CN112596731A - 一种融合智能教育的编程教学系统及方法 - Google Patents
一种融合智能教育的编程教学系统及方法 Download PDFInfo
- Publication number
- CN112596731A CN112596731A CN202011607383.0A CN202011607383A CN112596731A CN 112596731 A CN112596731 A CN 112596731A CN 202011607383 A CN202011607383 A CN 202011607383A CN 112596731 A CN112596731 A CN 112596731A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- user
- client
- analysis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000007405 data analysis Methods 0.000 claims abstract description 87
- 238000011156 evaluation Methods 0.000 claims abstract description 81
- 238000013515 script Methods 0.000 claims abstract description 19
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 87
- 238000012795 verification Methods 0.000 claims description 48
- 238000012360 testing method Methods 0.000 claims description 47
- 230000006399 behavior Effects 0.000 claims description 39
- 230000003930 cognitive ability Effects 0.000 claims description 26
- 238000013480 data collection Methods 0.000 claims description 23
- 238000003745 diagnosis Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 230000001149 cognitive effect Effects 0.000 abstract description 22
- 230000008569 process Effects 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000007418 data mining Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种融合智能教育的编程教学系统及方法,包括客户端、多源服务的统一查询模块和服务器端。所述客户端包括在线做题和评测作业、题目和题包设置作业、身份认证作业、数据分析模块。所述服务器端包括:可插拔的动态模块机制、可脚本定制的多语言评测模块、大数据分析模块。本发明的大数据分析模块,基于本系统已有教育资源和网络资源构建编程知识图谱,并基于真实的用户数据,实时诊断做题人认知水平。在编程教学中,采用本发明提供的在线做题服务,能有效降低教师对学生提交的编程题作业的繁琐验证、不能客观给分问题,有助于教师掌握学生群体特性,进而调整教学方案;有助于学生了解自身认知水平,并为其提供智能辅助服务。
Description
技术领域
本发明设计一种融合智能教育的编程教学系统及方法,属于计算机技术、数据分析与应用、软件工程领域。
背景技术
随着互联网的快速发展及人工智能技术逐渐成为全球共识,越来越多的岗位要求从业者具备编程能力,兴起了“全民编程”的热潮,学习编程已成为必然趋势,编程教学也被广泛关注。在各类高等院校的计算机及相关专业中,均设置了程序设计等必修课程。学生在学习的过程中,需要在机房或者个人电脑上安装支持对应程序语言的开发坏境,编辑、调试程序;教师在批改编程作业时,需要拷贝、运行程序,进行评分。这使得学生在做编程作业时必须使用电脑完成,教师在批改作业时也费时耗力。对于初学者来说,程序语言难以上手,与程序设计相关的数据结构等课程也抽象难懂,这类课程的共同目标是培养学生的编程实践能力,因此,学生在学习过程中,往往需要进行较多的练习。
当前市场上涌现了许多在线编程教学系统,这类平台提供了轻便快捷的在线编译环境,使用户可以随时、随地通过手机、平板、电脑等设备完成程序编写,并能够在短时间内给程序自动打分。同时,这些平台还提供了丰富的题库资源,支持用户选择不同知识点的题目进行练习。通过在线编程教学系统,用户可以随时、随地进行编程,并能在短时间内得知自己的成绩,似乎可以应对传统PC端需要特定编译环境、教师逐一运行打分的困境,为学习编程的人减少障碍,协助其早日完成学习,也减轻计算机相关专业的教师工作负担。然而,这些平台仅仅侧重于对单次提交的程序作业进行分析,如关键字分析、编程风格分析、错误侦测及剽窃侦测。这种仅具有静态、粗粒度分析功能的平台在智能教育应用领域中,无法提供智能辅导(例如,认知诊断、题目推荐)。
在实际使用过程中,在线编程教学系统的目标人群通常是学习程序设计相关的学生、应聘程序开发工作的求职者或者举办编程训练、考试、竞赛的教师和相关企业、机构等。进一步,对于学习者,他们的学习轨迹为对不同知识点(如:链表、树、动态规划等)的题目进行编程练习,他们的同需求是选择练习关联某个具体知识点的题目,以提高自己对相关知识点的掌握程度。同时,由于题目资源数量庞大,该类用户想在有限的时间内练习所有的题目几乎是不可能的,他们通常从需要学习的知识点中随机选择不定数量的题目进行练习,对于用户掌握较好的知识点,往往选择较少数量的题目练习甚至不练习,对于未掌握的知识点,需要进行更加全面的练习,因此,对做题人学习水平的量化成了迫切解决的难题。
当前也有少量编程教育系统着力于智能教育,这类系统的智能辅导大概可以分为两类:一、通过用户的爱好推荐题目资源;二、在编程过程中进行只能辅助,通过优化编程环境提高编程兴趣或交互式发现用户在编程中存在的问题。对于第一类系统,仅根据用户兴趣爱好推荐题目,却无法诊断用户对知识点的掌握水平,从认知诊断角度推荐题目,以帮助他们补缺补差,提高编程水平;对于第二类系统,同样无法细粒度分析用户知识点或更深层次的掌握情况,且缺少个性化推荐策略。
