CN111177304A - 一种自动生成用户习题的方法及终端 - Google Patents
一种自动生成用户习题的方法及终端 Download PDFInfo
- Publication number
- CN111177304A CN111177304A CN201911392973.3A CN201911392973A CN111177304A CN 111177304 A CN111177304 A CN 111177304A CN 201911392973 A CN201911392973 A CN 201911392973A CN 111177304 A CN111177304 A CN 111177304A
- Authority
- CN
- China
- Prior art keywords
- question
- user
- questions
- data
- exercise
- 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 43
- 238000012552 review Methods 0.000 claims abstract description 32
- 230000001360 synchronised effect Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 230000002085 persistent effect Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 19
- 238000007596 consolidation process Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000013024 troubleshooting Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
- G06F16/319—Inverted lists
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动生成用户习题的方法及终端,获取题库中每一道题目的标签,以建立题目之间的关联;从用户答题所在的来源采集用户的习题数据;对习题数据进行评定,以生成检索数据;根据由用户的习题数据所得到的选定题目范围和题目之间的关联生成练习习题。本发明通过对题目设置有标签,从而建立每一道题目之间的关联,通过在用户答题过程中产生错题及主动标记的重点习题进行采集收录,通过生成检索数据以便于用户从题库中快速找出想要的题目,之后根据选定题目范围和题目之间的关联生成练习习题,从而根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验。
Description
技术领域
本发明涉及信息化教学技术领域,特别涉及一种自动生成用户习题的方法及终端。
背景技术
信息化教学是指运用现代多媒体信息技术对教学活动进行创造性设计,发挥计算机辅助教学的特有功能,把信息技术和教学的学科特点结合起来,使教学的表现形式更加形象化、多样化、视觉化、互动化。它是我国教育信息化的重要组成部分,是现代化教学的必然趋势。
信息化教学减少了老师的工作量,提升了老师在教学活动中的组织协调能力,使得老师的关注点也改变成从学习知识到注重学习能力培养;对于学生而言,能够引发学生自主学习能力和自主探索能力,让学生对信息的获取、处理等有了更清晰的认知,在教育信息化的学习环境中,学到了知识的同时又培养了学生很好的信息能力。
在现有的信息化教学中,除了由老师把握的课堂教学之外,学生的课外自主学习也是其中的关键一环,学生利用在线答题软件进行自我学习、练习或完成老师布置的作业、考试等过程中,自我学习、练习的过程中产生的错题,需要学生自主选择相关习惯进行查缺补漏,而针对错题所关联的混淆知识点,学生无法及时发现,便无法进行针对性的查缺补漏,而在老师布置的作业、考试过程中产生的错题,一个老师往往需要教学多个学生,无法针对一个学生的错题做专项的练习指导,因此,在学生在线答题软件进行自我学习、练习或完成老师布置的作业、考试等过程中,存在无法针对学生的实际情况做针对性的复习巩固和查缺补漏,影响学生的学习效率和学习体验。
与此同理,许多在职员工的自主学习过程中也同样存在无法实现针对性的复习巩固和查缺补漏,从而影响其学习效率和学习体验。
发明内容
本发明所要解决的技术问题是:提供一种自动生成用户习题的方法及终端,根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验。
为了解决上述技术问题,本发明采用的技术方案为:
一种自动生成用户习题的方法,包括步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种自动生成用户习题的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
本发明的有益效果在于:一种自动生成用户习题的方法及终端,通过对题目设置有标签,从而建立每一道题目之间的关联,通过在用户答题过程中产生错题及主动标记的重点习题进行采集收录,通过生成检索数据以便于用户从题库中快速找出想要的题目,之后根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题,从而根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验。
附图说明
图1为本发明实施例的一种自动生成用户习题的方法的流程示意图;
图2为本发明实施例的生成检索数据的流程示意图;
图3为本发明实施例的标签之间关联的结构示意图;
图4为本发明实施例的一种自动生成用户习题的终端的结构示意图;
图5为本发明实施例的一种自动生成用户习题的终端的模块示意图。
标号说明:
1、一种自动生成用户习题的终端;2、处理器;3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1至图3,一种自动生成用户习题的方法,包括步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
从上述描述可知,本发明的有益效果在于:通过对题目设置有标签,从而建立每一道题目之间的关联,通过在用户答题过程中产生错题及主动标记的重点习题进行采集收录,通过生成检索数据以便于用户从题库中快速找出想要的题目,之后根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题,从而根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验。
进一步地,所述步骤S2具体为:
根据采集器类型配置和目标组件采集配置从用户答题所在的来源进行收集,以得到原始格式的习题数据,所述采集器类型配置包括消息订阅和外部数据库,所述目标组件采集配置包括消息队列地址、端口、账号、密码,数据库地址、端口、账号和密码的采集器所需配置;
根据数据适配映射关系对原始数据的习题数据进行格式的清洗转换,以得到标准格式的习题数据;
对标准格式的所述习题数据进行持久化归档。
从上述描述可知,通过将不同来源的数据进行格式转换清洗,以得到标准化的数据格式,以便于后期的数据处理;同时,归档的数据用于日后全局初始化、线上运维问题排查、故障恢复等场景使用。
进一步地,所述步骤S2和所述步骤S3之间还包括:
判断所述习题数据中每一道题目是否在所述题库中,若不在所述题库中,则同步所述题目至所述题库中;
根据所同步的所述题目的标签判断图数据库中是否存在对应的资源节点,若无,则创建新的资源节点;
根据所同步的所述题目的标签判断所述图数据库中是是否存在对应的资源间关联关系,若无,则根据所同步的所述题目的标签的关联关系数据创建对应的资源间关联关系;
根据所创建的资源节点和资源间关联关系在所述图数据库中更新所同步的所述题目的标签,使得所同步的所述题目与所述题库中的题目形成关联。
从上述描述可知,题库中的内容包括学研团队或网络教研产出的题目集合,也通过实时采集到的题目进行不断的丰富和补充,同时,对题目的标签和对应的关联关系进行更新,以使得所同步的题目与题库中的题目形成关联,从而使得所同步的题目后续也会成为习题中的一部分;同时,通过图数据库来保存标签之间的关联,从而可以利用图结构相关算法,如最短路径,节点度关系查找等,以进行大数据量的复杂关联查询,并且通过基于图数据库进行协同过滤可以实现基于邻域的推荐,从而根据选定题目范围快速得到练习习题。
进一步地,所述步骤S3具体为:
对所述习题数据中的每一道题目执行以下步骤:
判断所述题目中是否包括扩展判定标记,若是,则将所述扩展判定标记填充至检索数据中的扩展判定字段,所述扩展判定标记包括单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度;
获取所述题目的标签,拍平为题目标签列表,将所述题目标签列表填充到题目标签字段;
判断所述题目中是否存在错题额外标记和收藏额外标记,若是,则将所述错题额外标记填充到错题字段,将所述收藏额外标记填充到错题字段;
将所述题目的原文内容去除包括图片或视频的多媒体部分,保留所述题目的文本部分,对所述题目的文本部分进行分词,以生成倒排索引,将所述题目的原文内容填充至原文字段,将倒排索引填充至题干字段;
获取用户输入的答错原因,将所述题目的答错原因填充到错因字段;
获取所述题目的题目标识、用户标识、题型、用户答题内容和来源信息,得到并保存所述题目的检索数据,所述检索数据包括题目标识、用户标识、题型、原文内容、倒排索引、题目标签列表、扩展判定标记、收藏额外标记、错题额外标记、用户答题内容、来源信息和答错原因。
从上述描述可知,通过生成倒排索引以便于用户搜索,同时,设置有习题的多个检索数据,使得用户可以通过不同的关键字来检索到对应的题目,从而使得用户能快速全面的检索出自己想要的题目和对应的信息。
进一步地,所述步骤S4中的练习习题包括类似题练习习题、复习练习习题和混淆知识点练习习题,所述步骤S4中生成所述类似题练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围内的题目的直接关联节点开始从所述题库中进行直接关联查找,所述直接关联节点为与所述题目直接关联的学习目标、知识点和章节,所述直接关联查按照学习目标、知识点和章节的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若所述直接关联查找所找出的题目数量未达到预设数量,则根据所述直接关联节点的前后置节点进行填充查找,以得到达到预设数量的类似题练习习题,所述前后置节点包括所述章节的前置章节和后置章节以及所述知识点的前置知识点和后置知识点,所述填充查找按照前置章节、后置章节、前置知识点和后置知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述步骤S4中生成所述复习练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围推导出包括当前章节和当前知识点的当前学习内容,根据当前章节的后置关联查找出前置章节,根据当前知识点的后置关联查找出前置知识点;
根据所述选定题目范围所推导出的前置章节和前置知识点的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若未达到预设数量,则根据所述前置章节再向前递归的章节和前置知识点再向前递归的知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述步骤S4中生成所述混淆知识点练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或在所述习题数据中查询本单元内有混淆知识点的错题;
通过所述选定题目范围内的题目的关联知识点和用户的混淆知识点进行题目查找,所述关联知识点包括所述混淆知识点、正确答案知识点和其他知识点,按照所述混淆知识点、所述正确答案知识点和所述其他知识点所对应的预设比例查找出所对应的题目。
从上述描述可知,通过与题目为直接关联节点的学习目标、知识点和章节,并设置有对应的权重值,通过知识点和章节的前后置关联,并设置有对应的权重值,一方面,图数据库中基于邻域的推荐可以快速得到想要的习题,另一方面,所快速得到的习题与选定题目范围的关联性较强,从而能快速得到具有强针对性的练习习题,包括类似题练习、复习练习和混淆知识点巩固练习等等,从而有效帮助用户更好的对知识进行针对性复习巩固和查缺补漏。
请参照图4至图5,一种自动生成用户习题的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
从上述描述可知,本发明的有益效果在于:通过对题目设置有标签,从而建立每一道题目之间的关联,通过在用户答题过程中产生错题及主动标记的重点习题进行采集收录,通过生成检索数据以便于用户从题库中快速找出想要的题目,之后根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题,从而根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验。
进一步地,所述处理器执行所述计算机程序的所述步骤S2时具体实现以下步骤:
根据采集器类型配置和目标组件采集配置从用户答题所在的来源进行收集,以得到原始格式的习题数据,所述采集器类型配置包括消息订阅和外部数据库,所述目标组件采集配置包括消息队列地址、端口、账号、密码,数据库地址、端口、账号和密码的采集器所需配置;
根据数据适配映射关系对原始数据的习题数据进行格式的清洗转换,以得到标准格式的习题数据;
对标准格式的所述习题数据进行持久化归档。
从上述描述可知,通过将不同来源的数据进行格式转换清洗,以得到标准化的数据格式,以便于后期的数据处理;同时,归档的数据用于日后全局初始化、线上运维问题排查、故障恢复等场景使用。
进一步地,所述步骤S2和所述步骤S3之间,所述处理器执行所述计算机程序时还包括实现以下步骤:
判断所述习题数据中每一道题目是否在所述题库中,若不在所述题库中,则同步所述题目至所述题库中;
根据所同步的所述题目的标签判断图数据库中是否存在对应的资源节点,若无,则创建新的资源节点;
根据所同步的所述题目的标签判断所述图数据库中是是否存在对应的资源间关联关系,若无,则根据所同步的所述题目的标签的关联关系数据创建对应的资源间关联关系;
根据所创建的资源节点和资源间关联关系在所述图数据库中更新所同步的所述题目的标签,使得所同步的所述题目与所述题库中的题目形成关联。
从上述描述可知,题库中的内容包括学研团队或网络教研产出的题目集合,也通过实时采集到的题目进行不断的丰富和补充,同时,对题目的标签和对应的关联关系进行更新,以使得所同步的题目与题库中的题目形成关联,从而使得所同步的题目后续也会成为习题中的一部分;同时,通过图数据库来保存标签之间的关联,从而可以利用图结构相关算法,如最短路径,节点度关系查找等,以进行大数据量的复杂关联查询,并且通过基于图数据库进行协同过滤可以实现基于邻域的推荐,从而根据选定题目范围快速得到练习习题。
进一步地,所述处理器执行所述计算机程序的所述步骤S3时具体实现以下步骤:
对所述习题数据中的每一道题目执行以下步骤:
判断所述题目中是否包括扩展判定标记,若是,则将所述扩展判定标记填充至检索数据中的扩展判定字段,所述扩展判定标记包括单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度;
获取所述题目的标签,拍平为题目标签列表,将所述题目标签列表填充到题目标签字段;
判断所述题目中是否存在错题额外标记和收藏额外标记,若是,则将所述错题额外标记填充到错题字段,将所述收藏额外标记填充到错题字段;
将所述题目的原文内容去除包括图片或视频的多媒体部分,保留所述题目的文本部分,对所述题目的文本部分进行分词,以生成倒排索引,将所述题目的原文内容填充至原文字段,将倒排索引填充至题干字段;
获取用户输入的答错原因,将所述题目的答错原因填充到错因字段;
获取所述题目的题目标识、用户标识、题型、用户答题内容和来源信息,得到并保存所述题目的检索数据,所述检索数据包括题目标识、用户标识、题型、原文内容、倒排索引、题目标签列表、扩展判定标记、收藏额外标记、错题额外标记、用户答题内容、来源信息和答错原因。
从上述描述可知,通过生成倒排索引以便于用户搜索,同时,设置有习题的多个检索数据,使得用户可以通过不同的关键字来检索到对应的题目,从而使得用户能快速全面的检索出自己想要的题目和对应的信息。
进一步地,所述步骤S4中的练习习题包括类似题练习习题、复习练习习题和混淆知识点练习习题,所述处理器执行所述计算机程序的所述步骤S4中生成所述类似题练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围内的题目的直接关联节点开始从所述题库中进行直接关联查找,所述直接关联节点为与所述题目直接关联的学习目标、知识点和章节,所述直接关联查按照学习目标、知识点和章节的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若所述直接关联查找所找出的题目数量未达到预设数量,则根据所述直接关联节点的前后置节点进行填充查找,以得到达到预设数量的类似题练习习题,所述前后置节点包括所述章节的前置章节和后置章节以及所述知识点的前置知识点和后置知识点,所述填充查找按照前置章节、后置章节、前置知识点和后置知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述处理器执行所述计算机程序的所述步骤S4中生成所述复习练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围推导出包括当前章节和当前知识点的当前学习内容,根据当前章节的后置关联查找出前置章节,根据当前知识点的后置关联查找出前置知识点;
根据所述选定题目范围所推导出的前置章节和前置知识点的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若未达到预设数量,则根据所述前置章节再向前递归的章节和前置知识点再向前递归的知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述处理器执行所述计算机程序的所述步骤S4中生成所述混淆知识点练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或在所述习题数据中查询本单元内有混淆知识点的错题;
通过所述选定题目范围内的题目的关联知识点和用户的混淆知识点进行题目查找,所述关联知识点包括所述混淆知识点、正确答案知识点和其他知识点,按照所述混淆知识点、所述正确答案知识点和所述其他知识点所对应的预设比例查找出所对应的题目。
从上述描述可知,通过与题目为直接关联节点的学习目标、知识点和章节,并设置有对应的权重值,通过知识点和章节的前后置关联,并设置有对应的权重值,一方面,图数据库中基于邻域的推荐可以快速得到想要的习题,另一方面,所快速得到的习题与选定题目范围的关联性较强,从而能快速得到具有强针对性的练习习题,包括类似题练习、复习练习和混淆知识点巩固练习等等,从而有效帮助用户更好的对知识进行针对性复习巩固和查缺补漏。
请参照图1至图3,本发明的实施例一为:
一种自动生成用户习题的方法,包括步骤:
S1、获取题库中每一道题目的标签,以建立题目之间的关联,标签包括学段、学科、教材、章节、知识点和学习目标,题库指的是由学研团队或网络教研产出的题目集合,也可以是用户UGC(用户生成内容)的题目资源,是大量题目汇编,不限于题目的物理存储,可以是逻辑聚合的单元。其中题库中的题目,需要遵从相同的数据规范标准;
S2、从用户答题所在的来源采集用户的习题数据;
在本实施例中,具体的,根据采集器类型配置和目标组件采集配置从用户答题所在的来源进行收集,以得到原始格式的习题数据,采集器类型配置包括消息订阅和外部数据库,目标组件采集配置包括消息队列地址、端口、账号、密码,数据库地址、端口、账号和密码的采集器所需配置;根据数据适配映射关系对原始数据的习题数据进行格式的清洗转换,以得到标准格式的习题数据,以便于后期的数据处理;对标准格式的习题数据进行持久化归档,以用于日后全局初始化、线上运维问题排查、故障恢复等场景使用;
其中,在步骤S2和步骤S3之间还包括:
判断习题数据中每一道题目是否在题库中,若不在题库中,则同步题目至题库中,以丰富题库内容;根据所同步的题目的标签判断图数据库中是否存在对应的资源节点,若无,则创建新的资源节点;根据所同步的题目的标签判断图数据库中是是否存在对应的资源间关联关系,若无,则根据所同步的题目的标签的关联关系数据创建对应的资源间关联关系;根据所创建的资源节点和资源间关联关系在图数据库中更新所同步的题目的标签,使得所同步的题目与题库中的题目形成关联,从而使得所同步的题目后续也会成为习题中的一部分;其中,通过图数据库来保存标签之间的关联,从而可以利用图结构相关算法,如最短路径,节点度关系查找等,以进行大数据量的复杂关联查询,并且通过基于图数据库进行协同过滤可以实现基于邻域的推荐,从而根据选定题目范围快速得到练习习题;
S3、对习题数据进行评定,以生成检索数据;
在本实施例中,具体的,对习题数据中的每一道题目执行以下步骤:
判断题目中是否包括扩展判定标记,若是,则将扩展判定标记填充至检索数据中的扩展判定字段,扩展判定标记包括单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度;获取题目的标签,拍平为题目标签列表,将题目标签列表填充到题目标签字段;判断题目中是否存在错题额外标记和收藏额外标记,若是,则将错题额外标记填充到错题字段,将收藏额外标记填充到错题字段;将题目的原文内容去除包括图片或视频的多媒体部分,保留题目的文本部分,对题目的文本部分进行分词,以生成倒排索引,以便于用户搜索,将题目的原文内容填充至原文字段,将倒排索引填充至题干字段;
获取用户输入的答错原因,将题目的答错原因填充到错因字段;
获取题目的题目标识、用户标识、题型、用户答题内容和来源信息,得到并保存题目的检索数据,检索数据包括题目标识、用户标识、题型、原文内容、倒排索引、题目标签列表、扩展判定标记、收藏额外标记、错题额外标记、用户答题内容、来源信息和答错原因,多个检索数据,使得用户可以通过不同的关键字来检索到对应的题目,从而使得用户能快速全面的检索出自己想要的题目和对应的信息;
S4、根据选定题目范围和题目之间的关联生成练习习题,以使得用户根据所生成的练习习题进行针对性练习。
请参照图1至图3,本发明的实施例二为:
一种自动生成用户习题的方法,在本实施例一的基础上,在本实施例中,步骤S4中的练习习题包括类似题练习习题、复习练习习题和混淆知识点练习习题。
其中,步骤S4中生成类似题练习习题具体为:
获取选定题目范围,选定题目范围由用户在习题数据中自行选定或根据用户的习题数据进行自动选定;
从选定题目范围内的题目的直接关联节点开始从题库中进行直接关联查找,直接关联节点为与题目直接关联的学习目标、知识点和章节,直接关联查按照学习目标、知识点和章节的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目,在本实施例中,权重顺序为学习目标>知识点>章节;
若直接关联查找所找出的题目数量未达到预设数量,则根据直接关联节点的前后置节点进行填充查找,以得到达到预设数量的类似题练习习题,前后置节点包括章节的前置章节和后置章节以及知识点的前置知识点和后置知识点,填充查找按照前置章节、后置章节、前置知识点和后置知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止,在本实施例中,权重顺序为前置知识点>前置章节>后置知识点=后置章节,通过上述两个权重顺序的具体限定,以使得所得到的习题尽可能的和选定题目范围的题目之间的关联性更强,以更好的对知识进行针对性复习巩固和查缺补漏;其中,类似题若为错题,则为错题练习;
其中步骤S4中生成复习练习习题具体为:
获取选定题目范围,选定题目范围由用户在习题数据中自行选定或根据用户的习题数据进行自动选定;
从选定题目范围推导出包括当前章节和当前知识点的当前学习内容,根据当前章节的后置关联查找出前置章节,根据当前知识点的后置关联查找出前置知识点;
根据选定题目范围所推导出的前置章节和前置知识点的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目,在本实施例中,权重顺序为前置知识点>前置章节;
若未达到预设数量,则根据前置章节再向前递归的章节和前置知识点再向前递归的知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止,在本实施例中,权重顺序为向前递归一次的前置知识点>向前递归一次的前置章节>向前递归二次的前置知识点>向前递归二次的前置章节,以此类推;
其中,若为预习练习习题,则可根据当前学习内容的前置关联查找出后置章节和后置知识点;
其中,步骤S4中生成混淆知识点练习习题具体为:
获取选定题目范围,选定题目范围由用户在习题数据中自行选定或在习题数据中查询本单元内有混淆知识点的错题;通过选定题目范围内的题目的关联知识点和用户的混淆知识点进行题目查找,关联知识点包括混淆知识点、正确答案知识点和其他知识点,按照混淆知识点、正确答案知识点和其他知识点所对应的预设比例查找出所对应的题目。
即步骤S4通过与题目为直接关联节点的学习目标、知识点和章节,并设置有具体对应的权重顺序,通过知识点和章节的前后置关联,并设置有对应的权重值,从而能快速得到具有强针对性的练习习题,包括类似题练习、复习练习和混淆知识点巩固练习等等,从而有效帮助用户更好的对知识进行针对性复习巩固和查缺补漏。
请参照图4至图5,本发明的实施例三为:
一种自动生成用户习题的终端1,包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序,处理器2执行计算机程序时实现上述实施例一或实施例二的步骤。
如图5所示,本实施例的一种自动生成用户习题的终端1即为图中的题集服务,题集服务可以分为6个模块,分别为规则配置模块、数据采集模块、数据处理模块、内容检索模块、图数据模块和查询模块。
其中,规则配置模块提供收录规则、练习规则的配置存储能力。
其中,收录规则由采集器类型配置、目标组件采集配置、数据适配映射关系、系统批改模块配置和来源信息填充规则组成。采集器类型可支持消息订阅、数据库采集,也可做其他扩展;目标组件采集配置为对应采集器所需的配置,如:消息队列地址、端口、账号、密码,数据库地址、端口、账号、密码等;数据适配映射关系用于清洗模块将源组件数据格式转化为题集标准的数据格式,提供属性字段映射及一些脚本化的处理逻辑注入。
系统批改模块设置为系统内置的针对指定题型的判定模块,在用户答题正误的程度之上,评估用户对于题目的掌握程度,会对此类数据打上特定标记,在练习策略中着重处理。包括不限于单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度等。
其中,部分数据由题目生产环境提供,配置在题目中,如:单选题预设混淆知识点,学研产题环节会对一些选项设置混淆知识点,若学生答错,在重练时,会对对应知识点也出部分题目,供学生对比、巩固、强化。来源信息填充,用于按规范补充数据的来源信息,主要用于后续的统计等环节。
其中,练习规则是由题集服务的练习模块使用,用于提供一些运行期允许调整的参数和练习策略,如:一次出题的数量,允许前后递归学习目标、知识点、章节数量,使用答题模式,是否启用混淆知识点对比等。其中,答题模式包括但不限于记忆曲线模式、连续答题模式和背题模式等,此处的策略是一个通用的可扩展的数据存储,实现可根据实际业务做扩展。
数据采集模块则提供多种方式,根据配置规则,对不同业务数据来源进行收集,并根据规则进行数据格式的清洗转换为事件数据,而后将数据分发至数据处理模块;收集的数据范围包括题目变更(新增、删除)数据和用户题目关系变更数据;
数据处理模块首先对采集模块清洗后的数据进行持久化归档,归档的数据用于日后全局初始化、线上运维问题排查、故障恢复等场景使用;持久化归档完成后,数据处理模块还将内容分发至内容检索模块和图数据模块继续处理;
内容检索模块:将数据解析转换为适合用于数据检索的格式,存储到搜索引擎,对指定字段生成倒排索引用于用户查询,数据解析转换为数据检索格式的处理过程见上述实施例一。
图数据模块用于生成关联关系数据,将关联添加到图数据库,包括:创建资源节点;根据配置的策略利用关联数据生成多种练习,如类似题、复习等。
查询模块提供按条件查询题目内容和查看按策略提供生成的练习的能力。
由此,在某一具体应用场景下,作业组件设计人员在设计阶段,判断需要使用题集服务提供的相关能力,组装作业组件的作业错题回顾、作业题目收藏等能力;
作业组件开发人员在开发阶段,向题集服务配置了作业题目的收录规则,其中启用了扩展判定模块。作业组件代码中遵循规则中的协议发送对应的消息通知;
作业组件上线后,教师在作业组件布置题目,其中第一道选择题的正确答案为D,其混淆知识点为d,教师为错误选项A、B、C分别设置了对应的混淆知识点a、混淆知识点b和混淆知识点c;
学生在做作业过程中,第一道选择题错答为A;作业组件发送消息通知,被题集组件的采集器监听,采集器进行格式适配转换后,将数据同步至题集服务做持久化归档;同时,由于题集服务未同步过该题目,还对作业题库的对应题目做了题目和标签数据的同步,并录入图结构。题集服务持久化归档后,将用户答题信息传递至内容检索模块,
检索模块根据题目的来源数据获取了对应的采集规则,根据规则对题目进行了额外判定,在扩展判定结果数据中补充了混淆知识点a;从图结构获取题目的相关标签并拍平为题目标签列表,并对用户题目检索数据打上错题标记,最后将题干内容转为纯文本,并分词建立倒排索引,加入搜索引擎;
学生在单元测验前,希望对本单元的错题进行回顾和相关知识点复习,通过作业组件的入口进入作业题集。题集服务根据条件检索出该学生字本单元作业下的所有错题列表并呈现;
学生使用错题重练,题集服务使用本单元内错题生成一份新的练习,供学生作答复习,具体见上述实施例二;
学生使用类似题练习,题集服务获取本单元内错题的学习目标、知识点集合,获得题目列表生成一份新的练习,供学生作答复习,具体见上述实施例二;
学生使用混淆知识点巩固练习,题集服务查询本单元内有混淆知识点数据的错题,获取题目的关联知识点和用户的混淆知识点a,查询对应知识点的直接关联节点题目,得到题目列表生成一份新的练习,供学生作答复习。
综上所述,本发明提供的一种自动生成用户习题的方法及终端,通过对题目设置有标签,从而建立每一道题目之间的关联,通过在用户答题过程中产生错题及主动标记的重点习题进行采集收录,通过生成检索数据以便于用户从题库中快速找出想要的题目,之后根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题,具体的,通过与题目为直接关联节点的学习目标、知识点和章节,并设置有对应的权重值,通过知识点和章节的前后置关联,并设置有对应的权重值,以快速得到具有强针对性的练习习题,从而根据用户的在线答题过程以进行针对性的复习巩固和查缺补漏,提升用户的学习效率,增强用户的学习体验;通过将不同来源的数据进行格式转换清洗,以得到标准化的数据格式,以便于后期的数据处理;同时,归档的数据用于日后全局初始化、线上运维问题排查、故障恢复等场景使用;通过实时采集到的题目进行不断的丰富和补充,并使得所同步的题目与题库中的题目形成关联;同时,通过图数据库来保存标签之间的关联,以进行大数据量的复杂关联查询,并且通过基于图数据库进行协同过滤可以实现基于邻域的推荐,从而根据选定题目范围快速得到练习习题;通过生成倒排索引以便于用户搜索,同时,设置有习题的多个检索数据,使得用户可以通过不同的关键字来检索到对应的题目,从而使得用户能快速全面的检索出自己想要的题目和对应的信息。
以上所述仅为本发明的实施例,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同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种自动生成用户习题的方法,其特征在于,包括步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
2.根据权利要求1所述的一种自动生成用户习题的方法,其特征在于,所述步骤S2具体为:
根据采集器类型配置和目标组件采集配置从用户答题所在的来源进行收集,以得到原始格式的习题数据,所述采集器类型配置包括消息订阅和外部数据库,所述目标组件采集配置包括消息队列地址、端口、账号、密码,数据库地址、端口、账号和密码的采集器所需配置;
根据数据适配映射关系对原始数据的习题数据进行格式的清洗转换,以得到标准格式的习题数据;
对标准格式的所述习题数据进行持久化归档。
3.根据权利要求2所述的一种自动生成用户习题的方法,其特征在于,所述步骤S2和所述步骤S3之间还包括:
判断所述习题数据中每一道题目是否在所述题库中,若不在所述题库中,则同步所述题目至所述题库中;
根据所同步的所述题目的标签判断图数据库中是否存在对应的资源节点,若无,则创建新的资源节点;
根据所同步的所述题目的标签判断所述图数据库中是是否存在对应的资源间关联关系,若无,则根据所同步的所述题目的标签的关联关系数据创建对应的资源间关联关系;
根据所创建的资源节点和资源间关联关系在所述图数据库中更新所同步的所述题目的标签,使得所同步的所述题目与所述题库中的题目形成关联。
4.根据权利要求3所述的一种自动生成用户习题的方法,其特征在于,所述步骤S3具体为:
对所述习题数据中的每一道题目执行以下步骤:
判断所述题目中是否包括扩展判定标记,若是,则将所述扩展判定标记填充至检索数据中的扩展判定字段,所述扩展判定标记包括单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度;
获取所述题目的标签,拍平为题目标签列表,将所述题目标签列表填充到题目标签字段;
判断所述题目中是否存在错题额外标记和收藏额外标记,若是,则将所述错题额外标记填充到错题字段,将所述收藏额外标记填充到错题字段;
将所述题目的原文内容去除包括图片或视频的多媒体部分,保留所述题目的文本部分,对所述题目的文本部分进行分词,以生成倒排索引,将所述题目的原文内容填充至原文字段,将倒排索引填充至题干字段;
获取用户输入的答错原因,将所述题目的答错原因填充到错因字段;
获取所述题目的题目标识、用户标识、题型、用户答题内容和来源信息,得到并保存所述题目的检索数据,所述检索数据包括题目标识、用户标识、题型、原文内容、倒排索引、题目标签列表、扩展判定标记、收藏额外标记、错题额外标记、用户答题内容、来源信息和答错原因。
5.根据权利要求1所述的一种自动生成用户习题的方法,其特征在于,所述步骤S4中的练习习题包括类似题练习习题、复习练习习题和混淆知识点练习习题,所述步骤S4中生成所述类似题练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围内的题目的直接关联节点开始从所述题库中进行直接关联查找,所述直接关联节点为与所述题目直接关联的学习目标、知识点和章节,所述直接关联查按照学习目标、知识点和章节的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若所述直接关联查找所找出的题目数量未达到预设数量,则根据所述直接关联节点的前后置节点进行填充查找,以得到达到预设数量的类似题练习习题,所述前后置节点包括所述章节的前置章节和后置章节以及所述知识点的前置知识点和后置知识点,所述填充查找按照前置章节、后置章节、前置知识点和后置知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述步骤S4中生成所述复习练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围推导出包括当前章节和当前知识点的当前学习内容,根据当前章节的后置关联查找出前置章节,根据当前知识点的后置关联查找出前置知识点;
根据所述选定题目范围所推导出的前置章节和前置知识点的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若未达到预设数量,则根据所述前置章节再向前递归的章节和前置知识点再向前递归的知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述步骤S4中生成所述混淆知识点练习习题具体为:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或在所述习题数据中查询本单元内有混淆知识点的错题;
通过所述选定题目范围内的题目的关联知识点和用户的混淆知识点进行题目查找,所述关联知识点包括所述混淆知识点、正确答案知识点和其他知识点,按照所述混淆知识点、所述正确答案知识点和所述其他知识点所对应的预设比例查找出所对应的题目。
6.一种自动生成用户习题的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取题库中每一道题目的标签,以建立所述题目之间的关联,所述标签包括学段、学科、教材、章节、知识点和学习目标;
S2、从用户答题所在的来源采集用户的习题数据;
S3、对所述习题数据进行评定,以生成检索数据;
S4、根据由用户的所述习题数据所得到的选定题目范围和所述题目之间的关联生成练习习题。
7.根据权利要求6所述的一种自动生成用户习题的终端,其特征在于,所述处理器执行所述计算机程序的所述步骤S2时具体实现以下步骤:
根据采集器类型配置和目标组件采集配置从用户答题所在的来源进行收集,以得到原始格式的习题数据,所述采集器类型配置包括消息订阅和外部数据库,所述目标组件采集配置包括消息队列地址、端口、账号、密码,数据库地址、端口、账号和密码的采集器所需配置;
根据数据适配映射关系对原始数据的习题数据进行格式的清洗转换,以得到标准格式的习题数据;
对标准格式的所述习题数据进行持久化归档。
8.根据权利要求7所述的一种自动生成用户习题的终端,其特征在于,所述步骤S2和所述步骤S3之间,所述处理器执行所述计算机程序时还包括实现以下步骤:
判断所述习题数据中每一道题目是否在所述题库中,若不在所述题库中,则同步所述题目至所述题库中;
根据所同步的所述题目的标签判断图数据库中是否存在对应的资源节点,若无,则创建新的资源节点;
根据所同步的所述题目的标签判断所述图数据库中是是否存在对应的资源间关联关系,若无,则根据所同步的所述题目的标签的关联关系数据创建对应的资源间关联关系;
根据所创建的资源节点和资源间关联关系在所述图数据库中更新所同步的所述题目的标签,使得所同步的所述题目与所述题库中的题目形成关联。
9.根据权利要求8所述的一种自动生成用户习题的终端,其特征在于,所述处理器执行所述计算机程序的所述步骤S3时具体实现以下步骤:
对所述习题数据中的每一道题目执行以下步骤:
判断所述题目中是否包括扩展判定标记,若是,则将所述扩展判定标记填充至检索数据中的扩展判定字段,所述扩展判定标记包括单选题预设混淆知识点、多选题部分漏选、填空题近似程度和问答题近似程度;
获取所述题目的标签,拍平为题目标签列表,将所述题目标签列表填充到题目标签字段;
判断所述题目中是否存在错题额外标记和收藏额外标记,若是,则将所述错题额外标记填充到错题字段,将所述收藏额外标记填充到错题字段;
将所述题目的原文内容去除包括图片或视频的多媒体部分,保留所述题目的文本部分,对所述题目的文本部分进行分词,以生成倒排索引,将所述题目的原文内容填充至原文字段,将倒排索引填充至题干字段;
获取用户输入的答错原因,将所述题目的答错原因填充到错因字段;
获取所述题目的题目标识、用户标识、题型、用户答题内容和来源信息,得到并保存所述题目的检索数据,所述检索数据包括题目标识、用户标识、题型、原文内容、倒排索引、题目标签列表、扩展判定标记、收藏额外标记、错题额外标记、用户答题内容、来源信息和答错原因。
10.根据权利要求6所述的一种自动生成用户习题的终端,其特征在于,所述步骤S4中的练习习题包括类似题练习习题、复习练习习题和混淆知识点练习习题,所述处理器执行所述计算机程序的所述步骤S4中生成所述类似题练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围内的题目的直接关联节点开始从所述题库中进行直接关联查找,所述直接关联节点为与所述题目直接关联的学习目标、知识点和章节,所述直接关联查按照学习目标、知识点和章节的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若所述直接关联查找所找出的题目数量未达到预设数量,则根据所述直接关联节点的前后置节点进行填充查找,以得到达到预设数量的类似题练习习题,所述前后置节点包括所述章节的前置章节和后置章节以及所述知识点的前置知识点和后置知识点,所述填充查找按照前置章节、后置章节、前置知识点和后置知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述处理器执行所述计算机程序的所述步骤S4中生成所述复习练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户在所述习题数据中自行选定或根据用户的所述习题数据进行自动选定;
从所述选定题目范围推导出包括当前章节和当前知识点的当前学习内容,根据当前章节的后置关联查找出前置章节,根据当前知识点的后置关联查找出前置知识点;
根据所述选定题目范围所推导出的前置章节和前置知识点的权重顺序从大到小依次查找出对应的题目并优先查找未与用户产生作答关联的题目;
若未达到预设数量,则根据所述前置章节再向前递归的章节和前置知识点再向前递归的知识点的权重顺序从大到小依次查找出对应的题目,直到所查找出的所有题目的数量达到预设数量为止;
所述处理器执行所述计算机程序的所述步骤S4中生成所述混淆知识点练习习题时具体实现以下步骤:
获取选定题目范围,所述选定题目范围由用户自行选定或查询本单元内有混淆知识点数据的错题;
通过所述选定题目范围内的题目的关联知识点和用户的混淆知识点进行题目查找,所述关联知识点包括所述混淆知识点、正确答案知识点和其他知识点,按照所述混淆知识点、所述正确答案知识点和所述其他知识点所对应的预设比例查找出所对应的题目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392973.3A CN111177304B (zh) | 2019-12-30 | 2019-12-30 | 一种自动生成用户习题的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392973.3A CN111177304B (zh) | 2019-12-30 | 2019-12-30 | 一种自动生成用户习题的方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177304A true CN111177304A (zh) | 2020-05-19 |
CN111177304B CN111177304B (zh) | 2022-12-13 |
Family
ID=70657575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392973.3A Active CN111177304B (zh) | 2019-12-30 | 2019-12-30 | 一种自动生成用户习题的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177304B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017497A (zh) * | 2020-07-15 | 2020-12-01 | 李帮军 | 一种基于选择题编辑器的辅助复习系统 |
CN113282765A (zh) * | 2021-06-17 | 2021-08-20 | 东莞市亚太未来软件有限公司 | 一种动态复习试题生成方法及系统 |
CN114202978A (zh) * | 2021-12-15 | 2022-03-18 | 潘浩栋 | 一种基于大数据的智能培训方法及系统 |
CN114661196A (zh) * | 2022-04-18 | 2022-06-24 | 北京高途云集教育科技有限公司 | 一种习题展示方法、装置、电子设备以及存储介质 |
CN114885216A (zh) * | 2022-04-26 | 2022-08-09 | 深圳市企鹅网络科技有限公司 | 习题推送方法、系统、电子设备和存储介质 |
CN115063271A (zh) * | 2022-07-14 | 2022-09-16 | 广州市信息技术职业学校 | 基于仿真实验的学习辅导方法和装置 |
CN117079222A (zh) * | 2023-10-17 | 2023-11-17 | 广州乐庚信息科技有限公司 | 一种基于课堂音视频智能分析的教案生成方法和系统 |
CN117350274A (zh) * | 2023-10-08 | 2024-01-05 | 华中师范大学 | 一种基于已有习题自动合成新的几何证明题的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180260472A1 (en) * | 2017-03-10 | 2018-09-13 | Eduworks Corporation | Automated tool for question generation |
CN109002564A (zh) * | 2018-09-26 | 2018-12-14 | 江苏曲速教育科技有限公司 | 试题智能推送方法和系统 |
CN109145159A (zh) * | 2017-06-27 | 2019-01-04 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
-
2019
- 2019-12-30 CN CN201911392973.3A patent/CN111177304B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180260472A1 (en) * | 2017-03-10 | 2018-09-13 | Eduworks Corporation | Automated tool for question generation |
CN109145159A (zh) * | 2017-06-27 | 2019-01-04 | 北京新唐思创教育科技有限公司 | 一种对数据进行处理的方法和装置 |
CN109002564A (zh) * | 2018-09-26 | 2018-12-14 | 江苏曲速教育科技有限公司 | 试题智能推送方法和系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017497A (zh) * | 2020-07-15 | 2020-12-01 | 李帮军 | 一种基于选择题编辑器的辅助复习系统 |
CN113282765A (zh) * | 2021-06-17 | 2021-08-20 | 东莞市亚太未来软件有限公司 | 一种动态复习试题生成方法及系统 |
CN114202978A (zh) * | 2021-12-15 | 2022-03-18 | 潘浩栋 | 一种基于大数据的智能培训方法及系统 |
CN114661196A (zh) * | 2022-04-18 | 2022-06-24 | 北京高途云集教育科技有限公司 | 一种习题展示方法、装置、电子设备以及存储介质 |
CN114661196B (zh) * | 2022-04-18 | 2024-03-22 | 北京高途云集教育科技有限公司 | 一种习题展示方法、装置、电子设备以及存储介质 |
CN114885216A (zh) * | 2022-04-26 | 2022-08-09 | 深圳市企鹅网络科技有限公司 | 习题推送方法、系统、电子设备和存储介质 |
CN114885216B (zh) * | 2022-04-26 | 2024-03-19 | 深圳市企鹅网络科技有限公司 | 习题推送方法、系统、电子设备和存储介质 |
CN115063271A (zh) * | 2022-07-14 | 2022-09-16 | 广州市信息技术职业学校 | 基于仿真实验的学习辅导方法和装置 |
CN117350274A (zh) * | 2023-10-08 | 2024-01-05 | 华中师范大学 | 一种基于已有习题自动合成新的几何证明题的方法及系统 |
CN117079222A (zh) * | 2023-10-17 | 2023-11-17 | 广州乐庚信息科技有限公司 | 一种基于课堂音视频智能分析的教案生成方法和系统 |
CN117079222B (zh) * | 2023-10-17 | 2024-01-26 | 广州乐庚信息科技有限公司 | 一种基于课堂音视频智能分析的教案生成方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111177304B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177304B (zh) | 一种自动生成用户习题的方法及终端 | |
CN110322738B (zh) | 一种课程优化方法、装置和系统 | |
US20120135389A1 (en) | Learning environment with user defined content | |
CN103440243B (zh) | 一种教学资源推荐方法及其装置 | |
CN103425640A (zh) | 一种多媒体问答系统及方法 | |
CN111831914A (zh) | 一种在线教育的智能推题系统 | |
CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
CN109637238B (zh) | 一种练习题的生成方法、装置、设备和存储介质 | |
JP2000098865A (ja) | 学習支援システム,及びそれを構成する教材サーバ装置,学習者側装置,並びにそれらのプログラムを記録した記録媒体 | |
CN109800300A (zh) | 一种学习内容推荐方法及系统 | |
CN110110090A (zh) | 搜索方法、教育搜索引擎系统及装置 | |
CN114860791A (zh) | 一种基于大数据的教育资源推荐方法 | |
CN109584127B (zh) | 一种用于实验教学的教学资源管理方法及系统 | |
CN104462475A (zh) | 一种用于智慧教学系统教学端课件检索的方法及装置 | |
CN113592456A (zh) | 一种基于人工智能的工程咨询管理系统及数据处理方法 | |
CN116595188A (zh) | 一种基于人工智能和大数据的教育知识图谱系统 | |
Teixeira et al. | Broad project: Semantic search and application of learning objects | |
CN117171350A (zh) | 一种基于知识图谱的个性化课程学习环境构建方法与装置 | |
CN112836099A (zh) | 图书馆服务管理系统 | |
CN112183112A (zh) | 一种软件工程教学平台 | |
JPH10214022A (ja) | グループ学習教材編成方法及びシステム | |
CN111523028A (zh) | 数据推荐方法、装置、设备及存储介质 | |
Blandford et al. | Claims analysis" in the wild:" A case study on digital library development | |
Estivill-Castro et al. | Towards the Ranking of Web-pages for Educational Purposes. | |
CN111949882A (zh) | 一种领域知识点结构缺陷智能诊断方法 |
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 |