CN110209951A - 一种反馈式驾校训练系统 - Google Patents
一种反馈式驾校训练系统 Download PDFInfo
- Publication number
- CN110209951A CN110209951A CN201910503717.0A CN201910503717A CN110209951A CN 110209951 A CN110209951 A CN 110209951A CN 201910503717 A CN201910503717 A CN 201910503717A CN 110209951 A CN110209951 A CN 110209951A
- Authority
- CN
- China
- Prior art keywords
- user
- unit
- module
- examination
- technical ability
- 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
- 238000012549 training Methods 0.000 title claims abstract description 113
- 238000006757 chemical reactions by type Methods 0.000 title claims abstract description 35
- 238000012360 testing method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- 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
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及训练系统技术领域,尤其是指一种反馈式驾校训练系统,包括用户注册登录单元、初始化单元、内容储存单元、推荐单元、训练单元、成长单元和关怀单元,与传统的驾校训练系统相比,本发明的初始化单元可对用户进行摸底,以方便推荐单元和训练为用户定制个性化的学习方案,并且本系统的成长单元可对用户后续的活跃度和新技能掌握度进行进一步的摸底,本发明的训练单元包括训练模块、闯关模块和实战考场模块,通过训练模块、闯关模块和实战考场模块用户可反复的记忆和复习考试内容,并且闯关模块增加了学习的趣味性,通过游戏化来学习驾校知识。
Description
技术领域
本发明涉及训练系统技术领域,尤其是指一种反馈式驾校训练系统。
背景技术
随着我国经济的高速发展,汽车的销量不断攀升,家庭收入的不断提高,越来越多的人购买私家车,因此学车的人会越来越多,使得驾车驾驶培训行业得到了迅猛发展,面对日益“井喷”的拥有汽车驾驶证的人数,交警部门要求,各级公安交警必须严把驾驶人考试发证关,提高驾驶学员的培训力度,从而降低交通事故,减少人员伤亡。
目前驾校培训的过程中,普遍采用纸质签到,学员根据签到先后进行训练,而在实际的训练过程中,存在非学员替代学习的不良现象,使得学员的安全问题得不到保证,现有的驾校系统一般均是只涉及到签到,无法与学员之间进行互动,趣味性较低,也无法对学员的掌握情况进行评估,不够智能化。
发明内容
本发明针对现有技术的问题提供一种趣味性高、可对用户的掌握情况进行分析的反馈式驾校训练系统。
为了解决上述技术问题,本发明采用如下技术方案:
本发明提供的一种反馈式驾校训练系统,包括用户注册登录单元、初始化单元、内容储存单元、推荐单元、训练单元、成长单元和关怀单元,所述内容储存单元用于储存考试内容、考试题目与考试视频,所述用户注册登录单元用户用户注册和登录本系统,所述初始化单元从所述内容储存单元中随机抽取涵盖全部考试内容的N个考试点,推荐给用户进行初始化答题,并根据用户的答题情况将用户进行初始化分级,所述推荐单元用于给用户推荐学习形式和学习资源,所述训练单元包含训练模块、闯关模块和实战考场模块,所述闯关模块用于用户通过游戏闯关模式学习新技能,当用户通过训练模糊的获得新技能达标后,所述训练系统自动启动闯关,用户可使用所述闯关模块中利用训练模块学习的新技能去闯关,用户在闯关之后,所述训练系统可根据用户闯关的结果跳到其他关卡或返回至所述训练模块,当用户训练模块和闯关模块均达标之后可进入实战考场模块进行实战学习,所述成长单元可根据用户活跃度、新技能掌握度转换为用户等级,所述关怀系统可根据用户等级、闯关的次数、闯关结果获得虚拟货币,获得的虚拟货币可兑换礼品或者后续实操服务付费折扣。
作为优选,所述初始化单元的初始化算法:所述反馈式驾校训练系统从考试内容、考试题目随机抽取涵盖80%~90%技能考点的m个标签,推荐给用户初始化,每个标签涵盖1~3个考点,每个标签带有的这几个考点的饱和度h01、h02、h03。
作为优选,所述反馈式驾校训练系统包括评估单元,所述评估单元根据用户使用初始化单元、训练模块和闯关模块的结果和数据进行分析,得到每个用户的弱项技能,针对用户的弱项技术通过所述推荐单元给用户推荐合适的题目内容进行针对性训练。
作为优选,所述评估单元的算法包括单科目增长算法和单科目弱项技能算法,所述单科目增长算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn;所述单科目弱项技能算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn,根据统计出的每个技能进度最大值前2个,记为弱项技能。
作为优选,所述推荐单元根据用户选择的考试时间,给用户推荐合适的训练方式,当用户距离考试时间少于一个星期,则推荐用户使用实战考场模块,当用户距离考试时间大于一个星期,则推荐用户使用训练模块和闯关模块。
作为优选,所述反馈式驾校训练系统根据所述成长单元转换的用户等级和根据所述评估单元所评估的结果为用户推送合适的训练单元,当用户的用户等级和评估结果处于中上时,则推荐用户使用实战考场模块,当用户的用户等级和评估结果处于中下时,则推荐用户使用闯关模块,当用户的用户等级和评估结果处于下时,则推荐用户使用训练模块。
作为优选,所述初始化单元为用户提供了多个结对技能标签,用户可根据自身掌握的考试内容、考试题目与考试视频的程度选择合适的标签,所述初始化单元标签为结对消除机制,用户选择标签时只能选择结对标签中的一个,并且所述初始化过程无需强制完成,用户可放弃初始化测评即选择初始化等级为最低。
作为优选,所述反馈式驾校训练系统还还包括PK单元,所述PK单元包括关卡PK模块和玩家PK模块,所述关卡PK模块用于用户与所述反馈式驾校训练系统内设定的关卡进行PK,PK之后获得记录值m,m=答对题目数/答题时间,所述玩家PK模块用户与在线的玩家进行匹配PK。
作为优选,所述成长单元转换的用户等级分为初级、中级和高级,所述成长单元的转换算法为:
初级:技能80%,活跃度20%;中级:技能50%,活跃度50%;高级:技能20%,活跃度80%;
等级公式为:若单科目技能个数为n个,达标的技能个数为m,那么单科目下的三个目标等级区间具体算法如下:
目标等级区间刻度=技能完成占比+活跃度完成占比,即初级:G1=(80%/n)*m+20%/(300-0),中级:G2=(50%/n)*m+50%/(500-300),高级:G3=(20%/n)*m+80%/(1500-500);注意:其中每个等级算法公式的变量,即达标技能个数m,活跃度都有一个上限值,其中活跃度在初级节点的上限为300,活跃度在中级节点的上限为500,活跃度在高级点的上限为1500;
单科目下所有技能进度都有上限为100%,初始值为0%,每个技能进度均为该技能下所有考点的饱和度的累加总和,若单个技能进度为S0,有n个考点,考点的饱和度记为B,则单个技能进度S0=B0+B1+B2+...+Bn;
单个技能进度是由n个考点组成,每个技能进度达标上限为100%,后台根据实际情况给每个考点分配饱和度,所有考点饱和度的累加总和为该技能进度达标上限100%,即所有考点的饱和度B0+B1+...+Bn=100%。每个考点饱和度初始值为0%,后台预设好每个考点饱和度B0,B1,B2,...,Bn。
作为优选,所述训练模块的同一道题会出现很多次,采用总答题次数和答错次数来计算失误率L1,通过失误率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题次数为N1,答错次数为M1,X1为题目重复的次数,Y1为重复答错的题目次数,则失误率L1=(M1-Y1)/(N1-X1)*100%;
所述闯关模块的同一道题只会出现很1次,采用总答题题数和答对题数来计算正确率L2,通过正确率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题题数为N2,答对题数为M3,则正确率L2=M2/N2*100%,
所述实战考场模块采用的是国家标准来出题,基于这种规范下对所有题目以新的技能考点方式进行重新分类,对每次考试预设一个不超过10%的总考点饱和度B,总题目数量为K,则每道题均分得到的考点饱和度为b=B/K,考试结束后以提前分类好的考点进行每个涉及到的考点聚合计算每个考点的饱和度,这里采用加权求和的方式,假设某个考点饱和度为B0,则B0=b0+b1+...+bn,再以提前分类好的技能分类对每个考点饱和度进行加权求和,假设某个技能进度为S0,则S0=B0+B1+...+Bn。
本发明的有益效果:
本发明提供的一种反馈式驾校训练系统,包括用户注册登录单元、初始化单元、内容储存单元、推荐单元、训练单元、成长单元和关怀单元,与传统的驾校训练系统相比,本发明的初始化单元可对用户进行摸底,以方便推荐单元和训练为用户定制个性化的学习方案,并且本系统的成长单元可对用户后续的活跃度和新技能掌握度进行进一步的摸底,本发明的训练单元包括训练模块、闯关模块和实战考场模块,通过训练模块、闯关模块和实战考场模块用户可反复的记忆和复习考试内容,并且闯关模块增加了学习的趣味性,通过游戏化来学习驾校知识。
附图说明
图1为本发明的框架示意图。
图2为本发明的初始化流程示意图。
图3为本发明的所述推荐单元的逻辑示意图。
图4为本发明的训练模块最弱技能算法逻辑示意图。
附图标记分别为:
注册登录单元--1,内容储存单元--2,初始化单元--3,推荐单元--4,训练单元--5,成长单元--6,关怀单元--7,训练模块--8,闯关模块--9,实战考场模块--10,评估单元--11,PK单元--12,关卡PK模块--13,玩家PK模块--14。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。以下结合附图对本发明进行详细的描述。
如图1-4所示,本发明提供的一种反馈式驾校训练系统,包括用户注册登录单元1、初始化单元3、内容储存单元2、推荐单元4、训练单元5、成长单元6和关怀单元7,所述内容储存单元2用于储存考试内容、考试题目与考试视频,所述用户注册登录单元1用户用户注册和登录本系统,所述初始化单元3从所述内容储存单元2中随机抽取涵盖全部考试内容的N个考试点,推荐给用户进行初始化答题,并根据用户的答题情况将用户进行初始化分级,所述推荐单元4用于给用户推荐学习形式和学习资源,所述训练单元5包含训练模块8、闯关模块9和实战考场模块10,所述闯关模块9用于用户通过游戏闯关模式学习新技能,当用户通过训练模糊的获得新技能达标后,所述训练系统自动启动闯关,用户可使用所述闯关模块9中利用训练模块8学习的新技能去闯关,用户在闯关之后,所述训练系统可根据用户闯关的结果跳到其他关卡或返回至所述训练模块8,当用户训练模块8和闯关模块9均达标之后可进入实战考场模块10进行实战学习,所述成长单元6可根据用户活跃度、新技能掌握度转换为用户等级,所述关怀系统可根据用户等级、闯关的次数、闯关结果获得虚拟货币,获得的虚拟货币可兑换礼品或者后续实操服务付费折扣。
本发明的初始化单元3可对用户进行摸底,以方便推荐单元4和训练为用户定制个性化的学习方案,并且本系统的成长单元6可对用户后续的活跃度和新技能掌握度进行进一步的摸底,本发明的训练单元5包括训练模块8、闯关模块9和实战考场模块10,通过训练模块8、闯关模块9和实战考场模块10用户可反复的记忆和复习考试内容,并且闯关模块9增加了学习的趣味性,通过游戏化来学习驾校知识
本实施例中,所述初始化单元3的初始化算法:所述反馈式驾校训练系统从考试内容、考试题目随机抽取涵盖80%~90%技能考点的m个标签,推荐给用户初始化,每个标签涵盖1~3个考点,每个标签带有的这几个考点的饱和度h01、h02、h03,所述反馈式驾校训练系统包括评估单元11,所述评估单元11根据用户使用初始化单元3、训练模块8和闯关模块9的结果和数据进行分析,得到每个用户的弱项技能,针对用户的弱项技术通过所述推荐单元4给用户推荐合适的题目内容进行针对性训练。
本实施例中,所述评估单元11的算法包括单科目增长算法和单科目弱项技能算法,所述单科目增长算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn;所述单科目弱项技能算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn,根据统计出的每个技能进度最大值前2个,记为弱项技能。
本实施例中,为进一步根据用户的考试时间强化记忆效果,所述推荐单元4根据用户选择的考试时间,给用户推荐合适的训练方式,当用户距离考试时间少于一个星期,则推荐用户使用实战考场模块10,当用户距离考试时间大于一个星期,则推荐用户使用训练模块8和闯关模块9。
本实施例中,本反馈式驾校训练系统可根据用户的使用情况来智能化的给用户选择合适的学习方式,所述反馈式驾校训练系统根据所述成长单元6转换的用户等级和根据所述评估单元11所评估的结果为用户推送合适的训练单元5,当用户的用户等级和评估结果处于中上时,则推荐用户使用实战考场模块10,当用户的用户等级和评估结果处于中下时,则推荐用户使用闯关模块9,当用户的用户等级和评估结果处于下时,则推荐用户使用训练模块8。
本实施例中,所述初始化单元3为用户提供了多个结对技能标签,用户可根据自身掌握的考试内容、考试题目与考试视频的程度选择合适的标签,所述初始化单元3标签为结对消除机制,用户选择标签时只能选择结对标签中的一个,并且所述初始化过程无需强制完成,用户可放弃初始化测评即选择初始化等级为最低,具体地,技能标签包括“菜鸟级”与“王者级”、“小白”与“大神”等,用户可根据自己情况来选择合适的技能标签,还可通过初始化单元3的测试结果系统自动匹配技能标签。
本实施例中,所述反馈式驾校训练系统还还包括PK单元12,所述PK单元12包括关卡PK模块13和玩家PK模块14,所述关卡PK模块13用于用户与所述反馈式驾校训练系统内设定的关卡进行PK,PK之后获得记录值m,m=答对题目数/答题时间,所述玩家PK模块14用户与在线的玩家进行匹配PK。
本实施例中,所述成长单元6转换的用户等级分为初级、中级和高级,所述成长单元6的转换算法为:
初级:技能80%,活跃度20%;中级:技能50%,活跃度50%;高级:技能20%,活跃度80%;
等级公式为:若单科目技能个数为n个,达标的技能个数为m,那么单科目下的三个目标等级区间具体算法如下:
目标等级区间刻度=技能完成占比+活跃度完成占比,即初级:G1=(80%/n)*m+20%/(300-0),中级:G2=(50%/n)*m+50%/(500-300),高级:G3=(20%/n)*m+80%/(1500-500);注意:其中每个等级算法公式的变量,即达标技能个数m,活跃度都有一个上限值,其中活跃度在初级节点的上限为300,活跃度在中级节点的上限为500,活跃度在高级点的上限为1500;
单科目下所有技能进度都有上限为100%,初始值为0%,每个技能进度均为该技能下所有考点的饱和度的累加总和,若单个技能进度为S0,有n个考点,考点的饱和度记为B,则单个技能进度S0=B0+B1+B2+...+Bn;
单个技能进度是由n个考点组成,每个技能进度达标上限为100%,后台根据实际情况给每个考点分配饱和度,所有考点饱和度的累加总和为该技能进度达标上限100%,即所有考点的饱和度B0+B1+...+Bn=100%。每个考点饱和度初始值为0%,后台预设好每个考点饱和度B0,B1,B2,...,Bn。
作为优选,所述训练模块8的同一道题会出现很多次,采用总答题次数和答错次数来计算失误率L1,通过失误率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题次数为N1,答错次数为M1,X1为题目重复的次数,Y1为重复答错的题目次数,则失误率L1=(M1-Y1)/(N1-X1)*100%;
所述闯关模块9的同一道题只会出现很1次,采用总答题题数和答对题数来计算正确率L2,通过正确率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题题数为N2,答对题数为M3,则正确率L2=M2/N2*100%,
所述实战考场模块10采用的是国家标准来出题,基于这种规范下对所有题目以新的技能考点方式进行重新分类,对每次考试预设一个不超过10%的总考点饱和度B,总题目数量为K,则每道题均分得到的考点饱和度为b=B/K,考试结束后以提前分类好的考点进行每个涉及到的考点聚合计算每个考点的饱和度,这里采用加权求和的方式,假设某个考点饱和度为B0,则B0=b0+b1+...+bn,再以提前分类好的技能分类对每个考点饱和度进行加权求和,假设某个技能进度为S0,则S0=B0+B1+...+Bn。
本实施例中,训练模块8的技术掌握度算法为:用户在训练模块8针对自己实时的弱项技能训练过程中,实时统计每个技能下每个考点题目答错的次数C1,统计整个答题过程中每个技能考点答题的总次数D1,训练结束后,计算每个技能下每个考点的失误率L3=C1/D1,根据训练模块8的失误率评估等级给每个技能下的考点增加一定的饱和度B0,结果显示每个技能进度则根据每个技能下面每个考点的饱和度增减数值进行累加计算,总和即为技能的新增减进度S0,单个技能动态进度S0=B0+B1+...+Bn。
本实施例中,闯关模块9的技术掌握度算法为:用户在闯关模块9针对自己实时的弱项技能挑战过程中,实时统计每个技能下每个考点题目答对的次数C2,统计整个答题过程中每个技能考点答题的总次数D2,闯关结束后,计算每个技能下每个考点的正确率L4=C2/D2*100%,根据训练模块8的正确率评估等级给每个技能下的考点增减一定的饱和度B0,结果显示每个技能进度则根据每个技能下面每个考点的饱和度增减数值进行累加计算,总和即为技能的新增减进度S0,单个技能动态进度S0=B0+B1+...+Bn。
实战考场模块10的技术掌握度算法为实战考场里面的所有模考出题以国家规则标准出题,所有出的题目再按照技能考点进行分类,系统随机当次考试所有题目设定一个总的考点饱和度B,假设考试总题目数量为K,所有题目按技能考点分类好以后,将总的考点饱和度H均分给每一道题,每一道题所分配到考点饱和度b0=B/K,按照每个考点分类统计每个考点增长的饱和度B0=b0+...+bn,再通过技能分类(每个考点属于哪个技能分类,进行累加得到每个技能的进度)统计每个技能的动态进度S0=B0+B1+...+Bn。
本实施例中,用户活跃度的算法为A(用户活跃度,即综合指数)=Interaction(交互指数)-Forgetting(遗忘指数),Interaction(用户在所有指定模块的交互次数,每天交互指数有上限):用户在训练单元5完整玩过1次关卡就可记录为1个交互指数(反复进入操作可以累积),用户在实战考场模块10考场的几个模考模块完成1次模考就可记录为1个交互指数(反复进入操作可以累积),用户在闯关模块9完成一个闯关就可记录为1个交互指数(反复进入操作可以累积):Forgetting(用户交互的遗忘指数,距离最近一次时间交互区间逐级递增遗忘指数):用户距离最近一次交互时间相隔1~3天减去x个综合指数,以这个相隔时间区间为一个单位,算出总的相隔时间单位个数n,遗忘指数Forgetting=n*x,如果综合指数已经为0,不再进行减的操作。
具体地,用于在注册登录之后需要对备考科目进行选择,并且需要用户选择备考时间,接下来需要用户根据自身对考点的掌握情况来选取技能标签,然后本反馈式驾校训练系统会自动启动初始化单元3,用户可根据自身需求来是否进行初始化单元3答题,当用户选择跳过初始化单元3时,则系统自动将用户选择的技能标签修改为最低等级,如“菜鸟”,然后进行推荐单元4和训练单元5。
当用户使用本系统掌握一定技能之后,训练模块8会根据技术掌握度算法算出用户的最弱项技能,然后推荐单元会从最弱项技能中旋转饱和度最低的3个考点给用户进行训练,根据本次训练的总题目数量把总数量平均分成3份,分配给每个考点,当完成本次训练之后,训练模块会根据掌握度算法再次计算用户的最弱项技能,至到用户的掌握度为100%。
以上所述,仅是本发明较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明以较佳实施例公开如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明技术方案的范围内。
Claims (10)
1.一种反馈式驾校训练系统,其特征在于:包括用户注册登录单元、初始化单元、内容储存单元、推荐单元、训练单元、成长单元和关怀单元,所述内容储存单元用于储存考试内容、考试题目与考试视频,所述用户注册登录单元用户用户注册和登录本系统,所述初始化单元从所述内容储存单元中随机抽取涵盖全部考试内容的N个考试点,推荐给用户进行初始化答题,并根据用户的答题情况将用户进行初始化分级,所述推荐单元用于给用户推荐学习形式和学习资源,所述训练单元包含训练模块、闯关模块和实战考场模块,所述闯关模块用于用户通过游戏闯关模式学习新技能,当用户通过训练模糊的获得新技能达标后,所述训练系统自动启动闯关,用户可使用所述闯关模块中利用训练模块学习的新技能去闯关,用户在闯关之后,所述训练系统可根据用户闯关的结果跳到其他关卡或返回至所述训练模块,当用户训练模块和闯关模块均达标之后可进入实战考场模块进行实战学习,所述成长单元可根据用户活跃度、新技能掌握度转换为用户等级,所述关怀系统可根据用户等级、闯关的次数、闯关结果获得虚拟货币,获得的虚拟货币可兑换礼品或者后续实操服务付费折扣。
2.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述初始化单元的初始化算法:所述反馈式驾校训练系统从考试内容、考试题目随机抽取涵盖80%~90%技能考点的m个标签,推荐给用户初始化,每个标签涵盖1~3个考点,每个标签带有的这几个考点的饱和度h01、h02、h03。
3.根据权利要求2所述的一种反馈式驾校训练系统,其特征在于:所述反馈式驾校训练系统包括评估单元,所述评估单元根据用户使用初始化单元、训练模块和闯关模块的结果和数据进行分析,得到每个用户的弱项技能,针对用户的弱项技术通过所述推荐单元给用户推荐合适的题目内容进行针对性训练。
4.根据权利要求3所述的一种反馈式驾校训练系统,其特征在于:所述评估单元的算法包括单科目增长算法和单科目弱项技能算法,所述单科目增长算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn;所述单科目弱项技能算法为:当用户完成初始化之后,根据用户初始化的等级结果选择每个科目相对应的标签,再根据每个标签对应的考点类别统计每个类别考点的饱和度F0=(h01+h02+h03)+...+(hn1+hn2+hn3),每个技能进度为S=F0+...+Fn,根据统计出的每个技能进度最大值前2个,记为弱项技能。
5.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述推荐单元根据用户选择的考试时间,给用户推荐合适的训练方式,当用户距离考试时间少于一个星期,则推荐用户使用实战考场模块,当用户距离考试时间大于一个星期,则推荐用户使用训练模块和闯关模块。
6.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述反馈式驾校训练系统根据所述成长单元转换的用户等级和根据所述评估单元所评估的结果为用户推送合适的训练单元,当用户的用户等级和评估结果处于中上时,则推荐用户使用实战考场模块,当用户的用户等级和评估结果处于中下时,则推荐用户使用闯关模块,当用户的用户等级和评估结果处于下时,则推荐用户使用训练模块。
7.根据权利要求2所述的一种反馈式驾校训练系统,其特征在于:所述初始化单元为用户提供了多个结对技能标签,用户可根据自身掌握的考试内容、考试题目与考试视频的程度选择合适的标签,所述初始化单元标签为结对消除机制,用户选择标签时只能选择结对标签中的一个,并且所述初始化过程无需强制完成,用户可放弃初始化测评即选择初始化等级为最低。
8.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述反馈式驾校训练系统还还包括PK单元,所述PK单元包括关卡PK模块和玩家PK模块,所述关卡PK模块用于用户与所述反馈式驾校训练系统内设定的关卡进行PK,PK之后获得记录值m,m=答对题目数/答题时间,所述玩家PK模块用户与在线的玩家进行匹配PK。
9.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述成长单元转换的用户等级分为初级、中级和高级,所述成长单元的转换算法为:
初级:技能80%,活跃度20%;中级:技能50%,活跃度50%;高级:技能20%,活跃度80%;
等级公式为:若单科目技能个数为n个,达标的技能个数为m,那么单科目下的三个目标等级区间具体算法如下:
目标等级区间刻度=技能完成占比+活跃度完成占比,即初级:G1=(80%/n)*m+20%/(300-0),中级:G2=(50%/n)*m+50%/(500-300),高级:G3=(20%/n)*m+80%/(1500-500);注意:其中每个等级算法公式的变量,即达标技能个数m,活跃度都有一个上限值,其中活跃度在初级节点的上限为300,活跃度在中级节点的上限为500,活跃度在高级点的上限为1500;
单科目下所有技能进度都有上限为100%,初始值为0%,每个技能进度均为该技能下所有考点的饱和度的累加总和,若单个技能进度为S0,有n个考点,考点的饱和度记为B,则单个技能进度S0=B0+B1+B2+...+Bn;
单个技能进度是由n个考点组成,每个技能进度达标上限为100%,后台根据实际情况给每个考点分配饱和度,所有考点饱和度的累加总和为该技能进度达标上限100%,即所有考点的饱和度B0+B1+...+Bn=100%。每个考点饱和度初始值为0%,后台预设好每个考点饱和度B0,B1,B2,...,Bn。
10.根据权利要求1所述的一种反馈式驾校训练系统,其特征在于:所述训练模块的同一道题会出现很多次,采用总答题次数和答错次数来计算失误率L1,通过失误率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题次数为N1,答错次数为M1,X1为题目重复的次数,Y1为重复答错的题目次数,则失误率L1=(M1-Y1)/(N1-X1)*100%;
所述闯关模块的同一道题只会出现很1次,采用总答题题数和答对题数来计算正确率L2,通过正确率分等级给予用户本次训练所有考点的饱和度动态计算,假设总答题题数为N2,答对题数为M3,则正确率L2=M2/N2*100%,
所述实战考场模块采用的是国家标准来出题,基于这种规范下对所有题目以新的技能考点方式进行重新分类,对每次考试预设一个不超过10%的总考点饱和度B,总题目数量为K,则每道题均分得到的考点饱和度为b=B/K,考试结束后以提前分类好的考点进行每个涉及到的考点聚合计算每个考点的饱和度,这里采用加权求和的方式,假设某个考点饱和度为B0,则B0=b0+b1+...+bn,再以提前分类好的技能分类对每个考点饱和度进行加权求和,假设某个技能进度为S0,则S0=B0+B1+...+Bn。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503717.0A CN110209951A (zh) | 2019-06-12 | 2019-06-12 | 一种反馈式驾校训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910503717.0A CN110209951A (zh) | 2019-06-12 | 2019-06-12 | 一种反馈式驾校训练系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110209951A true CN110209951A (zh) | 2019-09-06 |
Family
ID=67792101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910503717.0A Pending CN110209951A (zh) | 2019-06-12 | 2019-06-12 | 一种反馈式驾校训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110209951A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697696A (zh) * | 2022-03-31 | 2022-07-01 | 北京达佳互联信息技术有限公司 | 数据的处理方法及装置、电子设备、计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194345A (zh) * | 2010-03-04 | 2011-09-21 | 卢君毅 | 可规划复习计划的考试系统 |
CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及系统 |
CN107731038A (zh) * | 2017-11-17 | 2018-02-23 | 浙江建设职业技术学院 | 一种互动游戏教学系统及方法 |
CN108492096A (zh) * | 2018-03-26 | 2018-09-04 | 首都师范大学 | 一种个性化自主学习装置及方法 |
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 |
-
2019
- 2019-06-12 CN CN201910503717.0A patent/CN110209951A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194345A (zh) * | 2010-03-04 | 2011-09-21 | 卢君毅 | 可规划复习计划的考试系统 |
CN106407237A (zh) * | 2015-08-03 | 2017-02-15 | 科大讯飞股份有限公司 | 在线学习试题推荐方法及系统 |
CN107731038A (zh) * | 2017-11-17 | 2018-02-23 | 浙江建设职业技术学院 | 一种互动游戏教学系统及方法 |
CN108492096A (zh) * | 2018-03-26 | 2018-09-04 | 首都师范大学 | 一种个性化自主学习装置及方法 |
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 |
Non-Patent Citations (2)
Title |
---|
何双伯,黄成云: "游戏化学习在电网培训中的实践与应用", 《软件导刊》 * |
张明英: "基于B/ S 模式的驾驶员理论考试模拟系统设计", 《时代农机》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114697696A (zh) * | 2022-03-31 | 2022-07-01 | 北京达佳互联信息技术有限公司 | 数据的处理方法及装置、电子设备、计算机可读存储介质 |
CN114697696B (zh) * | 2022-03-31 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 数据的处理方法及装置、电子设备、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lootsma | Multi-criteria decision analysis via ratio and difference judgement | |
Breinbauer | Youth: Choices and change: Promoting healthy behaviors in adolescents | |
Chilman | Growing Up Poor: An Over-view and Analysis of Child-rearing and Family Life Patterns Associated with Poverty... | |
Hamilton | The political philosophy of needs | |
Neef et al. | Impulsivity in students with serious emotional disturbance: The interactive effects of reinforcer rate, delay, and quality | |
McFadden | The new science of pleasure: consumer choice behavior and the measurement of well-being | |
Gerdes et al. | Strategic behavior across gender: A comparison of female and male expert chess players | |
Sternberg | Component processes in analogical reasoning. | |
Re et al. | The big man has a big mouth: Mouth width correlates with perceived leadership ability and actual leadership performance | |
Guala | The logic of normative falsification: rationality and experiments in decision theory | |
CN110223570A (zh) | 一种驾驶理论训练系统及其学习方法 | |
Dietz et al. | Introduction to social statistics: the logic of statistical reasoning | |
Erceg et al. | Overconfidence bias and conjunction fallacy in predicting outcomes of football matches | |
Skorepa | Decision making: a behavioral economic approach | |
Erdem et al. | Age-and Gender-Related Change in Mathematical Reasoning Ability and Some Educational Suggestions. | |
Gumus et al. | The investigation of sportsmanship behaviors of university students | |
Kosasih et al. | The influence of ambidextrous organization and authentic followership on innovative performance: The mediating role of change readiness | |
CN110209951A (zh) | 一种反馈式驾校训练系统 | |
CN112951022A (zh) | 一种多媒体互动教育培训系统 | |
Pillay | Hyper-heuristics for educational timetabling | |
Berk | Something old, something new, something borrowed, a lot to do! | |
Osikominu et al. | The Effects of Free Secondary School Track Choice: A Disaggregated Synthetic Control Approach | |
Fraumeni et al. | Price and real output measures for the education function of government: Exploratory estimates for primary & secondary education | |
Schiller et al. | A comparison between cognitive and AI models of blackjack strategy learning | |
Chen | Exploring the relationship between effective coaching leadership, group cohesion, and achievement motivation in college basketball teams in Taiwan |
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 |
Application publication date: 20190906 |
|
WD01 | Invention patent application deemed withdrawn after publication |