CN110413973A - 计算机自动生成套卷的方法及其系统 - Google Patents
计算机自动生成套卷的方法及其系统 Download PDFInfo
- Publication number
- CN110413973A CN110413973A CN201910682891.6A CN201910682891A CN110413973A CN 110413973 A CN110413973 A CN 110413973A CN 201910682891 A CN201910682891 A CN 201910682891A CN 110413973 A CN110413973 A CN 110413973A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- paper
- examination
- testing
- testing point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 299
- 238000005086 pumping Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 11
- 241000009298 Trigla lyra Species 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003825 pressing Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012552 review Methods 0.000 abstract description 5
- 238000012550 audit Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及计算机教学,公开了一种计算机自动生成套卷的方法及其系统。该方法包括对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型;以及根据该测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖该测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。本申请的实施方式所生成的套卷能以最少的试卷数量覆盖更多的知识点,并且试卷中所包含的测试知识点符合考核范围和要求,测试重点突出,满足学生的实际复习需要,使得复习效果更佳。
Description
技术领域
本申请涉及计算机教学领域,特别涉及计算机自动生成套卷技术。
背景技术
目前通过计算机组卷可以避免各试卷重复抽取相同试题且生成试卷速度快等优点,已经有不少计算机组卷的专利获得了中国专利权,例如申请为CN201310097570.2的中国专利“文档操作题的自动组卷方法和自动阅卷方法”;申请号为CN201510246071.4的中国专利“一种基于计算机领域知识体系的B/S模式自动组卷方法”;申请号为CN201610028547.1的中国专利“一种基于遗传粒子群算法的智能组卷方法”;以及申请号为CN201710042777.8的中国专利“基于改进蚁群算法智能组卷的考试系统”。
但是,诸如上述的大部分现有方案的组卷方法最终目的是一张试卷,而一张试卷的试题数量有限,测试知识点覆盖率低,不能满足考试全面复习、以及知识点掌握检测的要求;并且,这些组卷方法都缺少对测试知识点的范围、各测试知识点重要性以及测试题型等方面进行考虑,导致最终组出试卷的测试知识点与考核要求差异较大,且测试重点不够突出,试卷达不到实用化水平。
发明内容
本申请的目的在于提供一种计算机自动生成套卷的方法及其系统,能够使所生成的套卷能以最少的试卷数量覆盖更多的知识点,并且试卷中所包含的测试知识点符合考核范围和要求,测试重点突出,满足学生的实际复习需要,使得复习效果更佳。
本申请公开了一种计算机自动生成套卷的方法,包括:
对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型;
根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖所述测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。
在一个优选例中,所述测试知识点域中的各测试知识点按照在所述历年试卷中分值占比从高到低的优先级顺序排列,每一个测试知识点在所述历年试卷中出现过的题型按照难度从难到易的顺序排列。
在一个优选例中,所述根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,进一步包括:
按照预先设定的试卷模板中的题型从难到易依次选择题型,一个题型所有试卷的试题选择完成之后再选择这些试卷的下一个题型的试题,直到所有题型完成抽题;其中对于每一种题型按照以下步骤A和B进行试题的抽取和分配:
A按照所述测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题并更新所述测试知识点域,直到当前题型试题数量满足套卷中所有试卷的当前题型的试题数量要求;
B将为所述当前题型抽取的所有试题随机分配到所述套卷的各试卷中,其中每张试卷的试题数量相同。
在一个优选例中,所述更新所述测试知识点域,进一步包括:
当一个测试知识点难度最大的题型被所选的试题覆盖后,将这个测试知识点从所述测试知识点域中去除。
在一个优选例中,所述测试知识点域中的每一个测试知识点的分值占比是基于所述历年试卷根据计算得到,其中v为该水平考试阶段的历年试卷份数,ju为第u份历年试卷中以该知识点为测试知识点的试题个数,Qui为第u份历年试卷中第i道以该知识点为测试知识点的试题中的占分值,P为该水平考试阶段的历年试卷总分值的和;
所述所有测试知识点中的每一个测试知识点在某一个试题中的占分值根据该试题的总分值和该试题中测试知识点的个数计算得到。
在一个优选例中,所述对历年试卷进行分析以确定测试知识点域之前,还包括:
构建试题库,对各试题的属性信息进行标识,其中所述各试题的属性信息包括唯一标识、所包含测试知识点、所包含一般知识点、所属题型、区分度、难度和曝光度;
构建历年试卷库,对每张试卷的年份、阶段、学科以及试题属性信息表进行标识并存储,其中所述试题属性信息表包括该张历年试卷中所包含的试题以及对应每个试题的题型、测试知识点、分值;
构建试卷模板库,其中每种试卷模板的试卷属性信息包括该试卷模板所包含题型、所包含的题量和分值信息。
本申请还公开了一种计算机自动生成套卷的系统包括:
确定模块,用于对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型;
生成模块,用于根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖所述测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。
在一个优选例中,还包括排序模块,用于将所述测试知识点域中的各测试知识点按照在所述历年试卷中分值占比从高到低的优先级顺序排列,每一个测试知识点在所述历年试卷中出现过的题型按照难度从难到易的顺序排列。
本申请还公开了一种计算机自动生成套卷的系统包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式中,通过大数据客观分析历年试卷知识点的范围、测试重点、题型、知识点覆盖率等问题,实现计算机有针对性地组卷。
首先,本申请实施方式中,通过大数据分析历年试卷获取对应的测试知识点域,并进一步地,根据该测试知识点域中分值占比超过预定门限的各测试知识点来预更新该测试知识点域,有利于计算机有针对性地抽题和组卷,使得最终生成的套卷中各试卷中包含的知识点信息更加具客观性,使得试卷中所包含的测试知识点符合考核范围和要求。
其次,基于该测试知识点域,通过从试题库中抽取所有包含属于测试知识点域内测试知识点的试题,并按照预先设定的试卷模板中的题型从难到易依次选择题型,一个题型所有试卷的试题选择完成之后再选择这些试卷的下一个题型的试题,直到所有题型完成抽题,这使得各试卷在满足题型要求的同时测试重点突出;同时,对于每一种题型的抽题中,按照该测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题并更新该测试知识点域,直到当前题型试题数量满足套卷中所有试卷的当前题型的试题数量要求,进一步地,对于每一种题型的抽题中,可以根据该测试知识点域中的各测试知识点在所述历年试卷中分值占比从高到低的优先级顺序排列,并根据该分值占比从高到低的优先级顺序排列结果将该测试知识点域中各测试知识点划分多个重要等级并按重要等级从高到低依次确定“当前优先抽取试题的测试知识点”,即越重要的测试知识点越优先抽题,直到一个等级的测试知识点都已完成抽题才进入下一个等级的测试知识点的抽题。以上按照题型从难到易依次选择题型和基于所选择的题型按照测试知识点的重要等级进行依次抽题使得所抽取试题的顺序更加客观,所抽取的试题更加突出重要知识点,进而实现覆盖重要等级最高的测试知识点的最难题型的试题可以被优先抽取,进一步使得最终生成的套卷的测试重点突出,且各知识点考核程度达到历年最难要求,从而提高了整体套卷的考核难度和考核质量,使得学生通过该套卷进行复习测试时复习效率会进一步提高,且测试效果更佳。
进一步地,对于同一重要等级的测试知识点进行抽题时,还可以优先选择试题中的测试知识点属于当前抽题知识点且达到最难题型测试要求的测试知识点数量最多的试题,在试卷数量一定的情况下,可以实现每张试卷的测试知识点覆盖率达到较高水平,从而进一步有效地提高知识点覆盖率,并且因为每张试卷的测试知识点覆盖率高,使得学生在使用此套卷进行复习时,复习效率会大大提高。而且,对于同一重要等级的测试知识点进行抽题时,还可以进一步根据试题中一般知识点的数量最多、曝光度最低和/或区分度最大的要求进行最优试题的抽取,使得所抽取的试题更加符合考核要求。
进一步地,当一个测试知识点难度最大的题型被所选的试题覆盖后,将这个测试知识点从当前测试知识点域中去除来更新当前测试知识点域,这实现了对于已达到测试要求的测试知识点不重复抽题的效果;进一步地,在上述对于每一种题型进行抽题的过程中,对当前所抽取试题进行标记,将已标记的试题排除在后续抽取试题的范围内,这实现了对已抽取试题不重复抽取的效果。一方面可以避免试题资源浪费,另一方面在一定程度上提高了套卷中测试知识点覆盖率,使得学生在使用此套卷进行测试时,复习效率会大大提高。
并且,在完成上述对于每一种题型的所有试题抽取后,将所抽取的所有试题随机分配至各试卷中,使套卷中各试卷难度均衡、重难点知识点分布均衡,保证了套卷中各试卷的难度均衡和质量均衡。
再次,以上内容都可以是基于预先构建的海量数字化试题库,其中该试题库对试题的各属性信息(例如唯一标识、所包含测试知识点、所包含一般知识点、所出现的题型、区分度、难度和曝光度等)进行数字化标注,有利于计算机快速抽取符合条件的试题,以实现计算机高效的组卷。
为了更好的理解本申请的各实施方式的效果,下面是通过对高考英语历年真题试卷分析,获取所有测试知识点,并进行套卷制作的相关数据,同时统计历年精选传统高考模拟套卷、以及某重点中学高考模拟套卷的测试知识点覆盖率,最终得出的试卷张数与测试知识点覆盖率如下表1所示:
表1
除此之外,还针对中考英语和高考英语两个阶段,获取对应阶段所有测试知识点,在覆盖所有测试知识点的60%的条件下,根据本申请实施方式自动生成的套卷与其它类套卷所用的试卷数量对比情况如下表2所示:
表2
从上述两组统计数据可知,在试卷数量相同的条件下,与其它类套卷相比,根据本申请实施方式自动生成的套卷的测试知识点的覆盖率更高;或者是,在满足同一程度的测试知识点覆盖率的条件下,根据本申请实施方式自动生成的套卷的试卷数量明显少于其它类套卷。从计算机物理层面上,也说明了本申请实施方式的组卷方法更具优越性,实现了在覆盖足够多的测试知识点的情况下所需试题数量相对最少;从教学应用层面上,根据本申请实施方式的组卷方法自动生成的套卷,使学生可以用更短的做题时间,复习到了更多更重要的测试知识点,这也大幅度地提高了学生的复习效率,进而使得复习效果更佳。
本申请的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征A+B+C,在另一个例子中公开了特征A+B+D+E,而特征C和D是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征E技术上可以与特征C相组合,则,A+B+C+D的方案因技术不可行而应当不被视为已经记载,而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的计算机自动生成套卷的方法流程示意图
图2是根据本申请第一实施方式的一个实施例的对于某一水平考试阶段的历年试卷的选取的流程示意图
图3是根据本申请第一实施方式的一个具体实施例的根据测试知识点域R和预先设定的试卷模板自动生成套卷的流程示意图
图4是根据本申请第二实施方式的计算机自动生成套卷的系统结构示意图
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
部分概念的说明:
历年试卷:全国及各地方历年考试真题试卷和权威模拟试卷。
测试知识点中难度最大的题型:在测试知识点域中的每一个测试知识点都对应不同难度的多个题型,将该多个题型按照难度从大到小进行排序,其中该多个题型中难度排序最大的题型即为该测试知识点中难度最大的题型,且该测试知识点中难度最大的题型可以是某一个题型或多个不同题型。
覆盖测试知识点中难度最大的题型:一个测试知识点中难度最大的题型在预先设定的试卷模板中相应题型出现即表示该套卷覆盖了测试知识点中难度最大的题型。
得分率:指实际得分除以考核分的比值,换算成的百分数。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的实施方式作进一步地详细描述。
套卷是辅助学生进行全面、系统的考试复习资料,旨在让学生在考前透彻地掌握所有知识点和考点。一份优质的套卷不仅要全面覆盖所学知识点,且测试重点突出、各知识点测试题型符合要求。然而,目前的试卷或套卷的制作方法不能同时满足所学知识点全面覆盖、重要知识点重点测试、各知识点用合适的题型测试等要求。
基于上述问题,本申请的第一实施方式提出了一种计算机自动生成套卷的方法,其流程如图1所示,该方法包括以下步骤:
开始步骤101,对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型。基于历年试卷来确定的测试知识点域的计算机有针对性地抽题和组卷过程更加客观,使得最终生成套卷中各试卷中包含的知识点信息更具客观性,更符合考核要求。
可选地,在上述步骤101之前还包括根据步骤Ⅰ、Ⅱ和Ⅲ预先构建试题库、试卷库和试卷模板库,具体包括:
Ⅰ.根据学科各水平考试阶段知识点和考试大纲的测试要求收集海量试题,对各试题的属性信息进行标识,并按照各水平考试阶段分类存储,构建试题库,其中该各试题的属性信息包括唯一标识、所包含测试知识点、所包含一般知识点、所出现的题型、区分度、难度和曝光度等,具体含义如下表3所示。可以理解,本实施方式中该各试题的属性信息不限于上述属性,可以根据需要进行增加设置其他属性。可以理解,可以根据需要不定时的进行补充新的试题以更新该试题库。
表3
Ⅱ.针对各水平考试阶段收集历年试卷,对每张历年试卷的年份、地区、阶段、学科以及试题属性信息表进行标识并存储,构建试卷库,其中该试题属性信息表包括该张历年试卷中所包含的试题以及对应每个试题的题型、测试知识点和分值。如下表4为试题属性信息表的一个实施例,可以理解,表4中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。可以理解,可以不定时的进行补充新的历年试卷以更新该试卷库。
表4
Ⅲ.根据不同学科的各水平考试阶段的考试需求,收集满足各地区的考试要求的试卷模板和对应的试卷属性信息,构建试卷模板库,其中每种试卷模板的试卷属性信息包括该试卷模板所包含题型、所包含的题量和分值信息等。可以理解,可以不定时的进行补充新的试卷模板以更新该试卷模板库。
可选地,在上述步骤101之前还可以包括以下步骤201~步骤202,如图2所示,具体包括:开始步骤201,根据实际考试(所生成的套卷对应的考试)需求,设定所生成的套卷对应的考试阶段(例:高考英语)、试卷模板等;之后进入步骤202,根据所设定的考试阶段从上述试卷库中选取对应的所有历年试卷。
之后,进入步骤102,根据该测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖该测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。覆盖难度最大的题型有多种实现方式,一种是试题正好是某个测试知识点难度最大的题型,另一种是试题的题型的难度大于某个测试知识点难度最大的题型,在这两种情况下,都可以认为该测试知识点难度最大的题型已经被覆盖。
在一个实施例中,上述步骤102中“该套卷至少覆盖该测试知识点域中分值占比超过预定门限的各测试知识点”可以进一步包括以下步骤:首先,根据实际考试需求个性化设置学生的得分率要求M%;然后,根据所设置的学生的得分率要求确定该预设门限(即占分比排序在前M%);最后,排除占分比排序在后1-M%的测试知识点及保留占分比排序在前M%的测试知识点来预更新该测试知识点域,即最终得到套卷可以至少覆盖该测试知识点域中分值占分比排序在前M%的测试知识点。例如,对于100分的试卷,得分率要求是80%,说明测试知识域中测试知识点取占分比排序在前80%所有的测试知识点可以集合成该测试知识点域。
可选地,在上述步骤102之前还可以包括以下步骤:
对该测试知识点域中的各测试知识点按照在该历年试卷中分值占比从高到低的优先级顺序排列,每一个测试知识点在该历年试卷中出现过的题型按照难度从难到易的顺序排列。
可选地,所述测试知识点域中的每一个测试知识点的分值占比是基于所述历年试卷根据计算得到,其中v为该考试阶段的历年试卷份数,ju为第u份历年试卷中以该知识点为测试知识点的试题个数,Qui为第u份历年试卷中第i道以该知识点为测试知识点的试题中的占分值,P为该水平考试阶段的历年试卷总分值的和;以及该所有测试知识点中的每一个测试知识点在某一个试题中的占分值根据该试题的总分值和该试题中测试知识点的个数计算得到,即测试知识点在试题中的
可选地,在上述步骤102中“根据该测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷”进一步包括以下步骤:按照预先设定的试卷模板中的题型从难到易依次选择题型,一个题型所有试卷的试题选择完成之后再选择这些试卷的下一个题型的试题,直到所有题型完成抽题;其中对于每一种题型按照以下步骤A和B进行试题的抽取和分配:
A按照所述测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题并更新所述测试知识点域,直到当前题型试题数量满足套卷中所有试卷的当前题型的试题数量要求;
B将为所述当前题型抽取的所有试题随机分配到所述套卷的各试卷中,其中每张试卷的试题数量相同。进而可以实现最难题型的重要知识点的试题被优先抽取,所生成的套卷的测试重点突出,可以提高整体套卷的难度和水平,进而提高了整体套卷的质量。
可选地,上述“按照所述测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题”的步骤还可以进一步包括以下子步骤i和ii:
开始子步骤i,根据各测试知识点按照在该历年试卷中分值占比从高到低的优先级顺序排列的结果,将该各测试知识点划分N(N≥2)个重要等级,可以理解,其中同一个重要等级可能包括多个不同的测试知识点。为了更好的理解下面举一个具体的示例1进行说明,在该示例1中该测试知识点为{a、b、c、d、e、f、g、h、k},其中a、b、c、d、e、f、g、h、k为该测试知识点域中的各测试知识点,分值占比的排序结果为的排序结果为Fa≥Fc≥Fh≥Fb≥Fg≥Fd≥Ff≥Fe≥Fk,那么可以将该各测试知识点按照分值占比的排序结果划分为例如3个重要等级,那么第一重要等级包括a、c、h,第二重要等级包括b、g、d,第三个重要等级包括f、e、k,其中第一重要等级中测试知识点的重要性高于第二重要等级并且第二重要等级中测试知识点的重要性高于第三重要等级。
之后进入子步骤ii,按所划分的N个重要等级的重要性从高到低确定“当前优先抽题的测试知识点”,直到当前等级的测试知识点都已完成抽题,才进入下一个等级的测试知识点的抽题。继续上述示例1,在抽取试题时,先对第一重要等级中的测试知识点a、c、h进行抽题,直到a、c、h都已完成抽题才进入第二重要等级的测试知识点b、g、d的抽题,并且直到b、g、d都已完成抽题才进入第三重要等级的测试知识点f、e、k的抽题。需要说明的是:上述示例1中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
上述子步骤ii的实现方式有多种。在一个实施例中,可以通过以下步骤①②③④实现,具体包括:①优先选择试题中的测试知识点属于当前题型是该测试知识点在历年试卷中的最难题型的测试知识点数量最多的试题;②若符合以上①的条件的试题数量大于1,则优先选择试题中的一般知识点数量最多的试题;否则直接抽取该试题;③若符合以上②的条件的试题数量大于1,则优先选择试题的曝光度最低的试题;否则直接抽取该试题;④若符合以上③的条件的试题数量大于1,则优先选择试题的区分度最大的试题,否则直接抽取该试题。在另一些实施例中,可以通过上述步骤①②③④重新组合后实现,例如按照步骤①③②④的顺序实现,或者按照①③④②的顺序实现,等等。在又一些实施例中,可以通过上述步骤①②③④中的部分步骤重新组合后实现,例如按照步骤①②的组合和顺序实现,或者步骤①②③的组合和顺序实现,或者按照步骤①③④的组合和顺序实现,等等。可以理解,在符合逻辑要求的任意组合和顺序组成的实现方式都在本申请的保护范围内。
可选地,在上述“对于每一种题型”进行抽题的过程中,还进行以下步骤:对当前所抽取试题进行标记,将已标记的试题排除在后续抽取试题的范围内。进而在一定程度上提高了套卷中测试知识点覆盖率,使得学生在使用此套卷进行测试时,复习效率会大大提高。
可选地,在上述步骤102中“更新该测试知识点域”可以进一步包括以下步骤:当一个测试知识点难度最大的题型被所选的试题覆盖后,将这个测试知识点从该测试知识点域中去除,或者是当一个测试知识点所选的试题的题型已达到历年试卷中考核该知识点的最难题型,将这个测试知识点从该测试知识点域中去除。可以理解,一个测试知识点难度最大的题型可能包括一个题型或者不同的多个题型,对于包括不同的多个题型的情况,如果该多个题型中任一个题型在预先设定的试卷模板中相应题型出现就将这个测试知识点从该测试知识点域中去除。
可选地,在上述步骤102中“根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷”之后还可以包括以下步骤:
将所生成的套卷发送至审核,审核完成后进行保存输出。可以理解,该步骤中“审核”可以是人工审核或者计算机自动审核,在审核时可以任意调整或替换试卷中的试题。
图3示出了根据测试知识点域R和预先设定的试卷模板自动生成套卷的一个具体实施例,具体见表5。
表5
可选地,上述步骤306中的试卷数量可以预先按照以下方式进行确定,具体包括:首先,通过分析历年试卷中各题型的试题知识点的数量分布规律,获取平均一份试卷的知识点覆盖数量范围值;其次,通过前期的大量生成套卷的实验数据,分析试卷中包含测试知识点域R内但未达到最难测试题型的知识点数量范围值;最后,根据当前测试知识点域R中的知识点数量及试卷模板,自动计算出套卷的试卷数量。
相应的,本申请的第二实施方式提出了一种计算机自动生成套卷的系统,其结构如图4所示,该计算机自动生成套卷的系统包括确定模块和生成模块。
下面进行详细具体描述:
首先,上述确定模块用于对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型。
可选地,本申请第二实施方式的计算机自动生成套卷的系统还可以包括存储模块,用于对预先构建的试题库、试卷库和试卷模板库进行存储。其中上述试题库是根据学科各水平考试阶段知识点和考试大纲的测试要求收集海量试题,对各试题的属性信息进行标识,并按照各水平考试阶段分类存储来构建的,其中该各试题的属性信息包括唯一标识、所包含测试知识点、所包含一般知识点、所出现的题型、区分度、难度和曝光度等,具体含义如上表3所示。可以理解,本实施方式中该各试题的属性信息不限于上述属性,可以根据需要进行增加设置其他属性。上述试卷库是针对该各水平考试阶段收集历年试卷,对每张历年试卷的年份、地区、阶段、学科以及试题属性信息表进行标识并存储来构建的,其中该试题属性信息表包括该张历年试卷中所包含的试题以及对应每个试题的题型、测试知识点、分值;如上表4为试题属性信息表的一个实施例,可以理解,表4中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。上述试卷模板库是根据该各水平考试阶段和不同学科的考试需求,收集满足各地区的考试要求的试卷模板和对应的试卷属性信息来构建的,其中每种试卷模板的试卷属性信息包括该试卷模板所包含题型、所包含的题量和分值信息。
