CN110245207B - 一种题库构建方法、题库构建装置及电子设备 - Google Patents
一种题库构建方法、题库构建装置及电子设备 Download PDFInfo
- Publication number
- CN110245207B CN110245207B CN201910467543.7A CN201910467543A CN110245207B CN 110245207 B CN110245207 B CN 110245207B CN 201910467543 A CN201910467543 A CN 201910467543A CN 110245207 B CN110245207 B CN 110245207B
- Authority
- CN
- China
- Prior art keywords
- question
- difficulty coefficient
- user
- target group
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
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
-
- 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
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请公开了一种题库构建方法、题库构建装置、电子设备及计算机可读存储介质，其中，该题库构建方法包括：确定用户所属的目标群体；根据所述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于所述目标群体的难度系数；基于目标题目构建所述用户的题库，其中，所述目标题目为所述难度系数处于预设的难度系数区间的题目。通过本申请方案，可以针对用户的学习特点，为用户定制化难度在一定范围内的题库，以提高用户的学习效率。
Description
技术领域
本申请属于大数据处理技术领域，尤其涉及一种题库构建方法、题库构建装置、电子设备及计算机可读存储介质。
背景技术
当前，越来越多的人选择在家中通过电子设备进行在线学习，并在学习后通过在线试题来检验自己的学习成果。但在答题时，题库中的题目往往难度不一，过难的题目容易打击用户的积极性从而引起用户的抗拒心理；而过易的题目无法实现检验用户学习成果的目的。
发明内容
有鉴于此，本申请提供了一种题库构建方法、题库构建装置及电子设备，能够为用户定制化题库，提高用户的学习效率。
本申请的第一方面提供了一种题库构建方法，包括：
确定用户所属的目标群体；
根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数；
基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。
可选地，上述确定用户所属的目标群体，包括：
获取用户的当前学习进度和/或当前位置；
基于上述当前学习进度和/或上述当前位置，确定上述用户所属的目标群体。
可选地，上述根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数，包括：
针对任一题目，获取上述目标群体中已答过上述题目的人数，记为第一人数；
获取上述目标群体中答错上述题目的人数，记为第二人数；
根据上述第一人数及第二人数，设定上述题目对于上述目标群体的难度系数。
可选地，在上述实时确定各个题目对于上述目标群体的难度系数之后，上述题库构建方法还包括：
将各个题目对于上述目标群体的难度系数推送至监管客户端；
若接收到上述监管客户端所反馈的难度系数调整指令，则调整上述难度系数调整指令所指向的题目对于上述目标群体的难度系数。
可选地，在基于目标题目构建上述用户的题库之后，上述题库构建方法还包括：
若接收到针对上述题库的题目新增指令，则获取上述题目新增指令所指向的题目的难度系数；
检测上述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
若上述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将上述题目新增指令所指向的题目加入至上述题库中；
若上述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
可选地，在上述基于目标题目构建上述用户的题库之前，上述题库构建方法还包括：
获取用户的学习目的；
根据上述学习目的，设置难度系数区间。
可选地，在上述基于目标题目构建上述用户的题库之前，上述题库构建方法还包括：
获取用户的历史答题准确率；
根据上述历史答题准确率，设置难度系数区间。
本申请的第二方面提供了一种题库构建装置，包括：
目标群体确定单元，用于确定用户所属的目标群体；
难度系数确定单元，用于根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数；
用户题库构建单元，用于基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。
可选地，上述目标群体确定单元，包括：
用户信息获取子单元，用于获取用户的当前学习进度和/或当前位置；
目标群体确定子单元，用于基于上述当前学习进度和/或上述当前位置，确定上述用户所属的目标群体。
可选地，上述难度系数确定单元，包括：
第一人数统计子单元，用于针对任一题目，获取上述目标群体中已答过上述题目的人数，记为第一人数；
第二人数统计子单元，用于获取上述目标群体中答错上述题目的人数，记为第二人数；
难度系数设定子单元，用于根据上述第一人数及第二人数，设定上述题目对于上述目标群体的难度系数。
可选地，上述题库构建装置还包括：
难度系数推送单元，用于在上述难度系数确定单元实时确定各个题目对于上述目标群体的难度系数之后，将各个题目对于上述目标群体的难度系数推送至监管客户端；
难度系数调整单元，用于若接收到上述监管客户端所反馈的难度系数调整指令，则调整上述难度系数调整指令所指向的题目对于上述目标群体的难度系数。
可选地，上述题库构建装置还包括：
难度系数获取单元，用于在基于目标题目构建上述用户的题库之后，若接收到针对上述题库的题目新增指令，则获取上述题目新增指令所指向的题目的难度系数；
难度系数检测单元，用于检测上述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
题库更新单元，用于若上述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将上述题目新增指令所指向的题目加入至上述题库中；
提醒输出单元，用于若上述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
可选地，上述题库构建装置还包括：
学习目的获取单元，用于在上述用户题库构建单元基于目标题目构建上述用户的题库之前，获取用户的学习目的；
第一设置单元，用于根据上述学习目的，设置难度系数区间。
可选地，上述题库构建装置还包括：
历史答题准确率获取单元，用于在上述用户题库构建单元基于目标题目构建上述用户的题库之前，获取用户的历史答题准确率；
第二设置单元，根据上述历史答题准确率，设置难度系数区间。
本申请的第三方面提供了一种电子设备，上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
本申请的第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请的第五方面提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
由上可见，在本申请方案中，首先确定用户所属的目标群体，然后根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数，最后基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。通过本申请方案，可以针对用户的学习特点，为用户定制化难度在一定范围内的题库，以提高用户的学习效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例提供的题库构建方法的实现流程示意图；
图2是本申请实施例提供的题库构建装置的结构框图；
图3是本申请实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请上述的技术方案，下面通过具体实施例来进行说明。
实施例一
下面对本申请实施例提供的一种题库构建方法进行描述，请参阅图1，本申请实施例中的题库构建方法包括：
在步骤101中，确定用户所属的目标群体；
在本申请实施例中，用户在登陆了在线答题平台后，首先需要确定用户所属的目标群体。其中，用于不同用户的学习进度不一样、学习质量不一样，因而，可以先将学习进度及学习质量相类似的用户集中在一起组成用户集合，然后以该用户集合中的平均学习水平作为对该用户集合中的用户的评价基准，才能实现对用户的准确评价。基于此，在本申请实施例中，可以根据用户的学习进度和/或当前位置来确定用户所属的目标群体。
在步骤102中，根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数；
在本申请实施例中，当确定了用户所属的目标群体后，可以进一步根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数。具体地，若一道题目被该目标群体内的大多数人回答正确，则意味着该题目对于该目标群体内的大多数人来说难度较低，该题目的难度系数可以相应设置为较低数值；相反地，若一道题目被该目标群体内的大多数人回答错误，则意味着该题目对于该目标群体内的大多数人来说难度较高，该题目的难度系数可以相应设置为较高数值。
在步骤103中，基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。
在本申请实施例中，上述难度系数区间可以是用户预先自主设置的；或者，上述难度系数区间也可以由题库构建装置默认设置，例如，上述难度系数区间可以设置为[0.1,0.9]，以筛除掉过于简单及过于难的题目；或者，上述难度系数区间也可以由题库构建装置根据用户的具体情况而智能设定。当然，上述难度系数区间的设置仅为示例，此处不对上述难度系数区间的具体数值作出限定。通过本步骤，可以使得所构建的题库中的各个题目的难度系数均能维持在一定范围内，无需在线答题平台的后台管理人员在后台手动进行题目筛除操作。
可选地，在一种应用场景下，可以根据用户的学习进度来确定用户所属的目标群体，则上述步骤101具体包括：
A1、获取用户的当前学习进度；
A2、基于上述当前学习进度，确定上述用户所属的目标群体。
在本申请实施例中，可以通过查阅用户的历史学习记录，以获知用户的当前学习进度。具体地，若用户为学生，则上述当前学习进度可以为用户当前所就读的年级。例如，一道题目Q1，由于高一年级的学生还没有学到与该题目Q1直接相关的知识点，因而只能通过其已具备的知识点进行多重推导后才能得到该题目Q1的答案，则该题目Q1对于高一年纪的学生来说实际上是较难的；而同样是该题目Q1，高三年级的学生已经基本学习完了高中的知识，已经获知了与该题目Q1直接相关的知识点，可以直接运用该知识点进行作答，大大简化了作答流程，则该题目Q1对于高三年级的学生来说实际上是较易的。可见，不同学习进度的学生在面对同一道题目时，该题目对于他们的难度会有所不同。基于此，可以在获取了用户的当前学习进度后，基于上述当前学习进度，确定上述用户所属的目标群体；这样一来，对于学生来说，则可以以年级为单位组成不同的目标群体，以此更好地衡量各个题目对于本年级学生的难度系数。
可选地，在另一种应用场景下，可以根据用户的当前位置来确定用户所属的目标群体，则上述步骤101具体包括：
B1、获取用户的当前位置；
B2、基于上述当前位置，确定上述用户所属的目标群体。
在本申请实施例中，可以对用户登陆上述在线答题平台的电子设备进行定位，以获知用户的当前位置。考虑到我国的实际教育情况中，不同地区的教育资源、教辅材料、教育背景及教育重点均有所差别，这导致不同地区的学生在面对同一试题时也会有不同的难度感受。基于此，可以以地区为单位组成不同的目标群体，以此更好地衡量各个题目对于本地区学生的难度系数。
需要注意的是，上述两种应用场景可以择一执行，也可以同时执行；在上述两种应用场景同时执行时，可以将同一地区内的同一年级中的用户划分至一个目标群体中，以得到若干个不同地区中不同年级的目标群体。
可选地，上述步骤102具体包括：
C1、针对任一题目，获取上述目标群体中已答过上述题目的人数，记为第一人数；
C2、获取上述目标群体中答错上述题目的人数，记为第二人数；
C3、根据上述第一人数及第二人数，设定上述题目对于上述目标群体的难度系数。
在本申请实施例中，显然难以出现上述目标群体中的每个用户都答完所有题目的情况，基于此，针对任一题目，在设定该题目的难度系数时，可以先获取目标群体中当前已回答完该题目的人数(即第一人数)和这其中回答错误该题目的人数(即第二人数)。由于上述第二人数为针对该题目回答错误的人数，因而只要第二人数在上述第一人数中的占比越多，则代表回答错误的用户占比越大，该题目越难。基于此，针对任一题目，可以在获取到与该题目相关的第一人数及第二人数之后，通过计算上述第二人数与第一人数的比值来设定上述题目对于上述目标群体的难度系数。需要注意的是，由于目标群体中的各个用户随时都可能进行答题操作，因而，上述第二人数与第一人数的具体数值也会随着用户的答题操作而发生动态变化，基于此，各个题目的难度系数实际上也不再固定，而是会根据目标群体中各个用户的答题状况而动态变化。可选地，各个题目的初始难度系数可以由后台人员进行人工设置，此处不作限定。
可选地，在上述步骤103之后，上述题库构建方法还包括：
D1、将各个题目对于上述目标群体的难度系数推送至监管客户端；
D2、若接收到上述监管客户端所反馈的难度系数调整指令，则调整上述难度系数调整指令所指向的题目对于上述目标群体的难度系数。
在本申请实施例中，虽然各个题目对于目标群体的难度系数都是基于该目标群体中的用户答题情况而确定的，但由于目标群体中的用户是缓慢增长的，前期可能出现目标群体中的用户数量较少的情况，这会使得在对题目进行难度系数的评估时，因样本不足而导致评估结果不够准确。基于此，可以在获得各个题目的难度系数后，将各个题目对于上述目标群体的难度系数推送至监管客户端，通过监管客户端的监管人员对题目的难度系数进行人为核验，对明显有误的难度系数进行调整。
可选地，在上述步骤103之后，上述题库构建方法还包括：
E1、若接收到针对上述题库的题目新增指令，则获取上述题目新增指令所指向的题目的难度系数；
E2、检测上述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
E3、若上述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将上述题目新增指令所指向的题目加入至上述题库中；
E4、若上述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
在本申请实施例中，当用户的题库已经构建完毕后，在线答题平台仍可能会不断的吸纳新题目；上述新题目可以是各个用户自己所上传的题目，也可以是后台管理人员主动为在线答题平台所搜集的题目。基于此，考虑到在线答题平台的题目处于不断更新的状态中，上述用户的题库也可以在构建好后进行动态更新。但由于上述题库是基于难度系数为用户所定制的，因而在上述题库的存续过程中，即便是对上述题库进行更新，为上述题库新增其它一些题目，这些新加入题库的题目的难度系数也应该保持在上述预设的难度系数区间内。当用户或后台管理人员试图加入超出上述难度系数区间的题目时，在线答题平台将输出提醒消息，以提醒该题目新增指令所指向的题目与用户的题库的难度系数不匹配。
可选地，在一种应用场景下，可以通过用户的学习目的来设置难度系数，则在步骤103之前，上述题库构建方法还包括：
获取用户的学习目的；
根据上述学习目的，设置难度系数区间。
在本申请实施例中，可以设定用户的多种学习目的，例如分为预习、巩固、培优、复习等。用户可以在进行答题之前，先自行选定本次学习的目的，勾选预习选项、巩固选项、培优选项或者复习选项；随后根据上述学习目的，设置难度系数区间，其中，每一学习目关联有一难度系数区间，例如，若用户勾选本次学习目的为预习，则本次可以为用户分配些简单的题目，上述难度系数区间可以被设定为[0,0.4]；若用户勾选本次学习目的为巩固，则本次可以为用户分配些中等难度的题目，上述难度系数区间可以被设定为[0.3,0.7]；若用户勾选本次学习目的为培优，则本次可以为用户分配些较难的题目，上述难度系数区间可以被设定为[0.6,1]；若用户勾选本次学习目的为复习，则本次可以为用户分配些随机难度的题目，上述难度系数区间可以被设定为[0.1,0.9]。需要注意的，上述难度系数区间的设置仅为示例，此处不对上述难度系数区间的具体数值作出限定。
可选地，在一种应用场景下，可以通过用户的过往学习状态来设置难度系数，则在步骤103之前，上述题库构建方法还包括：
获取用户的历史答题准确率；
根据上述历史答题准确率，设置难度系数区间。
在本申请实施例中，若用户的历史答题准确率越高，则代表用户过往的学习效果较好，此次可以适当提高目标题目的难度系数；反之，若用户的历史答题准确率较低，则代表用户对知识点的掌握还不太到位，此次可以适当降低目标题目的难度系数。具体地，上述历史答题准确率与上述难度系数区间呈现正比例关系，可以根据上述历史答题准确及预设的浮动数值来设置上述难度系数区间，例如，若用户的历史答题准确率为90％(也即0.9)，上述浮动数值可以被设定为0.1，则难度系数区间可以是0.9的±0.1范围内，即，上述难度系数区间可以是[0.8,1]。当然，上述浮动数值也可以被设定为其它数值，上述难度系数区间的设置仅为示例，此处不对上述难度系数区间的具体数值作出限定。
由上可见，在本申请实施例中，在确定了用户所归属的目标群体后，基于目标群体中各个用户的答题情况对题目的难度系数进行动态设置，并根据预设的难度系数区间对题目进行筛选，以构建得到定制化的用户题库，进一步提高用户的学习效率。
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，而不应对本申请实施例的实施过程构成任何限定。
实施例二
本申请实施例二提供了一种题库构建装置，上述题库构建装置可集成于电子设备中，上述电子设备可以是智能手机、平板电脑、个人计算机或服务器等，此处不作限定。如图2所示，本申请实施例中的题库构建装置200包括：
目标群体确定单元201，用于确定用户所属的目标群体；
难度系数确定单元202，用于根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数；
用户题库构建单元203，用于基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。
可选地，上述目标群体确定单元201，包括：
用户信息获取子单元，用于获取用户的当前学习进度和/或当前位置；
目标群体确定子单元，用于基于上述当前学习进度和/或上述当前位置，确定上述用户所属的目标群体。
可选地，上述目标群体确定单元201，包括：
位置获取子单元，用于获取用户的当前位置；
目标群体第二确定子单元，用于基于上述当前位置，确定上述用户所属的目标群体。
可选地，上述难度系数确定单元202，包括：
第一人数统计子单元，用于针对任一题目，获取上述目标群体中已答过上述题目的人数，记为第一人数；
第二人数统计子单元，用于获取上述目标群体中答错上述题目的人数，记为第二人数；
难度系数设定子单元，用于根据上述第一人数及第二人数，设定上述题目对于上述目标群体的难度系数。
可选地，上述题库构建装置200还包括：
难度系数推送单元，用于在上述难度系数确定单元202实时确定各个题目对于上述目标群体的难度系数之后，将各个题目对于上述目标群体的难度系数推送至监管客户端；
难度系数调整单元，用于若接收到上述监管客户端所反馈的难度系数调整指令，则调整上述难度系数调整指令所指向的题目对于上述目标群体的难度系数。
可选地，上述题库构建装置200还包括：
难度系数获取单元，用于在基于目标题目构建上述用户的题库之后，若接收到针对上述题库的题目新增指令，则获取上述题目新增指令所指向的题目的难度系数；
难度系数检测单元，用于检测上述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
题库更新单元，用于若上述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将上述题目新增指令所指向的题目加入至上述题库中；
提醒输出单元，用于若上述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
可选地，上述题库构建装置200还包括：
学习目的获取单元，用于在上述用户题库构建单元203基于目标题目构建上述用户的题库之前，获取用户的学习目的；
第一设置单元，用于根据上述学习目的，设置难度系数区间。
可选地，上述题库构建装置200还包括：
历史答题准确率获取单元，用于在上述用户题库构建单元203基于目标题目构建上述用户的题库之前，获取用户的历史答题准确率；
第二设置单元，根据上述历史答题准确率，设置难度系数区间。
由上可见，在本申请实施例中，题库构建装置在确定了用户所归属的目标群体后，基于目标群体中各个用户的答题情况对题目的难度系数进行动态设置，并根据预设的难度系数区间对题目进行筛选，以构建得到定制化的用户题库，进一步提高用户的学习效率。
实施例三
本申请实施例三提供了一种电子设备，请参阅图3，本申请实施例中的电子设备3包括：存储器301，一个或多个处理器302(图3中仅示出一个)及存储在存储器301上并可在处理器上运行的计算机程序。其中：存储器301用于存储软件程序以及模块，处理器302通过运行存储在存储器301的软件程序以及单元，从而执行各种功能应用以及数据处理，以获取上述预设事件对应的资源。具体地，处理器302通过运行存储在存储器301的上述计算机程序时实现以下步骤：
确定用户所属的目标群体；
根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数；
基于目标题目构建上述用户的题库，其中，上述目标题目为上述难度系数处于预设的难度系数区间的题目。
假设上述为第一种可能的实施方式，则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中，上述确定用户所属的目标群体，包括：
获取用户的当前学习进度和/或当前位置；
基于上述当前学习进度和/或上述当前位置，确定上述用户所属的目标群体。
在上述第一种可能的实施方式作为基础而提供的第三种可能的实施方式中，上述根据上述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于上述目标群体的难度系数，包括：
针对任一题目，获取上述目标群体中已答过上述题目的人数，记为第一人数；
获取上述目标群体中答错上述题目的人数，记为第二人数；
根据上述第一人数及第二人数，设定上述题目对于上述目标群体的难度系数。
在上述第一种可能的实施方式作为基础，或者在上述第二种可能的实施方式作为基础，或者在上述第三种可能的实施方式作为基础而提供的第四种可能的实施方式中，在上述实时确定各个题目对于上述目标群体的难度系数之后，处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤：
将各个题目对于上述目标群体的难度系数推送至监管客户端；
若接收到上述监管客户端所反馈的难度系数调整指令，则调整上述难度系数调整指令所指向的题目对于上述目标群体的难度系数。
在上述第一种可能的实施方式作为基础，或者在上述第二种可能的实施方式作为基础，或者在上述第三种可能的实施方式作为基础而提供的第五种可能的实施方式中，在基于目标题目构建上述用户的题库之后，处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤：
若接收到针对上述题库的题目新增指令，则获取上述题目新增指令所指向的题目的难度系数；
检测上述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
若上述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将上述题目新增指令所指向的题目加入至上述题库中；
若上述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
在上述第一种可能的实施方式作为基础，或者在上述第二种可能的实施方式作为基础，或者在上述第三种可能的实施方式作为基础而提供的第六种可能的实施方式中，在上述基于目标题目构建上述用户的题库之前，处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤：
获取用户的学习目的；
根据上述学习目的，设置难度系数区间。
在上述第一种可能的实施方式作为基础，或者在上述第二种可能的实施方式作为基础，或者在上述第三种可能的实施方式作为基础而提供的第七种可能的实施方式中，在上述基于目标题目构建上述用户的题库之前，处理器302通过运行存储在存储器301的上述计算机程序时还实现以下步骤：
获取用户的历史答题准确率；
根据上述历史答题准确率，设置难度系数区间。
应当理解，在本申请实施例中，所称处理器302可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器301可以包括只读存储器和随机存取存储器，并向处理器302提供指令和数据。存储器301的一部分或全部还可以包括非易失性随机存取存储器。例如，存储器301还可以存储设备类型的信息。
由上可见，在本申请实施例中，电子设备在确定了用户所归属的目标群体后，基于目标群体中各个用户的答题情况对题目的难度系数进行动态设置，并根据预设的难度系数区间对题目进行筛选，以构建得到定制化的用户题库，进一步提高用户的学习效率。
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，即将上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。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者外部设备软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括是电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种题库构建方法，其特征在于，包括：
确定用户所属的目标群体；
根据所述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于所述目标群体的难度系数；
基于目标题目构建所述用户的题库，其中，所述目标题目为所述难度系数处于预设的难度系数区间的题目；
所述确定用户所属的目标群体，包括：
获取用户的当前学习进度和当前位置；
基于所述当前学习进度和所述当前位置，确定所述用户所属的目标群体；
在所述基于目标题目构建所述用户的题库之前，所述题库构建方法还包括：
获取用户的学习目的；其中，所述学习目的包括预习、巩固、培优、复习；
根据所述学习目的，设置难度系数区间；其中，每一学习目的关联有对应的难度系数区间。
2.如权利要求1所述的题库构建方法，其特征在于，所述根据所述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于所述目标群体的难度系数，包括：
针对任一题目，获取所述目标群体中已答过所述题目的人数，记为第一人数；
获取所述目标群体中答错所述题目的人数，记为第二人数；
根据所述第一人数及第二人数，设定所述题目对于所述目标群体的难度系数。
3.如权利要求1或2所述的题库构建方法，其特征在于，在所述实时确定各个题目对于所述目标群体的难度系数之后，所述题库构建方法还包括：
将各个题目对于所述目标群体的难度系数推送至监管客户端；
若接收到所述监管客户端所反馈的难度系数调整指令，则调整所述难度系数调整指令所指向的题目对于所述目标群体的难度系数。
4.如权利要求1或2所述的题库构建方法，其特征在于，在基于目标题目构建所述用户的题库之后，所述题库构建方法还包括：
若接收到针对所述题库的题目新增指令，则获取所述题目新增指令所指向的题目的难度系数；
检测所述题目新增指令所指向的题目的难度系数是否处于预设的难度系数区间；
若所述题目新增指令所指向的题目的难度系数处于预设的难度系数区间，则将所述题目新增指令所指向的题目加入至所述题库中；
若所述题目新增指令所指向的题目的难度系数超过预设的难度系数区间，则输出提醒消息。
5.如权利要求1或2所述的题库构建方法，其特征在于，在所述基于目标题目构建所述用户的题库之前，所述题库构建方法还包括：
获取用户的历史答题准确率；
根据所述历史答题准确率，设置难度系数区间。
6.一种题库构建装置，其特征在于，包括：
目标群体确定单元，用于确定用户所属的目标群体；
难度系数确定单元，用于根据所述目标群体中的其他用户对各个题目的答题准确率，实时确定各个题目对于所述目标群体的难度系数；
用户题库构建单元，用于基于目标题目构建所述用户的题库，其中，所述目标题目为所述难度系数处于预设的难度系数区间的题目；
所述确定用户所属的目标群体，包括：
获取用户的当前学习进度和当前位置；
基于所述当前学习进度和所述当前位置，确定所述用户所属的目标群体；
在所述基于目标题目构建所述用户的题库之前，所述题库构建方法还包括：
获取用户的学习目的；其中，所述学习目的包括预习、巩固、培优、复习；
根据所述学习目的，设置难度系数区间；其中，每一学习目的关联有对应的难度系数区间。
7.一种电子设备，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5任一项所述方法的步骤。
8.一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5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910467543.7A CN110245207B (zh) | 2019-05-31 | 2019-05-31 | 一种题库构建方法、题库构建装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910467543.7A CN110245207B (zh) | 2019-05-31 | 2019-05-31 | 一种题库构建方法、题库构建装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110245207A CN110245207A (zh) | 2019-09-17 |
| CN110245207B true CN110245207B (zh) | 2021-07-06 |
Family
ID=67885579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910467543.7A Active CN110245207B (zh) | 2019-05-31 | 2019-05-31 | 一种题库构建方法、题库构建装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110245207B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110766326A (zh) * | 2019-10-24 | 2020-02-07 | 深圳小蛙出海科技有限公司 | 试题推送、评测训练方法及计算机装置、系统及打印终端 |
| CN111178770B (zh) * | 2019-12-31 | 2023-11-10 | 安徽知学科技有限公司 | 答题数据评估和学习图像构建方法、装置及存储介质 |
| CN114913729B (zh) * | 2021-02-09 | 2023-06-20 | 广州视源电子科技股份有限公司 | 一种选题方法、装置、计算机设备和存储介质 |
| CN115018675A (zh) * | 2022-04-26 | 2022-09-06 | 贝塔通科技(北京)有限公司 | 智能培训方法、装置、电子设备、存储介质及程序产品 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194344A (zh) * | 2011-06-02 | 2011-09-21 | 广州良师益友教育软件有限公司 | 一种试题生成系统及其实现方法 |
| CN106095812A (zh) * | 2016-05-31 | 2016-11-09 | 广东能龙教育股份有限公司 | 一种基于相似性度量的智能试卷生成方法 |
| CN106781785A (zh) * | 2017-01-04 | 2017-05-31 | 广东小天才科技有限公司 | 一种基于大数据的题目难度构建方法及装置、服务设备 |
| CN107590247A (zh) * | 2017-09-18 | 2018-01-16 | 杭州博世数据网络有限公司 | 一种基于群体知识诊断的智能组卷方法 |
| CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
| CN108492223A (zh) * | 2018-02-26 | 2018-09-04 | 浙江创课教育科技有限公司 | 试卷处理方法及系统 |
| CN109446400A (zh) * | 2018-10-19 | 2019-03-08 | 广东小天才科技有限公司 | 一种学习管理方法、学习管理装置及电子设备 |
| CN109584122A (zh) * | 2018-11-21 | 2019-04-05 | 杭州博世数据网络有限公司 | 自动更新的在线题库难度智能分级方法及系统 |
-
2019
- 2019-05-31 CN CN201910467543.7A patent/CN110245207B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194344A (zh) * | 2011-06-02 | 2011-09-21 | 广州良师益友教育软件有限公司 | 一种试题生成系统及其实现方法 |
| CN106095812A (zh) * | 2016-05-31 | 2016-11-09 | 广东能龙教育股份有限公司 | 一种基于相似性度量的智能试卷生成方法 |
| CN106781785A (zh) * | 2017-01-04 | 2017-05-31 | 广东小天才科技有限公司 | 一种基于大数据的题目难度构建方法及装置、服务设备 |
| CN107590247A (zh) * | 2017-09-18 | 2018-01-16 | 杭州博世数据网络有限公司 | 一种基于群体知识诊断的智能组卷方法 |
| CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
| CN108492223A (zh) * | 2018-02-26 | 2018-09-04 | 浙江创课教育科技有限公司 | 试卷处理方法及系统 |
| CN109446400A (zh) * | 2018-10-19 | 2019-03-08 | 广东小天才科技有限公司 | 一种学习管理方法、学习管理装置及电子设备 |
| CN109584122A (zh) * | 2018-11-21 | 2019-04-05 | 杭州博世数据网络有限公司 | 自动更新的在线题库难度智能分级方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110245207A (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110245207B (zh) | 一种题库构建方法、题库构建装置及电子设备 | |
| Fawzi et al. | Concepts, causes and consequences of trust in news media–a literature review and framework | |
| Spybrook et al. | Optimal design plus empirical evidence: Documentation for the “Optimal Design” software | |
| Kell et al. | Evaluation of the prediction skill of stock assessment using hindcasting | |
| CN106952159B (zh) | 一种不动产抵押品风险控制方法、系统及存储介质 | |
| CN107256650A (zh) | 一种习题推送方法、系统及终端设备 | |
| CN109816265B (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
| Loy et al. | Model choice and diagnostics for linear mixed-effects models using statistics on street corners | |
| WO2014034005A1 (ja) | 知的生産性分析装置、プログラム | |
| Hawkins et al. | US virtual school trial period and course completion policy study | |
| Hogarth et al. | Communicating forecasts: The simplicity of simulated experience | |
| CN112115372B (zh) | 一种停车场的推荐方法及装置 | |
| Sachse et al. | Standard errors for national trends in international large-scale assessments in the case of cross-national differential item functioning | |
| CN114254867A (zh) | 一种电信诈骗受害人风险评估系统及方法 | |
| CN112734142B (zh) | 基于深度学习的资源学习路径规划方法及装置 | |
| CN110851721A (zh) | 根据用户个体特征推荐试题的方法及设备 | |
| CN113407831B (zh) | 课程推荐方法及设备 | |
| CN105260963A (zh) | 学科素养测评系统 | |
| CN110852925A (zh) | 异常学习检测方法、装置、设备和存储介质 | |
| CN111046156B (zh) | 奖励数据的确定方法、装置和服务器 | |
| CN110837562B (zh) | 案件的处理方法、装置和系统 | |
| CN115796600A (zh) | 一种舆情风险预警方法、系统、介质及电子设备 | |
| CN114926758A (zh) | 一种分析课堂学生参与度的方法 | |
| JP6983372B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN112884449A (zh) | 用户引导方法、装置、计算机设备以及存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant after: SHENZHEN GOLO CHELIAN DATA TECHNOLOGY Co.,Ltd. Address before: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant before: GOLO IOV DATA TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |