CN110651294A - 估计考试分数的方法、设备及计算机程序 - Google Patents

估计考试分数的方法、设备及计算机程序 Download PDF

Info

Publication number
CN110651294A
CN110651294A CN201780090996.1A CN201780090996A CN110651294A CN 110651294 A CN110651294 A CN 110651294A CN 201780090996 A CN201780090996 A CN 201780090996A CN 110651294 A CN110651294 A CN 110651294A
Authority
CN
China
Prior art keywords
question
user
test
simulated
score
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.)
Withdrawn
Application number
CN201780090996.1A
Other languages
English (en)
Inventor
车映慜
许宰纬
张荣峻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Increasingly Ltd
Original Assignee
Increasingly Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Increasingly Ltd filed Critical Increasingly Ltd
Publication of CN110651294A publication Critical patent/CN110651294A/zh
Withdrawn legal-status Critical Current

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
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • 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
    • G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种在学习数据分析服务器中估计用户对考题的预测分数的方法，其特征在于，包括：建立包括若干个问题的问题数据库，收集针对问题的若干个用户的求解结果数据，并利用求解结果数据来估计任意用户针对任意问题的正解率的a步骤；从问题数据库中建立至少一个类似于不利用问题数据库来出题的外部考题集的模拟考题集的b步骤；针对未解答模拟考题集的任意用户，利用用户针对构成模拟考题集的每个问题的正解率来估计模拟考题集的预测分数，并提供估计的预测分数，将其用作针对外部考题的预测分数的c步骤。

Description

估计考试分数的方法、设备及计算机程序
技术领域
本发明涉及一种估计特定用户考试分数的方法。更具体地讲，本发明涉及一种通过分析大量用户的解题结果数据来估计特定用户对实际考试的预测分数的方法。
背景技术
截至目前，通常都是根据专家的专业知识来估计受测者对特定考试的预测分数。例如，在高考情况下，根据专家的专业知识创建类似于实际高考的模拟考试，并基于学生的模拟考试解题结果来预估高考的预测分数。
但是，这种方法取决于专家的主观经验和直觉，因此，很多时候都与实际考试结果大不相同。例如，很多学生在模拟考试中获得二级水平，而在实际考试中却获得完全不同的等级。此外，学生还必须承担亲自尝试多次解答模拟考试试题的负担，即便只能获知不完整的预测分数。
在这种传统的教育环境中，受测者对实际考试的预测分数并非通过数学方法计算得出。受测者必须参加大量的模拟考试来获知预测分数，而且，受试者还要根据可靠性较低的预测分数来准备相应的考试，从而导致学习效率下降的问题发生。
发明内容
技术问题
本发明要解决的技术问题是提供一种不解答针对特定考试的模拟考题，也能估计出相应考试的预测分数的方法。
更具体地讲，本发明要解决的技术问题是提供一种建立针对问题和用户的建模向量，以使用户无需解答类似于实际考题的模拟考题集，也能估计针对模拟考题集的预测分数，并提供估计的预测分数，将其用作针对实际考题的预测分数的方法。
技术方案
依据本发明的实施例，一种在学习数据分析服务器中估计用户对考题的预测分数的方法，其特征在于，包括：建立包括若干个问题的问题数据库，收集针对上述问题的若干个用户的求解结果数据，并利用上述求解结果数据来估计任意用户针对任意问题的正解率的a步骤；从上述问题数据库中建立至少一个类似于不利用上述问题数据库来出题的外部考题集的模拟考题集的b步骤；针对未解答上述模拟考题集的任意用户，利用上述用户针对构成上述模拟考题集的每个问题的上述正解率来估计上述模拟考题集的预测分数，并提供估计的预测分数，将其用作针对上述外部考题的预测分数的c步骤。
发明效果
依据本发明，其效果在于，用户无需解答模拟考题集，也能估计实际考试分数。
附图说明
图1示出的是在依据本发明实施例的数据分析框架中估计考试分数的流程图。
具体实施方式
本发明并不限于以下所记载的实施例的描述内容，在不脱离本发明技术要旨的范围内可施加各种变形是不言而喻的。另外，在描述实施例时，将省略对本发明所属技术领域中广泛已知且与本发明的技术要旨无直接关联的技术内容的描述。
同时，附图中使用相同的附图标记来表示相同的组件。另外，附图中的部分组件可能被夸大、省略或示意性地示出。这是为了省略与本发明要旨无关的不必要的描述，从而阐明本发明的要旨。
最近，随着IT设备的不断普及，收集用于分析用户的数据变得更加容易。如果能够充分收集用户数据，用户分析将变得更加精确，还可以以最适合相应用户的形式提供内容。
伴随着这种趋势的发展，特别是教育行业对精确分析用户表现出极大的需求。
举一个简单的例子来说，某个以考上特定大学为目标的学生可以高度可靠地预测其高考分数，在语言领域考取50分，在外语领域考取80分，该学生还可通过参考大学的招生大纲来判断应重点学习的科目。
学生为估计考试分数，采用的是多次解答由专家创建的类似于相应考试的模拟考试试题的传统方法。但是，考生解答模拟考试试题的行为本身很难被视为有效的学习。模拟考试是以类似于实际考试为准而创建的，因此，其出题意图与应试者的实力无关。即，模拟考试仅仅是为了通过估计考试分数来确认自己在全体学生排名中的所在位置，并不以促进应试者学习为目的创建问题。
因此，个别学生通过模拟考试往往会多次解答已知的问题。此外，传统的模拟考试是根据专家的专业知识创建的，因此，无法判断其是否与实际考试相似，即，无法以数学方法来计算其与实际考试的相似度，其问题还在于，通过模拟考试估计的学生预测分数与实际考试分数大不相同。
本发明旨在解决上述问题。依据本发明的实施例的数据分析服务器提供一种将机器学习框架应用于学习数据分析，以排除数据处理过程中的人为干预并估计考试分数的方法。
依据本发明的实施例，用户无需解答模拟考试试题，也能预测考试分数。更具体地讲，依据本发明的实施例，通过数据分析系统的问题数据库，可以以数学方法创建与实际考试相似的模拟考试。此外，用户无需解答通过问题数据库创建的模拟考试试题，只需使用针对用户和问题的建模向量便可估计针对问题的正解率，因此，计算得出的针对相应考试的预测分数具有较高可靠性。
图1示出的是在依据本发明实施例的数据分析框架中估计任意用户的实际考试分数的流程图。
步骤110和步骤120是用于在数据分析系统中估计针对个别用户的实际考试预测分数的前提步骤。
依据本发明的实施例，在步骤110中，可收集到所有用户针对数据库中存储的所有问题的求解结果数据。
更具体来讲，数据分析服务器可建立问题数据库，并收集所有用户针对属于上述问题数据库的所有问题的求解结果数据。
例如，数据分析服务器可以通过建立涉及市面上各种问题的数据库，并收集用户解答相应问题的结果的方法来收集求解结果数据。上述问题数据库包括听力评估问题，并其可以以文本、图片、音频和/或视频的形式提供。
这时，数据分析服务器可以以用户列表、问题列表、结果列表的形式建立收集的解题结果数据。例如，例如，Y(u，i)表示用户u解答问题i的结果，答案正确时，被分配值1，答案错误时，被分配值0。
另外，依据本发明实施例的数据分析服务器可以建立由用户和问题组成的多维空间，并以用户解题正确与否为准为上述多维空间分配值，以计算每个用户和问题的向量(步骤120)。这时应被解释为，包括用户向量和问题向量在内的特征不受限制。
同时，尽管图1未单独示出，但，数据分析服务器可利用上述用户向量和上述问题向量来估计用户答对任意问题的概率，即正解率。
这时，可以在上述用户向量和上述问题向量中应用各种算法来计算上述正解率，且并不限定于解释本发明的计算正解率的算法。
例如，为估计正解率，数据分析服务器可在上述用户的向量值和上述问题的向量值中应用设定参数的Sigmoid函数来计算用户针对相应问题的正解率。
作为另一个示例，数据分析服务器可利用上述用户的向量值和上述问题的向量值来估计特定用户对特定问题的理解程度，并可利用上述理解程度来估计特定用户答对特定问题的概率。
例如，用户向量的第一行值为【0，0，1，0.5，1】时，可解释为，第一用户根本不理解第一和第二概念，完全理解第三和第五概念，而对第四概念只理解一半。
另外，问题向量的第一行值为【0，0.2，0.5，0.3，0】时，可解释为，第一题中根本不包括第一概念，包括约20％的第二概念，包括约50％的第三概念，并包括约30％的第四概念。
这时，如果估计第一用户对第一题的理解程度，则可使用0x0+0x0.2+1x0.5+0.5x0.5+1x0＝0.75来计算。即，可估计第一用户对第一题的理解程度为75％。
然而，用户对特定问题的理解程度和答对特定问题的概率并不相同。在上述示例中，如果第一用户对第一题的理解程度为75％，那么，第一用户在实际解答第一题时回答正确的概率又会是多少呢？
为此，可以引入心理学、认知科学、教育学中使用的方法论来估计理解程度与正解率之间的关系。例如，可以考虑由Reckase和McKinley设计的M2PL(multidimensional two-parameter logisitc)潜在特征模型理论(Latent Trait Model)等来估计理解程度和正解率。
但是，如果本发明能够应用以合理方法估计理解程度和正解率之间关系的现有技术来计算用户针对问题的正解率就足够了，应注意的是，不可限于估计理解程度和正解率之间关系的方法论来解释本发明。
然后，数据分析服务器可利用上述问题数据库来创建类似于旨在估计考试分数的目标考试的模拟考试(步骤130)。这时，优选地，应为特定考试创建若干个模拟考试。
由于实际考试均按照在问题数据库外部创建的原则进行，因而，针对每个实际考题计算建模向量并非易事。因此，如果利用预先计算建模向量的问题数据库来创建类似于相应考试的模拟考试，则可使用实际考试的预测分数来代替模拟考试的预测分数。
依据本发明的实施例，可通过以下方法来创建模拟考试。
首先，利用所有用户针对每个数据库问题的平均正解率来建立题集，以使所有用户针对模拟考试的平均分数对应任意范围。
例如，参考语言能力考试的统计数据时，如果所有应试者在相应考试中的平均分数为67分至69分，数据分析服务器则可建立使模拟考试的平均分数也在67分至69分范围内的题集。
这时，还可以考虑相应考试的题型分布来建立模拟考题集。例如，在参考语言能力考试的统计数据时，如果实际考试在出题时第一类型约占20％，第二类型约占30％，第三类型约占40％，第四类型约占10％，则在创建模拟考试时其题型分布也可与实际考试相似。
为此，依据本发明的实施例，可通过预先生成题型标签来将索引信息添加到问题数据库中。
例如，数据分析服务器预定义可被划分为任意类型的问题的标签，并通过学习遵循相应题型的问题模型特征来对问题进行聚类，及对聚类问题组分配题型标签的方法来生成索引信息。
作为另一个示例，数据分析服务器也可不对问题类型标签加以预先定义，而是以利用问题的建模向量对问题进行聚类，并对聚类的问题组含义进行解析，从而分配题型标签的方法来生成索引信息。
依据本发明的实施例，创建模拟考试的第二种方法就是应用任意用户针对相应考试的实际分数信息。
例如，在之前有关语言能力考试的示例中，如果参加该项考试的用户A、B、C的实际分数分别为60分，70分和80分，则可在建立模拟考题集时，确保应用预先计算得出的用户A、B、C的正解率来计算的模拟考试预测分数分别对应60分，70分和80分。
依据为使模拟考试的估计分数接近实际分数而建立题集的上述实施例，模拟考试与实际考试之间的相似度可利用参加实际考试的用户分数信息，以数学方法计算得出。因此，可以提高模拟考试的可靠性，即模拟考试分数接近实际考试分数的可靠性。
这时，依据本发明的实施例，可应用相应考试的题型分布信息来建立模拟考题集，也可应用其他通过统计分析得出的信息。
同时，尽管图1未单独示出，但数据分析服务器可在建立模拟考题集的过程中调整问题的分值。其原因在于，并未分配单独的分值信息给属于问题数据库的问题，而在实际考试中，每个问题都会被分配不同的分值。
通常，在实际考试中，高分值被分配给高难问题，而低分值则被分配给简单问题。如果加以解释，即其在考虑问题的平均正解率、构成问题的概念数量、问题文本的长度等来分配实际问题的分值，也可根据题型分配预定分值。
因此，依据本发明实施例的数据分析服务器可通过反映相应问题的平均正解率、构成问题的概念数量、问题文本的长度及题型信息中的至少一个来为构成模拟考题集的每个问题分配分值。
为此，尽管图1未单独示出，但是数据分析服务器可使用树结构列出相应科目的学习元素及/或主题来生成有关最小学习元素的元数据集，以生成有关问题概念的标签，并可将上述最小学习元素归类为适合分析的组单元，从而生成有关构成问题的概念的索引信息。
尤其，依据本发明的实施例，还可为构成题集的每个问题分配分值，以使实际参加相应考试的用户的实际分数接近该用户对模拟考题集的估计分数。
如果建立与实际考试相似度较高的模拟考题集，依据本发明实施例的数据分析服务器就可以估计每个用户对模拟考试的预测分数(步骤140)。其以实际考试与模拟考试相似为前提条件，将模拟考试分数估作实际考试分数。
尤其，依据本发明的实施例，其特征在于，用户无需亲自解答模拟考试试题，也可高度可靠地估计模拟考试的分数。
依据本发明实施例的模拟考试由包含在问题数据中的问题构成，如前所述，针对属于数据库的每个问题的用户正解率被预算得出。因此，利用针对构成模拟考试的所有问题的个别用户的正解率，可估计相应用户的模拟考试预测分数。
这时，依据本发明的实施例，可以建立若干个用于估计任意考试分数的模拟考题集，并对针对特定用户的若干个模拟考试的估计分数加以平均，从而估计相应用户对实际考试的预测分数。
本说明书和附图中公开的本发明实施例，仅为便于说明本发明技术内容及有助于理解本发明的具体示例，而非用来限定本发明的范围。对于本发明所属技术领域的技术人员来说显而易见的是，除本文公开的实施例外，基于本发明技术思想的其他变形示例也是可行的。

Claims (5)

1.一种在学习数据分析服务器中估计用户对考题的预测分数的方法，其特征在于，包括：建立包括若干个问题的问题数据库，收集针对所述问题的若干个用户的求解结果数据，并利用所述求解结果数据来估计任意用户针对任意问题的正解率的a步骤；
从所述问题数据库中建立至少一个类似于不利用所述问题数据库来出题的外部考题集的模拟考题集的b步骤；
针对未解答所述模拟考题集的任意用户，利用所述用户针对构成所述模拟考题集的每个问题的所述正解率来估计所述模拟考题集的预测分数，并提供估计的预测分数，将其用作针对所述外部考题的预测分数的c步骤。
2.根据权利要求1所述的预测分数估计方法，其特征在于，所述步骤b包括：利用所有用户针对构成所述模拟考题集的每个问题的平均正解率来建立所述模拟考题集，以使所述所有用户针对所述模拟考题集的平均分数对应预设范围的步骤。
3.根据权利要求2所述的预测分数估计方法，其特征在于，所述步骤b包括：建立所述模拟考题集，以遵循预先计算得出的所述外部考题集的题型分布信息的步骤。
4.根据权利要求1所述的预测分数估计方法，其特征在于，所述步骤b包括：获取至少一个所述用户针对所述外部考题集的实际分数信息；及建立所述模拟考题集，以使所述用户对所述模拟考题集的预测分数接近所述实际分数信息的步骤。
5.一种估计用户对考题的预测分数的设备，其特征在于，包括：问题数据库，其包括若干个问题；及控制部，其收集针对所述问题的若干个用户的求解结果数据，并利用所述求解结果数据来估计任意用户针对任意问题的正解率，从所述问题数据库中建立至少一个类似于不利用所述问题数据库来出题的外部考题集的模拟考题集，针对未解答所述模拟考题集的任意用户，利用所述用户针对构成所述模拟考题集的每个问题的所述正解率来估计所述模拟考题集的预测分数，并提供估计的预测分数，将其用作针对所述外部考题的预测分数。
CN201780090996.1A 2017-05-19 2017-06-08 估计考试分数的方法、设备及计算机程序 Withdrawn CN110651294A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2017-0062554 2017-05-19
KR20170062554 2017-05-19
PCT/KR2017/005926 WO2018212397A1 (ko) 2017-05-19 2017-06-08 시험 점수를 추정하는 방법, 장치 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
CN110651294A true CN110651294A (zh) 2020-01-03

Family

ID=64274180

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780090996.1A Withdrawn CN110651294A (zh) 2017-05-19 2017-06-08 估计考试分数的方法、设备及计算机程序

Country Status (4)

Country Link
US (1) US20200193317A1 (zh)
JP (1) JP6814492B2 (zh)
CN (1) CN110651294A (zh)
WO (1) WO2018212397A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288145A (zh) * 2020-10-15 2021-01-29 河海大学 基于多视角认知诊断的学生成绩预测方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509411B (zh) * 2017-10-10 2021-05-11 腾讯科技（深圳）有限公司 语义分析方法和装置
KR102015075B1 (ko) * 2018-10-16 2019-08-27 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
CN109815316B (zh) * 2019-01-30 2020-09-22 重庆工程职业技术学院 考务信息管理系统及方法
US20200258412A1 (en) * 2019-02-08 2020-08-13 Pearson Education, Inc. Systems and methods for predictive modelling of digital assessments with multi-model adaptive learning engine
CN111179675B (zh) * 2019-12-30 2022-09-06 安徽知学科技有限公司 个性化练习题推荐方法、系统、计算机设备以及存储介质
KR102412381B1 (ko) * 2021-01-11 2022-06-23 (주)뤼이드 풀이 경험이 없는 추가된 문제 컨텐츠에 대한 예측된 정답 확률을 기초로, 문제를 평가하는 학습 컨텐츠 평가 장치, 시스템 및 그것의 동작 방법
US20220415203A1 (en) * 2021-06-28 2022-12-29 ACADEMIC MERIT LLC d/b/a FINETUNE LEARNING Interface to natural language generator for generation of knowledge assessment items
KR102636703B1 (ko) * 2021-11-09 2024-02-14 (주)엠디에스인텔리전스 시험과 연관된 샘플 문제를 기초로 한 테스트를 통해 시험에 대한 평가 등급을 예측하는 평가 등급 예측 서비스 서버 및 그 동작 방법
JP7447929B2 (ja) 2021-12-07 2024-03-12 カシオ計算機株式会社 情報処理装置、情報処理方法及びプログラム
CN117541447A (zh) * 2024-01-09 2024-02-09 山东浩恒信息技术有限公司 一种用于智能教室实训的教学数据处理方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010070616A (ko) * 2000-07-25 2001-07-27 박종성 문항반응이론을 이용한 온라인 자격 및 인증시험 서비스시스템 및 방법
JP2002072857A (ja) * 2000-08-24 2002-03-12 Up Inc 通信ネットワークを利用する模擬試験方法およびシステム
JP2003271050A (ja) * 2002-03-15 2003-09-25 Toppan Printing Co Ltd 試験問題作成システム、方法及びプログラム
TW201027359A (en) * 2009-01-07 2010-07-16 Newttech Network Technology Co Ltd System and method for evaluating simulation of examination result
JP2017068189A (ja) * 2015-10-02 2017-04-06 アノネ株式会社 学習支援装置、学習支援方法、学習支援装置用プログラム
CN106682768A (zh) * 2016-12-08 2017-05-17 北京粉笔蓝天科技有限公司 一种答题分数的预测方法、系统、终端及服务器
CN114511425A (zh) * 2017-05-19 2022-05-17 日益得有限公司 提供用户定制型学习内容的方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100059434A (ko) * 2008-11-26 2010-06-04 현학선 인터넷 학습시스템 및 그 방법
KR101229860B1 (ko) * 2011-10-20 2013-02-05 주식회사 매쓰홀릭 학습 지원 시스템 및 방법
KR101893222B1 (ko) * 2012-03-26 2018-08-29 주식회사 소프트펍 문제 운영 시스템
US20150325138A1 (en) * 2014-02-13 2015-11-12 Sean Selinger Test preparation systems and methods
KR101493490B1 (ko) * 2014-05-08 2015-02-24 학교법인 한양학원 문제 출제 방법, 이를 이용하는 장치
JP2017003673A (ja) * 2015-06-06 2017-01-05 和彦 木戸 学習支援置
US10248909B2 (en) * 2016-01-19 2019-04-02 Conduent Business Services, Llc Assessment performance prediction

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010070616A (ko) * 2000-07-25 2001-07-27 박종성 문항반응이론을 이용한 온라인 자격 및 인증시험 서비스시스템 및 방법
JP2002072857A (ja) * 2000-08-24 2002-03-12 Up Inc 通信ネットワークを利用する模擬試験方法およびシステム
JP2003271050A (ja) * 2002-03-15 2003-09-25 Toppan Printing Co Ltd 試験問題作成システム、方法及びプログラム
TW201027359A (en) * 2009-01-07 2010-07-16 Newttech Network Technology Co Ltd System and method for evaluating simulation of examination result
JP2017068189A (ja) * 2015-10-02 2017-04-06 アノネ株式会社 学習支援装置、学習支援方法、学習支援装置用プログラム
CN106682768A (zh) * 2016-12-08 2017-05-17 北京粉笔蓝天科技有限公司 一种答题分数的预测方法、系统、终端及服务器
CN114511425A (zh) * 2017-05-19 2022-05-17 日益得有限公司 提供用户定制型学习内容的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288145A (zh) * 2020-10-15 2021-01-29 河海大学 基于多视角认知诊断的学生成绩预测方法

Also Published As

Publication number Publication date
WO2018212397A1 (ko) 2018-11-22
US20200193317A1 (en) 2020-06-18
JP2020521244A (ja) 2020-07-16
JP6814492B2 (ja) 2021-01-20

Similar Documents

Publication Publication Date Title
CN110651294A (zh) 估计考试分数的方法、设备及计算机程序
JP6960688B2 (ja) 学習効率に基づいて個人カスタマイズ型教育コンテンツを提供するための機械学習方法、装置及びコンピュータプログラム
Yang et al. Study on student performance estimation, student progress analysis, and student potential prediction based on data mining
Xie et al. Detecting leadership in peer-moderated online collaborative learning through text mining and social network analysis
Klusmann et al. Teachers’ emotional exhaustion is negatively related to students’ achievement: Evidence from a large-scale assessment study.
Pardos et al. Affective states and state tests: Investigating how affect and engagement during the school year predict end-of-year learning outcomes.
KR101853091B1 (ko) 기계학습이 적용된 사용자 답변 예측 프레임워크를 통한 개인 맞춤형 교육 컨텐츠 제공 방법, 장치 및 컴퓨터 프로그램
JP6879526B2 (ja) データを分析する方法
CA2917447A1 (en) System and method for real-time analysis and guidance of learning
Nazaretsky et al. Empowering teachers with AI: Co-designing a learning analytics tool for personalized instruction in the science classroom
KR101895961B1 (ko) 점수 추정 방법, 장치 및 컴퓨터 프로그램
Wiedmann et al. Measuring teachers’ competence to monitor student interaction in collaborative learning settings
Kardan et al. The usefulness of log based clustering in a complex simulation environment
KR20190049627A (ko) 기계학습 프레임워크의 분석 결과를 해석하는 방법, 장치 및 컴퓨터 프로그램
Chaouachi et al. Adapting to learners’ mental states using a physiological computing approach
KR20180127266A (ko) 점수 추정 방법, 장치 및 컴퓨터 프로그램
KR20190025871A (ko) 사용자 맞춤형 컨텐츠를 제공하기 위한 방법, 장치 및 컴퓨터 프로그램
Yalçin Teacher Behaviours Explaining Turkish and Dutch Students' Mathematic Achievements.
KR20180127188A (ko) 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 프레임워크 운용 방법, 장치 및 컴퓨터 프로그램
Segedy et al. Towards using coherence analysis to scaffold students in open-ended learning environments.
Abbas et al. Designing an intelligent recommender system using partial credit model and bayesian rough set.
WO2019166790A1 (en) Learning management systems and methods therefor
Khalid et al. Prediction of trust in scripted dialogs using neuro-fuzzy method
Ganapathy et al. Skill mastery measurement and prediction to adapt instruction strategies
Shana et al. Educational data mining: An intelligent system to predict student graduation AGPA

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200103