CN113378044A - 题目匹配方法及平台 - Google Patents
题目匹配方法及平台 Download PDFInfo
- Publication number
- CN113378044A CN113378044A CN202110622246.2A CN202110622246A CN113378044A CN 113378044 A CN113378044 A CN 113378044A CN 202110622246 A CN202110622246 A CN 202110622246A CN 113378044 A CN113378044 A CN 113378044A
- Authority
- CN
- China
- Prior art keywords
- answer
- target
- user
- information
- question
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012795 verification Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
Abstract
本公开提供一种题目匹配方法及平台,所述题目匹配方法包括:基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;在所述答题端获取目标用户I D信息,根据所述目标用户I D信息以及预设题目分配规则,为目标用户分配与其I D信息相匹配的目标问卷。本公开的题目匹配方法能够支持问卷设计时自定义化配置,操作性和适应性更高,能够满足多方面问卷调研时,收集方不同维度的需求。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种题目匹配方法及平台。
背景技术
目前市场各问卷产品中的题目分组功能比较简单,只能针对当前问卷内的题目及选项的逻辑条件去设置分组下的题目展示,无法满足复杂业务场景调研的需求。比如:同一份问卷,需要投放给不同类型的用户,这批用户的属性都不一样,不同属性的用户打开同一份问卷时,展示的答题内容是需要不一样的。
发明内容
本公开实施例提供一种题目匹配方法及平台,能够支持用户自定义扩展,并且分组逻辑支持多维度的交叉配置。
本公开实施例的第一方面,提供一种题目匹配方法,所述题目匹配方法应用于题目匹配平台,所述题目匹配平台包括编辑端和答题端,所述题目匹配方法包括:
基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
在所述答题端获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
在一种可选的实施方式中,所述根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接的方法包括:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
在一种可选的实施方式中,所述根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷的方法包括:
按照树状结构交叉复选的方式,从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述方法还包括:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
本公开实施例的第二方面,还提供一种题目匹配平台,所述题目匹配平台包括:
编辑端,用于基于用户自定义字段,以及预设题库创建规则编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
答题端,用于获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
在一种可选的实施方式中,所述编辑端还用于:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
在一种可选的实施方式中,所述答题端还用于:
按照树状结构交叉复选的方式,从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述平台还包括判断单元,所述判断单元用于:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
本公开提供一种题目匹配方法,所述题目匹配方法应用于题目匹配平台,所述题目匹配平台包括编辑端和答题端,所述题目匹配方法包括:
基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
在所述答题端获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
本公开的题目匹配方法丰富了答题场景,支持问卷设计时自定义化配置,操作性和适应性更高,能够满足多方面问卷调研时,收集方不同维度的需求。
附图说明
图1为本公开实施例题目匹配方法的流程示意图;
图2为本公开实施例自定义字段的示意图;
图3为本公开实施例拟答题名单的示意图;
图4为本公开实施例为目标用户分配目标问卷的示意图;
图5为本公开实施例题目匹配平台的结构示意图;
图6为本公开实施例题目匹配方法的逻辑示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本公开的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
应当理解,在本公开中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本公开中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本公开中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本公开的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出本公开实施例题目匹配方法的流程示意图,如图1所示,所述题目匹配方法应用于题目匹配平台,所述题目匹配平台包括编辑端和答题端,所述题目匹配方法包括:
步骤S101、基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;
示例性地,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
目前网络教育的大部分考试系统中,不足之处还有很多,主要表现在如下几点:
第一、题库内题目管理不科学:
现有的考试系统由于缺乏先进考试理论的指导,往往只是把大量的考试试题进行简单的罗列起来收集到数据库中,题目只是按照科目及知识点分类,缺少针对试题的质量参数信息,如难度、区分度、猜测度等等。
第二、组卷策略缺乏针对性:
传统题库在组卷推送题目时,一般采用从不同知识点目录下随机抽选题目组卷,或者会考虑试题难度的分配比例。由于题库缺少受测试对象对试题反应形成的大数据采集和分析,并不能准确估算每个受测试对象的能力水平状况,所组成的试卷基本不考虑受测试对象能力水平特征与试题难度水平的对应性。
第三、缺乏监控远程学习考试行为有效性的甄别技术:
传统题目在用户使用中,由于采集用户数据极为有限,很难甄别用户实际身份和参与学习考试的状态,可能存在随机选择作答、已经通过其他渠道提前接触题目内容后凭借记忆作答等因素存在,大大降低了测试的可信度。
本公开实施例基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架,能够合理科学地管理题库,并且可以按照用户需求,自定义题库框架,具有针对性地进行组卷。
图2示例性地示出本公开实施例自定义字段的示意图,如图2所示,可以通过自定义字段管理,配置相应的属性值和校验方式,其中,自定义字段可以包括题目序号、用户所属部门、用户所属级别,其中,各个自定义字段可以配置相应的属性值和校验方式,包括但不限于:是否唯一、自定义字段类型、是否属于必填项、角色标识、通讯字段以及排序方式(例如左中右对齐方式)等,需要说明的是,本公开实施例对自定义字段、自定义字段对应的属性值以及相应的校验方式均不做限定。
步骤S102、根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
图3示例性地示出本公开实施例拟答题名单的示意图,如图3所示,可以通过拟答题名单,将属性值下的具体字段导入,从而完成由自定义字段属性到具体属性值的过渡。
在一种可选的实施方式中,所述根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接的方法包括:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
示例性地,基于题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成目标问卷,以及目标问卷对应的答题链接。
具体地,得到题库框架后,可以将预先获取的题库题目匹配到对应的题库框架中,而根据拟答题名单,可以细化到具体用户的情况,结合具体用户的情况,为其分配对应的题目,通过此种方式生成的目标问卷,丰富了答题场景,支持问卷设计时自定义化配置,操作性和适应性更高,能够满足多方面问卷调研时,收集方不同维度的需求。
此外,生成目标问卷后,可以通过答题端对应的服务器,生成与目标问卷对应的答题链接,此答题链接可以是目标问卷对应的唯一答题链接,从而保证不同用户所拿到的问卷是针对用户情况专属的问卷。
步骤S103、在所述答题端获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
示例性地,所述目标用户的ID信息包括所述目标用户的历史答题数目、答题正确率以及所述目标用户的历史答题类型。
示例性地,当用户通过电子网络的方式在教育考试系统进行测试或者学习时,并非如传统的教育考试系统那样,直接推送给用户固定的试题进行测评,而是可以根据目标用户的ID信息确定目标用户的答题情况等信息,从而从题库中调取与目标用户相适应的题目。
其中,目标用户的ID信息包括但不限于:目标用户的历史答题数目、答题正确率以及目标用户的历史答题类型。需要说明的是,本公开实施例对目标用户的ID信息的种类和数量不进行限定。
通过上述方式,能够有效解决现有技术中教育考试系统不考虑用户个人信息,单一地推送固定的题目进行测评,不能准确反映用户真实水平的问题,有利于让用户针对性的学习和测评,提高目标用户的学习效率。
图4示例性地示出本公开实施例为目标用户分配目标问卷的示意图,如图4所示,分配和/或设计目标问卷时,可以通过分类管理的方式,将问卷拆分为多个分组,并给每个分组配置高级检索条件,支持多维度交叉处理以及批量高级筛选。
具体地,分配目标问卷时,可以分为不同的情形,其中,每个情形可以包括多种情况,示例性地,可以优先选择是全部选项,还是任一选项;再之后可以选择选项之间的逻辑关系,以前一选项是序号为例,选项之间的逻辑关系可以包括不开始于某个序号;以前一选项是用户所属部门为例,选项之间的逻辑关系可以包括某个部门。
在一种可选的实施方式中,所述根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷的方法包括:
按照树状结构交叉复选的方式,从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷。
示例性地,目标用户的ID信息包括但不限于:目标用户的历史答题数目、答题正确率以及目标用户的历史答题类型。需要说明的是,本公开实施例对目标用户的ID信息的种类和数量不进行限定。
通过树状结构交叉复选的方式能够从答题端中抽取与目标用户ID信息相匹配的目标问卷,能够高效且准确地抽取目标问卷,有利于提升用户体验。
在一种可选的实施方式中,所述方法还包括:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
通过判断答题时间是否符合预设时间阈值范围,能够有效监控远程学习考试行为,有效排除存在随机选择作答、已经通过其他渠道提前接触题目内容后凭借记忆作答等因素,提高测试的可信度。
本公开提供一种题目匹配方法,所述题目匹配方法应用于题目匹配平台,所述题目匹配平台包括编辑端和答题端,所述题目匹配方法包括:
基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
在所述答题端获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
本公开的题目匹配方法丰富了答题场景,支持问卷设计时自定义化配置,操作性和适应性更高,能够满足多方面问卷调研时,收集方不同维度的需求。
图5示例性地示出本公开实施例题目匹配平台的结构示意图,如图5所示,所述题目匹配平台包括:
编辑端51,用于基于用户自定义字段,以及预设题库创建规则编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端52;
答题端52,用于获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
在一种可选的实施方式中,所述编辑端51还用于:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
在一种可选的实施方式中,所述答题端52还用于:
按照树状结构交叉复选的方式,从所述答题端52中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端52中抽取与所述目标用户ID信息相匹配的目标问卷。
在一种可选的实施方式中,所述平台还包括判断单元,所述判断单元用于:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
图6示例性地示出本公开实施例题目匹配方法的逻辑示意图,如图6所示,
在编辑端,支持用户配置自定义字段,再结合问卷分组模块逻辑设置,编辑问卷;进一步地,导入答题名单,系统能够生成唯一答题链接,并将答题链接发送至答题端;
答题端中的后端,根据不同用户判断显示的分组,进入用户答题页面;用户根据答题页面进行答题,答题结束。
本公开还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在上述终端或者服务器的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述各实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。
Claims (10)
1.一种题目匹配方法,其特征在于,所述题目匹配方法应用于题目匹配平台,所述题目匹配平台包括编辑端和答题端,所述题目匹配方法包括:
基于用户自定义字段,以及预设题库创建规则在所述编辑端编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
在所述答题端获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
2.根据权利要求1所述的题目匹配方法,其特征在于,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
3.根据权利要求1所述的题目匹配方法,其特征在于,所述根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接的方法包括:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
4.根据权利要求1所述的题目匹配方法,其特征在于,所述根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷的方法包括:
按照树状结构交叉复选的方式,从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷。
5.根据权利要求1所述的题目匹配方法,其特征在于,所述方法还包括:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
6.一种题目匹配平台,其特征在于,所述题目匹配平台包括:
编辑端,用于基于用户自定义字段,以及预设题库创建规则编辑题库框架;
根据所述题库框架、以及预先获取的题库题目和拟答题名单,生成目标问卷以及所述目标问卷对应的答题链接,并将所述目标问卷以及所述答题链接发送至答题端;
答题端,用于获取目标用户ID信息,根据所述目标用户ID信息以及预设题目分配规则,为目标用户分配与其ID信息相匹配的目标问卷。
7.根据权利要求6所述的题目匹配平台,其特征在于,所述预设题库创建规则包括题目序号、用户所属部门、用户所属级别、用户所在城市、用户答题渠道以及题目校验方式中至少一种。
8.根据权利要求6所述的题目匹配平台,其特征在于,所述编辑端还用于:
根据所述题库框架、预先获取的题库题目和拟答题名单,通过预设对应关系,生成所述目标问卷以及所述目标问卷对应的答题链接,
其中,所述拟答题名单包括所述拟答题用户的答题信息,所述拟答题用户的答题信息与所述预设题库创建规则相对应,所述预设对应关系用于指示所述题库框架、预先获取的题库题目和拟答题名单三者的对应关系。
9.根据权利要求6所述的题目匹配平台,其特征在于,所述答题端还用于:
按照树状结构交叉复选的方式,从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷,
其中,所述树状结构交叉复选的方式包括:
按照考试类型、题目难度、题目数量以及题目的逻辑关系中至少一种维度从所述答题端中抽取与所述目标用户ID信息相匹配的目标问卷。
10.根据权利要求6所述的题目匹配平台,其特征在于,所述平台还包括判断单元,所述判断单元用于:
获取目标用户的答题时间,判断所述答题时间是否符合预设时间阈值范围,
若否,则判定所述目标用户的答题信息无效;
若是,则判定所述目标用户的答题信息有效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622246.2A CN113378044A (zh) | 2021-06-04 | 2021-06-04 | 题目匹配方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622246.2A CN113378044A (zh) | 2021-06-04 | 2021-06-04 | 题目匹配方法及平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113378044A true CN113378044A (zh) | 2021-09-10 |
Family
ID=77575716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110622246.2A Pending CN113378044A (zh) | 2021-06-04 | 2021-06-04 | 题目匹配方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378044A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918529A (zh) * | 2021-09-17 | 2022-01-11 | 广州快决测信息科技有限公司 | 基于小程序的问卷调查方法、装置及存储介质 |
CN115859931A (zh) * | 2023-02-27 | 2023-03-28 | 长沙冉星信息科技有限公司 | 一种电子问卷的生成方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050050627A (ko) * | 2005-05-09 | 2005-05-31 | 주식회사 이디스넷 | 통신망을 통한 능력평가 시스템 및 그 방법 |
CN105335916A (zh) * | 2015-10-21 | 2016-02-17 | 小天才科技有限公司 | 一种教师在线考试系统 |
CN107483397A (zh) * | 2017-06-19 | 2017-12-15 | 上海高顿教育培训有限公司 | 一种基于bs架构的考生自我测评方法 |
CN108021998A (zh) * | 2016-10-31 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 网络问卷的答题时长预测方法及装置 |
WO2018098730A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种基于教育平台的数据处理方法及服务器 |
CN108628609A (zh) * | 2018-05-03 | 2018-10-09 | 山东浪潮通软信息科技有限公司 | 一种利用问卷处理业务的方法及装置 |
CN109727055A (zh) * | 2018-06-01 | 2019-05-07 | 平安普惠企业管理有限公司 | 网络问卷调查方法、装置、设备及计算机可读存储介质 |
JP6573345B1 (ja) * | 2018-09-20 | 2019-09-11 | 株式会社エクスリンク | アンケートの集計装置及び集計方法及び集計プログラム。 |
CN110334934A (zh) * | 2019-06-27 | 2019-10-15 | 苏州众言网络科技股份有限公司 | 数据分析的方法及装置 |
CN110428288A (zh) * | 2019-08-02 | 2019-11-08 | 广州欢派网络科技有限公司 | 一种基于b2b2c模式的答题处理方法和系统 |
CN110807962A (zh) * | 2019-11-19 | 2020-02-18 | 浙江创课网络科技有限公司 | 一种智能组卷考试系统 |
CN111651677A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 课程内容推荐方法、装置、计算机设备和存储介质 |
CN111737450A (zh) * | 2020-08-05 | 2020-10-02 | 江西风向标教育科技有限公司 | 试卷组卷方法、装置、存储介质及计算机设备 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN112699298A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 一种试题推荐方法、电子设备及存储装置 |
-
2021
- 2021-06-04 CN CN202110622246.2A patent/CN113378044A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050050627A (ko) * | 2005-05-09 | 2005-05-31 | 주식회사 이디스넷 | 통신망을 통한 능력평가 시스템 및 그 방법 |
CN105335916A (zh) * | 2015-10-21 | 2016-02-17 | 小天才科技有限公司 | 一种教师在线考试系统 |
CN108021998A (zh) * | 2016-10-31 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 网络问卷的答题时长预测方法及装置 |
WO2018098730A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种基于教育平台的数据处理方法及服务器 |
CN107483397A (zh) * | 2017-06-19 | 2017-12-15 | 上海高顿教育培训有限公司 | 一种基于bs架构的考生自我测评方法 |
CN108628609A (zh) * | 2018-05-03 | 2018-10-09 | 山东浪潮通软信息科技有限公司 | 一种利用问卷处理业务的方法及装置 |
CN109727055A (zh) * | 2018-06-01 | 2019-05-07 | 平安普惠企业管理有限公司 | 网络问卷调查方法、装置、设备及计算机可读存储介质 |
JP6573345B1 (ja) * | 2018-09-20 | 2019-09-11 | 株式会社エクスリンク | アンケートの集計装置及び集計方法及び集計プログラム。 |
CN110334934A (zh) * | 2019-06-27 | 2019-10-15 | 苏州众言网络科技股份有限公司 | 数据分析的方法及装置 |
CN110428288A (zh) * | 2019-08-02 | 2019-11-08 | 广州欢派网络科技有限公司 | 一种基于b2b2c模式的答题处理方法和系统 |
CN110807962A (zh) * | 2019-11-19 | 2020-02-18 | 浙江创课网络科技有限公司 | 一种智能组卷考试系统 |
CN111651677A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 课程内容推荐方法、装置、计算机设备和存储介质 |
CN111737450A (zh) * | 2020-08-05 | 2020-10-02 | 江西风向标教育科技有限公司 | 试卷组卷方法、装置、存储介质及计算机设备 |
CN112182316A (zh) * | 2020-09-26 | 2021-01-05 | 深圳市快易典教育科技有限公司 | 一种卷面题目生成方法、电子装置及可读存储介质 |
CN112699298A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 一种试题推荐方法、电子设备及存储装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918529A (zh) * | 2021-09-17 | 2022-01-11 | 广州快决测信息科技有限公司 | 基于小程序的问卷调查方法、装置及存储介质 |
CN115859931A (zh) * | 2023-02-27 | 2023-03-28 | 长沙冉星信息科技有限公司 | 一种电子问卷的生成方法 |
CN115859931B (zh) * | 2023-02-27 | 2023-05-09 | 长沙冉星信息科技有限公司 | 一种电子问卷的生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920675B (zh) | 一种信息处理的方法、装置、计算机存储介质及终端 | |
CN110209820A (zh) | 用户标识检测方法、装置及存储介质 | |
CN113378044A (zh) | 题目匹配方法及平台 | |
CN110334934A (zh) | 数据分析的方法及装置 | |
CN109450771A (zh) | 添加好友的方法、装置、计算机设备及存储介质 | |
CN113505272B (zh) | 基于行为习惯的控制方法和装置、电子设备和存储介质 | |
WO2019019767A1 (zh) | 客户身份信息处理方法、装置、存储介质和计算机设备 | |
CN114297448B (zh) | 基于智慧防疫大数据识别的证照申办方法、系统及介质 | |
CN102315955A (zh) | 一种为垃圾信息设置障碍的控制方法以及相应的控制装置 | |
CN109960719A (zh) | 一种文件处理方法和相关装置 | |
CN114268839A (zh) | 视频发布账户筛选方法、装置、电子设备及存储介质 | |
CN110795003A (zh) | 一种界面显示方法、装置 | |
CN113918529A (zh) | 基于小程序的问卷调查方法、装置及存储介质 | |
CN110674632A (zh) | 一种确定安全级别的方法及装置、存储介质和设备 | |
CN112995256A (zh) | 行为数据处理方法及相关设备 | |
CN108763242B (zh) | 标签生成方法及装置 | |
CN114466214B (zh) | 直播间人数统计方法及装置 | |
CN113254335B (zh) | 测试数据的处理方法、装置、服务器及存储介质 | |
CN113628077A (zh) | 生成不重复考题的方法、终端及可读存储介质 | |
CN113377903A (zh) | 题目抽取方法及装置 | |
CN116431459B (zh) | 分布式日志链路跟踪数据处理方法及装置 | |
CN111538653B (zh) | 方案的测试方法、装置、电子设备和存储介质 | |
CN116204670B (zh) | 车辆目标检测数据的管理方法、系统及电子设备 | |
CN116206179A (zh) | 人脸识别模型性能的评估方法及装置 | |
CN114676740A (zh) | 用户识别方法、装置、设备及存储介质 |
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 |