CN112446594B - 一种用于学前儿童综合能力分析的多层级可量化计算方法 - Google Patents
一种用于学前儿童综合能力分析的多层级可量化计算方法 Download PDFInfo
- Publication number
- CN112446594B CN112446594B CN202011262390.1A CN202011262390A CN112446594B CN 112446594 B CN112446594 B CN 112446594B CN 202011262390 A CN202011262390 A CN 202011262390A CN 112446594 B CN112446594 B CN 112446594B
- Authority
- CN
- China
- Prior art keywords
- score
- list
- node
- capability
- sub
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 title claims description 7
- 238000011835 investigation Methods 0.000 claims abstract description 31
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 6
- PSVRFUPOQYJOOZ-QNPWAGBNSA-O 2-[hydroxy-[(2r)-2-[(5z,8z,11z,14z)-icosa-5,8,11,14-tetraenoyl]oxy-3-octadecanoyloxypropoxy]phosphoryl]oxyethyl-trimethylazanium Chemical compound CCCCCCCCCCCCCCCCCC(=O)OC[C@H](COP(O)(=O)OCC[N+](C)(C)C)OC(=O)CCC\C=C/C\C=C/C\C=C/C\C=C/CCCCC PSVRFUPOQYJOOZ-QNPWAGBNSA-O 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用于学前儿童综合能力分析的多层级可量化计算方法,包括获取测试过程中的题目列表;从题目列表中获取测试题目,标识为测试题目;查询测试题目对应的目标能力列表和编号;从目标能力列表中获取考察能力,标识为考察能力;根据编号和考察能力加载该能力所包含的子能力项并计算打分值;动态加载子能力模块,执行打分功能并将结果存入子能力列表;根据子能力列表计算所有子能力的量化分值;根据计算的分值按照能力ID在内存树上设置对应分值;重建内存树的分值,得到更新后的打分结果。
Description
技术领域
本发明涉及多层级量化计算技术领域,更具体的说是涉及一种用于学前儿童综合能力分析的多层级可量化计算方法。
背景技术
目前,在教育质量评价中,对学前儿童语言能力发展结果的评估与监控是其中最重要的重要内容,也是影响教育质量的一项重要因素。我国《3-6岁儿童学习与发展指南》按照幼儿学习和活动的范畴把幼儿园教育分为健康、语言、社会、科学、艺术五大领域,这五大领域规范了我国学前儿童教育过程中应该涉及的重要方面,但是,每个领域下具体涵盖什么样的能力,目前在科研领域存在多种划分方式,这种划分方式没有具体的标准和规范,这就带来一个问题,如何选择合适的能力划分直接对儿童五大领域的综合能力评价和分析产生关键性的影响。另外,虽然《指南》规范了儿童教育在不同年龄段的应该发展的能力,但是这大多数评价标准都是建立在定性的分析上,利用信息化技术建立定量的分析手段目前是我国该领域亟待解决的问题。
针对五大领域的儿童综合能力测评需要,我们实现了对五大领域的详细划分,具体细分为二十三项能力,每项能力下面又具体细分了多项子能力,该产品旨在加强儿童综合能力基础和发展的考查,促进儿童逻辑思维能力、专注力、表达力、理解力行动力、创造力等儿童各方面能力的全面发展。每项子能力通过使用目前前沿的信息技术,例如人工智能技术进行有效的分析,然后通过层级间的权重关系进行有效的量化计算,实现了儿童教育评价的可量化、智能化、自动化。
在《幼儿园教育指导纲要(试行)》中明确指出:“教育评价是幼儿园教育工作的重要组成部分,是了解教育适宜性、有效性、调整和改进工作,促进每一个幼儿发展,提高教育质量的必要手段”,可是“如何评价、评什么、怎么评”,一直是我国学前教育评价的一个关键性问题。幼儿园存在的固有问题就是效率低、不客观、不具有全面评价的权威性、抽样数据难以科学利用等。幼儿园每年1-2次教育评价,劳心劳力花时间,让老师们极其烦恼。该产品测评,不是为了区分幼儿能力的优劣势,而是让家长更能准确的了解孩子的二十三能力发展情况。并能有效的对孩子进行最适宜的教育,从而让孩子能得到全面的发展。
因此,对五大领域、二十三项能力以及子能力针对儿童测试进行量化处理,实现多层级可量化的结构,计算方法上具有简单、高效、高扩展性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种用于学前儿童综合能力分析的多层级可量化计算方法。通过对五大领域进行有效的划分,具体为二十三项能力,每项能力又划分为多个子能力,子能力针对儿童测试进行了量化处理,实现了多层级可量化的结构,计算方法上具有简单、高效、高扩展性。
为了实现上述目的,本发明采用如下技术方案:
一种用于学前儿童综合能力分析的多层级可量化计算方法,包括以下步骤:
S1、获取测试过程中的题目列表Sub_list;
S2、判断题目列表Sub_list是否为空,若是,则进行步骤S9,若否,则进行步骤S3;
S3、从题目列表Sub_list中获取测试题目,标识为subject;
S4、查询测试题目subject对应的目标能力列表target_abis_list和问题的编号question_id;
S5、判断目标能力列表target_abis_list是否为空,若是,则返回步骤S2、若否,则进行步骤S6;
S6、从目标能力列表target_abis_list中获取考察能力,标识为abi;