对于教师或上述类型企业、机构,他们的目标之一也是要了解答题者对知识点的掌握程度,此外,他们还需要掌握某个班级、某场比赛中答题者的群体性分析。
对于学习者,想知道自己对各类知识点的掌握程度,以调整后续的学习计划,以便在短时间内提高自己的编程水平;对于考察者,想全面了解做题人对知识点的掌握程度,以进行后续计划的实施(如:教师调整教学计划,某机构举办机试筛选人才)。
因此,现有技术没有提供一个实时的完备编程环境,不能记录学生学习编程实践过程中的各种行为;分析粒度过为粗略,基本只对用户的做题记录做粗粒度统计(如提交次数、通过次数等),无法有效、智能分析用户知识点或更深层次的掌握情况;没有动态分析功能,不能对用户进行连续的知识追踪,无法对用户认知水平做出智能诊断;缺少个性化推荐策略,无法针对不同用户进行个性化的智能辅导。
发明内容
本发明技术解决问题:克服现有系统和技术不能记录学生学习编程实践过程中的各种行为、分析粒度过为粗略、没有动态分析功能、缺少个性化推荐策略的不足,提供一种融合智能教育的编程教学系统及方法,通过收集、分析用户的行为数据,分析并挖掘海量、真实的数据中的潜在信息,基于群体性分析、相似试题识别和编程知识图谱构建等方法,实施用户认知能力诊断、做题成绩预测等业务,并提供实时的个性化题目推荐服务,以助于答题者高效地提高编程水平,助于考察者精确掌握答题者水平,解决上述的问题及满足上述的需求;提供轻便快捷的在线编程教学平台,并且自动收集、过滤、分析用户日志,诊断用户认知能力,以提供个性化推荐服务。
本发明技术解决方案:一种融合智能教育的编程教学系统,包括:客户端、多源服务的统一查询模块和服务器端;
在客户端,为用户提供在线做题和评测作业、为用户提供题目和题包设置作业、为用户提供智能分析作业和为用户提供身份认证作业,执行用户行为记录操作;包括在线做题和评测模块、题目和题包设置模块、智能分析模块和身份认证模块;所述用户行为记录传递到服务器端大数据分析模块的数据收集子模块,用于整理和存储;
在线做题和评测模块:支持用户在线编程、提交程序代码和评测其提交的代码的操作,将用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,通过多源服务的统一查询模块传递给服务器端可脚本定制的多语言评测模块,用以评测代码正确性、代码风格、代码运行耗时和占用内存;接收服务器端可脚本定制的多语言评测模块响应的评测结果,所述测评结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据,通过在线做题和评测作业模块中的评测作业呈现在用户做题页面;
题目和题包设置模块:支持用户设置题目和题包操作,即将题目和题包的相关设置数据和提交设置操作指令,所述相关设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;通过多源服务的统一查询模块传递给服务器端可插拔的动态模块机制中的题目和题包设置模块,用以更新题目和题包的设置信息;并接收服务器端可插拔的动态模块机制中的题目和题包设置模块的响应数据,即设置成功或失败的提示,呈现在题目和题包设置页面;
智能分析模块:支持为用户提供智能分析数据,包括提供群体性分析、相似试题识别、编程知识图谱构建、用户认知能力;用户对所学知识的掌握能力诊断、推荐个性化学习资源服务,将用户请求查看智能分析的操作指令通过多源服务的统一查询模块传递服务器端大数据分析模块内部数据分析子模块和推荐子模块;并接收服务器端大数据分析模块的响应数据,大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集;
身份认证模块:支持用户绑定认证电子邮箱或手机号码;将用户输入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,通过多源服务的统一查询模块传递服务器端可插拔的动态模块中的用户身份认证模块,用以请求验证码;在接收到验证码后,将用户输入的待认证的电子邮箱地址或手机号码连同验证码作为数据与申请认证的操作指令,通过多源服务的统一查询模块传递服务器端可插拔的动态模块中的用户身份认证模块,用以验证身份,并接收服务器端中可插拔的动态模块中的用户身份认证模块的响应数据,所述响应数据为设置成功或失败的提示;
多源服务的统一查询模块,用以解析客服端发送的请求,并传送给服务端对应模块处理数据,返回给客户端;解析客户端输入的代码字符串序列、选择的编程语言和题目ID等数据和代码评测操作指令,并发送至服务端可脚本定制的多语言评测模块,同时接收服务端可脚本定制的多语言评测模块返回的评测结果并返回给客户端,所述评测结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据;解析客户端题目、题包设置请求和相关设置数据,所述数据包括数据题目文本内容、文本或文件格式测试数据、评测数据,并将所述数据发送至服务器可插拔的动态模块机制中的题目和题包设置模块;同时将接收服务器端中可插拔的动态模块中的题目和题包设置模块中返回的设置结果返回给客户端,所述设置结果包括成功则跳转页面和失败则提示;解析客户端请求查看数据分析的操作并发送给服务器端中大数据分析模块中的数据分析子模块和推荐子模块,同时接收服务器端中大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱构建、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集、预测用户做题成绩;解析客户端请求验证码的操作和待绑定的手机号或邮箱并发送给服务器端中的可插拔的动态模块中的用户身份认证模块,解析客户端提交的验证码并发送给服务器端可插拔的动态模块中的用户身份认证模块,同时接收服务器端可插拔的动态模块机制中的用户身份认证模块返回的绑定结果给客户端;该多源服务的统一查询模块在运行时提供可扩展和可维护的数据查询方式,使客户端完全自主决定获取信息的内容,服务端负责返回目标数据;
服务器端,实现可插拔的动态设置、可脚本定制的多语言评测和融合智能教育的大数据分析功能;服务器端包括:可插拔的动态模块、可脚本定制的多语言评测模块和大数据分析模块;可插拔的动态模块实现可定制、可插拔式的扩展和修改,具有可拓展、可添加、可删除的功能;可脚本定制的多语言评测模块提供多语言编程评测服务;大数据分析模块,用以提供智能辅导;
可插拔的动态模块,包括:题目和题包设置模块和用户身份认证模块;题目和题包设置模块支持客户端设置题目和题包操作,接收客户端通过多源服务的统一查询模块传入的题目和题包的相关设置数据和提交设置操作指令,所述相关设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;根据相关设置数据和设置操作指令执行更新操作,更新题目和题包的设置信息;根据更新操作是否成功,通过多源服务的统一查询模块向客户端返回操作成功或失败的提示;
用户身份认证模块,支持客户端绑定认证电子邮箱或手机号码操作,接收客户端通过多源服务的统一查询模块传入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,生成相应的验证码,并直接通过传入的电子邮箱地址或手机号码向用户发送验证码;接收客户端通过多源服务的统一查询模块传入的待认证的电子邮箱地址或手机号码和验证码作为数据与申请认证的操作指令,检查验证码和电子邮箱地址或手机号码是否匹配,并通过多源服务的统一查询模块返回响应数据;另外,题目和题包设置模块、用户身份认证模块仅为可插拔的动态模块内部模块的两个实现例,可插拔的动态模块可支持不同内部模块实现,并支持内部模块的动态扩展和修改,在不影响其他模块运行的情况下,扩展或修改内部模块,支持更多的设置请求;
可脚本定制的多语言评测模块,支持对用户输入的代码进行自定义的评测,即通过多源服务的统一查询模块接收来自客户端的用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,根据输入的代码评测操作指令对用户输入的代码的正确性、代码风格、代码运行耗时和占用内存进行评测,得到用户在该题目上的评测结果,并将评测结果通过多源服务的统一查询模块返回给客户端,所述测评结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据;
大数据分析模块,支持对客户端传入的数据进行收集记录和智能分析,所述智能分析包括提供群体性分析、相似试题识别、编程知识图谱构建和用户认知能力分析;大数据分析模块包括数据收集子模块、数据分析子模块和推荐子模块;数据收集子模块支持对用户行为数据的收集和记录,接收客户端传入的用户操作客户端的行为记录,所述行为记录包括操作指令、操作数据、操作时间,对用户行为记录进行整理、并存储在服务器中,用于数据分析子模块和推荐子模块进行后续数据分析;数据分析子模块支持查看对用户行为的智能分析,接收客户端通过多源服务的统一查询模块传入的请求查看智能分析的操作指令,以及数据收集子模块收集的用户行为数据,执行群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析等分析算法,得到分析结果,即群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析,将分析结果通过多源服务的统一查询模块传递至客户端;推荐子模块为用户产生个性化的学习资源候选集,接收客户端通过多源服务的统一查询模块传入的请求推荐学习资源的操作指令,以及数据收集子模块收集的用户行为数据,执行推荐系统算法,得到推荐结果,即个性化学习资源候选集,将推荐结果通过多源服务的统一查询模块传递至客户端。
本发明的融合智能教育的编程教学系统的方法,步骤如下:
步骤S101:客户端将用户输入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,通过多源服务的统一查询模块传递至用户身份认证模块,在服务器端生成验证码,并直接发送给用户;
步骤S102:用户接收到步骤S101发送的验证码后,通过客户端将用户输入的待认证的电子邮箱地址或手机号码连同验证码作为数据与申请认证的操作指令,通过多源服务的统一查询模块传递用户身份认证模块,用户身份认证模块检查验证码并返回验证结果,如果验证结果为成功,客户端显示成功提示,从而完成用户身份验证;
步骤S103:通过步骤S101、S102完成身份验证的用户,通过客户端进行在线编程、提交程序代码和评测其提交的代码的操作,由客户端将用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,通过多源服务的统一查询模块传递给可脚本定制的多语言评测模块,可脚本定制的多语言评测模块执行评测,返回评测结果,所述评测结果包括代码正确性、代码风格、代码运行耗时和占用内存;客户端通过在线做题和评测作业模块中的评测作业将返回的评测结果呈现在用户做题页面;
步骤S104:通过步骤S101、S102完成身份验证的用户,通过客户端进行用户设置题目和题包操作;客户端将题目和题包的相关设置数据和提交设置操作指令,所述设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;通过多源服务的统一查询模块传递给可插拔的动态模块机制中的题目和题包设置模块;题目和题包设置模块根据相关数据和操作指令更新题目和题包的设置信息,并返回设置成功或失败的提示;客户端接收可插拔的动态模块机制中的题目和题包设置模块的响应数据,即设置成功或失败的提示,呈现在题目和题包设置页面;
步骤S105:客户端对用户在步骤S103、S104执行的操作客户端的行为记录,所述行为记录包括操作指令、操作数据、操作时间,传递到服务器端大数据分析模块的数据收集子模块,用于整理和存储;
步骤S106:用户在步骤S105中传递到服务器端的大数据分析模块的数据收集子模块的行为记录,由数据收集子模块对用户行为记录进行整理并存储在服务器端中,用于数据分析子模块和推荐子模块进行后续数据分析;
步骤S107:用户通过客户端传入请求查看智能分析的操作指令,通过多源服务的统一查询模块传递服务器端大数据分析模块内部数据分析子模块和推荐子模块;大数据分析模块中的数据分析子模块接收客户端通过多源服务的统一查询模块传入的请求查看智能分析的操作指令,以及在步骤S105中存储的用户行为记录,执行群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析,得到群体性分析结果、相似试题识别分析结果、编程知识图谱构建结果和用户认知能力分析结果;接收客户端通过多源服务的统一查询模块传入的请求推荐学习资源的操作指令,以及在步骤S105中存储的用户行为记录,执行推荐系统算法,得到推荐结果,即个性化学习资源候选集;大数据分析模块将分析结果和推荐结果通过多源服务的统一查询模块传递至客户端;客户端接收大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集,从而向用户提供智能分析数据。
本发明相对于现有技术的技术优点:
(1)本发明克服现有系统和技术不能记录学生学习编程实践过程中的各种行为、分析粒度过为粗略、没有动态分析功能、缺少个性化推荐策略的不足,通过收集、分析用户的行为数据,分析并挖掘海量、真实的数据中的潜在信息,基于群体性分析、相似试题识别和编程知识图谱构建等方法,实施用户认知能力诊断、做题成绩预测等业务,并提供实时的个性化题目推荐服务,以助于答题者高效地提高编程水平,助于考察者精确掌握答题者水平,解决上述的问题及满足上述的需求。
(2)本发明提供一个实时的完备编程环境,在线即可编辑程序,不需要本地安装与环境配置,不仅提供对单次编程提交的代码高亮、关键字分析、编程风格分析、错误侦测及剽窃侦测、在线程序调试等功能,还提供动态的、细粒度的智能辅导(如:认知诊断、题目推荐)。
(3)本发明在设计时从逻辑上将业务功能模块解耦,使各个业务模块可以动态地被修改和拓展而不影响该编程教学系统运行使用,保证该编程教学系统可持续运营。本发明融合智能教育,可以记录学生学习编程实践过程中的各种行为;分析并挖掘海量、真实的数据中的潜在信息,细粒度地智能分析用户知识点或更深层次的掌握情况;动态追踪用户知识水平,智能诊断用户认知水平;提供个性化教学资源推荐服务,针对不同用户进行个性化的智能辅导。
(4)本发明在编程教学领域,为了给教师和学生提供便捷的在线编程教学环境和大数据支持的智能辅导,融入了大数据支撑的智能分析模块,从而可以分析群体特性、计算题目相似度、构建编程知识图谱、诊断用户做题的认知能力,进而为用户提供个性化推荐服务。本发明相对于现有技术的技术更细粒度地诊断认知水平,并针对不同用户进行个性化的智能辅导。
附图说明
图1为融合智能教育的编程教学系统的结构示意图;
图2为本发明的线做题和评测模块流程图;
图3为本发明中的题目和题包设置作业模块实现流程图。
附图标记说明:100-客户端;110-在线做题和评测模块;120-题目和题包设置模块;130-身份认证模块;140-智能分析模块;200-服务器端;210-可插拔的动态模块;211-题目和题包设置模块;212-身份认证模块;220-可脚本定制的多语言评测模块;230-大数据分析模块;231-数据收集子模块;232-数据分析子模块;233-推荐子模块;300-多源服务的统一查询模块。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明的融合智能教育的编程教学系统包括:客户端100、服务器端200和多源服务的统一查询模块300。
客户端100包括在线做题和评测模块110、题目和题包设置模块120、身份认证模块130和数据分析模块140。
如图2本发明的在线做题和评测模块110流程图所示,在线做题有两种模式:(1)从题库中选题;(2)选择题包后,在题包所包含的题集中选题。客户端用户在选择题目后,进入做题页面编程,编程过程中可以执行两种操作:(1)在线测试:调试程序,只会执行程序并输出结果,不作评分,若程序运行出错,显示错误提示;(1)提交:系统对程序作出评测,评测内容包括代码准确性的评分、代码风格建议、代码运行耗时、占用内存数据以及大数据分析模块支持的智能数据分析(用户认知能力诊断、预测学生在新的题目上的做题成绩等)。
如图3本发明的题目和题包设置作业120模块流程图所示,客户端用户进入题目和题包设置页面后,可以选择设置题目或者题包:(1)题目设置:可以选择编辑或创建,编辑题目是对已有题目信息的修改更新,创建题目用以创建新题目;(2)题包设置:可以选择编辑或创建,编辑题包是对已有题包信息的修改更新,创建题包用以创建新题。设置完成后,可以执行提交至服务器操作或将当前设置以Json格式保存至本地;提交后,服务器端审核数据格式,若满足则完成本次流程,否则重新执行前述流程。创建者拥有对题目、题包的所有权。
用户认证作业130模块,用户首先填写邮箱或手机号,请求验证码,待接收验证码后,填写验证码以认证用户身份。
数据分析140模块,客户端用户请求数据分析操作后,服务器端数据分析模块分析的数据分析子模块和推荐子模块同时调用数据收集子模块提供的用户行为数据进行数据分析,返回给客户端。
多源服务的统一查询模块300,用以传输客户端和服务器端的操作指令和数据:解析客户端100的在线做题和评测模块110的做题提交请求和代码字符串序列、编程语言数据并发送至服务端220,同时接收服务端220评测结果并返回给客户端100的在线做题和评测模块110;解析客户端100的题目和题包设置模块120的请求和相关设置数据并发送至服务器端211,同时接收服务器端211设置结果返回给客户端100的题目和题包设置模块120;解析客户端100的身份认证模块130的请求验证码的操作和待绑定的手机号或邮箱并发送给服务器端212,解析客户端100的身份认证模块130提交的验证码并发送给服务器端212,同时接收服务器端212返回的绑定结果给客户端100的身份认证模块130;解析客户端100的智能分析模块140的请求并发送给服务器端230,同时接收服务器端230返回的分析结果给客户端100的智能分析模块140。
该多源服务的统一查询模块300用以解析客服端100发送的请求,并传送给服务端200对应模块处理数据,返回给客户端100,在运行时提供一套严格、可扩展、可维护的数据查询方式,使客户端100完全自主决定获取信息的内容,服务端200负责精确的返回目标数据。
服务器端200包括可插拔的动态模块机制210、可脚本定制的多语言评测模块220、大数据分析模块230。
以下针对服务器端:可插拔的动态模块机制210、可脚本定制的多语言评测模块220和大数据分析模块230的实质内容,作进一步说明。
可插拔的动态模块机制210是一种自主封装成型、用以控制扩展模块的程序机制,在前述融合智能教育的编程教学系统服务器200中,扩展模块包含题目和题包设置模块211和身份认证模块212测模块,它通过消息队列与系统模块进行通讯,进而实现动态可插拔的远程过程调用。
可脚本定制的多语言评测模块220,用以在接收到用户代码提交的评测请求和代码、编程语言数据后,根据程序的语言类型,调用不同的评测脚本,动态评测代码,提供多语言编程评测服务,包括代码分数、运行详情,若程序出错,还包括警告和错误提示,并通过消息队列返回代码的分数、运行时间、占用内存和、警告和错误提示(若出错)的评测反馈。
大数据分析模块230用以收集、滤器和分析用户的日志记录,进而实现认知诊断、个性化学习资源推荐、做题成绩预测等智能分析,并给用户提供大数据分析结果,包括用户的认知水平、题目推荐集合、做题成绩预测。分析结果可以是用报表呈现于远程网站,或下载至本地环境,为使用者提供参考。大数据分析模块也可以依照分析结果,比如用户对知识点的掌握能力,提供个性化学习资源推荐,或者建议用户复习某类为牢固掌握的题目。
大数据分析模块230包含:数据收集子模块231,用以收集、过滤用户操作过程中的行为;及数据分析子模块232,用以根据收集的行为数据,分析并挖掘海量、真实的数据中的潜在信息,提供群体性分析、用户认知能力诊断服务;及推荐子模块233,用以提供个性化学习资源推荐、。
数据分析子模块232和推荐子模块233中,该子模块数据输入和输入依据平台数据收集子模块231提供的数据和数据挖掘算法的逻辑而设计,即每项智能服务的数据输入一致,因此在保证数据输入、输出不改变的情况下,其内部算法逻辑可以动态修改、拓展。数据分析子模块232涉及的数据挖掘技术的数据输入为数据收集子模块231提供的用户行为(包括做题行为、点击行为)日志、用户提交的代码和编程语言、题目及详细内容、题目-知识点关联,输出为各技术所负责的智能分析结果,包括群体性分析、相似试题识别、编程知识图谱构建、用户认知能力诊断、做题成绩预测和个性化学习资源推荐。
进一步,数据分析子模块232中,群体性分析和服务有助于考察者(例如,教师)掌握群体(例如,班级学生)内部的个体特征。基于数据收集子模块231存储的日志记录(包括题目、提交时间、代码、编程语言、成绩、运行详情),可将以该编程教学系统中的题包为单位的群体(例如,一个班级的学生)分为具有不同特征的子类集,这些以共同的兴趣、爱好、感情、观点、追求、学习能力等为基础结合起来的小群体可满足用户个体心理需要,有助于考察者针对群体“因材施教”。
数据分析子模块232中,相似试题识别服务技术旨在解析目标试题对中包含的异构数据信息,所述目标试题对包括:该编程教学平台已有的待识别的两道题目,所述异构数据信息包括:文本描述、题目包含的图片和知识点;将所述异构数据信息传递到预设的语义表征计算模型,计算得到第一语义表征和第二语义表征:分别将所述第一语义表征和所述第二语义表征采用预设的相似度计算方法进行计算,得到所述第一试题相对于所述第二试题的相似度得分;判断所述相似度得分是否大于预设的相似度得分阈值,若是,判定所述第一试题与所述第二试题相似。该技术方法,采用文本、图片和知识点进行相似试题的判定,避免了仅以文本作为判定条件,缺乏较强的解析性,导致相似试题的判定结果准确性低的问题。
数据分析子模块232中,构建编程知识图谱即用图结构来描述知识,前述编程教学系统借鉴深度学习领域较为成熟的实体抽取和拓扑关系分析等技术,将知识点抽取和知识点拓扑结构建立结合起来构建起精确的、完整的适用于在线编程平台的编程知识图谱,解决现有教育大数据领域的不足,为自适应教育学习推荐提供实体基础,即推荐子模块233的推荐过程可以参考知识图谱中的知识点进行抉择,进一步提升在线编程智能辅导的精度。具体来说,该编程教学系统所述知识图谱构建主要围绕知识点抽取和知识点的拓扑关系建立展开。首先,知识点的抽取首先要有足够的资源库,该系统一方面拟通过平台上已有的和网络上已有的教育资源进行知识点试题提取,结合自然语言处理中实体提取的技术识别其中的知识点实体,另一方面将参考国内权威的教学大纲和主要教科书目录和内容,结合实体提取技术提取相关知识点。对于知识点的拓扑关系的建立,一方面对于从平台上已有的教育资源和网络上已有的教育资源中的情况,可以依据知识点条目之间的超链接的关系,依据知识图谱领域对于先后序关系的研究工作定义知识点之间的拓扑结构,另一方面对于从国内教育资源中提取实体的情况,可以依据教学内容的先后建立知识点之间的拓扑关系。在提取出知识点和知识点之间的拓扑关系之后,对于所建立的知识图谱经过教育学领域专家的评估,对其中不合理的知识点和不合理的知识点结构要进行合适的调整。该技术方法有助于推荐子模块233的推荐过程,使其可以参考知识图谱中的知识点进行抉择,进一步提升在线编程智能辅导的精度。
数据分析子模块232中,提供的用户历史做题记录、题目及其内容、题目-知识点关联数据,综合诊断用户认知能力,对做题用户进行深层、动态建模,实现认知诊断方法的动态分析。该动态认知诊断技术方法使得对做题人的认知水平评估从静态过程变为时序化的动态过程,能够实时诊断出做题人认知水平并给出反馈从而调整合适学习方案。
数据分析子模块232中,做题成绩预测获取前述认知诊断的结果(当可以获取前述认知诊断的结果时,可以不采用该技术框架所包含的认知诊断模型)以及待预测试题,所述认知诊断的结果包括用户对不同知识点的掌握水平,即当前知识状态向量;所述待预测试题转为向量表征,并基于所述当前知识状态向量以及所述待预测试题的表征向量,输出所述待预测试题的预测成绩;所述当前知识状态向量用于表示学生当前的知识掌握水平,由前述认知诊断方法基于数据收集子模块231提供的用户历史做题记录得到的历史知识状态向量计算得到;所述待预测试题的表征向量用于表示所述待预测试题的个性化特征。该技术方法,有助于提高成绩预测的准确性。
推荐子模块233中,利用数据分析子模块232中认知诊断获得的用户认知水平(用户对不同知识点的掌握水平,即当前知识状态向量)和目标学习路径(包含学生需要学习的所有知识单元),确定候选知识点集合,并将候选知识点集合中最大概率对应的知识点作为目标知识单元,,目标知识单元为学生下一个需要学习的知识点。该方法融合了认知结构的个性化教育资源(知识图谱),有效结合教育学领域特有的理论,能够在融合教育学中提出的做题人认知结构,适用于在线编程智能辅导需要的个性化推荐。
虽然前述内容结合具体数据挖掘技术发明描述了本发明数据分析子模块232的实施方式,但是本发明团队其他数据挖掘技术及不脱离本发明的精神和范围的情况下做出的各种修改和变型,均落入由所附权利要求所限定的范围之内。
Claims (2)
1.一种融合智能教育的编程教学系统,其特征在于:所述系统包括:客户端、多源服务的统一查询模块和服务器端;
在客户端,为用户提供在线做题和评测作业、为用户提供题目和题包设置作业、为用户提供智能分析作业和为用户提供身份认证作业,执行用户行为记录操作;包括在线做题和评测模块、题目和题包设置模块、智能分析模块和身份认证模块;所述用户行为记录传递到服务器端大数据分析模块的数据收集子模块,用于整理和存储;
在线做题和评测模块:支持用户在线编程、提交程序代码和评测其提交的代码的操作,将用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,通过多源服务的统一查询模块传递给服务器端可脚本定制的多语言评测模块,用以评测代码正确性、代码风格、代码运行耗时和占用内存;接收服务器端可脚本定制的多语言评测模块响应的评测结果,所述测评结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据,通过在线做题和评测作业模块中的评测作业呈现在用户做题页面;
题目和题包设置模块:支持用户设置题目和题包操作,即将题目和题包的相关设置数据和提交设置操作指令,所述相关设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;通过多源服务的统一查询模块传递给服务器端可插拔的动态模块机制中的题目和题包设置模块,用以更新题目和题包的设置信息;并接收服务器端可插拔的动态模块机制中的题目和题包设置模块的响应数据,即设置成功或失败的提示,呈现在题目和题包设置页面;
智能分析模块:支持为用户提供智能分析数据,包括提供群体性分析、相似试题识别、编程知识图谱构建、用户认知能力;用户对所学知识的掌握能力诊断、推荐个性化学习资源服务,将用户请求查看智能分析的操作指令通过多源服务的统一查询模块传递服务器端大数据分析模块内部数据分析子模块和推荐子模块;并接收服务器端大数据分析模块的响应数据,大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集;
身份认证模块:支持用户绑定认证电子邮箱或手机号码;将用户输入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,通过多源服务的统一查询模块传递服务器端可插拔的动态模块中的用户身份认证模块,用以请求验证码;在接收到验证码后,将用户输入的待认证的电子邮箱地址或手机号码连同验证码作为数据与申请认证的操作指令,通过多源服务的统一查询模块传递服务器端可插拔的动态模块中的用户身份认证模块,用以验证身份,并接收服务器端中可插拔的动态模块中的用户身份认证模块的响应数据,所述响应数据为设置成功或失败的提示;
多源服务的统一查询模块,用以解析客服端发送的请求,并传送给服务端对应模块处理数据,返回给客户端;解析客户端输入的代码字符串序列、选择的编程语言和题目ID等数据和代码评测操作指令,并发送至服务端可脚本定制的多语言评测模块,同时接收服务端可脚本定制的多语言评测模块返回的评测结果并返回给客户端,所述评测结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据;解析客户端题目、题包设置请求和相关设置数据,所述数据包括数据题目文本内容、文本或文件格式测试数据、评测数据,并将所述数据发送至服务器可插拔的动态模块机制中的题目和题包设置模块;同时将接收服务器端中可插拔的动态模块中的题目和题包设置模块中返回的设置结果返回给客户端,所述设置结果包括成功则跳转页面和失败则提示;解析客户端请求查看数据分析的操作并发送给服务器端中大数据分析模块中的数据分析子模块和推荐子模块,同时接收服务器端中大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱构建、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集、预测用户做题成绩;解析客户端请求验证码的操作和待绑定的手机号或邮箱并发送给服务器端中的可插拔的动态模块中的用户身份认证模块,解析客户端提交的验证码并发送给服务器端可插拔的动态模块中的用户身份认证模块,同时接收服务器端可插拔的动态模块机制中的用户身份认证模块返回的绑定结果给客户端;该多源服务的统一查询模块在运行时提供可扩展和可维护的数据查询方式,使客户端完全自主决定获取信息的内容,服务端负责返回目标数据;
服务器端,实现可插拔的动态设置、可脚本定制的多语言评测和融合智能教育的大数据分析功能;服务器端包括:可插拔的动态模块、可脚本定制的多语言评测模块和大数据分析模块;可插拔的动态模块实现可定制、可插拔式的扩展和修改,具有可拓展、可添加、可删除的功能;可脚本定制的多语言评测模块提供多语言编程评测服务;大数据分析模块,用以提供智能辅导;
可插拔的动态模块,包括:题目和题包设置模块和用户身份认证模块;题目和题包设置模块支持客户端设置题目和题包操作,接收客户端通过多源服务的统一查询模块传入的题目和题包的相关设置数据和提交设置操作指令,所述相关设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;根据相关设置数据和设置操作指令执行更新操作,更新题目和题包的设置信息;根据更新操作是否成功,通过多源服务的统一查询模块向客户端返回操作成功或失败的提示;
用户身份认证模块,支持客户端绑定认证电子邮箱或手机号码操作,接收客户端通过多源服务的统一查询模块传入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,生成相应的验证码,并直接通过传入的电子邮箱地址或手机号码向用户发送验证码;接收客户端通过多源服务的统一查询模块传入的待认证的电子邮箱地址或手机号码和验证码作为数据与申请认证的操作指令,检查验证码和电子邮箱地址或手机号码是否匹配,并通过多源服务的统一查询模块返回响应数据;另外,题目和题包设置模块、用户身份认证模块仅为可插拔的动态模块内部模块的两个实现例,可插拔的动态模块可支持不同内部模块实现,并支持内部模块的动态扩展和修改,在不影响其他模块运行的情况下,扩展或修改内部模块,支持更多的设置请求;
可脚本定制的多语言评测模块,支持对用户输入的代码进行自定义的评测,即通过多源服务的统一查询模块接收来自客户端的用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,根据输入的代码评测操作指令对用户输入的代码的正确性、代码风格、代码运行耗时和占用内存进行评测,得到用户在该题目上的评测结果,并将评测结果通过多源服务的统一查询模块返回给客户端,所述测评结果包括代码准确性的评分、代码风格建议、代码运行耗时和占用内存数据;
大数据分析模块,支持对客户端传入的数据进行收集记录和智能分析,所述智能分析包括提供群体性分析、相似试题识别、编程知识图谱构建和用户认知能力分析;大数据分析模块包括数据收集子模块、数据分析子模块和推荐子模块;数据收集子模块支持对用户行为数据的收集和记录,接收客户端传入的用户操作客户端的行为记录,所述行为记录包括操作指令、操作数据、操作时间,对用户行为记录进行整理、并存储在服务器中,用于数据分析子模块和推荐子模块进行后续数据分析;数据分析子模块支持查看对用户行为的智能分析,接收客户端通过多源服务的统一查询模块传入的请求查看智能分析的操作指令,以及数据收集子模块收集的用户行为数据,执行群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析等分析算法,得到分析结果,即群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析,将分析结果通过多源服务的统一查询模块传递至客户端;推荐子模块为用户产生个性化的学习资源候选集,接收客户端通过多源服务的统一查询模块传入的请求推荐学习资源的操作指令,以及数据收集子模块收集的用户行为数据,执行推荐系统算法,得到推荐结果,即个性化学习资源候选集,将推荐结果通过多源服务的统一查询模块传递至客户端。
2.一种采用权利要求1所述融合智能教育的编程教学系统的方法,其特征在于,步骤如下:
步骤S101:客户端将用户输入的待认证的电子邮箱地址或手机号码作为数据与请求验证码的操作指令,通过多源服务的统一查询模块传递至用户身份认证模块,在服务器端生成验证码,并直接发送给用户;
步骤S102:用户接收到步骤S101发送的验证码后,通过客户端将用户输入的待认证的电子邮箱地址或手机号码连同验证码作为数据与申请认证的操作指令,通过多源服务的统一查询模块传递用户身份认证模块,用户身份认证模块检查验证码并返回验证结果,如果验证结果为成功,客户端显示成功提示,从而完成用户身份验证;
步骤S103:通过步骤S101、S102完成身份验证的用户,通过客户端进行在线编程、提交程序代码和评测其提交的代码的操作,由客户端将用户输入的代码字符串序列、选择的编程语言和题目ID数据和代码评测操作指令,通过多源服务的统一查询模块传递给可脚本定制的多语言评测模块,可脚本定制的多语言评测模块执行评测,返回评测结果,所述评测结果包括代码正确性、代码风格、代码运行耗时和占用内存;客户端通过在线做题和评测作业模块中的评测作业将返回的评测结果呈现在用户做题页面;
步骤S104:通过步骤S101、S102完成身份验证的用户,通过客户端进行用户设置题目和题包操作;客户端将题目和题包的相关设置数据和提交设置操作指令,所述设置数据包括:题目文本内容、文本或文件格式测试数据、评测数据;通过多源服务的统一查询模块传递给可插拔的动态模块机制中的题目和题包设置模块;题目和题包设置模块根据相关数据和操作指令更新题目和题包的设置信息,并返回设置成功或失败的提示;客户端接收可插拔的动态模块机制中的题目和题包设置模块的响应数据,即设置成功或失败的提示,呈现在题目和题包设置页面;
步骤S105:客户端对用户在步骤S103、S104执行的操作客户端的行为记录,所述行为记录包括操作指令、操作数据、操作时间,传递到服务器端大数据分析模块的数据收集子模块,用于整理和存储;
步骤S106:用户在步骤S105中传递到服务器端的大数据分析模块的数据收集子模块的行为记录,由数据收集子模块对用户行为记录进行整理并存储在服务器端中,用于数据分析子模块和推荐子模块进行后续数据分析;
步骤S107:用户通过客户端传入请求查看智能分析的操作指令,通过多源服务的统一查询模块传递服务器端大数据分析模块内部数据分析子模块和推荐子模块;大数据分析模块中的数据分析子模块接收客户端通过多源服务的统一查询模块传入的请求查看智能分析的操作指令,以及在步骤S105中存储的用户行为记录,执行群体性分析、相似试题识别、编程知识图谱构建、用户认知能力分析,得到群体性分析结果、相似试题识别分析结果、编程知识图谱构建结果和用户认知能力分析结果;接收客户端通过多源服务的统一查询模块传入的请求推荐学习资源的操作指令,以及在步骤S105中存储的用户行为记录,执行推荐系统算法,得到推荐结果,即个性化学习资源候选集;大数据分析模块将分析结果和推荐结果通过多源服务的统一查询模块传递至客户端;客户端接收大数据分析模块中的数据分析子模块返回的群体性分析数据、相似试题识别、编程知识图谱、用户认知能力诊断数据和推荐子模块返回的推荐子模块生产个性化学习资源候选集,从而向用户提供智能分析数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607383.0A CN112596731B (zh) | 2020-12-29 | 2020-12-29 | 一种融合智能教育的编程教学系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607383.0A CN112596731B (zh) | 2020-12-29 | 2020-12-29 | 一种融合智能教育的编程教学系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112596731A true CN112596731A (zh) | 2021-04-02 |
CN112596731B CN112596731B (zh) | 2024-03-29 |
Family
ID=75206189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607383.0A Active CN112596731B (zh) | 2020-12-29 | 2020-12-29 | 一种融合智能教育的编程教学系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112596731B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741591A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 一种向学习者推荐学习路径的方法及电子设备 |
CN116450801A (zh) * | 2023-03-29 | 2023-07-18 | 北京思明启创科技有限公司 | 编程学习方法、装置、设备和存储介质 |
CN116841519A (zh) * | 2022-06-21 | 2023-10-03 | 北京浩泰思特科技有限公司 | 一种代码编写教学评估方法及系统 |
CN117331836A (zh) * | 2023-10-16 | 2024-01-02 | 中教畅享(北京)科技有限公司 | 一种基于代码语法树分析的评测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016015466A1 (zh) * | 2014-07-28 | 2016-02-04 | 北京矩道优达网络科技有限公司 | 用于编程教学的基于用户行为分析的信息交互方法与系统 |
CN109829105A (zh) * | 2019-01-18 | 2019-05-31 | 王惟惟 | 一种可应用区块链技术的人工智能创作辅助系统 |
KR102052844B1 (ko) * | 2019-01-31 | 2019-12-05 | 주식회사 아이스크림에듀 | 학습 분석 방법 및 시스템 |
CN111949822A (zh) * | 2020-08-20 | 2020-11-17 | 山东大学 | 一种基于云计算和移动终端的智能教育视频服务系统及其运行方法 |
-
2020
- 2020-12-29 CN CN202011607383.0A patent/CN112596731B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016015466A1 (zh) * | 2014-07-28 | 2016-02-04 | 北京矩道优达网络科技有限公司 | 用于编程教学的基于用户行为分析的信息交互方法与系统 |
CN109829105A (zh) * | 2019-01-18 | 2019-05-31 | 王惟惟 | 一种可应用区块链技术的人工智能创作辅助系统 |
KR102052844B1 (ko) * | 2019-01-31 | 2019-12-05 | 주식회사 아이스크림에듀 | 학습 분석 방법 및 시스템 |
CN111949822A (zh) * | 2020-08-20 | 2020-11-17 | 山东大学 | 一种基于云计算和移动终端的智能教育视频服务系统及其运行方法 |
Non-Patent Citations (2)
Title |
---|
刘淇;陈恩红;朱天宇;黄振亚;吴润泽;苏喻;胡国平;: "面向在线智慧学习的教育数据挖掘技术研究", 模式识别与人工智能, no. 01, 15 January 2018 (2018-01-15) * |
钟秀琴;高丹丹;尚明生;: "计算机软件类课程教学平台研究与实践", 实验科学与技术, no. 06, 28 December 2012 (2012-12-28) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741591A (zh) * | 2022-04-02 | 2022-07-12 | 西安电子科技大学 | 一种向学习者推荐学习路径的方法及电子设备 |
CN116841519A (zh) * | 2022-06-21 | 2023-10-03 | 北京浩泰思特科技有限公司 | 一种代码编写教学评估方法及系统 |
CN116841519B (zh) * | 2022-06-21 | 2024-06-11 | 北京浩泰思特科技有限公司 | 一种代码编写教学评估方法及系统 |
CN116450801A (zh) * | 2023-03-29 | 2023-07-18 | 北京思明启创科技有限公司 | 编程学习方法、装置、设备和存储介质 |
CN117331836A (zh) * | 2023-10-16 | 2024-01-02 | 中教畅享(北京)科技有限公司 | 一种基于代码语法树分析的评测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112596731B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104882040B (zh) | 应用于汉语言教学的智能系统 | |
CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
CN104881738B (zh) | 应用于思想政治教学的智能系统 | |
Paramythis et al. | A modular approach to the evaluation of adaptive user interfaces | |
US20050026129A1 (en) | Interactive computerized performance support system and method | |
US20040126748A1 (en) | Computer-aided learning system and method | |
JP2000098865A (ja) | 学習支援システム,及びそれを構成する教材サーバ装置,学習者側装置,並びにそれらのプログラムを記録した記録媒体 | |
KR101576727B1 (ko) | Qr코드 및 앱을 이용한 온오프라인 연동 학습 시스템 | |
CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
KR100877583B1 (ko) | 학습 스타일 진단 시스템 및 그 진단 방법 | |
CN111143750B (zh) | 基于碎片化学习的大学计算机类课程管理平台 | |
CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
Hosseini et al. | Animated examples as practice content in a java programming course | |
Nguyen et al. | Design intelligent educational chatbot for information retrieval based on integrated knowledge bases | |
Grosz et al. | A report to ARPA on twenty-first century intelligent systems | |
Suraweera et al. | The role of domain ontology in knowledge acquisition for ITSs | |
CN111444354A (zh) | 一种基于人工智能的知识点回溯学习评估方法 | |
Staab | Human language technologies for knowledge management | |
CN115081965A (zh) | 一种学情大数据分析系统及学情服务器 | |
Jia | Designing an intelligent teaching system of chinese as a foreign language under the internet background | |
Fu et al. | Predicting programming performance by using process behavior in a block-based programming environment | |
Poitras et al. | Mining the edublogosphere to enhance teacher professional development | |
Qu et al. | Choosing when to interact with learners | |
CN112687380A (zh) | 一种医师评价系统的数据加载方法及质控平台 | |
Ogunkunle et al. | A data mining based optimization of selecting learning material in an intelligent tutoring system for advancing STEM education |
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 |