CN112908067B - 一种基于多维度分层机制的学生作业分发系统 - Google Patents

一种基于多维度分层机制的学生作业分发系统 Download PDF

Info

Publication number
CN112908067B
CN112908067B CN202110258145.1A CN202110258145A CN112908067B CN 112908067 B CN112908067 B CN 112908067B CN 202110258145 A CN202110258145 A CN 202110258145A CN 112908067 B CN112908067 B CN 112908067B
Authority
CN
China
Prior art keywords
data
homework
student
dimension
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110258145.1A
Other languages
English (en)
Other versions
CN112908067A (zh
Inventor
郑洪涛
江华清
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.)
Yunnan Xunsheng Technology Co ltd
Original Assignee
Zhejiang Chuangke Network Technology 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 Zhejiang Chuangke Network Technology Co ltd filed Critical Zhejiang Chuangke Network Technology Co ltd
Priority to CN202110258145.1A priority Critical patent/CN112908067B/zh
Publication of CN112908067A publication Critical patent/CN112908067A/zh
Application granted granted Critical
Publication of CN112908067B publication Critical patent/CN112908067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • 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
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于多维度分层机制的学生作业分发系统。数据清洗模块：用于实时接收的学生作业作答数据和教师作业布置数据，并进行数据清洗，确定不同维度的作业数据；数据处理模块：基于系统预设的多维度分层算法，确定每一维度作业数据的维度层级；薄弱点辨别模块：根据所述维度层级，筛选出优秀学生和薄弱学生，并对每个学生的知识薄弱点进行判断，确定学生薄弱数据；作业分发模块：用于根据所述学生薄弱数据，根据学生的知识薄弱点进行作业抓取，并进行作业分配。

Description

一种基于多维度分层机制的学生作业分发系统
技术领域
本发明涉及作业布置技术领域，特别涉及一种基于多维度分层机制的学生作业分发系统。
背景技术
目前，随着互联网技术的快速发展和线上课堂的实现，现在进行作业布置的时候，一般布置的纸质作业，作业需要靠老师进行作业布置。但是老师不可能布置太多的纸质作业，而且随着互联网的扩大，作业的发布需要规律，而且需要作业能够对应优秀的学生和能力较差的学生，能够对学生的薄弱数据进行了解，进行均衡分配。
发明内容
本发明提供一种基于多维度分层机制的学生作业分发系统，用以解决现有作业布置不是动态的，不能对学生的薄弱点进行对应的作业分配的情况。
一种基于多维度分层机制的学生作业分发系统，其特征在于，包括：
数据清洗模块：用于实时接收的学生作业作答数据和教师作业布置数据，并进行数据清洗，确定不同维度的作业数据；
数据处理模块：基于系统预设的多维度分层算法，确定每一维度作业数据的维度层级；
薄弱点辨别模块：根据所述维度层级，筛选出优秀学生和薄弱学生，并对每个学生的知识薄弱点进行判断，确定学生薄弱数据；
作业分发模块：用于根据所述学生薄弱数据，根据学生的知识薄弱点进行作业抓取，并进行作业分配。
作为本发明的一种实施例：所述数据清洗模块包括：
学生作答数据采集单元：用于实时获取学生作答作业的作答时间和作答内容，生成学生作业作答数据；
教师布置数据采集单元：用于实时获取教师布置作业的任务类型、任务内容和任务时间，生成教师作业布置数据；
数据清洗单元：用于将所述教师作业布置数据和学生作业作答数据进行匹配，并根据匹配结果对所述教师作业布置数据和学生作业作答数据进行数据清洗，删除重复和错误数据；
维度划分单元：用于对数据清洗后的教师作业布置数据和学生作业作答数据进行维度划分，并将划分后的数据作为作业数据；
其中，所述维度包括时间维度、难度维度和优先级维度。
作为本发明的一种实施例：所述数据清洗单元将所述教师作业布置数据和学生作业作答数据进行匹配，包括如下过程：
将所述作答时间和作答内容相匹配，生成第一匹配结果；
将所述任务内容和任务时间相匹配，生成第二匹配结果；
将所述任务类型和任务内容相匹配，生成第三匹配结果；
将所述作答时间和任务时间相匹配，生成第四匹配结果；
将所述作答内容和任务内容相匹配，生成第五匹配结果；
根据所述第一匹配结果、第二匹配结果、第三匹配结果、第四匹配结果和第五匹配结果，确定匹配结果；其中，
根据所述匹配结果，获取重复数据和错误数据；
根据所述重复数据和错误数据，设定数据清洗规则，删除所述重复数据和错误数据。
作为本发明的一种实施例：所述维度划分单元进行维度划分包括如下步骤：
根据所述教师作业布置数据，确定教师的作业分配计划；
根据所述学生作业作答数据，确定学生的作业作答日志；
根据所述作业分配计划，确定学生的作业任务和对应的任务时间、任务量和任务目的；
根据所述作业作答日志和任务时间，确定所述作业数据的时间维度；
根据所述作业作答数据和任务量，确定所述作业数据的难度维度；
根据所述作业作答数据和任务目的，确定所述作业数据的优先级维度。
作为本发明的一种实施例：所述数据处理模块包括：
算法分层单元：用于根据所述作业数据的维度，设置多维度分层算法，根据不同维度的作业数据的维度值，并基于所述维度值进行数据分层；
时间维度计算单元：用于获取所述作业数据中时间维度数据，并通过所述多维度分层算法进行计算，确定时间维度值；
难度计算单元：用于获取所述作业数据中难度维度数据，并通过所述多维度分层算法进行计算，确定难度维度值；
优先级计算单元：用于获取所述作业数据中优先级维度数据，并通过所述多维度分层算法进行计算，确定优先级维度值。
作为本发明的一种实施例：所述数据处理模块确定每一维度作业数据的维度层级，包括如下步骤：
步骤1：根据所述作业数据，通过下式确定时间维度值：
Figure BDA0002968413730000041
其中，Ti表示第i个学习任务的作答时长；ti表示第i个学习任务的作答时间点；Ri表示第i个学习任务的题量；Gi表示第i个学习任务的格式特征；Pi表示第i个学习任务的作答人员的偏科特征；i＝1,2,3……n；n表示学习任务的总个数；
步骤2：根据所述作业数据，通过下式确定难度维度值：
Figure BDA0002968413730000042
其中，Zi表示第i个学习任务的作答正确人数；Bi表示第i个学习任务的作答正确人数占总人数的比例；bi表示第i个学习任务的在总试题中的占比；gi表示第i个学习任务的格式特征；
步骤3：根据所述作业数据，通过下式确定优先级维度值：
Figure BDA0002968413730000043
其中，fi表示第i个学习任务的范围特征；Fi表示第i个学习任务的预设作答时长和实际作答时长均值的比值；mi表示第i个学习任务的学习目的参数；
步骤4：比较所述时间维度值、难度维度值和优先级维度值，确定顺序关系；
步骤5：根据所述顺序关系，依次对每一维度作业布置数据进行维度层级进行设定。
作为本发明的一种实施例：所述步骤5包括如下步骤：
步骤S1:获取所述顺序关系，并根据所述顺序关系将所述时间维度、难度维度和优先级维度进行第一次分层，确定时间维度、难度维度和优先级维度的层级；
步骤S2：根据所述第一次分层，分别确定时间维度中时间维度值的时间范围，难度维度值的难度范围和优先级维度值的优先级范围；
步骤S3:根据所述时间范围、难度范围和优先级范围，将每个范围进行第二次分层，将每个范围分别划分为优秀层级、及格层级和薄弱层级。
作为本发明的一种实施例：
所述薄弱点辨别模块包括：
辨别单元：用于根据所述作业数据，确定每个学生对应的维度层级，并根据所述维度层级，确定每个学生的薄弱数据；其中，
所述薄弱数据包括：时间薄弱数据、难度薄弱数据和优先级薄弱数据；，薄弱学生；
知识点判断单元：根据所述薄弱数据，确定所述薄弱数据对应的薄弱知识点；学生，确定所述薄弱学生对应的薄弱数据；所述薄弱数据包括
数据获取单元：用于将所述薄弱知识点和学生相对应，生成每个学生的学生薄弱数据。
作为本发明的一种实施例：所述作业分发模块包括：
数据需求模块：用于获取所述学生薄弱数据，并确定薄弱数据的数据类型、数据格式和数据源；
知识抓取模块：用于根据所述数据源和数据格式，确定薄弱数据的数据地址；
数据采集单元：用于根据所述作业需求，进行学生作业采集，并生成与每个学生对应的电子作业文本，并将所述电子作业文本和学生信息进行一对一绑定，生成个性化作业文本；
判断单元：用于获取根据所述作业需求，判断每个个性化作业文本是否符合对应的学生的知识需求
作业分配单元；用于再所述个性化作业文本符合学生的知识需求时，根据所述个性化作业文本和学生信息，进行作业分配。
作为本发明的一种实施例：所述判断单元判断每个个性化作业文本是否符合对应的学生的知识需求，包括以下步骤：
步骤A1：用于获取所述作业需求，并通过下式确定每个学生的作业需求特征：
Figure BDA0002968413730000061
其中，tj表示第j个学生的时间需求参数；yj表示第j个学生的作业优先级参数；Ni表示第j个学生的难度需求参数；tf表示预设的时间参数阀值；yf表示预设的优先级参数阀值；Nf表示预设的难度参数阀值；j＝1，2，3……m；m表示学生的总数量；X表示学生的作业需求特征；
步骤A2：用于获取所述个性化作业文本，并通过下式确定个性化作业文本的作业特征：
Figure BDA0002968413730000062
其中，Sl表示所述个性化作业文本上第l道题目预设作答时间；Kl表示所述个性化作业文本上第l道题目对应的难度特征；Dl表示所述个性化作业文本上第l道题目的类型特征；
Figure BDA0002968413730000063
表示相同题目特征的作答难度均值；Cl表示所述个性化作业文本上第l道题目的参考答案的答案特征参数；Ml表示所述个性化作业文本上第l道题目的作答目的特征参数；SNR(l)表示所述个性化作业文本上第l道题目的候选因子；
Figure BDA0002968413730000071
μ+(l)表示所述个性化作业文本上第l道题目在同类题目中的权重值；μ-(l)表示所述个性化作业文本上第l道题目在不同类题目中的权重值；θ+(l)表示所述个性化作业文本上第l道题目在同类题目中的考察概率；θ-(l)表示所述个性化作业文本上第l道题目在不同类题目中的考察概率；l＝1，2，3……k；k所述个性化作业文本上的题目总数量；
步骤A3：根据所述作业需求特征和个性化作业文本的作业特征，通过下式判断每个个性化作业文本是否符合对应的学生的知识需求：
Figure BDA0002968413730000072
其中，
Figure BDA0002968413730000073
表示作业需求特征的特征均值；
Figure BDA0002968413730000074
作业特征的特征均值；当P≥1时，表示个性化作业文本符合对应的学生的知识需求；当P＜1时，表示个性化作业文本不符合对应的学生的知识需求。
本发明的有益效果为：本发明能够进行自主的分析学生的作业作答情况，然后区分出学生的对于作业的掌握情况，确定掌握程度的比较，然后通过可视化的程序进行系统确定，最后根据系统实现对优秀学生和差学生进行对应的作业分发，实现共同提高。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于多维度分层机制的学生作业分发系统的系统组成图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，一种基于多维度分层机制的学生作业分发系统，其特征在于，包括：
数据清洗模块：用于实时接收的学生作业作答数据和教师作业布置数据，并进行数据清洗，确定不同维度的作业数据；
数据处理模块：基于系统预设的多维度分层算法，确定每一维度作业数据的维度层级；
薄弱点辨别模块：根据所述维度层级，筛选出优秀学生和薄弱学生，并对每个学生的知识薄弱点进行判断，确定学生薄弱数据；
作业分发模块：用于根据所述学生薄弱数据，根据学生的知识薄弱点进行作业抓取，并进行作业分配。
上述技术方案的工作原理为：本发明用于作业分发，本发明首先会采集学生作业作答数据和教师作业布置数据，即学生在进行作业答复的数据和教师的教学计划的数据。而数据清洗是为了消除数据中的同类数据和错误数据。进行维度层级的维度划分和数据区分，然后通过不同层级的数据作业，本发明的主要原理时进行知识点的薄弱点抓取，然后通过对薄弱点进行重新划分，实现多维度分成的系统发放啊发。
本发明的有益效果为：本发明能够进行自主的分析学生的作业作答情况，然后区分出学生的对于作业的掌握情况，确定掌握程度的比较，然后通过可视化的程序进行系统确定，最后根据系统实现对优秀学生和差学生进行对应的作业分发，实现共同提高。
作为本发明的一种实施例：所述数据清洗模块包括：
学生作答数据采集单元：用于实时获取学生作答作业的作答时间和作答内容，生成学生作业作答数据；作答时间包括每道题的作答时间、所有题目的共同作答时间，并且与学生的身份信息相对应。
教师布置数据采集单元：用于实时获取教师布置作业的任务类型、任务内容和任务时间，生成教师作业布置数据；任务类型包括语文、化学、生物的课程类型，还包括选择题、应用题、阅读题等题目类型。任务内容就是具体的题目信息，任务时间是预计的作答时间。
数据清洗单元：用于将所述教师作业布置数据和学生作业作答数据进行匹配，并根据匹配结果对所述教师作业布置数据和学生作业作答数据进行数据清洗，删除重复和错误数据；教师布置的作业和学生做大的作业应该相一致，本发明将不一致的部分删除，防止应用程序在自动对学生的作业进行审批的时候发生错误。
维度划分单元：用于对数据清洗后的教师作业布置数据和学生作业作答数据进行维度划分，并将划分后的数据作为作业数据；维度划分的目的是为了更好的分析学生的学习状况，进而更合理的进行作业布置分配。
其中，所述维度包括时间维度、难度维度和优先级维度。
上述技术方案的工作原理和有益效果为：本发明在进行数据清洗的时候，会清洗学生作业作答数据和教师作业布置数据，数据清洗的过程时通过将所述教师作业布置数据和学生作业作答数据进行匹配，因为学生作答的作业和老师布置的作业应该是一致的，进而可以判断出那些数据重复，哪些数据错误。最后进行维度划分，学生作业符合清洗要求，
作为本发明的一种实施例：所述数据清洗单元将所述教师作业布置数据和学生作业作答数据进行匹配，包括如下过程：
将所述作答时间和作答内容相匹配，生成第一匹配结果；
将所述任务内容和任务时间相匹配，生成第二匹配结果；
将所述任务类型和任务内容相匹配，生成第三匹配结果；
将所述作答时间和任务时间相匹配，生成第四匹配结果；
将所述作答内容和任务内容相匹配，生成第五匹配结果；
根据所述第一匹配结果、第二匹配结果、第三匹配结果、第四匹配结果和第五匹配结果，确定匹配结果；其中，
根据所述匹配结果，获取重复数据和错误数据；
根据所述重复数据和错误数据，设定数据清洗规则，删除所述重复数据和错误数据。
上述技术方案的工作原理和有益效果为
为：本发明在进行教师作业布置数据和学生作业作答数据进行匹配的过程中，第一匹配结果用于判断作答是否按照计划进行；第二匹配结果确定了每个任务的完成时间，第三匹配结果决定了课程和任务内容相对应。第四匹配结果和第五匹配结果结合其它匹配结果，验证作业题目没有重复，没有错误。本发明根据这些匹配结果，筛选出重复和错误的数据，进而设置对应的清洗规则，清洗规则也就是匹配规则和删除规则。
作为本发明的一种实施例：所述维度划分单元进行维度划分包括如下步骤：
根据所述教师作业布置数据，确定教师的作业分配计划；作业分配计划把包括那些作业内容在什么时间发给对应设定的学生，实现高效作业分发。
根据所述学生作业作答数据，确定学生的作业作答日志；作业作答日志包括学生在哪个时间作答了那个作业，产生了那些作答数据等。
根据所述作业分配计划，确定学生的作业任务和对应的任务时间、任务量和任务目的；
根据所述作业作答日志和任务时间，确定所述作业数据的时间维度；
根据所述作业作答数据和任务量，确定所述作业数据的难度维度；
根据所述作业作答数据和任务目的，确定所述作业数据的优先级维度。
上述技术方案的工作原理为：本发明在进行维度划分的时候，由教师作业的布置数据，确定了作业的分配计划，确定作业的分配状态。学生的作答数据，确定了学生的作答日志，这个作答日志决定了学生实际在进行作业的时候，作业量和实际作业计划，本发明从三位维度进行维度的划分，主要是时间维度，决定了作业分配时间的合理性；难度维度，确定了学生做作业的效率，进而可以实现作业难度划分和作业。而优先级维度确定了那些作业需要进行先行布置，那些随后才能进行布置。
作为本发明的一种实施例：所述数据处理模块包括：
算法分层单元：用于根据所述作业数据的维度，设置多维度分层算法，根据不同维度的作业数据的维度值，并基于所述维度值进行数据分层；多维度分层算法是一种程序内置的数据分层算法，主要目的是将学生的作答数据和老师的作业布置数据，从三个维度进行数据划分，并将划分后的数据按层处理和存储。
时间维度计算单元：用于获取所述作业数据中时间维度数据，并通过所述多维度分层算法进行计算，确定时间维度值；
难度计算单元：用于获取所述作业数据中难度维度数据，并通过所述多维度分层算法进行计算，确定难度维度值；
优先级计算单元：用于获取所述作业数据中优先级维度数据，并通过所述多维度分层算法进行计算，确定优先级维度值；
上述技术方案的工作原理和有益效果在于：本发明在进行数据处理的时候，是基于作业维度划分之后计算时间维度值，难度维度值和优先级维度值。然后根据维度值进行数据分层。本发明基于维度分层的算法原理，有利于清楚的认知作业在进行划分后，按照维度数据可以进行合理的作业分发。
作为本发明的一种实施例：所述数据处理模块确定每一维度作业数据的维度层级，包括如下步骤：
步骤1：根据所述作业数据，通过下式确定时间维度值：
Figure BDA0002968413730000121
其中，Ti表示第i个学习任务的作答时长；ti表示第i个学习任务的作答时间点；Ri表示第i个学习任务的题量；Gi表示第i个学习任务的格式特征；Pi表示第i个学习任务的作答人员的偏科特征；
Ti表示第i个学习任务的作答时长，在进行计算时引入单个任务的作答时长；ti表示第i个学习任务的作答时间点，用于计算时引入单个任务的在学习计划中的作答时间点；
Figure BDA0002968413730000131
用于确定每个学生在作答市场内的作答难度；
Figure BDA0002968413730000132
用于基于指数函数将每个学习任务的状况以指数坐标的形式带入计算，进而可以以坐标图的形式进行可视化输出。
步骤2：根据所述作业数据，通过下式确定难度维度值：
Figure BDA0002968413730000133
其中，Zi表示第i个学习任务的作答正确人数；Bi表示第i个学习任务的作答正确人数占总人数的比例；bi表示第i个学习任务的在总试题中的占比；gi表示第i个学习任务的格式特征；Zi*Bi用于确定每个学习任务的作答状况，确定第一作答难度参数；
Figure BDA0002968413730000134
用于确定每个学习任务的题量情况，确定第二作答难度参数；
Figure BDA0002968413730000135
同样是为了基于指数函数实现每个学习任务难度状况的可视化；
步骤3：根据所述作业数据，通过下式确定优先级维度值：
Figure BDA0002968413730000136
其中，fi表示第i个学习任务的范围特征；Fi表示第i个学习任务的预设作答时长和实际作答时长均值的比值；mi表示第i个学习任务的学习目的参数；fi*Fi表示每个学习任务在整个题目范围内的作答状况；
Figure BDA0002968413730000137
用于确定学习目的对于作答状况的影响；
步骤4：比较所述时间维度值、难度维度值和优先级维度值，确定顺序关系；
步骤5：根据所述顺序关系，依次对每一维度作业布置数据进行维度层级进行设定。
上述技术方案的工作原理为：本发明再根据维度值进行维度划分的时候，首先基于作业数据，计算时间维度值，通过作业时长、作答时间点、对应的学习任务的题量和做题的题的格斯和作答人员的偏科状况，可以确定每个不同学生相对于学习任务的时间维度值。而难度维度值，本发明通过作答的正确人数占总人数的比例，学习任务的格式特征和学习任务在总试题中的占比，确定不同学习任务的难度维度，进而可以实现根据难度进行作业分发。优先级维度由学习任务的任务的范围特征，预设作答时长和实际作答时长均值的比值和学习任务的学习目的参数来决定每个学习任务的优先级，进而通过对每个学习任务时间维度值、难度维度值和优先级维度值进行比较排序，确定维度层级，并进行按照维度层级进行对学生知识的接收能力进行判断。
作为本发明的一种实施例：所述步骤5包括如下步骤：
步骤S1:获取所述顺序关系，并根据所述顺序关系将所述时间维度、难度维度和优先级维度进行第一次分层，确定时间维度、难度维度和优先级维度的层级；
步骤S2：根据所述第一次分层，分别确定时间维度中时间维度值的时间范围，难度维度值的难度范围和优先级维度值的优先级范围；
步骤S3:根据所述时间范围、难度范围和优先级范围，将每个范围进行第二次分层，将每个范围分别划分为优秀层级、及格层级和薄弱层级。
本发明对作业布置数据进行了两次分层，进而实现作业布置数据在较高细粒度上的分层和分类处理。第一次分层是将所述时间维度、难度维度和优先级维度进行第一次分层，确定时间维度、难度维度和优先级维度的层级；这是为了从每个层次进行数据划分，但是在第二次分层的时候，按照范围，对每个层级再次进行划分，按照范围的原因是，同类的题目难易度不同，具有范围，作答时间不同，具有范围，作答每个作业的目的不同，优先级范围也是不同的。
作为本发明的一种实施例：所述薄弱点辨别模块包括：
辨别单元：用于根据所述作业数据，确定每个学生对应的维度层级，并根据所述维度层级，确定每个学生的薄弱数据；其中，
所述薄弱数据包括：时间薄弱数据、难度薄弱数据和优先级薄弱数据；
知识点判断单元：根据所述薄弱数据，确定所述薄弱数据对应的薄弱知识点；
数据获取单元：用于将所述薄弱知识点和学生相对应，生成每个学生的学生薄弱数据。
上述技术方案的工作原理为：本发明在辨别优秀学生和薄弱学生的时候，通过维度层级，确定学生对于不同课程的接收程度进行判断，进而能够确定薄弱学生所对应的薄弱的数据，即接受度不高的知识点。最后通过优秀学生、薄弱学生和学生的作业作答案，确定学生薄弱数据，这个薄弱数据，不仅包括薄弱学生的薄弱知识点还包括优秀学生的薄弱知识点。
上述技术方案的有益效果为：为了实现对优秀学生和薄弱学生的薄弱知识点，本发明通过对这些薄弱的知识点进行统计，进而可以在作业分布的时候，能够合理的给薄弱学生和优秀学生进行不同的作业分配。
作为本发明的一种实施例：所述作业分发模块包括：
数据需求模块：用于获取所述学生薄弱数据，并确定学生薄弱数据对应的作业类型、作业格式和学生信息；
知识抓取模块：用于根据所述学生信息和作业格式，确定每个学生的作业需求；
数据采集单元：用于根据所述作业需求，进行学生作业采集，并生成与每个学生对应的电子作业文本，并将所述电子作业文本和学生信息进行一对一绑定，生成个性化作业文本；
判断单元：用于获取根据所述作业需求，判断每个个性化作业文本是否符合对应的学生的知识需求；
作业分配单元；用于再所述个性化作业文本符合学生的知识需求时，根据所述个性化作业文本和学生信息，进行作业分配。上述技术方案的工作原理为：本发明在作业分发的时候，对于薄弱学生和优秀学生都存在的薄弱学习数据，即学习不好的学生和学习好的学生的学习数据，根据他们相对应的薄弱数据的数据类型、数据格式和数据源，计算每个作业数据的维度值，进而通过这个维度值进行作业发布。
上述技术方案的有益效果为：可以根据优秀的学生和较差的学生相对应的知识点薄弱点，进行对应的作业分布和分发，进而能够对于优秀的学生和较差的学生实现共同提高，补足知识薄弱点。
作为本发明的一种实施例：所述判断单元判断每个个性化作业文本是否符合对应的学生的知识需求，包括以下步骤：
步骤A1：用于获取所述作业需求，并通过下式确定每个学生的作业需求特征：
Figure BDA0002968413730000171
其中，tj表示第j个学生的时间需求参数；yj表示第j个学生的作业优先级参数；Ni表示第j个学生的难度需求参数；tf表示预设的时间参数阀值；yf表示预设的优先级参数阀值；Nf表示预设的难度参数阀值；j＝1，2，3……m；m表示学生的总数量；X表示学生的作业需求特征；
步骤A2：用于获取所述个性化作业文本，并通过下式确定个性化作业文本的作业特征：
Figure BDA0002968413730000172
其中，Sl表示所述个性化作业文本上第l道题目预设作答时间；Kl表示所述个性化作业文本上第l道题目对应的难度特征；Dl表示所述个性化作业文本上第l道题目的类型特征；
Figure BDA0002968413730000174
表示相同题目特征的作答难度均值；Cl表示所述个性化作业文本上第l道题目的参考答案的答案特征参数；Ml表示所述个性化作业文本上第l道题目的作答目的特征参数；SNR(l)表示所述个性化作业文本上第l道题目的候选因子；
Figure BDA0002968413730000173
μ+(l)表示所述个性化作业文本上第l道题目在同类题目中的权重值；μ-(l)表示所述个性化作业文本上第l道题目在不同类题目中的权重值；θ+(l)表示所述个性化作业文本上第l道题目在同类题目中的考察概率；θ-(l)表示所述个性化作业文本上第l道题目在不同类题目中的考察概率；l＝1，2，3……k；k所述个性化作业文本上的题目总数量；
步骤A3：根据所述作业需求特征和个性化作业文本的作业特征，通过下式判断每个个性化作业文本是否符合对应的学生的知识需求：
Figure BDA0002968413730000181
其中，
Figure BDA0002968413730000182
表示作业需求特征的特征均值；
Figure BDA0002968413730000183
作业特征的特征均值；当P≥1时，表示个性化作业文本符合对应的学生的知识需求；当P＜1时，表示个性化作业文本不符合对应的学生的知识需求。
上述技术方案中：本发明在进行作业分配的时候，还要判断每个作业文本和对应的，进行分配的学生之间是否合适。本发明从学生的作业需求和作业文本的具体状况两方面进行相关关系计算确定是否合适。在步骤A1中，(tj-tf)(yj-yf)(Ni-Nf)表示每个作业的需求参数和对应的参数阈值之间的差值之积，其也代表了每个学生做作业的时间需求、难度需求和优先级需求。时间需求参数也代表的是每个学生做不同的题目的作答的时候的时间需求；难度需求参数也代表的是每个学生对于不同类型的题目的难度需求；而优先级需求参数代表每个学生相对于不同类型的题目，不同的知识点的优先级需求。在步骤A2中，对于个性化作业文本你的作业特征进行计算的时候，本发明引入每道题目的预设作答时间，是为了在进行判断每个个性化作业文本是否符合对应的学生的知识需求时候，实现在时间上也符合学生需求。
Figure BDA0002968413730000184
为了在进行判断每个个性化作业文本是否符合对应的学生的知识需求时候，实现在难度上也符合学生需求，Kl*Dl用于计算每道题在任意类型下的难度参数，通过和作答难度均值进行比较，实现难度参数的确定。
Figure BDA0002968413730000185
是为了实现优先级参数，Cl*Ml*Sl确定了每道题在时间、目的和答案上的特征参数，在进行计算的时候通过和SNR(l)候选因子的计算函数进行对比，确定优先级参数。SNR(l)是为了确定每道题在所有题目中的候选状况，并以候选因子的值进行确定。最后通过相关关系算法确定每个个性化作业文本是否符合对应的学生的知识需求，当P≥1时，表示个性化作业文本符合对应的学生的知识需求；当P＜1时，表示个性化作业文本不符合对应的学生的知识需求。并在只有个性化作业文本符合对应的学生的知识需求时，才进行作业分配。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于多维度分层机制的学生作业分发系统，其特征在于，包括：
数据清洗模块：用于实时接收的学生作业作答数据和教师作业布置数据，并进行数据清洗，确定不同维度的作业数据；其中，
所述维度包括时间维度、难度维度和优先级维度；
数据处理模块：基于系统预设的多维度分层算法，确定每一维度作业数据的维度层级；
薄弱点辨别模块：根据所述维度层级，筛选出优秀学生和薄弱学生，并对每个学生的知识薄弱点进行判断，确定学生薄弱数据；
作业分发模块：用于根据所述学生薄弱数据，根据学生的知识薄弱点进行作业抓取，并进行作业分配；
所述数据处理模块确定每一维度作业数据的维度层级，包括如下步骤：
步骤1：根据所述作业数据，通过下式确定时间维度值：
Figure 555187DEST_PATH_IMAGE001
其中，
Figure 272607DEST_PATH_IMAGE002
表示第
Figure 198975DEST_PATH_IMAGE003
个学习任务的作答时长；
Figure 907955DEST_PATH_IMAGE004
表示第
Figure 527155DEST_PATH_IMAGE003
个学习任务的作答时间点；
Figure 200713DEST_PATH_IMAGE005
表示第
Figure 930771DEST_PATH_IMAGE003
个学习任务的题量；
Figure 989863DEST_PATH_IMAGE006
表示第
Figure 779965DEST_PATH_IMAGE007
个学习任务的格式特征；
Figure 940819DEST_PATH_IMAGE008
表示第
Figure 208989DEST_PATH_IMAGE003
个学习任务的作答人员 的偏科特征；
Figure 889631DEST_PATH_IMAGE009
;
Figure 850634DEST_PATH_IMAGE010
表示学习任务的总个数；
步骤2：根据所述作业数据，通过下式确定难度维度值：
Figure 967626DEST_PATH_IMAGE011
其中，
Figure 39487DEST_PATH_IMAGE012
表示第
Figure 338750DEST_PATH_IMAGE007
个学习任务的作答正确人数；
Figure 205075DEST_PATH_IMAGE013
表示第
Figure 340521DEST_PATH_IMAGE003
个学习任务的作答正确人数占 总人数的比例；
Figure 684915DEST_PATH_IMAGE014
表示第
Figure 714051DEST_PATH_IMAGE003
个学习任务的在总试题中的占比；
Figure 374446DEST_PATH_IMAGE015
表示第
Figure 121822DEST_PATH_IMAGE003
个学习任务的格式特 征；
步骤3：根据所述作业数据，通过下式确定优先级维度值：
Figure 410852DEST_PATH_IMAGE016
其中，
Figure 294494DEST_PATH_IMAGE017
表示第
Figure 892835DEST_PATH_IMAGE003
个学习任务的范围特征；
Figure 2873DEST_PATH_IMAGE018
表示第
Figure 689070DEST_PATH_IMAGE003
个学习任务的预设作答时长和实际 作答时长均值的比值；
Figure 692798DEST_PATH_IMAGE019
表示第
Figure 697925DEST_PATH_IMAGE003
个学习任务的学习目的参数；
步骤4：比较所述时间维度值、难度维度值和优先级维度值，确定顺序关系；
步骤5：根据所述顺序关系，依次对每一维度作业布置数据进行维度层级进行设定。
2.如权利要求1所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述数据清洗模块包括：
学生作答数据采集单元：用于实时获取学生作答作业的作答时间和作答内容，生成学生作业作答数据；
教师布置数据采集单元：用于实时获取教师布置作业的任务类型、任务内容和任务时间，生成教师作业布置数据；
数据清洗单元：用于将所述教师作业布置数据和学生作业作答数据进行匹配，并根据匹配结果对所述教师作业布置数据和学生作业作答数据进行数据清洗，删除重复和错误数据；
维度划分单元：用于对数据清洗后的教师作业布置数据和学生作业作答数据进行维度划分，并将划分后的数据作为作业数据。
3.如权利要求2所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述数据清洗单元将所述教师作业布置数据和学生作业作答数据进行匹配，包括如下过程：
将所述作答时间和作答内容相匹配，生成第一匹配结果；
将所述任务内容和任务时间相匹配，生成第二匹配结果；
将所述任务类型和任务内容相匹配，生成第三匹配结果；
将所述作答时间和任务时间相匹配，生成第四匹配结果；
将所述作答内容和任务内容相匹配，生成第五匹配结果；
根据所述第一匹配结果、第二匹配结果、第三匹配结果、第四匹配结果和第五匹配结果，确定匹配结果；其中，
根据所述匹配结果，获取重复数据和错误数据；
根据所述重复数据和错误数据，设定数据清洗规则，删除所述重复数据和错误数据。
4.如权利要求2所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述维度划分单元进行维度划分包括如下步骤：
根据所述教师作业布置数据，确定教师的作业分配计划；
根据所述学生作业作答数据，确定学生的作业作答日志；
根据所述作业分配计划，确定学生的作业任务和对应的任务时间、任务量和任务目的；
根据所述作业作答日志和任务时间，确定所述作业数据的时间维度；
根据所述作业作答数据和任务量，确定所述作业数据的难度维度；
根据所述作业作答数据和任务目的，确定所述作业数据的优先级维度。
5.如权利要求1所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述数据处理模块包括：
算法分层单元：用于根据所述作业数据的维度，设置多维度分层算法，根据不同维度的作业数据的维度值，并基于所述维度值进行数据分层；
时间维度计算单元：用于获取所述作业数据中时间维度数据，并通过所述多维度分层算法进行计算，确定时间维度值；
难度计算单元：用于获取所述作业数据中难度维度数据，并通过所述多维度分层算法进行计算，确定难度维度值；
优先级计算单元：用于获取所述作业数据中优先级维度数据，并通过所述多维度分层算法进行计算，确定优先级维度值。
6.如权利要求1所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述步骤5包括如下步骤：
步骤S1:获取所述顺序关系，并根据所述顺序关系将所述时间维度、难度维度和优先级维度进行第一次分层，确定时间维度、难度维度和优先级维度的层级；
步骤S2：根据所述第一次分层，分别确定时间维度中时间维度值的时间范围，难度维度值的难度范围和优先级维度值的优先级范围；
步骤S3:根据所述时间范围、难度范围和优先级范围，将每个范围进行第二次分层，将每个范围分别划分为优秀层级、及格层级和薄弱层级。
7.如权利要求6所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述薄弱点辨别模块包括：
辨别单元：用于根据所述作业数据，确定每个学生对应的维度层级，并根据所述维度层级，确定每个学生的薄弱数据；其中，
所述薄弱数据包括：时间薄弱数据、难度薄弱数据和优先级薄弱数据；
知识点判断单元：根据所述薄弱数据，确定所述薄弱数据对应的薄弱知识点；
数据获取单元：用于将所述薄弱知识点和学生相对应，生成每个学生的学生薄弱数据。
8.如权利要求1所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述作业分发模块包括：
数据需求模块：用于获取所述学生薄弱数据，并确定学生薄弱数据对应的作业类型、作业格式和学生信息；
知识抓取模块：用于根据所述学生信息和作业格式，确定每个学生的作业需求；
数据采集单元：用于根据所述作业需求，进行学生作业采集，并生成与每个学生对应的电子作业文本，并将所述电子作业文本和学生信息进行一对一绑定，生成个性化作业文本；
判断单元：用于获取根据所述作业需求，判断每个个性化作业文本是否符合对应的学生的知识需求；
作业分配单元；用于再所述个性化作业文本符合学生的知识需求时，根据所述个性化作业文本和学生信息，进行作业分配。
9.如权利要求8所述的一种基于多维度分层机制的学生作业分发系统，其特征在于，所述判断单元判断每个个性化作业文本是否符合对应的学生的知识需求，包括以下步骤：
步骤A1：用于获取所述作业需求，并通过下式确定每个学生的作业需求特征：
Figure 154314DEST_PATH_IMAGE020
其中，
Figure 785147DEST_PATH_IMAGE021
表示第
Figure 643381DEST_PATH_IMAGE022
个学生的时间需求参数；
Figure 583524DEST_PATH_IMAGE023
表示第
Figure 527210DEST_PATH_IMAGE022
个学生的作业优先级参数；
Figure 696154DEST_PATH_IMAGE024
表示 第
Figure 408895DEST_PATH_IMAGE022
个学生的难度需求参数；
Figure 12615DEST_PATH_IMAGE025
表示预设的时间参数阀值；
Figure 443596DEST_PATH_IMAGE026
表示预设的优先级参数阀值；
Figure 416232DEST_PATH_IMAGE027
表示预设的难度参数阀值；
Figure 983479DEST_PATH_IMAGE028
；
Figure 531004DEST_PATH_IMAGE029
表示学生的总数量；X表示学生的作业 需求特征；
步骤A2：用于获取所述个性化作业文本，并通过下式确定个性化作业文本的作业特征：
Figure 183702DEST_PATH_IMAGE030
其中，
Figure DEST_PATH_IMAGE031
表示所述个性化作业文本上第
Figure 225608DEST_PATH_IMAGE032
道题目预设作答时间；
Figure 539040DEST_PATH_IMAGE033
表示所述个性化作业 文本上第
Figure 867253DEST_PATH_IMAGE032
道题目对应的难度特征；
Figure 882613DEST_PATH_IMAGE034
表示所述个性化作业文本上第
Figure 587264DEST_PATH_IMAGE032
道题目的类型特征；
Figure 988158DEST_PATH_IMAGE035
表示相同题目特征的作答难度均值；
Figure 487273DEST_PATH_IMAGE036
表示所述个性化作业文本上第
Figure 989929DEST_PATH_IMAGE032
道题目的参考答案的 答案特征参数；
Figure 967113DEST_PATH_IMAGE037
表示所述个性化作业文本上第
Figure 252207DEST_PATH_IMAGE032
道题目的作答目的特征参数；
Figure 922223DEST_PATH_IMAGE038
表 示所述个性化作业文本上第
Figure 177755DEST_PATH_IMAGE032
道题目的候选因子；
Figure 958629DEST_PATH_IMAGE039
；
Figure 599695DEST_PATH_IMAGE040
表示所述个性 化作业文本上第
Figure 440612DEST_PATH_IMAGE032
道题目在同类题目中的权重值；
Figure 917861DEST_PATH_IMAGE041
表示所述个性化作业文本上第
Figure 502426DEST_PATH_IMAGE032
道题 目在不同类题目中的权重值；
Figure 233884DEST_PATH_IMAGE042
表示所述个性化作业文本上第
Figure 245702DEST_PATH_IMAGE032
道题目在同类题目中的 考察概率；
Figure 944668DEST_PATH_IMAGE043
表示所述个性化作业文本上第
Figure 332924DEST_PATH_IMAGE032
道题目在不同类题目中的考察概率；
Figure 683003DEST_PATH_IMAGE044
；
Figure 600143DEST_PATH_IMAGE045
所述个性化作业文本上的题目总数量；
步骤A3：根据所述作业需求特征和个性化作业文本的作业特征，通过下式判断每个个性化作业文本是否符合对应的学生的知识需求：
Figure 176618DEST_PATH_IMAGE046
其中，
Figure 978352DEST_PATH_IMAGE047
表示作业需求特征的特征均值；
Figure 58303DEST_PATH_IMAGE048
作业特征的特征均值；当
Figure 306532DEST_PATH_IMAGE049
时，表示个性化 作业文本符合对应的学生的知识需求；当
Figure 104724DEST_PATH_IMAGE050
时，表示个性化作业文本不符合对应的学生 的知识需求。
CN202110258145.1A 2021-03-09 2021-03-09 一种基于多维度分层机制的学生作业分发系统 Active CN112908067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110258145.1A CN112908067B (zh) 2021-03-09 2021-03-09 一种基于多维度分层机制的学生作业分发系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110258145.1A CN112908067B (zh) 2021-03-09 2021-03-09 一种基于多维度分层机制的学生作业分发系统

Publications (2)

Publication Number Publication Date
CN112908067A CN112908067A (zh) 2021-06-04
CN112908067B true CN112908067B (zh) 2022-09-23

Family

ID=76107056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110258145.1A Active CN112908067B (zh) 2021-03-09 2021-03-09 一种基于多维度分层机制的学生作业分发系统

Country Status (1)

Country Link
CN (1) CN112908067B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003066822A (ja) * 2001-08-28 2003-03-05 Nippon Telegr & Teleph Corp <Ntt> 学習弱点判定方法及び装置及び学習弱点判定プログラム及び学習弱点判定プログラムを格納した記憶媒体
WO2008072926A1 (en) * 2006-12-15 2008-06-19 Nam-Kyo Park Apparatus and method for recommneding lecture tailored to person, and connection terminal thereof
CN103577507A (zh) * 2012-08-10 2014-02-12 俞晓鸿 具有实时侦测和自适应进化机制的智能题库系统及方法
US10679512B1 (en) * 2015-06-30 2020-06-09 Terry Yang Online test taking and study guide system and method

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008027528A2 (en) * 2006-09-01 2008-03-06 K12.Inc. Multimedia system and method for teaching basal math and science
CN102201177A (zh) * 2011-06-23 2011-09-28 北京新东方教育科技（集团）有限公司 自适应测评方法和系统
TW201513063A (zh) * 2013-09-18 2015-04-01 Univ Nat Yunlin Sci & Tech 語文診斷評量系統及其方法
US10332412B2 (en) * 2015-12-18 2019-06-25 Eugene David SWANK Method and apparatus for adaptive learning
CN110097482A (zh) * 2019-03-22 2019-08-06 北京嗨学网教育科技股份有限公司 学习计划创建方法及装置、存储介质及电子装置
CN110473123A (zh) * 2019-07-09 2019-11-19 北京羽实箫恩信息技术股份有限公司 一种多元智能教育方法及系统
CN111028585A (zh) * 2019-12-30 2020-04-17 北京爱论答科技有限公司 一种用于课后学习的作业发布方法及系统
CN111259240A (zh) * 2020-01-14 2020-06-09 武汉璞睿互联技术有限公司 一种试题推荐方法及装置
CN111274411A (zh) * 2020-01-22 2020-06-12 文思海辉智科科技有限公司 课程推荐方法、装置、电子设备及可读存储介质
CN112395403B (zh) * 2020-11-30 2024-06-11 广东国粒教育技术有限公司 一种基于知识图谱的问答方法、系统、电子设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003066822A (ja) * 2001-08-28 2003-03-05 Nippon Telegr & Teleph Corp <Ntt> 学習弱点判定方法及び装置及び学習弱点判定プログラム及び学習弱点判定プログラムを格納した記憶媒体
WO2008072926A1 (en) * 2006-12-15 2008-06-19 Nam-Kyo Park Apparatus and method for recommneding lecture tailored to person, and connection terminal thereof
CN103577507A (zh) * 2012-08-10 2014-02-12 俞晓鸿 具有实时侦测和自适应进化机制的智能题库系统及方法
US10679512B1 (en) * 2015-06-30 2020-06-09 Terry Yang Online test taking and study guide system and method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
小学高年级数学作业布置存在的问题及对策研究;屈楠楠;《中国优秀硕士学位论文全文数据库 小学高年级数学作业布置存在的问题及对策研究》;20190115;H129-841 *

Also Published As

Publication number Publication date
CN112908067A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
Cooper et al. Research synthesis as a scientific enterprise
Hoge et al. The use of teacher-judgment measures in the identification of gifted pupils
Bucos et al. Predicting student success using data generated in traditional educational environments
CN111651676B (zh) 基于能力模型进行职业推荐的方法、装置、设备和介质
Damuluri et al. Analyzing navigational data and predicting student grades using support vector machine
Shaziya et al. Prediction of students performance in semester exams using a naïve bayes classifier
CN110162713A (zh) 基于卷积神经网络的自适应学习内容推荐方法及系统
Bosch et al. Modeling key differences in underrepresented students' interactions with an online STEM course
Stickles An analysis of secondary and middle school teachers' mathematical problem posing
Pejić et al. Math proficiency prediction in computer-based international large-scale assessments using a multi-class machine learning model
Hidayat et al. Determine Felder Silverman learning style model using literature based and K-means clustering
CN112908067B (zh) 一种基于多维度分层机制的学生作业分发系统
Chang Design and Application of Evaluation Method for Civics Classroom Based on CRITIC Fuzzy Algorithm
Luo et al. Analyzing Students' Behavior in Blended Learning Environment for Programming Education
MacGillivray Developing and synthesizing statistical skills for real situations through student projects
Auster User satisfaction with the online negotiation interview: contemporary concern in traditional perspective
Daniels et al. A Meta‐Model for Evaluating Counseling Programs
CN112819389A (zh) 一种在线教育效果评估的方法及系统
Ogunkunle et al. A data mining based optimization of selecting learning material in an intelligent tutoring system for advancing STEM education
Hedges et al. Research synthesis as a scientific enterprise
Tan et al. Predicting dropout from online education based on neural networks
JULIAN Process Tracing Investigation Into Problem-Solving within Residential Real Estate Appraisal
Prediger Data-information conversion in test interpretation.
Wang et al. Student Mastery or AI Deception? Analyzing ChatGPT's Assessment Proficiency and Evaluating Detection Strategies
Vakhitov et al. Clustering of social network data by means of Korhonen neural networks

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
TR01 Transfer of patent right

Effective date of registration: 20230803

Address after: No. D, Floor 5, Scientific Research Building (Hetai Business Center), Yunnan Academy of Social Sciences, No. 577, Huancheng West Road, Xishan District, Kunming City, 650000, Yunnan Province

Patentee after: Yunnan Xunsheng Technology Co.,Ltd.

Address before: Room 203, 2 / F, building 2, Xitou Chuangzhi center, 239 Shuanglong Road, Jiangcun street, Xihu District, Hangzhou City, Zhejiang Province, 310000

Patentee before: Zhejiang Chuangke Network Technology Co.,Ltd.

TR01 Transfer of patent right