CN110222195A - 题目作答结果与知识点关系的挖掘方法及电子装置 - Google Patents
题目作答结果与知识点关系的挖掘方法及电子装置 Download PDFInfo
- Publication number
- CN110222195A CN110222195A CN201910430686.0A CN201910430686A CN110222195A CN 110222195 A CN110222195 A CN 110222195A CN 201910430686 A CN201910430686 A CN 201910430686A CN 110222195 A CN110222195 A CN 110222195A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- result
- default
- answer
- answering
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据挖掘技术领域,具体涉及题目作答结果与知识点关系的挖掘方法及电子设备,其中方法包括获取预设题目涉及的所有知识点;获取预设数量的答题者在预设题目上的作答结果以及每个答题者在各个知识点上的掌握度;根据预设作答结果对应的答题者在各个知识点上的掌握度以及其他作答结果对应的答题者在各个知识点上的掌握度,确定预设作答结果对应的知识点。该方法以预设作答结果(即,某一个作答结果)为对象,通过与预设作答结果相对应的掌握度进行其所对应的知识点的确定。对于答题者而言,深入挖掘预设作答结果对应的知识点,避免了对于作答结果的理解仅限于作答正确与否,极大地提高了题目与知识点关联关系的准确性与全面性。
Description
技术领域
本发明涉及数据挖掘技术领域,具体涉及题目作答结果与知识点关系的挖掘方法及电子设备。
背景技术
随着大数据分析技术近年来的快速发展发展,对于大数据的有效利用成为了在线教育领域面临的首要技术问题之一。在大数据技术的支持下,基于学习数据分析的学生画像挖掘、知识图谱构建、自适应学习服务应运而生。其中,挖掘学生画像和构建知识图谱所利用的一项重要基本信息就是题目与知识点关联关系。
现有的在线教育平台的进行上述分析的主要数据来源都是用户的答题数据,而答题数据往往只包含答案正确与否的信息,对于答题数据的分析仅限于作答结果。例如,对于用户作答错误的题目,对于数据分析而言就仅仅体现为作答错误,大都没有深入挖掘具体的错误原因,那么通过其得到的题目与知识点关联关系的准确性也就受到了限制,从而不能很充分有效地利用用户答题数据的信息来构建学生画像、知识图谱,这也就间接地影响了个性化内容推荐及自适应学习的准确性。
发明内容
有鉴于此,本发明实施例提供了一种题目作答结果与知识点关系的挖掘方法及电子设备,以解决现有技术所得到的题目与知识点关联关系不够准确、不够全面的问题。
根据第一方面,本发明实施例提供了一种题目作答结果与知识点关系的挖掘方法,包括:
获取预设题目涉及的所有知识点;
获取预设数量的答题者在所述预设题目上的作答结果以及每个所述答题者在各个所述知识点上的掌握度;其中,所述作答结果包括所有所述答题者在所述预设题目的作答中出现的所有结果;
根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系。
本发明实施例提供的题目作答结果与知识点关系的挖掘方法,以预设作答结果(即,某一个作答结果)为对象,利用预设作答结果对应的答题者在各个知识点的掌握度与其他作答结果对应的答题者在各个知识点的掌握度,即,通过与预设作答结果相对应的掌握度以及其他作答结果对应的掌握度进行预设作答结果对应的知识点的确定。对于答题者而言,深入挖掘预设作答结果对应的知识点,避免了对于作答结果的理解仅限于作答正确与否,极大地提高了题目与知识点关联关系的准确性与全面性。
结合第一方面,在第一方面第一实施方式中,所述根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系,包括:
判断所述预设作答结果是否为所述预设题目的正确答案;
当所述预设作答结果为所述预设题目的正确答案时,对于每个所述知识点,基于所述正确答案以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点。
结合第一方面第一实施方式,在第一方面第二实施方式中,所述基于所述正确答案对应的答题者在所述知识点上的掌握度以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点,包括:
利用假设检验方法,在预设显著性水平下判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于所述错误答案对应的答题者在所述知识点上的掌握度均值;
当所述正确答案对应的答题者在所述知识点上的掌握度均值显著高于所述错误答案对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述正确答案对应的知识点。
结合第一方面第二实施方式,在第一方面第三实施方式中,还包括:
当在所述预设显著性水平下不存在所述正确答案对应的知识点时,提高所述预设显著性水平,并在提高后的所述预设显著性水平下,执行判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于错误答案对应的答题者在所述知识点上的掌握度均值的步骤,直至提高后的所述预设显著性水平达到显著性水平阈值为止。
结合第一方面第二实施方式,在第一方面第四实施方式中,所述基于所述正确答案对应的答题者在所述知识点上的掌握度以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点,包括:
利用具有特征筛选作用的预测模型对所述答题者在所述知识点上的掌握度及所述答题者在所述预设题目上的作答正误进行建模;
基于建模结果选出与所述作答正确的概率相关的知识点;其中,所述相关的知识点为所述正确答案对应的知识点。
结合第一方面第四实施方式,在第一方面第五实施方式中,当在预设模型参数下不存在所述相关的知识点时,弱化所述模型的特征筛选条件,并利用弱化所述条件后的所述预测模型对所述答题者在所述知识点上的掌握度及所述答题者在所述预设题目上的作答正误进行建模。
结合第一方面第一实施方式,在第一方面第六实施方式中,所述根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点,包括:
当所述预设作答结果为所述预设题目的错误答案时,对于每个所述知识点,基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系。
结合第一方面第六实施方式,在第一方面第七实施方式中,所述基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系,包括:
利用假设检验方法,在预设显著性水平下判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值;
当所述正确答案对应的答题者在所述知识点上的掌握度均值显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述预设作答结果对应的抵抗知识点。
结合第一方面第七实施方式,在第一方面第八实施方式中,所述基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系,还包括:
当所述正确答案对应的答题者在所述知识点上的掌握度均值不显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值时,判断所述预设作答结果对应的答题者在所述知识点上的掌握度均值是否显著高于所述其他错误答案对应的答题者在所述知识点上的掌握度均值;
当所述预设作答结果对应的答题者在所述知识点上的掌握度均值显著高于所述其他错误答案对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述预设作答结果对应的支持知识点。
结合第一方面第八实施方式,在第一方面第九实施方式中,还包括:
在所有所述知识点中筛选出所述抵抗知识点以及所述支持知识点以外的知识点;
确定筛选出的知识点为所述预设作答结果对应的无关知识点。
