CN111737448B - 基于答题时长的基础学科简答题的选题方法及系统 - Google Patents

基于答题时长的基础学科简答题的选题方法及系统 Download PDF

Info

Publication number
CN111737448B
CN111737448B CN202010702036.XA CN202010702036A CN111737448B CN 111737448 B CN111737448 B CN 111737448B CN 202010702036 A CN202010702036 A CN 202010702036A CN 111737448 B CN111737448 B CN 111737448B
Authority
CN
China
Prior art keywords
question
answer
score
expected
duration
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.)
Expired - Fee Related
Application number
CN202010702036.XA
Other languages
English (en)
Other versions
CN111737448A (zh
Inventor
兰新华
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.)
NANCHANG CAMPUS OF JIANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGY
Original Assignee
NANCHANG CAMPUS OF JIANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGY
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 NANCHANG CAMPUS OF JIANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGY filed Critical NANCHANG CAMPUS OF JIANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGY
Priority to CN202010702036.XA priority Critical patent/CN111737448B/zh
Publication of CN111737448A publication Critical patent/CN111737448A/zh
Application granted granted Critical
Publication of CN111737448B publication Critical patent/CN111737448B/zh
Expired - Fee Related 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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • 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
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种基于答题时长的基础学科简答题的选题方法，属于数据的选择与处理技术。该方法首先获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表。然后根据测验时长与题目总时长确定题量系数。根据熟练度表、题量系数生成预选简档的每一问答条目的问答得分表。再根据期望得分区间确定处理预选简档。最后从题库中选择该预选简档对应的题目。本发明考虑题量对得分的影响，更为准确的估计预期得分，并且考虑专业学习熟练度对预期得分的影响，根据期望得分区间调整不同问答条目的分值。不因预期得分的细微偏差重新选择题目，提高选题范围。

