CN110609947A - 智能学习系统的学习内容推荐方法、终端及存储介质 - Google Patents
智能学习系统的学习内容推荐方法、终端及存储介质 Download PDFInfo
- Publication number
- CN110609947A CN110609947A CN201810620541.2A CN201810620541A CN110609947A CN 110609947 A CN110609947 A CN 110609947A CN 201810620541 A CN201810620541 A CN 201810620541A CN 110609947 A CN110609947 A CN 110609947A
- Authority
- CN
- China
- Prior art keywords
- user
- learning
- intelligent
- learning system
- learning content
- 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
Classifications
-
- 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
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种智能学习系统的学习内容推荐方法,应用于智能学习系统;所述智能学习系统的学习内容推荐方法包括如下步骤:获取用户的分类信息;根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题;获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习。本发明还公开了一种终端和一种计算机可读存储介质。本发明的技术方案旨在解决现有的互联网学习系统缺乏针对性和指导性,导致用户不能有效和快速地选择适合自己的学习内容的弊端。
Description
技术领域
本发明涉及智能学习系统技术领域,尤其涉及一种智能学习系统的学习内容推荐方法及应用该智能学习系统的学习内容推荐方法的终端和计算机可读存储介质。
背景技术
随着互联网技术的发展,人们在现实生活中的学习行为活动也随之转移到网络上进行。网上学习相比线下学习具有更为便捷的优点,同时学习过程不受时间及地点的限制,并且网络上的学习资源非常丰富,既能提高学习者的学习效率也能降低学习成本,因此,目前有很多网上学习网站或线下的培训机构将部分培训内容转到互联网上进行培训。
然而,现有的互联网学习系统仅仅是将学习课件(例如视频和文档)挂在网上,以供用户自行选择需要学习的内容。这样的学习系统缺乏针对性和指导性,导致用户不能有效和快速地选择适合自己的学习内容。
发明内容
本发明的主要目的在于提供一种智能学习系统的学习内容推荐方法,旨在解决现有的互联网学习系统缺乏针对性和指导性,导致用户不能有效和快速地选择适合自己的学习内容的弊端。
为实现上述目的,本发明提供的智能学习系统的学习内容推荐方法,应用于智能学习系统;所述智能学习系统的学习内容推荐方法包括如下步骤:
获取用户的分类信息;
根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题;
获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习。
优选地,所述获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习的步骤,具体包括:
获取用户对所述能力测试题的测试结果,根据所述测试结果生成能力分布图形;
根据所述能力分布图形生成与所述能力分布图形对应的个人能力提升学习规划;
根据所述个人能力提升学习规划将学习内容推送至用户以供用户学习。
优选地,所述能力分布图形为象限图或柱状图。
优选地,所述获取用户的分类信息的步骤,具体包括:
显示用户分类选项;
获取用户根据所述用户分类选项选择的用户分类类型;
根据所述用户分类类型确定用户的分类信息。
优选地,所述智能学习系统的学习内容推荐方法还包括:
获取用户在所述智能学习系统中的学习行为信息;
根据所述学习行为信息向用户推荐学习内容。
优选地,所述智能学习系统的学习内容推荐方法还包括:
获取用户在所述智能学习系统中的标签信息;
根据所述标签信息向用户推荐学习内容。
优选地,所述标签信息为用户在所述智能学习系统中的检索信息。
此外,为实现上述目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述任一项所述的方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
在本发明的技术方案中,该智能学习系统首先获取用户的分类信息,再根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题,然后获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习,根据用户的分类信息能够快速地提供与用户自身情况符合的能力测试题,而根据用户对能力测试题的测试结果又能快速识别用户的能力情况,从而,将与用户自身的能力情况符合的学习内容推送至用户,以便用户选择适合自己的学习内容,有利于解决现有的互联网学习系统缺乏针对性和指导性,导致用户不能有效和快速地选择适合自己的学习内容的弊端。
