CN111597303A - 一种试卷选题匹配方法及系统 - Google Patents

一种试卷选题匹配方法及系统 Download PDF

Info

Publication number
CN111597303A
CN111597303A CN202010399305.XA CN202010399305A CN111597303A CN 111597303 A CN111597303 A CN 111597303A CN 202010399305 A CN202010399305 A CN 202010399305A CN 111597303 A CN111597303 A CN 111597303A
Authority
CN
China
Prior art keywords
question
difficulty
stem
processed
value
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
Application number
CN202010399305.XA
Other languages
English (en)
Other versions
CN111597303B (zh
Inventor
海克洪
杨俊�
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.)
Hubei Meihe Yisi Education Technology Co ltd
Original Assignee
Hubei Meihe Yisi 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 Hubei Meihe Yisi Education Technology Co ltd filed Critical Hubei Meihe Yisi Education Technology Co ltd
Priority to CN202010399305.XA priority Critical patent/CN111597303B/zh
Publication of CN111597303A publication Critical patent/CN111597303A/zh
Application granted granted Critical
Publication of CN111597303B publication Critical patent/CN111597303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language 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—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (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)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提出了一种试卷选题匹配方法及系统，从两个方面为题目设定难度，由于题目字数和知识点最能体现题目的难度，从而匹配出的试卷的难度适宜，很好的平衡了试卷难易，有力的保证了用试卷进行学业测试的可靠性和准确性。