根据第二方面,本发明实施例还提供了一种掌握度更新方法,包括:
获取预设答题者在至少一道题目上的作答结果以及在所述题目涉及的知识点上的初始掌握度;
根据本发明第一方面,或第一方面任一项实施方式中所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应所述题目涉及的知识点的关系;
针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确;
利用确定的结果对所述初始掌握度进行更新。
本发明实施例提供的掌握度更新方法,利用上述方法挖掘出的题目作答结果与知识点的关系,确定预设答题者在每个知识点下对于对应的题目是否作答正确;即,将作答正确与否与知识点进行关联而非整个题目,这是由于每道题目可能涉及多个知识点,而一道题目作答错误可能是由于某个或某些知识点导致的,再利用每个知识点下对于预设题目是否作答正确的确定结果对初始掌握度进行更新,能够保证更新后的掌握度更加精准。
结合第二方面,在第二方面第一实施方式中,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为正确答案时,提取所述作答结果对应的知识点;
确定所述预设答题者在所述作答结果对应的知识点下,对于所述题目作答正确。
结合第二方面,在第二方面第二实施方式中,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为错误答案时,提取所述作答结果对应的抵抗知识点;
确定所述预设答题者在所述作答结果对应的抵抗知识点下,对于所述题目作答错误。
结合第二方面,在第二方面第三实施方式中,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为错误答案时,提取所述作答结果对应的支持知识点;
确定所述预设答题者在所述作答结果对应的支持知识点下,对于所述题目作答正确。
本发明实施例提供的掌握度更新方法,其中错误答案对应的支持知识点,表示预设答题者已经掌握该支持知识点,进而可以理解为预设答题者在错误答案对应的支持知识点下,对于预设题目作答正确。
结合第二方面第三实施方式,在第二方面第四实施方式中,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
提取所述作答结果对应的无关知识点;
确定所述预设答题者在所述无关知识点下,对于所述题目作答正确;
或,
确定所述预设答题者在所述无关知识点下,对于所述题目部分作答正确;
或,
确定所述预设答题者在所述无关知识点下,对于所述题目作答错误。
根据第三方面,本发明实施例还提供了一种学习内容推荐方法,包括:
获取预设答题者在至少一道题目上的作答结果;
根据本发明第一方面,或第一方面任一项实施方式中所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应题目涉及的知识点的关系;
基于挖掘结果向所述预设答题者进行学习内容的推荐。
本发明实施例提供的学习内容推荐方法,利用上述方法挖掘到题目作答结果与知识点的关联,可以通过其更精确地捕捉到预设答题者在学习过程中产生每个作答结果的原因,从而也就更容易捕捉到预设答题者的优势或不足,更精确地向其进行学习内容的推荐。
结合第三方面,在第三方面第一实施方式中,所述基于挖掘结果向所述预设答题者进行所述学习内容的推荐,包括:
提取所述预设答题者在所有所述题目中的每个错误答案对应的抵抗知识点,以得到抵抗知识点集合;
利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐。
本发明实施例提供的知识内容的推荐方法,其中,由于抵抗知识点集合中的每个知识点是从预设答题者的作答结果中得出的,每个知识点都是导致题目作答错误的原因,因此,抵抗知识点可以理解为预设答题者尚未掌握的知识点,利用该抵抗知识点的集合向预设答题者进行学习内容的推荐能够保证所推荐的学习内容具有较高的适应性,更好地满足预设答题者实际需求。
结合第三方面第一实施方式,在第三方面第二实施方式中,所述利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐,包括:
统计所述抵抗知识点集合中每个所述知识点出现的次数;
基于统计出的次数确定第一待学习知识点,并向所述预设学习者推荐包括所述第一待学习知识点的学习内容。
结合第三方面第一实施方式,在第三方面第三实施方式中,所述利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐,包括:
对所述抵抗知识点集合中每个所述知识点出现的次数进行加权求和;
基于加权求和的结果确定第二待学习知识点,并向所述预设学习者推荐包括所述第二待学习知识点的学习内容。
结合第三方面,在第三方面第四实施方式中,所述基于挖掘结果向所述预设答题者进行所述学习内容的推荐,包括:
提取所述预设答题者在所有所述题目中的每个错误答案对应的抵抗知识点以得到抵抗知识点集合、每个错误答案对应的支持知识点以得到支持知识点集合以及每个正确答案对应的知识点以得到正确答案知识点集合中的至少之一;
对提取得到的集合中的每个所述知识点进行打分;
基于打分结果确定第三待学习知识点,并向所述预设学习者推荐包含所述第三待学习知识点的学习内容。
本发明实施例提供的知识内容的推荐方法,对于预设答题者而言,抵抗知识点可以理解为其尚未掌握的知识点,支持知识点集合以及正确答案知识点集合可以理解为其已经掌握的知识点,通过对不同知识点集合中的每个知识点进行打分,利用打分值将每个知识点进行区分,以保证所确定出的第三待学习知识点具有较高的可靠性。
结合第三方面第四实施方式,在第三方面第五实施方式中,所述提取得到的集合包括抵抗知识点集合、支持知识点集合以及正确答案知识点集合;其中,所述对提取得到的集合中的每个所述知识点进行打分,包括:
对所述支持知识点集合以及所述正确答案知识点集合中的每个所述知识点进行加分处理;
对所述抵抗知识点集合中的每个知识点进行减分处理;
综合所述加分处理以及所述减分处理,得到每个所述知识点的分值。
结合第三方面第五实施方式,在第三方面第六实施方式中,所述基于打分结果确定第三待学习知识点,并向所述预设学习者推荐包含所述第三待学习知识点的题目,包括:
根据所述知识点的打分值从高到低,或从低到高,或从中间到两边确定所述第三待学习知识点;
向所述预设学习者推荐包含所述第三待学习知识点的题目。
根据第四方面,本发明实施例还提供了一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明第一方面,或第一方面任一项实施方式中所述的题目作答结果与知识点关系的挖掘方法,或本发明第二方面,或第二方面任一项实施方式中所述的掌握度更新方法,或本发明第三方面,或第三方面任一项实施方式中所述的学习内容推荐方法。
根据第五方面,本发明实施例还提供了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指令,所述计算机指令用于使所述计算机执行本发明第一方面,或第一方面任一项实施方式中所述的题目作答结果与知识点关系的挖掘方法,或本发明第二方面,或第二方面任一项实施方式中所述的掌握度更新方法,或本发明第三方面,或第三方面任一项实施方式中所述的学习内容推荐方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的题目作答结果与知识点关系的挖掘方法的流程图;
图2是根据本发明实施例的题目作答结果与知识点关系的挖掘方法的流程图;
图3是根据本发明实施例的掌握度更新方法的流程图;
图4是根据本发明实施例的掌握度更新方法的流程图;
图5是根据本发明实施例的学习内容推荐方法的流程图;
图6是根据本发明实施例的学习内容推荐方法的流程图;
图7是根据本发明实施例的题目作答结果与知识点关系的挖掘装置的结构框图;
图8是根据本发明实施例的掌握度更新装置的结构框图;
图9是根据本发明实施例的学习内容推荐装置的结构示意图;
图10是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
需要说明的是,对于每一道题目而言,可能涉及多个知识点,而答题者的作答结果中隐含有该名答题者对所作答的题目的理解,其对应的作答结果反映了该名答题者对题目所涉及的所有知识点中的一个或多个的理解。例如,题目为:7+12*3,某学生的作答结果为57。假设该道题目所涉及的知识点包括:两位数与一位数的加法、两位数与一位数的乘法以及四则运算顺序;从学生的作答结果57可以看出,该作答结果对于两位数与一位数的加法以及两位数与一位数的乘法这两个知识点是支持的,而对于四则运算顺序这个知识点是抵抗的,则在某种程度上证明该名学生通过得到答案57,表现其在两位数与一位数的加法和两位与与一位数的乘法这两个知识点的表现很好,但在四则运算顺序这个知识点表现较差。
同时,虽然这道题作答错误,但在对该学生各个知识点的掌握度进行更新的时候,可以认为该学生在两位数与一位数的加法以及两位数与一位数的乘法这两个知识点下,对于这道题作答正确,在四则运算这个知识点下,对于这道题作答错误。
因此,通过学生的作答结果就可以分析出作答结果对应的知识点,以及通过作答结果可以分析出该作答结果对于哪些知识点是支持的,对于哪些知识点是抵抗的;同时基于分析结果,就可以确定该学生在某个知识下,对于题目是否作答正确。
更进一步地,还可以利用分析出的作答结果与知识点的关系向学生进行学习内容的推荐。
基于此,本申请提出了一种题目作答结果与知识点关系的挖掘方法、掌握度更新方法以及学习内容推荐方法,在下文中将依次对每个方法进行详细描述。根据本发明实施例,提供了一种题目作答结果与知识点关系的挖掘方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种题目作答结果与知识点关系的挖掘方法,可用于上述的电子设备。图1是根据本发明实施例的题目作答结果与知识点关系的挖掘方法的流程图,如图1所示,该流程包括如下步骤:
S11,获取预设题目涉及的所有知识点。
对于预设题目而言,其所涉及的所有知识点可以是通过知识点关联关系确定出,也可以是通过知识图谱确定出,或者也可以采用其他方式确定。在此对预设题目所涉及的所有知识点的确定方式并不做任何限定,只需保证电子设备能够获取到预设题目所涉及的所有知识点即可。
例如,预设题目所涉及的所有知识点集合为KS,表示为{K1,K2,K3},其中,K1-K3为三个不同的知识点。
S12,获取预设数量的答题者在预设题目上的作答结果以及每个答题者在各个知识点上的掌握度。
其中,所述作答结果包括所有答题者在预设题目的作答中出现的所有结果。例如,若预设题目为四项选择题,则作答结果为所有答题者对该题目的选择;若预设题目为填空题,则作答结果为所有答题者所有答案的集合。
电子设备所获取的作答结果为:预设数量的答题者在同一个题目上的作答结果,其中,答题者在线下作答,也可以在线上作答,对于电子设备而言,只需要获取到预设数量的答题者在该预设题目上的作答结果即可。
每个答题者在各个知识点上的掌握度表示为,每个答题者在预设题目所涉及的各个知识点上的掌握度。例如,如上文的示例,预设题目所涉及的知识点为K1,K2以及K3,那么需要获取到每个答题者在K1-K3上的掌握度。
例如,答题者1对于知识点K1掌握度为0.7,对于知识点K2的掌握度为0.2,对于知识点K3的掌握度为0.4;可以表示为:答题者1:{K1:0.7,K2:0.2,K3:0.4}。
答题者2对于知识点K1掌握度为0.5,对于知识点K2的掌握度为0.3,对于知识点K3的掌握度为0.2;可以表示为:答题者2:{K1:0.5,K2:0.3,K3:0.2}。
答题者3对于知识点K1掌握度为0.9,对于知识点K2的掌握度为0.5,对于知识点K3的掌握度为0.8;答题者3:{K1:0.9,K2:0.5,K3:0.8}。
当然,电子设备也可以采用其他方式表示各个答题者在各个知识点下的掌握度,只需保证其能够区分各个答题者的各个知识点下的掌握度即可。
S13,根据预设作答结果对应的答题者在各个知识点上的掌握度以及其他作答结果对应的答题者在各个知识点上的掌握度,确定预设作答结果对应的知识点及其与预设作答结果的对应关系。
所述的预设作答结果可以是事先指定的某个作答结果,也可以是随机确定的;所述的其他作答结果为所有作答结果中处预设作答结果以外的作答结果。
电子设备通过预设作答结果将预设数量的答题者进行划分,一部分为对预设题目的作答结果为预设作答结果的答题者(下文中将这部分答题者称之为第一类答题者),另一部分为对预设题目的作答结果为除预设作答结果以外的答题者(下文中将这部分答题者称之为第二类答题者)。其中,对于作答结果相同的答题者,表示其对于某些知识点的掌握趋于一致,而对于知识点的掌握体现为在知识点上的掌握度。因此可以利用第一类答题者与第二类答题者在各个知识点上的掌握度进行对比分析,从而确定出在该作答结果对应的知识点及其与该作答结果的对应关系。所述的对应关系为知识点为作答结果的支持知识点,或知识点为作答结果的抵抗知识点等等。
例如,对于每个知识点,可以依次比较第一类型答题者与第二类型答题者者在该知识点下的掌握度是否相同或相近(即掌握度的差值是否在预设范围内);若确定出第一类型答题者与第二类型答题者在该知识点下的掌握度相同或相近,则确定该知识点为预设作答结果对应的知识点;或者,也可以采用其他方式进行确定。在下文中将对该步骤进行详细描述。
需要说明的是,电子设备可以是对S12中所获取的所有作答结果进行其所对应的知识点及其与所述预设作答结果的对应关系的确定,也可以是仅对S12中某个或某些作答结果进行其所对应的知识点及其与所述预设作答结果的对应关系的确定,在此对电子设备具体对哪些作答结果进行其所对应的知识点的确定并不做任何限制。
本实施例提供的题目作答结果与知识点关系的挖掘方法,以预设作答结果(即,某一个作答结果)为对象,利用预设作答结果对应的答题者在各个知识点的掌握度与其他作答结果对应的答题者在各个知识点的掌握度,即,通过与预设作答结果相对应的掌握度以及其他作答结果对应的掌握度进行预设作答结果对应的知识点的确定,对于答题者而言,深入挖掘预设作答结果对应的知识点,避免了对于作答结果的理解仅限于作答正确与否,极大地提高了题目与知识点关联关系的准确性与全面性。
在本实施例中还提供了一种题目作答结果与知识点关系的挖掘方法,可用于上述的电子设备。图2是根据本发明实施例的题目作答结果与知识点关系的挖掘方法的流程图,如图2所示,该流程包括如下步骤:
S21,获取预设题目涉及的所有知识点。
详细请参见图1所示实施例的S11,在此不再赘述。
S22,获取预设数量的答题者在预设题目上的作答结果以及每个答题者在各个知识点上的掌握度。
其中,所述作答结果包括所有答题者在预设题目的作答中出现的所有结果。
详细请参见图1所示实施例的S12,在此不再赘述。
S23,根据预设作答结果对应的答题者在各个知识点上的掌握度以及其他作答结果对应的答题者在各个知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系。
S231,判断预设作答结果是否为预设题目的正确答案。
对于预设作答结果而言,其不是正确答案就是错误答案(此处的结论是在预设题目为客观题的前提下的)。电子设备对于不同的预设作答结果,具有不同的处理方式,其中,当作答结果为预设题目的正确答案时,执行S232;否则,执行S233。
S232,对于每个知识点,基于正确答案以及错误答案对应的答题者在知识点上的掌握度,确定正确答案对应的知识点。
电子设备首先将所有答题者划分为作答正确的答题者(即,正确答案对应的答题者),以及作答错误的答题者(即,错误答案对应的答题者),从而可以相应地提取各个答题者在所述知识点下的掌握度。
进一步地,电子设备采用假设检验的方法对正确答案对应的知识点进行确定,包括以下步骤:
(1.1)利用假设检验方法,在预设显著性水平下判断正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于错误答案对应的答题者在知识点上的掌握度均值。
电子设备预先设定一个预设显著性水平,并在该预设显著性水平下依次对每个知识点进行判断。即,判断正确答案对应的答题者在该知识点下的掌握度均值是否显著高于错误答案对应的答题者在该知识点下的掌握度均值。
例如,如上文所说的实例,预设题目为四项选择题,该题所涉及的知识点为K1,K2以及K3,所有的作答结果为A,B,C以及D;其中,该题的正确答案为C,那么电子设备首先将答题者划分为:作答结果为C(即,正确答案)的答题者,作答结果为A、B或D(即,错误答案)的答题者。
然后对于知识点K1,判断作答结果为C的答题者在K1下的掌握度均值是否显著高于作答结果为A、B以及D的答题者在K1下的掌握度均值;
对于知识点K2,判断作答结果为C的答题者在K2下的掌握度均值是否显著高于作答结果为A、B以及D的答题者在K2下的掌握度均值;
对于知识点K3,判断作答结果为C的答题者在K3下的掌握度均值是否显著高于作答结果为A、B以及D的答题者在K3下的掌握度均值。
(1.2)当正确答案对应的答题者在知识点上的掌握度均值显著高于错误答案对应的答题者在所述知识点上的掌握度均值时,确定知识点为所述正确答案对应的知识点。
例如,请参见上文所示的实施例:
对于知识点K1,作答结果为C的答题者在K1下的掌握度均值显著高于作答结果为A、B以及D的答题者在K1下的掌握度均值,则知识点K1为作答结果C对应的知识点;
对于知识点K2,作答结果为C的答题者在K2下的掌握度均值显著高于作答结果为A、B以及D的答题者在K2下的掌握度均值,则知识点K2为作答结果C对应的知识点;
对于知识点K3,作答结果为C的答题者在K3下的掌握度均值并不显著高于作答结果为A、B以及D的答题者在K3下的掌握度均值,则知识点K3并不是在预设显著性水平下作答结果C对应的知识点。
(1.3)当在预设显著性水平下不存在正确答案对应的知识点时,提高预设显著性水平,并在提高后的预设显著性水平下,执行判断正确答案对应的答题者在知识点上的掌握度均值是否显著高于错误答案对应的答题者在知识点上的掌握度均值的步骤,直至提高后的预设显著性水平达到显著性水平阈值为止。
具体地,若在预设显著性水平下,电子设备在所有知识点中并未确定出正确答案对应的知识点时,则将预设显著性水平提高,再次在提高后的显著性水平下进行判断。
作为本实施例的一种可选实施方式,上述步骤S232除了采用假设检验的方式进行正确答案对应的知识点的确定以外,还可以采用下述方法进行确定。具体地,包括:
(2.1)利用具有特征筛选作用的预测模型对答题者在知识点上的掌握度及所述答题者在所述预设题目上的作答正误进行建模。
建模的基础模型可以是L1正则化的逻辑回归模型等等,上述建模的数据为答题者在所述知识点上的掌握度及答题者在预设题目上的作答结果。
(2.2)基于建模结果选出与作答正确的概率相关的知识点;其中,所述相关的知识点为正确答案所对应的知识点。
(2.3)当在预设模型参数下不存在相关的知识点时,弱化所述模型的特征筛选条件,并利用弱化后的预测模型对答题者在知识点上的掌握度及答题者在预设题目上的作答正误进行建模。
具体地,与上文所描述的假设检验类似,电子设备可以对所述模型预设一组特征筛选参数,当在预设模型参数下不存在相关的知识点时,弱化所述模型的特征筛选条件(将所述参数提高或降低)之后,再次进行建模确定。
S233,对于每个知识点,基于正确答案、预设作答结果以及其他错误答案对应的答题者在知识点上的掌握度,确定预设作答结果对应的知识点及其与预设作答结果的对应关系。
其中,对于预设题目而言,正确答案只有一个,而错误答案可能存在多个,那么各个错误答案都存在其对应的知识点。在下文中,以预设作答结果为某一个错误答案W为例进行详细描述,具体地,包括:
(1.1)利用假设检验方法,在预设显著性水平下判断正确答案对应的答题者在知识点上的掌握度均值是否显著高于预设作答结果对应的答题者在知识点上的掌握度均值。
电子设备需要首先将答题者分为:正确答案对应的答题者(以下称之为第一类型答题者),错误答案W对应的答题者(以下称之为第二类型A答题者),其他错误答案(除错误答案W以外的其他错误答案)对应的答题者(以下称之为第二类型B答题者)。
然后针对每个知识点,依次判断第一类型答题者在该知识点上的掌握度均值是否显著高于第二类型A答题者在该知识点上的掌握度均值,以确定预设作答结果对应的抵抗知识点。
(1.2)当正确答案对应的答题者在知识点上的掌握度均值显著高于预设作答结果对应的答题者在知识点上的掌握度均值时,确定知识点为预设作答结果的抵抗知识点。
作为本实施例的一种可选实施方式,电子设备在确定出预设作答结果对应的抵抗知识点以后,还可以再确定预设作答结果对应的支持知识点。具体地,包括:
(2.1)当所述正确答案对应的答题者在所述知识点上的掌握度均值不显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值时,判断所述预设作答结果对应的答题者在所述知识点上的掌握度均值是否显著高于其他错误答案对应的答题者在所述知识点上的掌握度均值。
例如,以预设作答结果为错误答案W为例,错误答案W对应的答题者为1,2,3;其他错误答案对应的答题者为4,5。
对于知识点K1,判断错误答案W对应的答题者在知识点K1上的掌握度均值是否显著高于其他错误答案对应的答题者在知识点K1上的掌握度均值;
对于知识点K2,判断错误答案W对应的答题者在知识点K2上的掌握度均值是否显著高于其他错误答案对应的答题者在知识点K2上的掌握度均值;
对于知识点K3,判断错误答案W对应的答题者在知识点K3上的掌握度均值是否显著高于其他错误答案对应的答题者在知识点K3上的掌握度均值。
(2.2)当所述预设作答结果对应的答题者在所述知识点上的掌握度均值显著高于其他错误答案对应的答题者在知识点上的掌握度均值时,确定知识点为预设作答结果对应的支持知识点。
作为本实施例的一种可选实施方式中,该方法还包括:
(a)在所有知识点中筛选出抵抗知识点以及支持知识点以外的知识点。
(b)确定筛选出的知识点为错误答案对应的无关知识点。
根据本发明实施例,提供了一种掌握度更新方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种掌握度更新方法,可用于上述的电子设备。图3是根据本发明实施例的掌握度更新方法的流程图,如图3所示,该流程包括如下步骤:
S31,获取预设答题者在至少一个题目上的作答结果以及在各个题目涉及的知识点上的初始掌握度。
预设答题者对于题目的作答可以是线上,也可以是线下,对作答形式并不做任何限定,只需保证电子设备在进行掌握度更新时能够获取到预设答题者在该题目上的作答结果即可。
对于预设题目所涉及的知识点的描述请参见图1所示实施例的S11,在此不再赘述。
预设答题者在各个题目涉及的知识点上的初始掌握度可以实现存储在电子设备中的,也可以是电子设备从外界获取到的,在此对初始掌握度的获取形式并不做任何限定,只需保证电子设备能够获取到预设答题者在各个题目涉及的知识点上的初始掌握度即可。
S32,根据上述实施例中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应题目涉及的知识点的关系。
详细请参见图1或图2所示实施例中的题目作答结果与知识点关系的挖掘方法,在此不再赘述。
S33,针对各个题目中的每个知识点,基于挖掘结果确定预设答题者在所述知识点下对于题目是否作答正确。
电子设备在S32中确定出了预设答题者的在题目上的作答结果与题目对应的知识点的关系,例如,某一题目所涉及到的知识点为K1、K2以及K3,正确答案对应的知识点为K1-K3,错误答案1对应的知识点为K1,错误答案2对应的知识点为K2以及K3,错误答案3对应的知识点为K3。其中,当预设答题者在该题目上的作答结果为错误答案1时,电子设备可以确定该名答题者在知识点K1下,对于预设题目作答错误;当作答结果为错误答案2时,电子设备可以确定该名答题者在知识点K2以及K3下,对于预设题目作答错误;等等。
对于题目是否作答正确而言,将其细化至作答结果涉及到的知识点中,而非整个题目所涉及知识点,在下文中将对该步骤进行详细说明。
S34,利用确定的结果对初始掌握度进行更新。
电子设备对于掌握度的更新,可以是预设答题者每完成一道题目进行一次更新,也可以是每隔一定的时间进行更新。其中,在S33中确定预设答题者在作答结果对应的知识点下,对于预设题目是否作答正确之后,就相当于对在各个知识点下,对于题目的作答正确与否进行了更新;或者可以理解为,对各个知识下,答对题目的数量,或答错题目的数量进行了更新。电子设备可以利用更新后的数量,对初始掌握度进行更新。具体掌握度的计算方式可以是采用与初始掌握度的计算方式相同,不同的是每个知识点答对题目的数量,或答错题目的数量;或者,也可以利用其他方式计算掌握度,在此对掌握度的具体计算方式并不做任何限定,只需保证电子设备能够计算出掌握度即可。
本实施例提供的掌握度更新方法,利用上述方法挖掘出的题目作答结果与知识点的关系,确定预设答题者在每个知识点下对于预设题目是否作答正确;即,将作答正确与否与知识点进行关联而非整个题目,这是由于每道题目可能涉及多个知识点,而一道题目作答错误可能是由于某个或某些知识点导致的,再利用每个知识点下对于预设题目是否作答正确的确定结果对初始掌握度进行更新,能够保证更新后的掌握度更加精准。
在本实施例中提供了一种掌握度更新方法,可用于上述的电子设备。图4是根据本发明实施例的掌握度更新方法的流程图,如图4所示,该流程包括如下步骤:
S41,获取预设答题者在至少一个题目上的作答结果以及在各个题目涉及的知识点上的初始掌握度。
详细请参见图3所示实施例的S31,在此不再赘述。
S42,根据上述实施例中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应题目涉及的知识点的关系。
详细请参见图3所示实施例的S32,在此不再赘述。
S43,针对各个题目中的每个知识点,基于挖掘结果确定预设答题者在知识点下对于题目是否作答正确。
电子设备在S42中,确定出了作答结果与题目涉及的知识点的关系,即,当作答结果为正确答案时,所得到的是正确答案对应的知识点;当作答结果为错误答案时,所得到的是错误答案对应的抵抗知识点,或者,更进一步地,当作答结果为错误答案时,所得到的是错误答案对应的支持知识点。具体地,该步骤包括:
S431,当作答结果为正确答案时,提取作答结果对应的知识点。
S432,确定预设答题者在作答结果对应的知识点下,对于所述题目作答正确。
当作答结果为正确答案时,可以认为预设答题者在正确答案对应的所有知识点下,对于所述题目作答正确。
S433,当作答结果为错误答案时,提取作答结果对应的抵抗知识点。
S434,确定预设答题者在作答结果对应的抵抗知识点下,对于所述题目作答错误。
S435,提取作答结果对应的支持知识点。
S436,确定预设答题者在作答结果对应的支持知识点下,对于所述题目作答正确。
当作答结果为错误答案时,错误答案对应的知识点可以仅包括抵抗知识点,也可以出抵抗知识点外还包括支持知识点。对于抵抗知识点而言,可以确定预设答题者对于预设题目作答错误;对于支持知识点而言,可以确定预设答题者对于预设题目作答正确。
作为本实施例的一种可选实施方式,当作答结果为错误答案时,上述步骤S43还可以包括:
(1)提取所述作答结果对应的无关知识点。
(2)确定预设答题者在无关知识点下,对于预设题目作答正确;或,对于预设题目部分作答正确;或,确定预设答题者在无关知识点下,对于预设题目作答错误。
可选地,也可以认为题目正确与否对无关知识点无任何影响。
S44,利用确定的结果对初始掌握度进行更新。
详细请参见图3所示实施例的S34,在此不再赘述。
本实施例提供的掌握度更新方法,其中错误答案对应的支持知识点,表示预设答题者已经掌握该支持知识点,进而可以理解为预设答题者在错误答案对应的支持知识点下,对于预设题目作答正确,避免了仅仅从作答结果本身对掌握度进行更新,而将掌握度与作答结果对应的知识点关联,提高了更新后掌握度的准确性。
根据本发明实施例,提供了一种掌握度更新方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种学习内容推荐方法,可用于上述的电子设备。图5是根据本发明实施例的学习内容推荐方法的流程图,如图5所示,该流程包括如下步骤:
S51,获取预设答题者在至少一道题目上的作答结果。
对于作答结果的获取详细请参见图3所示实施例的S31,在此不再赘述。
S52,根据上述实施例任一项所述的作答结果与知识点关系的挖掘方法挖掘作答结果与对应题目涉及的知识点的关系。
详细请参见图1或图2所示实施例中的题目作答结果与知识点关系的挖掘方法,在此不再赘述。
S53,基于挖掘结果向预设答题者进行学习内容的推荐。
例如,当作答结果为正确答案时,可以向预设答题者推荐包含正确答案对应的知识点的学习内容,以巩固该知识点;当作答结果为错误答案时,可以向预设答题者推荐包含错误答案对应的知识点的学习内容,以对该知识点进行提高等等。在下文中将对该步骤进行详细描述。
本实施例提供的学习内容推荐方法,利用上述方法挖掘到题目作答结果与知识点的关联,可以通过其更精确地捕捉到预设答题者在学习过程中产生每个作答结果的原因,从而也就更容易捕捉到预设答题者的优势或不足,更精确地向其进行学习内容的推荐。
在本实施例中提供了一种学习内容推荐方法,可用于上述的电子设备。图6是根据本发明实施例的学习内容推荐方法的流程图,如图6所示,该流程包括如下步骤:
S61,获取预设答题者在至少一道题目上的作答结果。
详细请参见图5所示实施例的S51,在此不再赘述。
S62,根据上述实施例任一项所述的作答结果与知识点关系的挖掘方法挖掘作答结果与对应题目涉及的知识点的关系。
详细请参见图5所示实施例的S52,在此不再赘述。
S63,基于挖掘结果向预设答题者进行学习内容的推荐。
具体地,该步骤包括:
S631,提取预设答题者在所有题目中的每个错误答案对应的抵抗知识点,以得到抵抗知识点集合。
电子设备从预设答题者的所有作答题目中,确定作答错误的题目,再对作答错误的题目中错误答案对应的抵抗知识点进行提取;对提取到的所有抵抗知识点进行并集处理,从而得到抵抗知识点集合。
例如,预设答题者共答题10道,其中,有4道题作答错误;那么就会涉及4个错误答案对应的抵抗知识点。其中,第一个错题的错误答案对应的抵抗知识点为K1、K4;第二个错题的错误答案对应的抵抗知识点为K1、K2;第三个错题的错误答案对应的抵抗知识点为K2、K4;第四个错题的错误答案对应的抵抗知识点为K1。因此,所得到的抵抗知识点集合为:{K1,K2,K4}。
S632,利用抵抗知识点集合,向预设答题者进行学习内容的推荐。
电子设备在得到抵抗知识点集合之后,可以针对该集合中的每个知识点,向预设答题者推荐包括各个知识点的学习内容。
作为本实施例的一种可选实施方式,S63还可以采用以下方法进行学习内容的推荐:
(1)统计抵抗知识点集合中每个知识点出现的次数。
请参见S631中的示例,在得到抵抗知识点集合的同时,还对抵抗知识点集合中的每个知识点进行统计,所得到的抵抗知识点集合可以表示为{K1:3,K2:1,K4:2}。
(2)基于统计出的次数确定第一待学习知识点,并向预设学习者推荐包括第一待学习知识点的学习内容。
电子设备利用统计出的次数对抵抗知识点集合中的各个知识点进行排序,按照排序结果确定第一待学习知识点。例如,可以进行降序排列,从而确定抵抗知识点集合中出现次数最多的知识点为第一待学习知识点,或者出现次数最多几个知识点为第一待学习知识点。
在确定出第一待学习知识点之后,再向预设学习者推荐包括第一待学习知识点的学习内容。
作为本实施例的另一种可选实施方式,S63还可以采用以下方法进行学习内容的推荐:
(1)对抵抗知识点集合中每个知识点出现的次数进行加权求和。
请参见S631中的示例,可以对每个题目设置一定的权值,例如,第一个错题权值为c1,第二个错题权值c2,第三个错题权值为c3,第四个错题权值c4,那么对所得到的抵抗知识点集合为:{K1:(c1+c2+c4),K2:(c2+c3),K4:(c1+c3)}。
(2)基于加权求和的结果确定第二待学习知识点,并向预设学习者推荐包括第二待学习知识点的学习内容。
详细请参见“基于统计出的次数确定第一待学习知识点,并向预设学习者推荐包括第一待学习知识点的学习内容”的步骤中的相关描述,在此不再赘述。
本实施例提供的知识内容的推荐方法,其中,由于抵抗知识点集合中的每个知识点是从预设答题者的作答结果中得出的,每个知识点都是导致题目作答错误的原因,因此,抵抗知识点可以理解为预设答题者尚未掌握的知识点,利用该抵抗知识点的集合向预设答题者进行学习内容的推荐能够保证所推荐的学习内容具有较高的适应性,更好地满足预设答题者实际需求。
作为本实施例的一种可选实施方式,上述S63还可以采用以下步骤进行:
(1)提取预设答题者在所有题目中的每个错误答案对应的抵抗知识点以得到抵抗知识点集合、每个错误答案对应的支持知识点以得到支持知识点集合以及每个正确答案对应的知识点以得到正确答案知识点集合中的至少之一。
电子设备可以利用抵抗知识点集合、支持知识点集合以及正确答案知识点集合中的一个,或者任意两个,或者三个,进行学习内容的推荐。
(2)对提取得到的集合中的每个知识点进行打分。
所述的打分具体为针对不同的集合,赋予集合中的知识点一定的分值。对于,抵抗知识点集合,对于抵抗知识点集合中的每个知识点进行减分(即,赋予的分值为负),对于支持知识点集合以及正确答案知识点集合中的每个知识点进行加分(即,分别赋予的分值为正)。具体的打分值的大小可以根据实际情况进行具体设置,在此并不做任何限制。
在下文中,对于三个集合为例,进行详细描述:
(2.1)对支持知识点集合以及正确答案知识点集合中的每个知识点进行加分处理。
需要说明的是,对于支持知识点集合以及正确答案知识点集合而言,可以赋予相同的分值,也可以赋予不同的分值。
(2.2)对抵抗知识点集合中的每个知识点进行减分处理。
所述的减分处理可以理解为:对抵抗知识点集合中的每个知识点赋予一定的负值。
(2.3)综合加分处理以及减分处理,得到每个知识点的分值。
对支持知识点集合、正确答案知识点集合以及抵抗知识点集合中的所有知识点进行并集处理,并对各个知识点的分值进行求和,以得到各个知识点的综合分值。
(3)基于打分结果确定第三待学习知识点,并向预设学习者推荐包含所述第三待学习知识点的题目。
其中,对于第三待学习知识点的确定可以与第二待学习知识点的确定类似,具体地,可以包括以下步骤:
(3.1)根据知识点的打分值从高到低,或从低到高,或从中间到两边确定所述第三待学习知识点。
其中对于打分值从高到低确定第三待学习知识点,可以实现培优的目的;从低到高确定第三待学习知识点,可以实现补差的目的;从中间到两边确定第三待学习知识点,可以实现优化推荐的目的。
(3.2)向预设学习者推荐包含第三待学习知识点的学习内容。
在确定出第三待学习知识点之后,电子设备向预设学习者推荐包含第三待学习知识点的学习内容。
在本发明的实施例中还提供了一种题目作答结果与知识点关系的挖掘装置、掌握度更新装置以及知识内容推荐装置。其中,该装置用于实现上述对应实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种题目作答结果与知识点关系的挖掘装置,如图7所示,包括:
第一获取模块71,用于获取预设题目涉及的所有知识点。
第二获取模块72,用于获取预设数量的答题者在所述预设题目上的作答结果以及每个所述答题者在各个所述知识点上的掌握度;其中,所述作答结果包括所有所述答题者在所述预设题目的作答中出现的所有结果。
确定模块73,用于根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系。
本实施例提供的题目作答结果与知识点关系的挖掘装置,以预设作答结果(即,某一个作答结果)为对象,利用预设作答结果对应的答题者在各个知识点的掌握度与其他作答结果对应的答题者在各个知识点的掌握度,即,通过与预设作答结果相对应的掌握度以及其他作答结果对应的掌握度进行预设作答结果对应的知识点的确定,对于答题者而言,深入挖掘预设作答结果对应的知识点,避免了对于作答结果的理解仅限于作答正确与否,极大地提高了题目与知识点关联关系的准确性和全面性。
本实施例还提供了一种掌握度更新装置,如图8所示,包括:
第三获取模块81,用于获取预设答题者在至少一个题目上的作答结果以及在各个所述预设题目涉及的知识点上的初始掌握度。
第一挖掘模块82,用于根据上述实施例中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应所述预设题目涉及的知识点的关系。
作答结果确定模块83,用于针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确。
掌握度更新模块84,用于利用确定的结果对所述初始掌握度进行更新。
本实施例提供的掌握度更新模块,利用上述方法挖掘出的题目作答结果与知识点的关系,确定预设答题者在每个知识点下对于对应题目是否作答正确;即,将作答正确与否与知识点进行关联而非整个题目,这是由于每道题目可能涉及多个知识点,而一道题目作答错误可能是由于某个或某些知识点导致的,再利用每个知识点下对于对应题目是否作答正确的确定结果对初始掌握度进行更新,能够保证更新后的掌握度更加精准。
本实施例还提供了一种学习内容推荐装置,如图9所示,包括:
第四获取模块91,用于获取预设答题者在至少一道题目上的作答结果。
第二挖掘模块92,用于根据上述实施例中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应题目涉及的知识点的关系。
学习内容推荐模块93,用于基于挖掘结果向所述预设答题者进行学习内容的推荐。
本实施例提供的学习内容推荐模块,利用上述方法挖掘到题目作答结果与知识点的关联,可以通过其更精确地捕捉到预设答题者在学习过程中产生每个作答结果的原因,从而也就更容易捕捉到预设答题者的优势或不足,更精确地向其进行学习内容的推荐。
本实施例中的题目作答结果与知识点关系的挖掘装置、掌握度更新装置以及学习内容推荐模块是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种电子设备,具有上述图7所示的题目作答结果与知识点关系的挖掘装置、或具有上述图8所示的掌握度更新方法、或具有上述图9所示的学习内容推荐装置。
请参阅图10,图10是本发明可选实施例提供的一种电子设备的结构示意图,如图10所示,该电子设备可以包括:至少一个处理器101,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口103,存储器104,至少一个通信总线102。其中,通信总线102用于实现这些组件之间的连接通信。其中,通信接口103可以包括显示屏(Display)、键盘(Keyboard),可选通信接口103还可以包括标准的有线接口、无线接口。存储器104可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器104可选的还可以是至少一个位于远离前述处理器101的存储装置。其中处理器101可以结合图7、图8或图9所描述的装置,存储器104中存储应用程序,且处理器101调用存储器104中存储的程序代码,以用于执行上述任一方法步骤。
其中,通信总线102可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线102可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器104可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器104还可以包括上述种类的存储器的组合。
其中,处理器101可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器101还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器104还用于存储程序指令。处理器101可以调用程序指令,实现如本申请图1-图2实施例中所示的题目作答结果与知识点关系的挖掘方法;或如本申请图3-图4实施例中所示的掌握度更新方法;或如本申请图5-图6实施例所示的知识内容推荐方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的题目作答结果与知识点关系的挖掘方法、掌握度更新方法、或知识以内容推荐方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (24)
1.一种题目作答结果与知识点关系的挖掘方法,其特征在于,包括:
获取预设题目涉及的所有知识点;
获取预设数量的答题者在所述预设题目上的作答结果以及每个所述答题者在各个所述知识点上的掌握度;其中,所述作答结果包括所有所述答题者在所述预设题目的作答中出现的所有结果;
根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系,包括:
判断所述预设作答结果是否为所述预设题目的正确答案;
当所述预设作答结果为所述预设题目的正确答案时,对于每个所述知识点,基于所述正确答案以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点。
3.根据权利要求2所述的方法,其特征在于,所述基于所述正确答案对应的答题者在所述知识点上的掌握度以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点,包括:
利用假设检验方法,在预设显著性水平下判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于所述错误答案对应的答题者在所述知识点上的掌握度均值;
当所述正确答案对应的答题者在所述知识点上的掌握度均值显著高于所述错误答案对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述正确答案对应的知识点。
4.根据权利要求3所述的方法,其特征在于,还包括:
当在所述预设显著性水平下不存在所述正确答案对应的知识点时,提高所述预设显著性水平,并在提高后的所述预设显著性水平下,执行判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于错误答案对应的答题者在所述知识点上的掌握度均值的步骤,直至提高后的所述预设显著性水平达到显著性水平阈值为止。
5.根据权利要求2所述的方法,其特征在于,所述基于所述正确答案对应的答题者在所述知识点上的掌握度以及错误答案对应的答题者在所述知识点上的掌握度,确定所述正确答案对应的知识点,包括:
利用具有特征筛选作用的预测模型对所述答题者在所述知识点上的掌握度及所述答题者在所述预设题目上的作答正误进行建模;
基于建模结果选出与所述作答正确的概率相关的知识点;其中,所述相关的知识点为所述正确答案对应的知识点。
6.根据权利要求5所述的方法,其特征在于,当在预设模型参数下不存在所述相关的知识点时,弱化所述模型的特征筛选条件,并利用弱化所述条件后的所述预测模型对所述答题者在所述知识点上的掌握度及所述答题者在所述预设题目上的作答正误进行建模。
7.根据权利要求2所述的方法,其特征在于,所述根据预设作答结果对应的答题者在各个所述知识点上的掌握度以及其他作答结果对应的答题者在各个所述知识点上的掌握度,确定所述预设作答结果对应的所述知识点及其与所述预设作答结果的对应关系,包括:
当所述预设作答结果为所述预设题目的错误答案时,对于每个所述知识点,基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系。
8.根据权利要求7所述的方法,其特征在于,所述基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系,包括:
利用假设检验方法,在预设显著性水平下判断所述正确答案对应的答题者在所述知识点上的掌握度均值是否显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值;
当所述正确答案对应的答题者在所述知识点上的掌握度均值显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述预设作答结果对应的抵抗知识点。
9.根据权利要求8所述的方法,其特征在于,所述基于所述正确答案、所述预设作答结果以及其他错误答案对应的答题者在所述知识点上的掌握度,确定所述预设作答结果对应的知识点及其与所述预设作答结果的对应关系,还包括:
当所述正确答案对应的答题者在所述知识点上的掌握度均值不显著高于所述预设作答结果对应的答题者在所述知识点上的掌握度均值时,判断所述预设作答结果对应的答题者在所述知识点上的掌握度均值是否显著高于所述其他错误答案对应的答题者在所述知识点上的掌握度均值;
当所述预设作答结果对应的答题者在所述知识点上的掌握度均值显著高于所述其他错误答案对应的答题者在所述知识点上的掌握度均值时,确定所述知识点为所述预设作答结果对应的支持知识点。
10.根据权利要求9所述的方法,其特征在于,还包括:
在所有所述知识点中筛选出所述抵抗知识点以及所述支持知识点以外的知识点;
确定筛选出的知识点为所述预设作答结果对应的无关知识点。
11.一种掌握度更新方法,其特征在于,包括:
获取预设答题者在至少一个题目上的作答结果以及在各个所述题目涉及的知识点上的初始掌握度;
根据权利要求1-10中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应所述题目涉及的知识点的关系;
针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确;
利用确定的结果对所述初始掌握度进行更新。
12.根据权利要求11所述的方法,其特征在于,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为正确答案时,提取所述作答结果对应的知识点;
确定所述预设答题者在所述作答结果对应的知识点下,对于所述题目作答正确。
13.根据权利要求11所述的方法,其特征在于,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为错误答案时,提取所述作答结果对应的抵抗知识点;
确定所述预设答题者在所述作答结果对应的抵抗知识点下,对于所述题目作答错误。
14.根据权利要求11所述的方法,其特征在于,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
当所述作答结果为错误答案时,提取所述作答结果对应的支持知识点;
确定所述预设答题者在所述作答结果对应的支持知识点下,对于所述题目作答正确。
15.根据权利要求14所述的方法,其特征在于,所述针对各个所述题目中的每个所述知识点,基于挖掘结果确定所述预设答题者在所述知识点下对于所述题目是否作答正确,包括:
提取所述作答结果对应的无关知识点;
确定所述预设答题者在所述无关知识点下,对于所述题目作答正确;
或,
确定所述预设答题者在所述无关知识点下,对于所述题目部分作答正确;
或,
确定所述预设答题者在所述无关知识点下,对于所述题目作答错误。
16.一种学习内容推荐方法,其特征在于,包括:
获取预设答题者在至少一道题目上的作答结果;
根据权利要求1-10中任一项所述的作答结果与知识点关系的挖掘方法挖掘所述作答结果与对应题目涉及的知识点的关系;
基于挖掘结果向所述预设答题者进行学习内容的推荐。
17.根据权利要求16所述的方法,其特征在于,所述基于挖掘结果向所述预设答题者进行所述学习内容的推荐,包括:
提取所述预设答题者在所有所述题目中的每个错误答案对应的抵抗知识点,以得到抵抗知识点集合;
利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐。
18.根据权利要求17所述的方法,其特征在于,所述利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐,包括:
统计所述抵抗知识点集合中每个所述知识点出现的次数;
基于统计出的次数确定第一待学习知识点,并向所述预设学习者推荐包括所述第一待学习知识点的学习内容。
19.根据权利要求17所述的方法,其特征在于,所述利用所述抵抗知识点集合,向所述预设答题者进行所述学习内容的推荐,包括:
对所述抵抗知识点集合中每个所述知识点出现的次数进行加权求和;
基于加权求和的结果确定第二待学习知识点,并向所述预设学习者推荐包括所述第二待学习知识点的学习内容。
20.根据权利要求16所述的方法,其特征在于,所述基于挖掘结果向所述预设答题者进行所述学习内容的推荐,包括:
提取所述预设答题者在所有所述题目中的每个错误答案对应的抵抗知识点以得到抵抗知识点集合、每个错误答案对应的支持知识点以得到支持知识点集合以及每个正确答案对应的知识点以得到正确答案知识点集合中的至少之一;
对提取得到的集合中的每个所述知识点进行打分;
基于打分结果确定第三待学习知识点,并向所述预设学习者推荐包含所述第三待学习知识点的学习内容。
21.根据权利要求20所述的方法,其特征在于,所述提取得到的集合包括抵抗知识点集合、支持知识点集合以及正确答案知识点集合;其中,所述对提取得到的集合中的每个所述知识点进行打分,包括:
对所述支持知识点集合以及所述正确答案知识点集合中的每个所述知识点进行加分处理;
对所述抵抗知识点集合中的每个知识点进行减分处理;
综合所述加分处理以及所述减分处理,得到每个所述知识点的分值。
22.根据权利要求21所述的方法,其特征在于,所述基于打分结果确定第三待学习知识点,并向所述预设学习者推荐包含所述第三待学习知识点的题目,包括:
根据所述知识点的打分值从高到低,或从低到高,或从中间到两边确定所述第三待学习知识点;
向所述预设学习者推荐包含所述第三待学习知识点的题目。
23.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-10中任一项所述的题目作答结果与知识点关系的挖掘方法,或11-15中任一项所述的掌握度更新方法,或16-22中任一项所述的学习内容推荐方法。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的题目作答结果与知识点关系的挖掘方法,或11-15中任一项所述的掌握度更新方法,或16-22中任一项所述的学习内容推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430686.0A CN110222195B (zh) | 2019-05-22 | 2019-05-22 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910430686.0A CN110222195B (zh) | 2019-05-22 | 2019-05-22 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222195A true CN110222195A (zh) | 2019-09-10 |
