CN112700075A - 分值评估方法、系统、存储介质及服务端 - Google Patents

分值评估方法、系统、存储介质及服务端 Download PDF

Info

Publication number
CN112700075A
CN112700075A CN201911013038.1A CN201911013038A CN112700075A CN 112700075 A CN112700075 A CN 112700075A CN 201911013038 A CN201911013038 A CN 201911013038A CN 112700075 A CN112700075 A CN 112700075A
Authority
CN
China
Prior art keywords
score
user
question making
learning
data information
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.)
Pending
Application number
CN201911013038.1A
Other languages
English (en)
Inventor
王石磊
刘飞
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.)
Shanghai Zeji Education Training Co ltd
Original Assignee
Shanghai Zeji Education Training Co ltd
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 Shanghai Zeji Education Training Co ltd filed Critical Shanghai Zeji Education Training Co ltd
Priority to CN201911013038.1A priority Critical patent/CN112700075A/zh
Publication of CN112700075A publication Critical patent/CN112700075A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供一种分值评估方法、系统、存储介质及服务端，服务端与至少一客户端通信连接；所述方法包括以下步骤：获取学习科目的知识点信息和用户的做题数据信息；根据知识点信息和做题数据信息，计算预测分值；基于用户的当前做题频率调整预测分值，以便客户端对用户的学习成效进行评估。本发明通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户的学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平；结合用户的当前做题频率，实现动态调整预测分，使获得的预测分能够更加准确地反映对用户学习成效的评估能力，帮助用户学习。

Description

分值评估方法、系统、存储介质及服务端
技术领域
本发明属于智能评估技术领域，特别是涉及一种分值评估方法、系统、存储介质及服务端。
背景技术
在移动互联网高度发达的今天，越来越多的用户在智能手机上完成做题、模拟考试等一系列学习过程，以此来提高用户对知识点的掌握，通常，在用户进行完一次做题后，智能手机会对用户进行一次打分，用来估算用户的成绩，但是，现有的打分系统在对用户进行打分时，通常只考虑了用户的做题信息，包括截至此次做题，用户总的做题数占所有题目的占比和做题正确率，这样打出来的分值往往不能很好地体现用户的水平，对用户学习成效的评估结果也往往不够准确，导致用户无法清楚的知道自己当前的学习情况，无法做到及时调整学习进度和学习方法，改善学习水平。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种分值评估方法、系统、存储介质及服务端，通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户的学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平。
为实现上述目的及其他相关目的，本发明一方面提供一种分值评估方法，应用于服务端，所述服务端与至少一客户端通信连接；所述分值评估方法包括以下步骤：获取学习科目的知识点信息和用户的做题数据信息；根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
于本发明的一实施例中，获取所述知识点信息和所述做题数据信息包括以下步骤：根据上传指令获取所述知识点信息；所述知识点信息包括知识点、知识点总数及所述知识点对应的知识点权重；从所述客户端获取所述做题数据信息；所述做题数据信息包括所述用户的做题总数、正确做题数、登录次数、知识点完成情况及知识点完成数。
于本发明的一实施例中，计算所述预测分值包括以下步骤：计算做题正确率；筛选出所有已完成的知识点；计算已完成的知识点的平均权重；按照预设计算公式计算所述预测分值；所述预设计算公式为：
Figure BDA0002244776260000022
其中，N1表示知识点完成数；N表示知识点总数；
Figure BDA0002244776260000021
表示平均权重；q表示正确率；M表示总分。
于本发明的一实施例中，调整所述预测分值以便所述客户端对所述用户的学习成效进行评估包括以下步骤：获取所述用户在预设评估时间段内的做题总数和登录次数；根据在预设评估时间段内的做题总数和登录次数，计算所述当前做题频率；所述当前做题频率的计算公式为当前做题频率＝预设评估时间段内的做题总数/预设评估时间段内的登录次数；将所述当前做题频率与前一日的当前做题频率进行比较，并根据比较结果及预设调整规则调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
于本发明的一实施例中，所述预设调整规则为：当所述当前做题频率大于前一日的当前做题频率时，将所述预测分乘以调高系数，以调高所述预测分值；当所述当前做题频率小于前一日的当前做题频率时，将所述预测分乘以调低系数，以调低所述预测分值。
于本发明的一实施例中，调整所述预测分值以便所述客户端对所述用户的学习成效进行评估还包括：将在所述预设评估时间段内的做题数据信息和调整后的预测分值发送至所述客户端，以使所述客户端生成用于对所述用户的学习成效进行评估的评估报告。
于本发明的一实施例中，所述评估报告以图形和/或表格的形式展示。
本发明另一方面提供一种分值评估系统，所述分值评估系统包括：信息获取模块、分值计算模块和调整评估模块；所述信息获取模块用于获取学习科目的知识点信息和用户的做题数据信息；所述分值计算模块用于根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；所述调整评估模块用于基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
本发明又一方面提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的分值评估方法。
本发明最后一方面提供一种服务端，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述服务端执行上述的分值评估方法。
如上所述，本发明所述的分值评估方法、系统、存储介质及服务端，具有以下有益效果：
(1)通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户的学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平；
(2)结合用户的当前做题频率，实现动态调整预测分，使获得的预测分能够更加准确地反映对用户学习成效的评估能力，帮助用户学习。
附图说明
图1显示为本发明的分值评估方法于一实施例中的流程图。
图2显示为本发明的获取知识点信息和做题数据信息于一实施例中的流程图。
图3显示为本发明的计算预测分值于一实施例中的流程图。
图4显示为本发明的调整预测分值于一实施例中的流程图。
图5显示为本发明的分值评估系统于一实施例中的结构原理图。
元件标号说明
51 信息获取模块
52 分值计算模块
53 调整评估模块
S1～S3 分值评估方法原理流程步骤
S101～S102 获取知识点信息和做题数据信息步骤
S201～S204 计算预测分值步骤
S301～S304 调整预测分值步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
本发明的分值评估方法、系统、存储介质及服务端的技术原理如下：所述分值评估方法应用于服务端，所述服务端与至少一客户端通信连接；所述分值评估方法包括以下步骤：获取学习科目的知识点信息和用户的做题数据信息；根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
实施例一
