CN111062842A - 动态生成个性化题目的方法及装置 - Google Patents
动态生成个性化题目的方法及装置 Download PDFInfo
- Publication number
- CN111062842A CN111062842A CN201911378203.3A CN201911378203A CN111062842A CN 111062842 A CN111062842 A CN 111062842A CN 201911378203 A CN201911378203 A CN 201911378203A CN 111062842 A CN111062842 A CN 111062842A
- Authority
- CN
- China
- Prior art keywords
- user
- personalized
- questions
- condition
- test
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 99
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 230000008451 emotion Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 description 13
- 238000011160 research Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
Images
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
- 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
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种动态生成个性化题目的方法,即:获取用户基础信息、学习情况;对用户基础信息、学习情况进行分析,得出学情分析结果;根据学情分析结果,输出用户个性化测验题目。本发明还提供了一种动态生成个性化题目的装置,它包括:信息获取模块,获取模块获取用户基础信息、学习情况;学情分析模块,对用户基础信息、学习情况进行分析,得出学情分析结果;题目输出模块,根据学情分析结果,输出用户个性化测验题目。本发明可实现由教研老师对学生个人或班级整体的试题进行调整,并将调整后的试题作为个性化试卷存储,达到个性化定制和动态调整试题库的目的。
Description
技术领域
本发明属于在线教育技术领域,明涉及一种动态生成个性化题目的方法及装置。
背景技术
当前对学生的授课方式已经由实体课堂发展至在线课堂,随着无线通信和智能移动设备的普及,在线课堂也可以在手机等移动设备中实现。
但在现有的一部分在线教育系统中,将试卷的生产完全限定在教研生产阶段,教研老师以班级、章节、知识点为参照,设计对学生进行测验的方案、试卷内容。教学流程完全僵化,不能进行任何更改。同时,另一部分在线教育系统具有个性化试题推荐功能,但个性化推荐算法以协同过滤、矩阵分析、聚类、深度学习等方式为核心手段进行推荐,无法更新个性化推荐的策略,是一种较为呆板的个性化试题推荐方式。
上述两种生成试卷和测试的方法存在如下缺点:
1、无法对学生量身定制测试的内容,做到每个人的试卷不同。
2、无法动态地根据学生的学习情况,让教研老师在教学应用阶段中针对一个学生、一类学生、一个班级的学生实时地进行调整。
3、不能调整个性化推荐策略。
发明内容
鉴于上述原因,本发明的目的是提供一种针对不同学生动态生成个性化题目的方法及装置。该方法通过收集教学过程中老师和学生的行为信息,通过行为驱动试题推荐策略和试题内容的修改,达到动态生成个性化题目以及动态调整试题库的目的。
为实现上述目的,本发明采用以下技术方案:一种动态生成个性化题目的方法,它包括:获取用户基础信息、学习情况;对用户基础信息、学习情况进行分析,得出学情分析结果;根据学情分析结果,输出用户个性化测验题目。
进一步地,所述“根据学情分析结果,输出用户个性化测验题目”包括:根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;根据目标函数,计算出个性化测验题目筛选的因子Fn;根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表。
进一步地,所述“输出对应推荐题目列表”之后还包括:根据题型标签将题目归类,对归类后的题目进行优先级排序和筛选;生成并输出用户个性化测验题目或试卷。
进一步地,所述获取用户的基础信息至少包括:用户ID、学科、课程进度;获取用户的学习情况至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。
进一步地,所述用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
进一步地,所述获取学习情况包括获取教学期间和/或试卷测验期间的学习情况。
本发明还提供一种动态生成个性化题目的装置,它包括:信息获取模块,获取用户基础信息、学习情况;学情分析模块,对用户基础信息、学习情况进行分析,得出学情分析结果;题目输出模块,根据学情分析结果,输出用户个性化测验题目。
进一步地,所述学情分析模块包括:第一子模块,所述第一子模块根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;第二子模块,所述第二子模块根据目标函数,计算出个性化测验题目筛选的因子Fn;第三子模块,所述第三子模块根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表。
进一步地,所述学情分析模块还包括:第四子模块,所述第四子模块根据题型标签将题目归类,对归类后的题目进行优先级排序和筛选;生成并输出用户个性化测验题目或试卷。
进一步地,获取用户的基础信息至少包括:用户ID、学科、课程进度;获取用户的学习情况至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。
优选地,用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
优选地,所述获取学习情况包括获取教学期间和/或试卷测验期间的学习情况。
本发明通过上述方法和系统,能够通过对学生教学情况频次的分析结果,实现以行为驱动为基础,生产个性化试题,对学生进行更加准确的试题。
附图说明
图1为本发明动态生成个性化题目的方法流程图;
图2为本发明动态生成个性化题目的装置构成框图;
图3为本发明一个实施例的流程图;
图4为本发明一个实施例中教学系统输出推荐题目列表的流程图;
图5为本发明一个实施例中试卷系统推荐个性化试卷的流程图。
具体实施方式
现有技术中,存在在线教育系统试题不能根据学生情况进行个性化调整和个性化推荐算法不能调整的问题。本发明的核心是通过收集学生和老师的行为信息,根据所述行为信息调整个性化推荐策略和个性化试题,达到了个性化定制和动态调整试题库的目的。
下面结合附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明的一方面公开了一种动态生成个性化题目的方法,它包括如下步骤:
获取用户基础信息、学习情况;对用户基础信息、学习情况进行分析,得出学情分析结果;根据学情分析结果,输出用户个性化测验题目。
用户基础信息至少包括:用户ID、学科、课程进度;用户的学习情况是指其在教学期间和/或试卷测验期间的学习情况,其至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。在本发明一个实施例中,用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;及用户对知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;根据目标函数,计算出个性化测验题目筛选的因子Fn;根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表;根据题型标签将推荐题目列表中的题目归类,对归类后的题目进行优先级排序和筛选;生成并输出用户个性化测验题目或试卷。
在本发明一个实施例中,服务器端对用户的基础信息、答题情况进行分析,得到第一分析结果,根据第一分析结果,按照第一目标函数得出个性化题目筛选的因子F1,
对用户的基础信息、知识掌握情况进行分析,得到第二分析结果,根据第二分析结果,得到第二个性化测验题目筛选的因子F2,
对用户的基础信息、被评价情况进行分析,得到第三分析结果,根据第三分析结果,得到第三个性化测验题目筛选的因子F3,
根据个性化题目筛选的因子F1、F2和F3在个性化测验题目中的占比,输出对应推荐题目列表;
再根据题型标签将推荐题目列表中的题目归类,对归类后的题目进行优先级排序和筛选;生成并输出用户个性化测验题目或试卷。
如图2所示,本发明另一方面公开了一种动态生成个性化题目的装置,它包括:信息获取模块、学情分析模块和题目输出模块。
所述信息获取模块用于获取用户基础信息、学习情况。获取的用户基础信息至少包括:用户ID、学科、课程进度;用户学习情况至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。
优选地,用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
优选地,获取的学习情况应包括获取教学期间和/或试卷测验期间的学习情况。
所述学情分析模块用于对用户基础信息、学习情况进行分析,得出学情分析结果。该学情分析模块包括:第一子模块,根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;第二子模块,根据目标函数,计算出个性化测验题目筛选的因子Fn;第三子模块,根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表;第四子模块,根据题型标签将题目归类,对归类后的题目进行优先级排序和筛选;生成并输出用户个性化测验题目或试卷。
所述题目输出模块根据学情分析结果,输出用户个性化测验题目。
如图3所示,本发明的一个实施例中,设置了教研老师、教学老师、助教老师和学生四类主要角色,本发明中的个性化测验以及动态生成试卷的方法依赖教学系统和试卷系统两个系统实现。其中:
教研老师:负责出题、组卷、写教研方案,评估教研质量,评估学生水平的老师。
教学老师:负责讲课,发布试卷,分析学生作答,进行题目解析的老师。
助教老师:负责批改试卷,督促学生完成课业、练习、测验,反馈家长疑问,回答学生问题的老师。
学生:教学系统的使用者。学生可在教学系统中进行学习和测验。
本发明的过程主要分为教研阶段和教学阶段。教研阶段一般发生在教学前1~2个月,此时老师们完成课程、试卷的设计。教学阶段为学生开始上课,课后进行练习、测验的阶段。
在教研阶段中,教研老师根据课程设置和学生情况设计具体课程的内容、班级规模、学生水平等场景内容,并根据上述场景内容编写试卷。所述试卷作为基础题目,存储至试卷系统的数据库中。
在教学阶段中,学生最先进行上课学习,课后接收教研阶段设计出的基础题目考卷的练习和测试。在上课学习和基础题目练习测试过程中,教学系统对学生进行用户行为收集和分析,同时积累学生的用户行为分析结果。每积累一周后,教学系统进行一次用户历史行为分析。所述用户行为收集和分析的内容主要包括:
学生的课程学习进度:由一个学生完成了一套课程的多少节课决定。
学生的知识点掌握程度:由一个学生在知识点相关的题目上的作答情况,学习次数决定。
学生近期的答对、答错的题目:由学生近期作答统计而来。
学生的历史成绩:由学生历史所有作答的分数统计而来。
学生所在的地域:因学生所在的省市不同,所以学生的考试大纲不同。
助教老师对学生的评价:助教老师在历次作答中对学生的评分、评级、知识点掌握程度等评价。
学生家长对学生能力拔高方向的偏好:学生、家长会定期收到学习报告,他们可以参考报告中的知识点掌握程度等信息选择拔高方向的偏好。
历史行为分析的内容主要包括:历史成绩、上过的课程、老师的评价。
当学生进行完练习和测试后,试卷系统会收集作答结构,并对作答结果进行分析。对作答结果的分析内容主要包括:试卷正确率、关联的知识点正确率、关联的课程章节正确率、老师对试卷的批改评价。
除上述内容外,不同的教学系统和教学场景也可对其他内容进行采集和分析。如,棋类教学系统中可加入对弈时间和平均每手耗时,乐器教学系统中可加入乐曲演奏准确度等内容。教学系统进行历史行为分析的频率间隔也可根据教学系统和教学场景的不同而被设置为其他的时间频度。
由教学系统收集课堂学习信息并按照课程知识点进行拆分。在分析拆分的基础上,分别对教学系统所收集的特征,赋以不同的权值,如图4所示,具体包括:学生在知识点上的互动参与率占比0.0~1.0分;学生在知识点上作答的正确率占比0.0~1.0分;学生在知识点上的例题收藏计数数值;老师对学生在知识点上的评价占比1~5分;学生在学校知识点时的情绪分析0.0~1.0分。
利用不同的目标函数,使用ML算法进行计算。具体目标函数分别为:目标函数A:提升知识点掌握程度等级(0.0~1.0分);目标函数B:次级学生主动学习意愿,及使用参与互动率和作答完成率的加权分值;目标函数C:提升学生在一个知识点覆盖的全面性,即一个学科所有知识点的掌握程度的加权平均(0.0~1.0分)。
得到ML算法(即机器学习,machine learning)的计算结果后,输出推荐题目列表。推荐题目中,还包括题目的推荐值、题目难度、类型及热门程度等附加信息。其中,用于选取推荐题目的题库可动态变化。
教学系统完成用户行为分析和历史行为分析后,根据分析所得的结果对基础题目进行选择和修改,形成个性化试题,存入试卷系统。
试卷系统形成个性化试题后,会向教研老师推荐有关学生的课程、班级、章节维度的统计个性化信息。教研老师得到上述个性化信息,就可以进行学生、班级、章节、课程维度的学生学习情况分析,在分析的基础上,对先期自动形成的个性化试卷进行有目的的调整。可以对具体某类题目进行删改,也可对某个具体的题目进行删改。调整后的个性化试卷被存储至试卷系统中。上述调整过程也可按照教研老师的需求进行多次。本实施例中,仅能够由教研老师进行一次调整。
当学生需要进行个性化测试时,试卷系统输出最新调整后的个性化试卷,由学生进行作答。学生答题完毕后,试卷系统存储作答结果,并对作答结果进行分析。本实施例中,试卷系统对作答结果进行分析的过程具体为(参考图5):
对学生1-3年的历史试卷信息进行分析。其中包括:学生历史测验结果统计、学生上过的课程的知识点统计和老师历史评价统计。分析的具体内容包括:学生在知识点上的掌握程度(0.0~1.0分);学生在知识点上的牢固、遗忘趋势(-1.0~1.0分);学生在知识点上的错误计数数值;老师对学生在知识点上的评价趋势(-1.0~1.0分);学生在一个学科上的知识点覆盖率(0.0~1.0分)。
利用不同的目标函数,使用ML算法进行计算。具体目标函数分别为:目标函数A:提升知识点掌握程度等级(0.0~1.0分);目标函数B:次级学生主动学习意愿,及使用参与互动率和作答完成率的加权分值;目标函数C:提升学生在一个知识点覆盖的全面性,即一个学科所有知识点的掌握程度的加权平均(0.0~1.0分)。
得到ML算法的计算结果后,输出推荐题目列表。推荐题目中,还包括题目的推荐值、题目难度、类型及热门程度等附加信息。同时,与前述教学系统输出推荐题目列表进行比较和合并。
合并后的推荐题目被推送至教研老师处,由教研老师对选取策略进行调整或不进行调整。其中,调整策略库中的策略包括:策略函数A:热门题目优先;策略函数B:学生兴趣优先;策略函数C:数量、题型倾向选择;策略函数D:难度策略倾向选择。
综合系统推荐题目和教研老师选取的策略,最后即可生成推荐的个性化试卷。
以上对本发明所提供的一种对学生进行个性化测验及动态生成试卷的方法和系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明技术方案的限制。
Claims (10)
1.一种动态生成个性化题目的方法,其特征在于,包括:
获取用户基础信息、学习情况,
对用户基础信息、学习情况进行分析,得出学情分析结果;
根据学情分析结果,输出用户个性化测验题目。
2.根据权利要求1所述的动态生成个性化题目方法,其特征在于,所述“根据学情分析结果,输出用户个性化测验题目”包括:
根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;
根据目标函数,计算出个性化测验题目筛选的因子Fn,
根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表。
3.根据权利要求2所述的动态生成个性化题目方法,其特征在于,所述“输出对应推荐题目列表”之后还包括:
根据题型标签将题目归类,对归类后的题目进行优先级排序和筛选;
生成并输出用户个性化测验题目或试卷。
4.根据权利要求1所述的动态生成个性化题目方法,其特征在于,获取用户的基础信息至少包括:用户ID、学科、课程进度;
获取用户的学习情况至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。
5.根据权利要求4所述的动态生成个性化题目方法,其特征在于,用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;
知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;
被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
6.根据权利要求4所述的动态生成个性化题目方法,其特征在于,所述获取学习情况包括获取教学期间和/或试卷测验期间的学习情况。
7.一种动态生成个性化题目的装置,其特征在于,包括:
信息获取模块,所述信息获取模块获取用户基础信息、学习情况,
学情分析模块,对用户基础信息、学习情况进行分析,得出学情分析结果;
题目输出模块,根据学情分析结果,输出用户个性化测验题目。
8.根据权利要求7所述的动态生成个性化题目装置,其特征在于,所述学情分析模块包括:
第一子模块,所述第一子模块根据学情分析结果,按照不同的目标函数,输出相应的初始题目列表;
第二子模块,所述第二子模块根据目标函数,计算出个性化测验题目筛选的因子Fn,
第三子模块,所述第三子模块根据个性化题目筛选的因子Fn在推荐题目列表的占比,输出对应推荐题目列表。
9.根据权利要求8所述的动态生成个性化题目装置,其特征在于,所述学情分析模块还包括:
第四子模块,所述第四子模块根据题型标签将题目归类,对归类后的题目进行优先级排序和筛选;
生成并输出用户个性化测验题目或试卷。
10.根据权利要求7-9任一所述的动态生成个性化题目装置,其特征在于,获取用户的基础信息至少包括:用户ID、学科、课程进度;
获取用户的学习情况至少包括:一定期间内用户的答题情况,和/或知识掌握情况,和/或被评价情况。
优选地,用户的答题情况至少包括:题目的答题正确率、收藏率、答题时间、题目点击率、答题时情绪;
知识掌握情况至少包括:知识点互动参与率、参与结果正确率、知识点遗忘趋势;
被评价情况至少包括:历史被评价情况,被评价内容正负向趋势。
优选地,所述获取学习情况包括获取教学期间和/或试卷测验期间的学习情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911378203.3A CN111062842A (zh) | 2019-12-27 | 2019-12-27 | 动态生成个性化题目的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911378203.3A CN111062842A (zh) | 2019-12-27 | 2019-12-27 | 动态生成个性化题目的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111062842A true CN111062842A (zh) | 2020-04-24 |
Family
ID=70304096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911378203.3A Pending CN111062842A (zh) | 2019-12-27 | 2019-12-27 | 动态生成个性化题目的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062842A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328646A (zh) * | 2021-01-04 | 2021-02-05 | 平安科技(深圳)有限公司 | 多任务课程推荐方法、装置、计算机设备及存储介质 |
CN112785140A (zh) * | 2021-01-18 | 2021-05-11 | 辽宁向日葵教育科技有限公司 | 一种基于知识图谱的智能教育推荐方法、系统、电子设备及计算机存储介质 |
CN112950038A (zh) * | 2021-03-09 | 2021-06-11 | 浙江创课网络科技有限公司 | 一种基于学情数据的个性化作业布置方法 |
CN113096472A (zh) * | 2021-03-31 | 2021-07-09 | 读书郎教育科技有限公司 | 一种智慧课堂智能出题方法及系统 |
CN113256252A (zh) * | 2021-05-25 | 2021-08-13 | 上海金程教育培训有限公司 | 一种基于b/s架构的考测系统 |
CN113269662A (zh) * | 2021-04-30 | 2021-08-17 | 中电鹰硕(深圳)智慧互联有限公司 | 一种基于大数据的智慧教学系统 |
CN113887968A (zh) * | 2021-10-09 | 2022-01-04 | 陕西万唯教育传媒有限公司 | 一种试卷定时发放与结果输出方法、系统及设备 |
CN113936515A (zh) * | 2021-08-25 | 2022-01-14 | 国网浙江省电力有限公司培训中心 | 一种避雷器试验实训考核系统 |
CN114510600A (zh) * | 2022-04-18 | 2022-05-17 | 光合新知(北京)科技有限公司 | 一种基于人机交互的学习系统和方法 |
CN114661391A (zh) * | 2021-11-11 | 2022-06-24 | 卡墨智能科技(北京)有限公司 | 课程内容展示、处理方法、设备及存储介质 |
CN117035693A (zh) * | 2023-09-28 | 2023-11-10 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105355111A (zh) * | 2015-12-02 | 2016-02-24 | 华中师范大学 | 基于学情分析的课后强化学习系统 |
KR20170100265A (ko) * | 2016-02-25 | 2017-09-04 | (주)뤼이드 | 객관식 문항 학습 데이터를 분석하는 방법, 장치 및 컴퓨터 프로그램 |
CN108596472A (zh) * | 2018-04-20 | 2018-09-28 | 贵州金符育才教育科技有限公司 | 一种理科学习的人工智能教学系统及方法 |
CN110472060A (zh) * | 2019-07-05 | 2019-11-19 | 平安国际智慧城市科技股份有限公司 | 题目推送方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-27 CN CN201911378203.3A patent/CN111062842A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105355111A (zh) * | 2015-12-02 | 2016-02-24 | 华中师范大学 | 基于学情分析的课后强化学习系统 |
KR20170100265A (ko) * | 2016-02-25 | 2017-09-04 | (주)뤼이드 | 객관식 문항 학습 데이터를 분석하는 방법, 장치 및 컴퓨터 프로그램 |
CN108596472A (zh) * | 2018-04-20 | 2018-09-28 | 贵州金符育才教育科技有限公司 | 一种理科学习的人工智能教学系统及方法 |
CN110472060A (zh) * | 2019-07-05 | 2019-11-19 | 平安国际智慧城市科技股份有限公司 | 题目推送方法、装置、计算机设备和存储介质 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112328646A (zh) * | 2021-01-04 | 2021-02-05 | 平安科技(深圳)有限公司 | 多任务课程推荐方法、装置、计算机设备及存储介质 |
CN112785140A (zh) * | 2021-01-18 | 2021-05-11 | 辽宁向日葵教育科技有限公司 | 一种基于知识图谱的智能教育推荐方法、系统、电子设备及计算机存储介质 |
CN112950038B (zh) * | 2021-03-09 | 2024-04-05 | 浙江创课网络科技有限公司 | 一种基于学情数据的个性化作业布置方法 |
CN112950038A (zh) * | 2021-03-09 | 2021-06-11 | 浙江创课网络科技有限公司 | 一种基于学情数据的个性化作业布置方法 |
CN113096472A (zh) * | 2021-03-31 | 2021-07-09 | 读书郎教育科技有限公司 | 一种智慧课堂智能出题方法及系统 |
CN113269662A (zh) * | 2021-04-30 | 2021-08-17 | 中电鹰硕(深圳)智慧互联有限公司 | 一种基于大数据的智慧教学系统 |
CN113256252A (zh) * | 2021-05-25 | 2021-08-13 | 上海金程教育培训有限公司 | 一种基于b/s架构的考测系统 |
CN113936515A (zh) * | 2021-08-25 | 2022-01-14 | 国网浙江省电力有限公司培训中心 | 一种避雷器试验实训考核系统 |
CN113887968A (zh) * | 2021-10-09 | 2022-01-04 | 陕西万唯教育传媒有限公司 | 一种试卷定时发放与结果输出方法、系统及设备 |
CN114661391A (zh) * | 2021-11-11 | 2022-06-24 | 卡墨智能科技(北京)有限公司 | 课程内容展示、处理方法、设备及存储介质 |
CN114510600A (zh) * | 2022-04-18 | 2022-05-17 | 光合新知(北京)科技有限公司 | 一种基于人机交互的学习系统和方法 |
CN117035693A (zh) * | 2023-09-28 | 2023-11-10 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
CN117035693B (zh) * | 2023-09-28 | 2024-02-09 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111062842A (zh) | 动态生成个性化题目的方法及装置 | |
CN107886451A (zh) | 移动端课堂教学系统中的习题个性化匹配方法 | |
CN112149994A (zh) | 一种基于统计分析的英语个人能力追踪学习系统 | |
CN113487248A (zh) | 一种基于大数据的个性化课程定制系统及方法 | |
CN109376169A (zh) | 基于人工智能和大数据的教育优化发展方法、装置及系统 | |
WO2022009875A1 (ja) | 集中度判別プログラム | |
JPWO2003049063A1 (ja) | 試験結果分析装置、方法およびプログラム | |
Aguiar-Castillo et al. | Gamification: A motivation metric based in a markov model | |
Capraro et al. | An examination of mathematics achievement and growth in a midwestern urban school district: Implications for teachers and administrators | |
CN109388687A (zh) | 一种学习数据分析方法及系统 | |
Kocaman et al. | Student perceptions on the development of speaking skills: A course evaluation in the preparatory class | |
Willingham et al. | Grades and test scores: Accounting for observed differences | |
Parke | Differences in math performance indicators within an ethnicity subgroup: An investigation of an urban district's high schools | |
Agnes et al. | EFL students’ speaking motivation in speaking for informal interaction class at English Department UNP | |
CN113269667A (zh) | 错题推送方法、装置及电子设备 | |
Mangubat | Anecdotes of University Students in Learning Chemistry: A Philippine Context | |
Bok et al. | Examining Korean students’ self-directed english learning practices in general english classes at college | |
CN115797122B (zh) | 一种作业分析方法及装置 | |
CN116453387B (zh) | 一种ai智能教学机器人控制系统及方法 | |
Sari et al. | An Analysis on Classroom Management Applied by the English Teachers | |
Chen | THE EFFECTS OF REDUCING PARENT-CHILD INFORMATION FRICTIONS ON STUDENTS’ACADEMIC PERFORMANCE: EVIDENCE FROM A FIELD EXPERIMENT | |
Bertelli-Wilinski | Choral Voicing in the Secondary School Choral Ensemble: Teacher Perceptions and Procedural Evaluation | |
Sayed | Developing the Interaction between Learning Aid Types and Their Delivery Levels in Micro-Learning Environments Via Mobile Web | |
CN115862395A (zh) | 基于人工智能的医疗学习指导系统及方法 | |
Vasishtha | Teacher education in India: A study in new dimensions |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230607 Address after: 6001, 6th Floor, No.1 Kaifeng Road, Shangdi Information Industry Base, Haidian District, Beijing, 100085 Applicant after: Beijing Baige Feichi Technology Co.,Ltd. Address before: 100085 4th floor, Huiyuan development building, 1 Kaifa Road, Haidian District, Beijing Applicant before: XIAOCHUANCHUHAI EDUCATION TECHNOLOGY (BEIJING) CO.,LTD. |
|
TA01 | Transfer of patent application right |