CN110222195B CN110222195B (zh) | 2021-11-16 |
Family
ID=67817968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910430686.0A Active CN110222195B (zh) | 2019-05-22 | 2019-05-22 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222195B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852071A (zh) * | 2019-11-08 | 2020-02-28 | 科大讯飞股份有限公司 | 知识点检测方法、装置、设备及可读存储介质 |
CN111949882A (zh) * | 2020-08-18 | 2020-11-17 | 西安邮电大学 | 一种领域知识点结构缺陷智能诊断方法 |
CN113010830A (zh) * | 2021-04-01 | 2021-06-22 | 深圳市东方迈卓科技有限公司 | 互联网教育的错题记录方法及系统 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 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 (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090287619A1 (en) * | 2008-05-15 | 2009-11-19 | Changnian Liang | Differentiated, Integrated and Individualized Education |
CN108090119A (zh) * | 2017-11-08 | 2018-05-29 | 广东小天才科技有限公司 | 显示题目答案的方法、装置、移动终端及存储介质 |
CN108563780A (zh) * | 2018-04-25 | 2018-09-21 | 北京比特智学科技有限公司 | 课程内容推荐方法和装置 |
CN109636218A (zh) * | 2018-12-20 | 2019-04-16 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
-
2019
- 2019-05-22 CN CN201910430686.0A patent/CN110222195B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090287619A1 (en) * | 2008-05-15 | 2009-11-19 | Changnian Liang | Differentiated, Integrated and Individualized Education |
CN108090119A (zh) * | 2017-11-08 | 2018-05-29 | 广东小天才科技有限公司 | 显示题目答案的方法、装置、移动终端及存储介质 |
CN108563780A (zh) * | 2018-04-25 | 2018-09-21 | 北京比特智学科技有限公司 | 课程内容推荐方法和装置 |
CN109636218A (zh) * | 2018-12-20 | 2019-04-16 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
朱天宇等: "基于认知诊断的个性化试题推荐方法", 《计算机学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852071A (zh) * | 2019-11-08 | 2020-02-28 | 科大讯飞股份有限公司 | 知识点检测方法、装置、设备及可读存储介质 |
CN110852071B (zh) * | 2019-11-08 | 2023-10-24 | 科大讯飞股份有限公司 | 知识点检测方法、装置、设备及可读存储介质 |
CN111949882A (zh) * | 2020-08-18 | 2020-11-17 | 西安邮电大学 | 一种领域知识点结构缺陷智能诊断方法 |
CN111949882B (zh) * | 2020-08-18 | 2023-09-08 | 西安邮电大学 | 一种领域知识点结构缺陷智能诊断方法 |
CN113010830A (zh) * | 2021-04-01 | 2021-06-22 | 深圳市东方迈卓科技有限公司 | 互联网教育的错题记录方法及系统 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110222195B (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222195A (zh) | 题目作答结果与知识点关系的挖掘方法及电子装置 | |
CN104268603B (zh) | 用于文字性客观题的智能阅卷方法及系统 | |
CN101859274B (zh) | 一种进行模糊测试的方法及系统 | |
CN107918655A (zh) | 一种试卷生成管理控制系统及控制方法 | |
Barbour et al. | Numerical modelling–prediction or process | |
CN105574630A (zh) | 在线课程的管理方法及管理系统 | |
CN109816265A (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
CN106780116A (zh) | 电力应急演练方法、装置及其情景模型的构建方法、装置 | |
CN109165309A (zh) | 负例训练样本采集方法、装置及模型训练方法、装置 | |
CN110263181A (zh) | 知识结构的挖掘方法及学习路径的规划方法 | |
CN110349446A (zh) | 智能学习系统及方法 | |
CN106326776A (zh) | 基于规则的数据对象验证方法、装置、系统及电子设备 | |
CN110019686A (zh) | 知识点掌握度的确定方法、装置、设备和存储介质 | |
CN113377942A (zh) | 一种试卷生成方法、装置、计算机设备及存储介质 | |
CN109035088A (zh) | 基于错题的自适应学习方法 | |
CN106959919A (zh) | 基于测试路径图的软件测试方法及装置 | |
CN110688480A (zh) | 一种基于消息的实时教学评估方法及系统 | |
CN109885727A (zh) | 资料推送方法、装置、电子设备及系统 | |
CN109325130A (zh) | 一种时序性认知诊断方法及装置 | |
CN113177868A (zh) | 一种教学展示系统 | |
CN105468530B (zh) | 一种基于有限状态机的程序错误检测方法及系统 | |
CN104484554A (zh) | 一种获取课程关联度的方法及系统 | |
CN110136530A (zh) | 一种财税实训平台 | |
Mallavarapu | Exploration maps, beyond top scores: Designing formative feedback for open-ended problems | |
CN105336235A (zh) | 一种用于智能学习系统的分值设定方法 |
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 |