CN109903617B - 个性化练习方法和系统 - Google Patents
个性化练习方法和系统 Download PDFInfo
- Publication number
- CN109903617B CN109903617B CN201711303750.6A CN201711303750A CN109903617B CN 109903617 B CN109903617 B CN 109903617B CN 201711303750 A CN201711303750 A CN 201711303750A CN 109903617 B CN109903617 B CN 109903617B
- Authority
- CN
- China
- Prior art keywords
- knowledge
- exercise
- list
- question
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 76
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012854 evaluation process Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种个性化练习方法和系统。该方法包括以下步骤:获取用户科目知识图谱:根据学生ID和科目从知识图谱数据库获取用户科目知识图谱;获取最近上课信息:根据学生ID和科目从上课信息数据库获取最近上课信息;生成知识点练习列表:根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;生成练习题列表:根据要练习的时间及知识点练习列表生成练习题列表;练习评测:根据学生的做题数据进行评测,判断每题的正确与否,同时更新相关数据;显示练习结果:给出本次练习的总结。本发明通过上述手段,根据学生的知识点的掌握程度,实现因人而练,摒弃题海战术,提高了学生的学习效率和效果。
Description
技术领域
本申请涉及教育领域,特别地,涉及一种个性化练习方法和系统。
背景技术
现有的习题练习模式中,学校教育中主要是根据最近学习的章节来布置习题,在线教育中主要是根据学生的年级和科目来确定练习的题目,也有些在线教育系统学生可以自己选择练习的章节。这样的习题练习模式会存在以下问题:
首先现有的习题练习模式主要以章节为节点,而未能以更科学的知识点为节点进行练习,导致学生对知识点理解的碎片化。
其次,现有的习题练习模式未能根据学生自己个人具体的情况来进行针对性的进行。在学校教育中,学生一般只是完成老师布置的作业,一个班一般有三十个学生以上,老师没有精力对每一个学生针对各自的情况布置作业,这样导致学生一般只能学一个章节做一个章节,不能根据自己的薄弱点进行针对性训练;在在线教育中,有些在线教育系统是系统随机生成题目,有些在线教育系统是学生自主选择某些类别的题目,但是随机生成题目会使学生浪费时间在不必要的题目上,而未能针对自己的薄弱点进行大量训练,学生自主选择题目的在线教育系统虽有一定针对性,但和线下学生自己刷题区别不大;
再其次,现有的习题练习模式中大部分都需要人工参与批改,导致人力资源的浪费;
最后,由于现有技术中无论是学校教育还是在线教育都不能根据学生个人的具体情况提供针对性的习题,很多学生只好采用题海战术。但是一方面这对学生的自主性要求很高,另一方面学生未必对自己的薄弱点有清醒的认识,更重要的是学生也很难从全局性的角度去综合评估自己各个知识点的掌握情况并依次进行适当程度的针对性训练,导致大量时间的浪费。
因此综上,现有的习题练习模式中,一方面效率低下,学生可能对已经掌握的知识点仍进行大量训练,另一方面由于学生自己未必清楚自己的薄弱点及对其应该训练的题目数量及难度,未能针对其进行训练,其学习效果较差。
发明内容
本发明提供一种个性化练习方法及系统,用于解决现有技术中习题练习模式未能根据学生个人的具体情况进行针对性训练的问题。
本发明公开的一种个性化练习方法,其特征在于,包括如下步骤:
(1)获取用户科目知识图谱:即根据学生ID和科目从知识图谱数据库获取用户科目知识图谱;
(2)获取最近上课信息:即根据学生ID和科目从上课信息数据库获取最近上课信息;
(3)生成知识点练习列表:即根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;
(4)生成练习题列表:即根据要练习的时间及知识点练习列表生成练习题列表;
(5)练习评测:即根据学生的做题数据进行评测,判断每题的正确与否,同时更新相关数据;
(6)显示练习结果:给出本次练习的总结。
优选的,所述生成知识点练习列表的步骤包括:
(1)根据最近上课信息确定m,m为没有练习过相应知识点的上课的次数;
(2)如果m大于或等于θ,则将该m次上课中的知识点赋予同等权重并加入到知识点练习列表;
(3)如果m小于θ,则将该m次上课的知识点加入知识点备选列表,并从学生科目知识图谱中获取所有练习过的知识点加入知识点备选列表,对知识点备选列表中每一个知识点根据所述学生对该知识点的掌握程度以及当前日期与该知识点最后一次的练习的日期的时间间隔计算其特征
归一化知识点列表中知识点的权重,归一化方法为:
将知识点及相应的归一化的权重加入到知识点练习列表。
优选的,所述生成知识点练习列表步骤中的θ=2,所述K根据知识点特征最大的几个知识点的掌握程度来确定。
优选的,所述练习题生成步骤包括:
(1)根据要练习的时间和学科练习题目所有学生的平均时间来计算要练习的题目数;
(2)根据要练习的题目数和每个知识点的特征计算每个知识点的练习题数量;
(3)过滤试题:检测试题是否已经做过,如果做过且做对则丢弃此题,否则加入试题候选集;
(4)选择试题:根据题目难度系数计算后续的概率,题目难度系数与学生关于该知识点的平均难度系数越接近的,其概率越大;
(5)按照概率大小排序,选取概率最大的T个试题,再从中随机选取该知识点要练习的试题数量,加入练习题列表;
(6)重复(2)-(5)步,直到处理完列表中的所有知识点。
优选的,所述练习评测过程包括:
(1)计算答题时间,从题库中获取试题属性,包括试题答案、知识点、难度系数和答题时间均值;
(2)获得学生练习题的答题时间和答题内容;
(3)计算和评测答题,对于选择题和填空题,比较回答内容与答案是否一致,以及答题正确程度;对于解答题,分解答题内容和答案,进行语义内容的相似性计算,计算答题正确程度;
(4)根据答题情况计算学生对知识点的掌握程度;
(5)更新知识点相关属性。
本发明公开的一种个性化练习系统,包括:
(1)获取用户科目知识图谱模块:该模块用于根据学生ID和科目从知识图谱数据库获取用户科目知识图谱;
(2)获取最近上课信息模块:该模块用于根据学生ID和科目从上课信息数据库获取最近上课信息;
(3)生成知识点练习列表模块:该模块用于根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;
(4)生成练习题列表模块:该模块用于根据要练习的时间及知识点练习列表生成练习题列表;
(5)练习评测模块:该模块用于根据学生的做题数据进行评测,判断每题的正确与否,同时更新相关数据;
(6)显示练习结果模块:该模块用于给出本次练习的总结。
优选的,所述生成知识点练习列表模块用于实施以下步骤:
(1)根据最近上课信息确定m,m为没有练习过相应知识点的上课的次数;
(2)如果m大于或等于θ,则将该m次上课中的知识点赋予同等权重并加入到知识点练习列表;
归一化知识点列表中知识点的权重,归一化方法为:
将知识点及相应的归一化的权重加入到知识点练习列表。
优选的,所述生成知识点练习列表步骤中的θ=2,所述K根据知识点特征最大的几个知识点的掌握程度来确定。
优选的,所述练习题生成模块用于实施以下步骤:
(1)根据要练习的时间和学科练习题目所有学生的平均时间来计算要练习的题目数;
(2)根据要练习的题目数和每个知识点的特征计算每个知识点的练习题数量;
(3)过滤试题:检测试题是否已经做过,如果做过且做对则丢弃此题,否则加入试题候选集;
(4)选择试题:根据题目难度系数计算后续的概率,题目难度系数与学生关于该知识点的平均难度系数越接近的,其概率越大;
(5)按照概率大小排序,选取概率最大的T个试题,再从中随机选取该知识点要练习的试题数量,加入练习题列表;
(6)重复(2)-(5)步,直到处理完列表中的所有知识点。
优选的,所述练习评测模块用于实施以下步骤:
(1)计算答题时间,从题库中获取试题属性,包括试题答案、知识点、难度系数和答题时间均值
(2)获得学生练习题的答题时间和答题内容
(3)计算和评测答题,对于选择题和填空题,比较回答内容与答案是否一致,以及答题正确程度;对于解答题,分解答题内容和答案,进行语义内容的相似性计算,计算答题正确程度;
(4)根据答题情况计算学生对知识点的掌握程度;
(5)更新知识点相关属性。
与现有技术相比,本发明所提供的个性化练习方法和系统具有以下优点:
1、根据学生的知识点的掌握程度,实现因人而练,摒弃题海战术,提高学习效率和效果;
2、学生的知识图谱清晰明确的刻画学生的知识点掌握程度及练习情况。学生能够做到知己,老师能够了解学生。学生和老师根据知识图谱,有针对性的辅导和练习,重点在掌握不好的知识点方面加强辅导和练习;
3、练习题生成步骤优选合适的练习题进行练习,对已经熟练掌握的简单试题,则不需要再花费时间进行练习,能够有效的减轻学生学习负担,提升学生成绩;
4、练习评测部分采用AI技术实现自动批阅功能,去人工化,大幅降低运营成本,具有效率高,经济,准确等效益。
附图说明
附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为个性化练习方法第一实施例的流程图;
图2为个性化练习系统第二实施例中一学生进行练习前的知识图谱;
图3为个性化练习系统第二实施例中一学生进行练习后的知识图谱。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。术语“包括”、“包含”及类似术语应该被理解为是开放性的术语,即“包括/包含但不限于”。术语“基于”是“至少部分地基于”。术语“一实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。
参考图1,示出了一种个性化练习方法第一实施例的流程。本优选方法实施例包括以下步骤:
步骤一、获取用户科目知识图谱:根据学生ID和科目从知识图谱数据库获取用户科目知识图谱;
获取输入的参数学生ID和科目,以学生ID和科目为参数,从学生知识图谱库中,获取学生的科目知识图谱信息。知识图谱以知识点为组织数据。
其中知识点具有以下属性:
(1)掌握程度:用于刻画学生对这个知识点的掌握度量,为[0,1]之间的实数,0为完全不会,1为完全掌握;
(2)练习的试题数:考察这个知识点的试题数;
(3)正确的试题数:正确答对的试题数,数据类型为整数;
(4)错误的试题数:答错的试题数,数据类型为整数;
(5)试题难度分布:试题的难度分布,是练习过试题的难度系数分布,难度系数在[0,1]之间的实数(保留小数点后2位),统计每个难度系数试题数量,进行归一化处理,计算出每个难度系数值所对应的试题比率。其中难度系数均值是学生作对练习题的难度系数的均值,在[0,1]之间的实数;
(6)知识点的练习的次数及时间:记录关于该知识点的练习次数及每次练习的日期。
学生的知识图谱清晰明确地刻画学生的知识点掌握程度及练习情况。学生能够做到知己,老师能够了解学生。学生和老师根据知识图谱,有针对性的辅导和练习,重点在掌握不好的知识点方面加强辅导和练习。
步骤二、获取最近上课信息:根据学生ID和科目从上课信息数据库获取最近上课信息;
获取输入的学生ID和科目(教材版本),上次练习时间,以学生ID和科目,及上次练习时间为参数,从上课信息库中检索讲授知识点信息。
其中上课信息库记录了上课的科目,年级,上课时间,授课教师和上课内容的总结。上课内容具有以下属性:知识点(与科目知识图谱中的知识点相对应)以及上课时间(即辅导上课时间)。
步骤三、生成知识点练习列表:根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;
(1)根据最近上课信息确定m,m为没有练习过相应知识点的上课的次数;
(2)如果m大于等于θ,则将该m次上课中的知识点赋予同等权重并加入到知识点练习列表,其中θ=2。这是因为要优先巩固和练习最近学习的内容,当学生上过θ次课,而期间没有进行练习操作,则将练习最近几次上课内容对应的知识点;
其中ω1+ω2=1,是第i知识点的掌握程度,是当前日期与知识点i最后一次练习的日期间隔以天为单位,ω1、ω2分布是权重参数。以为参数代入sigmoid函数f(x)=1/(1+e-x)计算知识点的分数。对知识点按照分数由大到小进行排序,选取知识点备选列表中分数最大的K个知识点,加入到知识点练习列表。K为本次练习要覆盖知识点的数量。
K的计算过程:
1)如果KL[2]的掌握程度<0.7则K为2;
2)如果KL[3]的掌握程度<0.9则K为3;
3)否则,K为4。
其中,KL为按所述知识点分数从大到小排序的知识点备选列表,KL[i]为第i个知识点。
归一化知识点列表中知识点的权重,归一化方法为:
步骤四、生成练习题列表:根据要练习的时间及知识点练习列表生成练习题列表;
(3)过滤试题:检测试题是否已经做过,如果做过且做对则丢弃此题,否则加入试题候选集;
(4)选择试题:根据题目难度系数计算后续的概率,题目难度系数与学生对该知识点的难度系数均值越接近的,其概率越大;具体的,可采用高斯分布函数其中x是试题的难度系数,是学生对知识点i的难度系数均值,是学生练习过知识点i的试题难度系数的方差,该方差通过试题难度分布及难度系数均值计算得到;
(5)按照概率大小排序,选取前2Ni个试题,随机选取Ni个试题,加入练习题列表;
(6)重复2-5步,直到处理完列表中的所有知识点。
此部分通过优选合适的练习题进行练习,对已经熟练掌握的,简单试题,则不需要再花费时间进行练习。能够有效的减轻学生学习负担,提升学生成绩。
步骤五、练习评测:根据学生的做题数据进行评测,判断每题的正确与否,同时更新知识点;
(1)计算答题时间,从题库中获取试题属性,包括试题答案、知识点、难度系数、答题时间均值等;
(2)获得学生练习题的答题时间和答题内容;
(3)计算和评测答题,对于选择题和填空题,比较回答内容与答案是否一致,以及答题正确程度;对于解答题,分解答题内容和答案,进行语义内容的相似性计算,计算答题正确程度;
(4)计算学生对知识点的掌握程度
(5)更新知识点掌握程度
(6)更新其他数据
记录练习的题目,做错的练习题加入到错题集中,更新练习时间等。
此部分采用AI技术实现自动批阅功能,去人工化,大幅降低运营成本,具有效率高,经济,准确等效益。
步骤六、显示练习结果:给出本次练习的总结。
本实施例通过提供个性化练习系统,根据学生的知识点的掌握程度,实现因人而练,摒弃题海战术,提高学习效率和效果。
本发明第二实施例示出了一个学生使用个性化练习系统的过程。
学生小明是浙江省某市学生,在学习平台学习高二物理课程,之前已在学习平台上了10次课,10月17号上午又上了1次课,10月17日下午使用个性化练习系统进行练习流程,小明通过账号登录系统,选择年级高二和物理科目。以下是进入系统后的具体过程:
(1)系统从知识图谱数据库获取高二物理科目(浙江版对应教材)的知识图谱
小明同学物理的知识图谱(部分)如图2所示。
(2)从与学习平台关联的上课信息库中获取小明同学的上课时间及上课讲授内容(主要知识点)
上课时间:10月17号;内容:动量定理,包括动量定理的定义,冲量知识。
(3)生成本次练习要覆盖的知识点列表
根据知识点的掌握程度和练习时间,计算和排序生成知识点列表。
知识点列表:[动量定理:0.7,功率:0.2,功:0.1]。
(4)生成小明本次的练习试题
假设练习时间为50分钟,平均练习题的时间为5分钟,则本次练习的题量为10题,对训练知识点进行分布结果为动量定理为7道题,功率为2道题,功为1道题。
试题的难度系数:
动量定理的6道题的难度系数分布:[0.8:1,0.6:2,0.4:2,0.3:1,0.2:1];
功率知识点的2道题难度系数分布:[0.2:1,0.1:1];
功知识点的难度系数:[0.1:1];
根据难度系数和知识点,从题库中抽取试题,生成练习集。
(5)学生练习
系统自动记录每道题的答题时间及答案。
(6)学生练习完,提交后,系统进行自动批阅
1)对选择题和填空,直接比对,给出正确数量和错误数量;
2)对解答题,通过自然语言处理技术,识别关键步骤和结果,得出得分率;
3)更新学生知识图谱,更新后的知识图谱如图3所示;
4)给出本次练习的总结。
对于前述的各方法实施例,为了描述简单,故将其都表述为一系列的动作组合,但是本领域的技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为根据本申请,某些步骤可以采用其他顺序或同时执行;其次,本领域技术人员也应该知悉,上述方法实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
以上对本申请所提供的一种个性化练习方法和系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种个性化练习方法,其特征在于,包括如下步骤:
(1)获取学生科目知识图谱:即根据学生ID和科目从知识图谱数据库获取学生科目知识图谱;
(2)获取最近上课信息:即根据学生ID和科目从上课信息数据库获取最近上课信息;
(3)生成知识点练习列表:即根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;
(4)生成练习题列表:即根据要练习的时间及知识点练习列表生成练习题列表;
(5)练习评测:即根据学生的做题数据进行评测,判断每题的正确与否,同时更新相关数据;
(6)显示练习结果:给出本次练习的总结;
所述生成知识点练习列表的步骤包括:
(1)根据最近上课信息确定m,m为没有练习过的相应知识点的上课的次数;
(2)如果m大于或等于θ,则将该m次上课中的知识点赋予同等权重并加入到知识点练习列表;
(3)如果m小于θ,则将该m次上课的知识点加入知识点备选列表,并从学生科目知识图谱中获取所有练习过的知识点加入知识点备选列表,对知识点备选列表中每一个知识点根据所述学生对该知识点的掌握程度以及当前日期与该知识点最后一次的练习的日期的时间间隔计算其特征
归一化知识点列表中知识点的权重,归一化方法为:
将知识点及相应的归一化的权重加入到知识点练习列表。
2.根据权利要求1所述的个性化练习方法,其特征在于,所述生成知识点练习列表步骤中的θ=2,所述K根据知识点特征最大的几个知识点的掌握程度来确定。
3.根据权利要求1所述的个性化练习方法,其特征在于,所述练习题生成步骤包括:
(1)根据要练习的时间和学科练习题目所有学生的平均时间来计算要练习的题目数;
(2)根据要练习的题目数和每个知识点的特征计算每个知识点的练习题数量;
(3)过滤试题:检测试题是否已经做过,如果做过且做对则丢弃此题,否则加入试题候选集;
(4)选择试题:根据题目难度系数计算后续的概率,题目难度系数与学生关于该知识点的平均难度系数越接近的,其概率越大;
(5)按照概率大小排序,选取概率最大的T个试题,再从中随机选取该知识点要练习的试题数量,加入练习题列表;
(6)重复(2)-(5)步,直到处理完列表中的所有知识点。
4.根据权利要求1~3中任一项所述的个性化练习方法,其特征在于,所述练习评测过程包括:
(1)计算答题时间,从题库中获取试题属性,包括试题答案、知识点、难度系数和答题时间均值;
(2)获得学生练习题的答题时间和答题内容;
(3)计算和评测答题,对于选择题和填空题,比较回答内容与答案是否一致,以及答题正确程度;对于解答题,分解答题内容和答案,进行语义内容的相似性计算,计算答题正确程度;
(4)根据答题情况计算学生对知识点的掌握程度;
(5)更新知识点相关属性。
5.一种个性化练习系统,其特征在于,包括:
(1)获取学生科目知识图谱模块:该模块用于根据学生ID和科目从知识图谱数据库获取学生科目知识图谱;
(2)获取最近上课信息模块:该模块用于根据学生ID和科目从上课信息数据库获取最近上课信息;
(3)生成知识点练习列表模块:该模块用于根据最近上课信息和学生科目知识图谱,确定要练习的知识点及其权重并加入到知识点练习列表中;
(4)生成练习题列表模块:该模块用于根据要练习的时间及知识点练习列表生成练习题列表;
(5)练习评测模块:该模块用于根据学生的做题数据进行评测,判断每题的正确与否,同时更新相关数据;
(6)显示练习结果模块:该模块用于给出本次练习的总结;
所述生成知识点练习列表模块用于实施以下步骤:
(1)根据最近上课信息确定m,m为没有练习过的相应知识点的上课的次数;
(2)如果m大于或等于θ,则将该m次上课中的知识点赋予同等权重并加入到知识点练习列表;
ω1+ω2=1,是第i知识点的掌握程度,是当前日期与知识点i最后一次练习的日期间隔以天为单位,ω1、ω2分布是权重参数; 以为参数代入sigmoid 函数f(x)=1/(1+e-x)计算知识点的分数;
归一化知识点列表中知识点的权重,归一化方法为:
将知识点及相应的归一化的权重加入到知识点练习列表。
6.根据权利要求5所述的个性化练习系统,其特征在于,所述生成知识点练习列表步骤中的θ=2,所述K根据知识点特征最大的几个知识点的掌握程度来确定。
7.根据权利要求5所述的个性化练习系统,其特征在于,所述练习题生成模块用于实施以下步骤:
(1)根据要练习的时间和学科练习题目所有学生的平均时间来计算要练习的题目数;
(2)根据要练习的题目数和每个知识点的特征计算每个知识点的练习题数量;
(3)过滤试题:检测试题是否已经做过,如果做过且做对则丢弃此题,否则加入试题候选集;
(4)选择试题:根据题目难度系数计算后续的概率,题目难度系数与学生关于该知识点的平均难度系数越接近的,其概率越大;
(5)按照概率大小排序,选取概率最大的T个试题,再从中随机选取该知识点要练习的试题数量,加入练习题列表;
(6)重复(2)-(5)步,直到处理完列表中的所有知识点。
8.根据权利要求5~7任一项所述的个性化练习系统,其特征在于,所述练习评测模块用于实施以下步骤:
(1)计算答题时间,从题库中获取试题属性,包括试题答案、知识点、难度系数和答题时间均值;
(2)获得学生练习题的答题时间和答题内容;
(3)计算和评测答题,对于选择题和填空题,比较回答内容与答案是否一致,以及答题正确程度;对于解答题,分解答题内容和答案,进行语义内容的相似性计算,计算答题正确程度;
(4)根据答题情况计算学生对知识点的掌握程度;
(5)更新知识点相关属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711303750.6A CN109903617B (zh) | 2017-12-11 | 2017-12-11 | 个性化练习方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711303750.6A CN109903617B (zh) | 2017-12-11 | 2017-12-11 | 个性化练习方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109903617A CN109903617A (zh) | 2019-06-18 |
CN109903617B true CN109903617B (zh) | 2021-02-02 |
Family
ID=66941698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711303750.6A Active CN109903617B (zh) | 2017-12-11 | 2017-12-11 | 个性化练习方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109903617B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263020A (zh) * | 2019-06-20 | 2019-09-20 | 广州市教育研究院 | 在线学习测验题库管理系统及管理方法 |
CN110246072B (zh) * | 2019-06-24 | 2021-03-05 | 上海松鼠课堂人工智能科技有限公司 | 由机器设备执行的复习方法 |
CN110309201A (zh) * | 2019-06-28 | 2019-10-08 | 广州云蝶科技有限公司 | 作业定制方法及系统 |
CN110288270A (zh) * | 2019-07-08 | 2019-09-27 | 上海乂学教育科技有限公司 | 基于人工智能的学习效果检测方法 |
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 |
CN110610627A (zh) * | 2019-09-29 | 2019-12-24 | 苏州思必驰信息科技有限公司 | 启发式诗词学习方法及装置 |
CN110718105B (zh) * | 2019-10-10 | 2021-12-07 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
CN110766326A (zh) * | 2019-10-24 | 2020-02-07 | 深圳小蛙出海科技有限公司 | 试题推送、评测训练方法及计算机装置、系统及打印终端 |
CN112860983B (zh) * | 2019-11-27 | 2023-11-24 | 上海流利说信息技术有限公司 | 一种学习内容推送的方法、系统、设备及可读存储介质 |
CN111368182B (zh) * | 2020-02-17 | 2023-07-04 | 河北仓澜教育科技集团有限公司 | 基于教育平台大数据分析的个性化自适应学习推荐方法 |
CN111582694B (zh) * | 2020-04-29 | 2023-08-08 | 腾讯科技(深圳)有限公司 | 一种学习评估方法及装置 |
CN111831831A (zh) * | 2020-07-17 | 2020-10-27 | 广东金融学院 | 一种基于知识图谱的个性化学习平台及其构建方法 |
CN112131427B (zh) * | 2020-09-29 | 2023-11-03 | 北京爱论答科技有限公司 | 一种练习套题的获取方法及系统 |
CN112016767B (zh) * | 2020-10-09 | 2024-09-17 | 北京高思博乐教育科技股份有限公司 | 学习路线的动态规划方法及装置 |
CN112269857A (zh) * | 2020-10-22 | 2021-01-26 | 深圳市鹰硕技术有限公司 | 多科目家庭作业的自动批改方法以及装置 |
CN112256743B (zh) * | 2020-10-22 | 2024-06-04 | 北京猿力未来科技有限公司 | 一种自适应出题方法、设备及存储介质 |
CN112966121B (zh) * | 2021-03-02 | 2023-01-03 | 华南师范大学 | 克服“偏食挑食”的人工智能自主学习教育机器人 |
CN112925919A (zh) * | 2021-03-03 | 2021-06-08 | 曲阜师范大学 | 一种知识图谱驱动的个性化作业布置方法 |
CN113407733B (zh) * | 2021-07-12 | 2024-08-27 | 南京尚哲智能科技有限公司 | 基于培养方案的课程知识图谱自动生成方法及系统 |
CN117672027B (zh) * | 2024-02-01 | 2024-04-30 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240544A (zh) * | 2014-09-25 | 2014-12-24 | 肖显全 | 一种智能知识诊断与教师在线辅导相结合的系统 |
CN104462227A (zh) * | 2014-11-13 | 2015-03-25 | 中国测绘科学研究院 | 一种图形化知识谱系自动构建方法 |
CN104966427A (zh) * | 2015-05-27 | 2015-10-07 | 北京创数教育科技发展有限公司 | 一种自适应教学互动系统及方法 |
CN105205180A (zh) * | 2015-10-27 | 2015-12-30 | 无锡天脉聚源传媒科技有限公司 | 一种知识图谱的评价方法及装置 |
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 |
CN106205248A (zh) * | 2016-08-31 | 2016-12-07 | 北京师范大学 | 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法 |
CN106777127A (zh) * | 2016-12-16 | 2017-05-31 | 中山大学 | 基于知识图谱的个性化学习过程的自动生成方法及系统 |
-
2017
- 2017-12-11 CN CN201711303750.6A patent/CN109903617B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240544A (zh) * | 2014-09-25 | 2014-12-24 | 肖显全 | 一种智能知识诊断与教师在线辅导相结合的系统 |
CN104462227A (zh) * | 2014-11-13 | 2015-03-25 | 中国测绘科学研究院 | 一种图形化知识谱系自动构建方法 |
CN104966427A (zh) * | 2015-05-27 | 2015-10-07 | 北京创数教育科技发展有限公司 | 一种自适应教学互动系统及方法 |
CN105205180A (zh) * | 2015-10-27 | 2015-12-30 | 无锡天脉聚源传媒科技有限公司 | 一种知识图谱的评价方法及装置 |
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 |
CN106205248A (zh) * | 2016-08-31 | 2016-12-07 | 北京师范大学 | 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法 |
CN106777127A (zh) * | 2016-12-16 | 2017-05-31 | 中山大学 | 基于知识图谱的个性化学习过程的自动生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109903617A (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903617B (zh) | 个性化练习方法和系统 | |
Guzmán et al. | Improving student performance using self-assessment tests | |
CN106875769A (zh) | 一种数学练习用出题系统 | |
Healy et al. | Training cognition: Optimizing efficiency, durability, and generalizability | |
Bernard et al. | Influence of blended learning on outcomes of students attending a general chemistry course: Summary of a five-year-long study | |
Stickles | An analysis of secondary and middle school teachers' mathematical problem posing | |
Tong et al. | Enhancing creative and critical thinking skills of students in mathematics classrooms: an experimental study of teaching the inequality in high schools | |
Zhang et al. | Does a distributed practice strategy for multiple choice questions help novices learn programming? | |
Dehghani | The effectiveness of a mobile application “Kalcal” on the learning of mathematics in students with dyscalculia | |
US20060234200A1 (en) | Computer based method for self-learning and auto-certification | |
CN110718105B (zh) | 个性化个人假期作业本、生成方法及使用方法 | |
Luchoomun et al. | A knowledge based system for automated assessment of short structured questions | |
Cox | Learning styles and admission criteria as predictors of academic performance of college freshmen | |
CN111127271A (zh) | 一种用于学情分析的教学方法及系统 | |
Sistyawati et al. | Development of PISA types of questions and activities content shape and space context pandemic period | |
Shirawia et al. | Performance assessment of the calculus students by using scoring rubrics in composition and inverse function | |
Kim et al. | Developing elementary content knowledge in physical education teacher education | |
Fleck et al. | Active reading questions as a strategy to support college students’ textbook reading. | |
Gomes et al. | Bloom’s taxonomy based approach to learn basic programming loops | |
KR20010104115A (ko) | 인터넷 기반 교육 방법 | |
Phupunna | Creative the Electronic Media Instructional Innovative Management Approach for Developing Chinese Vocabulary Memorization Skills of Educated Students in the Chinese Language. | |
Vestal et al. | Metacognition across the STEM Disciplines | |
Lee et al. | Web-based adaptive testing system (wats) for classifying students academic ability | |
Wu | Adaptive learning diagnosis mechanisms for e-learning | |
CN114155124B (zh) | 一种试题资源推荐方法及系统 |
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 |