CN111915463A - 试题知识点的管理方法 - Google Patents
试题知识点的管理方法 Download PDFInfo
- Publication number
- CN111915463A CN111915463A CN202010850820.5A CN202010850820A CN111915463A CN 111915463 A CN111915463 A CN 111915463A CN 202010850820 A CN202010850820 A CN 202010850820A CN 111915463 A CN111915463 A CN 111915463A
- Authority
- CN
- China
- Prior art keywords
- test question
- data
- knowledge point
- point data
- knowledge
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 215
- 238000007726 management method Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000009795 derivation Methods 0.000 claims abstract description 24
- 238000012163 sequencing technique Methods 0.000 claims abstract description 15
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000002372 labelling Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种试题知识点的管理方法,所述方法包括:服务器接收试题内容数据,并根据知识推导模型解析试题内容数据得到试题条件数据;确定知识点数据库中是否存在与试题条件数据相匹配的知识点数据;当知识点数据库中存在与试题条件数据相匹配的知识点数据时,获取知识点数据;知识点数据包括一个或多个父知识点数据和子知识点数据;将知识点数据和试题内容数据添加到试题数据库中;根据父知识点数据和子知识点数据的个数得到知识点数据的排序信息;根据知识点数据的排序信息对试题数据库中的知识点数据和试题内容数据进行排序。本发明实施例提供的试题知识点的管理方法,有利于对试题知识点进行科学、统一的管理。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及试题知识点的管理方法。
背景技术
随着社会经济的快速稳定发展,以及国家对教育信息化大力支持,尤其是对基础教育信息化的资金扶持,加快了教育信息化的建设步伐。自教育踏上软件市场这个舞台之后,随着互联网技术的日新月异并逐步普及,以及国家对教育培训产业的重视和投资力度的加大,教育软件已经占领整个软件市场的三分之一份额,与办公软件、财务软件形成三分天下的局面。
目前对于教育软件中对于试题的知识点管理办法大多还停留在需要人工根据试题大纲标记知识点的重点和难点的方式中,这是非常耗费时间和精力的。而在另外的一些对于试题的知识点管理办法中,知识点的重点和难点是由教师确定的,这种管理知识点的方式不科学,也不客观。
发明内容
本发明的目的是针对现有技术的缺陷,提供一种试题知识点的管理方法,通过从试题数据库中获取试题知识点的方式,确定试题知识点的出现频率,生成试题知识点重要程度的排序,有利于对试题知识点进行科学、统一的管理。
为实现上述目的,本发明提供了试题知识点的管理方法,所述试题知识点的管理方法包括:
服务器接收试题内容数据,并根据知识推导模型解析所述试题内容数据得到试题条件数据;
确定知识点数据库中是否存在与所述试题条件数据相匹配的知识点数据;
当所述知识点数据库中存在与所述试题条件数据相匹配的知识点数据时,获取所述知识点数据;知识点数据包括一个或多个父知识点数据和子知识点数据;
将所述知识点数据和所述试题内容数据添加到试题数据库中;
根据所述父知识点数据和所述子知识点数据的个数得到知识点数据的排序信息;
根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序。
优选的,在所述根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序之后,所述方法还包括:
根据所述知识点数据的排序信息得到所述知识点数据的第一标记信息,并将所述知识点数据的第一标记信息添加到所述知识点数据中。
进一步优选的,在所述将所述标记信息添加到所述知识点数据中之后,所述方法还包括:
用户终端从所述试题数据库中获取所述知识点数据和所述试题内容数据,并根据所述知识点数据的第一标记信息显示所述知识点数据和所述试题内容数据。
优选的,当所述知识点数据库中不存在与所述试题条件数据相匹配的知识点数据时,所述方法还包括:
所述服务器接收用户根据所述试题内容数据输入的所述知识点数据,并将所述知识点数据和所述试题内容数据添加到试题数据库中。
进一步优选的,在所述根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序之后,所述方法还包括:
所述服务器接收所述用户根据所述试题内容数据输入的第二试题答案数据;
对比所述第二试题答案数据与第一试题答案数据,根据对比结果得到所述试题内容数据的答题信息标记数据;
根据所述答题信息标记数据生成所述试题内容数据所对应的所述知识点数据的第二标记信息;
将所述知识点数据的第二标记信息添加到所述知识点数据中,用以所述用户终端根据所述知识点数据的第一标记信息和所述知识点数据的第二标记信息显示所述知识点数据和所述试题内容数据。
进一步优选的,在对比所述第二试题答案数据与第一试题答案数据之前,所述方法还包括:
所述服务器根据知识推导模型解析所述试题内容数据得到第一试题答案数据。
优选的,在所述根据知识推导模型解析所述试题内容数据得到试题条件数据之前,所述方法还包括:
根据多个推导定理数据训练所述知识推导模型。
本发明实施例提供的试题知识点的管理方法,通过从试题数据库中获取试题知识点的方式,确定试题知识点的出现频率,生成试题知识点重要程度的排序,有利于对试题知识点进行科学、统一的管理。
附图说明
图1为本发明实施例提供的试题知识点的管理方法的流程图。
具体实施方式
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。
本发明实施例提供的一种试题知识点的管理方法,用于对用户所上传的试题的进行分析,并根据试题中的知识点的重要程度对试题进行管理。其方法流程图如图1所示,包括如下步骤:
步骤101,服务器接收试题内容数据;
具体的,试题内容数据可以理解为用户上传的试题。试题内容数据可以是用户通过用户终端向服务器上传的图像形式的数据,也可以是通过某个程序向服务器中导入的文字形式的数据。
在一个具体的例子中,用户终端根据用户输入的获取指令获取试题的图像信息,然后对试题的图像信息进行包括调整图像大小和灰度处理的降噪处理,并将降噪后的试题的图像信息调整为预设的大小,发送至服务器。
步骤102,服务器根据知识推导模型解析试题内容数据得到第一试题答案数据和试题条件数据;
具体的,当试题内容数据为用户通过用户终端向服务器上传的图像形式的数据时,服务器首先根据神经网络模型对待识别图像数据进行识别处理,然后再根据知识推导模型解析试题内容数据得到第一试题答案数据和试题条件数据。而如果试题内容数据为某个程序向服务器中导入的文字形式的数据时,服务器直接根据知识推导模型解析试题内容数据得到第一试题答案数据和试题条件数据即可。
进一步具体的,知识推导模型是根据多个推导定理数据预先训练得到的。知识推导模型可以理解为自动解题的模型,推导定理数据可以理解为现有理论,包括已知语法逻辑、计算逻辑、公式、定理、公理和解题方法等信息。
由于知识推导模型是由多个推到定理数据训练得到的,因此向知识推导模型中输入试题内容数据后,知识推导模型可以根据推导定理数据对试题内容数据进行解析,得到试题答案以及与试题答案对应的推导条件。第一试题答案数据可以理解为通过知识推导模型得到的试题的答案。试题条件数据可以理解为与试题答案对应的推导条件。
在一个具体的例子中,试题内容数据为:2cos30°-2sin30°+3tan45°+|1-tan60°|,则根据知识推导模型解析得到第一试题答案数据为:
步骤103,确定知识点数据库中是否存在与试题条件数据相匹配的知识点数据;
具体的,知识点数据库中存储有试题条件数据与知识点数据的对应关系。也就是说,服务器可以根据试题条件数据查找到与试题条件数据相对应的知识点数据。
当知识点数据库中存在与试题条件数据相匹配的知识点数据时,代表了服务器在知识点数据库中可以找到与当前试题相对应的知识点,则执行下述步骤104。当知识点数据库中不存在与试题条件数据相匹配的知识点数据时,代表了服务器在知识点数据库中找不到与当前试题相对应的知识点,则执行下述步骤104’。
步骤104,获取知识点数据,并将知识点数据和试题内容数据添加到试题数据库中;
具体的,若知识点数据库中存在与试题条件数据相匹配的知识点数据时,服务器获取当前与试题条件数据相匹配的知识点数据,并将当前与试题条件数据相匹配的知识点数据和试题内容数据一起添加到试题数据库中。试题数据库可以理解为题库,存储有试题内容数据和试题内容数据所对应的知识点数据。
需要说明的是,在知识点数据库中,一个试题条件数据可能对应多个知识点数据。而一个知识点数据包括一个或多个父知识点数据和子知识点数据。子知识点数据与父知识点数据具有上下级的对应关系。这是由于在日常的教育教学中,知识点所组成的知识结构通常是蜘蛛网型或幕帘型的,也就是说一个父知识点下可能对应有一个或多个子知识点,一个子知识点也可能对应一级或多级父知识点。父知识点和子知识点都可以代表当前试题的知识点,只不过父知识点所代表的知识点更宽泛,子知识点所代表的知识点更具体。
在一个具体的例子中,试题内容数据为:“--Li Dong is the third__boy in ourclass.--A.tall B.taller C.tallest D.the tallest”。服务器根据知识推导模型解析得到的试题条件数据为“third tallest”,且在知识点数据库中确定与“third tallest”试题条件数据相对应的知识点数据包括“语法结构”、“最高级词类”和“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”。服务器将“语法结构”、“最高级词类”和“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”的知识点数据,以及“--Li Dongis the third______boy in our class.--A.tall B.taller C.tallest D.the tallest”的试题内容数据添加到试题数据库中。其中,“语法结构”为“最高级词类”和“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”的父知识点数据,“语法结构”为“最高级词类”和“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”为“语法结构”的子知识点数据。“最高级词类”为“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”的父知识点数据,“形容词最高级前面如果有序数词修饰,序数词应放在定冠词之后”为“最高级词类”的子知识点数据。
104’,接收用户输入的所述知识点数据,并将知识点数据和试题内容数据添加到试题数据库中;
具体的,若知识点数据库中不存在与试题条件数据相匹配的知识点数据时,服务器向用户终端发送尚未匹配到相应知识点数据的试题条件数据,并接收用户通过用户终端根据试题内容数据输入的知识点数据,并将用户输入的与试题条件数据相匹配的知识点数据和试题内容数据一起添加到试题数据库中。
步骤105,根据父知识点数据和子知识点数据的个数得到知识点数据的排序信息;
具体的,试题数据库中父知识点数据和子知识点数据的个数代表了父知识点数据和子知识点数据在试题中出现的频率。通常情况下,知识点数据出现的频率越高,说明这个知识点越重要。因此,服务器根据试题数据库中父知识点数据和子知识点数据的个数得到知识点数据的排序信息的过程可以理解为根据知识点的出现频率确定的知识点的重要程度的过程。知识点数据的排序信息越高,说明知识点在试题中出现的频率越高,知识点的重要程度越高。
在一个具体的例子中,在试题数据库中,“语法结构”的知识点数据个数为100个,“拼写”的知识点数据个数为50个,“语法结构”作为父知识点数据下的子知识点数据“冠词”为40个、“动词”为60个,则,服务器得“语法结构”的排序信息为“第一”,“动词”的排序信息为“第二”,“拼写”的排序信息为“第三”,“冠词”的排序信息为“第四”。
步骤106,根据知识点数据的排序信息对知识点数据和试题内容数据进行排序;
具体的,服务器根据知识点数据的排序信息对试题数据库中的知识点数据和试题内容数据进行排序,使得试题数据库中的知识点数据和试题内容数据能够以知识点数据的排序信息进行存储。
当用户想要获取试题数据库中的知识点数据和试题内容数据时,需要通过用户终端连接至服务器,从试题数据库中获取所述知识点数据和所述试题内容数据。获取到用户终端中的知识点数据和试题内容数据为已排序的知识点数据和试题内容数据,使得用户可以更直观的根据试题和试题知识点的重要性查看试题和知识点。
优选的,服务器不仅要根据知识点数据的排序信息,也就是知识点的重要性,对知识点数据和试题内容数据进行排序,还要根据知识点的难易性对知识点数据和试题内容数据进行排序。
具体的,服务器根据知识点数据的排序信息得到知识点数据的第一标记信息,并将知识点数据的第一标记信息添加到所述知识点数据中。第一标记信息可以理解为标记知识点的重要性的信息。
服务器接收用户根据试题内容数据输入的第二试题答案数据。第二试题答案数据可以理解为用户根据自己已掌握的知识确定的试题的答案。
首先,服务器对比第一试题答案数据与第二试题答案数据,根据对比结果得到试题内容数据的答题信息标记数据。答题信息标记数据可以理解为用户根据自己已掌握的知识确定的试题的答案是否正确的标记信息。若第一试题答案数据与第二试题答案数据不同,则说明当前的试题用户“做错了”,则服务器生成一个“错误”的答题信息标记数据。若第一试题答案数据与第二试题答案数据一直,则说明当前的试题用户“做对了”,则服务器生成一个“正确”的答题信息标记数据。
然后,服务器根据答题信息标记数据生成试题内容数据所对应的知识点数据的第二标记信息。第二标记信息可以理解为标记试题正确率的标记信息。
最后,服务器将知识点数据的第二标记信息添加到知识点数据中,根据第一标记信息和第二标记信息对知识点数据和试题内容数据进行排序,使得用户终端可以根据知识点数据的第一标记信息和知识点数据的第二标记信息显示知识点数据和试题内容数据。
本发明实施例提供的试题知识点的管理方法,通过从试题数据库中获取试题知识点的方式,确定试题知识点的出现频率,生成试题知识点重要程度的排序,有利于对试题知识点进行科学、统一的管理。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、用户终端执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种试题知识点的管理方法,其特征在于,所述试题知识点的管理方法包括:
服务器接收试题内容数据,并根据知识推导模型解析所述试题内容数据得到试题条件数据;
确定知识点数据库中是否存在与所述试题条件数据相匹配的知识点数据;
当所述知识点数据库中存在与所述试题条件数据相匹配的知识点数据时,获取所述知识点数据;知识点数据包括一个或多个父知识点数据和子知识点数据;
将所述知识点数据和所述试题内容数据添加到试题数据库中;
根据所述父知识点数据和所述子知识点数据的个数得到知识点数据的排序信息;
根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序。
2.根据权利要求1所述的试题知识点的管理方法,其特征在于,在所述根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序之后,所述方法还包括:
根据所述知识点数据的排序信息得到所述知识点数据的第一标记信息,并将所述知识点数据的第一标记信息添加到所述知识点数据中。
3.根据权利要求2所述的试题知识点的管理方法,其特征在于,在所述将所述标记信息添加到所述知识点数据中之后,所述方法还包括:
用户终端从所述试题数据库中获取所述知识点数据和所述试题内容数据,并根据所述知识点数据的第一标记信息显示所述知识点数据和所述试题内容数据。
4.根据权利要求1所述的试题知识点的管理方法,其特征在于,当所述知识点数据库中不存在与所述试题条件数据相匹配的知识点数据时,所述方法还包括:
所述服务器接收用户根据所述试题内容数据输入的所述知识点数据,并将所述知识点数据和所述试题内容数据添加到试题数据库中。
5.根据权利要求3所述的试题知识点的管理方法,其特征在于,在所述根据所述知识点数据的排序信息对所述试题数据库中的知识点数据和所述试题内容数据进行排序之后,所述方法还包括:
所述服务器接收所述用户根据所述试题内容数据输入的第二试题答案数据;
对比所述第二试题答案数据与第一试题答案数据,根据对比结果得到所述试题内容数据的答题信息标记数据;
根据所述答题信息标记数据生成所述试题内容数据所对应的所述知识点数据的第二标记信息;
将所述知识点数据的第二标记信息添加到所述知识点数据中,用以所述用户终端根据所述知识点数据的第一标记信息和所述知识点数据的第二标记信息显示所述知识点数据和所述试题内容数据。
6.根据权利要求5所述的试题知识点的管理方法,其特征在于,在对比所述第二试题答案数据与第一试题答案数据之前,所述方法还包括:
所述服务器根据知识推导模型解析所述试题内容数据得到第一试题答案数据。
7.根据权利要求1所述的试题知识点的管理方法,其特征在于,在所述根据知识推导模型解析所述试题内容数据得到试题条件数据之前,所述方法还包括:
根据多个推导定理数据训练所述知识推导模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850820.5A CN111915463B (zh) | 2020-08-21 | 2020-08-21 | 试题知识点的管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010850820.5A CN111915463B (zh) | 2020-08-21 | 2020-08-21 | 试题知识点的管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915463A true CN111915463A (zh) | 2020-11-10 |
CN111915463B CN111915463B (zh) | 2023-12-01 |
Family
ID=73279739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010850820.5A Active CN111915463B (zh) | 2020-08-21 | 2020-08-21 | 试题知识点的管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915463B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688262A (zh) * | 2021-09-01 | 2021-11-23 | 北京云蝶智学科技有限公司 | 数据归类方法 |
CN113705706A (zh) * | 2021-09-01 | 2021-11-26 | 北京云蝶智学科技有限公司 | 基于图像识别的数据分类方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528591A (zh) * | 2016-09-18 | 2017-03-22 | 广东小天才科技有限公司 | 一种试题信息处理方法及学习管理平台 |
CN107343223A (zh) * | 2017-07-07 | 2017-11-10 | 北京慕华信息科技有限公司 | 视频片段的识别方法和装置 |
CN107967254A (zh) * | 2017-10-31 | 2018-04-27 | 科大讯飞股份有限公司 | 知识点预测方法及装置、存储介质、电子设备 |
WO2018094925A1 (zh) * | 2016-11-22 | 2018-05-31 | 深圳市鹰硕技术有限公司 | 一种填空题试题的生成和判卷的方法及系统 |
JP6416425B1 (ja) * | 2018-04-09 | 2018-10-31 | 株式会社フォーサイト | 問題分析システム、方法、およびプログラム |
CN109241086A (zh) * | 2018-09-26 | 2019-01-18 | 永州市金蚂蚁新能源机械有限公司 | 一种知识点量化分析方法及系统 |
CN110399541A (zh) * | 2019-05-31 | 2019-11-01 | 平安国际智慧城市科技股份有限公司 | 基于深度学习的题目推荐方法、装置及存储介质 |
-
2020
- 2020-08-21 CN CN202010850820.5A patent/CN111915463B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528591A (zh) * | 2016-09-18 | 2017-03-22 | 广东小天才科技有限公司 | 一种试题信息处理方法及学习管理平台 |
WO2018094925A1 (zh) * | 2016-11-22 | 2018-05-31 | 深圳市鹰硕技术有限公司 | 一种填空题试题的生成和判卷的方法及系统 |
CN107343223A (zh) * | 2017-07-07 | 2017-11-10 | 北京慕华信息科技有限公司 | 视频片段的识别方法和装置 |
CN107967254A (zh) * | 2017-10-31 | 2018-04-27 | 科大讯飞股份有限公司 | 知识点预测方法及装置、存储介质、电子设备 |
JP6416425B1 (ja) * | 2018-04-09 | 2018-10-31 | 株式会社フォーサイト | 問題分析システム、方法、およびプログラム |
CN109241086A (zh) * | 2018-09-26 | 2019-01-18 | 永州市金蚂蚁新能源机械有限公司 | 一种知识点量化分析方法及系统 |
CN110399541A (zh) * | 2019-05-31 | 2019-11-01 | 平安国际智慧城市科技股份有限公司 | 基于深度学习的题目推荐方法、装置及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688262A (zh) * | 2021-09-01 | 2021-11-23 | 北京云蝶智学科技有限公司 | 数据归类方法 |
CN113705706A (zh) * | 2021-09-01 | 2021-11-26 | 北京云蝶智学科技有限公司 | 基于图像识别的数据分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111915463B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11721230B2 (en) | Personalized learning system and method for the automated generation of structured learning assets based on user data | |
Eikeland et al. | Differentiation in education: a configurative review | |
Zhan | Developing and validating a student feedback literacy scale | |
Steacy et al. | The role of set for variability in irregular word reading: Word and child predictors in typically developing readers and students at-risk for reading disabilities | |
WO2023273583A1 (zh) | 阅卷方法、装置、电子设备及存储介质 | |
US20190147760A1 (en) | Cognitive content customization | |
CN112101039B (zh) | 一种面向在线学习社区的学习兴趣发现方法 | |
US20200051451A1 (en) | Short answer grade prediction | |
CN111125295B (zh) | 一种基于lstm的获取食品安全问题答案的方法及系统 | |
CN111507680A (zh) | 在线面试方法、系统、设备及存储介质 | |
Le Hoanh Su et al. | Development of an AI Chatbot to support admissions and career guidance for universities | |
CN111915463A (zh) | 试题知识点的管理方法 | |
CN111915462B (zh) | 试题知识点难度的分析方法 | |
CN107844531B (zh) | 答案输出方法、装置和计算机设备 | |
CN118035711B (zh) | 一种针对大模型内容安全能力的评测方法及系统 | |
CN112036146A (zh) | 一种评语生成方法、装置、终端设备及存储介质 | |
CN114240705A (zh) | 一种题库信息处理方法 | |
Xie et al. | Co-designing AI Education Curriculum with Cross-Disciplinary High School Teachers | |
CN111914005A (zh) | 试题统计分析方法 | |
CN109582971B (zh) | 一种基于句法分析的批改方法及批改系统 | |
CN111599230B (zh) | 一种基于大数据的语言教学方法及装置 | |
CN111708951A (zh) | 一种试题推荐方法及装置 | |
Amalia et al. | Automatic essay assessment in e-learning using winnowing algorithm | |
Güvendir et al. | The effects of study abroad on L2 vocabulary development: A meta-analysis | |
Meça et al. | Academic Integrity in the Face of Generative Language Models |
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 |