附图说明
图1为本发明智能学习系统的学习内容推荐方法第一实施例的流程示意图;
图2为本发明智能学习系统的学习内容推荐方法第二实施例的流程示意图;
图3为本发明智能学习系统的学习内容推荐方法第三实施例的流程示意图;
图4为本发明智能学习系统的学习内容推荐方法第四实施例的流程示意图;
图5为本发明智能学习系统的学习内容推荐方法第五实施例的流程示意图;
图6为本发明终端第一实施例的模块结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,为实现上述目的,本发明的第一实施例提供一种智能学习系统的学习内容推荐方法,本发明提供的智能学习系统的学习内容推荐方法,应用于智能学习系统;所述智能学习系统的学习内容推荐方法包括如下步骤:
步骤S10,获取用户的分类信息;
步骤S20,根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题;
步骤S30,获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习。
在本发明的技术方案中,该智能学习系统首先获取用户的分类信息,再根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题,然后获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习,根据用户的分类信息能够快速地提供与用户自身情况符合的能力测试题,而根据用户对能力测试题的测试结果又能快速识别用户的能力情况,从而,将与用户自身的能力情况符合的学习内容推送至用户,以便用户选择适合自己的学习内容,有利于解决现有的互联网学习系统缺乏针对性和指导性,导致用户不能有效和快速地选择适合自己的学习内容的弊端。
在本发明一具体实施例中,该智能学习系统可以包括客户端、学习内容数据库及中心服务器。其中,客户端可以包括用户登录模块、个人学习中心模块、用户信息采集模块和用户能力测试模块。用户信息采集模块可以用于多种信息采集,例如,用户信息采集模块可以包括用户注册信息采集单元、用户标签采集单元和用户学习行为信息采集单元。用户能力测试模块用于根据不同的用户身份生成不同维度的测试题。当用户通过用户登录模块进入本学习系统后,用户注册信息采集单元开始收集用户输入的用户注册信息。
进一步地,中心服务器可以包括智能分析模块和推荐模块。其中,智能分析模块可以具体包括能力维度分析模块、学习规划生成模块和智能匹配课件模块;推荐模块用于接收用户标签采集单元的标签信息生成推荐,和/或接收用户学习行为信息采集单元的信息生成推荐学习内容。
学习内容数据哭中可以包括多种类型的学习资料,例如,课件、视频或论文等,当然,学习资料的类型不限于此。
在客户端可以通过人机交互界面对用户类型进行划分,不同用户类型对应不同的知识和技能测试,通过对用户作答的结果进行评测和数据匹配,从而向用户推荐适合自身情况的学习内容,使学习过程更具有针对性。
进一步地,可以在智能学习系统中设置问答专区,对于用户比较急的需求可以在问答专区内得到解决,在线专家、老师及一些有经验的用户会及时针对用户提问进行解答,智能学习系统会在第一时间推送答案给用户。推送答案的方式可以有多种,例如,直接推送给用户的客户端,或推送至用户与客户端关联的邮箱或手机等,在此不对推送方式进行限制。
整个智能学习系统会在后续更新中迭代入人工智能控制体系,匹配精准的用户大数据,抓取更加精细化的能力提升对应的课程,做到更加了解用户,更加人性化,更加智能。
请参阅图2,基于本发明智能学习系统的学习内容推荐方法的第一实施例,本发明智能学习系统的学习内容推荐方法的第二实施例中,所述步骤S30,具体包括:
步骤S31,获取用户对所述能力测试题的测试结果,根据所述测试结果生成能力分布图形;
步骤S32,根据所述能力分布图形生成与所述能力分布图形对应的个人能力提升学习规划;
步骤S33,根据所述个人能力提升学习规划将学习内容推送至用户以供用户学习。
举例来说,当用户类型为金融行业从业人员时,通过对基于商业金融实操为基础的相关课程知识划分体系的匹配,裁定出用户能力边界和能力象限中具体的得分,从而图形化显现出用户知识技能的长短板,并对用户现有能力制定补全完善计划——根据课程习题库智能生成定制学习计划,用户按照此计划进行学习即可完成对短板能力的提升。
优选地,所述能力分布图形为象限图或柱状图。当然,能力分布图形用于体现用户的能力优势和劣势,能力分布图形可以采取多种图形表示,类型不限于此。
当测试题完成之后,能力维度分析模块接收测试结果生成能力分布图形,从该图形能直观地看出用户的优势能力及短缺能力。客户端的能力测试模块将测试得分结果发给能力维度分析模块,由能力维度分析模块生成能力分布图形。学习规划生成模块接收能力分布图形生成能补短的个人能力提升学习规划。智能匹配课件模块通过个人能力提升学习规划从学习内容数据库调出适合用户本人的并且可以提高个人能力短板的具体的学习内容推荐到个人学习中心。
请参阅图,3,基于本发明智能学习系统的学习内容推荐方法的第一实施例或第二实施例,本发明智能学习系统的学习内容推荐方法的第三实施例中,所述步骤S10,具体包括:
步骤S11,显示用户分类选项;
步骤S12,获取用户根据所述用户分类选项选择的用户分类类型;
步骤S13,根据所述用户分类类型确定用户的分类信息。
获得用户分类信息的方式可以有多种,例如,可以直接获取用户的注册信息,从而确定用户分类。还可以直接引导客户填写输入其分类信息。在本实施例中,具体的,可以在客户端通过用户能力测试模块引导用户选择用户分类类型,其用户分类类型可以根据需要设置,例如,用户分类类型中可以设置学生、企业家或创业者等职业身份。
选择完用户分类,用户能力测试模块将根据用户选择的分类生成能力测试题,该能力测试题可以从多维角度考察用户的能力,最终得出测试结果。多维度指的是,如果该用户的身份为创业者,测试维度可以为以领导力、企业运营能力、控制风险能力、运营资源能力和金融知识等角度。
请参阅图4,基于本发明智能学习系统的学习内容推荐方法的第一实施例或第三实施例,本发明智能学习系统的学习内容推荐方法的第四实施例中,,所述智能学习系统的学习内容推荐方法,还包括:
步骤S40,获取用户在所述智能学习系统中的学习行为信息;
步骤S50,根据所述学习行为信息向用户推荐学习内容。
用户在使用该智能学习系统的过程中会有多种行为,例如,点击“喜欢”、进行评论和收藏等行为,对这些行为进行综合评估,因此,可以定期推送给用户感兴趣的视频/课程。随着学习的深入,该智能学习系统会对用户的习惯和特性更加了解,推送的内容也会更加精准。
学习行为信息还可以为其他类型,例如,用户在进行学习时,做课件测试题留下来的错题信息,还可以根据用户错得较多的领域,向用户推荐相关领域的学习内容。
请参阅图5,基于本发明智能学习系统的学习内容推荐方法的第一实施例至第四实施例的任一项,本发明智能学习系统的学习内容推荐方法的第五实施例中,所述智能学习系统的学习内容推荐方法,还包括:
步骤S60,获取用户在所述智能学习系统中的标签信息;
步骤S70,根据所述标签信息向用户推荐学习内容。
用户在智能学习系统中可以点击和选择各种标签,优选地,所述标签信息为用户在所述智能学习系统中的检索信息。标签可以是用户在本智能学习系统中进行检索等使用标签的行为时采集到的信息。对这些标签进行综合评估,该智能学习系统可以定期推送给用户感兴趣的视频/课程。随着学习的深入,该智能学习系统会对用户的习惯和特性更加了解,推送的内容也会更加精准。
推荐模块根据收集到的标签信息及用户行为信息,通过推荐算法向用户推荐学习内容。通过机器学习,用户信息采集模块不断扩大采集数据量,其引导和推荐的精准度越来越高。
此外,为实现上述目的,本发明还提供一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上述任一项所述的方法的步骤。
在某些具体实施方式中,该终端10可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口,具体使用时,前端通过上述用户接口1003获取数据。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图6中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
由于本实施例终端10的技术方案至少包括上述方法实施例的全部技术方案,因此至少具有以上实施例的全部技术效果,此处不再一一赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备进入本发明各个实施例所述的方法。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
由于本实施例计算机可读存储介质的技术方案至少包括上述方法实施例的全部技术方案,因此至少具有以上实施例的全部技术效果,此处不再一一赘述。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种智能学习系统的学习内容推荐方法,其特征在于,应用于智能学习系统;所述智能学习系统的学习内容推荐方法包括如下步骤:
获取用户的分类信息;
根据所述用户的分类信息,生成与所述用户的分类信息对应的能力测试题;
获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习。
2.根据权利要求1所述的智能学习系统的学习内容推荐方法,其特征在于,所述获取用户对所述能力测试题的测试结果,并根据所述测试结果将与所述测试结果对应的学习内容推送至用户以供用户学习的步骤,具体包括:
获取用户对所述能力测试题的测试结果,根据所述测试结果生成能力分布图形;
根据所述能力分布图形生成与所述能力分布图形对应的个人能力提升学习规划;
根据所述个人能力提升学习规划将学习内容推送至用户以供用户学习。
3.根据权利要求2所述的智能学习系统的学习内容推荐方法,其特征在于,所述能力分布图形为象限图或柱状图。
4.根据权利要求1所述的智能学习系统的学习内容推荐方法,其特征在于,所述获取用户的分类信息的步骤,具体包括:
显示用户分类选项;
获取用户根据所述用户分类选项选择的用户分类类型;
根据所述用户分类类型确定用户的分类信息。
5.根据权利要求1所述的智能学习系统的学习内容推荐方法,其特征在于,所述智能学习系统的学习内容推荐方法还包括:
获取用户在所述智能学习系统中的学习行为信息;
根据所述学习行为信息向用户推荐学习内容。
6.根据权利要求1至5中任一项所述的智能学习系统的学习内容推荐方法,其特征在于,所述智能学习系统的学习内容推荐方法还包括:
获取用户在所述智能学习系统中的标签信息;
根据所述标签信息向用户推荐学习内容。
7.根据权利要求6所述的智能学习系统的学习内容推荐方法,其特征在于,所述标签信息为用户在所述智能学习系统中的检索信息。
8.一种终端,其特征在于,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
9.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810620541.2A CN110609947A (zh) | 2018-06-15 | 2018-06-15 | 智能学习系统的学习内容推荐方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810620541.2A CN110609947A (zh) | 2018-06-15 | 2018-06-15 | 智能学习系统的学习内容推荐方法、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110609947A true CN110609947A (zh) | 2019-12-24 |
Family
ID=68888249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810620541.2A Pending CN110609947A (zh) | 2018-06-15 | 2018-06-15 | 智能学习系统的学习内容推荐方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609947A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543608A (zh) * | 2019-08-21 | 2019-12-06 | 广州汇思信息科技有限公司 | 一种牌照学习管理方法、装置、计算机设备以及存储介质 |
CN112837191A (zh) * | 2021-01-28 | 2021-05-25 | 深圳点猫科技有限公司 | 一种智能定制课程的生成方法、装置及设备 |
CN113413607A (zh) * | 2021-06-28 | 2021-09-21 | 网易(杭州)网络有限公司 | 一种信息推荐方法、装置、计算机设备及存储介质 |
CN114817754A (zh) * | 2022-06-30 | 2022-07-29 | 山东广电视觉科技有限公司 | 一种vr学习系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004302215A (ja) * | 2003-03-31 | 2004-10-28 | Nacse Japan Kk | 学習支援システム及び装置 |
US20090061409A1 (en) * | 2007-08-28 | 2009-03-05 | Micro-Star Int'l Co., Ltd. | Device and method for arranging learning courses |
CN101595499A (zh) * | 2006-12-15 | 2009-12-02 | 朴南教 | 用于推荐针对个人定制的讲课的设备和方法及其连接终端 |
US20140120514A1 (en) * | 2012-10-26 | 2014-05-01 | Cheng Hua YUAN | Cloud Learning System Capable of Enhancing Learner's Capability Based on Then-Current Contour or Profile of Levels or Capabilities of the Learner |
CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
-
2018
- 2018-06-15 CN CN201810620541.2A patent/CN110609947A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004302215A (ja) * | 2003-03-31 | 2004-10-28 | Nacse Japan Kk | 学習支援システム及び装置 |
CN101595499A (zh) * | 2006-12-15 | 2009-12-02 | 朴南教 | 用于推荐针对个人定制的讲课的设备和方法及其连接终端 |
US20090061409A1 (en) * | 2007-08-28 | 2009-03-05 | Micro-Star Int'l Co., Ltd. | Device and method for arranging learning courses |
US20140120514A1 (en) * | 2012-10-26 | 2014-05-01 | Cheng Hua YUAN | Cloud Learning System Capable of Enhancing Learner's Capability Based on Then-Current Contour or Profile of Levels or Capabilities of the Learner |
CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543608A (zh) * | 2019-08-21 | 2019-12-06 | 广州汇思信息科技有限公司 | 一种牌照学习管理方法、装置、计算机设备以及存储介质 |
CN112837191A (zh) * | 2021-01-28 | 2021-05-25 | 深圳点猫科技有限公司 | 一种智能定制课程的生成方法、装置及设备 |
CN113413607A (zh) * | 2021-06-28 | 2021-09-21 | 网易(杭州)网络有限公司 | 一种信息推荐方法、装置、计算机设备及存储介质 |
CN114817754A (zh) * | 2022-06-30 | 2022-07-29 | 山东广电视觉科技有限公司 | 一种vr学习系统 |
CN114817754B (zh) * | 2022-06-30 | 2022-11-15 | 山东广电视觉科技有限公司 | 一种vr学习系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10242345B2 (en) | Automatic interview question recommendation and analysis | |
CN110609947A (zh) | 智能学习系统的学习内容推荐方法、终端及存储介质 | |
US10528916B1 (en) | Competency-based question selection for digital evaluation platforms | |
CN111177413A (zh) | 学习资源推荐方法、装置和电子设备 | |
CN104993962B (zh) | 获取终端使用状态的方法和系统 | |
CN112184500A (zh) | 基于深度学习和知识图谱的课外学习辅导系统及实现方法 | |
Andrews-Todd et al. | Application of ontologies for assessing collaborative problem solving skills | |
US20170004721A1 (en) | Online education platform having an instructor dashboard | |
US20150310456A1 (en) | Educational Survey System | |
KR102281161B1 (ko) | 자기소개서를 기반으로 면접 질문을 생성하는 서버 및 방법 | |
Hamilton et al. | Measuring educational quality by appraising theses and dissertations: pitfalls and remedies | |
Grünewald | The development of modelling competencies by year 9 students: Effects of a modelling project | |
JP6123260B2 (ja) | 抽出方法、抽出装置および抽出プログラム | |
Morrison et al. | Classroom response systems for implementing interactive inquiry in large organic chemistry classes | |
Patil et al. | Correlation based real-time data analysis of graduate students behaviour | |
US11416558B2 (en) | System and method for recommending personalized content using contextualized knowledge base | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
CN107430824B (zh) | 用于评价响应的半自动系统和方法 | |
Koong et al. | The learning effectiveness analysis of JAVA programming with automatic grading system | |
CN108520438A (zh) | 行为类型确定方法及装置 | |
CN113627198A (zh) | 一种基于历史问答数据的参考回答生成方法、系统、装置和计算机设备 | |
Yeung et al. | Exploring Characteristics of Fine-Grained Behaviors of Learning Mathematics in Tablet-Based E-Learning Activities. | |
CN109522203B (zh) | 一种软件产品的评测方法及装置 | |
CN112328894A (zh) | 一种行为引导方法、装置、计算机设备及存储介质 | |
Unčík et al. | Annotating educational content by questions created by learners |
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 |