CN110021213A - 人工智能学习中数学前序学习方法 - Google Patents
人工智能学习中数学前序学习方法 Download PDFInfo
- Publication number
- CN110021213A CN110021213A CN201910397196.5A CN201910397196A CN110021213A CN 110021213 A CN110021213 A CN 110021213A CN 201910397196 A CN201910397196 A CN 201910397196A CN 110021213 A CN110021213 A CN 110021213A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- weak
- knowledge
- preposition
- list
- 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
Classifications
-
- 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
- G09B19/00—Teaching not covered by other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了人工智能学习中数学前序学习方法,本发明首先测试可以清楚定位每个学生知识点的掌握情况,每个学生得到不同的薄弱知识点进行学习,系统会根据学生的学习情况看学生的需求精准定位学生问题,找到学生学不会的原因所在,并且针对性的推送学习资源,解决学生的问题,为每个学生推送不同的是学生真的需要的不会的学习资源,大大的提升了学习效率。
Description
技术领域
本发明涉及为人工智能学习教育技术领域,具体为人工智能学习中数学前序学习方法。
背景技术
在传统教学中,老师一般按照自己设计的课程内容进行教学,那么在教学的过程中,学生有的时候会遇到学不会的问题。老师一般讲解当前学习的知识内容,但是有可能学生学不会不是因为当前的知识点没学会,而是因为前面的某个知识点没学会或者前面的前面的某个知识点没有学会,导致这个知识点学不会。所以这种情况下老师只讲解当前知识点,对学生来说是没有效果的。那么学生到底是因为什么不会导致这个知识点不会,这个知识点不会我们应该学习那部分知识?到底是学习当前的知识点还是前面的知识点?学习前面的知识点到底学到哪一个阶段?这个问题在传统教学中,老师是无法判断的。
发明内容
本发明的目的在于提供人工智能学习中数学前序学习方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:人工智能学习中数学前序学习方法,具体步骤如下:
第一步,系统输入一个大而全的知识图谱,然后输入学生的年级,版本信息,系统会筛选符合的知识点形成新的图谱,根据新的知识图谱测试,得到每个学生需要学习的薄弱知识点列表A;
第二步,系统会对薄弱知识点列表A判断学生是否有薄弱知识点,如果没有薄弱知识点,就结束;
如果有薄弱知识点,系统会推送一个知识点a进行学习;
第三步,如果能力值达标,即表示a学会了,系统会标记知识点a已掌握,并在知识点列表A中去除知识点a,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果能力值不达标,即表示a没学会,系统会判断知识点a是否有前置知识点;
第五步,如果a没有前置知识点,系统就会标记知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果a有前置知识点b,系统就推送学习前置知识点b;
第六步,如果前置知识点b学会了,就学习知识点a,如果知识点a学会了,系统会标记知识点a,b已掌握,并在知识点列表A中去除知识点a,b,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a没学会,系统就会标记知识点b没掌握,知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果前置知识点b没学会,系统会判断知识点b是否有前置知识点,如果没有前置知识点,系统就会标记知识点a,b及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点b还有前置知识点c,系统就推送学习知识点c;
如果知识点c学会了,就学习知识点b,a,如果知识点a,b学会了,系统会标记知识点a,b,c已掌握,并在知识点列表A中去除知识点a,b,c,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a,b没有学会,系统就会标记统知识点a、b及a,b的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点c没学会,系统就在推送知识点c的前置知识点d,直到没有前置知识点为止。
优选的,所述的知识图谱是指把当前学习阶段和之前的学习阶段的所有知识点放在一起,制作成具有前置后续关系的知识图谱,知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。
优选的,所述的前置知识点是指知识点b学不会是因为知识点a学不会,我们就叫a是b的前置知识点,b是a的后续知识点。
优选的,所述的能力值是学生对某一个知识点的整体掌握情况;项目反应理论假设被试有一种“潜在特质”,潜在特质是在观察分析测验反应基础上提出的一种统计构想,在测验中,潜在特质一般是指潜在的能力,并经常用测验总分作为这种潜力的估算,项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系,潜在特质就是我们的能力值。
与现有技术相比,本发明的有益效果是:
1.本发明的前序学习可以在学生学习中找到学生问题的根源;
2.本发明的前序学习可以在学生学习中推送个性化的,学生真正不会的学习资源,解决学生的问题;
3.本发明的前序学习可以解决老师讲解当前知识点学生学不会的问题;
4.本发明的前序学习可以提高学生的学习效率。
本发明首先测试可以清楚定位每个学生知识点的掌握情况,每个学生得到不同的薄弱知识点进行学习,系统会根据学生的学习情况看学生的需求精准定位学生问题,找到学生学不会的原因所在,并且针对性的推送学习资源,解决学生的问题,为每个学生推送不同的是学生真的需要的不会的学习资源,大大的提升了学习效率。
附图说明
图1为本发明模型训练过程的流程图;
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参阅图1,本发明提供一种人工智能学习中数学前序学习方法,具体步骤如下:
第一步,系统输入一个大而全的知识图谱,然后输入学生的年级,版本信息,系统会筛选符合的知识点形成新的图谱,根据新的知识图谱测试,得到每个学生需要学习的薄弱知识点列表A;
第二步,系统会对薄弱知识点列表A判断学生是否有薄弱知识点,如果没有薄弱知识点,就结束;
如果有薄弱知识点,系统会推送一个知识点a进行学习;
第三步,如果能力值达标,即表示a学会了,系统会标记知识点a已掌握,并在知识点列表A中去除知识点a,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果能力值不达标,即表示a没学会,系统会判断知识点a是否有前置知识点;
第五步,如果a没有前置知识点,系统就会标记知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果a有前置知识点b,系统就推送学习前置知识点b;
第六步,如果前置知识点b学会了,就学习知识点a,如果知识点a学会了,系统会标记知识点a,b已掌握,并在知识点列表A中去除知识点a,b,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a没学会,系统就会标记知识点b没掌握,知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果前置知识点b没学会,系统会判断知识点b是否有前置知识点,如果没有前置知识点,系统就会标记知识点a,b及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点b还有前置知识点c,系统就推送学习知识点c;
如果知识点c学会了,就学习知识点b,a,如果知识点a,b学会了,系统会标记知识点a,b,c已掌握,并在知识点列表A中去除知识点a,b,c,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a,b没有学会,系统就会标记统知识点a、b及a,b的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点c没学会,系统就在推送知识点c的前置知识点d,直到没有前置知识点为止。
优选的,所述的知识图谱是指把当前学习阶段和之前的学习阶段的所有知识点放在一起,制作成具有前置后续关系的知识图谱,知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。
优选的,所述的前置知识点是指知识点b学不会是因为知识点a学不会,我们就叫a是b的前置知识点,b是a的后续知识点。
优选的,所述的能力值是学生对某一个知识点的整体掌握情况;项目反应理论假设被试有一种“潜在特质”,潜在特质是在观察分析测验反应基础上提出的一种统计构想,在测验中,潜在特质一般是指潜在的能力,并经常用测验总分作为这种潜力的估算,项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系,潜在特质就是我们的能力值。
实施例1
如上图,系统输入一个知识图谱,学生输入八年级,沪教版,系统筛选合适的知识点,形成新的知识图谱图上图,通过新图谱测试确定一个学生的薄弱知识点是:
c090201、c090301、c090302、c090303、c090304、c090305、c090205、c090202、c090203;
这些知识点组成薄弱知识点列表A,知识点c050103算术平方根的非负性是非本图谱的前置知识点。
系统会对薄弱知识点列表A判断学生有薄弱知识点c090201,c090301,c090302,c090303,c090304,c090305,c090205,系统会推送一个知识点c090201进行学习:
如果知识点c090201学会了,系统会标记知识点c090201已掌握,并在知识点列表A中去除知识点c090201,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止。
如果没学会:系统会推送知识点c090201的前置知识点c090103进行学习,
如果前置知识点c090103学会了,系统就学习c090201,c090201掌握了,系统会标记知识点c090201,c090103已掌握,并在知识点列表A中去除知识点c090201,c090103,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止。
如果前置知识点c090103没学会,系统会推送知识点c090103的前置知识点c090101,如果知识点c090101学会了,就学习知识点c090201,c090103,如果知识点c090201,c090103学会了,系统会标记知识点c090201,c090103,c090101已掌握,并在知识点列表A中去除知识点c090201,c090103,c090101形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止。如果知识点c090201,c090103没学会,系统就会标记统知识点c090201,c090103及后续知识点c090301,c090302,c090303,c090304,c090305未掌握,并在薄弱知识点列表中去除c090201,c090103,c090301,c090302,c090303,c090304,c090305形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止。
如果前置知识点c090101没学会,系统就在推送知识点c090101的前置知识点c050103(非本节课的前置知识点),知识点c050103已掌握,就标记c090201,c090103,c090101及后续c090301,c090302,c090303,c090304,c090305未掌握,延后学习,并在薄弱知识点列表中去除c090201,c090103,c090102,c090301,c090302,c090303,c090304,c090305形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.人工智能学习中数学前序学习方法,其特征在于,具体步骤如下:
第一步,系统输入一个大而全的知识图谱,然后输入学生的年级,版本信息,系统会筛选符合的知识点形成新的图谱,根据新的知识图谱测试,得到每个学生需要学习的薄弱知识点列表A;
第二步,系统会对薄弱知识点列表A判断学生是否有薄弱知识点,如果没有薄弱知识点,就结束;
如果有薄弱知识点,系统会推送一个知识点a进行学习;
第三步,如果能力值达标,即表示a学会了,系统会标记知识点a已掌握,并在知识点列表A中去除知识点a,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果能力值不达标,即表示a没学会,系统会判断知识点a是否有前置知识点;
第五步,如果a没有前置知识点,系统就会标记知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果a有前置知识点b,系统就推送学习前置知识点b;
第六步,如果前置知识点b学会了,就学习知识点a,如果知识点a学会了,系统会标记知识点a,b已掌握,并在知识点列表A中去除知识点a,b,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a没学会,系统就会标记知识点b没掌握,知识点a及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果前置知识点b没学会,系统会判断知识点b是否有前置知识点,如果没有前置知识点,系统就会标记知识点a,b及a的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点b还有前置知识点c,系统就推送学习知识点c;
如果知识点c学会了,就学习知识点b,a,如果知识点a,b学会了,系统会标记知识点a,b,c已掌握,并在知识点列表A中去除知识点a,b,c,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;
如果知识点a,b没有学会,系统就会标记统知识点a、b及a,b的后续知识点m,n未掌握,并在薄弱知识点列表中去除a,b,m,n,形成新的知识点列表,系统会推送下一个薄弱知识点进行学习,直到没有薄弱知识点为止;如果前置知识点c没学会,系统就在推送知识点c的前置知识点d,直到没有前置知识点为止。
2.根据权利要求1所述的一种人工智能学习中数学前序学习方法,其特征在于,所述的知识图谱是指把当前学习阶段和之前的学习阶段的所有知识点放在一起,制作成具有前置后续关系的知识图谱,知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。
3.根据权利要求1所述的一种人工智能学习中数学前序学习方法,其特征在于,所述的前置知识点是指知识点b学不会是因为知识点a学不会,我们就叫a是b的前置知识点,b是a的后续知识点。
4.根据权利要求1所述的一种人工智能学习中数学前序学习方法,其特征在于,所述的能力值是学生对某一个知识点的整体掌握情况;项目反应理论假设被试有一种“潜在特质”,潜在特质是在观察分析测验反应基础上提出的一种统计构想,在测验中,潜在特质一般是指潜在的能力,并经常用测验总分作为这种潜力的估算,项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系,潜在特质就是我们的能力值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397196.5A CN110021213A (zh) | 2019-05-14 | 2019-05-14 | 人工智能学习中数学前序学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397196.5A CN110021213A (zh) | 2019-05-14 | 2019-05-14 | 人工智能学习中数学前序学习方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110021213A true CN110021213A (zh) | 2019-07-16 |
Family
ID=67193632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910397196.5A Pending CN110021213A (zh) | 2019-05-14 | 2019-05-14 | 人工智能学习中数学前序学习方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110021213A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444423A (zh) * | 2020-03-25 | 2020-07-24 | 上海乂学教育科技有限公司 | 学习资源智能推送方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373703A (zh) * | 2015-12-02 | 2016-03-02 | 武汉慧人信息科技有限公司 | 一种基于遗忘曲线的自适应能力测试系统 |
KR20160116789A (ko) * | 2015-03-31 | 2016-10-10 | 정대욱 | 학습 이력 관리 방법 및 이를 이용한 시스템 |
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 |
CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
WO2017177534A1 (zh) * | 2016-04-14 | 2017-10-19 | 擎学股份有限公司 | 弱化知识点补救学习规划系统及其方法 |
CN107544973A (zh) * | 2016-06-24 | 2018-01-05 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
CN108573628A (zh) * | 2018-04-23 | 2018-09-25 | 中山大学 | 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法 |
CN108806341A (zh) * | 2018-03-29 | 2018-11-13 | 上海乂学教育科技有限公司 | 一种最优个性化学习路径规划方法 |
CN108897879A (zh) * | 2018-07-04 | 2018-11-27 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN109145159A (zh) * | 2017-06-27 | 2019-01-04 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
CN109684436A (zh) * | 2018-11-30 | 2019-04-26 | 北京作业盒子科技有限公司 | 一种知识的关联方法及应用 |
-
2019
- 2019-05-14 CN CN201910397196.5A patent/CN110021213A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160116789A (ko) * | 2015-03-31 | 2016-10-10 | 정대욱 | 학습 이력 관리 방법 및 이를 이용한 시스템 |
CN105373703A (zh) * | 2015-12-02 | 2016-03-02 | 武汉慧人信息科技有限公司 | 一种基于遗忘曲线的自适应能力测试系统 |
WO2017177534A1 (zh) * | 2016-04-14 | 2017-10-19 | 擎学股份有限公司 | 弱化知识点补救学习规划系统及其方法 |
CN107544973A (zh) * | 2016-06-24 | 2018-01-05 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
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 |
CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
CN109145159A (zh) * | 2017-06-27 | 2019-01-04 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
CN108806341A (zh) * | 2018-03-29 | 2018-11-13 | 上海乂学教育科技有限公司 | 一种最优个性化学习路径规划方法 |
CN108573628A (zh) * | 2018-04-23 | 2018-09-25 | 中山大学 | 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法 |
CN108897879A (zh) * | 2018-07-04 | 2018-11-27 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN109684436A (zh) * | 2018-11-30 | 2019-04-26 | 北京作业盒子科技有限公司 | 一种知识的关联方法及应用 |
CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
Non-Patent Citations (2)
Title |
---|
丁强: "基于学习路径图的习题推荐算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
刘昱良: "基于知识图谱的个性化学习资源推荐研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444423A (zh) * | 2020-03-25 | 2020-07-24 | 上海乂学教育科技有限公司 | 学习资源智能推送方法 |
CN111444423B (zh) * | 2020-03-25 | 2023-08-25 | 上海乂学教育科技有限公司 | 学习资源智能推送方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616664B (zh) | 一种基于声谱图显著性检测的音频识别方法 | |
Witzel et al. | Number sense: Strategies for helping preschool through grade 3 children develop math skills | |
Ates et al. | The effects of students' reasoning abilities on conceptual understandings and problem-solving skills in introductory mechanics | |
CN104966427A (zh) | 一种自适应教学互动系统及方法 | |
CN110009957A (zh) | 自适应学习中数学大知识图谱测试系统及方法 | |
CN110009956A (zh) | 英语语法自适应学习方法及学习装置 | |
Liu et al. | Towards Reliable and Valid Measurement of Individualized Student Parameters. | |
Ursani et al. | Bloom's taxonomy as a pedagogical model for signals and systems | |
CN110021213A (zh) | 人工智能学习中数学前序学习方法 | |
CN115062950A (zh) | 一种基于数字化智能学习培训管理系统 | |
CN110288270A (zh) | 基于人工智能的学习效果检测方法 | |
CN102867034A (zh) | 旨在实现科学教学的知识点间的关联分析系统及方法 | |
Arshad et al. | Learning the strategy of reasoning through marzano dimensional mastery learning model among form four students for the topic of differentiation | |
Zubainur et al. | The effect of using Indonesian realistic mathematics education (PMRI) approach on the mathematics achievement amongst primary school students | |
Onaifoh et al. | Innovative strategies on teaching plane geometry using Geogebra software in secondary schools in Delta state | |
CN112907411A (zh) | 一种智慧课堂依据掌握程度推荐学习路径的方法及系统 | |
CN102867033A (zh) | 旨在实现科学教学的知识点间的定位系统及方法 | |
CN110136034A (zh) | 人工智能学习中个性化作业实现方法 | |
CN108735003B (zh) | 一种基于信息熵的教学系统 | |
CN106384318A (zh) | 基于hadoop的学习云paas平台建设方法 | |
Turgut et al. | The effect of 7E model on academic achievements and retention in the unit “electricity in our life” 6th grade science and technology course | |
Watson et al. | Observing changes in teachers’ practice as a consequence of taking part in professional development: Developing a protocol for the observation of lessons | |
Jeon et al. | A Comparative Study of Statistical Processes in Korean and US Middle School Mathematics Textbooks | |
CN111260515A (zh) | 一种网络教学平台 | |
Zaid et al. | The effect of using a virtual history strategy on the development of historical thinking skills for undergraduate classroom teachers |
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 |
Application publication date: 20190716 |
|
RJ01 | Rejection of invention patent application after publication |