Description

基于答题时长的基础学科简答题的选题方法及系统
技术领域
本发明涉及数据的选择与处理技术，尤其涉及基于答题时长的基础学科简答题的选题方法及系统。
背景技术
已知预先在题库中存储海量的题目，在测验开始前可以随机选择题目组成试卷。CN106815784B公开了一种智能组卷的考试系统，根据题型将题库划分成若干个子题库，并对子题库中的试题进行包括读取、插入、修改、删除和查询，再根据组卷策略抽取试题并组成试卷。该系统可以提高出题效率并防止试题泄漏。
每一题目对应考核一个或多个知识点，现有技术公开了知识点量化分析方法，例如CN104317825B。该案设置每个知识点占该试题内容权重、设置各知识点来源权重、计算各知识点标准分以及计算得到评价学生知识点掌握情况。学生知识点的掌握情况的分析方法可以参照TW103120329等所述。
PCT/JP2011/069400公开了一种测试题制作服务器。该服务器将问题全部登记到数据库中，并以小单元进行分类且赋予难度，来将学生的学力细分到小单元，测定与问题的难度对应的学力。该案中的难度赋值、学生的学力水平赋值可以作为本案的参考。
现有技术的组卷方法特别适用于题量固定、分值固定的选择题和填空题组合。本发明需要提出一种基础学科简答题的选题方法及系统，该选题方法考虑简答题的分值分布和答题时间，保持选题的随机性，提高试卷质量。
发明内容
本发明提供了一种基于答题时长的基础学科简答题的选题方法及系统，可根据期望得分区间与不同专业对知识点的熟练程度，调整问答分值，从而选择满足要求的简答题。
一种基于答题时长的基础学科简答题的选题方法，其特征在于包括以下步骤：
①获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表，该熟练度表包括多个问答知识点及相应的熟练度；
②题目索引库存储多个标准简档，标准简档包括题目编号、题干时长以及多个问答条目，每一问答条目由问答编号、问答知识点、问答分值以及问答时长组成；
③从题目索引库中随机复制任意标准简档得到预选简档；
④根据测验时长与题目总时长确定题量系数，若题量系数大于等于1，进入步骤⑤，若题量系数小于1，返回步骤③，
Figure 100002_DEST_PATH_IMAGE001
，R为题目总时长，L为题干时长，Tk为问答时长，k=1,2,3. . .n，其中n为正整数；
⑤根据熟练度表、题量系数生成该预选简档的每一问答条目的问答得分表，该问答得分表包括每一问答条目的预期得分和单位时间得分，汇总确定预期总得分，Ek=W×Pk÷X，Ek为预期得分，W为熟练度，Pk为问答分值，X为题量系数；
⑥若预期总得分大于期望得分区间的上限，进入步骤⑦，若预期总得分小于期望得分区间的下限，进入步骤⑧，若预期总得分在期望得分区间内，进入步骤⑨；
⑦选择单位时间得分最大的问答条目，问答分值减少1，选择单位时间得分最小的问答条目，问答分值增加1，返回至步骤⑥；
⑧选择单位时间得分最小的问答条目，问答分值减少1，选择单位时间得分最大的问答条目，问答分值增加1，返回至步骤⑥；
⑨若任意问答分值小于1，进入步骤③，若任意问答分值大于等于1，进入步骤⑩；
⑩从题库中选择该预选简档对应的题目，以该预选简档的问答条目的问答分值作为相应问答条目的问答分值。
在本发明中，题目总时长除以测验时长得到题量系数，X= R/C，R为题目总时长，C为测验时长。
在本发明中，问答条目包含多个问答知识点及权重，每一问答知识点的熟练度的加权平均数乘以该问答条目的问答分值除以题量系数，得到该问答条目的预期得分。
在本发明中，每一问答条目的预期得分除以问答时长得到该问答条目的单位时间得分。
在本发明中，所述熟练度是指预期该专业对该知识点的掌握程度。
在本发明中，根据每一问答条目的实际得分与预选简档的预期得分的比值修改熟练度表。
一种基于答题时长的基础学科简答题的选题系统，其特征在于包括：
一教学数据库，用于存储每一专业编号的熟练度表，熟练度表包括多个问答知识点及相应的熟练度；
数据输入单元，用于获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表；
一题目索引库，用于存储多个标准简档，标准简档包括题目编号、题干时长以及多个问答条目，每一问答条目由问答编号、问答知识点、问答分值以及问答时长组成；
一题库，用于存储题目；
抽题单元，用于根据收到的指令从题目索引库中随机复制任意标准简档得到预选简档；
数据处理单元，用于生成该预选简档的每一问答条目的问答得分表；
分值核定单元，用于调整预选简档的问答条目的问答分值；
分值复核单元，用于复核任意问答分值是否小于1，若任意问答分值小于1，向抽题单元发送重新抽题的指令，若任意问答分值大于等于1，向试卷生成单元发送生成试卷的指令；
试卷生成单元，用于根据收到的指令从题库中选择该预选简档对应的题目，以预选简档的问答条目的问答分值作为相应问答条目的问答分值，其中，
数据处理单元根据测验时长与题目总时长确定题量系数，若题量系数大于等于1，根据熟练度表、题量系数生成该预选简档的每一问答条目的问答得分表，该问答得分表包括每一问答条目的预期得分和单位时间得分，汇总确定预期总得分，若题量系数小于1，向抽题单元发出重新抽题的指令，
Figure 987301DEST_PATH_IMAGE001
，R为题目总时长，L为题干时长，Tk为问答时长，k=1,2,3. . .n，其中n为正整数，Ek=W×Pk÷X，Ek为预期得分，W为熟练度，Pk为问答分值，X为题量系数，
分值核定单元对比预期总得分与期望得分区间，
若预期总得分大于期望得分区间的上限，选择单位时间得分最大的问答条目，问答分值减少1，选择单位时间得分最小的问答条目，问答分值增加1，再重新对比预期总得分与期望得分区间的上限，
若预期总得分小于期望得分区间的下限，选择单位时间得分最小的问答条目，问答分值减少1，选择单位时间得分最大的问答条目，问答分值增加1，再重新对比预期总得分与期望得分区间的下限，
若预期总得分在期望得分区间内，向分值复核单元发出分值复核的指令。
本发明的基于答题时长的基础学科简答题的选题方法及系统，考虑题量对得分的影响，更为准确的估计预期得分。并且考虑专业学习熟练度对预期得分的影响，根据期望得分区间调整不同问答条目的分值。当被选中的题目不满足要求时，首先调整分值分布，不因预期得分的细微偏差重新选择题目，提高选题范围。
附图说明
图1为本发明的基于答题时长的基础学科简答题的选题方法的示意图；
图2为本发明的基于答题时长的基础学科简答题的选题系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
如图1和2所示的本发明的基于答题时长的基础学科简答题的选题方法及系统，可根据不同专业学习程度，选择满足要求的简答题，并对简答题重新赋分值。本发明有两组数据库，包括题目索引库和题库，题目索引库包含多个标准简档，标准简档具有题库中对应简答题的编号和其他基本信息。在图2中，首先根据专业编号从教学数据库中选择该专业学生的熟练度表。例如对于财务管理学科，会计专业的熟练度大于工商管理专业。根据熟练度表确定学校或教务处预期的期望得分区间。从题目索引库中复制标准简档，生成预选简档。通过对预选简档的处理调整每一问答条目的问答分值。调整后的问答分值满足期望得分区间的要求。再根据预选简档的题目编号从题库中选择题目内容。题目内容的分值为修改后的问答分值。本发明的处理对象为预选简档，最终根据预选简档中的题目编号从题库中选题，而不是直接针对题目进行数据处理，避免数据处理中接触到题库，降低泄题风险。参照图2，选题服务器为本发明的核心部件，选题服务器包括数据输入单元、抽题单元、数据处理单元、分值核定单元、分值复核单元以及试卷生成单元。
根据图1、2，本发明包括以下步骤：
①获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表，该熟练度表包括多个问答知识点及相应知识点的熟练度。已知需要为金融学专业的学生（专业编号311）出具一份大学财务管理科目试卷，分配给单一简答题的测验时长为15min。期望得分区间为9至11分。熟练度是指预期该专业对该知识点的掌握程度。选题服务器根据专业编号从教学数据库中提取熟练度表如下。
Figure 100002_DEST_PATH_IMAGE002
②题目索引库存储多个标准简档，标准简档包括题目编号、题干时长以及多个问答条目。例如题目编号为257的财务管理简答题，题干时长为4min，包含4个问答条目。每一问答条目由问答编号、问答知识点、问答分值以及问答时长组成。其中问答编号2包含一个知识点，其他的问答项包含两个知识点，具体如下表。
Figure DEST_PATH_IMAGE003
③从题目索引库中随机复制任意标准简档得到预选简档。题目索引库的标准简档与题库的题目一一对应。将复制的预选简档存储在选题服务器的内存单元中，后续对预选简档的修改不改变题目索引库的内容。
④根据测验时长与题目总时长确定题量系数。在本发明中，
Figure DEST_PATH_IMAGE004
=4+2+2+5+5=18，题量系数= X= R/C =18÷15=1.2。R为题目总时长，L为题干时长，Tk为问答时长，C为测验时长，k=1,2,3. . .n， Ek为预期得分，W为熟练度，Pk为问答分值，X为题量系数。通常总题量应大于考试总时长，熟练度越高，考试越快。熟练度可以直接影响到得分。最终使得熟练度高的学生获得较高的分数，熟练度低的学生只能考到更低的分数。若题量系数大于等于1，进入步骤⑤，若题量系数小于1，返回步骤③。
⑤根据熟练度表、题量系数生成该预选简档的每一问答条目的问答得分表。对于问答编号2的单一知识点，预期得分=问答分值×熟练度÷题量系数= Ek=Pk×W÷X=0.9×4÷1.2=3，单位时间得分= Ek/Tk =3÷2=1.5。对于问答编号1的多个知识点，根据问答知识点及权重，确定问答知识点的熟练度的加权平均数=1×0.4＋0.9×0.6=0.94，预期得分=3×0.94÷1.2=2.35，单位时间得分= Ek/Tk =2.35÷2=1.175。每一问答条目的预期得分除以问答时长得到该问答条目的单位时间得分。问答得分表包括每一问答条目的预期得分和单位时间得分，如下表所示。
Figure DEST_PATH_IMAGE005
根据上表确定预期总得分为11.1分。在不考虑题干时长的前提下，确定的平均单位时间得分为0.793。
⑥根据预期总得分与期望得分区间的差异，修改分值分布。若预期总得分大于期望得分区间的上限，进入步骤⑦，若预期总得分小于期望得分区间的下限，进入步骤⑧，若预期总得分在期望得分区间内，进入步骤⑨。对实施例来说，11.1＞11，选择进入步骤⑦。
⑦选择单位时间得分最大的问答条目，问答分值减少1，选择单位时间得分最小的问答条目，问答分值增加1，返回至步骤⑥。经过调整后的问答编号的问答分值与预期得分如下表。预期总得分为11.017分。
Figure DEST_PATH_IMAGE006
返回至步骤⑥后，确认预期总得分为11.017分＞11，再次进入步骤⑦。经过调整后的问答编号的问答分值与预期得分如下表。预期总得分为10.9分，在期望得分区间内，满足要求。返回至步骤⑥通过验证后再进入⑨。
Figure DEST_PATH_IMAGE007
⑧选择单位时间得分最小的问答条目，问答分值减少1，选择单位时间得分最大的问答条目，问答分值增加1，返回至步骤⑥。步骤⑧的详细步骤与步骤⑦镜像对应，在此不作详述。
⑨若任意问答分值小于1，重新选择标准简档，若任意问答分值大于等于1，进入步骤⑩。最终确定的分值分布满足财务分析专业的期望得分区间的要求。为了防止出错，设置分值验证步骤。如果未通过分值验证，说明该简答题不满足预定专业的期望得分区间的要求，需要重新选择题目。
最后，⑩从题库中选择该预选简档对应的题目，以该预选简档的问答条目的问答分值作为每一问答条目的分值。预先选定的简档对应的原始数学简答题及其分值分布如下所示。
257简答题：
甲公司是一家上市公司，主营保健品生产和销售。2017年7月1日，为对公司业绩进行评价，需估算其资本成本甲公司目前长期资本中有长期债券1万份，普通股600万股，没有其他长期债务和优先股。长期债券发行于2016年7月1日，期限5年，票面价值1000元，票面利率8%，每年6月30日和12月31日付息。公司目前长期债券每份市价935.33元，普通股每股市价10元。目前无风险利率6%，股票市场平均收益率11%，甲公司普通股贝塔系数1.4。甲公司的企业所得税税率25%。
1.计算甲公司长期债券税前资本成本（3分）。
2.用资本资产定价模型计算甲公司普通股资本成本（4分）。
3.以公司目前的实际市场价值为权重，计算甲公司加权平均资本成本（5分）。
4.在计算公司加权平均资本成本时，有哪几种权重计算方法。简要说明各种权重计算方法并比较优缺点（3分）。
根据专业熟练度和期望得分区间的要求重新确定的分值分布，如下所示。
257简答题：
甲公司是一家上市公司，主营保健品生产和销售。2017年7月1日，为对公司业绩进行评价，需估算其资本成本甲公司目前长期资本中有长期债券1万份，普通股600万股，没有其他长期债务和优先股。长期债券发行于2016年7月1日，期限5年，票面价值1000元，票面利率8%，每年6月30日和12月31日付息。公司目前长期债券每份市价935.33元，普通股每股市价10元。目前无风险利率6%，股票市场平均收益率11%，甲公司普通股贝塔系数1.4。甲公司的企业所得税税率25%。
1.计算甲公司长期债券税前资本成本（2分）。
2.用资本资产定价模型计算甲公司普通股资本成本（3分）。
3.以公司目前的实际市场价值为权重，计算甲公司加权平均资本成本（5分）。
4.在计算公司加权平均资本成本时，有哪几种权重计算方法。简要说明各种权重计算方法并比较优缺点（5分）。
作为优选，每期考试完成后，可以根据实际成绩修改相应专业的熟练度。获得每一问答条目的实际得分与预选简档的预期得分的比值，以该比值作为修改系数调整熟练度表，如下表所示。
Figure DEST_PATH_IMAGE008
根据该得分比值确定熟练度如下表。在本发明中，系统限定熟练度最大取值为1。
Figure DEST_PATH_IMAGE009
以上所述仅为本发明的较佳实施例而已，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 (6)

1.一种基于答题时长的基础学科简答题的选题方法，其特征在于包括以下步骤：
①获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表，该熟练度表包括多个问答知识点及相应的熟练度；
②题目索引库存储多个标准简档，标准简档包括题目编号、题干时长以及多个问答条目，每一问答条目由问答编号、问答知识点、问答分值以及问答时长组成；
③从题目索引库中随机复制任意标准简档得到预选简档；
④根据测验时长与题目总时长确定题量系数，若题量系数大于等于1，进入步骤⑤，若题量系数小于1，返回步骤③，
Figure DEST_PATH_IMAGE001
，R为题目总时长，L为题干时长，Tk为问答时长，k=1,2,3. . .n，其中n为正整数；
⑤根据熟练度表、题量系数生成该预选简档的每一问答条目的问答得分表，该问答得分表包括每一问答条目的预期得分和单位时间得分，汇总确定预期总得分，Ek=W×Pk÷X，Ek为预期得分，W为熟练度，Pk为问答分值，X为题量系数；
⑥若预期总得分大于期望得分区间的上限，进入步骤⑦，若预期总得分小于期望得分区间的下限，进入步骤⑧，若预期总得分在期望得分区间内，进入步骤⑨；
⑦选择单位时间得分最大的问答条目，问答分值减少1，选择单位时间得分最小的问答条目，问答分值增加1，返回至步骤⑥；
⑧选择单位时间得分最小的问答条目，问答分值减少1，选择单位时间得分最大的问答条目，问答分值增加1，返回至步骤⑥；
⑨若任意问答分值小于1，进入步骤③，若任意问答分值大于等于1，进入步骤⑩；
⑩从题库中选择该预选简档对应的题目，以该预选简档的问答条目的问答分值作为相应问答条目的问答分值。
2.根据权利要求1所述基于答题时长的基础学科简答题的选题方法，其特征在于，题目总时长除以测验时长得到题量系数，X= R/C，R为题目总时长，C为测验时长。
3.根据权利要求1所述基于答题时长的基础学科简答题的选题方法，其特征在于，问答条目包含多个问答知识点及权重，每一问答知识点的熟练度的加权平均数乘以该问答条目的问答分值除以题量系数，得到该问答条目的预期得分。
4.根据权利要求1所述基于答题时长的基础学科简答题的选题方法，其特征在于，所述熟练度是指预期该专业对该知识点的掌握程度。
5.根据权利要求1所述基于答题时长的基础学科简答题的选题方法，其特征在于，根据每一问答条目的实际得分与预选简档的预期得分的比值修改熟练度表。
6.一种基于答题时长的基础学科简答题的选题系统，其特征在于包括：
一教学数据库，用于存储每一专业编号的熟练度表，熟练度表包括多个问答知识点及相应知识点的熟练度；
数据输入单元，用于获得专业编号、测验时长和期望得分区间，根据专业编号调用该专业的熟练度表；
一题目索引库，用于存储多个标准简档，标准简档包括题目编号、题干时长以及多个问答条目，每一问答条目由问答编号、问答知识点、问答分值以及问答时长组成；
一题库，用于存储题目；
抽题单元，用于根据收到的指令从题目索引库中随机复制任意标准简档得到预选简档；
数据处理单元，用于生成该预选简档的每一问答条目的问答得分表；
分值核定单元，用于调整预选简档的问答条目的问答分值；
分值复核单元，用于复核任意问答分值是否小于1，若任意问答分值小于1，向抽题单元发送重新抽题的指令，若任意问答分值大于等于1，向试卷生成单元发送生成试卷的指令；
试卷生成单元，用于根据收到的指令从题库中选择该预选简档对应的题目，以预选简档的问答条目的问答分值作为相应问答条目的问答分值，其中，
数据处理单元根据测验时长与题目总时长确定题量系数，若题量系数大于等于1，根据熟练度表、题量系数生成该预选简档的每一问答条目的问答得分表，该问答得分表包括每一问答条目的预期得分和单位时间得分，汇总确定预期总得分，若题量系数小于1，向抽题单元发出重新抽题的指令，
Figure DEST_PATH_IMAGE002
，R为题目总时长，L为题干时长，Tk为问答时长，k=1,2,3. . .n，其中n为正整数，Ek=W×Pk÷X，Ek为预期得分，W为熟练度，Pk为问答分值，X为题量系数，
分值核定单元对比预期总得分与期望得分区间，
若预期总得分大于期望得分区间的上限，选择单位时间得分最大的问答条目，问答分值减少1，选择单位时间得分最小的问答条目，问答分值增加1，再重新对比预期总得分与期望得分区间的上限，
若预期总得分小于期望得分区间的下限，选择单位时间得分最小的问答条目，问答分值减少1，选择单位时间得分最大的问答条目，问答分值增加1，再重新对比预期总得分与期望得分区间的下限，
若预期总得分在期望得分区间内，向分值复核单元发出分值复核的指令。
CN202010702036.XA 2020-07-21 2020-07-21 基于答题时长的基础学科简答题的选题方法及系统 Expired - Fee Related CN111737448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010702036.XA CN111737448B (zh) 2020-07-21 2020-07-21 基于答题时长的基础学科简答题的选题方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010702036.XA CN111737448B (zh) 2020-07-21 2020-07-21 基于答题时长的基础学科简答题的选题方法及系统

Publications (2)

Publication Number Publication Date
CN111737448A CN111737448A (zh) 2020-10-02
CN111737448B true CN111737448B (zh) 2020-11-17

Family

ID=72655239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010702036.XA Expired - Fee Related CN111737448B (zh) 2020-07-21 2020-07-21 基于答题时长的基础学科简答题的选题方法及系统

Country Status (1)

Country Link
CN (1) CN111737448B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116431800B (zh) * 2023-03-03 2023-11-03 广州秒可科技有限公司 考试界面的生成方法、设备和可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196870A (zh) * 2007-12-19 2008-06-11 济南钢铁股份有限公司 一种试题库组织和自动组卷实现方法及系统
CN106803123A (zh) * 2016-12-20 2017-06-06 广州中软信息技术有限公司 一种用于网络考试的自动组卷方法
CN107256236A (zh) * 2017-05-19 2017-10-17 互联天下科技发展（深圳）有限公司 基于b/s模式的智能组卷方法
CN107292785A (zh) * 2017-06-27 2017-10-24 北京粉笔蓝天科技有限公司 一种出题方法及系统
CN109272160A (zh) * 2018-09-17 2019-01-25 广州讯飞易听说网络科技有限公司 分数预测系统及预测方法
CN109523194A (zh) * 2018-12-14 2019-03-26 深圳市小柠檬教育科技有限公司 汉语阅读能力测评方法、装置及可读存储介质
CN109800256A (zh) * 2019-01-07 2019-05-24 深圳中兴网信科技有限公司 试卷生成方法、试卷生成系统及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101196870A (zh) * 2007-12-19 2008-06-11 济南钢铁股份有限公司 一种试题库组织和自动组卷实现方法及系统
CN106803123A (zh) * 2016-12-20 2017-06-06 广州中软信息技术有限公司 一种用于网络考试的自动组卷方法
CN107256236A (zh) * 2017-05-19 2017-10-17 互联天下科技发展（深圳）有限公司 基于b/s模式的智能组卷方法
CN107292785A (zh) * 2017-06-27 2017-10-24 北京粉笔蓝天科技有限公司 一种出题方法及系统
CN109272160A (zh) * 2018-09-17 2019-01-25 广州讯飞易听说网络科技有限公司 分数预测系统及预测方法
CN109523194A (zh) * 2018-12-14 2019-03-26 深圳市小柠檬教育科技有限公司 汉语阅读能力测评方法、装置及可读存储介质
CN109800256A (zh) * 2019-01-07 2019-05-24 深圳中兴网信科技有限公司 试卷生成方法、试卷生成系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN111737448A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
Corsini et al. Economics education and financial literacy acquisition: Evidence from a field experiment
CN107767179A (zh) 电子券的质量评价方法及装置
CN113947270A (zh) 一种用于提高众包任务标注质量的方法
Gentile et al. Financial disclosure, risk perception and investment choices: Evidence from a consumer testing exercise
CN110716917A (zh) 一种基于积分制的阅读评价方法及系统
Leumann et al. Towards a comprehensive financial literacy framework: voices from stakeholders in European vocational education and training
CN111737448B (zh) 基于答题时长的基础学科简答题的选题方法及系统
Palm et al. Anchor effects in appraisals: do information and theoretical knowledge matter?
Wirandana et al. Educational inequality in Indonesia: are intergovernmental fiscal transfers effective in reducing the gap?
CN112862641A (zh) 退役军人培训推荐方法、设备及存储介质
Aboal et al. The impact of subsidies for researchers on the gender scientific productivity gap
Flack et al. Accountability of Australian nonprofit organisations: Reporting dilemmas
Borghesan The Heterogeneous Effects of Changing SAT Requirements in Admissions: An Equilibrium Evaluation
Puspitasari et al. Student Investment Interest in Sharia Fintech
Bamata et al. The determinants of start-up awareness to improve access to bank financing for start-up entrepreneurs
He On-demand testing and maintaining standards for general qualifications in the UK using item response theory: possibilities and challenges
Moonen Simplified return-on-investment
Arsyad et al. The analysis of higher order thinking skills in solving PISA (programme for international student assessment) questions for Xth grade students
Xu et al. The impact of different types and amounts of guidance on the implementation of an accounting principle
Aryadi The Impact of Financial Literacy on Investment Decisions: A Study on Generation Z in Bandung
Hill Strategies to Improve Minority Business Enterprises’ Access to Capital for Competitive Positioning and Profitability
Marzuki et al. Optimization of HR Education and Training for Village Fund Managers
Bineshian et al. The Role of Biased Behavior based on Economic Behavior and Financial Intelligence on the Process of Investment Decisions
Gedar et al. Crowdfunding as a Source of Finance in India: An Empirical Study.
Nurlasera et al. A Review of The Influence of Return Expectations and Efficacy Finances on Investment Interest

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201117

Termination date: 20210721