可选地,本申请第二实施方式的计算机自动生成套卷的系统还可以包括预设定模块,用于根据实际考试(所生成的套卷对应的考试)需求,设定所生成的套卷对应的考试阶段(例如:高考英语考试)、试卷模板等。可选地,上述确定模块还用于根据所设定的考试阶段从上述试卷库中选取对应的所有历年试卷。
可选地,本申请第二实施方式的计算机自动生成套卷的系统还可以包括排序模块,用于对测试知识点域中的各测试知识点按照在该历年试卷中分值占比从高到低的优先级顺序排列,以及每一个测试知识点在该历年试卷中出现过的题型按照难度从难到易的顺序排列。
可选地,本申请第二实施方式的计算机自动生成套卷的系统还可以包括计算模块,用于根据计算该测试知识点域中的每一个测试知识点在历年试卷中分值占比(即占分比),其中v为该考试阶段的历年试卷份数,ju为第u份历年试卷中以该知识点为测试知识点的试题个数,Qui为第u份历年试卷中第i道以该知识点为测试知识点的试题中的占分值,P为该考试阶段的历年试卷总分值的和;以及根据该试题的总分值和该试题中测试知识点的个数计算该所有测试知识点中的每一个测试知识点在某一个试题中的占分值。
其次,上述生成模块用于根据该测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖该测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。
可选地,该生成模块还用于根据实际考试需求个性化设置学生的得分率要求M%;然后,根据所设置的学生的得分率要求确定该预设门限(即占分比排序在前M%);最后,排除占分比排序在后1-M%的测试知识点及保留占分比排序在前M%的测试知识点来预更新该测试知识点域,即最终得到套卷可以至少覆盖该测试知识点域中分值占分比排序在前M%的测试知识点。
可选地,该生成模块还用于按照题型从难到易依次选择题型,一个题型所有试卷的试题选择完成之后再选择这些试卷的下一个题型的试题,直到所有题型完成抽题;其中对于每一种题型按照所述测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题并更新所述测试知识点域,直到当前题型试题数量满足套卷中所有试卷的当前题型的试题数量要求,以及将为所述当前题型抽取的所有试题随机分配到所述套卷的各试卷中,其中每张试卷的试题数量相同。这使套卷中各试卷难度均衡、重难点知识点分布均衡,提高了套卷的质量。
可选地,该生成模块还用于根据各测试知识点按照在该历年试卷中分值占比从高到低的优先级顺序排列的结果,将该各测试知识点划分N(N≥2)个重要等级,并且按所划分的N个重要等级的重要性从高到低确定“当前优先抽题的测试知识点”,直到当前等级的测试知识点都已完成抽题,才进入下一个等级的测试知识点的抽题。
可选地,该生成模块还用于执行以下步骤①②③④的内容以确定同一重要等级的测试知识点的最优试题:①优先选择试题中的测试知识点属于当前题型是该测试知识点在历年试卷中的最难题型的测试知识点数量最多的试题;②若符合以上①的条件的试题数量大于1,则优先选择试题中的一般知识点数量最多的试题;否则直接抽取该试题;③若符合以上②的条件的试题数量大于1,则优先选择试题的曝光度最低的试题;否则直接抽取该试题;④若符合以上③的条件的试题数量大于1,则优先选择试题的区分度最大的试题,否则直接抽取该试题。可选地,该生成模块还可以用于执行上述步骤①②③④的重新组合,例如该生成模块可以用于按照步骤①③②④的顺序执行,或者可以按照①③④②的顺序执行,等等。可选地,该生成模块还用于执行步骤①②③④中的部分步骤的重新组合,例如该生成模块可以按照步骤①②的组合和顺序执行,或者可以按照步骤①②③的组合和顺序执行,或者可以按照步骤①③④的组合和顺序执行,等等。
可选地,该生成模块还用于当一个测试知识点难度最大的题型被所选的试题覆盖后,将这个测试知识点从该测试知识点域中去除,或者是当一个测试知识点所选的试题的题型已达到历年试卷中考核该知识点的最难题型,将这个测试知识点从该测试知识点域中去除。可以理解,一个测试知识点难度最大的题型可能包括一个题型或者不同的多个题型,对于包括不同的多个题型的情况,如果该多个题型中任一个题型在预先设定的试卷模板中相应题型出现,该生成模块就将这个测试知识点从该测试知识点域中去除。
可选地,该生成模块还用于在“对于每一种题型”进行抽题的过程中,对当前所抽取试题进行标记,将已标记的试题排除在后续抽取试题的范围内。
可选地,该生成模块还用于将所生成的套卷发送至审核,审核完成后进行保存输出。在一个实施例中,该审核可以是人工审核,例如将所生成的套卷推送到计算机系统的人机交互界面由人工操作审核,可调整或替换任意试卷中的试题;在另一个实施例中,该审核可以是系统自动审核,例如系统通过预先设置的算法进行自动审核。
第一实施方式是与本实施方式相对应的方法实施方式,第一实施方式中的技术细节可以应用于本实施方式,本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是,本领域技术人员应当理解,上述计算机自动生成套卷的系统的实施方式中所示的各模块的实现功能可参照前述计算机自动生成套卷的方法的相关描述而理解。上述计算机自动生成套卷的系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现,也可通过具体的逻辑电路而实现。本申请实施例上述计算机自动生成套卷的系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施方式还提供一种计算机可读存储介质,其中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于,相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读存储介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
