CN110689275A - 对错题进行分析和量化评分方法和系统 - Google Patents

对错题进行分析和量化评分方法和系统 Download PDF

Info

Publication number
CN110689275A
CN110689275A CN201910957417.XA CN201910957417A CN110689275A CN 110689275 A CN110689275 A CN 110689275A CN 201910957417 A CN201910957417 A CN 201910957417A CN 110689275 A CN110689275 A CN 110689275A
Authority
CN
China
Prior art keywords
question
wrong
value
test
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.)
Pending
Application number
CN201910957417.XA
Other languages
English (en)
Inventor
郭晨阳
李可佳
陈丽华
陈冬雪
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.)
Jiangsu Qusu Education Technology Co Ltd
Original Assignee
Jiangsu Qusu Education Technology Co 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 Jiangsu Qusu Education Technology Co Ltd filed Critical Jiangsu Qusu Education Technology Co Ltd
Priority to CN201910957417.XA priority Critical patent/CN110689275A/zh
Publication of CN110689275A publication Critical patent/CN110689275A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • G09B7/04—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 characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

Abstract

本申请公开了一种对错题进行分析和量化评分方法和系统，方法包括：采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；根据采集学生参与的每次考试的数据得到错题评分值；设置错题评分值阈值，将错题评分值不低于错题评分值阈值的试题推荐给学生。本发明所提供的一种对错题进行分析和量化评分方法和系统，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。

Description

对错题进行分析和量化评分方法和系统
技术领域
本申请涉及网络教学领域，尤其涉及一种对错题进行分析和量化评分方法和系统。
背景技术
现有的教学实践中，任课教师会根据一定的目标定制试卷、组织考试、对学生的考试成绩进行分析，并自动生成学生的错题集。但是现有技术中并不能区分哪些错题是通过练习比较容易得到分数的，通过大量的错题集造成中考高的复习备考中，对学生的错题没有精准的针对性，采用题海战术，大量的时间被用于低效的、重复的练习和复习，并不会有效的快速提高学生的学习成绩以及学习效率。
发明内容
本申请公开了一种对错题进行分析和量化评分方法，步骤包括：
采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
根据采集学生参与的每次考试的数据得到错题评分值；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。
优选的，所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
优选的，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生，进一步为，将所述错题评分值最高的试题推荐给学生。
本申请公开了一种对错题进行分析和量化评分系统，包括：采集模块、数据处理模块、错题评分值模块以及试题推荐模块；
所述采集模块，与所述数据处理模块相耦接，用于采集全部学生参与的每次考试的数据，并发送至所述数据处理模块；
采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
所述数据处理模块，分别与所述采集模块和所述错题评分值模块相耦接，用于接收所述采集模块发送的所述全部学生参与的每次考试的数据，计算生成所述错题评分值，并将所述错题评分值发送至所述试题评分模块；
根据采集学生参与的每次考试的数据得到错题评分值；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
所述错题评分值模块，分别与所述数据处理模块和所述试题推荐模块相耦接，用于接收所述数据处理模块发送的所述错题评分值，设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题发送至所述试题推荐模块；
所述试题推荐模块，与所述错题评分值模块相耦接，用于接收所述错题评分值模块发送的试题，并将所述试题发送至学生。
优选的，所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
优选的，所述错题评分值模块，将所述错题评分值不低于所述错题评分值阈值的试题发送至所述试题推荐模块，进一步为，将所述错题评分值最高的试题发送至所述试题推荐模块。
与现有技术相比，本发明提供的对错题进行分析和量化评分方法和系统，达到如下有益效果：
本发明所提供的一种对错题进行分析和量化评分方法和系统，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明对错题进行分析和量化评分方法流程框图；
图2为本发明对错题进行分析和量化评分系统模块框图。
具体实施方式
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。应注意到，所描述的实施例实际上仅仅是本发明一部分实施例，而不是全部的实施例，且实际上仅是说明性的，决不作为对本发明及其应用或使用的任何限制。本申请的保护范围当视所附权利要求所界定者为准。
实施例1：
本发明对错题进行分析和量化评分方法的一种实施例，参见图1，图1为本发明对错题进行分析和量化评分方法流程框图，该对错题进行分析和量化评分方法，步骤包括：
步骤101，采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
步骤102，根据采集学生参与的每次考试的数据得到错题评分值；
步骤102中的错题评分值a通过步骤103得到：
步骤103，所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳。
在步骤103中，可选的，所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
错题评分值a的值越大，试题价值越高，试题越值得做，也就是说错题评分值a高的试题能够迅速提高分数，相应的错题评分值a的值越小，试题价值越低，试题越不值得做。
步骤103中的试题区分度c通过步骤104得到：
步骤104，所述试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分。
步骤105，设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。
通过设置阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。
在步骤105中，可选的，将所述错题评分值最高的试题推荐给学生。可以更进一步的减少提炼学生的推荐题，适合在最后冲刺阶段，利用最少的时间的练习去得最高的成绩。
本发明所提供的一种对错题进行分析和量化评分方法，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。
实施例2：
本申请对错题进行分析和量化评分系统的一种实施例，参考图2，图2为本发明对错题进行分析和量化评分系统模块框图，该对错题进行分析和量化评分系统，包括：采集模块1、数据处理模块2、错题评分值模块3以及试题推荐模块4；
所述采集模块1，与所述数据处理模块2相耦接，用于采集全部学生参与的每次考试的数据，并发送至所述数据处理模块2；
采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
所述数据处理模块2，分别与所述采集模块1和所述错题评分值模块3相耦接，用于接收所述采集模块1发送的所述全部学生参与的每次考试的数据，计算生成所述错题评分值，并将所述错题评分值发送至所述试题评分模块3；
根据采集学生参与的每次考试的数据得到错题评分值；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
所述试题区分度c通过以下方法计算：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
所述错题评分值模块3，分别与所述数据处理模块2和所述试题推荐模块4相耦接，用于接收所述数据处理模块2发送的所述错题评分值，设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题发送至所述试题推荐模块4；将所述错题评分值最高的试题推荐给学生。可以更进一步的减少提炼学生的推荐题，适合在最后冲刺阶段，利用最少的时间的练习去得最高的成绩。
所述试题推荐模块4，与所述错题评分值模块相3耦接，用于接收所述错题评分值模块3发送的试题，并将所述试题发送至学生。
本发明所提供的一种对错题进行分析和量化评分系统，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。
实施例3：
本实施例为对错题进行分析和量化评分方法又一种实施例；
步骤301，采集学生考试数据：
对学生参与的考试数据进行采集，包含考试的时间、考试的试题、考试的试卷、学生考试成绩等
步骤302，提取学生考试数据、考试试题数据和考试试卷数据；
试卷数据提取：考试所属试卷ID、试卷考试人数、试卷名称
试题数据提取：试卷包含的试题的ID、试题满分值、试题区分度、试题得分率，其中试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
步骤303，学生数据提取：学生ID、学生考试时间、学生考试成绩、参加的考试次数、参加考试的试卷名称；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
步骤304，设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。通过设置阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。
将所述错题评分值最高的试题推荐给学生。可以更进一步的减少提炼学生的推荐题，适合在最后冲刺阶段，利用最少的时间的练习去得最高的成绩。
本发明所提供的一种对错题进行分析和量化评分方法，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。
通过以上各实施例可知，本申请存在的有益效果是：
本发明所提供的一种对错题进行分析和量化评分方法和系统，可以通过对学生考试数据的采集，进行计算得出错题评分值，错题评分值是对一道错题值得学生练习的价值量化，可以通过错题评分值将最容易得分的试题推送给学生，可以让学生快速的提高学生的学习成绩以及学习效率。
上面通过附图和实施例，对本申请的技术方案做虽然已经通过例子对本申请的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。本发明的范围由所附权利要求来限定。

Claims (6)

1.一种对错题进行分析和量化评分方法，其特征在于，步骤包括：
采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
根据采集学生参与的每次考试的数据得到错题评分值；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生。
2.根据权利要求1所述的对错题进行分析和量化评分方法，其特征在于，所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
3.根据权利要求1所述的对错题进行分析和量化评分方法，其特征在于，将所述错题评分值不低于所述错题评分值阈值的试题推荐给学生，进一步为，将所述错题评分值最高的试题推荐给学生。
4.一种对错题进行分析和量化评分系统，其特征在于，包括：采集模块、数据处理模块、错题评分值模块以及试题推荐模块；
所述采集模块，与所述数据处理模块相耦接，用于采集全部学生参与的每次考试的数据，并发送至所述数据处理模块；
采集全部学生参与的每次考试的数据，包括：考试时间、考试试题、考试试卷以及考试成绩，所述考试试卷包括：试卷名称、试题满分分值以及试题所包括的知识点；
所述数据处理模块，分别与所述采集模块和所述错题评分值模块相耦接，用于接收所述采集模块发送的所述全部学生参与的每次考试的数据，计算生成所述错题评分值，并将所述错题评分值发送至所述试题评分模块；
根据采集学生参与的每次考试的数据得到错题评分值；
所述错题评分值a通过以下方法得到：
a＝x％b×y％(c+1)×z％(d+1)×m％e，
其中，a是所述错题评分值，b是试题满分分值，x％是试题满分分值的权重，c是试题区分度，y％是试题区分度的权重，d是所述知识点个人得分率和班级得分率的差值，z％是得分率差值的权重，e是时间因子，m％是时间因子是权重；所述时间因子是所述考试时间的时间戳；
所述试题区分度c通过以下方法得到：
c＝(v1-v2)/b，
其中，v1是成绩排名前27％的所述考试成绩平均分，v2是成绩排名后27％的所述考试成绩平均分；
所述错题评分值模块，分别与所述数据处理模块和所述试题推荐模块相耦接，用于接收所述数据处理模块发送的所述错题评分值，设置错题评分值阈值，将所述错题评分值不低于所述错题评分值阈值的试题发送至所述试题推荐模块；
所述试题推荐模块，与所述错题评分值模块相耦接，用于接收所述错题评分值模块发送的试题，并将所述试题发送至学生。
5.根据权利要求4所述的对错题进行分析和量化评分系统，其特征在于，所述试题满分分值的权重x％初始值为0.5，所述试题区分度的权重y％初始值为1，所述得分率差值的权重z％初始值为1。
6.根据权利要求4所述的对错题进行分析和量化评分系统，其特征在于，所述错题评分值模块，将所述错题评分值不低于所述错题评分值阈值的试题发送至所述试题推荐模块，进一步为，将所述错题评分值最高的试题发送至所述试题推荐模块。
CN201910957417.XA 2019-10-10 2019-10-10 对错题进行分析和量化评分方法和系统 Pending CN110689275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910957417.XA CN110689275A (zh) 2019-10-10 2019-10-10 对错题进行分析和量化评分方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910957417.XA CN110689275A (zh) 2019-10-10 2019-10-10 对错题进行分析和量化评分方法和系统

Publications (1)

Publication Number Publication Date
CN110689275A true CN110689275A (zh) 2020-01-14

Family

ID=69112043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910957417.XA Pending CN110689275A (zh) 2019-10-10 2019-10-10 对错题进行分析和量化评分方法和系统

Country Status (1)

Country Link
CN (1) CN110689275A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231028A (zh) * 2020-10-12 2021-01-15 武汉智云优鸿科技有限公司 错题破析学习方法、装置、终端及介质
CN112785039A (zh) * 2020-12-31 2021-05-11 科大讯飞股份有限公司 一种试题作答得分率的预测方法及相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140100007A1 (en) * 2012-10-09 2014-04-10 Walter Gerard Kelly, JR. System And Method For Measuring The Performance Of A Player In A Game
CN104834729A (zh) * 2015-05-14 2015-08-12 百度在线网络技术（北京）有限公司 题目推荐方法和题目推荐装置
CN106448306A (zh) * 2016-11-11 2017-02-22 深圳中兴网信科技有限公司 答题数据的处理方法和处理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140100007A1 (en) * 2012-10-09 2014-04-10 Walter Gerard Kelly, JR. System And Method For Measuring The Performance Of A Player In A Game
CN104834729A (zh) * 2015-05-14 2015-08-12 百度在线网络技术（北京）有限公司 题目推荐方法和题目推荐装置
CN106448306A (zh) * 2016-11-11 2017-02-22 深圳中兴网信科技有限公司 答题数据的处理方法和处理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李金波: "《让考试更科学——基于命题视角的研究》", 31 January 2012, 武汉大学出版社 *
陈佳慧: "基于综合评价的个性化推荐算法研究", 《万方数据》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231028A (zh) * 2020-10-12 2021-01-15 武汉智云优鸿科技有限公司 错题破析学习方法、装置、终端及介质
CN112785039A (zh) * 2020-12-31 2021-05-11 科大讯飞股份有限公司 一种试题作答得分率的预测方法及相关装置
CN112785039B (zh) * 2020-12-31 2023-12-01 科大讯飞股份有限公司 一种试题作答得分率的预测方法及相关装置

Similar Documents

Publication Publication Date Title
CN110704746A (zh) 根据强弱知识点分析结果进行推荐测试题方法和系统
CN105159924A (zh) 学习资源推送方法和系统
Jensen et al. Midterm and first-exam grades predict final grades in biology courses
CN105070130A (zh) 水平测评方法和系统
CN110689275A (zh) 对错题进行分析和量化评分方法和系统
KR20200091537A (ko) 난이도 기반 온라인 모의시험 제공 시스템
CN112164261A (zh) 一种智能化考核方法
CN113282765A (zh) 一种动态复习试题生成方法及系统
Clarke et al. Classification accuracy of easyCBM first-grade mathematics measures: Findings and implications for the field
CN111507584A (zh) 一种数据分析系统及方法
CN114202978A (zh) 一种基于大数据的智能培训方法及系统
CN110718105B (zh) 个性化个人假期作业本、生成方法及使用方法
CN108960650A (zh) 一种基于人工智能的学生学习评估方法
Gogri et al. Evaluation of students performance based on formative assessment using data mining
CN110111011B (zh) 一种教学质量监管方法、装置及电子设备
CN112687140A (zh) 考核自动评分方法、装置和系统
CN108039081B (zh) 机器人教学测评方法及装置
CN109948881A (zh) 一种教学数据的处理方法
CN110727790B (zh) 学习数据报告展示方法和系统
CN112085631B (zh) 学生记忆曲线的智能分析方法
CN114298872A (zh) 一种学情信息处理方法
CN114580882A (zh) 一种面向混合式教学方法的授课效果评估系统及方法
CN112164262A (zh) 一种智能阅卷辅导系统
CN113222321A (zh) 一种在线考试方法、系统、设备及计算机存储介质
CN111738588A (zh) 一种多功能教学质量综合测评系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200114