CN113377799A - 错题智能分析与打印系统 - Google Patents

错题智能分析与打印系统 Download PDF

Info

Publication number
CN113377799A
CN113377799A CN202110633512.1A CN202110633512A CN113377799A CN 113377799 A CN113377799 A CN 113377799A CN 202110633512 A CN202110633512 A CN 202110633512A CN 113377799 A CN113377799 A CN 113377799A
Authority
CN
China
Prior art keywords
wrong
module
exercises
question
library
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
CN202110633512.1A
Other languages
English (en)
Inventor
王健
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.)
Guangzhou Zib Artificial Intelligence Technology Co ltd
Original Assignee
Guangzhou Zib Artificial Intelligence 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 Guangzhou Zib Artificial Intelligence Technology Co ltd filed Critical Guangzhou Zib Artificial Intelligence Technology Co ltd
Priority to CN202110633512.1A priority Critical patent/CN113377799A/zh
Publication of CN113377799A publication Critical patent/CN113377799A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种错题智能分析与打印系统，用科目知识点库存储学习的科目知识点；用习题库存储各科目的习题及正确解答；用错题库存储学生解答错误的习题；以摄像头拍摄学生解答的习题，得到习题与解答图像；以识别模块识别习题与解答图像中的习题与解答内容；以筛选模块从习题与解答内容中提取关键字，并以关键字从习题库内查找对应习题的正确解答，方便用户自行筛选出解答错误的习题；比对模块通过解答错误习题的关键字从科目知识点库内查找对应的错误习题知识点；编辑模块用于编辑解答错误的习题、错误习题知识点和正确解答，并将编辑后的错题内容存储到错题库；打印模块用于从错题库中调取并打印错题内容。

Description

错题智能分析与打印系统
技术领域
本发明涉及教育电子辅助技术领域，特别涉及一种错题智能分析与打印系统。
背景技术
在学习过程中，学生往往会自主或者在老师督促下将自己做过的教辅、试卷中的错题整理成册，便于找出自己学习中的薄弱环节，使得学习重点突出、学习更加有针对性、进而提高学习效率和成绩。
但是，大多数学生的归纳总结的能力有限，单纯地抄录错题或订正，无法让大多数学生都明确错题所考察的知识点，因而促进学生掌握相应知识点的效果并不明显，部分学生在遇到同一知识点变化后的题型时，仍然会出错。
申请号202010357484.0的一种智能错题系统发明专利申请，公开了一种基于教材、教辅以及用户搜索后生成数据的智能错题系统。它包含图片识别系统、内容处理服务器、客户端、数据处理系统。能实现收集错题，节省学生抄录错题时间，能将学生错题分类管理，减少错题查找时间，提高学生学习效率。
申请号202010903133.5公开的一种智能错题本制作方法及自动批改系统发明专利申请，包含智能错题系统、智能错题打印机、客户端、内容处理服务器、图片识别服务器，智能错题打印机、客户端通过蓝牙相连接，智能错题系统、内容处理服务器、图片识别服务器通过网络相连接。实现学习错题的收集，错题的整理分类，错题的永久储存，不改变用户纸质书写作答习惯，错题作答解析，减轻家长督学负担。
以上专利申请技术，只解决了错题手动抄写费时多、效率低下，或者收集的错题比较乱，容易丢失损坏等问题，主要解决如何节省错题汇总整理的时间的问题。不能通过错题分析，自动提炼知识点，促进学生(用户)知识点的掌握。
发明内容
为了解决上述技术问题，本发明提供了一种错题智能分析与打印系统，包括科目知识点库、习题库、错题库、摄像头、识别模块、筛选模块、比对模块、编辑模块和打印模块；
所述科目知识点库用于存储学习的科目知识点；
所述习题库用于存储各科目的习题及正确解答；
所述错题库用于存储学生解答错误的习题；
所述摄像头与识别模块连接，所述摄像头用于拍摄学生解答的习题，得到习题与解答图像；
所述识别模块用于识别习题与解答图像中的习题与解答内容；
所述筛选模块分别与习题库、识别模块和比对模块连接，所述筛选模块用于从习题与解答内容中提取关键字，并以关键字从习题库内查找对应习题的正确解答；
所述比对模块分别与科目知识点库和编辑模块连接，所述比对模块用于通过答错误习题的关键字从科目知识点库内查找对应的错误习题知识点；
所述编辑模块与错题库连接，所述编辑模块用于编辑解答错误的习题、错误习题知识点和正确解答，并将编辑后的错题内容存储到错题库；
所述打印模块与错题库连接，所述打印模块用于从错题库中调取并打印错题内容。
可选的，所述系统包括用户端、云端服务器和云端存储器，所述用户端通过网络与云端服务器连接，所述云端服务器和云端存储器连接；所述用户端包括错题库、摄像头、识别模块和打印模块，所述云端存储器包含科目知识点库和习题库；所述筛选模块、比对模块和编辑模块运行于云端服务器。
可选的，所述筛选模块在习题库中查找与错误习题知识点相同的关联习题，并执行如下步骤：
第一，将错题与关联习题逐一进行相似性判断，将与错题相似的关联习题排除；
第二，在剩余的关联习题任选一个分别与其他剩余的关联习题进行相似性判断，将与选出的关联习题相似的关联习题排除，如此循环直至全部关联习题判断完毕；
第三，将每次选出的关联习题作为错题同一知识点的典型习题与错题进行关联，并可通过点击查看典型习题及其正确解答。
可选的，所述系统还包括习题库、运算模块和排序模块；
所述习题库用于保存同一学生拍摄及识别的各次题目内容，并将其中用户分类的错题与对应存入错题库内的错题进行关联；
所述运算模块对习题库中的错题与关联错题的错误习题知识点进行分析，统计错误习题知识点在习题库中出现的频次；
所述排序模块根据错误习题知识点在习题库中出现的频次进行排序。
可选的，所述系统还包括第二筛选模块，针对错题库内的每一错题，根据需要选择调用所述第二筛选模块，以错题的关键字从习题库内筛选涉及不同知识点的相似习题，将相似习题的知识点与对应的错误习题知识点进行对照与区分。
可选的，所述运算模块对错题库内同一学生的错题进行错误习题知识点统计；所述排序模块根据知识点涉及的错题频次排序。
可选的，所述系统还包括搜索模块，所述错题库保存多个学生的错题，所述运算模块对错题库内所有学生的错题进行分析，通过预设算法计算被所有学生掌握程度，确定被所有学生掌握程度低于设定阈值的知识点；
所述搜索模块通过网络查找被所有学生掌握程度低于设定阈值的知识点的不同解析及各解析的公众评价，将公众评价最高的解析替换科目知识点库和错题库中的解析。
可选的，所述预设算法如下：
Figure BDA0003104661620000031
上式中，Wi表示第i个知识点的被所有学生掌握程度；ni表示涉及第i个知识点的错题数量；m表示学生总数；mj表示在第j道错题上做错的学生人数。
可选的，所述相似性判断过程如下：
首先，分别从需要进行相似性判断的两个习题内容中提起特征项，得到特征项集，确定各特征项分别在两个习题中的权重；建立维度与特征项集中包含特征项数相等的多维坐标系，以各特征项的权重表示对应的坐标值，以特征项的权重作为分量的向量，得到两个习题的特征向量；
然后，采用以下公式对习题的特征向量进行归一化处理：
Figure BDA0003104661620000041
上式中，Fi,k表示特征项k在习题i中归一化权重；Pi,k表示特征项k在习题i中出现的次数；Ri表示习题i中的文本总数；Mi表示习题i的维度；Ni表示含有特征项的文本数，Mi*Ni为每个习题的向量空间；
最后，通过以下公式计算两个习题的相似度：
Figure BDA0003104661620000042
上式中，S表示两个习题的相似度；Fj,k表示特征项k在习题j中归一化权重；N表示特征项的数量；
若计算得到的相似度值达到相似阈值，则表明两个习题相似。
可选的，所述系统设置语音控制模块，所述语音控制模块用于学生通过语音方式操作。
本发明的错题智能分析与打印系统，通过设置科目知识点库、习题库和错题库，以拍摄答题图像进行识别，提取习题及答题步骤，由习题内容中提炼的关键字与教育知识点库比对，归纳习题涉及的知识点，将用户归类的错题以及错题所涉及的知识点列入错题库，可以进行汇总、编排和打印，所述打印模块采用热敏打印方式。
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、权利要求书、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错题智能分析与打印系统示意图。
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。
如图1所示，本发明实施例提供了一种错题智能分析与打印系统，包括科目知识点库60、习题库30、错题库80、摄像头10、识别模块20、筛选模块40、比对模块50、编辑模块70和打印模块90；
所述科目知识点库60用于存储学习的科目知识点；
所述习题库30用于存储各科目的习题及正确解答；
所述错题库80用于存储学生解答错误的习题；
所述摄像头10与识别模块20连接，所述摄像头10用于拍摄学生解答的习题，得到习题与解答图像；
所述识别模块20用于识别习题与解答图像中的习题与解答内容；
所述筛选模块40分别与习题库30、识别模块20和比对模块50连接，所述筛选模块40用于从习题与解答内容中提取关键字，并以关键字从习题库内查找对应习题的正确解答；
所述比对模块50分别与科目知识点库60和编辑模块70连接，所述比对模块60用于通过答错误习题的关键字从科目知识点库内查找对应的错误习题知识点；
所述编辑模块70与错题库80连接，所述编辑模块70用于编辑解答错误的习题、错误习题知识点和正确解答，并将编辑后的错题内容存储到错题库；
所述打印模块90与错题库80连接，所述打印模块90用于从错题库80中调取并打印错题内容。
上述技术方案的工作原理和有益效果为：本方案通过设置科目知识点库、习题库和错题库，以拍摄答题图像进行识别，提取习题及答题步骤，由习题内容中提炼的关键字与教育知识点库比对，归纳习题涉及的知识点，将用户归类的错题以及错题所涉及的知识点列入错题库，可以进行汇总、编排和打印，所述打印模块采用热敏打印方式。
在一个实施例中，所述系统包括用户端、云端服务器和云端存储器，所述用户端通过网络与云端服务器连接，所述云端服务器和云端存储器连接；所述用户端包括错题库、摄像头、识别模块和打印模块，所述云端存储器包含科目知识点库和习题库；所述筛选模块、比对模块和编辑模块运行于云端服务器。
上述技术方案的工作原理和有益效果为：本方案将系统分为以网络连接的两端，用户端作为终端通过网络与云端服务器连接，这样云端服务器可以连接多个用户端；云端还设置与云端服务器连接的云端存储器，将科目知识点库和习题库存放在云端存储器便于多个用户端共享；一方面减少重复设置，提高了资源利用率，节省了成本；另一方面有利于用户端的小型化和便携化，可以降低用户端成本，有利于用户端的普及；用户端可以是一种可以进行错题拍摄和打印的电子装置，如错题打印机。
在一个实施例中，所述筛选模块在习题库中查找与错误习题知识点相同的关联习题，执行如下步骤：
第一，将错题与关联习题逐一进行相似性判断，将与错题相似的关联习题排除；
第二，在剩余的关联习题任选一个分别与其他剩余的关联习题进行相似性判断，将与选出的关联习题相似的关联习题排除，如此循环直至全部关联习题判断完毕；
第三，将每次选出的关联习题作为错题同一知识点的典型习题与错题进行关联，并可通过点击查看典型习题及其正确解答。
上述技术方案的工作原理和有益效果为：本方案通过错题知识点，筛选同一知识点的不同类典型的题型，作为引伸练习和复习使用，以便学生从多个角度理解知识点的内容，增强学生对知识点掌握的牢固性。
在一个实施例中，所述系统还包括习题库、运算模块和排序模块；
所述习题库用于保存同一学生拍摄及识别的各次题目内容，并将其中用户分类的错题与对应存入错题库内的错题进行关联；
所述运算模块对习题库中的错题与关联错题的错误习题知识点进行分析，统计错误习题知识点在习题库中出现的频次；
所述排序模块根据错误习题知识点在习题库中出现的频次进行排序。
上述技术方案的工作原理和有益效果为：本方案通过录入单一学生各次答题内容，分析题目知识点在所有题目中出现的频次，进行知识点的重要性排序，使得学生复习时可以有针对性地分清主次，提高复习效率和效果。
在一个实施例中，所述系统还包括第二筛选模块，针对错题库内的每一错题，根据需要选择调用所述第二筛选模块，以错题的关键字从习题库内筛选涉及不同知识点的相似习题，将相似习题的知识点与对应的错误习题知识点进行对照与区分。
上述技术方案的工作原理和有益效果为：本方案通过从习题与解答库中筛选涉及不同知识点的相似题型进行对比，让学生可以分辨不同知识点的差异与联系，从而加深对相关知识点的理解，避免混淆相似知识点造成学习误差。
在一个实施例中，所述运算模块对错题库内同一学生的错题进行错误习题知识点统计；所述排序模块根据知识点涉及的错题频次排序。
上述技术方案的工作原理和有益效果为：本方案通过对同一学生的历史错题进行统计和分析，可以有针对性地找到该学生对知识点掌握的薄弱点，实现查漏补缺，以便有针对性地加强学习或者复习。
在一个实施例中，所述系统还包括搜索模块，所述错题库保存多个学生的错题，所述运算模块对错题库内所有学生的错题进行分析，通过预设算法计算被所有学生掌握程度，确定被所有学生掌握程度低于设定阈值的知识点；
所述搜索模块通过网络查找被所有学生掌握程度低于设定阈值的知识点的不同解析及各解析的公众评价，将公众评价最高的解析替换科目知识点库和错题库中的解析。
上述技术方案的工作原理和有益效果为：本方案通过录入学生的错题，采用大数据分析方法，找出学生出现错误最多的知识点；改进相应知识点的解析方式，可以将知识点解析的更为通俗易懂，以便有助于学生对知识点的理解，提高学生对知识点内容的理解程度，增进学生的学习效果。
在一个实施例中，所述预设算法如下：
Figure BDA0003104661620000081
上式中，Wi表示第i个知识点的被所有学生掌握程度；ni表示涉及第i个知识点的错题数量；m表示学生总数；mj表示在第j道错题上做错的学生人数。
上述技术方案的工作原理和有益效果为：本方案通过上述预设算法，对知识点被所有学生掌握程度进行量化计算，客观地反映学生对相应知识点的的掌握情况，提高系统的智能化程度。
在一个实施例中，所述相似性判断过程如下：
首先，构建两个习题的空间向量模型，包括分别从需要进行相似性判断的两个习题内容中提起特征项，得到特征项集，确定各特征项分别在两个习题中的权重；建立维度与特征项集中包含特征项数相等的多维坐标系，以各特征项的权重表示对应的坐标值，以特征项的权重作为分量的向量，得到两个习题的特征向量；
然后，采用以下公式对习题的特征向量进行归一化处理：
Figure BDA0003104661620000082
上式中，Fi,k表示特征项k在习题i中归一化权重；Pi,k表示特征项k在习题i中出现的次数；Ri表示习题i中的文本总数；Mi表示习题i的维度；Ni表示含有特征项的文本数，Mi*Ni为每个习题的向量空间；
最后，通过以下公式计算两个习题的相似度：
Figure BDA0003104661620000083
上式中，S表示两个习题的相似度；Fj,k表示特征项k在习题j中归一化权重；N表示特征项的数量；
若计算得到的相似度值达到相似阈值，则表明两个习题相似。
上述技术方案的工作原理和有益效果为：本方案中的相似度计算值越大则，两文本的相似度就越高；本方案提供了一种将习题内容量化的方法，将习题文本内容转化为多维空间的向量，把对习题文本内容的处理简化为向量空间中的向量运算，极大的提高了习题文本的可计算性和对比的直观性；通过归一化处理，增强了提高权重的合理性，可以后续相似度计算的精确度，降低误判率。
在一个实施例中，所述系统设置语音控制模块，所述语音控制模块用于学生通过语音方式操作。
上述技术方案的工作原理和有益效果为：本方案通过设置语音控制模块用于学生通过语音方式操作，可以减少学生用眼时间，有利于保护学生视力；另外，还可以该存在视力障碍的学生使用。
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 (10)

1.一种错题智能分析与打印系统，其特征在于，包括科目知识点库、习题库、错题库、摄像头、识别模块、筛选模块、比对模块、编辑模块和打印模块；
所述科目知识点库用于存储学习的科目知识点；
所述习题库用于存储各科目的习题及正确解答；
所述错题库用于存储学生解答错误的习题；
所述摄像头与识别模块连接，所述摄像头用于拍摄学生解答的习题，得到习题与解答图像；
所述识别模块用于识别习题与解答图像中的习题与解答内容；
所述筛选模块分别与习题库、识别模块和比对模块连接，所述筛选模块用于从习题与解答内容中提取关键字，并以关键字从习题库内查找对应习题的正确解答；
所述比对模块分别与科目知识点库和编辑模块连接，所述比对模块用于通过答错误习题的关键字从科目知识点库内查找对应的错误习题知识点；
所述编辑模块与错题库连接，所述编辑模块用于编辑解答错误的习题、错误习题知识点和正确解答，并将编辑后的错题内容存储到错题库；
所述打印模块与错题库连接，所述打印模块用于从错题库中调取并打印错题内容。
2.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述系统包括用户端、云端服务器和云端存储器，所述用户端通过网络与云端服务器连接，所述云端服务器和云端存储器连接；所述用户端包括错题库、摄像头、识别模块和打印模块，所述云端存储器包含科目知识点库和习题库；所述筛选模块、比对模块和编辑模块运行于云端服务器。
3.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述筛选模块在习题库中查找与错误习题知识点相同的关联习题，并执行如下步骤：
第一，将错题与关联习题逐一进行相似性判断，将与错题相似的关联习题排除；
第二，在剩余的关联习题任选一个分别与其他剩余的关联习题进行相似性判断，将与选出的关联习题相似的关联习题排除，如此循环直至全部关联习题判断完毕；
第三，将每次选出的关联习题作为错题同一知识点的典型习题与错题进行关联，并可通过点击查看典型习题及其正确解答。
4.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述系统还包括习题库、运算模块和排序模块；
所述习题库用于保存同一学生拍摄及识别的各次题目内容，并将其中用户分类的错题与对应存入错题库内的错题进行关联；
所述运算模块对习题库中的错题与关联错题的错误习题知识点进行分析，统计错误习题知识点在习题库中出现的频次；
所述排序模块根据错误习题知识点在习题库中出现的频次进行排序。
5.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述系统还包括第二筛选模块，针对错题库内的每一错题，根据需要选择调用所述第二筛选模块，以错题的关键字从习题库内筛选涉及不同知识点的相似习题，将相似习题的知识点与对应的错误习题知识点进行对照与区分。
6.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述运算模块对错题库内同一学生的错题进行错误习题知识点统计；所述排序模块根据知识点涉及的错题频次排序。
7.根据权利要求1所述的错题智能分析与打印系统，其特征在于，所述系统还包括搜索模块，所述错题库保存多个学生的错题，所述运算模块对错题库内所有学生的错题进行分析，通过预设算法计算被所有学生掌握程度，确定被所有学生掌握程度低于设定阈值的知识点；
所述搜索模块通过网络查找被所有学生掌握程度低于设定阈值的知识点的不同解析及各解析的公众评价，将公众评价最高的解析替换科目知识点库和错题库中的解析。
8.根据权利要求7所述的错题智能分析与打印系统，其特征在于，所述预设算法如下：
Figure FDA0003104661610000031
上式中，Wi表示第i个知识点的被所有学生掌握程度；ni表示涉及第i个知识点的错题数量；m表示学生总数；mj表示在第j道错题上做错的学生人数。
9.根据权利要求3所述的错题智能分析与打印系统，其特征在于，所述相似性判断过程如下：
首先，分别从需要进行相似性判断的两个习题内容中提起特征项，得到特征项集，确定各特征项分别在两个习题中的权重；建立维度与特征项集中包含特征项数相等的多维坐标系，以各特征项的权重表示对应的坐标值，以特征项的权重作为分量的向量，得到两个习题的特征向量；
然后，采用以下公式对习题的特征向量进行归一化处理：
Figure FDA0003104661610000032
上式中，Fi,k表示特征项k在习题i中归一化权重；Pi,k表示特征项k在习题i中出现的次数；Ri表示习题i中的文本总数；Mi表示习题i的维度；Ni表示含有特征项的文本数，Mi*Ni为每个习题的向量空间；
最后，通过以下公式计算两个习题的相似度：
Figure FDA0003104661610000033
上式中，S表示两个习题的相似度；Fj,k表示特征项k在习题j中归一化权重；N表示特征项的数量；
若计算得到的相似度值达到相似阈值，则表明两个习题相似。
10.根据权利要求1-9中任意一项所述的错题智能分析与打印系统，其特征在于，所述系统设置语音控制模块，所述语音控制模块用于学生通过语音方式操作。
CN202110633512.1A 2021-06-07 2021-06-07 错题智能分析与打印系统 Pending CN113377799A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110633512.1A CN113377799A (zh) 2021-06-07 2021-06-07 错题智能分析与打印系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110633512.1A CN113377799A (zh) 2021-06-07 2021-06-07 错题智能分析与打印系统

Publications (1)

Publication Number Publication Date
CN113377799A true CN113377799A (zh) 2021-09-10

Family

ID=77576275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110633512.1A Pending CN113377799A (zh) 2021-06-07 2021-06-07 错题智能分析与打印系统

Country Status (1)

Country Link
CN (1) CN113377799A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676334A (zh) * 2022-04-19 2022-06-28 江苏迈拓网络科技有限公司 一种个性化的智能习题推荐方法及推荐系统
CN114969268A (zh) * 2022-06-22 2022-08-30 福建学海密探数据信息技术有限公司 一种基于题型素养大数据的作业错题收集分析的方法
CN117151070A (zh) * 2023-10-31 2023-12-01 联城科技(河北)股份有限公司 试卷组题方法、装置、设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326417A (zh) * 2016-08-24 2017-01-11 冯玉国 一种试题数据处理方法及系统
CN110085075A (zh) * 2019-05-23 2019-08-02 宜春宜联科技有限公司 学习状况管理方法、装置和系统
CN110704746A (zh) * 2019-10-10 2020-01-17 江苏曲速教育科技有限公司 根据强弱知识点分析结果进行推荐测试题方法和系统
CN112667692A (zh) * 2019-10-16 2021-04-16 北京一起教育信息咨询有限责任公司 一种数据处理方法、装置及电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326417A (zh) * 2016-08-24 2017-01-11 冯玉国 一种试题数据处理方法及系统
CN110085075A (zh) * 2019-05-23 2019-08-02 宜春宜联科技有限公司 学习状况管理方法、装置和系统
CN110704746A (zh) * 2019-10-10 2020-01-17 江苏曲速教育科技有限公司 根据强弱知识点分析结果进行推荐测试题方法和系统
CN112667692A (zh) * 2019-10-16 2021-04-16 北京一起教育信息咨询有限责任公司 一种数据处理方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张萍: "《教育信息技术应用教程》", 陕西师范大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676334A (zh) * 2022-04-19 2022-06-28 江苏迈拓网络科技有限公司 一种个性化的智能习题推荐方法及推荐系统
CN114969268A (zh) * 2022-06-22 2022-08-30 福建学海密探数据信息技术有限公司 一种基于题型素养大数据的作业错题收集分析的方法
CN117151070A (zh) * 2023-10-31 2023-12-01 联城科技(河北)股份有限公司 试卷组题方法、装置、设备及计算机可读存储介质
CN117151070B (zh) * 2023-10-31 2024-01-23 联城科技(河北)股份有限公司 试卷组题方法、装置、设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN113377799A (zh) 错题智能分析与打印系统
CN111753767B (zh) 一种作业自动批改的方法、装置、电子设备和存储介质
RU2648946C2 (ru) Способ и устройство распознавания категории объекта изображения
CN110750656B (zh) 一种基于知识图谱的多媒体检测方法
WO2021073332A1 (zh) 用于辅助数学应用题的方法及装置
CN110222678B (zh) 一种题目分析方法、系统、可读存储介质及电子设备
CN105373594B (zh) 一种筛查题库中重复试题的方法及装置
CN108520662B (zh) 一种基于知识点分析的教学反馈系统
KR101986345B1 (ko) 기계독해 성능향상을 위해 표·이미지에 메타 문장을 생성하는 장치
CN110085068A (zh) 一种基于图像识别的学习辅导方法及装置
CN106708940A (zh) 用于处理图片的方法和装置
CN112764809B (zh) 基于编码特征的sql代码抄袭检测方法及系统
CN111932418B (zh) 一种学生学习情况识别方法、系统、教学终端及存储介质
CN111708810B (zh) 模型优化推荐方法、装置和计算机存储介质
CN110096589A (zh) 一种基于图像识别技术的试题反馈和推荐讲解方法与系统
CN110598787B (zh) 一种基于自定步长学习的软件bug分类方法
CN112347997A (zh) 一种试题检测识别方法、装置、电子设备及介质
CN111242131B (zh) 一种智能阅卷中图像识别的方法、存储介质及装置
CN113705310A (zh) 特征学习的方法、目标物体的识别方法和对应装置
CN112364123A (zh) 一种题库自动组题及难易度实时更新方法
WO2023088079A1 (zh) 植物病症诊断信息的显示方法、显示系统及可读存储介质
CN115269812A (zh) 题目推荐方法、装置、设备及存储介质
Brummerloh et al. Boromir at Touché 2022: Combining Natural Language Processing and Machine Learning Techniques for Image Retrieval for Arguments.
CN114332900A (zh) 作业批改方法、装置、设备及存储介质
CN109886093A (zh) 一种公式检测方法、设备及计算机可读存储介质

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: 20210910

RJ01 Rejection of invention patent application after publication