本实施例提供一种分值评估方法，应用于服务端，所述服务端与至少一客户端通信连接；所述分值评估方法包括以下步骤：获取学习科目的知识点信息和用户的做题数据信息；根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
以下将结合图1至图4对本实施例所提供的分值评估方法进行详细描述。
请参阅图1，显示为本发明的分值评估方法于一实施例中的流程图。如图1所示，本发明的分值评估方法应用于服务端，所述服务端与至少一客户端通信连接；所述分值评估方法包括以下步骤：
S1、获取学习科目的知识点信息和用户的做题数据信息。
具体地，服务端获取学习科目的知识点信息，并在预设指定时间，统计获取用户的做题数据信息。
需要说明的是，预设指定时间是用户预先设定好的，目的是使服务端能够在该预设指定时间，统计获取所述做题数据信息。
进一步地，通常将该预设指定时间设置在午夜或凌晨，此时正在使用客户端进行学习的用户较少，从而可减轻服务端的工作负担。
请参阅图2，显示为本发明的获取知识点信息和做题数据信息于一实施例中的流程图。如图2所示，获取知识点信息和做题数据信息包括以下步骤：
S101、根据上传指令获取所述知识点信息；所述知识点信息包括知识点、知识点总数及所述知识点对应的知识点权重。
具体地，管理员预先在后台执行上传指令，将对应学习科目的知识点信息上传至服务端，以使服务端获取该知识点信息。
S102、从所述客户端获取所述做题数据信息；所述做题数据信息包括所述用户的做题总数、正确做题数、登录次数、知识点完成情况及知识点完成数。
具体地，用户在客户端上做题时，会将做题记录上传至该服务端，以使服务端获取所述做题数据信息。
S2、根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值。
具体地，根据上述S1获取的知识点信息和做题数据信息，计算预测分值。
请参阅图3，显示为本发明的计算预测分值于一实施例中的流程图。如图3所示，计算预测分值包括以下步骤：
S201、计算做题正确率。
具体地，根据上述S102获取的做题总数和正确做题数，按照做题正确率＝正确做题数/做题总数的计算公式，计算该做题正确率。
需要说明的是，该做题总数和正确做题数均是针对该用户对学习科目学习过程中所有的做题信息获取的，而不是针对学习科目中的某一知识点获取的。
S202、筛选出所有已完成的知识点。
具体地，根据上述S102获取的知识点完成情况，从做题数据信息中筛选出所有已完成的知识点。
需要说明的是，知识点完成情况包括已完成和未完成两种情况，在用户完成某一知识点最后一个练习时，服务端会变更该用户对该知识点的知识点完成情况为已完成，否则为未完成。
S203、计算已完成的知识点的平均权重。
具体地，基于S202筛选出所有已完成的知识点后，根据S101获取的知识点权重，计算出这些已完成的知识点的平均权重。
S204、按照预设计算公式计算所述预测分值。
具体地，所述预设计算公式为：
Figure BDA0002244776260000051
其中，N1表示知识点完成数；N表示知识点总数；
Figure BDA0002244776260000052
表示平均权重；q表示正确率；M表示总分。
S3、基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
具体地，在获取该预测分值后，基于用户的当前做题频率动态修改该预测分值，以便该客户端根据修改后的预测分值对用户的学习成效进行智能评估。
请参阅图4，显示为本发明的调整预测分值于一实施例中的流程图。如图4所示，调整预测分值包括以下步骤：
S301、获取所述用户在预设评估时间段内的做题总数和登录次数。
具体地，根据上述S1获取的做题数据信息，获得在预设评估时间段内的用户的做题数据信息，以使服务端基于该做题数据信息统计获取在预设评估时间段内用户的做题总数和登录次数。
需要说明的是，该预设评估时间是用户设定的，用于限定对用户学习成效进行评估的一个时间范围，在此不作为限制本发明的条件，因此在此也不需要对其进行明确规定，通常为30天。
S302、根据在预设评估时间段内的做题总数和登录次数，计算所述当前做题频率；所述当前做题频率的计算公式为当前做题频率＝预设评估时间段内的做题总数/预设评估时间段内的登录次数。
具体地，根据上述S301获取到的在预设评估时间段内的用户的做题总数和登录次数，计算该当前做题频率。
S303、将所述当前做题频率与前一日的当前做题频率进行比较，并根据比较结果及预设调整规则调整所述预测分值。
在本实施例中，所述预设调整规则为：当所述当前做题频率大于前一日的当前做题频率时，将所述预测分乘以调高系数，以调高所述预测分值；当所述当前做题频率小于前一日的当前做题频率时，将所述预测分乘以调低系数，以调低所述预测分值。
需要说明的是，该调高系数和该调低系数均为一个经验值，是用户根据以往经验设置的，分别用来调高该预测分值和调低该预测分值。
例如，将调高系数设置为1.2；调低系数设置为0.8。
S304、将在所述预设评估时间段内的做题数据信息和调整后的预测分值发送至所述客户端，以使所述客户端生成用于对所述用户的学习成效进行评估的评估报告。
具体地，将上述S301获取的在预设评估时间段内的做题数据信息和上述S303获取的调整后的预测分值发送至该客户端，以使该客户端自动生成用于评估用户学习成效的评估报告。
需要说明的是，在该客户端上有用于自动生成评估报告的操作页面，而只需要将在预设评估时间段内的做题数据信息和调整后的预测分值发送至该客户端，即可自动生成评估报告。
进一步地，所述客户端包括：处理器、存储器、收发器、通信接口或/和系统总线；存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于和其他设备进行通信，处理器和收发器用于运行计算机程序，使所述客户端执行自动生成用于评估用户学习成效的评估报告的步骤。
在本实施例中，所述评估报告以图形和/或表格的形式展示。
具体地，所述评估报告包括但不限于折线图、表格、雷达图、正太分布图等等；其中，折线图可用来展示该用户在预设评估时间段内，每一日的调整后预测分值的分布情况；表格可用来展示该用户的调整后预测分值与所有使用该服务端进行分值评估的用户的对比情况；其中，表格中还可包括用户的做题数据信息，以实现将该用户的做题数据信息与所有使用该服务端进行分值评估的用户进行对比；雷达图可用来展示该用户调整后预测分值与做题数据信息；正太分布图可用于展示所有使用该服务端进行分值评估的用户的调整后预测分值的正太分布情况。
进一步地，所述分值评估方法还包括判断用户的薄弱知识点。
具体地，上述S101中所述知识点信息还包括对应所述知识点的知识点题数和知识点考纲要求；上述S102中所述知识点完成情况还包括对应每个知识点的做题数和正确题数；服务端根据该做题数和正确题数，分别计算出对应每个知识点的错误率，根据该错误率，按照错误率大于预设错误概率的规则，获取薄弱知识点。
预设错误概率是管理员根据经验设定的值，例如，将预设错误概率设置为20％。
所述分值评估方法还包括基于所述知识点考纲要求和所述错误率，对获取的薄弱知识点进行排序，这样用户就能一目了然地掌握自己的学习情况，从而实现知识点针对性练习，提高学习水平。
需要说明的是，知识点考纲要求是指管理员预先上传至服务端上的，对应每个知识点用户需要掌握何种程度的要求，包括了解、熟悉和掌握。
本实施例所述分值评估方法通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平；结合用户的当前做题频率，实现动态调整预测分，使获得的预测分能够更加准确地反映对用户学习成效的评估能力，帮助用户学习。
需要说明的是，本发明所述的分值评估方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述分值评估方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的计算机可读存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的计算机存储介质。
实施例二
本实施例提供一种分值评估系统，所述分值评估系统包括：信息获取模块、分值计算模块、调整评估模块；
所述信息获取获取模块用于获取学习科目的知识点信息和用户的做题数据信息；
所述分值计算模块用于根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；
所述调整评估模块用于基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
以下将结合图示对本实施例所提供的分值评估系统进行详细描述。
请参阅图5，显示为本发明的分值评估系统于一实施例中的结构原理图。如图5所示，本发明的分值评估系统包括信息获取模块51、分值计算模块52和调整评估模块53。
所述信息获取模块51用于获取学习科目的知识点信息和用户的做题数据信息。
具体地，信息获取模块51根据上传指令获取所述知识点信息；所述知识点信息包括知识点、知识点总数及所述知识点对应的知识点权重；信息获取模块51从所述客户端获取所述做题数据信息；所述做题数据信息包括所述用户的做题总数、正确做题数、登录次数、知识点完成情况及知识点完成数。
所述分值计算模块52用于根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值。
具体地，分值计算模块52根据信息获取模块51获取的做题总数和正确做题数，按照做题正确率＝正确做题数/做题总数的计算公式，计算出做题正确率；并根据信息获取模块51获取的知识点完成情况，从做题数据信息中筛选出所有已完成的知识点，然后基于所有已完成的知识点，根据信息获取模块51获取的知识点权重，计算出这些已完成的知识点的平均权重；按照预设计算公式计算所述预测分值；所述预设计算公式为：
Figure BDA0002244776260000091
其中，N1表示知识点完成数；N表示知识点总数；
Figure BDA0002244776260000092
表示平均权重；q表示正确率；M表示总分。
所述调整评估模块53用于基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
具体地，调整评估模块53根据信息获取模块51获取的做题数据信息，获得在预设评估时间段内的用户的做题数据信息；然后调整评估模块53根据在预设评估时间段内的做题总数和登录次数，计算出当前做题频率；所述当前做题频率的计算公式为当前做题频率＝预设评估时间段内的做题总数/预设评估时间段内的登录次数；将所述当前做题频率与前一日的当前做题频率进行比较，并根据比较结果及预设调整规则调整所述预测分值；最后再将在所述预设评估时间段内的做题数据信息和调整后的预测分值发送至所述客户端，以使所述客户端生成用于对所述用户的学习成效进行评估的评估报告。
在本实施例中，所述预设调整规则为：当所述当前做题频率大于前一日的当前做题频率时，将所述预测分乘以调高系数，以调高所述预测分值；当所述当前做题频率小于前一日的当前做题频率时，将所述预测分乘以调低系数，以调低所述预测分值。
需要说明的是，应理解以上系统的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，x模块可以为单独设立的处理元件，也可以集成在上述系统的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述系统的存储器中，由上述系统的某一个处理元件调用并执行以上x模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个数字信号处理器(Digital Singnal Processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
本实施例所述分值评估系统通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户的学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平；结合用户的当前做题频率，实现动态调整预测分，使获得的预测分能够更加准确地反映对用户学习成效的评估能力，帮助用户学习。
实施例三
本实施例提供一种服务端，所述服务端包括：处理器、存储器、收发器、通信接口或/和系统总线；存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于和其他设备进行通信，处理器和收发器用于运行计算机程序，使所述服务端执行所述分值评估方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。通信接口用于实现数据库访问装置与其他设备(如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
优选地，所述处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是，本发明的分值评估系统可以实现本发明的分值评估方法，但本发明的分值评估方法的实现装置包括但不限于本实施例列举的分值评估系统的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
综上所述，本发明的分值评估方法、系统、存储介质及服务端通过综合考虑用户做题记录和知识点信息，计算用户的预测分，以根据预测分对用户的学习成效进行智能评估，使得用户清楚知道自己当前的学习情况，做到及时调整学习进度和学习方法，不断提高学习水平；结合用户的当前做题频率，实现动态调整预测分，使获得的预测分能够更加准确地反映对用户学习成效的评估能力，帮助用户学习。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种分值评估方法，其特征在于，应用于服务端，所述服务端与至少一客户端通信连接；所述分值评估方法包括以下步骤：
获取学习科目的知识点信息和用户的做题数据信息；
根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；
基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
2.根据权利要求1所述的分值评估方法，其特征在于，获取所述知识点信息和所述做题数据信息包括以下步骤：
根据上传指令获取所述知识点信息；所述知识点信息包括知识点、知识点总数及所述知识点对应的知识点权重；
从所述客户端获取所述做题数据信息；所述做题数据信息包括所述用户的做题总数、正确做题数、登录次数、知识点完成情况及知识点完成数。
3.根据权利要求2所述的分值评估方法，其特征在于，计算所述预测分值包括以下步骤：
计算做题正确率；
筛选出所有已完成的知识点；
计算已完成的知识点的平均权重；
按照预设计算公式计算所述预测分值；所述预设计算公式为：
Figure FDA0002244776250000011
其中，N1表示知识点完成数；N表示知识点总数；
Figure FDA0002244776250000012
表示平均权重；q表示正确率；M表示总分。
4.根据权利要求3所述的分值评估方法，其特征在于，调整所述预测分值以便所述客户端对所述用户的学习成效进行评估包括以下步骤：
获取所述用户在预设评估时间段内的做题总数和登录次数；
根据在预设评估时间段内的做题总数和登录次数，计算所述当前做题频率；所述当前做题频率的计算公式为当前做题频率＝预设评估时间段内的做题总数/预设评估时间段内的登录次数；
将所述当前做题频率与前一日的当前做题频率进行比较，并根据比较结果及预设调整规则调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
5.根据权利要求4所述的分值评估方法，其特征在于，所述预设调整规则为：当所述当前做题频率大于前一日的当前做题频率时，将所述预测分乘以调高系数，以调高所述预测分值；当所述当前做题频率小于前一日的当前做题频率时，将所述预测分乘以调低系数，以调低所述预测分值。
6.根据权利要求4所述的分值评估方法，其特征在于，调整所述预测分值以便所述客户端对所述用户的学习成效进行评估还包括：将在所述预设评估时间段内的做题数据信息和调整后的预测分值发送至所述客户端，以使所述客户端生成用于对所述用户的学习成效进行评估的评估报告。
7.根据权利要求6所述的分值评估方法，其特征在于，所述评估报告以图形和/或表格的形式展示。
8.一种分值评估系统，其特征在于，所述分值评估系统包括：信息获取模块、分值计算模块和调整评估模块；
所述信息获取模块用于获取学习科目的知识点信息和用户的做题数据信息；
所述分值计算模块用于根据所述知识点信息和所述做题数据信息，计算与所述做题数据信息相关联的预测分值；
所述调整评估模块用于基于所述用户的当前做题频率调整所述预测分值，以便所述客户端对所述用户的学习成效进行评估。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的分值评估方法。
10.一种服务端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器存储的计算机程序，以使所述服务端执行权利要求1至7中任一项所述的分值评估方法。
CN201911013038.1A 2019-10-23 2019-10-23 分值评估方法、系统、存储介质及服务端 Pending CN112700075A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911013038.1A CN112700075A (zh) 2019-10-23 2019-10-23 分值评估方法、系统、存储介质及服务端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911013038.1A CN112700075A (zh) 2019-10-23 2019-10-23 分值评估方法、系统、存储介质及服务端

Publications (1)

Publication Number Publication Date
CN112700075A true CN112700075A (zh) 2021-04-23

Family

ID=75505122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911013038.1A Pending CN112700075A (zh) 2019-10-23 2019-10-23 分值评估方法、系统、存储介质及服务端

Country Status (1)

Country Link
CN (1) CN112700075A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169903A (zh) * 2017-07-25 2017-09-15 山东工商学院 基于高校教学大数据的学习行为评价方法及系统
CN107862926A (zh) * 2017-11-24 2018-03-30 苏州民众财行企业管理咨询有限公司 一种在线学习效果的评测方法、移动终端和介质
CN108182489A (zh) * 2017-12-25 2018-06-19 浙江工业大学 一种基于在线学习行为分析的个性化学习推荐方法
CN108520054A (zh) * 2018-04-04 2018-09-11 重庆鲁班机器人技术研究院有限公司 学习数据处理方法及装置
CN108573628A (zh) * 2018-04-23 2018-09-25 中山大学 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法
CN108765227A (zh) * 2018-06-20 2018-11-06 华南师范大学 基于大数据与人工智能的学习画像方法和机器人系统
CN109242736A (zh) * 2018-09-27 2019-01-18 广东小天才科技有限公司 一种协助老师了解学生的学习情况的方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169903A (zh) * 2017-07-25 2017-09-15 山东工商学院 基于高校教学大数据的学习行为评价方法及系统
CN107862926A (zh) * 2017-11-24 2018-03-30 苏州民众财行企业管理咨询有限公司 一种在线学习效果的评测方法、移动终端和介质
CN108182489A (zh) * 2017-12-25 2018-06-19 浙江工业大学 一种基于在线学习行为分析的个性化学习推荐方法
CN108520054A (zh) * 2018-04-04 2018-09-11 重庆鲁班机器人技术研究院有限公司 学习数据处理方法及装置
CN108573628A (zh) * 2018-04-23 2018-09-25 中山大学 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法
CN108765227A (zh) * 2018-06-20 2018-11-06 华南师范大学 基于大数据与人工智能的学习画像方法和机器人系统
CN109242736A (zh) * 2018-09-27 2019-01-18 广东小天才科技有限公司 一种协助老师了解学生的学习情况的方法和系统

Similar Documents

Publication Publication Date Title
US11586941B2 (en) Recommendation method and apparatus
CN110147456B (zh) 一种图像分类方法、装置、可读存储介质及终端设备
US20190026639A1 (en) Neural architecture search for convolutional neural networks
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
JP6547070B2 (ja) プッシュ情報粗選択ソーティングの方法、デバイス、およびコンピュータ記憶媒体
US20130246290A1 (en) Machine-Assisted Legal Assessments
US20170092145A1 (en) System, method and non-transitory computer readable storage medium for truly reflecting ability of testee through online test
US10380506B2 (en) Generation of occupant activities based on recorded occupant behavior
US10537801B2 (en) System and method for decision making in strategic environments
TW201901579A (zh) 用於風險評測的資料採集方法及裝置和電子設備
WO2020042584A1 (zh) 非绩优人员培训方法、系统、计算机装置及存储介质
CN115082920A (zh) 深度学习模型的训练方法、图像处理方法和装置
CN112365007B (zh) 模型参数确定方法、装置、设备及存储介质
CN110956261A (zh) 一种评价指标的确定方法及系统
CN109377103B (zh) 学习平台课程推荐的评估方法及设备
CN114547917A (zh) 仿真预测方法、装置、设备及存储介质
CN110764900A (zh) 高并发下的数据分配测试方法、装置、终端及存储介质
CN110009161A (zh) 供水预测方法及装置
CN113627513A (zh) 一种训练数据生成方法、系统、电子设备及存储介质
CN112700075A (zh) 分值评估方法、系统、存储介质及服务端
CN110874667A (zh) 评分卡模型优化方法、装置、服务器及存储介质
CN112259239B (zh) 一种参数处理方法、装置、电子设备及存储介质
CN114595630A (zh) 活动效应评估模型训练方法、装置、计算机设备和介质
CN114238106A (zh) 测试时间预测方法及装置、电子设备、存储介质
CN112528500B (zh) 一种场景图构造模型的评估方法及评估设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210423

RJ01 Rejection of invention patent application after publication