CN111949882B - 一种领域知识点结构缺陷智能诊断方法 - Google Patents

一种领域知识点结构缺陷智能诊断方法 Download PDF

Info

Publication number
CN111949882B
CN111949882B CN202010831440.7A CN202010831440A CN111949882B CN 111949882 B CN111949882 B CN 111949882B CN 202010831440 A CN202010831440 A CN 202010831440A CN 111949882 B CN111949882 B CN 111949882B
Authority
CN
China
Prior art keywords
user
knowledge
server
test questions
questions
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
CN202010831440.7A
Other languages
English (en)
Other versions
CN111949882A (zh
Inventor
张庆生
周元哲
杨迪
房鹏军
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.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
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 Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN202010831440.7A priority Critical patent/CN111949882B/zh
Publication of CN111949882A publication Critical patent/CN111949882A/zh
Application granted granted Critical
Publication of CN111949882B publication Critical patent/CN111949882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种领域知识点结构缺陷智能诊断方法，包括：管理员在服务器中预设领域知识点和相应的测试题目；用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型，服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，直至用户完全掌握该领域知识点为止。本发明通过管理员终端对后台服务器中的领域知识点和对应的测试题目的预设，在用户终端完成测试题目作答后，根据作答信息建立或者修改用户知识能力模型，然后根据用户的知识能力模型推荐给用户测试题目，从而进行有针对性的训练，提高领域知识水平和技能。

Description

一种领域知识点结构缺陷智能诊断方法
技术领域
本发明属于知识点结构诊断方法技术领域，具体涉及一种领域知识点结构缺陷智能诊断系统。
背景技术
在如今的大数据时代，在线教育发展迅猛，能够为学生随时随地提供学习内容和练习题目，帮助学生巩固学习的知识，然而，由于试题资源数量庞大，学生想在有限的时间内完成所有的练习试题几乎不可能。因此，如何帮助学生在浩如烟海的试题资源中找到针对其薄弱知识点的练习题目进行训练是一个重要的问题。
当前多数推荐系统主要应用于商品推荐，其采用协同过滤算法。协同过滤是商品推荐系统中最成功的个性化推荐算法，应用十分广泛。在商品特征属性有条件独立或条件基本独立的情况下，普通的协同过滤算法准确率很高。但是，现实中在很多情况下各特征属性间往往条件并不独立，而是具有较强的相关性，这样就限制了协同过滤算法的准确推荐能力。例如，在领域知识题目推荐系统中，领域知识相关的题目所涉及的知识点之间往往具有很强的关联性和因果性，若采用传统的协同过滤算法推荐题目，往往无法准确推荐适合学生当前领域知识水平的题目。另外，采用协同过滤算法来推荐题目，往往推荐的题目是学生最容易做出来的练习题，这种推荐对学生来说没有任何意义和价值。
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的不足，提供一种领域知识点结构缺陷智能诊断系统，以解决上述背景技术中提出的问题。
为解决上述技术问题，本发明采用的技术方案是：
第一方面，本发明提供一种领域知识点结构缺陷智能诊断方法，包括；
管理员在服务器中预设领域知识点和相应的测试题目；
用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型；
服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，作答后对用户知识能力模型进行修改，再次重复筛选推送并根据用户作答情况修改模型，直至用户完全掌握该领域知识点为止。
优选的，所述管理员具体为具有保证领域知识点及其关系正确性的领域知识专项教学的教学工作者，同时在服务器中预设领域知识点和相应的测试题目时，还能对该领域知识点的测试题目执行增加、删除、修改和查找的操作。
优选的，所述教学工作者完成领域知识点和相应的测试题目预设后，还要将孤立的领域知识节点建立连接，形成领域知识点节点图，建立节点间的连接关系，形成领域的知识结构图，具体为一个贝叶斯网络，即保证知识点节点图为一个有向无环图。
优选的，所述用户具体为领域知识点学习者，学习者对服务器中测试题目进行作答完成领域知识点的能力水平测试，测试完成后，服务器根据学生的能力测试情况，为该学生建立知识能力模型，通过该知识能力模型确定该学生对课程相关知识节点的掌握情况。
优选的，通过该知识能力模型确定该学生对课程相关知识节点的掌握情况具体的方式为：当学习者有未掌握的知识节点时，服务器中的推荐引擎模块结合领域知识节构，即贝叶斯网络和知识能力模型预测出的这些未掌握的知识节点所能掌握的概率，然后根据这些知识点和所能掌握的概率选择服务器中对应的题目推荐给学习者练习，直到学习者掌握所有知识点为止，其中，当系统认定学生掌握了所有知识节点后，学生则完成该领域知识点的掌握。
优选的，在学习者在对服务器中测试题目进行作答时，学习者初次作答并提交答题，服务器判题并记录答题的正误信息，根据学习者的答题信息计算学生的领域知识节点的状态值，服务器在推荐题目时，学习者再次作答提交后，服务器再次更新学习者在知识节点的状态值，完成知识能力模型实时更新。
第二方面，本发明提供一种领域知识点结构缺陷智能诊断系统，包括：
管理员终端：管理员通过管理员终端完成服务器中领域知识点和相应的测试题目的设置，以及增加、删除、修改和查找的操作；
后台服务器：对管理员设置的测试题目展示至用户前端，并在用户对测试题目作答后进行判题，并记录答题的正误信息，然后根据用户的答题信息计算用户的知识点的状态值，然后根据用户知识点的状态值推荐相应的题目，在用户再次作答提交后，服务器再次更新学生在知识点的状态值，直至用户完全掌握该领域知识点为止。
用户终端：将用户请求传输至服务器，并根据用户请求接收从服务器发出的测试题目并展示给用户，用户对测试题目作答后再次传输至服务器进行判断，完成用户于服务器之间的信息交互。
优选的，用户终端中设置有用户ID，当用户通过用户终端向后台服务器提交领域知识点和相应的测试题目的练习请求后，后台服务器根据用户ID查找该用户ID对应的知识能力模型；若存在，则通过该用户ID的知识能力模块选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试；若不存在，则创建新用户ID的知识能力模型，根据用户领域知识点的请求推送管理员预设测试题目中的随机题目供用户完成初次测试，根据用户初次测试的信息对用户知识能力模型进行更新，然后选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试。
第三方面，本发明提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如下的方法步骤；
管理员在服务器中预设领域知识点和相应的测试题目；
用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型；
服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，作答后对用户知识能力模型进行修改，再次重复筛选推送并根据用户作答情况修改模型，直至用户完全掌握该领域知识点为止。
第四方面，本发明提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6任一所述的领域知识点结构缺陷智能诊断方法的步骤。
本发明与现有技术相比具有以下优点：
本发明通过管理员终端对后台服务器中的领域知识点和对应的测试题目的预设，然后通过后台服务器根据学生请求将相对应的领域知识点的测试题目推送至用户终端，在用户终端完成测试题目作答后，根据作答信息建立或者修改用户知识能力模型，通过模型计算用户领域知识能力的掌握情况，然后根据用户的知识能力模型推荐给用户测试题目从而进行有针对性的训练，可以自动地发现学生领域知识节点结构中的薄弱环节，并对这些薄弱知识节点进行有规划的训练，节省学生大量学习时间，提高领域知识水平。
附图说明
图1是本发明整体方法流程图；
图2是本发明系统原理框图；
图3是本发明实施例中的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示，本发明提供一种技术方案：本发明提供一种领域知识点结构缺陷智能诊断方法，包括；
S101、管理员在服务器中预设领域知识点和相应的测试题目；
其中，所述管理员具体为具有保证领域知识点及其关系正确性的领域知识专项教学的教学工作者，同时在服务器中预设领域知识点和相应的测试题目时，还能对该领域知识点的测试题目执行增加、删除、修改和查找的操作。
所述教学工作者完成领域知识点和相应的测试题目预设后，还要将孤立的领域知识节点建立连接，形成领域知识点节点图，建立节点间的连接关系，形成领域的知识结构图，具体为一个贝叶斯网络，即保证知识点节点图为一个有向无环图。
S201、用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型；
所述用户具体为领域知识点学习者，学习者对服务器中测试题目进行作答完成领域知识点的能力水平测试，测试完成后，服务器根据学生的能力测试情况，为该学生建立知识能力模型，通过该知识能力模型确定该学生对课程相关知识节点的掌握情况。
S301、服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，作答后对用户知识能力模型进行修改，再次重复筛选推送并根据用户作答情况修改模型，直至用户完全掌握该领域知识点为止。
通过该知识能力模型确定该学生对课程相关知识节点的掌握情况具体的方式为：当学习者有未掌握的知识节点时，服务器中的推荐引擎模块结合领域知识结构，即贝叶斯网络和知识能力模型预测出的这些未掌握的知识节点所能掌握的概率，然后根据这些知识点和所能掌握的概率选择服务器中对应的题目推荐给学习者练习，直到学习者掌握所有知识点为止，其中，当系统认定学生掌握了所有知识节点后，学生则完成该领域知识点的掌握。
具体为当用户通过用户终端3向后台服务器2发送领域知识点学习请求后，后台服务器2的模块ProblemController接收领域知识节点的练习请求后，ProblemController模块会调用知识节点服务模块NodeService推荐练习服务，模块NodeService首先向另外一个模块ModelManger请求得到用户知识能力模型，模块ModelManger查询数据库后执行分析任务，并向模块NodeService返回用户知识能力模型的数据，然后模块NodeServcie会选出用户在科目中尚未掌握的知识节点，并且通过模块NodeManger查询出这些知识节点的父节点，将父节点对应关系和用户知识能力模型发送到模块ProbabilityManager,该模块查询出对应的节点概率矩阵，然后将数据封装交给模块ByesNetUtil进行数据处理，可以计算出当前每个知识节点所能掌握的概率，然后将计算结果返回给模块NodeService，该模块整理这些数据作为推荐知识节点和推荐难度，然后再将这些数据向上返回给模块ProblemController，ProblemController模块再将这些数据作为知识节点的题目查询条件，通过模块ProblemServcie查询出对应科目的练习题目，返回的题目交给模块ProblemController，这个ProblemController模块再将这些返回的科目知识节点的题目推荐到用户的前端页面。
在学习者在对服务器中测试题目进行作答时，学习者初次作答并提交答题，服务器判题并记录答题的正误信息，根据学习者的答题信息计算学生的领域知识节点的状态值，服务器在推荐题目时，学习者再次作答提交后，服务器再次更新学习者在知识节点的状态值，完成知识能力模型实时更新。
用户知识节点状态值的计算过程如下：根据用户终端的用户ID，知识点ID，查询所有的答题记录集合信息，每道题目学生可能会作答多次，但只有一条答题的记录，答题记录中有正确的次数，错误的次数，查询出所有的记录对象，统计出所有的正确次数correct，所有的错误次数inCorrect，相应知识节点的正确率就可以用以下式子计算，得出正确率和错误率，便于针对性的对用户知识能力进行提高；
其中正确率：correct/(correct+inCorrect)
错误率：inCorrect/(correct+inCorrect)。
第二方面，本发明提供一种领域知识点结构缺陷智能诊断系统，包括：
管理员终端1：管理员通过管理员终端完成服务器中领域知识点和相应的测试题目的设置，以及增加、删除、修改和查找的操作；
后台服务器2：后台服务器2可以是单个服务器，也可以是服务器组。服务器组可以是集中式的，也可以是分布式的，同时后台服务器2相对于用户终端1，可以是本地的、也可以是远程的。
后台服务器2对管理员设置的测试题目展示至用户前端，并在用户对测试题目作答后进行判题，并记录答题的正误信息，然后根据用户的答题信息计算用户的知识点的状态值，然后根据用户知识点的状态值在推荐相应的题目时，在用户再次作答提交后，服务器再次更新学生在知识点的状态值，直至用户完全掌握该领域知识点为止。
用户终端3：将用户请求传输至服务器，并根据用户请求接收从服务器发出的测试题目并展示给用户，用户对测试题目作答后再次传输至服务器进行判断，完成用户于服务器之间的信息交互。
其中，管理员终端1和用户终端3具体为只能手机、平板等带有智能人机交互的终端设备，且带有无线通讯单元，无线通讯单元可以包括通过LAN、WAN、蓝牙、ZigBee、等形式的连接，或其任意组合，两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元，通过无线通讯单元与后台服务器2之间信号连接，完成信息的传输交互。
用户终端中设置有用户ID，当用户通过用户终端向后台服务器提交领域知识点和相应的测试题目的练习请求后，后台服务器根据用户ID查找该用户ID对应的知识能力模型；若存在，则通过该用户ID的知识能力模块选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试；若不存在，则创建新用户ID的知识能力模型，根据用户领域知识点的请求推送管理员预设测试题目中的随机题目供用户完成初次测试，根据用户初次测试的信息对用户知识能力模型进行更新，然后选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试。
第三方面，本发明提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如下的方法步骤；
管理员在服务器中预设领域知识点和相应的测试题目；
用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型；
服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，作答后对用户知识能力模型进行修改，再次重复筛选推送并根据用户作答情况修改模型，直至用户完全掌握该领域知识点为止。
第四方面，本发明提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至6任一所述的领域知识点结构缺陷智能诊断方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种领域知识点结构缺陷智能诊断方法，其特征在于：包括
管理员在服务器中预设领域知识点和相应的测试题目；
所述管理员具体为具有保证领域知识点及其关系正确性的领域知识专项教学的教学工作者，同时在服务器中预设领域知识点和相应的测试题目时，还能对该领域知识点的测试题目执行增加、删除、修改和查找的操作；
所述教学工作者完成领域知识点和相应的测试题目预设后，还要将孤立的领域知识节点建立连接，形成领域知识点节点图，建立节点间的连接关系，形成领域的知识结构图，具体为一个贝叶斯网络，即保证知识点节点图为一个有向无环图；
用户对服务器中预设的测试题目进行作答，服务器对用户的作答情况建立用户知识能力模型；
所述用户具体为领域知识点学习者，学习者对服务器中测试题目进行作答完成领域知识点的能力水平测试，测试完成后，服务器根据学生的能力测试情况，为该学生建立知识能力模型，通过该知识能力模型确定该学生对课程相关知识节点的掌握情况，通过该知识能力模型确定该学生对课程相关知识节点的掌握情况具体的方式为：当学习者有未掌握的知识节点时，服务器中的推荐引擎模块结合领域知识结构，即贝叶斯网络和知识能力模型预测出的这些未掌握的知识节点所能掌握的概率，然后根据这些知识点和所能掌握的概率选择服务器中对应的题目推荐给学习者练习，直到学习者掌握所有知识点为止，其中，当系统认定学生掌握了所有知识节点后，学生则完成该领域知识点的学习任务；
服务器根据用户知识能力模型对管理员预设的知识点中的测试题目重新筛选，并将筛选后的题目推给用户重新作答，作答后对用户知识能力模型进行修改，再次重复筛选推送并根据用户作答情况修改模型，直至用户完全掌握该领域知识点为止。
2.根据权利要求1所述的一种领域知识点结构缺陷智能诊断方法，其特征在于，在学习者在对服务器中测试题目进行作答时，学习者初次作答并提交答题，服务器判题并记录答题的正误信息，根据学习者的答题信息计算学生的领域知识节点的状态值，服务器在推荐题目时，学习者再次作答提交后，服务器再次更新学习者在知识节点的状态值，完成知识能力模型实时更新。
3.根据权利要求1所述的一种领域知识点结构缺陷智能诊断方法的系统，其特征在于，所述的系统包括：
管理员终端：管理员通过管理员终端完成服务器中领域知识点和相应的测试题目的设置，以及增加、删除、修改和查找的操作；
后台服务器：对管理员设置的测试题目展示至用户前端，并在用户对测试题目作答后进行判题，并记录答题的正误信息，然后根据用户的答题信息计算用户的知识点的状态值，然后根据用户知识点的状态值推荐相应的题目，在用户再次作答提交后，服务器再次更新学生在知识点的状态值，直至用户完全掌握该领域知识点为止，
用户终端：将用户请求传输至服务器，并根据用户请求接收从服务器发出的测试题目并展示给用户，用户对测试题目作答后再次传输至服务器进行判断，完成用户于服务器之间的信息交互。
4.根据权利要求3所述的一种领域知识点结构缺陷智能诊断方法的系统，其特征在于，用户终端中设置有用户ID，当用户通过用户终端向后台服务器提交领域知识点和相应的测试题目的练习请求后，后台服务器根据用户ID查找该用户ID对应的知识能力模型；若存在，则通过该用户ID的知识能力模块选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试；若不存在，则创建新用户ID的知识能力模型，根据用户领域知识点的请求推送管理员预设测试题目中的随机题目供用户完成初次测试，根据用户初次测试的信息对用户知识能力模型进行更新，然后选出用户在该领域知识点中尚未掌握的知识节点，查询出对应领域知识点的测试题目，传输至用户终端进行展示，供用户完成测试。
5.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至2任一所述的领域知识点结构缺陷智能诊断方法的步骤。
6.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至2任一所述的领域知识点结构缺陷智能诊断方法的步骤。
CN202010831440.7A 2020-08-18 2020-08-18 一种领域知识点结构缺陷智能诊断方法 Active CN111949882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010831440.7A CN111949882B (zh) 2020-08-18 2020-08-18 一种领域知识点结构缺陷智能诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010831440.7A CN111949882B (zh) 2020-08-18 2020-08-18 一种领域知识点结构缺陷智能诊断方法

Publications (2)

Publication Number Publication Date
CN111949882A CN111949882A (zh) 2020-11-17
CN111949882B true CN111949882B (zh) 2023-09-08

Family

ID=73343548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010831440.7A Active CN111949882B (zh) 2020-08-18 2020-08-18 一种领域知识点结构缺陷智能诊断方法

Country Status (1)

Country Link
CN (1) CN111949882B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114841567A (zh) * 2022-05-06 2022-08-02 支付宝(杭州)信息技术有限公司 一种安全知识水平测试方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281687A (zh) * 2008-02-04 2008-10-08 博采林电子科技（深圳）有限公司 一种学习机及其使用的动态图文解析方法
CA2826940A1 (en) * 2011-02-16 2012-08-23 Knowledge Factor, Inc. System and method for adaptive knowledge assessment and learning
CN104408985A (zh) * 2014-12-17 2015-03-11 李莎 基于云网络的答题学习方法及系统
WO2016127922A1 (zh) * 2015-02-12 2016-08-18 马正方 数字化环境下的学习装置
WO2017025046A1 (zh) * 2015-08-13 2017-02-16 马正方 一种基于知识点结构的题库系统
WO2017124344A1 (zh) * 2016-01-20 2017-07-27 吴晓敏 梳理知识点的方法以及学习系统
CN109598995A (zh) * 2019-01-08 2019-04-09 上海健坤教育科技有限公司 基于贝叶斯知识跟踪模型的智能教学系统
CN109949638A (zh) * 2019-04-22 2019-06-28 软通智慧科技有限公司 知识掌握程度确定方法、装置、终端和介质
CN110222195A (zh) * 2019-05-22 2019-09-10 北京作业盒子科技有限公司 题目作答结果与知识点关系的挖掘方法及电子装置
CN110377814A (zh) * 2019-05-31 2019-10-25 平安国际智慧城市科技股份有限公司 题目推荐方法、装置及介质
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8366449B2 (en) * 2008-08-13 2013-02-05 Chi Wang Method and system for knowledge diagnosis and tutoring

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101281687A (zh) * 2008-02-04 2008-10-08 博采林电子科技（深圳）有限公司 一种学习机及其使用的动态图文解析方法
CA2826940A1 (en) * 2011-02-16 2012-08-23 Knowledge Factor, Inc. System and method for adaptive knowledge assessment and learning
CN104408985A (zh) * 2014-12-17 2015-03-11 李莎 基于云网络的答题学习方法及系统
WO2016127922A1 (zh) * 2015-02-12 2016-08-18 马正方 数字化环境下的学习装置
WO2017025046A1 (zh) * 2015-08-13 2017-02-16 马正方 一种基于知识点结构的题库系统
WO2017124344A1 (zh) * 2016-01-20 2017-07-27 吴晓敏 梳理知识点的方法以及学习系统
CN109598995A (zh) * 2019-01-08 2019-04-09 上海健坤教育科技有限公司 基于贝叶斯知识跟踪模型的智能教学系统
CN109949638A (zh) * 2019-04-22 2019-06-28 软通智慧科技有限公司 知识掌握程度确定方法、装置、终端和介质
CN110222195A (zh) * 2019-05-22 2019-09-10 北京作业盒子科技有限公司 题目作答结果与知识点关系的挖掘方法及电子装置
CN110377814A (zh) * 2019-05-31 2019-10-25 平安国际智慧城市科技股份有限公司 题目推荐方法、装置及介质
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
专家系统推荐知识模块的自适应学习平台;张庆生，廖敬萍;物联网技术;全文 *

Also Published As

Publication number Publication date
CN111949882A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
US11195428B2 (en) Systems and methods for providing information incorporating reinforcement-based learning and feedback
CN111274411A (zh) 课程推荐方法、装置、电子设备及可读存储介质
US9672752B2 (en) Learning assistance server, learning assistance system, and learning assistance program
CN110941723A (zh) 一种知识图谱的构建方法、系统及存储介质
CN112784608B (zh) 试题推荐方法、装置、电子设备和存储介质
CN111177304B (zh) 一种自动生成用户习题的方法及终端
CN104408985A (zh) 基于云网络的答题学习方法及系统
CN104794947A (zh) 一种教学情况反馈方法及装置
CN106126524B (zh) 信息推送方法和装置
CN109637238B (zh) 一种练习题的生成方法、装置、设备和存储介质
US20140322694A1 (en) Method and system for updating learning object attributes
US20020150868A1 (en) Remote learning method and remote learning control apparatus
CN113657723A (zh) 知识点掌握情况诊断方法、试题推荐方法及装置
CN108647363A (zh) 图谱构建、显示方法、装置、设备及存储介质
CN112596731A (zh) 一种融合智能教育的编程教学系统及方法
CN114429212A (zh) 智能学习知识能力跟踪方法、电子设备及存储介质
CN110110899A (zh) 知识掌握度的预测方法、自适应学习方法及电子设备
JP2002072856A (ja) 受講講習会選定装置、受講講習会選定方法、及び記憶媒体
KR101693592B1 (ko) 지능형 학습 관리 방법
CN111949882B (zh) 一种领域知识点结构缺陷智能诊断方法
Kharis et al. Design of student success prediction application in online learning using Fuzzy-KNN
Perez et al. Implementation of a test constructor utilizing a calibrated item bank using 3PL-IRT model
JP2002215014A (ja) 教育システム及び方法
CN112287115A (zh) 基于知识掌握程度图的个性化教学方法、系统及装置
CN117131288B (zh) 一种产学研用推荐系统及方法

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
GR01 Patent grant
GR01 Patent grant