Description

一种试卷选题匹配方法及系统
技术领域
本发明涉及数据处理技术领域，尤其涉及一种试卷选题匹配方法及系统。
背景技术
在传统教学过程中，学生学习评测试卷一般由教师统一命题，不同学习程度的学生使用相同的试卷考察自己的学习情况。试卷选题由教师根据经验从题库中选择定量的题目，试卷一般包括简单、一般、困难等不同难度等级的题目。
由于教师选题的主观性大，无法准确把握每道题目的难度，会造成试卷的难度过大或过小。试卷难度过大或过小均会导致试卷所具有的能力测试效果失效，无法准确衡量学生的学业水平，不利于教师准确把握班级的学业状态。
发明内容
有鉴于此，一方面，本发明提出了一种试卷选题匹配方法，以解决传统试卷选题匹配方式得到的试卷难度失衡、导致通过试卷进行学业水平测试的结果可靠性低的问题。
本发明的技术方案是这样实现的：一种试卷选题匹配方法，包括：
从题库中读取待处理题目并分割得到待处理题目的题干及解析；
分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
根据所述题干和所述解析的字节长度获取待处理题目的第一难度值；根据所述题干的知识点关键字获取待处理题目的第二难度值；
将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
根据出卷规则从题库中选择具有所述难度标签的题目的题干。
可选的，根据所述题干和所述解析的字节长度获取待处理题目的第一难度值，包括：
根据所述题干的字节长度从预设规则中读取所述题干的阅读难度系数，根据所述解析的字节长度从所述预设规则中读取所述解析的解答难度系数；
将所述阅读难度系数和所述解答难度系数加权求和以获得所述第一难度值。
可选的，所述阅读难度系数的加权值小于所述解答难度系数的加权值。
可选的，根据所述题干的知识点关键字获取待处理题目的第二难度值，包括：
根据所述知识点关键字从预设规则中读取所有所述知识点关键字的知识点难度系数；
依次对所有所述知识点难度系数进行加权求和。
可选的，所述知识点难度系数越小，其对应的加权值越小。
可选的，所述根据出卷规则从题库中选择具有所述难度标签的题目的题干，包括：
获取所述出卷规则中的题目属性，所述题目属性包括题量及不同难度等级题目的比例；
根据所述题目属性从题库中选择具有所述难度标签的题目的题干。
可选的，所述题目属性还包括知识点。
本发明的试卷选题匹配方法相对于现有技术具有以下有益效果：
(1)本发明的试卷选题匹配方法从两个方面为题目设定难度，由于题目字数和知识点最能体现题目的难度，从而匹配出的试卷的难度适宜，很好的平衡了试卷难易，有力的保证了用试卷进行学业测试的可靠性和准确性；
(2)本发明的试卷选题匹配方法通过加权的方式计算题目的标准难度值，加权值与影响题目难度的因素相适配，准确性高；
(3)本发明的试卷选题匹配方法优选知识点难度系数越小，其对应的加权值越小，实现了主要通过重难点计算第二难度值，可进一步提高选题的可靠性，提高试卷测评的可靠性；
(4)本发明的试卷选题匹配方法优选题目属性还包括知识点，选题时考虑到了知识点覆盖范围，可保证试卷题目覆盖的广度，进而保证试卷的可靠性。
另一方面，本发明还提出一种试卷选题匹配系统，以解决传统试卷选题匹配方式得到的试卷难度失衡、导致通过试卷进行学业水平测试的结果可靠性低的问题。
本发明的技术方案是这样实现的：一种试卷选题匹配系统，包括：
题目分割模块，用于从题库中读取待处理题目并分割得到待处理题目的题干及解析；
特征读取模块，用于分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
难度值获取模块，用于根据所述题干和所述解析的字节长度获取待处理题目的第一难度值，根据所述题干的知识点关键字获取待处理题目的第二难度值；
标签生成模块，用于将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
题干选择模块，用于根据出卷规则从题库中选择具有所述难度标签的题目的题干。
所述试卷选题匹配系统与上述试卷选题匹配方法相对于现有技术所具有的优势相同，在此不再赘述。
另一方面，本发明还提出一种计算机可读存储介质，以解决传统试卷选题匹配方式得到的试卷难度失衡、导致通过试卷进行学业水平测试的结果可靠性低的问题。
本发明的技术方案是这样实现的：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现上述任一项所述的试卷选题匹配方法。
所述计算机可读存储介质与上述试卷选题匹配方法相对于现有技术所具有的优势相同，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的试卷选题匹配方法的流程图；
图2为本发明的步骤S30的流程图；
图3为本发明的步骤S31的流程图；
图4为本发明的步骤S50的流程图；
图5为本发明的试卷选题匹配系统的结构框图。
附图标记说明：
10-题目分割模块；20-特征读取模块；30-难度值获取模块；40-标签生成模块；50-题干选择模块。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本实施例的试卷选题匹配方法包括：
步骤S10，从题库中读取待处理题目并分割得到待处理题目的题干及解析；
步骤S20，分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
步骤S30，根据所述题干和所述解析的字节长度获取待处理题目的第一难度值；步骤S31，根据所述题干的知识点关键字获取待处理题目的第二难度值；
步骤S40，将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
步骤S50，根据出卷规则从题库中选择具有所述难度标签的题目的题干。
其中，步骤S30与步骤S31为并行步骤。一般的，题目通常包括序号、题干、答案、解析及其他有用信息，题干和解析可最大程度的体现一个题目的难度，从而本实施例优选从题干和解析这两个角度匹配题目，生成的试卷的难度最为适宜，测评效果最佳。
