CN111782815A - 一种知识测评的方法、装置、存储介质及电子设备 - Google Patents
一种知识测评的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111782815A CN111782815A CN201910271455.XA CN201910271455A CN111782815A CN 111782815 A CN111782815 A CN 111782815A CN 201910271455 A CN201910271455 A CN 201910271455A CN 111782815 A CN111782815 A CN 111782815A
- Authority
- CN
- China
- Prior art keywords
- target object
- processing result
- test question
- question data
- processing
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种知识测评的方法、装置、存储介质及电子设备,其中,该方法包括:创建基于知识图谱的系统题库;从系统题库中选取适合目标对象的第一试题数据,并获取第一处理结果;根据第一属性标签和第一处理结果动态确定适合目标对象的第二属性标签,并从系统题库中选取与第二属性标签相匹配的第二试题数据,之后获取第二处理结果;根据第一处理结果和第二处理结果确定目标对象对相应知识点的掌握程度。通过本发明实施例提供的知识测评的方法、装置、存储介质及电子设备,可以实时动态选取目标对象的试题数据,可以更加有效、准确地确定目标对象对知识点的掌握程度,还能够快速定位到目标对象的薄弱知识点。
Description
技术领域
本发明涉及知识测评的技术领域,具体而言,涉及一种知识测评的方法、装置、存储介质及电子设备。
背景技术
随着教育的发展,越来越多的家长关注孩子的教育学习,教育产业也变得越来越受到重视。在教学过程中,为方便对学生进行教学指导,往往需要统计各学生的学习效果,以根据学习效果确定各学生的学习进度和知识点掌握程度,从而可根据学习进度和知识点掌握程度对不同学生进行差异化的教学指导,以提高学生成绩。
为了客观的了解学生的学习水平,大多的传统手段是通过老师和学员沟通获悉,该传统手段是建立在学员对自己成绩水平的主观认知基础上,无法做到全面、客观的分析定位;而且具体了解学员情况的沟通成本较高,需要耗费教师大量时间,不仅造成人力物力的浪费,也无法精准高效的解决快速定位学员成绩水平的问题。
发明内容
为解决上述问题,本发明实施例的目的在于提供一种知识测评的方法、装置、存储介质及电子设备。
第一方面,本发明实施例提供了一种知识测评的方法,包括:
创建基于知识图谱的系统题库,所述系统题库包括按知识点分类的试题数据,且所述试题数据设有属性标签;
从所述系统题库中选取适合目标对象的第一试题数据,并获取所述目标对象对所述第一试题数据的第一处理结果;
根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,并从所述系统题库中选取与所述第二属性标签相匹配的第二试题数据,之后获取所述目标对象对所述第二试题数据的第二处理结果;
根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度。
第二方面,本发明实施例还提供了一种知识测评的装置,包括:
题库创建模块,用于创建基于知识图谱的系统题库,所述系统题库包括按知识点分类的试题数据,且所述试题数据设有属性标签;
选取模块,用于从所述系统题库中选取适合目标对象的第一试题数据,并获取所述目标对象对所述第一试题数据的第一处理结果;
动态处理模块,用于根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,并从所述系统题库中选取与所述第二属性标签相匹配的第二试题数据,之后获取所述目标对象对所述第二试题数据的第二处理结果;
测评模块,用于根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度。
第三方面,本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于上述任意一项所述的知识测评的方法
第四方面,本发明实施例还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任意一项所述的知识测评的方法
本发明实施例上述第一方面提供的方案中,创建基于知识图谱的系统题库,可以建立试题数据之间的关联关系;之后根据第一属性标签和第一处理结果动态确定适合目标对象的第二属性标签,从而可以实时动态选取目标对象的试题数据,可以更加有效、准确地确定目标对象对知识点的掌握程度,还能够快速定位到目标对象的薄弱知识点。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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示出了本发明实施例所提供的一种知识测评的方法的流程图;
图2示出了本发明实施例所提供的另一种知识测评的方法的流程图;
图3示出了本发明实施例所提供的一种知识测评的装置的结构示意图;
图4示出了本发明实施例所提供的用于执行知识测评的方法的电子设备的结构示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的一种知识测评的方法,参见图1所示,包括:
步骤101:创建基于知识图谱的系统题库,系统题库包括按知识点分类的试题数据,且试题数据设有属性标签。
本发明实施例中,每个知识点都会对应有一个或多个试题数据,且本实施例中,每个试题数据设有相应的属性标签;其中,属性标签具体可以包括年级、科目、难度系数、答题标准时长、题型等。本实施例中,预先通过知识图谱来关联具有属性标签的试题数据,并形成相应的系统题库。其中,知识点为预先划分好的,根据颗粒度的要求可以将学习内容划分为多个知识点或少量的知识点,具体可根据实际情况而定。同时,基于知识图谱建立系统题库,可以建立试题数据之间的关联关系,且方便后续根据试题数据的处理结果动态确定新的试题数据。
步骤102:从系统题库中选取适合目标对象的第一试题数据,并获取目标对象对第一试题数据的第一处理结果。
本发明实施例中,目标对象为需要进行知识测评的对象,例如,该目标对象为某个学生。在某个对象需要进行知识测评时,即可将该对象作为目标对象,并从系统题库中选取适合该目标对象的试题数据,即第一试题数据。可选的,属性标签包括难度系数,可以预先设置平均的难度系数,将系统题库中具有与该预设的难度系数的试题数据作为第一试题数据;或者,该目标对象也可以自行选择设置难度系数,进而从系统题库中确定相应的第一试题数据。
即,上述步骤102“从系统题库中选取适合目标对象的第一试题数据”包括:
从系统题库中选取具有预设的难度系数的试题数据作为适合目标对象的第一试题数据;
或者,确定目标难度系数,并从系统题库中选取具有目标难度系数的试题数据作为适合目标对象的第一试题数据;目标难度系数是目标对象选择的难度系数、或者是基于目标对象的历史成绩所确定的难度系数。
此外,在确定第一试题数据后,目标对象即可处理该第一试题数据,并反馈相应的处理结果,即第一处理结果。例如,该第一试题数据为一个选择题,目标对象即可反馈该选择题的答案(比如选择结果为A),该答案即为第一处理结果。
步骤103:根据第一试题数据的第一属性标签和第一试题数据的第一处理结果动态确定适合目标对象的第二属性标签,并从系统题库中选取与第二属性标签相匹配的第二试题数据,之后获取目标对象对第二试题数据的第二处理结果。
本发明实施例中,第一试题数据为当前选取的适合目标对象的试题数据,相应的,也可认为第一试题数据的属性标签(即第一属性标签)在当前也是适合该目标对象的。当接收到目标对象对该第一试题数据处理后的处理结果(即第一处理结果)之后,即可根据第一处理结果来动态判断该第一属性标签是否真的适合目标对象,进而可以对第一属性标签进行动态调整,从而动态确定适合目标对象的第二属性标签。例如,属性标签中包含难度系数,若第一处理结果为处理错误,则说明目标对象没有正确处理该第一试题数据,即目标对象提供的答案是错误的,此时可以说明第一处理结果的难度系数可能较高;故,可以适当降低难度系数,将降低后的难度系数作为第二属性标签。
在确定第二属性标签后,即可从系统题库中选取与该第二属性标签相匹配的第二试题数据,之后与上述步骤102类似,目标对象可以处理该第二试题数据并生成相应的处理结果,即第二处理结果,从而可以获取到目标对象对第二试题数据的第二处理结果。
步骤104:根据第一处理结果和第二处理结果确定目标对象对相应知识点的掌握程度。
本发明实施例中,在选取适合目标对象的试题数据时,根据目标对象的处理结果实时调整并选择更加合适的试题数据,结合调整前后的试题数据对应的处理结果,即第一处理结果和第二处理结果,可以更加准确地确定目标对象对于试题数据相关的知识点的掌握程度。同时,若目标对象对某个知识点的掌握程度较低,则可确定该知识点对于该目标对象来说是薄弱点,从而可以快速定位到目标对象的薄弱知识点。
本领域技术人员可以理解,本实施例步骤104中“根据第一处理结果和第二处理结果确定目标对象对相应知识点的掌握程度”并不意味着仅仅通过两个处理结果来确定目标对象的掌握程度,也可以根据更多的处理结果确定目标对象的掌握程度。一般情况下,处理结果越多,最后确定的目标对象的掌握程度越准确。
可选的,步骤104“根据第一处理结果和第二处理结果确定目标对象对相应知识点的掌握程度”包括:重复动态确定适合目标对象的属性标签的过程,并获取相应的处理结果,在所有的处理结果的数量到达预设数量时,根据所有的处理结果确定目标对象对相应知识点的掌握程度;第一处理结果和第二处理结果均为所有的处理结果中的一个处理结果。
本发明实施例中,重复动态确定适合目标对象的属性标签的过程,即在步骤103中确定第二属性标签后,继续根据第二处理结果对该第二属性标签进行调整,生成新的属性标签,并动态选取相应的新的试题数据;重复该过程,直至得到足够数量的处理结果,进而可以确定目标对象对相应知识点的掌握程度。
本发明实施例提供的一种知识测评的方法,创建基于知识图谱的系统题库,可以建立试题数据之间的关联关系;之后根据第一属性标签和第一处理结果动态确定适合目标对象的第二属性标签,从而可以实时动态选取目标对象的试题数据,可以更加有效、准确地确定目标对象对知识点的掌握程度,还能够快速定位到目标对象的薄弱知识点。
在上述实施例的基础上,该属性标签包括难度系数。此时,步骤103“根据第一试题数据的第一属性标签和第一试题数据的第一处理结果动态确定适合目标对象的第二属性标签”具体包括:
根据第一处理结果调整第一属性标签中的第一难度系数,并将调整后生成的第二难度系数作为第二属性标签的难度系数;其中,在第一处理结果表示处理正确时,第二难度系数不低于第一难度系数;在第一处理结果表示处理错误时,第二难度系数低于第一难度系数;
或者,当属性标签还包括答题标准时长时,若第一处理结果对应的答题时长大于答题标准时长、且第一处理结果表示处理正确时,第二难度系数不高于第一难度系数。
本发明实施例中,每个属性标签对应有一个难度系数,说明相应的试题数据的难易程度。例如,难度系数可以分为五个等级,难度系数越大,说明该试题数据越难。本实施例中实时动态调整适合目标对象的难度系数,即根据第一处理结果调整第一属性标签中的第一难度系数,并将调整后的难度系数作为第二难度系数,从而实现对属性标签的实时调整。
其中,当在第一处理结果表示处理正确时,说明目标对象回答该第一试题数据时回答正确,可以初步认为目标对象掌握了具有第一难度系数的第一试题数据,此时可以保持难度系数不变,即第二难度系数与第一难度系数相同;或者提高难度系数,即第二难度系数高于第一难度系数,实现对目标对象的进一步测评。在第一处理结果表示处理错误时,说明目标对象没有掌握具有第一难度系数的第一试题数据,此时可以降低难度系数,即第二难度系数低于第一难度系数,方便之后进一步判断目标用户是否掌握了具有较低难度系数的第二试题数据,从而可以确定目标对象对相应知识点的掌握程度。目标对象掌握的难度系数越高,说明掌握程度越好;反之,目标对象掌握的难度系数越低,说明掌握程度越差。
此外,属性标签除了包含难度系数之外,还可以还包括答题标准时长。此时,仍然可以根据第一处理结果调整第一属性标签中的第一难度系数,并生成相应的第二难度系数。不同的是,若第一处理结果对应的答题时长大于答题标准时长、且第一处理结果表示处理正确时,说明目标对象虽然可以正确处理该第一试题数据,但是处理速度较慢,目标对象对第一难度系数的第一试题数据掌握程度一般,故此时可以保持难度系数不变、甚至适当的降低难度系数,即第二难度系数不高于第一难度系数,以方便后续更加准确地确定目标对象真正掌握的难度系数。
需要说明的是,本申请中的根据处理结果动态确定适合目标对象的属性标签(比如步骤103中的根据第一处理结果动态确定适合目标对象的第二属性标签),可以是每确定一个处理结果之后即动态调整属性标签,也可以是根据之前的多个处理结果来动态调整适合目标对象的属性标签,本实施例对动态确定适合目标对象的属性标签时所参考的处理结果的数量不做限定。
在上述实施例的基础上,本实施例中在确定第二属性标签时,还可以扩展到其他知识点范围内。具体的,上述步骤103“根据第一试题数据的第一属性标签和第一试题数据的第一处理结果动态确定适合目标对象的第二属性标签”包括:
预先建立第一试题数据所属的第一知识点与第二知识点之间的关联关系,在第一处理结果表示处理错误时,生成与第二知识点相匹配的属性标签,并将与第二知识点相匹配的属性标签作为第二属性标签。
本发明实施例中,可以预先建立两个知识点之间的关联关系,在第一处理结果表示处理错误时,确定与当前的知识点相关联的其他知识点,即第二知识点,并生成与该第二知识点相关联的相匹配的属性标签,从而可以针对第二知识点对目标对象进行测评。例如,第一知识点为“函数的综合应用”,第二知识点为“函数的概念及性质”,有雨了两个知识点均是与函数相关的知识点,故可以建立二者之间的关联关系。当与第一知识点“函数的综合应用”相对应的第一处理结果为错误时,说明目标用户还没有较好的掌握“函数的综合应用”这一知识点,此时可以从第二知识点“函数的概念及性质”中选取试题数据,来判断目标对象对其他相关知识点的掌握程度,使得后续最终确定目标对象的掌握程度时的测评结果更加全面、准确。
或者,上述步骤103可以包括:预先确定第一试题数据的错误结果所关联的第三知识点,在第一处理结果表示处理错误、且第一处理结果对应的错误结果与第三知识点相关联时,生成与第三知识点相匹配的属性标签,并将与第三知识点相匹配的属性标签作为第二属性标签。
本发明实施例中,在建立知识点之间的关联关系时,还可以基于试题数据的错误结果来建立,这样更容易根据表示处理错误的第一处理结果追溯到目标对象掌握不熟练的知识点,即第三知识点。例如,第一试题数据所述的知识点为“四则运算”,第三知识点为“运算等级”,若第一试题数据为“1+2×3=?”,正确答案是7;若目标对象的答案是9,则此时可以认为目标对象得出答案9的原因是没有正确理解“运算等级”这一知识点,即目标对象没有先算乘除、再算加减,从而得出1+2×3=(1+2)×3=9的错误答案,故此时可以生成与第三知识点“运算等级”相关的试题数据,从而更加准确地判断该目标对象对第三知识点的掌握程度。
在上述实施例的基础上,属性标签包括难度系数、答题标准时长和题型。在上述步骤中,根据所有的处理结果确定目标对象对相应知识点的掌握程度,具体包括:
步骤A1:分别确定每个处理结果所对应的难度系数和题型,并确定处理结果是否表示处理正确,确定处理结果所对应的答题时长与相应的答题标准时长之间的时间差值。
本发明实施例中,系统题库中的每个试题数据均设有难度系数和题型的属性标签,相应的,试题数据的处理结果也对应有难度系数和题型。此外,根据用户提交的处理结果与试题数据对应的标准答案相比较即可确定该处理结果是否表示处理正确;同时,也可以确定处理结果所对应的答题时长与相应的答题标准时长之间的时间差值。例如,标准答题时长为5分钟,若用户的答题时长为3分钟,则二者之间的时间差值为-2分钟;若用户的答题时长为7分钟,则二者之间的时间差值为2分钟。
步骤A2:统计每个难度系数下处理结果的正确率以及时间差值,并统计每个题型下处理结果的正确率以及时间差值,并生成统计结果。
步骤A3:根据统计结果确定目标对象对相应知识点的掌握程度,并生成针对目标对象的教学方案。
本发明实施例中,以分别以难度系数和题型为单位,统计处理结果的正确率和时间差值,即统计对于某个难度系数、或者对于某个题型,该目标对象的正确率以及时间差值。正确率越高、时间差值越小,说明该目标对象掌握的程度越好。在确定目标对象对相应知识点的掌握程度之后,即可有针对性地生成教学方案。比如,目标对象对某个知识点掌握程度较差,则生成的教学方案会更关注该知识点。
可选的,若属性标签包括答题标准时长;上述根据所有的处理结果确定目标对象对相应知识点的掌握程度的过程还包括:
步骤B1:确定处理结果所对应的答题时长,在答题时长小于答题标准时长的下限时,将处理结果标为异常处理结果。
步骤B2:对所有的处理结果进行统计,在异常处理结果的数量大于预设数量时,确定本次测评无效。
本发明实施例中,答题标准时长可以为一个数值,比如5分钟,也可以为一个范围,比如2~5分钟;或者,答题标准时长为一个数值,且还设置有下限值,比如答题标准时长为5分钟,下限值是2分钟。若目标对象的答题时长小于答题标准时长的下限,说明对于该试题数据,目标对象可能只是随机胡乱答复的,即使处理结果正确也不能正确反映该目标对象对该知识点的掌握程度,故此时可以将该处理结果标为异常处理结果。在最后确定目标用户对知识点的掌握程度时,若异常处理结果的数量过多,则说明本次测评过程中该目标对象只是随机胡乱答复,本次测评无效。
下面通过一个实施例详细介绍该知识测评的方法流程。
本发明实施例中,试题数据的属性标签包括难度系数、答题标准时长和题型。参见图2所示,该方法包括:
步骤201:创建基于知识图谱的系统题库,系统题库包括按知识点分类的试题数据,且试题数据设有属性标签。
本发明实施例中,基于知识图谱建立系统题库,可以建立试题数据之间的关联关系,且方便后续根据试题数据的处理结果动态确定新的试题数据。同时,由于不同年级甚至不同科目中可能均会学习同一个知识点,故属性标签中还可以包含年级和科目,使得划分的颗粒度更细。例如,高二数学的知识点有“函数的概念及其性质”、“基本初等函数”、“导数及其应用”、“函数的综合应用”等,每个知识点均对应5挡的难度系数:容易、较易、一般、较难、特难。题型可以包括:选择题、填空题、判断题、阅读理解题、作文等。答题标准时长为预先设置的时长,基于不同的试题数据具有不同的难度系数、题型等,其答题标准时长也可能不同。例如,容易的选择题答题标准时长约5-10秒,容易的填空题答题标准时长约10-30秒,容易的解答题的答题标准时长约2-5分钟。
步骤202:获取开始知识测评的指令。
其中,老师可以发起知识测评,学生(目标对象)也可以自主选择开始知识测评。该开始知识测评的指令具体是开始测评目标对象的知识水平的指令。
步骤203:从系统题库中选取适合目标对象的第一试题数据,并指示目标对象处理该第一试题数据,之后获取目标对象对第一试题数据的第一处理结果。
步骤204:判断第一处理结果是否正确,若第一处理结果正确,则继续步骤205,否则继续步骤206。
步骤205:判断第一处理结果的答题时长是否超时,若超时,则继续步骤206,否则继续步骤207。
其中,第一处理结果的答题时长大于第一试题数据的答题标准时长,则说明超时。
步骤206:以第一试题数据的第一难度系数为标准,降低难度系数,并在系统题库中选取难度系数合适的第二试题数据,之后继续步骤208。
步骤207:以第一试题数据的第一难度系数为标准,保持难度系数不变或提高难度系数,并在系统题库中选取难度系数合适的第二试题数据,之后继续步骤208。
其中,上述步骤204-207的过程即为确定第二属性标签的过程。
步骤208:指示目标对象处理该第二试题数据,之后获取目标对象对第二试题数据的第二处理结果。
步骤209:判断测评过程是否结束,若已结束,则继续步骤210,否则将第二处理结果作为第一处理结果,继续步骤204。
步骤210:统计每个难度系数下处理结果的正确率以及时间差值,并统计每个题型下处理结果的正确率以及时间差值,并生成统计结果。
步骤211:根据统计结果确定目标对象对相应知识点的掌握程度,并生成针对目标对象的教学方案。
本发明实施例提供的一种知识测评的方法,创建基于知识图谱的系统题库,可以建立试题数据之间的关联关系;之后根据第一属性标签和第一处理结果动态确定适合目标对象的第二属性标签,从而可以实时动态选取目标对象的试题数据,可以更加有效、准确地确定目标对象对知识点的掌握程度,还能够快速定位到目标对象的薄弱知识点。此外,还可以实施动态调整适合目标对象的难度系数,方便后续更加准确地确定目标对象真正掌握的难度系数。预先建立两个知识点之间的关联关系,从而可以判断目标对象对其他相关知识点的掌握程度,使得后续最终确定目标对象的掌握程度时,测评结果更加全面、准确。利用细颗粒度的知识图谱数据快速且客观的获得学员的成绩水平,以实现老师对学员能力层级有客观认知,并制定出符合学员的高效学习的教学计划和教学方案。
以上详细介绍了知识测评的方法流程,该方法也可以通过相应的装置实现,下面详细介绍该装置的结构和功能。
本发明实施例提供的一种知识测评的装置,参见图3所示,包括:
题库创建模块31,用于创建基于知识图谱的系统题库,所述系统题库包括按知识点分类的试题数据,且所述试题数据设有属性标签;
选取模块32,用于从所述系统题库中选取适合目标对象的第一试题数据,并获取所述目标对象对所述第一试题数据的第一处理结果;
动态处理模块33,用于根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,并从所述系统题库中选取与所述第二属性标签相匹配的第二试题数据,之后获取所述目标对象对所述第二试题数据的第二处理结果;
测评模块34,用于根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度。
在上述实施例的基础上,所述属性标签包括难度系数;
所述动态处理模块33根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,包括:
根据所述第一处理结果调整所述第一属性标签中的第一难度系数,并将调整后生成的第二难度系数作为所述第二属性标签的难度系数;其中,在所述第一处理结果表示处理正确时,所述第二难度系数不低于所述第一难度系数;在所述第一处理结果表示处理错误时,所述第二难度系数低于所述第一难度系数;
或者,当所述属性标签还包括答题标准时长时,若所述第一处理结果对应的答题时长大于所述答题标准时长、且所述第一处理结果表示处理正确时,所述第二难度系数不高于所述第一难度系数。
在上述实施例的基础上,所述动态处理模块33根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,包括:
预先建立所述第一试题数据所属的第一知识点与第二知识点之间的关联关系,在所述第一处理结果表示处理错误时,生成与所述第二知识点相匹配的属性标签,并将与所述第二知识点相匹配的属性标签作为第二属性标签;
或者,预先确定所述第一试题数据的错误结果所关联的第三知识点,在所述第一处理结果表示处理错误、且所述第一处理结果对应的错误结果与所述第三知识点相关联时,生成与所述第三知识点相匹配的属性标签,并将与所述第三知识点相匹配的属性标签作为第二属性标签。
在上述实施例的基础上,所述属性标签包括难度系数;
所述选取模块32从所述系统题库中选取适合目标对象的第一试题数据,包括:
从所述系统题库中选取具有预设的难度系数的试题数据作为适合目标对象的第一试题数据;
或者,确定目标难度系数,并从所述系统题库中选取具有所述目标难度系数的试题数据作为适合目标对象的第一试题数据;所述目标难度系数是所述目标对象选择的难度系数、或者是基于所述目标对象的历史成绩所确定的难度系数。
在上述实施例的基础上,所述测评模块34根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度,包括:
重复动态确定适合所述目标对象的属性标签的过程,并获取相应的处理结果,在所有的处理结果的数量到达预设数量时,根据所有的处理结果确定所述目标对象对相应知识点的掌握程度;所述第一处理结果和所述第二处理结果均为所有的处理结果中的一个处理结果。
在上述实施例的基础上,所述属性标签包括难度系数、答题标准时长和题型;
所述测评模块34根据所有的处理结果确定所述目标对象对相应知识点的掌握程度,包括:
分别确定每个处理结果所对应的难度系数和题型,并确定所述处理结果是否表示处理正确,确定所述处理结果所对应的答题时长与相应的答题标准时长之间的时间差值;
统计每个难度系数下所述处理结果的正确率以及所述时间差值,并统计每个题型下所述处理结果的正确率以及所述时间差值,并生成统计结果;
根据所述统计结果确定所述目标对象对相应知识点的掌握程度,并生成针对所述目标对象的教学方案。
在上述实施例的基础上,所述属性标签包括答题标准时长;
所述测评模块34根据所有的处理结果确定所述目标对象对相应知识点的掌握程度包括:
确定所述处理结果所对应的答题时长,在所述答题时长小于所述答题标准时长的下限时,将所述处理结果标为异常处理结果;
对所有的处理结果进行统计,在所述异常处理结果的数量大于预设数量时,确定本次测评无效。
本发明实施例提供的一种知识测评的装置,创建基于知识图谱的系统题库,可以建立试题数据之间的关联关系;之后根据第一属性标签和第一处理结果动态确定适合目标对象的第二属性标签,从而可以实时动态选取目标对象的试题数据,可以更加有效、准确地确定目标对象对知识点的掌握程度,还能够快速定位到目标对象的薄弱知识点。此外,还可以实施动态调整适合目标对象的难度系数,方便后续更加准确地确定目标对象真正掌握的难度系数。预先建立两个知识点之间的关联关系,从而可以判断目标对象对其他相关知识点的掌握程度,使得后续最终确定目标对象的掌握程度时,测评结果更加全面、准确。利用细颗粒度的知识图谱数据快速且客观的获得学员的成绩水平,以实现老师对学员能力层级有客观认知,并制定出符合学员的高效学习的教学计划和教学方案。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,其包含用于执行上述的知识测评的方法的程序,该计算机可执行指令可执行上述任意方法实施例中的方法。
其中,所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
图4示出了本发明的另一个实施例的一种电子设备的结构框图。所述电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中,处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信,其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU,或者是专用集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块,并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行,以使处理器1110能够执行上述任意方法实施例中的知识测评的方法。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种知识测评的方法,其特征在于,包括:
创建基于知识图谱的系统题库,所述系统题库包括按知识点分类的试题数据,且所述试题数据设有属性标签;
从所述系统题库中选取适合目标对象的第一试题数据,并获取所述目标对象对所述第一试题数据的第一处理结果;
根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,并从所述系统题库中选取与所述第二属性标签相匹配的第二试题数据,之后获取所述目标对象对所述第二试题数据的第二处理结果;
根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度。
2.根据权利要求1所述的方法,其特征在于,所述属性标签包括难度系数;
所述根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,包括:
根据所述第一处理结果调整所述第一属性标签中的第一难度系数,并将调整后生成的第二难度系数作为所述第二属性标签的难度系数;其中,在所述第一处理结果表示处理正确时,所述第二难度系数不低于所述第一难度系数;在所述第一处理结果表示处理错误时,所述第二难度系数低于所述第一难度系数;
或者,当所述属性标签还包括答题标准时长时,若所述第一处理结果对应的答题时长大于所述答题标准时长、且所述第一处理结果表示处理正确时,所述第二难度系数不高于所述第一难度系数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,包括:
预先建立所述第一试题数据所属的第一知识点与第二知识点之间的关联关系,在所述第一处理结果表示处理错误时,生成与所述第二知识点相匹配的属性标签,并将与所述第二知识点相匹配的属性标签作为第二属性标签;
或者,预先确定所述第一试题数据的错误结果所关联的第三知识点,在所述第一处理结果表示处理错误、且所述第一处理结果对应的错误结果与所述第三知识点相关联时,生成与所述第三知识点相匹配的属性标签,并将与所述第三知识点相匹配的属性标签作为第二属性标签。
4.根据权利要求1所述的方法,其特征在于,所述属性标签包括难度系数;
所述从所述系统题库中选取适合目标对象的第一试题数据,包括:
从所述系统题库中选取具有预设的难度系数的试题数据作为适合目标对象的第一试题数据;
或者,确定目标难度系数,并从所述系统题库中选取具有所述目标难度系数的试题数据作为适合目标对象的第一试题数据;所述目标难度系数是所述目标对象选择的难度系数、或者是基于所述目标对象的历史成绩所确定的难度系数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度,包括:
重复动态确定适合所述目标对象的属性标签的过程,并获取相应的处理结果,在所有的处理结果的数量到达预设数量时,根据所有的处理结果确定所述目标对象对相应知识点的掌握程度;所述第一处理结果和所述第二处理结果均为所有的处理结果中的一个处理结果。
6.根据权利要求5所述的方法,其特征在于,所述属性标签包括难度系数、答题标准时长和题型;
所述根据所有的处理结果确定所述目标对象对相应知识点的掌握程度,包括:
分别确定每个处理结果所对应的难度系数和题型,并确定所述处理结果是否表示处理正确,确定所述处理结果所对应的答题时长与相应的答题标准时长之间的时间差值;
统计每个难度系数下所述处理结果的正确率以及所述时间差值,并统计每个题型下所述处理结果的正确率以及所述时间差值,并生成统计结果;
根据所述统计结果确定所述目标对象对相应知识点的掌握程度,并生成针对所述目标对象的教学方案。
7.根据权利要求5所述的方法,其特征在于,所述属性标签包括答题标准时长;
所述根据所有的处理结果确定所述目标对象对相应知识点的掌握程度包括:
确定所述处理结果所对应的答题时长,在所述答题时长小于所述答题标准时长的下限时,将所述处理结果标为异常处理结果;
对所有的处理结果进行统计,在所述异常处理结果的数量大于预设数量时,确定本次测评无效。
8.一种知识测评的装置,其特征在于,包括:
题库创建模块,用于创建基于知识图谱的系统题库,所述系统题库包括按知识点分类的试题数据,且所述试题数据设有属性标签;
选取模块,用于从所述系统题库中选取适合目标对象的第一试题数据,并获取所述目标对象对所述第一试题数据的第一处理结果;
动态处理模块,用于根据所述第一试题数据的第一属性标签和所述第一试题数据的第一处理结果动态确定适合所述目标对象的第二属性标签,并从所述系统题库中选取与所述第二属性标签相匹配的第二试题数据,之后获取所述目标对象对所述第二试题数据的第二处理结果;
测评模块,用于根据所述第一处理结果和所述第二处理结果确定所述目标对象对相应知识点的掌握程度。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-7任意一项所述的知识测评的方法。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7任意一项所述的知识测评的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271455.XA CN111782815A (zh) | 2019-04-04 | 2019-04-04 | 一种知识测评的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910271455.XA CN111782815A (zh) | 2019-04-04 | 2019-04-04 | 一种知识测评的方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111782815A true CN111782815A (zh) | 2020-10-16 |
Family
ID=72755085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910271455.XA Pending CN111782815A (zh) | 2019-04-04 | 2019-04-04 | 一种知识测评的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111782815A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003716A (zh) * | 2021-12-31 | 2022-02-01 | 北京金茂教育科技有限公司 | 面向进化型对象的匹配方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794664A (zh) * | 2015-03-03 | 2015-07-22 | 上海复勤商务咨询有限公司 | 一种智能学习的能力评估和知识推荐方法 |
CN105184709A (zh) * | 2015-08-20 | 2015-12-23 | 浙江通关教育科技有限公司 | 一种基于知识点体系的学科测评系统及方法 |
CN106599999A (zh) * | 2016-12-09 | 2017-04-26 | 北京爱论答科技有限公司 | 少量题目精准探测学生细分薄弱知识点的测评方法及系统 |
CN106875769A (zh) * | 2017-03-10 | 2017-06-20 | 杭州博世数据网络有限公司 | 一种数学练习用出题系统 |
CN107622709A (zh) * | 2017-09-18 | 2018-01-23 | 哈尔滨成长科技有限公司 | 知识点掌握程度评价方法、介质和电子设备 |
CN109003492A (zh) * | 2018-07-25 | 2018-12-14 | 厦门大学附属心血管病医院(厦门市心脏中心) | 一种题目选择方法、装置及终端设备 |
CN109191345A (zh) * | 2018-09-17 | 2019-01-11 | 合肥工业大学 | 一种面向学生认知过程的认知诊断方法 |
CN109242103A (zh) * | 2018-07-20 | 2019-01-18 | 张有明 | 适用于学习管理系统的知识点难度赋值处理方法及装置 |
CN109360457A (zh) * | 2018-09-03 | 2019-02-19 | 浙江学海教育科技有限公司 | 一种题目推送方法、存储介质、及应用系统 |
-
2019
- 2019-04-04 CN CN201910271455.XA patent/CN111782815A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104794664A (zh) * | 2015-03-03 | 2015-07-22 | 上海复勤商务咨询有限公司 | 一种智能学习的能力评估和知识推荐方法 |
CN105184709A (zh) * | 2015-08-20 | 2015-12-23 | 浙江通关教育科技有限公司 | 一种基于知识点体系的学科测评系统及方法 |
CN106599999A (zh) * | 2016-12-09 | 2017-04-26 | 北京爱论答科技有限公司 | 少量题目精准探测学生细分薄弱知识点的测评方法及系统 |
CN106875769A (zh) * | 2017-03-10 | 2017-06-20 | 杭州博世数据网络有限公司 | 一种数学练习用出题系统 |
CN107622709A (zh) * | 2017-09-18 | 2018-01-23 | 哈尔滨成长科技有限公司 | 知识点掌握程度评价方法、介质和电子设备 |
CN109242103A (zh) * | 2018-07-20 | 2019-01-18 | 张有明 | 适用于学习管理系统的知识点难度赋值处理方法及装置 |
CN109003492A (zh) * | 2018-07-25 | 2018-12-14 | 厦门大学附属心血管病医院(厦门市心脏中心) | 一种题目选择方法、装置及终端设备 |
CN109360457A (zh) * | 2018-09-03 | 2019-02-19 | 浙江学海教育科技有限公司 | 一种题目推送方法、存储介质、及应用系统 |
CN109191345A (zh) * | 2018-09-17 | 2019-01-11 | 合肥工业大学 | 一种面向学生认知过程的认知诊断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003716A (zh) * | 2021-12-31 | 2022-02-01 | 北京金茂教育科技有限公司 | 面向进化型对象的匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360457A (zh) | 一种题目推送方法、存储介质、及应用系统 | |
CN111858906B (zh) | 习题推荐方法、装置、电子设备及计算机可读存储介质 | |
CN112699283B (zh) | 试卷生成方法及装置 | |
CN106875769A (zh) | 一种数学练习用出题系统 | |
CN109597937A (zh) | 网络课程推荐方法及装置 | |
CN113535982B (zh) | 一种基于大数据的教学系统 | |
CN103577507A (zh) | 具有实时侦测和自适应进化机制的智能题库系统及方法 | |
CN112348725A (zh) | 基于大数据的知识点难度定级方法 | |
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 | |
CN112132717A (zh) | 基于大数据的智能分班方法和系统 | |
CN111651677A (zh) | 课程内容推荐方法、装置、计算机设备和存储介质 | |
CN108073603B (zh) | 作业分发方法及装置 | |
CN110490778A (zh) | 一种教师水平评估方法、装置、系统及存储介质 | |
CN111782815A (zh) | 一种知识测评的方法、装置、存储介质及电子设备 | |
CN112015783B (zh) | 可交互学习流程生成方法和系统 | |
CN111932160A (zh) | 知识掌握信息处理方法、装置、计算机设备及存储介质 | |
CN114077704A (zh) | 一种学习内容推荐方法、装置、智能终端及存储介质 | |
CN116884548A (zh) | 一种学生心理测评答题有效性的验证方法及系统 | |
CN112330512A (zh) | 知识蒸馏学习模型的预测方法、系统、设备及存储介质 | |
CN109800880B (zh) | 基于动态学习风格信息的自适应学习特征提取系统及应用 | |
CN111507632A (zh) | 一种发展性评测的方法、装置及电子设备 | |
CN111178770B (zh) | 答题数据评估和学习图像构建方法、装置及存储介质 | |
CN114090839B (zh) | 用于学习者认知结构的处理方法、系统、装置及存储介质 | |
TWI453703B (zh) | 學習診斷分析方法及學習診斷分析系統 | |
TW201443667A (zh) | 人工智慧試卷組題系統及其組題方法 |
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 |