此外,本申请实施方式还提供一种计算机自动生成套卷的系统,其中包括用于存储计算机可执行指令的存储器,以及,处理器;该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中,该处理器可以是中央处理单元(Central Processing Unit,简称“CPU”),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称“DSP”)、专用集成电路(Application SpecificIntegrated Circuit,简称“ASIC”)等。前述的存储器可以是只读存储器(read-onlymemory,简称“ROM”)、随机存取存储器(random access memory,简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是,在本专利的申请文件中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中,如果提到根据某要素执行某行为,则是指至少根据该要素执行该行为的意思,其中包括了两种情况:仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中,以便在必要时可以作为修改的依据。此外应理解,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的保护范围之内。
Claims (10)
1.一种计算机自动生成套卷的方法,其特征在于,包括:
对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型;
根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖所述测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。
2.如权利要求1所述的计算机自动生成套卷的方法,其特征在于,所述测试知识点域中的各测试知识点按照在所述历年试卷中分值占比从高到低的优先级顺序排列,每一个测试知识点在所述历年试卷中出现过的题型按照难度从难到易的顺序排列。
3.如权利要求2所述的计算机自动生成套卷的方法,其特征在于,所述根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,进一步包括:
按照预先设定的试卷模板中的题型从难到易依次选择题型,一个题型所有试卷的试题选择完成之后再选择这些试卷的下一个题型的试题,直到所有题型完成抽题;其中对于每一种题型按照以下步骤A和B进行试题的抽取和分配:
A按照所述测试知识点域中的测试知识点的优先级从高到低的顺序依次从试题库中抽取试题并更新所述测试知识点域,直到当前题型试题数量满足套卷中所有试卷的当前题型的试题数量要求;
B将为所述当前题型抽取的所有试题随机分配到所述套卷的各试卷中,其中每张试卷的试题数量相同。
4.如权利要求3所述的计算机自动生成套卷的方法,其特征在于,所述更新所述测试知识点域,进一步包括:
当一个测试知识点中难度最大的题型被所选的试题覆盖后,将这个测试知识点从所述测试知识点域中去除。
5.如权利要求1所述的计算机自动生成套卷的方法,其特征在于,所述测试知识点域中的每一个测试知识点的分值占比是基于所述历年试卷根据计算得到,其中v为该水平考试阶段的历年试卷份数,ju为第u份历年试卷中以该知识点为测试知识点的试题个数,Qui为第u份历年试卷中第i道以该知识点为测试知识点的试题中的占分值,P为该水平考试阶段的历年试卷总分值的和;
所述所有测试知识点中的每一个测试知识点在某一个试题中的占分值根据该试题的总分值和该试题中测试知识点的个数计算得到。
6.如权利要求1-5中任意一项所述计算机自动生成套卷的方法,其特征在于,所述对历年试卷进行分析以确定测试知识点域之前,还包括:
对所收集的各试题的属性信息进行标识以构建试题库,其中每道试题的属性信息包括唯一标识、所包含测试知识点、所包含一般知识点、所属题型、区分度、难度和曝光度;
对所收集的各历年试卷的年份、阶段、学科以及试题属性信息表进行标识并存储以构建历年试卷库,其中每张历年试卷的试题属性信息表包括该张历年试卷中所包含的试题以及对应每个试题的题型、测试知识点、分值;
对所收集的各试卷模板的属性信息进行标识以构建试卷模板库,其中每种试卷模板的试卷属性信息包括该试卷模板所包含题型、所包含的题量和分值信息。
7.一种计算机自动生成套卷的系统,其特征在于,包括:
确定模块,用于对历年试卷进行分析以确定测试知识点域,该测试知识点域包括被测试到的各测试知识点及其题型;
生成模块,用于根据所述测试知识点域和预先设定的试卷模板从试题库中抽取试题组成套卷,其中该套卷包括一张或多张试卷,该套卷至少覆盖所述测试知识点域中分值占比超过预定门限的各测试知识点及这些测试知识点中难度最大的题型。
8.如权利要求7所述的计算机自动生成套卷的系统,其特征在于,还包括排序模块,用于将所述测试知识点域中的各测试知识点按照在所述历年试卷中分值占比从高到低的优先级顺序排列,每一个测试知识点在所述历年试卷中出现过的题型按照难度从难到易的顺序排列。
9.一种计算机自动生成套卷的系统,其特征在于,包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如权利要求1至6中任意一项所述的方法中的步骤。
10.一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中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如权利要求1至6中任意一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910682891.6A CN110413973B (zh) | 2019-07-26 | 2019-07-26 | 计算机自动生成套卷的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910682891.6A CN110413973B (zh) | 2019-07-26 | 2019-07-26 | 计算机自动生成套卷的方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110413973A true CN110413973A (zh) | 2019-11-05 |
CN110413973B CN110413973B (zh) | 2023-04-18 |
Family
ID=68363266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910682891.6A Active CN110413973B (zh) | 2019-07-26 | 2019-07-26 | 计算机自动生成套卷的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413973B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242816A (zh) * | 2020-01-02 | 2020-06-05 | 广州蓝鸽软件有限公司 | 基于人工智能的多媒体教案制作方法和系统 |
CN111339740A (zh) * | 2020-02-14 | 2020-06-26 | 腾讯云计算(北京)有限责任公司 | 试卷生成方法、装置、电子设备及可读存储介质 |
CN111797124A (zh) * | 2020-07-17 | 2020-10-20 | 上海掌学教育科技有限公司 | 考情分析方法、装置、存储介质及系统 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN112669181A (zh) * | 2020-12-29 | 2021-04-16 | 吉林工商学院 | 一种教育实践培训的考核方法 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN113535935A (zh) * | 2021-06-18 | 2021-10-22 | 华南师范大学 | 基于重要程度和优先级的组卷方法、装置、设备及介质 |
CN113538188A (zh) * | 2021-07-27 | 2021-10-22 | 北京世纪好未来教育科技有限公司 | 试卷生成方法、装置、电子设备及计算机可读存储介质 |
CN115269644A (zh) * | 2022-06-09 | 2022-11-01 | 知学云(北京)科技股份有限公司 | 一种高性能在线考试方法、系统及设备 |
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2575123A1 (en) * | 2011-09-30 | 2013-04-03 | Tata Consultancy Services Limited | Customized question paper generation |
CN104820707A (zh) * | 2015-05-14 | 2015-08-05 | 西安交通大学 | 一种基于计算机领域知识体系的b/s模式自动组卷方法 |
CN105448153A (zh) * | 2015-12-31 | 2016-03-30 | 华夏博雅(北京)教育科技发展有限公司 | 生成定制化试卷的教学系统 |
CN105824896A (zh) * | 2016-03-14 | 2016-08-03 | 成都爱易佰网络科技有限公司 | 一种基于知识点的多维度智能组卷系统及方法 |
CN106897767A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动组卷方法及装置 |
WO2018094925A1 (zh) * | 2016-11-22 | 2018-05-31 | 深圳市鹰硕技术有限公司 | 一种填空题试题的生成和判卷的方法及系统 |
CN109783601A (zh) * | 2018-11-23 | 2019-05-21 | 浙江蓝鸽科技有限公司 | 基于测试知识点的计算机智能组卷方法及其系统 |
-
2019
- 2019-07-26 CN CN201910682891.6A patent/CN110413973B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2575123A1 (en) * | 2011-09-30 | 2013-04-03 | Tata Consultancy Services Limited | Customized question paper generation |
CN104820707A (zh) * | 2015-05-14 | 2015-08-05 | 西安交通大学 | 一种基于计算机领域知识体系的b/s模式自动组卷方法 |
CN105448153A (zh) * | 2015-12-31 | 2016-03-30 | 华夏博雅(北京)教育科技发展有限公司 | 生成定制化试卷的教学系统 |
CN105824896A (zh) * | 2016-03-14 | 2016-08-03 | 成都爱易佰网络科技有限公司 | 一种基于知识点的多维度智能组卷系统及方法 |
WO2018094925A1 (zh) * | 2016-11-22 | 2018-05-31 | 深圳市鹰硕技术有限公司 | 一种填空题试题的生成和判卷的方法及系统 |
CN106897767A (zh) * | 2017-03-03 | 2017-06-27 | 盐城工学院 | 自动组卷方法及装置 |
CN109783601A (zh) * | 2018-11-23 | 2019-05-21 | 浙江蓝鸽科技有限公司 | 基于测试知识点的计算机智能组卷方法及其系统 |
Non-Patent Citations (3)
Title |
---|
余红朝等: "适应网络教育自动组卷算法的研究", 《计算机与现代化》 * |
庄越等: "基于知识点和改进随机抽取算法的智能组卷方案研究", 《计算机与数字工程》 * |
王雍钧等: "基于知识点题型分布和分值的智能组卷算法研究", 《计算机应用与软件》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242816A (zh) * | 2020-01-02 | 2020-06-05 | 广州蓝鸽软件有限公司 | 基于人工智能的多媒体教案制作方法和系统 |
CN111242816B (zh) * | 2020-01-02 | 2024-03-15 | 广州蓝鸽软件有限公司 | 基于人工智能的多媒体教案制作方法和系统 |
CN111339740B (zh) * | 2020-02-14 | 2023-03-31 | 腾讯云计算(北京)有限责任公司 | 试卷生成方法、装置、电子设备及可读存储介质 |
CN111339740A (zh) * | 2020-02-14 | 2020-06-26 | 腾讯云计算(北京)有限责任公司 | 试卷生成方法、装置、电子设备及可读存储介质 |
CN111797124A (zh) * | 2020-07-17 | 2020-10-20 | 上海掌学教育科技有限公司 | 考情分析方法、装置、存储介质及系统 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN112699283A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN112699283B (zh) * | 2020-12-28 | 2023-12-01 | 科大讯飞股份有限公司 | 试卷生成方法及装置 |
CN112669181A (zh) * | 2020-12-29 | 2021-04-16 | 吉林工商学院 | 一种教育实践培训的考核方法 |
CN112669181B (zh) * | 2020-12-29 | 2023-06-30 | 吉林工商学院 | 一种教育实践培训的考核方法 |
CN113535935B (zh) * | 2021-06-18 | 2023-05-30 | 华南师范大学 | 基于重要程度和优先级的组卷方法、装置、设备及介质 |
CN113535935A (zh) * | 2021-06-18 | 2021-10-22 | 华南师范大学 | 基于重要程度和优先级的组卷方法、装置、设备及介质 |
CN113538188A (zh) * | 2021-07-27 | 2021-10-22 | 北京世纪好未来教育科技有限公司 | 试卷生成方法、装置、电子设备及计算机可读存储介质 |
CN113538188B (zh) * | 2021-07-27 | 2024-03-01 | 北京世纪好未来教育科技有限公司 | 试卷生成方法、装置、电子设备及计算机可读存储介质 |
CN115269644A (zh) * | 2022-06-09 | 2022-11-01 | 知学云(北京)科技股份有限公司 | 一种高性能在线考试方法、系统及设备 |
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117151070B (zh) * | 2023-10-31 | 2024-01-23 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110413973B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413973A (zh) | 计算机自动生成套卷的方法及其系统 | |
CN109783601B (zh) | 基于测试知识点的计算机智能组卷方法及其系统 | |
CN105373597B (zh) | 基于k‑medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法 | |
CN106447366B (zh) | 多媒体广告的审核方法、广告审核模型的训练方法及装置 | |
CN110659352B (zh) | 试题考点识别方法及其系统 | |
Goëau et al. | A new fine‐grained method for automated visual analysis of herbarium specimens: A case study for phenological data extraction | |
CN103971555A (zh) | 多层次自动化评估训练综合服务方法及系统 | |
Lobo | Party and electoral leadership | |
CN108388929A (zh) | 基于代价敏感和半监督分类的客户分类方法及装置 | |
CN106570109A (zh) | 一种通过文本分析自动生成题库知识点的方法 | |
CN105786711A (zh) | 一种数据分析的方法及装置 | |
CN112614007B (zh) | 充电潜力小区的识别方法和装置 | |
CN109146873A (zh) | 一种基于学习的显示屏缺陷智能检测方法及装置 | |
CN107909395A (zh) | 基于点击效果的广告测试方法、装置及系统 | |
Crociata et al. | Creative workforce and economic development in precrisis Europe: Main trends and causality relationships | |
CN109146563A (zh) | 一种基于迁移学习的城市住宅地价评估方法 | |
CN106780258A (zh) | 一种未成年人犯罪决策树的建立方法及装置 | |
CN107480879A (zh) | 水文职工业务知识考评方法及系统 | |
CN104504104B (zh) | 用于搜索引擎的图片物料处理方法、装置和搜索引擎 | |
CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 | |
CN116303642A (zh) | 一种科技成果测试中测试专家优选与回避的方法及装置 | |
Kuna et al. | Pattern discovery in university students desertion based on data mining | |
CN112417281B (zh) | 数据分析方法、装置及设备 | |
CN115392854A (zh) | 基于特征提取的试卷生成方法及装置 | |
CN114328668A (zh) | 放款风险控制策略的生成方法、装置、终端及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |