CN111428058B - 基于mcm的智适应复习资源推送方法 - Google Patents

基于mcm的智适应复习资源推送方法 Download PDF

Info

Publication number
CN111428058B
CN111428058B CN202010241442.0A CN202010241442A CN111428058B CN 111428058 B CN111428058 B CN 111428058B CN 202010241442 A CN202010241442 A CN 202010241442A CN 111428058 B CN111428058 B CN 111428058B
Authority
CN
China
Prior art keywords
mcm
wrong
students
knowledge point
error
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.)
Active
Application number
CN202010241442.0A
Other languages
English (en)
Other versions
CN111428058A (zh
Inventor
栗浩洋
许昭慧
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.)
Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd
Original Assignee
Shanghai Squirrel Classroom Artificial Intelligence 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 Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd filed Critical Shanghai Squirrel Classroom Artificial Intelligence Technology Co Ltd
Priority to CN202010241442.0A priority Critical patent/CN111428058B/zh
Publication of CN111428058A publication Critical patent/CN111428058A/zh
Application granted granted Critical
Publication of CN111428058B publication Critical patent/CN111428058B/zh
Priority to PCT/CN2021/082597 priority patent/WO2021180240A1/zh
Priority to US17/594,692 priority patent/US20230045224A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/438—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了基于MCM的智适应复习资源推送方法，包括获取所有学生的历史知识点错题数据；获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。本发明解决复习治标不治本，及学生的学习水平很难真正的提高的问题。

Description

基于MCM的智适应复习资源推送方法
技术领域
本发明属于在线教育技术领域，尤其涉及一种基于MCM的智适应复习资源推送方法。
背景技术
MCM是通过将每一种学习思维进行拆分，拆分出学生的思维模式(Model ofthinking)、学习能力(Capacity)和学习方法(Methodology)的一种策略。
现有的知识点易错题或复习题推送方法，仅仅从试题的做题结果(错误/正确)判断学生在知识点上薄弱环节，没有真正考虑到造成知识点错题产生的原因除了未掌握知识点内容外，还可能是思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)这样的更深层次存在问题，以及学生的心理因素或者做题习惯等其他非智力因素。
这样造成复习效率低下，导致复习治标不治本，学生的学习水平很难真正的提高。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于MCM的智适应复习资源推送方法，通过获取历史知识点错题数据中与知识点错题绑定的MCM标签，根据MCM标签向学生推送MCM学习资源，在MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。通过采用这样的方式首先让学生在思维模式(Model ofthinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对MCM标签对应的多个知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
为解决上述技术问题，本发明采用的技术方案是：基于MCM的智适应复习资源推送方法，包括
获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
P(E)＝P(H)+P(M)
Figure GDA0002765047680000021
EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
EH(S)表示用户标注当前学生的所有错因标签的总数；
EH(E)表示用户标注的所有学生的错因标签的总数；
EH(S)表示用户标注的具有当前错因标签的学生总数；
N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
N0和-k为常数；
P(B)表示用户标注错因标签的次数；
Figure GDA0002765047680000022
EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
EM(S)表示机器标注的当前学生的所有错因标签的总数；
根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。
上述基于MCM的智适应复习资源推送方法，在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：
步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤C、根据
Figure GDA0002765047680000031
计算当前学生与另一个学生的相似度,若A和B均为空，则J(A,B)＝1；
步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
上述基于MCM的智适应复习资源推送方法，对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。
上述基于MCM的智适应复习资源推送方法，还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
上述基于MCM的智适应复习资源推送方法，还包括获取学生的复习范围，根据复习范围，调取一个或多个知识点错题数据中的MCM标签，将调取的每个MCM标签对应的部分或全部推送的知识点错题进行组卷。
上述基于MCM的智适应复习资源推送方法，还包括获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
本发明与现有技术相比具有以下优点：
1、本发明通过利用错因重要程度值进行排序，可以有效的发现学生重要的薄弱环节，为针对性的消除学生的薄弱环节提供参考。
2、本发明通过筛选出知识点错因标签中属于智力因素的错因标签，可以针对性的进行复习，使属于非智力因素的错因标签不需要再通过重复做题的方式进行复习，提高了复习效率。
3、本发明通过获取历史知识点错题数据中与知识点错题绑定的MCM标签，根据MCM标签向学生推送MCM学习资源，在MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。通过采用这样的方式首先让学生在思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
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
图1为本发明的方法流程图。
具体实施方式
如图1所示，一种基于MCM的智适应复习资源推送方法，包括：
步骤一、获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
需要说明的是，内容管理系统中试题和MCM标签为预先绑定好的，当学生在做错试题时，为知识点错题打上错因标签，知识点错题、对应知识点错题的错因标签和MCM标签构成知识点错题数据。所述错因标签为在学生做错试题时，反映错误原因的标记，包括用户标记的(学生自己标记的或授课老师标记的)和机器标记的(基于预设规则或机器学习算法的标记)，例如错因标签和错因编码示例：
Figure GDA0002765047680000051
其中错因编码中，M开头代表非智力因素的错因标签，I开头代表智力因素的错因标签；
所述MCM标签为反映试题所关联知识点学习所需的思维模式(Model ofthinking)、学习能力(Capacity)和学习方法(Methodology)；例如，数学、物理、化学学科内各个知识点下各个试题标记所用到的MCM标签如下表所示：
Figure GDA0002765047680000052
Figure GDA0002765047680000061
步骤二、获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
步骤三、对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
P(E)＝P(H)+P(M)
Figure GDA0002765047680000062
EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
EH(S)表示用户标注当前学生的所有错因标签的总数；
EH(E)表示用户标注的所有学生的错因标签的总数；
EH(S)表示用户标注的具有当前错因标签的学生总数；
N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
N0和-k为常数；
P(B)表示用户标注错因标签的次数；
Figure GDA0002765047680000071
EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
EM(S)表示机器标注的当前学生的所有错因标签的总数；
步骤四、根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。
MCM学习资源所述MCM学习资源包括视频、讲义和MCM试题。且所述视频的内容、讲义的内容和MCM试题的内容可以应用到多个学科。例如当MCM标签为观察能力时，涉及有观察能力的学科有很多，为了提高学生的观察能力，学习资源中视频的内容、讲义的内容和MCM试题的内容会指导学生如何有意识地对事物的数和形的特点进行感知活动，即对符号、字母、数字或文字所表示的数学关系式、命题、几何图形的特点进行察看。并指导学生对物理现象进行连续观察、综合观察、对比观察，再用MCM试题考察学生是否掌握了所指导的观察能力。
进一步需要说明的是，向学生推送MCM标签对应的知识点错题数量为多个，多个知识点试题可能对应一个知识点，也可能对应多个不同的知识点。
总的来说，一个错因标签下对应有一个或多个MCM标签，一个MCM标签下对应有一个或多个知识点错题。通过对错因标签进行错因重要程度值P(E)值计算，使学生首先对错因重要程度值P(E)值高的错因标签对应的多个MCM标签下的MCM学习资源进行学习，然后再对每个MCM标签对应下的多个知识点错题进行复习，使学生针对一个错因标签，首先从思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对MCM标签对应的多个知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
本实施例中，在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：
步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤C、根据
Figure GDA0002765047680000081
计算当前学生与另一个学生的相似度,若A和B均为空，则J(A,B)＝1；
步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
举例说明，假设总共有4名学生，第1名学生为当前学生，历史知识点错题数量n＝4，给定两个比较对象A，B。A,B均有4个二元属性，即每个属性取值为{0,1}，答对标注为0，答错标注为1。根据相似度计算公式，得出学生1和学生4的相似度最高，故会推荐题目5给到学生1。
Figure GDA0002765047680000082
Figure GDA0002765047680000091
本实施例中，所述步骤三还包括对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。通过将整个排序结果推送给学生，学生从可一目了然的看到智力因素和非智力因素的错因各是哪些，以及这些错因的错因重要程度值。
本实施例中，所述步骤五还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
本实施例中，所述步骤四还包括获取学生的复习范围，根据复习范围，将部分或全部推送的知识点错题进行组卷。
需要说明的是，所述复习范围包括复习学科信息、复习预估时长和复习题型中的一种或多种。
还包括步骤五、获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (6)

1.基于MCM的智适应复习资源推送方法，其特征在于，包括
获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
P(E)＝P(H)+P(M)
Figure FDA0002791579300000011
EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
EH(S)表示用户标注当前学生的所有错因标签的总数；
EH(E)表示用户标注的所有学生的错因标签的总数；
EH(S)表示用户标注的具有当前错因标签的学生总数；
N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
N0和-k为常数；
P(B)表示用户标注错因标签的次数；
Figure FDA0002791579300000012
EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
EM(S)表示机器标注的当前学生的所有错因标签的总数；
根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题；
MCM是通过将每一种学习思维进行拆分，拆分出学生的思维模式Model of thinking、学习能力Capacity和学习方法Methodology的一种策略。
2.按照权利要求1所述的基于MCM的智适应复习资源推送方法，其特征在于：在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：
步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤C、根据
Figure FDA0002791579300000021
计算当前学生与另一个学生的相似度,若A和B均为空，则J(A,B)＝1；
步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
3.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。
4.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
5.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取学生的复习范围，根据复习范围，调取一个或多个知识点错题数据中的MCM标签，将调取的每个MCM标签对应的部分或全部推送的知识点错题进行组卷。
6.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
CN202010241442.0A 2020-03-31 2020-03-31 基于mcm的智适应复习资源推送方法 Active CN111428058B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010241442.0A CN111428058B (zh) 2020-03-31 2020-03-31 基于mcm的智适应复习资源推送方法
PCT/CN2021/082597 WO2021180240A1 (zh) 2020-03-31 2021-03-24 基于mcm模型的智适应推荐方法
US17/594,692 US20230045224A1 (en) 2020-03-31 2021-03-24 Intelligence adaptation recommendation method based on mcm model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010241442.0A CN111428058B (zh) 2020-03-31 2020-03-31 基于mcm的智适应复习资源推送方法

Publications (2)

Publication Number Publication Date
CN111428058A CN111428058A (zh) 2020-07-17
CN111428058B true CN111428058B (zh) 2021-02-05

Family

ID=71550036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010241442.0A Active CN111428058B (zh) 2020-03-31 2020-03-31 基于mcm的智适应复习资源推送方法

Country Status (3)

Country Link
US (1) US20230045224A1 (zh)
CN (1) CN111428058B (zh)
WO (1) WO2021180240A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428058B (zh) * 2020-03-31 2021-02-05 上海松鼠课堂人工智能科技有限公司 基于mcm的智适应复习资源推送方法
CN112016603B (zh) * 2020-08-18 2021-04-30 上海松鼠课堂人工智能科技有限公司 基于图神经网络的错因分析方法
CN114328633B (zh) * 2021-12-28 2024-06-11 贵州勾分科技有限责任公司 一种基于概念格的错题知识点强化训练试题推荐方法
CN114647721B (zh) * 2022-05-23 2022-09-16 风林科技(深圳)有限公司 教育智能机器人控制方法、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574210A (zh) * 2016-02-02 2016-05-11 广东小天才科技有限公司 一种推送复习知识板块的方法及系统
CN110598112A (zh) * 2019-09-17 2019-12-20 广东小天才科技有限公司 一种题目推荐方法、装置、终端设备及存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6807535B2 (en) * 2000-03-08 2004-10-19 Lnk Corporation Intelligent tutoring system
US6626679B2 (en) * 2000-11-08 2003-09-30 Acesync, Inc. Reflective analysis system
EP1362337A1 (en) * 2001-01-09 2003-11-19 Prep4 Ltd Training system and method for improving user knowledge and skills
US20060014130A1 (en) * 2004-07-17 2006-01-19 Weinstein Pini A System and method for diagnosing deficiencies and assessing knowledge in test responses
US20060024654A1 (en) * 2004-07-31 2006-02-02 Goodkovsky Vladimir A Unified generator of intelligent tutoring
US10037707B2 (en) * 2006-10-11 2018-07-31 Cynthia Elnora ASHBY Interactive method for diagnosing test-taking errors
US11741848B2 (en) * 2006-10-11 2023-08-29 Cynthia Elnora ASHBY Interactive system and method for diagnosing test-taking errors based on blooms taxonomy
US8037080B2 (en) * 2008-07-30 2011-10-11 At&T Intellectual Property Ii, Lp Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models
CN105787839A (zh) * 2016-03-23 2016-07-20 成都准星云学科技有限公司 一种学习资源推送方法和装置
CN107492054A (zh) * 2017-06-29 2017-12-19 北京易教阳光教育科技有限公司 一种错题管理方法、系统、服务器及其存储介质
KR101934481B1 (ko) * 2017-07-12 2019-01-02 차길영 오프라인 및 온라인 교재 연동 학습 서비스 시스템
US20200004827A1 (en) * 2018-06-27 2020-01-02 Microsoft Technology Licensing, Llc Generalized linear mixed models for generating recommendations
CN109493666B (zh) * 2019-01-23 2021-11-26 广东小天才科技有限公司 一种学习互动方法及学习设备
CN110021208A (zh) * 2019-05-16 2019-07-16 上海乂学教育科技有限公司 针对英语阅读题目的高效训练方法及系统
CN110472060B (zh) * 2019-07-05 2020-12-01 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
CN111428058B (zh) * 2020-03-31 2021-02-05 上海松鼠课堂人工智能科技有限公司 基于mcm的智适应复习资源推送方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574210A (zh) * 2016-02-02 2016-05-11 广东小天才科技有限公司 一种推送复习知识板块的方法及系统
CN110598112A (zh) * 2019-09-17 2019-12-20 广东小天才科技有限公司 一种题目推荐方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
US20230045224A1 (en) 2023-02-09
WO2021180240A1 (zh) 2021-09-16
CN111428058A (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
CN111428058B (zh) 基于mcm的智适应复习资源推送方法
US11508251B2 (en) Method and system for intelligent identification and correction of questions
CN108121702B (zh) 数学主观题评阅方法及系统
CN111274411A (zh) 课程推荐方法、装置、电子设备及可读存储介质
CN108052504B (zh) 数学主观题解答结果的结构分析方法及系统
CN111144079B (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
CN110414837B (zh) 基于错因分析的人机交互系统
CN114913729A (zh) 一种选题方法、装置、计算机设备和存储介质
CN110968708A (zh) 一种教育信息资源属性标注方法及系统
CN115640368A (zh) 一种智能诊断推荐题库的方法及其系统
CN114202978A (zh) 一种基于大数据的智能培训方法及系统
CN114067233B (zh) 一种跨模态匹配方法及系统
CN113283488B (zh) 一种基于学习行为的认知诊断方法及系统
CN113742453A (zh) 一种人工智能错题关联方法及系统
CN109934350B (zh) 数学题目一题多解实现方法、装置及平台
CN112395858A (zh) 融合试题数据和解答数据的多知识点标注方法和系统
Herman et al. The affordances and constraints of diagrams on students' reasoning about state machines
CN107992482B (zh) 数学主观题解答步骤的规约方法及系统
CN110909174A (zh) 一种基于知识图谱的简单问答中实体链接的改进方法
CN116108833A (zh) 答题结论确定方法、装置、电子设备和存储介质
CN113919567A (zh) 一种结合知识追踪和序列标注模型的试卷成绩预测方法
CN114691903A (zh) 一种智能课程测试方法及系统、电子设备、存储介质
CN114638988A (zh) 一种基于不同呈现方式的教学视频自动化分类方法及系统
Vimalaksha et al. Digen: Distractor generator for multiple choice questions in code comprehension
CN112785039A (zh) 一种试题作答得分率的预测方法及相关装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200025 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai

Applicant after: Shanghai squirrel classroom Artificial Intelligence Technology Co., Ltd

Address before: 200025 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai

Applicant before: SHANGHAI YIXUE EDUCATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant