CN110070333A - 智能问卷调查方法、装置、计算机设备及存储介质 - Google Patents
智能问卷调查方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110070333A CN110070333A CN201910207341.9A CN201910207341A CN110070333A CN 110070333 A CN110070333 A CN 110070333A CN 201910207341 A CN201910207341 A CN 201910207341A CN 110070333 A CN110070333 A CN 110070333A
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- answer
- serial number
- determined
- respondent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 239000012141 concentrate Substances 0.000 claims abstract description 48
- 238000010200 validation analysis Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 17
- 238000011835 investigation Methods 0.000 claims description 16
- 230000035484 reaction time Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/10—Office automation; Time 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能问卷调查方法、装置、计算机设备及存储介质,应用于数据分析领域,用于解决问卷调查结果的可信度低的问题。本发明提供的方法包括:获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板;根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;根据所述路由规则确定所述第二问题集。通过本发明提供的智能问卷调查方法进行问卷调查,可以提高问卷调查的可信度。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种智能问卷调查方法、装置、计算机设备及存储介质。
背景技术
目前对于一些业务类公司以及行业,需要使用纸质或者网络问卷调查的方式来对客户进行调查,但是在问卷调查中,问卷的模板基本为统一的形式,即问卷中的问题都是固定且不会变化的,无法满足在多个应用场景使用的要求,同时也容易被人抄袭。上述情况都保证不了问卷结果的可信度,因此,寻找一种能够提高问卷调查结果可信度的技术方案成为本领域技术人员亟需解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种智能问卷调查方法、装置、计算机设备及存储介质,可以提高问卷调查结果可信度。
一种智能问卷调查方法,包括:
获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板;
根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;
根据所述路由规则确定所述第二问题集。
一种智能问卷调查装置,包括:
获取模块,用于获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板;
生成模块,用于根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;
确定模块,用于根据所述路由规则确定所述第二问题集。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述智能问卷调查方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述智能问卷调查方法。
上述智能问卷调查方法、装置、计算机设备及存储介质,首先获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,所述问卷信息包括问卷类型和问卷模板;然后根据所述问卷类型和问卷模板、所述第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;最后根据所述路由规则确定所述第二问题集。本发明可以在进行问卷调查中,根据所述问卷信息、所述第一问题集中各问题的问题序号、问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则后,为所述调查对象确定所述第二问题集,可以提高用户的体验、提升问卷结果的可信度和可以减少问卷答案被抄袭风险。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中智能问卷调查方法的一应用环境示意图;
图2是本发明一实施例中智能问卷调查方法的一流程图;
图3是本发明一实施例中智能问卷调查方法步骤在一个应用环境下确定用户为调查对象的流程示意图;
图4是本发明一实施例中智能问卷调查方法步骤在一个应用环境下判定问卷可信程度的流程示意图;
图5是本发明一实施例中智能问卷调查方法步骤S108在一个应用环境下的流程示意图;
图6是本发明一实施例中智能问卷调查方法步骤S20在一个应用环境下的流程示意图;
图7是本发明一实施例中智能问卷调查方法步骤S30在一个应用环境下的流程示意图;
图8是本发明一实施例中智能问卷调查方法步骤在一个应用环境下的根据所述调查结果分析所述调查对象的用户属性流程示意图;
图9是本发明一实施例中智能问卷调查装置的结构示意图;
图10是本发明一实施例中计算机设备的一示意图。
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作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。
本发明提供的智能问卷调查方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务器进行通信。其中,客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种智能问卷调查方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
S10、获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板。
可以理解的是,所述第一问题集中可以存在一个或多个问题,且该问题的问题类型可以为选择题或/和填空题,也可以为单选题或/和多选择题。所述调查问卷有专属的问卷类型(比如一个问卷的类型是属于保险产品推销调查问卷)。所述调查问卷有专属的问卷模板(比如一个问卷中有哪一部分的问题应属于单选题、有哪一部分的问题应属于双选题、有哪一部分的问题应属于填空题和有哪一部分的问题可以不用选择等)。各所述问题都有专属的问题序号,该问题序号是按照一定顺序进行排序(比如按阿拉伯数字大小进行排序,当第一问题集中的问题只有一个时,排序可以为阿拉伯数字1,当第一问题集有50个问题时,排序可以为阿拉伯数字1到50)。各所述问题都有专属的问题标签,该问题标签可以为1个以上(比如,一个问题的标签可以为保险,也可以为财产调查和保险意识调查等)。各所述问题都有所述调查对象回答的答案(比如问题是选择题,问题为“你是否愿意购买该保险产品”,调查对象回答的答案可以为选择“我愿意购买该保险产品”对应的选项)。
进一步地,如图3所示,为了对用户的身份进行验证,以确定用户为调查对象,避免作弊风险,此时,在步骤S10之前,还包括:
S101、预先存储用户的身份信息。
在此步骤中,所述用户可以在未进行问卷调查前,先可以通过服务器去注册自己的身份信息,此时,服务器将所述用户的身份信息去存储在数据库中。
S102、根据所述用户的身份信息生成验证所述用户身份的验证问题。
在此步骤中,生成所述验证问题,是为了对所述用户的身份进行验证,以确定所述用户的身份是调查对象。比如,获取的身份信息为用户年龄、用户最好的朋友的姓名等,此时,生成的验证问题可以为“你最好的朋友是谁”,“你今年为多少岁”等。此验证问题可以为选择题和填空题。
S103、判断所述用户回答所述验证问题的错误次数是否大于或等于预设次数阈值。
在此步骤中,当所述用户回答所述验证问题的错误次数大于或等于预设次数阈值,则可认为该用户并非本人(即不是调查对象)。当所述用户回答所述验证问题的错误次数小于预设次数阈值,则可以认为该用户没有回答错误所述验证问题或回答错误的所述验证问题的题数在合理的范围内(比如由于不小心选择错了答案或不小心填入的字是错别字),也可以认为该用户是本人(即调查对象),比如,用户回答上述例子2个验证问题,假设预设次数阈值为2次,当用户全部回答错误,则可以认为用户为非调查对象,当用户回答错误了1次或全部正确,则可以认为用户为调查对象。
S104、若所述用户回答所述验证问题错误次数大于或等于预设次数阈值,则不对所述用户进行问卷调查。
在此步骤中,可以理解的是,若所述用户回答所述验证问题错误次数大于或等于预设次数阈值,则可以说明该用户并非本人(即不是调查对象)。此时,服务器可以认为此用户的问卷调查是无效的,无需对所述用户进行问卷调查。
S105、若所述用户回答所述验证问题错误次数小于预设次数阈值,则将所述用户记录为所述调查对象。
在此步骤中,可以理解的是,若所述用户回答所述验证问题错误次数小于预设次数阈值,则可以说明该用户是本人(即调查对象)。此时,服务器可以认为此用户的问卷调查是有效的,并将所述用户记录为所述调查对象。
进一步地,如图4所示,为了提高问卷调查的可信度,所述获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案之前,还包括:
S106、记录用户回答待判定问卷的所述第一问题集中各所述问题的答题时间和回答所述第一问题集中所有所述问题的总答题时间。
S107、计算各所述问题的答题时间与预设各答题的参考时间的第一比值,同时计算所述总答题时间与预设总答题参考时间的第二比值。
S108、根据所述第一比值和所述第二比值判断所述第一问题集所属的所述待判定问卷的可信程度,所述可信程度包括可信、可疑和不可信。
进一步地,如图5所示,步骤S108具体包括:
S1081、判断所述第一比值是否大于或等于第一预设比值阈值,同时判断所述第二比值是否大于或等于第二预设比值阈值。
S1082、若所述第一比值大于或等于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可信。
S1083、若所述第一比值小于第一预设比值阈值且所述第二比值小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为不可信。
S1084、若所述第一比值小于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑。
S1085、若所述第一比值是大于或等于第一预设比值阈值且所述第二比值是小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑。
作为优选,对于步骤S104至步骤S107,所述第一比值ai可以根据以下公式进行计算:
其中,ai为第i个问题的答题时间与第i个题目的参考时间的第一比值,ti为第i个问题的答题时间,ti'为第i个题目的参考时间。
所述第二比值A可以根据以下公式进行计算:
其中,A为总答题时间与总答题参考时间的第二比值,T为总答题时间,T’为预设总答题参考时间。
对于步骤S108,可以理解的是,当A≥1,a≥50%时,所述待判定问卷的可信程度为可信;当A<1,a<50%时,所述待判定问卷的可信程度为不可信;当A<1,a≥50%时,所述待判定问卷的可信程度为可疑;当A≥1,a<50%时,所述待判定问卷的可信程度为可疑。
S109、在所述待判定问卷的可信程度为不可信时,确认所述待判定问卷为废卷。
按照上述实施例中所述,若A<1,a<50%,则可以认为所述待判定问卷为不可信,此时可以将其认定为废卷。
S110、在所述待判定问卷的可信程度为可信时,确认所述待判定问卷为所述调查问卷,并将所述用户记录为所述调查对象。
按照上述实施例中所述,若A≥1,a≥50%时,则可以认为所述待判定问卷为可信,此时可以将其认定为所述调查问卷。
S111、在所述带判定问卷的可信程度为可疑时,将所述待判定问卷发送给预设审核人员。
按照上述实施例中所述,若A<1,a≥50%时,当A≥1,a<50%时,此时所述待判定问卷的可信程度为可疑时,可以将所述待判定问卷发送给预设审核人员,以供该预设审核人员人工确认所述待判定问卷是调查问卷还是废卷,并将认定结果反馈给服务器,服务在接收到其是调查问卷的结果之后,会进入步骤S10中获取该调查问卷的问卷信息。
S20、根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则。
可以理解的是,所述路由规则是由所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案共同决定。
进一步地,如图6所示,步骤S20,具体可以包括如下步骤:
S201、获取所述第一问题集中各所述问题的问题序号的数量,并将所述问题序号的数量作为所述路由规则中待调取问题的数量。
在具体的实施例中,从上述步骤S10可知,所述第一问题集中可能存在一个或多个问题,各所述问题都有专属的问题序号,此时,服务器获取所述第一问题集中各所述问题的问题序号的数量并可以作为所述路由规则中待调取问题的数量。比如,第一问题集中有50个问题(即有50个序号),因此,路由规则中待调取问题的数量也要为50个。
S202、将所述第一问题集中最后一个问题序号的下一个问题序号,作为所述路由规则中对应于第一个待调取问题的初始问题序号。
在具体的实施例中,从上述步骤S10可知,所述第一问题集中可能存在一个或多个问题,各所述问题都有专属的问题序号,且都按照一定的顺序进行排序。比如,第一问题集中最后一个问题序号为50,即下一个问题序号为51,因此,路由规则中对应于第一个待调取问题的初始问题序号应该是51。
S203、将所述第一问题集中各所述问题的问题标签作为标签集,并将所述标签集中各所述问题标签确定为所述路由规则中对应于不同待调取问题的问题标签。
在具体的实施例中,从上述步骤S10可知,一个所述问题可能存在一个或多个问题标签,所有所述问题的问题标签就可以组成所述标签集,且所述路由规则中对应于不同待调取问题的问题标签只能跟所述标签集的问题标签一致。比如,标签集里的问题标签有保险、财产调查和保险意识调查,因此,路由规则中对应于不同待调取问题的问题标签也为为保险、财产调查和保险意识调查。作为优选,各所述问题标签在所述第二问题集中的排序可以被打乱为与所述第一问题集中的排序不同。
S204、提取所述第一问题集中各所述问题的答案的答案关键词,并将所述答案关键词作为所述路由规则中待调取问题的调取关键词。
在具体的实施例中,从上述步骤S10可知,一个为选择题类型的问题可能对应着一个或多个答案,所述调查对象选择其中一个答案为其选择的答案,并从所述答案提取一个或多个所述答案关键词,且所述路由规则中所述待调取问题的调取关键词只能为所述答案关键词。比如,上述例子提到的,一个问题为“你是否愿意购买该保险产品?”,调查对象选择答案为“我愿意购买该保险产品”,提取的答案关键词为“愿意购买保险”并作为路由规则中待调取问题的调取关键词。
S205、将所述调查问卷的问卷类型和问卷模板,作为所述路由规则中待生成问卷的问卷类型和问卷模板,所述待生成问卷为第二问题集所属的问卷。
在具体的实施例中,所述路由规则中待生成问卷的问卷类型和问卷模板应与所述调查问卷的问卷类型和问卷模板一致。比如,调查问卷的问卷类型(比如一个问卷的问卷类型是属于保险产品推销调查问卷),调查问卷的问卷模板(比如一个问卷中有哪一部分的问题应属于单选题、有哪一部分的问题应属于双选题、有哪一部分的问题应属于填空题和有哪一部分的问题可以不用选择等),且待生成问卷的问卷类型和问卷模板要与上述一致。
S30、根据所述路由规则确定所述第二问题集。
可以理解的是,所述第二问题集中各待调取问题是从预设题库中选取除所述第一问题集中各问题以外的问题。
进一步,如图7所示,步骤S30具体包括:
S301、将所述路由规则中对应的第一个待调取问题的初始问题序号确定为所述第二问题集中第一个问题的初始问题序号,并根据所述路由规则中所述待调取问题的数量确定所述第二问题集中最后一个问题的最终问题序号。
可以理解的是,根据所述路由规则中对应于第一个待调取问题的初始问题序号以及所述待调取问题的数量就可以确定所述第二问题集中的初始问题序号和最终问题序号,由于问题序号均是连续的,因此可以根据初始问题序号和最终问题序号确定第二问题集中所有的问题序号。
S302、根据所述初始问题序号和所述最终问题序号确定所述第二问题集中所有问题的问题序号,将所述路由规则中对应于不同待调取问题的问题标签作为所述第二问题集的各问题的问题标签,并将各所述问题的问题标签与其问题序号关联。
可以理解的是,根据所述路由规则中对应于不同待调取问题的问题标签就可以确定所述第二问题集的各问题的问题标签,并将各所述问题的问题标签与其问题序号关联。
S303、根据所述路由规则中所述待调取问题的调取关键词及其问题标签,在预设题库中调取所述第二问题集中各所述待调取问题,并将调取的各所述待调取问题与其问题序号关联。
在具体的实施例中,从上述步骤S204可知,一个为选择题类型的问题可能对应着一个或多个答案,所述调查对象选择其中一个答案为其选择的答案;服务器从所述答案提取一个或多个所述答案关键词,且所述路由规则中所述待调取问题的调取关键词只能为所述答案关键词;所述答案关键词可以反映调查对象的意向或者目的,根据此意向或者目的在预设题库中确认各所述待调取问题(进一步了解调查对象意向或者目的的待调取问题),同时从各所述待调取问题选择具有所述问题标签的各待调取问题,并将各所述待调取问题与其问题序号关联。在一实施例中,所述步骤S303具体为:获取所述路由规则中的所述调取关键词;调取所述预设题库中区别于所述第一问题集中的所有所述问题且与所述调取关键词关联的备选问题,随机或根据与所述调取关键词的关联程度(备选问题与所述调取关键词的关联程度已预先设定,关联程度越高,则被调取的优先级越靠前)选取与所述问题序号的数量相同且与所述问题标签一致的所述备选问题,并将所述备选问题记录为待调取问题之后,将各所述待调取问题与各所述问题序号关联;可理解地,该关联过程可以按照选取顺序(随机或者按照关联程度的选取顺序)与问题序号的排序顺序(问题序号按照从大到小排列)对应的原则进行关联,比如,选取顺序为第一,则将其与问题序号中最小的问题序号关联。
比如,上述例子提到的,第一问题集有一个问题为“你是否愿意购买该保险产品?”,问题标签为“保险意向题”,调查对象选择答案为“我愿意购买该保险产品”,提取的答案关键字为“愿意购买保险”并作为路由规则中待调取问题的调取关键词。调取关键词是可以了解调查对象是否有购买何种产品的意向,此时,说可以明调查对象购买该保险产品的可能性极高,服务器在预设题库中调取问题标签也为“保险意向题”,如“请您留下您的联系方式,方便我们业务员为您解答该类产品的各种信息。”的调查对象信息联系问题,并将该问题关联一个问题序号(比如54)。
S304、在所述第二问题集中将调取的各所述待调取问题按照所述问题序号进行排序,根据所述路由规则中待生成问卷的问卷类型和问卷模板,将所述第二问题集转换为可供所述调查对象回答的下一个调查问卷。
可以理解的是,确定所述路由规则中待生成问卷的问卷类型和问卷模板就可以确定所述第二问题集所属的问卷的问卷类型和问卷模板,此时,根据上述问卷类型和问卷模板生成第二问题集对应的下一个调查问卷,并返回至步骤S10中继续获取下一个调查问卷的问卷信息。
进一步地,如图8所示,在步骤S30之后,还包括:
S40、在所述调查对象回答完所有预设数量的调查问卷之后,获取所述调查对象针对所有所述调查问卷回答的答案,将所述答案记录为所述调查对象的调查结果并储存在预设数据库。
在此步骤中,可以理解的是,预设调查人员可以根据需求设定调查问卷的数量(也即预设数量,可为2个以上)。当所述调查问卷的数量达到所述预设数量时,认为所述调查对象已经完成调查,此时,获取所述调查对象回答各所述问题集中各所述问题的答案,并将其记录为所述调查结果之后,与所述调查对象关联,并最终将该调查对象的所述调查结果储存在预设数据库。
S50、根据所述调查结果分析所述调查对象的用户属性,并推荐与所述用户属性对应的产品。
在此步骤中,可以理解的是,所述用户属性可以是指通过对所述调查对象进行问卷调查,从而可以知道所述调查对象对所述产品是否有意向了解和购买。此时,可以推荐与所述用户属性对应的产品给所述调查对象。
综上所述,上述提供了一种智能问卷调查方法,首先获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,所述问卷信息包括问卷类型和问卷模板;然后根据所述问卷类型和模板、所述第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;最后根据所述路由规则确定所述第二问题集。本发明可以在进行问卷调查中,根据所述问卷信息、所述第一问题集中各问题的问题序号、问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则后,为所述调查对象确定所述第二问题集,可以提高用户的体验、提升问卷结果的可信度和可以减少问卷答案被抄袭风险。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种智能问卷调查装置,该智能问卷调查装置与上述实施例中智能问卷调查方法一一对应。如图9所示,该智能问卷调查装置包括获取模块11、生成模块12、和确定模块13。各功能模块详细说明如下:
获取模块11,用于获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板。
生成模块12,用于根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则。
确定模块13,用于根据所述路由规则确定所述第二问题集。
进一步地,所述智能问卷调查装置还包括:
存储模块,用于预先存储用户的身份信息。
验证问题生成模块,用于根据所述用户的身份信息生成验证所述用户身份的验证问题。
第一判断模块,用于判断所述用户回答所述验证问题的错误次数是否大于或等于预设次数阈值。
不进行问卷调查模块,用于若所述用户回答所述验证问题错误次数大于或等于预设次数阈值,则不对所述用户进行问卷调查。
第一记录模块,用于若所述用户回答所述验证问题错误次数小于预设次数阈值,则将所述用户记录为所述调查对象。
进一步地,所述智能问卷调查装置还包括:
第二记录模块,用于记录用户回答待判定问卷的所述第一问题集中各所述问题的答题时间和回答所述第一问题集中所有所述问题的总答题时间。
计算模块,用于计算各所述问题的答题时间与预设各答题的参考时间的第一比值,同时计算所述总答题时间与预设总答题参考时间的第二比值。
第二判断模块,用于根据所述第一比值和所述第二比值判断所述第一问题集所属的所述待判定问卷的可信程度,所述可信程度包括可信、可疑和不可信。
第一确认模块,用于在所述待判定问卷的可信程度为不可信时,确认所述待判定问卷为废卷。
第二确认模块,用于在所述待判定问卷的可信程度为可信时,确认所述待判定问卷为所述调查问卷,并将所述用户记录为所述调查对象。
发送模块,用于在所述带判定问卷的可信程度为可疑时,将所述待判定问卷发送给预设审核人员。
进一步地,所述第二判断模块包括:
判断子模块,用于判断所述第一比值是否大于或等于第一预设比值阈值,同时判断所述第二比值是否大于或等于第二预设比值阈值。
第一确定子模块,用于若所述第一比值大于或等于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可信。
第二确定子模块,用于若所述第一比值小于第一预设比值阈值且所述第二比值小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为不可信。
第三确定子模块,用于若所述第一比值小于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑。
第四确定子模块,用于若所述第一比值是大于或等于第一预设比值阈值且所述第二比值是小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑。
进一步地,所述生成模块包括:
获取子模块,用于获取所述第一问题集中各所述问题的问题序号的数量,并将所述问题序号的数量作为所述路由规则中待调取问题的数量。
第一作为子模块,用于将所述第一问题集中最后一个问题序号的下一个问题序号,作为所述路由规则中对应于第一个待调取问题的初始问题序号。
第二作为子模块,用于将所述第一问题集中各所述问题的问题标签作为标签集,并将所述标签集中各所述问题标签确定为所述路由规则中对应于不同待调取问题的问题标签。
提取子模块,用于提取所述第一问题集中各所述问题的答案的答案关键词,并将所述答案关键词作为所述路由规则中待调取问题的调取关键词;
第三作为子模块,用于将所述调查问卷的问卷类型和问卷模板,作为所述路由规则中待生成问卷的问卷类型和问卷模板,所述待生成问卷为第二问题集所属的问卷。
进一步地,所述确定模块包括:
第五确定子模块,用于将所述路由规则中对应的第一个待调取问题的初始问题序号确定为所述第二问题集中第一个问题的初始问题序号,并根据所述路由规则中所述待调取问题的数量确定所述第二问题集中最后一个问题的最终问题序号。
第六确定子模块,用于根据所述初始问题序号和所述最终问题序号确定所述第二问题集中所有问题的问题序号,将所述路由规则中对应于不同待调取问题的问题标签作为所述第二问题集的各问题的问题标签,并将各所述问题的问题标签与其问题序号关联。
第一调取子模块,用于根据所述路由规则中所述待调取问题的调取关键词及其问题标签,在预设题库中调取所述第二问题集中各所述待调取问题,并将调取的各所述待调取问题与其问题序号关联。
第二调取子模块,用于在所述第二问题集中将调取的各所述待调取问题按照所述问题序号进行排序,根据所述路由规则中待生成问卷的问卷类型和问卷模板,将所述第二问题集转换为可供所述调查对象回答的下一个调查问卷。
进一步地,所述智能问卷调查装置还包括:
答案获取模块,用于在所述调查对象回答完所有预设数量的调查问卷之后,获取所述调查对象针对所有所述调查问卷回答的答案,将所述答案记录为所述调查对象的调查结果并储存在预设数据库。
推荐模块,用于根据所述调查结果分析所述调查对象的用户属性,并推荐与所述用户属性对应的产品。
关于智能问卷调查装置的具体限定可以参见上文中对于智能问卷调查方法的限定,在此不再赘述。上述智能问卷调查装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储智能问卷调查方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智能问卷调查方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中智能问卷调查方法的步骤,例如图2所示的步骤S10至步骤S30。或者,处理器执行计算机程序时实现上述实施例中智能问卷调查装置的各模块/单元的功能,例如图9所示模块11至模块13的功能。为避免重复,这里不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中智能问卷调查方法的步骤,例如图2所示的步骤S10至步骤S30。或者,计算机程序被处理器执行时实现上述实施例中智能问卷调查装置的各模块/单元的功能,例如图9所示模块11至模块13的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能问卷调查方法,其特征在于,包括:
获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板;
根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;
根据所述路由规则确定所述第二问题集。
2.根据权利要求1所述的智能问卷调查方法,其特征在于,所述获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案之前,还包括:
预先存储用户的身份信息;
根据所述用户的身份信息生成验证所述用户身份的验证问题;
判断所述用户回答所述验证问题的错误次数是否大于或等于预设次数阈值;
若所述用户回答所述验证问题错误次数大于或等于预设次数阈值,则不对所述用户进行问卷调查;
若所述用户回答所述验证问题错误次数小于预设次数阈值,则将所述用户记录为所述调查对象。
3.根据权利要求1所述的智能问卷调查方法,其特征在于,所述获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案之前,还包括:
记录用户回答待判定问卷的所述第一问题集中各所述问题的答题时间和回答所述第一问题集中所有所述问题的总答题时间;
计算各所述问题的答题时间与预设各答题的参考时间的第一比值,同时计算所述总答题时间与预设总答题参考时间的第二比值;
根据所述第一比值和所述第二比值判断所述第一问题集所属的所述待判定问卷的可信程度,所述可信程度包括可信、可疑和不可信;
在所述待判定问卷的可信程度为不可信时,确认所述待判定问卷为废卷;
在所述待判定问卷的可信程度为可信时,确认所述待判定问卷为所述调查问卷,并将所述用户记录为所述调查对象;
在所述带判定问卷的可信程度为可疑时,将所述待判定问卷发送给预设审核人员。
4.根据权利要求3所述的智能问卷调查方法,其特征在于,所述根据所述第一比值和所述第二比值判断所述第一问题集所属的所述待判定问卷的可信程度,包括:
判断所述第一比值是否大于或等于第一预设比值阈值,同时判断所述第二比值是否大于或等于第二预设比值阈值;
若所述第一比值大于或等于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可信;
若所述第一比值小于第一预设比值阈值且所述第二比值小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为不可信;
若所述第一比值小于第一预设比值阈值且所述第二比值大于或等于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑;
若所述第一比值是大于或等于第一预设比值阈值且所述第二比值是小于第二预设比值阈值,则确定所述第一问题集对应的所述待判定问卷的可信程度为可疑。
5.根据权利要求1所述的智能问卷调查方法,其特征在于,所述根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则,包括:
获取所述第一问题集中各所述问题的问题序号的数量,并将所述问题序号的数量作为所述路由规则中待调取问题的数量;
将所述第一问题集中最后一个问题序号的下一个问题序号,作为所述路由规则中对应于第一个待调取问题的初始问题序号;
将所述第一问题集中各所述问题的问题标签作为标签集,并将所述标签集中各所述问题标签确定为所述路由规则中对应于不同待调取问题的问题标签;
提取所述第一问题集中各所述问题的答案的答案关键词,并将所述答案关键词作为所述路由规则中待调取问题的调取关键词;
将所述调查问卷的问卷类型和问卷模板,作为所述路由规则中待生成问卷的问卷类型和问卷模板,所述待生成问卷为第二问题集所属的问卷。
6.根据权利要求1所述的智能问卷调查方法,其特征在于,所述根据所述路由规则确定所述第二问题集,包括:
将所述路由规则中对应的第一个待调取问题的初始问题序号确定为所述第二问题集中第一个问题的初始问题序号,并根据所述路由规则中所述待调取问题的数量确定所述第二问题集中最后一个问题的最终问题序号;
根据所述初始问题序号和所述最终问题序号确定所述第二问题集中所有问题的问题序号,将所述路由规则中对应于不同待调取问题的问题标签作为所述第二问题集的各问题的问题标签,并将各所述问题的问题标签与其问题序号关联;
根据所述路由规则中所述待调取问题的调取关键词及其问题标签,在预设题库中调取所述第二问题集中各所述待调取问题,并将调取的各所述待调取问题与其问题序号关联;
在所述第二问题集中将调取的各所述待调取问题按照所述问题序号进行排序,根据所述路由规则中待生成问卷的问卷类型和问卷模板,将所述第二问题集转换为可供所述调查对象回答的下一个调查问卷。
7.根据权利要求1所述的智能问卷调查方法,其特征在于,所述根据所述路由规则确定所述第二问题集之后,还包括:
在所述调查对象回答完所有预设数量的调查问卷之后,获取所述调查对象针对所有所述调查问卷回答的答案,将所述答案记录为所述调查对象的调查结果并储存在预设数据库;
根据所述调查结果分析所述调查对象的用户属性,并推荐与所述用户属性对应的产品。
8.一种智能问卷调查装置,其特征在于,包括:
获取模块,用于获取调查问卷的问卷信息、所述调查问卷的第一问题集中各问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各问题的答案,所述问卷信息包括问卷类型和问卷模板;
生成模块,用于根据所述问卷类型和问卷模板、所述第一问题集中各所述问题的问题序号和问题标签,以及调查对象回答所述第一问题集中各所述问题的答案,生成路由规则;
确定模块,用于根据所述路由规则确定所述第二问题集。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述智能问卷调查方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述智能问卷调查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207341.9A CN110070333A (zh) | 2019-03-19 | 2019-03-19 | 智能问卷调查方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910207341.9A CN110070333A (zh) | 2019-03-19 | 2019-03-19 | 智能问卷调查方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070333A true CN110070333A (zh) | 2019-07-30 |
Family
ID=67366409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910207341.9A Pending CN110070333A (zh) | 2019-03-19 | 2019-03-19 | 智能问卷调查方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070333A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888864A (zh) * | 2019-11-27 | 2020-03-17 | 北京国腾联信科技有限公司 | 用户数据的自动化收集方法及装置 |
CN110956035A (zh) * | 2019-12-03 | 2020-04-03 | 珠海格力电器股份有限公司 | 一种问卷优化方法、系统和存储介质 |
CN111177337A (zh) * | 2019-12-02 | 2020-05-19 | 网之易信息技术(北京)有限公司 | 一种调查问卷的数据处理方法及装置 |
CN111383058A (zh) * | 2020-03-13 | 2020-07-07 | 北方民族大学 | 一种高可靠性在线问卷调查方法与系统 |
CN111695090A (zh) * | 2020-06-15 | 2020-09-22 | 甘肃中医药大学 | 一种基于Android平台的健康教育调查评价系统 |
CN111967770A (zh) * | 2020-08-18 | 2020-11-20 | 深圳市维度统计咨询股份有限公司 | 基于大数据的问卷调查数据处理方法、装置及存储介质 |
CN112215561A (zh) * | 2020-09-01 | 2021-01-12 | 新石器慧义知行智驰(北京)科技有限公司 | 基于无人车的问卷调查方法、装置及问卷调查无人车 |
CN112818186A (zh) * | 2021-01-22 | 2021-05-18 | 平安消费金融有限公司 | 信息跟踪方法、装置、电子设备及存储介质 |
CN113190660A (zh) * | 2020-01-14 | 2021-07-30 | 北大方正集团有限公司 | 问卷调查的方法和装置 |
CN113674033A (zh) * | 2021-08-30 | 2021-11-19 | 广州快决测信息科技有限公司 | 一种净推荐值问卷投放系统和方法 |
CN113781084A (zh) * | 2021-01-15 | 2021-12-10 | 北京京东拓先科技有限公司 | 一种调查问卷展示方法和装置 |
CN114881712A (zh) * | 2022-07-12 | 2022-08-09 | 杭州新航互动科技有限公司 | 智能广告投放方法、装置、设备及存储介质 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105591745A (zh) * | 2014-11-07 | 2016-05-18 | 中国银联股份有限公司 | 对使用第三方应用的用户进行身份认证的方法和系统 |
CN105824918A (zh) * | 2016-03-16 | 2016-08-03 | 平安科技(深圳)有限公司 | 一种问卷生成方法及终端 |
CN106815746A (zh) * | 2017-01-06 | 2017-06-09 | 中国科学院城市环境研究所 | 一种网络问卷调查可信度评估方法 |
CN108074140A (zh) * | 2018-02-09 | 2018-05-25 | 弘成科技发展有限公司 | 智能问卷系统及数据采集方法 |
CN109325216A (zh) * | 2018-09-03 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 问卷生成方法、装置、计算机设备和存储介质 |
CN109389427A (zh) * | 2018-09-26 | 2019-02-26 | 中国平安人寿保险股份有限公司 | 问卷推送方法、装置、计算机设备和存储介质 |
-
2019
- 2019-03-19 CN CN201910207341.9A patent/CN110070333A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105591745A (zh) * | 2014-11-07 | 2016-05-18 | 中国银联股份有限公司 | 对使用第三方应用的用户进行身份认证的方法和系统 |
CN105824918A (zh) * | 2016-03-16 | 2016-08-03 | 平安科技(深圳)有限公司 | 一种问卷生成方法及终端 |
CN106815746A (zh) * | 2017-01-06 | 2017-06-09 | 中国科学院城市环境研究所 | 一种网络问卷调查可信度评估方法 |
CN108074140A (zh) * | 2018-02-09 | 2018-05-25 | 弘成科技发展有限公司 | 智能问卷系统及数据采集方法 |
CN109325216A (zh) * | 2018-09-03 | 2019-02-12 | 中国平安人寿保险股份有限公司 | 问卷生成方法、装置、计算机设备和存储介质 |
CN109389427A (zh) * | 2018-09-26 | 2019-02-26 | 中国平安人寿保险股份有限公司 | 问卷推送方法、装置、计算机设备和存储介质 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110888864B (zh) * | 2019-11-27 | 2022-08-23 | 北京国腾联信科技有限公司 | 用户数据的自动化收集方法及装置 |
CN110888864A (zh) * | 2019-11-27 | 2020-03-17 | 北京国腾联信科技有限公司 | 用户数据的自动化收集方法及装置 |
CN111177337A (zh) * | 2019-12-02 | 2020-05-19 | 网之易信息技术(北京)有限公司 | 一种调查问卷的数据处理方法及装置 |
CN110956035A (zh) * | 2019-12-03 | 2020-04-03 | 珠海格力电器股份有限公司 | 一种问卷优化方法、系统和存储介质 |
CN110956035B (zh) * | 2019-12-03 | 2021-04-23 | 珠海格力电器股份有限公司 | 一种问卷优化方法、系统和存储介质 |
CN113190660A (zh) * | 2020-01-14 | 2021-07-30 | 北大方正集团有限公司 | 问卷调查的方法和装置 |
CN111383058A (zh) * | 2020-03-13 | 2020-07-07 | 北方民族大学 | 一种高可靠性在线问卷调查方法与系统 |
CN111695090A (zh) * | 2020-06-15 | 2020-09-22 | 甘肃中医药大学 | 一种基于Android平台的健康教育调查评价系统 |
CN111695090B (zh) * | 2020-06-15 | 2023-05-05 | 甘肃中医药大学 | 一种基于Android平台的健康教育调查评价系统 |
CN111967770A (zh) * | 2020-08-18 | 2020-11-20 | 深圳市维度统计咨询股份有限公司 | 基于大数据的问卷调查数据处理方法、装置及存储介质 |
CN112215561A (zh) * | 2020-09-01 | 2021-01-12 | 新石器慧义知行智驰(北京)科技有限公司 | 基于无人车的问卷调查方法、装置及问卷调查无人车 |
CN113781084A (zh) * | 2021-01-15 | 2021-12-10 | 北京京东拓先科技有限公司 | 一种调查问卷展示方法和装置 |
CN112818186A (zh) * | 2021-01-22 | 2021-05-18 | 平安消费金融有限公司 | 信息跟踪方法、装置、电子设备及存储介质 |
CN113674033A (zh) * | 2021-08-30 | 2021-11-19 | 广州快决测信息科技有限公司 | 一种净推荐值问卷投放系统和方法 |
CN114912510A (zh) * | 2022-04-07 | 2022-08-16 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN114912510B (zh) * | 2022-04-07 | 2023-08-15 | 央视市场研究股份有限公司 | 一种线上调研样本质量评估系统 |
CN114881712A (zh) * | 2022-07-12 | 2022-08-09 | 杭州新航互动科技有限公司 | 智能广告投放方法、装置、设备及存储介质 |
CN114881712B (zh) * | 2022-07-12 | 2022-09-23 | 杭州新航互动科技有限公司 | 智能广告投放方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070333A (zh) | 智能问卷调查方法、装置、计算机设备及存储介质 | |
Sterrett et al. | Who shared it?: Deciding what news to trust on social media | |
Hameleers et al. | Mistake or manipulation? Conceptualizing perceived mis-and disinformation among news consumers in 10 European countries | |
Pinillos et al. | Philosophy's new challenge: Experiments and intentional action | |
Yang et al. | An investigation of college students’ perceptions of academic dishonesty, reasons for dishonesty, achievement goals, and willingness to report dishonest behavior | |
Rivera et al. | Completing a scholarly project during residency training: perspectives of residents who have been successful | |
Hardy et al. | Practical application of the Delphi technique in a bicultural mental health nursing study in New Zealand | |
Ecker-Ehrhardt | Cosmopolitan politicization: How perceptions of interdependence foster citizens’ expectations in international institutions | |
Pezdek et al. | Does trial presentation medium matter in jury simulation research? Evaluating the effectiveness of eyewitness expert testimony | |
Koc-Michalska et al. | Public beliefs about falsehoods in news | |
Guterbock et al. | Survey methods for neuropsychologists: A review of typical methodological pitfalls and suggested solutions | |
Parker et al. | Research ethics review: social care and social science research and the Mental Capacity Act 2005 | |
St. Jean et al. | How content contributors assess and establish credibility on the web | |
Choi et al. | Utilizing content moderators to investigate critical factors for assessing the quality of answers on brainly, social learning Q&A platform for students: a pilot study | |
Etter et al. | Collective remembering of organizations: Co-construction of organizational pasts in Wikipedia | |
Richardson | Mathematics assessment integrity during lockdown: experiences in running online un-invigilated exams | |
Papadopoulos et al. | Socially assistive robots in health and social care: Acceptance and cultural factors. Results from an exploratory international online survey | |
Simon | Graduate business students and business information literacy: A novel approach | |
Yang et al. | Beyond the Algorithm: Understanding How ChatGPT Handles Complex Library Queries | |
Chen et al. | The effect of cross-cutting exposure on attitude change: examining the mediating role of response behaviors and the moderating role of openness to diversity and social network homogeneity | |
Matthews et al. | The accuracy and consistency of nutrition care process terminology use in cases of refeeding syndrome | |
Collins et al. | Accountability in the global response to HIV: measuring progress, driving change | |
Yebowaah et al. | Information literacy, an investigation into students’ access and use of information in an academic institution in Ghana | |
Talbott et al. | The electronic resources troubleshooting guide | |
Zhang | Information-seeking patterns and behaviors of selected undergraduate students in a Chinese university |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190730 |