S7、根据问题编号question_id和考察能力abi加载该能力所包含的子能力项并计算打分值;
S8、动态加载子能力模块,执行打分功能并将结果存入子能力列表abi_subabi_list;
S9、判断子能力列表abi_subabi_list是否为空;若是,则结束,若否,则进行下一步;
S10、根据abi_subabi_list计算所有子能力的量化分值;
S11、根据计算的分值按照能力ID在内存树mem_tree上设置对应分值;
S12、重建mem_tree的分值,得到更新后的打分结果。
优选的,步骤S8具体包括:
S81、获取问题编号question_id、考察能力abi和子能力列表abi_subabi_list;
S82、根据考察能力abi获取考察能力对应的五大领域标识符domain_name;
S83、根据五大领域标识符domain_name和考察能力abi构建标准二十三项子能力的路径subabi_path;
S84、获取路径subabi_path下的文件名列表,标识为module_file_list;
S85、判断文件名列表module_file_list是否有值,若是,则进行步骤S86,若否,则进行步骤S87;
S86、从module_file_list中获取模块文件module_file,并把其追加到module_list列表中,完成后返回步骤S85;
S87、判断module_list是否有值,若是则进行步骤S88、若否则返回步骤S811;
S88、从module_list中取出一个模块module,判断module中的类名“SWZScoreModule”是否存在,若是,则进行步骤S89,若否则返回步骤S87;
S89、动态实例化SWZScoreModule并赋值给score_class_instance变量,判断score_class_instance的量化计算函数“calculate”是否存在,若是,则进行步骤S810,若否则返回步骤S87;
S810、调动calculate计算标识符为question_id的测试问题的得分,把问题的得分结果追加到score_list中,完成后返回步骤S87;
S811、判断列表类型score_list是否为空,若否,则进行步骤S812,若是则结束;
S812、以考察能力abi为关键字key,列表类型score_list为value值,保存到abi_subabi_list中。
优选的,步骤S9包括:
S91、获取子能力列表abi_subabi_list,定义最终得分存储变量,标识为final_score_list;
S92、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S93,若否,进行步骤S99;
S93、从最终得分存储变量final_score_list中获取一个元素,并提取该元素对应的关键字key和value值,其中关键字key对应二十三项能力,value值对应关键字key下的所有子能力,即打分项在所有测试题目的分布;
S94、判断value值是否为空,若是,则返回步骤S92,若否,则进行步骤S95;
S95、根据value值在内存中创建二维表结构,表头分别为对应子能力的ID,名称Name,得分Score,问题ID编号QID,问题类型ans_type,考察知识点SKPC以及儿童回答的得分点SAPC;
S96、按照ID和Name对整个二维表进行分组,赋值给变量result_df,在二维表result_df上对SAPC进行求和得到该key下所有子能力的总得分,遍历二维表result_df中所有的行,用SAPC总得分除以SKPC再乘以100得到最终得分final_score,若final_score分数大于100,则设置为100,若否,则进行步骤S97;
S97、对final_score二维表进行扁平化处理,形成包括所有子能力的元组result_tuple,包括:对应子能力的的ID,名称Name,最终得分final_score;
S98、将元组result_tuple追加到最终得分存储变量final_score_list中,完成后返回步骤S92;
S99、判断最终得分存储变量final_score_list是否为空,若是,则结束,若否,则返回最终得分存储变量final_score_list。
优选的,步骤S11具体包括:
S111、获取最终得分存储变量final_score_list,包括对应子能力的ID,名称Name,最终得分final_score
S112、根据得分权值模板和年龄段初始化层级树形对象ahp_score_tree,输入能力的规范变量formal_name,根据得分权值模板在内存中构建层级关系树men_tree,从层级关系树mem_tree上获取以规范变量formal_name为根节点的子树tmp_root,设置层级关系树mem_tree的根节点为子树tmp_root;
S113、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S114,若否,则结束;
S114、从最终得分存储变量final_score_list中获取一个二十三项能力abi_score_entry;
S115、判断abi_score_entry是否有值,若是,则进行步骤S116、若否,则进行步骤S114;
S116、从abi_score_entry中获取一个子能力值subabi_score_entry,从层级关系树mem_tree中根据id值找到对应的子能力并把子能力值subabi_score_entry中的得分值复制给id树形节点,把层级关系树mem_tree中所有的叶子节存储到all_node中;
S117、判断all_node的长度length;如果length等于2,则使用模块A进行计算,即步骤S118;如果length等于3,则使用模块B进行计算,即步骤S1112;如果length等于4,则使用模块C进行计算,即步骤S1116;
S118、获取all_node中的第一个元素all_node[0],赋值给abi_node;
S119、判断abi_node是否有值,若是,则进行步骤S1110,若否,则返回步骤S113;
S1110、从abi_node中获取一个节点node,找到该节点node下的所有叶子节点,为子能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1111、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1112、调用模块A进行计算,完成后获取all_node中的第二个元素all_node[1],赋值给domain_node;
S1113、判断domain_node是否有值,若是,则进行步骤S1114、若否,则返回步骤S113;
S1114、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为二十三项能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1115、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1116、顺序调用模块A和模块B,获取all_node中的第三个元素all_node[2],赋值给total_node,判断domain_node是否有值,若是,则进行步骤S1117、若否,则返回步骤S113;
S1117、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为综合能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1118、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种用于学前儿童综合能力分析的多层级可量化计算方法。通过对五大领域进行有效的划分,具体为二十三项能力,每项能力又划分为多个子能力,子能力针对儿童测试进行了量化处理,实现了多层级可量化的结构,计算方法上具有简单、高效、高扩展性。
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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的主流程结构示意图。
图2附图为本发明提供的子能力量化积分动态加载流程结构示意图。
图3附图为本发明提供的各层级分值规范处理流程结构示意图。
图4附图为本发明提供的综合能力多层级量化计分流程结构示意图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种种用于学前儿童综合能力分析的多层级可量化计算方法,包括以下步骤:
S1、获取测试过程中的题目列表Sub_list;
S2、判断题目列表Sub_list是否为空,若是,则进行步骤S9,若否,则进行步骤S3;
S3、从题目列表Sub_list中获取测试题目,标识为subject;
S4、查询测试题目subject对应的目标能力列表target_abis_list和问题的编号question_id;
S5、判断目标能力列表target_abis_list是否为空,若是,则返回步骤S2、若否,则进行步骤S6;
S6、从目标能力列表target_abis_list中获取考察能力,标识为abi;
S7、根据问题编号question_id和考察能力abi加载该能力所包含的子能力项并计算打分值;
S8、动态加载子能力模块,执行打分功能并将结果存入子能力列表abi_subabi_list;
S9、判断子能力列表abi_subabi_list是否为空;若是,则结束,若否,则进行下一步;
S10、根据abi_subabi_list计算所有子能力的量化分值;
S11、根据计算的分值按照能力ID在内存树mem_tree上设置对应分值;
S12、重建mem_tree的分值,得到更新后的打分结果。
为进一步优化上述技术方案,步骤S8具体包括:
S81、获取问题编号question_id、考察能力abi和子能力列表abi_subabi_list;
S82、根据考察能力abi获取考察能力对应的五大领域标识符domain_name;
S83、根据五大领域标识符domain_name和考察能力abi构建标准二十三项子能力的路径subabi_path;
S84、获取路径subabi_path下的文件名列表,标识为module_file_list;
S85、判断文件名列表module_file_list是否有值,若是,则进行步骤S86,若否,则进行步骤S87;
S86、从module_file_list中获取模块文件module_file,并把其追加到module_list列表中,完成后返回步骤S85;
S87、判断module_list是否有值,若是则进行步骤S88、若否则返回步骤S811;
S88、从module_list中取出一个模块module,判断module中的类名“SWZScoreModule”是否存在,若是,则进行步骤S89,若否则返回步骤S87;
S89、动态实例化SWZScoreModule并赋值给score_class_instance变量,判断score_class_instance的量化计算函数“calculate”是否存在,若是,则进行步骤S810,若否则返回步骤S87;
S810、调用calculate计算标识符为question_id的测试问题的得分,把问题的得分结果追加到score_list中,完成后返回步骤S87;
S811、判断列表类型score_list是否为空,若否,则进行步骤S812,若是则结束;
S812、以考察能力abi为关键字key,列表类型score_list为value值,保存到abi_subabi_list中。
为进一步优化上述技术方案,步骤S9包括:
S91、获取子能力列表abi_subabi_list,定义最终得分存储变量,标识为final_score_list;
S92、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S93,若否,进行步骤S99;
S93、从最终得分存储变量final_score_list中获取一个元素,并提取该元素对应的关键字key和value值,其中关键字key对应二十三项能力,value值对应关键字key下的所有子能力,即打分项在所有测试题目的分布;
S94、判断value值是否为空,若是,则返回步骤S92,若否,则进行步骤S95;
S95、根据value值在内存中创建二维表结构,表头分别为对应子能力的ID,名称Name,得分Score,问题ID编号QID,问题类型ans_type,考察知识点SKPC以及儿童回答的得分点SAPC;
S96、按照ID和Name对整个二维表进行分组,赋值给变量result_df,在二维表result_df上对SAPC进行求和得到该key下所有子能力的总得分,遍历二维表result_df中所有的行,用SAPC总得分除以SKPC再乘以100得到最终得分final_score,若final_score分数大于100,则设置为100,若否,则进行步骤S97;
S97、对final_score二维表进行扁平化处理,形成包括所有子能力的元组result_tuple,包括:对应子能力的的ID,名称Name,最终得分final_score;
S98、将元组result_tuple追加到最终得分存储变量final_score_list中,完成后返回步骤S92;
S99、判断最终得分存储变量final_score_list是否为空,若是,则结束,若否,则返回最终得分存储变量final_score_list。
为进一步优化上述技术方案,步骤S11具体包括:
S111、获取最终得分存储变量final_score_list,包括对应子能力的ID,名称Name,最终得分final_score
S112、根据得分权值模板和年龄段初始化层级树形对象ahp_score_tree,输入能力的规范变量formal_name,根据得分权值模板在内存中构建层级关系树men_tree,从层级关系树mem_tree上获取以规范变量formal_name为根节点的子树tmp_root,设置层级关系树mem_tree的根节点为子树tmp_root;
S113、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S114,若否,则结束;
S114、从最终得分存储变量final_score_list中获取一个二十三项能力abi_score_entry;
S115、判断abi_score_entry是否有值,若是,则进行步骤S116、若否,则进行步骤S114;
S116、从abi_score_entry中获取一个子能力值subabi_score_entry,从层级关系树mem_tree中根据id值找到对应的子能力并把子能力值subabi_score_entry中的得分值复制给id树形节点,把层级关系树mem_tree中所有的叶子节存储到all_node中;
S117、判断all_node的长度length;如果length等于2,则使用模块A进行计算,即步骤S118;如果length等于3,则使用模块B进行计算,即步骤S1112;如果length等于4,则使用模块C进行计算,即步骤S1116;
S118、获取all_node中的第一个元素all_node[0],赋值给abi_node;
S119、判断abi_node是否有值,若是,则进行步骤S1110,若否,则返回步骤S113;
S1110、从abi_node中获取一个节点node,找到该节点node下的所有叶子节点,为子能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1111、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1112、调用模块A进行计算,完成后获取all_node中的第二个元素all_node[1],赋值给domain_node;
S1113、判断domain_node是否有值,若是,则进行步骤S1114、若否,则返回步骤S113;
S1114、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为二十三项能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1115、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1116、顺序调用模块A和模块B,获取all_node中的第三个元素all_node[2],赋值给total_node,判断domain_node是否有值,若是,则进行步骤S1117、若否,则返回步骤S113;
S1117、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为综合能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1118、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (1)
1.一种用于学前儿童综合能力分析的多层级可量化计算方法,其特征在于,包括以下步骤:
S1、获取测试过程中的题目列表Sub_list;
S2、判断题目列表Sub_list是否为空,若是,则进行步骤S9,若否,则进行步骤S3;
S3、从题目列表Sub_list中获取测试题目,标识为subject;
S4、查询测试题目subject对应的目标能力列表target_abis_list和问题的编号question_id;
S5、判断目标能力列表target_abis_list是否为空,若是,则返回步骤S2、若否,则进行步骤S6;
S6、从目标能力列表target_abis_list中获取考察能力,标识为abi;
S7、根据问题编号question_id和考察能力abi加载该能力所包含的子能力项并计算打分值;
S8、动态加载子能力模块,执行打分功能并将结果存入子能力列表abi_subabi_list;
S9、判断子能力列表abi_subabi_list是否为空;若是,则结束,若否,则进行下一步;
S10、根据abi_subabi_list计算所有子能力的量化分值;
S11、根据计算的分值按照能力ID在内存树mem_tree上设置对应分值;
S12、重建mem_tree的分值,得到更新后的打分结果;
其中,所述步骤S8具体包括:
S81、获取问题编号question_id、考察能力abi和子能力列表abi_subabi_list;
S82、根据考察能力abi获取考察能力对应的五大领域标识符domain_name;
S83、根据五大领域标识符domain_name和考察能力abi构建标准二十三项子能力的路径subabi_path;
S84、获取路径subabi_path下的文件名列表,标识为module_file_list;
S85、判断文件名列表module_file_list是否有值,若是,则进行步骤S86,若否,则进行步骤S87;
S86、从module_file_list中获取模块文件module_file,并把其追加到module_list列表中,完成后返回步骤S85;
S87、判断module_list是否有值,若是则进行步骤S88、若否则返回步骤S811;
S88、从module_list中取出一个模块module,判断module中的类名“SWZScoreModule”是否存在,若是,则进行步骤S89,若否则返回步骤S87;
S89、动态实例化SWZScoreModule并赋值给score_class_instance变量,判断score_class_instance的量化计算函数“calculate”是否存在,若是,则进行步骤S810,若否则返回步骤S87;
S810、调用calculate计算标识符为question_id的测试问题的得分,把问题的得分结果追加到score_list中,完成后返回步骤S87;
S811、判断列表类型score_list是否为空,若否,则进行步骤S812,若是则结束;
S812、以考察能力abi为关键字key,列表类型score_list为value值,保存到abi_subabi_list中;
所述步骤S9包括:
S91、获取子能力列表abi_subabi_list,定义最终得分存储变量,标识为final_score_list;
S92、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S93,若否,进行步骤S99;
S93、从最终得分存储变量final_score_list中获取一个元素,并提取该元素对应的关键字key和value值,其中关键字key对应二十三项能力,value值对应关键字key下的所有子能力,即打分项在所有测试题目的分布;
S94、判断value值是否为空,若是,则返回步骤S92,若否,则进行步骤S95;
S95、根据value值在内存中创建二维表结构,表头分别为对应子能力的ID,名称Name,得分Score,问题ID编号QID,问题类型ans_type,考察知识点SKPC以及儿童回答的得分点SAPC;
S96、按照ID和Name对整个二维表进行分组,赋值给变量result_df,在二维表result_df上对SAPC进行求和得到该key下所有子能力的总得分,遍历二维表result_df中所有的行,用SAPC总得分除以SKPC再乘以100得到最终得分final_score,若final_score分数大于100,则设置为100,若否,则进行步骤S97;
S97、对final_score二维表进行扁平化处理,形成包括所有子能力的元组result_tuple,包括:对应子能力的ID,名称Name,最终得分final_score;
S98、将元组result_tuple追加到最终得分存储变量final_score_list中,完成后返回步骤S92;
S99、判断最终得分存储变量final_score_list是否为空,若是,则结束,若否,则返回最终得分存储变量final_score_list;
所述步骤S11具体包括:
S111、获取最终得分存储变量final_score_list,包括对应子能力的ID,名称Name,最终得分final_score
S112、根据得分权值模板和年龄段初始化层级树形对象ahp_score_tree,输入能力的规范变量formal_name,根据得分权值模板在内存中构建层级关系树men_tree,从层级关系树mem_tree上获取以规范变量formal_name为根节点的子树tmp_root,设置层级关系树mem_tree的根节点为子树tmp_root;
S113、判断最终得分存储变量final_score_list是否有值,若是,则进行步骤S114,若否,则结束;
S114、从最终得分存储变量final_score_list中获取一个二十三项能力abi_score_entry;
S115、判断abi_score_entry是否有值,若是,则进行步骤S116、若否,则进行步骤S114;
S116、从abi_score_entry中获取一个子能力值subabi_score_entry,从层级关系树mem_tree中根据id值找到对应的子能力并把子能力值subabi_score_entry中的得分值复制给id树形节点,把层级关系树mem_tree中所有的叶子节存储到all_node中;
S117、判断all_node的长度length;如果length等于2,则使用模块A进行计算,即步骤S118;如果length等于3,则使用模块B进行计算,即步骤S1112;如果length等于4,则使用模块C进行计算,即步骤S1116;
S118、获取all_node中的第一个元素all_node[0],赋值给abi_node;
S119、判断abi_node是否有值,若是,则进行步骤S1110,若否,则返回步骤S113;
S1110、从abi_node中获取一个节点node,找到该节点node下的所有叶子节点,为子能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1111、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1112、调用模块A进行计算,完成后获取all_node中的第二个元素all_node[1],赋值给domain_node;
S1113、判断domain_node是否有值,若是,则进行步骤S1114、若否,则返回步骤S113;
S1114、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为二十三项能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1115、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113;
S1116、顺序调用模块A和模块B,获取all_node中的第三个元素all_node[2],赋值给total_node,判断domain_node是否有值,若是,则进行步骤S1117、若否,则返回步骤S113;
S1117、从domain_node中获取一个节点node,找到该node下的第一层子节点,即为综合能力节点赋值leaf_nodes,遍历计算leaf_nodes中的所有节点的score和weights,求和累加得到node的节点值;
S1118、判断node的得分是否大于100,若大于100则赋值为100,并返回至步骤S113,若否,则直接返回至步骤S113。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262390.1A CN112446594B (zh) | 2020-11-12 | 2020-11-12 | 一种用于学前儿童综合能力分析的多层级可量化计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262390.1A CN112446594B (zh) | 2020-11-12 | 2020-11-12 | 一种用于学前儿童综合能力分析的多层级可量化计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446594A CN112446594A (zh) | 2021-03-05 |
CN112446594B true CN112446594B (zh) | 2023-07-21 |
Family
ID=74736733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011262390.1A Active CN112446594B (zh) | 2020-11-12 | 2020-11-12 | 一种用于学前儿童综合能力分析的多层级可量化计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446594B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115064275B (zh) * | 2022-08-19 | 2022-12-02 | 山东心法科技有限公司 | 一种儿童计算能力的量化及辅助训练方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001076032A (ja) * | 1999-09-03 | 2001-03-23 | Teru Nishiyama | 人事考課システム |
JP2002091292A (ja) * | 2000-09-11 | 2002-03-27 | Inter-Edu.Com:Kk | 学力判定方法及び学力判定システム |
JP2007122144A (ja) * | 2005-10-25 | 2007-05-17 | Toyota Motor Corp | プロジェクトメンバーの選定を支援するシステムと方法 |
CN107092659A (zh) * | 2017-03-28 | 2017-08-25 | 成都优易数据有限公司 | 一种通用的树形结构存储解析方法 |
CN108281053A (zh) * | 2018-01-25 | 2018-07-13 | 链家网(北京)科技有限公司 | 一种专业技能考核的方法及装置 |
CN110164216A (zh) * | 2019-05-23 | 2019-08-23 | 福建工程学院 | 一种sql在线评测系统 |
CN111160790A (zh) * | 2019-12-31 | 2020-05-15 | 海南晟典信息科技有限公司 | 一种天赋能力测试方法和系统 |
CN111358428A (zh) * | 2020-01-20 | 2020-07-03 | 书丸子(北京)科技有限公司 | 一种观察能力测试评定方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7120637B2 (en) * | 2003-05-30 | 2006-10-10 | Microsoft Corporation | Positional access using a b-tree |
US20170316703A1 (en) * | 2016-04-28 | 2017-11-02 | Aultman Innovations, LLC | Method of Recording Milestone Observations of Medical Resident Education and Calculating Achievement Levels |
-
2020
- 2020-11-12 CN CN202011262390.1A patent/CN112446594B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001076032A (ja) * | 1999-09-03 | 2001-03-23 | Teru Nishiyama | 人事考課システム |
JP2002091292A (ja) * | 2000-09-11 | 2002-03-27 | Inter-Edu.Com:Kk | 学力判定方法及び学力判定システム |
JP2007122144A (ja) * | 2005-10-25 | 2007-05-17 | Toyota Motor Corp | プロジェクトメンバーの選定を支援するシステムと方法 |
CN107092659A (zh) * | 2017-03-28 | 2017-08-25 | 成都优易数据有限公司 | 一种通用的树形结构存储解析方法 |
CN108281053A (zh) * | 2018-01-25 | 2018-07-13 | 链家网(北京)科技有限公司 | 一种专业技能考核的方法及装置 |
CN110164216A (zh) * | 2019-05-23 | 2019-08-23 | 福建工程学院 | 一种sql在线评测系统 |
CN111160790A (zh) * | 2019-12-31 | 2020-05-15 | 海南晟典信息科技有限公司 | 一种天赋能力测试方法和系统 |
CN111358428A (zh) * | 2020-01-20 | 2020-07-03 | 书丸子(北京)科技有限公司 | 一种观察能力测试评定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112446594A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bailey | Typologies and taxonomies: An introduction to classification techniques | |
CN105005589B (zh) | 一种文本分类的方法和装置 | |
CN103235772B (zh) | 一种文本集人物关系自动提取方法 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN110347701B (zh) | 一种面向实体检索查询的目标类型标识方法 | |
CN107368526A (zh) | 一种数据处理方法及装置 | |
Lin et al. | A frequent itemset mining algorithm based on the Principle of Inclusion–Exclusion and transaction mapping | |
CN107967285A (zh) | 数据处理方法和数据处理装置 | |
CN115114421A (zh) | 一种问答模型训练方法 | |
Gerhana et al. | Comparison of naive Bayes classifier and C4. 5 algorithms in predicting student study period | |
CN112348417A (zh) | 一种基于主成分分析算法的营销价值评估方法及装置 | |
CN112446594B (zh) | 一种用于学前儿童综合能力分析的多层级可量化计算方法 | |
CN112686025A (zh) | 一种基于自由文本的中文选择题干扰项生成方法 | |
CN110321421A (zh) | 用于网站知识社区系统的专家推荐方法及计算机存储介质 | |
CN115544268A (zh) | 一种教学与就业辅助知识图谱的构建及应用方法 | |
Perez-Cervantes et al. | Using link prediction to estimate the collaborative influence of researchers | |
Sarjant et al. | " All You Can Eat" Ontology-Building: Feeding Wikipedia to Cyc | |
Mallikarjun Rao et al. | Prediction of student’s educational performance using machine learning techniques | |
Wang et al. | Temporal dual-attributed network generation oriented community detection model | |
Deitrick et al. | Enhancing sentiment analysis on twitter using community detection | |
CN115934899A (zh) | 一种it行业简历推荐方法、装置、电子设备及储存介质 | |
Basharat et al. | Semantically enriched task and workflow automation in crowdsourcing for linked data management | |
Ahmed et al. | Improving prediction of plant disease using k-efficient clustering and classification algorithms | |
CN109543512A (zh) | 图文摘要的评价方法 | |
Ye et al. | Bibliometric knowledge mapping of e-commerce platform operation on data mining |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210824 Address after: 650000 5th floor, 1866 Guannan Avenue, Guandu District, Kunming, Yunnan Applicant after: Shuwanzi Technology (Yunnan) Co.,Ltd. Address before: 1138-29, 11 / F, 18 Zhongguancun Street, Haidian District, Beijing Applicant before: Shuwanzi (Beijing) Technology Co.,Ltd. Applicant before: Shuwanzi Technology (Yunnan) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |