24 | 2021-01-01 | 浙江太学科技集团有限公司 | 一种智能化考核方法 |
CN112364123A (zh) * | 2020-11-10 | 2021-02-12 | 上海凌立健康管理股份有限公司 | 一种题库自动组题及难易度实时更新方法 |
CN112364122A (zh) * | 2020-11-10 | 2021-02-12 | 上海凌立健康管理股份有限公司 | 一种题库自动组题及难易度实时更新系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109584122A (zh) | 自动更新的在线题库难度智能分级方法及系统 | |
Johnson | The design of the national assessment of educational progress | |
Bock et al. | The next stage in educational assessment | |
CN109523439A (zh) | 在线题库难度智能分级方法及系统 | |
CN106875769A (zh) | 一种数学练习用出题系统 | |
CN107133894B (zh) | 基于复杂网络理论的在线学习分组方法 | |
CN1794277A (zh) | 物流培训网络试题难度和区分度量化的实现方法 | |
CN105869474A (zh) | 一种响应式教学设计方法及系统 | |
CN109948912A (zh) | 一种业务培训管理系统 | |
Ludwig-Mayerhofer et al. | 16 Vocational education and training and transitions into the labor market | |
Hershkovitz et al. | Predicting future learning better using quantitative analysis of moment-by-moment learning | |
US20120329028A1 (en) | Method for intelligent personalized learning service | |
CN113535935B (zh) | 基于重要程度和优先级的组卷方法、装置、设备及介质 | |
CN116629708B (zh) | 一种基于数据分析的专业模拟实训管理系统 | |
CN113361926A (zh) | 一种基于教学序列的教学质量评价方法 | |
CN112733059A (zh) | 一种智能阅读跟踪评价方法、系统、终端及存储介质 | |
US20080102427A1 (en) | Method to increase likelihood of successful completion of degree program | |
CN106960400A (zh) | 录取概率的评估方法、推荐高考院校的方法及装置 | |
CN1414500A (zh) | 一种教学质量评价系统 | |
CN115375519A (zh) | 一种基于数字化教学的区域作业数据分析系统 | |
CN114662920A (zh) | 课程推送方法、装置、计算机设备、存储介质和程序产品 | |
CN112614034A (zh) | 一种试题推荐方法、装置、电子设备和可读存储介质 | |
CN108846579B (zh) | 一种学科知识的知识量计算方法和系统 | |
CN114496253B (zh) | 一种大数据体质健康监测系统 | |
MEIRMANOVICH | The Style Of Organization Of Independent Work Of Academic High School Students |
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: 20190405 |