题干和解析的字节长度实际上体现了题干和解析的字数，进一步可体现解题的繁杂性和费时性。一般认为题干越长,读起来越困难,当长度超过一定的值,答题者则会表现出烦躁等情绪,同时对答题者抓住重点的能力要求也就越高,此时认为题目较难。若解析过程越长，解题过程需要学生掌握的技巧就越多,因此需要学生对此付出的时间也就越多,题目也就越困难。
题干的知识点关键字指的是题干中体现的知识点，比如历史题干中包含“官渡之战”，题干的知识点关键字即为“官渡之战”。本实施例可认为题干的知识点关键字越多，题目越复杂，自然难度更高。且不同的学科知识有自己的侧重点以及重难点,每一个学科的重难点也较为固定,因此当题目涉及到重难点知识时,此时的题目一定是较困难的。
其中，出卷规则为已知，主要包括题量以及简单、一般、困难等三种难度等级题目所需比例。步骤S50中题库分别正常库和异常库，优先从正常库中选择题目。
这样，本实施例根据题干和解析的字数为题目设定一难度值，根据知识点为题目设定另一难度值，最后将两难度值加权处理得到题目的标准难度值，本实施例从两个方面为题目设定难度，由于题目字数和知识点最能体现题目的难度，从而匹配出的试卷的难度适宜，很好的平衡了难易，有力的保证了用试卷进行学业测试的可靠性和准确性。
可选的，如图2所示，步骤S30包括：
步骤S301，根据所述题干的字节长度从预设规则中读取所述题干的阅读难度系数，根据所述解析的字节长度从所述预设规则中读取所述解析的解答难度系数；
步骤S302，将所述阅读难度系数和所述解答难度系数加权求和以获得所述第一难度值。
本实施例具有题目难度的预设规则，包括题干长度对应的阅读难度规则、解析长度对应的解答难度规则，如题干的字节长度落入100-200之间，对应阅读难度规则中的阅读难度系数为0.5，解析的字节长度落入50-100之间，对应解答难度规则中的解答难度系数为0.6等。这样在获取题干及解析的字节长度后就可对照预设规则读取对应的难度系数，从而本实施例可通过步骤S301-S302计算第一难度值，以便计算题目的标准难度值。
可选的，所述阅读难度系数的加权值小于所述解答难度系数的加权值。一般的，存在大量题目的题干字数多而其解析字数少的情形，而对于题干和解析而言，解析字数在体现题目难度的功能上远比题干字数可靠，这样本实施例优选阅读难度系数的加权值小述解答难度系数的加权值，从而进一步提高了第一难度值的可靠性，也进一步提高了确定题目难度的可靠性，进一步提高了试卷测评结果的可靠性。
可选的，如图3所示，步骤S31包括：
步骤S311，根据所述知识点关键字从预设规则中读取所有所述知识点关键字的知识点难度系数；
步骤S312，依次对所有所述知识点难度系数进行加权求和。
这样通过步骤步骤S311-步骤S312可计算出第二难度值，以便计算题目的标准难度值。
可选的，步骤S31还包括：若所述知识点关键字的数量为零，则将所述第二难度值置零并将题目存储至题库的异常库。
并非所有题库中的题目都能明显识别到知识点关键字，这样在计算第二难度值时会造成紊乱，本实施例在检测到知识点关键字的数量为零时将第二难度值置零，虽然一定程度上使得第二难度值的可靠性降低，但可避免选题过程出错，且将知识点关键字数量为零的题目存储到异常库中，可在选题时规避异常题目，避免降低试卷的难度失衡。
可选的，所述知识点难度系数越小，其对应的加权值越小。由上可知，不同学科有固定的重难点、一般知识点、简单知识点，从而本实施例中预设规则中设定了重难点的难度系数大，一般知识点的难度系数其次，简单知识点的难度系数最小。显而易见，知识点的难度系数越小，知识点对题目难度的影响越小，题目难度主要体现在重难点。若简单及一般知识点难度系数的加权点过大，会降低第二难度值的可靠性，并最终降低选题的可靠性。本实施例优选知识点难度系数越小，其对应的加权值越小，实现了主要通过重难点计算第二难度值，可进一步提高选题的可靠性，提高试卷测评的可靠性。
可选的，如图4所示，步骤S50包括：
步骤S501，获取所述出卷规则中的题目属性，所述题目属性包括题量及不同难度等级题目的比例；
步骤S502，根据所述题目属性从题库中选择具有所述难度标签的题目的题干。
本实施例中，可通过步骤S10-S40为所有题目生成难度标签，这样可根据步骤S501-S502从题库中选出难度适宜的题目构成一套可靠性高的试卷。
可选的，所述题目属性还包括知识点。根据步骤S501-S502出题时，可能出现试卷的题量和难度合适但试卷只包含了一两个知识点的情形，无法保证试卷测评的广度，同样无法保证试卷测评的可靠性。本实施例优选题目属性还包括知识点，选题时考虑到了知识点，可保证试卷题目覆盖所需的知识点，保证出题的广度，进而保证试卷的可靠性。
可选的，
如图5所示，本实施例还提供一种试卷选题匹配系统，包括：
题目分割模块10，用于从题库中读取待处理题目并分割得到待处理题目的题干及解析；
特征读取模块20，用于分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
难度值获取模块30，用于根据所述题干和所述解析的字节长度获取待处理题目的第一难度值，根据所述题干的知识点关键字获取待处理题目的第二难度值；
标签生成模块40，用于将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
题干选择模块50，用于根据出卷规则从题库中选择具有所述难度标签的题目的题干。
这样本实施例的试卷选题匹配系统从两个方面为题目设定难度，由于题目字数和知识点最能体现题目的难度，从而匹配出的试卷的难度适宜，很好的平衡了难易，有力的保证了用试卷进行学业测试的可靠性和准确性。
本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现上述任一项所述的试卷选题匹配方法。这样本实施例的计算机可读存储介质从两个方面为题目设定难度，由于题目字数和知识点最能体现题目的难度，从而匹配出的试卷的难度适宜，很好的平衡了难易，有力的保证了用试卷进行学业测试的可靠性和准确性。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，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。

Claims (9)

1.一种试卷选题匹配方法，其特征在于，包括：
从题库中读取待处理题目并分割得到待处理题目的题干及解析；
分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
根据所述题干和所述解析的字节长度获取待处理题目的第一难度值；根据所述题干的知识点关键字获取待处理题目的第二难度值；
将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
根据出卷规则从题库中选择具有所述难度标签的题目的题干。
2.如权利要求1所述的试卷选题匹配方法，其特征在于，根据所述题干和所述解析的字节长度获取待处理题目的第一难度值，包括：
根据所述题干的字节长度从预设规则中读取所述题干的阅读难度系数，根据所述解析的字节长度从所述预设规则中读取所述解析的解答难度系数；
将所述阅读难度系数和所述解答难度系数加权求和以获得所述第一难度值。
3.如权利要求2所述的试卷选题匹配方法，其特征在于，所述阅读难度系数的加权值小于所述解答难度系数的加权值。
4.如权利要求1所述的试卷选题匹配方法，其特征在于，根据所述题干的知识点关键字获取待处理题目的第二难度值，包括：
根据所述知识点关键字从预设规则中读取所有所述知识点关键字的知识点难度系数；
依次对所有所述知识点难度系数进行加权求和。
5.如权利要求4所述的试卷选题匹配方法，其特征在于，所述知识点难度系数越小，其对应的加权值越小。
6.如权利要求1所述的试卷选题匹配方法，其特征在于，所述根据出卷规则从题库中选择具有所述难度标签的题目的题干，包括：
获取所述出卷规则中的题目属性，所述题目属性包括题量及不同难度等级题目的比例；
根据所述题目属性从题库中选择具有所述难度标签的题目的题干。
7.如权利要求6所述的试卷选题匹配方法，其特征在于，所述题目属性还包括知识点。
8.一种试卷选题匹配系统，其特征在于，包括：
题目分割模块(10)，用于从题库中读取待处理题目并分割得到待处理题目的题干及解析；
特征读取模块(20)，用于分别读取所述题干和所述解析的字节长度，并读取所述题干的知识点关键字；
难度值获取模块(30)，用于根据所述题干和所述解析的字节长度获取待处理题目的第一难度值，根据所述题干的知识点关键字获取待处理题目的第二难度值；
标签生成模块(40)，用于将所述第一难度值和所述第二难度值加权求和以获得待处理题目的标准难度值，并根据所述标准难度值生成待处理题目的难度标签；
题干选择模块(50)，用于根据出卷规则从题库中选择具有所述难度标签的题目的题干。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现如权利要求1-7任一项所述的方法。
CN202010399305.XA 2020-05-12 2020-05-12 一种试卷选题匹配方法及系统 Active CN111597303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010399305.XA CN111597303B (zh) 2020-05-12 2020-05-12 一种试卷选题匹配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010399305.XA CN111597303B (zh) 2020-05-12 2020-05-12 一种试卷选题匹配方法及系统

Publications (2)

Publication Number Publication Date
CN111597303A true CN111597303A (zh) 2020-08-28
CN111597303B CN111597303B (zh) 2023-04-07

Family

ID=72182285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010399305.XA Active CN111597303B (zh) 2020-05-12 2020-05-12 一种试卷选题匹配方法及系统

Country Status (1)

Country Link
CN (1) CN111597303B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003085296A (ja) * 2001-09-06 2003-03-20 Nippon Telegr & Teleph Corp <Ntt> 試験問題評価方法及び装置及び試験問題評価プログラム及び試験問題評価プログラムを格納した記憶媒体
JP2012088494A (ja) * 2010-10-19 2012-05-10 Kinki Univ 試験問題評価装置及びその制御方法並びにプログラム及び記録媒体
CN106250475A (zh) * 2016-07-29 2016-12-21 广东小天才科技有限公司 一种试题答案的推送方法及装置
CN108389147A (zh) * 2018-02-26 2018-08-10 浙江创课教育科技有限公司 试题难度分级处理方法及系统
CN108492223A (zh) * 2018-02-26 2018-09-04 浙江创课教育科技有限公司 试卷处理方法及系统
CN109559264A (zh) * 2018-11-27 2019-04-02 深圳市关运通科技有限公司 一种基于试题库的考试方法和装置
CN110415571A (zh) * 2018-12-05 2019-11-05 漳州万利达科技有限公司 一种智能组卷、考试方法与系统
CN110533974A (zh) * 2018-05-24 2019-12-03 中国移动通信集团有限公司 一种智能组卷方法、系统和计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003085296A (ja) * 2001-09-06 2003-03-20 Nippon Telegr & Teleph Corp <Ntt> 試験問題評価方法及び装置及び試験問題評価プログラム及び試験問題評価プログラムを格納した記憶媒体
JP2012088494A (ja) * 2010-10-19 2012-05-10 Kinki Univ 試験問題評価装置及びその制御方法並びにプログラム及び記録媒体
CN106250475A (zh) * 2016-07-29 2016-12-21 广东小天才科技有限公司 一种试题答案的推送方法及装置
CN108389147A (zh) * 2018-02-26 2018-08-10 浙江创课教育科技有限公司 试题难度分级处理方法及系统
CN108492223A (zh) * 2018-02-26 2018-09-04 浙江创课教育科技有限公司 试卷处理方法及系统
CN110533974A (zh) * 2018-05-24 2019-12-03 中国移动通信集团有限公司 一种智能组卷方法、系统和计算机可读存储介质
CN109559264A (zh) * 2018-11-27 2019-04-02 深圳市关运通科技有限公司 一种基于试题库的考试方法和装置
CN110415571A (zh) * 2018-12-05 2019-11-05 漳州万利达科技有限公司 一种智能组卷、考试方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余红朝等: "适应网络教育自动组卷算法的研究", 《计算机与现代化》 *
葛华丽: "基于知识点的试题库组卷算法", 《电脑知识与技术》 *

Also Published As

Publication number Publication date
CN111597303B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
Lee et al. Vlat: Development of a visualization literacy assessment test
Hinkin Scale development principles and practices
US20190325773A1 (en) System and method of providing customized learning contents
Gediga et al. The IsoMetrics usability inventory: an operationalization of ISO 9241-10 supporting summative and formative evaluation of software systems
McCoach et al. Errors of inference in structural equation modeling
Mason et al. Automated free text marking with paperless school
CN110019686B (zh) 知识点掌握度的确定方法、装置、设备和存储介质
CN111831831A (zh) 一种基于知识图谱的个性化学习平台及其构建方法
CN110909035A (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN110135754A (zh) 试题评估方法及装置
CN115358897B (zh) 一种基于电子学生证的学生管理方法、系统、终端及存储介质
Wagner et al. Are the tests scores of the Programme for International Student Assessment (PISA) and the National Educational Panel Study (NEPS) science tests comparable? An assessment of test equivalence in German Schools
Van der Walt The validation of language tests
CN111597303B (zh) 一种试卷选题匹配方法及系统
KR20020047072A (ko) 컴퓨터를 이용한 변형된 선다형 시험문제 시스템 및 그 방법
DeCastellarnau et al. Two approaches to evaluate measurement quality in online surveys: An application using the norwegian citizen panel
CN110705278A (zh) 主观题阅卷方法和主观题阅卷装置
Lottridge et al. Comparing the robustness of deep learning and classical automated scoring approaches to gaming strategies
KR20060081979A (ko) Ｃａｔ 기반의 문제은행시스템을 이용한 독서능력급수산정 방법 및 시스템
Zickar et al. Developing an interpretation of item parameters for personality items: Content correlates of parameter estimates
CN117095578A (zh) 音乐基础知识自适应测评方法、装置、设备及存储介质
Cao et al. Effect of Item Response Theory (IRT) Model Selection on Testlet‐Based Test Equating
Benton Item Response Theory, Computer Adaptive Testing and the Risk of Self-Deception.
Lottridge et al. Examining bias in automated scoring of reading comprehension items
CN111143675A (zh) 一种知识数据推送方法及相关装置

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

Address after: Room 01, 2 / F, building A14, phase 1.1, Wuhan National Geospatial Information Industrialization Base (New Area), no.6, Beidou Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Applicant after: Wuhan Meihe Yisi Digital Technology Co.,Ltd.

Address before: No.01-6, 1st floor, building 6, international enterprise center, special 1, Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000

Applicant before: HUBEI MEIHE YISI EDUCATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant