CN112100154A - 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质 - Google Patents

基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN112100154A
CN112100154A CN202010892801.9A CN202010892801A CN112100154A CN 112100154 A CN112100154 A CN 112100154A CN 202010892801 A CN202010892801 A CN 202010892801A CN 112100154 A CN112100154 A CN 112100154A
Authority
CN
China
Prior art keywords
parameter
model
question
changing
variable
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
CN202010892801.9A
Other languages
English (en)
Other versions
CN112100154B (zh
Inventor
陈名弟
华建民
黄乐鹏
薛暄译
刘毅
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202010892801.9A priority Critical patent/CN112100154B/zh
Publication of CN112100154A publication Critical patent/CN112100154A/zh
Application granted granted Critical
Publication of CN112100154B publication Critical patent/CN112100154B/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质，本发明利用任一结构模型构建母题，根据知识点、题型的需要，自动、智能变参，生成固定参数题目或变参题目，适用于力学类课程的题库建设，实现了题库建设过程中的人机图形交互，根据知识点和题型要求进行自动题干填充，可方便生成各类主观题和客观题，操作过程极简化，有效减少老师出题、建库的工作量，还能够充分保证所形成题目的正确性和可求解性。题目数据为纯文本格式，占用存储空间小，生成的题目中，题干、图形均自动匹配，可方便应用于各类文档格式或网络存储、传输。

Description

基于人机交互的结构力学课程题库智能生成方法、系统、装置 及存储介质
技术领域
本发明涉及智能教学技术领域，尤其涉及应用于高等教育中《结构力学》课程教学领域的一种基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质。
背景技术
《结构力学》课程教学中，无论是传统教学模式，还是在线教学模式，对练习题、考核考试题皆有大量需求。由于力学的课程特点，绝大多数题目都需配上对应的计算简图，教师需要设计题目、绘制简图、给出完整计算过程并提供正确答案，因此，建设习题试题库，需要耗费大量的精力，目前的题库建设方式仍是一题一建。
采用以上方式建库，有以下局限：
1、题目容量有限，建设、修改、更新和扩充难度大；
2、题目和参考答案的校核，只能以人工方式完成，容易产生错误；
3、对于题目中存在一题多解时，参考答案无法穷尽所有可能解题途径；
4、传统题库图文混编，存贮空间需求大，文本与图形信息独立，只能以固定格式识别，多平台使用时则需要重新转换。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，特别创新地提出了一种基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质，能够利用任一结构模型构建母题，根据知识点、题型的需要，自动、智能变参，生成固定参数题目或变参题目，适用于力学类课程的题库建设，可较好地解决传统题库建设方式中的不足。
为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于人机交互的结构力学课程题库智能生成方法，所述方法包括如下步骤：
构建参数变化前的基础结构模型作为母题模型；
获取对所述母题模型设定的知识点信息和可变参数信息；
基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型；
获取题型设置信息；
基于所述题型设置信息和所述变参模型生成变参题目；
将所述变参题目插入题库。
优选地，所述基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型包括：
基于所述知识点信息和所述可变参数信息，利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成所述变参模型。
优选地，所述方法还包括：
若所述分析结果不满足预设条件，则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。
优选地，在将所述变参题目插入题库之前，所述方法还包括：
获取所述变参题目对应的变参模式信息，其中，所述变参模式包括固定参数模式和智能变参模式。
根据本发明的第二个方面，本发明还提供了一种基于人机交互的结构力学课程题库智能生成系统，所述系统包括：
母题模型构建模块，用于构建参数变化前的基础结构模型作为母题模型；
第一获取模块，用于获取对所述母题模型设定的知识点信息和可变参数信息；
变参模型生成模块，用于基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型；
第二获取模块，获取题型设置信息；
变参题目生产模块，用于基于所述题型设置信息和所述变参模型生成变参题目；
变参题目插入模块，用于将所述变参题目插入题库。
优选地，所述变参模型生成模块具体用于：
基于所述知识点信息和所述可变参数信息，利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成所述变参模型。
优选地，所述变参模型生成模块还用于：
若所述分析结果不满足预设条件，则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。
优选地，所述系统还包括：
第三获取模块，用于在将所述变参题目插入题库之前，获取所述变参题目对应的变参模式信息，其中，所述变参模式包括固定参数模式和智能变参模式。
根据本发明的第三个方面，本发明还提供了一种基于人机交互的结构力学课程题库智能生成装置，所述装置包括存储器、处理器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如本发明第一个方面所述的基于人机交互的结构力学课程题库智能生成方法的步骤。
根据本发明的第四个方面，本发明还提供了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执行时实现如本发明第一个方面所述的基于人机交互的结构力学课程题库智能生成方法的步骤。
由以上方案可知，本发明提供了一种基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质，所述方法包括构建参数变化前的基础结构模型作为母题模型；获取对所述母题模型设定的知识点信息和可变参数信息；基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型；获取题型设置信息；基于所述题型设置信息和所述变参模型生成变参题目；将所述变参题目插入题库。本发明利用任一结构模型构建母题，根据知识点、题型的需要，自动、智能变参，生成固定参数题目或变参题目，适用于力学类课程的题库建设，实现了题库建设过程中的人机图形交互，根据知识点和题型要求进行自动题干填充，可方便生成各类主观题(如绘图、分析、计算)和客观题(如填空、选择、判断)，操作过程极简化，有效减少老师出题、建库的工作量，还能够充分保证所形成题目的正确性和可求解性。题目数据为纯文本格式，占用存储空间小，生成的题目中，题干、图形均自动匹配，可方便应用于各类文档格式或网络存储、传输。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明一种优选实施方式中基于人机交互的结构力学课程题库智能生成方法的流程示意图；
图2是本发明一种优选实施方式中基于人机交互的结构力学课程题库智能生成系统的结构示意图；
图3是本发明一种优选实施方式中基于人机交互的结构力学课程题库智能生成装置的结构示意图；
图4是本发明具体实例中基于人机交互的结构力学课程题库智能生成系统的变参控制的综合设置功能的人机交互界面示意图；
图5是本发明具体实例中几何组成分析知识点的人机交互界面示意图；
图6是本发明具体实例中几何组成分析知识点的变参题目的效果示意图；
图7是本发明具体实例中静定结构内力分析知识点的人机交互界面示意图；
图8是本发明具体实例中静定结构内力分析知识点的变参题目的效果示意图；
图9是本发明具体实例中力法知识点的人机交互界面示意图；
图10是本发明具体实施例中力法知识点的变参题目的效果示意图；
图11是本发明具体实施例中位移法知识点的人机交互界面示意图；
图12是本发明具体实施例中位移法知识点的变参题目的效果示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
根据本发明的第一个方面，本发明提供了一种基于人机交互的结构力学课程题库智能生成方法，如图1所示，所述方法可以包括如下步骤：
S101，构建参数变化前的基础结构模型作为母题模型；
首先需要构建任一结构模型作为参数变化前的基础模型，并将该基础模型作为母题导入至系统中。
S102，获取对母题模型设定的知识点信息和可变参数信息；
然后需要根据母题模型的设置对应的知识点信息和可变参数信息，其中，知识点信息包括结构力学中主要的知识点，如几何组成分析、静定结构内力分析、位移计算、力法、位移法、力矩分配法等，根据设定的对应的知识点信息，形成包含该知识点的题目，从而便于有针对性的构建相应题目的题库；可变变数信息主要是用来为后续的自动变参限定相应的条件和参数变化范围，使得最终得到的变参题目在需要的范围内，保证更好地实现出题老师的出题意图，并尽量让计算量、题目难度均在可控状态下。
S103，基于知识点信息和可变参数信息对母题模型进行变参效果模拟得到变参模型；
然后，系统会根据获取到的对于母题模型设定的知识点信息和可变参数信息对母题模型进行变参后的变参模型的效果的模拟显示，便于出题老师直观地看到变参后的模型的具体结构。
S104，获取题型设置信息；
接着，还需要进行想要得到的具体题型的设置，所述题型主要包括填空题、判断题、分析题、绘图题和计算题等，根据获取到的题型设置信息，最终会生成与该题型设置信息相对应的题型的变参题目。
S105，基于题型设置信息和变参模型生成变参题目；
接着，系统结合获取到的题型设置信息和母题题型经过变参后得到的变参模型，自动填充题干，生成相应的变参题目。
S106，将变参题目插入题库。
最后需要将得到的变参题目插入题库中，从而得到海量智能变参题目构成的题库，从而便于学生在进入到题库是能够进行相应的变参题目的练习。
在本实施方式中，步骤S103包括：
基于知识点信息和可变参数信息，利用随机函数(例如.NET随机函数)从母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的参数对母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成变参模型。所述满足预设条件具体可以是满足题目的兼容性和正确性，使得通过变参模型得到的变参题目不会出现题目本身错误的问题。
在本实施方式中，所述方法还可以包括：
若分析结果不满足预设条件，则继续利用随机函数从母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。
在本实施方式中，在步骤S106之前，所述方法还可以包括：
获取变参题目对应的变参模式信息，其中，变参模式包括固定参数模式和智能变参模式。
综上所述，本实施例提供了一种基于人机交互的结构力学课程题库智能生成方法，首先构建参数变化前的基础结构模型作为母题模型；然后获取对母题模型设定的知识点信息和可变参数信息；然后基于知识点信息和可变参数信息对母题模型进行变参效果模拟得到变参模型；接着获取题型设置信息；接着基于题型设置信息和变参模型生成变参题目；最后将变参题目插入题库。本发明可以利用任一结构模型构建母题，根据知识点、题型的需要，自动、智能变参，生成固定参数题目或变参题目，适用于力学类课程的题库建设，实现了题库建设过程中的人机图形交互，根据知识点和题型要求进行自动题干填充，可方便生成各类主观题(如绘图、分析、计算)和客观题(如填空、选择、判断)，操作过程极简化，有效减少老师出题、建库的工作量，还能够充分保证所形成题目的正确性和可求解性。题目数据为纯文本格式，占用存储空间小，生成的题目中，题干、图形均自动匹配，可方便应用于各类文档格式或网络存储、传输。
根据本发明的第二个方面，本发明提供了一种基于人机交互的结构力学课程题库智能生成系统，如图2所示，所述系统可以包括：
母题模型构建模块201，用于构建参数变化前的基础结构模型作为母题模型；
首先需要构建任一结构模型作为参数变化前的基础模型，并将该基础模型作为母题导入至系统中。
第一获取模块202，用于获取对母题模型设定的知识点信息和可变参数信息；
然后需要根据母题模型的设置对应的知识点信息和可变参数信息，其中，知识点信息包括结构力学中主要的知识点，如几何组成分析、静定结构内力分析、位移计算、力法、位移法、力矩分配法等，根据设定的对应的知识点信息，形成包含该知识点的题目，从而便于有针对性的构建相应题目的题库；可变变数信息主要是用来为后续的自动变参限定相应的条件和参数变化范围，使得最终得到的变参题目在需要的范围内，保证更好地实现出题老师的出题意图，并尽量让计算量、题目难度均在可控状态下。
变参模型生成模块203，用于基于知识点信息和可变参数信息对母题模型进行变参效果模拟得到变参模型；
然后，系统会根据获取到的对于母题模型设定的知识点信息和可变参数信息对母题模型进行变参后的变参模型的效果的模拟显示，便于出题老师直观地看到变参后的模型的具体结构。
第二获取模块204，获取题型设置信息；
接着，还需要进行想要得到的具体题型的设置，所述题型主要包括填空题、判断题、分析题、绘图题和计算题等，根据获取到的题型设置信息，最终会生成与该题型设置信息相对应的题型的变参题目。
变参题目生产模块205，用于基于题型设置信息和变参模型生成变参题目；
接着，系统结合获取到的题型设置信息和母题题型经过变参后得到的变参模型，自动填充题干，生成相应的变参题目。
变参题目插入模块206，用于将变参题目插入题库。
最后需要将得到的变参题目插入题库中，从而得到海量智能变参题目构成的题库，从而便于学生在进入到题库是能够进行相应的变参题目的练习。
在本实施方式中，变参模型生成模块203具体用于：
基于知识点信息和可变参数信息，利用随机函数从母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的参数对母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成变参模型。
在本实施方式中，变参模型生成模块203还用于：
若分析结果不满足预设条件，则继续利用随机函数从母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。所述满足预设条件具体可以是满足题目的兼容性和正确性，使得通过变参模型得到的变参题目不会出现题目本身错误的问题。
在本实施方式中，所述系统还可以包括：
第三获取模块，用于在将变参题目插入题库之前，获取变参题目对应的变参模式信息，其中，变参模式包括固定参数模式和智能变参模式。
综上所述，本实施例提供了一种基于人机交互的结构力学课程题库智能生成系统，通过母题模型构建模块构建参数变化前的基础结构模型作为母题模型；通过第一获取模块然后获取对母题模型设定的知识点信息和可变参数信息；通过变参模型生产模块基于知识点信息和可变参数信息对母题模型进行变参效果模拟得到变参模型；通过第二获取模块获取题型设置信息；通过变参题目生成模块基于题型设置信息和变参模型生成变参题目；通过变参题目插入模块将变参题目插入题库。本发明可以利用任一结构模型构建母题，根据知识点、题型的需要，自动、智能变参，生成固定参数题目或变参题目，适用于力学类课程的题库建设，实现了题库建设过程中的人机图形交互，根据知识点和题型要求进行自动题干填充，可方便生成各类主观题(如绘图、分析、计算)和客观题(如填空、选择、判断)，操作过程极简化，有效减少老师出题、建库的工作量，还能够充分保证所形成题目的正确性和可求解性。题目数据为纯文本格式，占用存储空间小，生成的题目中，题干、图形均自动匹配，可方便应用于各类文档格式或网络存储、传输。
上述基于人机交互的结构力学课程题库智能生成系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
根据本发明的第三个方面，本发明还提供了一种基于人机交互的结构力学课程题库智能生成装置3，如图3所示，所述装置3包括存储器301、处理器302以及存储于存储器301中并可在处理器302上运行的计算机程序303，处理器302执行计算机程序303时实现如本发明第一个方面的力矩分配法的自动分析模拟方法的步骤。
根据本发明的第四个方面，本发明还提供了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执行时实现如本发明第一个方面所述的基于人机交互的结构力学课程题库智能生成方法的步骤。
下面以利用本发明方法原理制作的基于人机交互的题库生成系统作为具体实例进一步说明本发明的功能。
图4为题库生成系统中用户需要实现更自由的变参功能时的变参控制的综合设置功能的人机交互界面，通过点击“综合设置”选项卡进入。通常非默认的设置可能会变化出计算量偏大的题目，以下图5-图12各附图中，仍按默认变参设置进行说明。由于位移计算的模式与静力结构内力分析类似，力矩分配法模式与位移法类似，此二类题目的人机交互变参未在下述附图说明中单列。
图5为几何组成分析相应知识点的题目人机交互的用户界面。本图中所显示的模型为母题，尚未进行变参，该界面有题型选择、变参设定、变参模拟效果、插入题库等功能选项按键，点击相应的选项按键可以实现相应的功能。
图6为图5中几何组成分析知识点的母题可生成的四类题型的某一变参结果示意图。
图7为静定结构内力分析相应知识点的题目人机交互的用户界面。本图所显示的模型为母题，尚未进行变参。母题为超静定，需要将其变参为静定，以满足本知识的设定。其余变参条件还包括结构尺寸、结点荷载、单元荷载。
图8为图7中静定结构内力分析知识点的母题可生成的四类题型的某一变参结果示意图。其中截面和支座均未特别指定，题干和图形中的截面指示，均为变参自动生成的效果。
图9为(超静定结构)力法分析相应知识点的题目人机交互的用户界面。本图所显示的模型为母题，尚未进行变参。变参设定中超静定次数为1或者2。其余变参条件还包括结构尺寸、结点荷载、单元荷载、刚度特征等。
图10为图9中力法知识点的母题生成的变参结果示意图。
图11为(超静定结构)位移法分析相应知识点的题目人机交互的用户界面。本图所显示的模型为母题，尚未进行变参。母题角位移为2，变参会改变某些单元的远端约束条件。其余变参条件还包括结构尺寸、结点荷载、单元荷载、刚度特征等。
图12为图11中位移法知识点的母题可生成的4类题型的某一变参结果示意图。
综上所述，本发明所采用的技术方案主要是使用随机函数，从母题模型的某一类参数中，在可选范围内，随机生成、或随机抽取一组参数；同时使用杆系结构有限元分析技术对结构的当前状态进行几何分析或受力分析，保证每一变参步骤，均满足题目的兼容性和正确性，从而实现题目的智能变参。
理论上，据此变参方式，可穷尽模型数据的一切组合。但为保证更好地实现老师的出题意图，并让计算量、题目难度均在可控状态下，由图4-图12的所示的具体实例可以看出，采用本发明方法原理得到的人机交互的题库生成系统对以下关键参数进行智能控制。
1、约束变参功能；
对内外约束，根据教师的操作设定，进行智能附加或减除，以实现体系整体几何参数的自动变化，可在包括运动自由度、计算自由度、多余约束、外约束等限制条件上作任意自由变化。
变参后，模型的基本特征需要与相关知识点完全匹配。对变参结果中的诸多可能，系统将自动保证以下条件满足：静定结构相关知识点，要求变参后模型静定；力法计算时，要求变参后模型为超静定；位移法计算时，要求变参后模型线位移、角位移数目均不改变；力矩分配法计算时，要求变参后模型的角位移数目不改变。
如因母题原因，不可能达到用户变参目的时，系统会在变参前提示。同时，因为变参计算工作量大，在试算次数达到4000仍未变换出满足用户要求的变参模型时，系统会中断试算，用户可选择继续变参，或切换母题。
2、几何尺度变参功能；
对模型的几何尺度进行合理变换，以实现结构尺寸参数的智能变化。同时还保证结构尺度与原模型类似，避免计算量发生过大的波动。
3、荷载变参功能；
对模型作用的外荷载数值，在合理范围内进行智能变化。为保证变参前后结构计算量大致相同，本功能默认模式下不会对荷载的其它参数(如作用方向、单元荷载类型等)进行变参。
4、刚度变参功能；
对分析时需要使用到截面刚度的相关知识点，如位移计算、超静定结构计算等，可令杆件截面刚度，在默认范围(或设置范围)内进行智能变化。
5、考核参数变参功能；
可智能设置考核点的具体位置和内容，如需要绘制内力图的性质(弯矩、剪力、轴力)，或结点、截面位置，或截面所处杆件，或截面的自由度等等，均可根据设置进行指定。
6、变参模式和固定参数模式相结合。
变参题目在分发给学生时，会携带母题及所有的变参信息，学生每一次重新打开、或超出设定时间间隔后还未提交，变参题目将会随机强制刷新，可保证学生作业和考核考试时“动态成题、一人一题”，杜绝抄袭，保证练习和考核的有效性，辅助老师更好地把握每一学生的学习情况；
也可根据需要，将变参形成的当前题目，按固定参数模式分发给学生，此时所有学生得到的题目是完全一致的，可以实现更充分讨论的教学目的。
具体地，如需实现更自由的参数变化，还可进入“综合设置”选项卡中进行设定。
本实施例中，所述基于人机交互的结构力学课程题库智能生成系统集成的模块/单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于人机交互的结构力学课程题库智能生成方法，其特征在于，包括如下步骤：
构建参数变化前的基础结构模型作为母题模型；
获取对所述母题模型设定的知识点信息和可变参数信息；
基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型；
获取题型设置信息；
基于所述题型设置信息和所述变参模型生成变参题目；
将所述变参题目插入题库。
2.根据权利要求1所述的基于人机交互的结构力学课程题库智能生成方法，其特征在于，所述基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型包括：
基于所述知识点信息和所述可变参数信息，利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成所述变参模型。
3.根据权利要求2所述的基于人机交互的结构力学课程题库智能生成方法，其特征在于，还包括：
若所述分析结果不满足预设条件，则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。
4.根据权利要求1-3任意一项所述的基于人机交互的结构力学课程题库智能生成方法，其特征在于，在将所述变参题目插入题库之前还包括：
获取所述变参题目对应的变参模式信息，其中，所述变参模式包括固定参数模式和智能变参模式。
5.一种基于人机交互的结构力学课程题库智能生成系统，其特征在于，包括：
母题模型构建模块，用于构建参数变化前的基础结构模型作为母题模型；
第一获取模块，用于获取对所述母题模型设定的知识点信息和可变参数信息；
变参模型生成模块，用于基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型；
第二获取模块，获取题型设置信息；
变参题目生产模块，用于基于所述题型设置信息和所述变参模型生成变参题目；
变参题目插入模块，用于将所述变参题目插入题库。
6.根据权利要求5所述的基于人机交互的结构力学课程题库智能生成系统，其特征在于，所述变参模型生成模块具体用于：
基于所述知识点信息和所述可变参数信息，利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数；
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型；
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析，若分析结果满足预设条件，则生成所述变参模型。
7.根据权利要求6所述的基于人机交互的结构力学课程题库智能生成系统，其特征在于，所述变参模型生成模块还用于：
若所述分析结果不满足预设条件，则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数，直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构，在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后，得到的分析结果满足预设条件。
8.根据权利要求5-7任意一项所述的基于人机交互的结构力学课程题库智能生成系统，其特征在于，还包括：
第三获取模块，用于在将所述变参题目插入题库之前，获取所述变参题目对应的变参模式信息，其中，所述变参模式包括固定参数模式和智能变参模式。
9.一种基于人机交互的结构力学课程题库智能生成装置，其特征在于，包括存储器、处理器以及存储于所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的基于人机交互的结构力学课程题库智能生成方法的步骤。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任意一项所述的基于人机交互的结构力学课程题库智能生成方法的步骤。
CN202010892801.9A 2020-08-31 2020-08-31 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质 Active CN112100154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010892801.9A CN112100154B (zh) 2020-08-31 2020-08-31 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010892801.9A CN112100154B (zh) 2020-08-31 2020-08-31 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112100154A true CN112100154A (zh) 2020-12-18
CN112100154B CN112100154B (zh) 2023-10-24

Family

ID=73756668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010892801.9A Active CN112100154B (zh) 2020-08-31 2020-08-31 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112100154B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361245A (zh) * 2021-06-30 2021-09-07 武汉悦学帮网络技术有限公司 课程文件生成方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819769A (zh) * 2012-07-26 2012-12-12 孙雪冬 一种基于集成化建模的个性化学习资源优化方法
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN107590247A (zh) * 2017-09-18 2018-01-16 杭州博世数据网络有限公司 一种基于群体知识诊断的智能组卷方法
CN109857835A (zh) * 2018-12-28 2019-06-07 北京红山瑞达科技有限公司 一种基于认知诊断理论的自适应网络安全知识测评方法
CN110517547A (zh) * 2019-08-23 2019-11-29 重庆大学 基于人机交互的力学智能分析系统
CN110706535A (zh) * 2019-10-29 2020-01-17 长沙理工大学 一种在线题库的参数化设计及智能统计的方法
CN111125342A (zh) * 2019-12-17 2020-05-08 深圳市鹰硕技术有限公司 习题测试数据生成方法以及装置
CN111564072A (zh) * 2020-06-09 2020-08-21 暗物智能科技(广州)有限公司 一种平面几何自动出题方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN102819769A (zh) * 2012-07-26 2012-12-12 孙雪冬 一种基于集成化建模的个性化学习资源优化方法
CN107590247A (zh) * 2017-09-18 2018-01-16 杭州博世数据网络有限公司 一种基于群体知识诊断的智能组卷方法
CN109857835A (zh) * 2018-12-28 2019-06-07 北京红山瑞达科技有限公司 一种基于认知诊断理论的自适应网络安全知识测评方法
CN110517547A (zh) * 2019-08-23 2019-11-29 重庆大学 基于人机交互的力学智能分析系统
CN110706535A (zh) * 2019-10-29 2020-01-17 长沙理工大学 一种在线题库的参数化设计及智能统计的方法
CN111125342A (zh) * 2019-12-17 2020-05-08 深圳市鹰硕技术有限公司 习题测试数据生成方法以及装置
CN111564072A (zh) * 2020-06-09 2020-08-21 暗物智能科技(广州)有限公司 一种平面几何自动出题方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUANTENG HUANG等: "teaching reform research of structure mechanics based on application-oriented excellent engineer education trining plan", PROCEEDINGS OF THE 2017 2ND INTERNATIONAL CONFERENCE ON EDUCATION，MANAGEMENT SCIENCE AND ECONOMICS, vol. 49, pages 339 - 343 *
于涵;王蕾;佟威;: "国家题库建设:从1.0到2.0――新高考国家题库创新研究", 清华大学教育研究, vol. 41, no. 01, pages 94 - 100 *
陈朝晖等: "基于知识建构与交互学习的混合式教学模式研究与实践", 中国大学教学, no. 8, pages 33 - 37 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361245A (zh) * 2021-06-30 2021-09-07 武汉悦学帮网络技术有限公司 课程文件生成方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112100154B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Yuhui et al. Frame-based calculus of solving arithmetic multi-step addition and subtraction word problems
CN100585663C (zh) 语言学习系统
Ainley Re-viewing graphing: Traditional and intuitive approaches
Eschenbrenner et al. Learning through mobile devices: leveraging affordances as facilitators of engagement
Anderson et al. Population dynamics
CN112100154A (zh) 基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质
Zhang et al. A review of embodied learning research and its implications for information teaching practice
Choi et al. Computerized item modeling practices using computer adaptive formative assessment automatic item generation system: A tutorial
CN111651922A (zh) 力法计算的模拟手算分析方法、系统、装置及存储介质
Bruder et al. Training the elderly in the use of electronic devices
CN112100764B (zh) 力矩分配法的自动模拟分析方法、系统、装置及存储介质
de Ruiter et al. “Doing” mindsets in the classroom: A coding scheme for teacher and student mindset-related verbalizations
CN113327473A (zh) 一种虚拟仿真教学实训系统、控制方法、装置及存储介质
Christie et al. 11 Taking stock: future directions in research in knowledge structure
Kynigos et al. Empowering a society of future users of information technology: a longitudinal study of an application in early education
Bagley et al. Second-grade students’ use of visual programming to learn multiplication: Leveraging the concept of iteration
Wang The Research about the Innovative Application in Education Field Based on ChatGPT Foundation Model
Yuan [Retracted] The Blended Teaching Practice of College English Audiovisual Courses in Colleges and Universities from the Perspective of BOPPPS Model
Bian et al. Teaching reform and practice of embedded system structure under OBE background
Heylighen et al. Exposure to examples: Exploring Case-Based Design in architectural education
Jenahut et al. Articulate Storyline-Based Learning Media Loaded with Local Wisdom Values in Historical Narrative Text Material for Elementary School Students
Smith Computer mediated learning in engineering education
de Figueiredo Generalist teacher music preparation: A Brazilian investigation
Ding Development of computer-aided English listening system based on BS architecture
Song et al. Teaching reform on computer operating system

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