CN113657723A - 知识点掌握情况诊断方法、试题推荐方法及装置 - Google Patents

知识点掌握情况诊断方法、试题推荐方法及装置 Download PDF

Info

Publication number
CN113657723A
CN113657723A CN202110847647.8A CN202110847647A CN113657723A CN 113657723 A CN113657723 A CN 113657723A CN 202110847647 A CN202110847647 A CN 202110847647A CN 113657723 A CN113657723 A CN 113657723A
Authority
CN
China
Prior art keywords
knowledge point
student
subject
knowledge
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
Application number
CN202110847647.8A
Other languages
English (en)
Inventor
马厚伟
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.)
Beijing Yilingyi Education Technology Co ltd
Hongcheng Technology Development Co ltd
Original Assignee
Beijing Yilingyi Education Technology Co ltd
Hongcheng Technology Development 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 Beijing Yilingyi Education Technology Co ltd, Hongcheng Technology Development Co ltd filed Critical Beijing Yilingyi Education Technology Co ltd
Priority to CN202110847647.8A priority Critical patent/CN113657723A/zh
Publication of CN113657723A publication Critical patent/CN113657723A/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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Technology (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了知识点掌握情况诊断方法及装置、基于该诊断方法的试题推荐方法及装置，该诊断方法包括以下步骤：标注各学科题目的知识点属性；选择各个知识点的诊断题目；记录学生对所述诊断题目的答题情况；根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。本申请中，利用学生做题数据及得分，首先对学生知识点掌握情况进行初步的诊断，然后根据学生各个阶段画像对学生知识点掌握情况进行回归调整，最终确定学生知识点掌握情况及综合能力的评价结果，有利于学生和老师及时发现学生的知识点掌握薄弱环节，以此为契机进行针对性训练，利于提升学生对相关知识点的掌握。

Description

知识点掌握情况诊断方法、试题推荐方法及装置
技术领域
本发明属于计算机软件应用技术领域，具体涉及一种知识点掌握情况诊断方法、试题推荐方法及装置。
背景技术
随着社会发展的不断进步，社会上对人才的素质要求越来越高，中学、大学对学生的要求也是水涨船高，不仅中小学生疲于应付各种层出不穷的课外培训，甚至连大学生也要挤出时间考级考证。种类繁多的培训在一点一滴的蚕食学生的宝贵时间，但是作为学生课业要求也十分繁重，这就要求学生高质量高效地掌握各门学科的知识点，但是传统的教学与学习不能让教师和学生及时有效沟通，教师欠缺掌握学生实际学习情况的途径与手段，学生也不能及时发现自身的不足。
社会的不断进步也带动了人工智能的迅猛发展，基于深度学习的算法模型在教育教学上有了广阔的应用空间，这就使得运用人工智能来诊断学生的学习情况，帮助学生高速成长成为可能，但目前还没有成熟的技术方案见诸报道。
发明内容
为了解决上述问题，本发明提供一种知识点掌握情况诊断方法、试题推荐方法及装置，学生通过手机或者平板电脑上的APP应用程序或者微信小程序达到诊断自己的知识点掌握水平的目的，老师也能及时有效掌握各学生对各知识点的掌握水平。
本发明所采用的技术方案为：
第一方面，本发明公开了知识点掌握情况诊断方法，包括以下步骤：
标注各学科题目的知识点属性；
选择各个知识点的诊断题目；
记录学生对所述诊断题目的答题情况；
根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
作为一种可选的技术方案，所述“标注各学科题目的知识点属性”的步骤中，用A矩阵描述题目的所属知识点属性，A矩阵表述如下：
Figure BDA0003180831890000021
Figure BDA0003180831890000022
其中，m表示学科练习或测试题目数量，n表示学科知识点数量，1≤i≤m，1≤j≤n；
所述“选择各个知识点的诊断题目”的步骤中，会针对各个知识点选择各种难度的题目，以试题难度系数行矩阵Dm表示：
Dm＝[d1 … dm]
其中di为题目i的难度，介于0-1之间，数值越大越难；
所述“记录学生对所述诊断题目的答题情况”的步骤中还包括：根据所述答题情况生成B矩阵，所述B矩阵表述如下：
Figure BDA0003180831890000023
其中，
Figure BDA0003180831890000024
其中，1≤q≤r，r为学生总数。
作为一种可选的技术方案，所述“根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平”的步骤包括：
对矩阵B中每一个元素其bqi乘以行矩阵Dm与分段函数f(x)中的对应值，得到一个新矩阵与A矩阵相乘，得到学生学科知识点掌握矩阵S：
Figure BDA0003180831890000031
其中，
Figure BDA0003180831890000032
Figure BDA0003180831890000033
其中，f(x)表示学生做对该题时对该知识点的掌握力度，式(1)为容易题、式(2)为中等题、式(3)为困难题对应的公式，a1，a2，a3是该难度的权重，b1，b2，b3为预设的初始值，c1，c2是试题难度阈值。
本发明还公开了知识点掌握情况诊断装置，包括：
标注模块，用于标注各学科题目的知识点属性；
选择模块，用于选择各个知识点的诊断题目；
记录模块，用于记录学生对所述诊断题目的答题情况；
评价判断模块，用于根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
第二方面，本发明还公开了试题推荐方法，包括以下步骤：
判断学生是否完成了相关练习和测试；
若是，采用如第一方面中的知识点掌握情况诊断方法评价学生各学科知识点掌握情况；
修正学生各学科知识点掌握情况及综合能力值；
基于修正后的结果进行深度学习模型个性化推题。
作为一种可选的技术方案，在所述“基于修正后的结果进行深度学习模型个性化推题”的步骤之后还包括：重复所述“判断学生是否完成了相关练习和测试”的步骤及其之后的步骤进行迭代运行。
作为一种可选的技术方案，所述“修正学生各学科知识点掌握情况及综合能力值”的步骤中，利用mcmc算法，生成学生修正系数：
Figure BDA0003180831890000041
其中Correctqj为某学生q对某知识点j掌握情况修正系数。
本发明还公开了试题推荐装置，包括：
判断模块，用于判断学生是否完成了相关练习和测试；
如第一方面中的知识点掌握情况诊断装置，用于诊断学生各学科知识点掌握情况及综合能力值；
修正模块，用于修正学生各学科知识点掌握情况及综合能力值；
推荐模块，配置为基于修正后的结果进行深度学习模型个性化推题。
本发明还公开了电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如第一方面中的知识点掌握情况诊断方法或是第二方面中的试题推荐方法。
本发明还公开了计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如第一方面中的知识点掌握情况诊断方法或是第二方面中的试题推荐方法。
本发明的有益效果为：本申请中，利用学生做题数据及得分，首先对学生知识点掌握情况进行初步的诊断，然后根据学生各个阶段画像与内部评价指标对学生知识点掌握情况进行回归调整，最终确定学生知识点掌握情况及综合能力的评价结果，有利于学生和老师及时发现学生的知识点掌握薄弱环节，以此为契机进行针对性训练，利于提升学生对相关知识点的掌握。
附图说明
图1为知识点掌握情况诊断方法的流程示意图。
图2是知识点掌握情况诊断装置的原理框图。
图3为试题推荐方法的流程示意图。
图4是试题推荐装置的原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图及具体实施例对本发明作进一步阐述。
实施例
如图1所示，第一方面，本发明公开了知识点掌握情况诊断方法，包括以下步骤：
标注各学科题目的知识点属性，具体地，学科题目的知识点属性需要经验丰富的学科教师或者教研人员标注，有一定的专业性，一道题可以具有多个知识点；
选择各个知识点的诊断题目，具体地，专家针对各个知识点精选各种难度的题目，题目主要测试单一知识点；
记录学生对所述诊断题目的答题情况；
根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
作为一种可选的技术方案，所述“标注各学科题目的知识点属性”的步骤中，用A矩阵描述题目的所属知识点属性，A矩阵表述如下：
Figure BDA0003180831890000061
Figure BDA0003180831890000062
其中，m表示学科练习或测试题目数量，n表示学科知识点数量，1≤i≤m，1≤j≤n；
所述“选择各个知识点的诊断题目”的步骤中，会针对各个知识点选择各种难度的题目，以试题难度系数行矩阵Dm表示：
Dm＝[d1 … dm]
其中di为题目i的难度，介于0-1之间，数值越大越难；
所述“记录学生对所述诊断题目的答题情况”的步骤中还包括：根据所述答题情况生成B矩阵，所述B矩阵表述如下：
Figure BDA0003180831890000063
其中，
Figure BDA0003180831890000064
其中，1≤q≤r，r为学生总数。
作为一种可选的技术方案，所述“根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平”的步骤包括：
对矩阵B中每一个元素其bqi乘以行矩阵Dm与分段函数f(x)中的对应值，得到一个新矩阵与A矩阵相乘，得到学生学科知识点掌握矩阵S：
Figure BDA0003180831890000065
其中，
Figure BDA0003180831890000071
Figure BDA0003180831890000072
其中，f(x)表示学生做对该题时对该知识点的掌握力度，式(1)为容易题、式(2)为中等题、式(3)为困难题对应的公式，a1，a2，a3是该难度的权重，b1，b2，b3为预设的初始值，c1，c2是试题难度阈值。
如图2所示，本发明还公开了知识点掌握情况诊断装置，包括：
标注模块，用于标注各学科题目的知识点属性；
选择模块，用于选择各个知识点的诊断题目；
记录模块，用于记录学生对所述诊断题目的答题情况；
评价判断模块，用于根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
如图3所示，第二方面，本发明还公开了试题推荐方法，包括以下步骤：
判断学生是否完成了相关练习和测试，具体地，学生通过节节通、章章测、阶段考、错题本、智能复习等对各学科知识点持续进行练习和测试；
在完成相关练习和测试后，采用如第一方面中的知识点掌握情况诊断方法评价学生各学科知识点掌握情况；
修正学生各学科知识点掌握情况及综合能力值，具体地，通过章章测、阶段考、期中期末考试等修正学生各学科知识点掌握情况及综合能力值；
基于修正后的结果进行深度学习模型个性化推题，具体地，根据学生知识点掌握情况矩阵构建学生能力画像，结合题目、知识点画像以及做题信息等生成深度学习训练集合、测试集，生成薄弱知识点个性化推题深度学习模型。
作为一种可选的技术方案，在所述“基于修正后的结果进行深度学习模型个性化推题”的步骤之后还包括：重复所述“判断学生是否完成了相关练习和测试”的步骤及其之后的步骤进行迭代运行。
作为一种可选的技术方案，所述“修正学生各学科知识点掌握情况及综合能力值”的步骤中，利用mcmc算法，生成学生修正系数：
Figure BDA0003180831890000081
其中Correctqj为某学生q对某知识点j掌握情况修正系数。
如图4所示，本发明还公开了试题推荐装置，包括：
判断模块，用于判断学生是否完成了相关练习和测试；
如第一方面中的知识点掌握情况诊断装置，用于诊断学生各学科知识点掌握情况及综合能力值；
修正模块，用于修正学生各学科知识点掌握情况及综合能力值；
推荐模块，配置为基于修正后的结果进行深度学习模型个性化推题。
上述实施例中的方法及装置，利用大量的学生做题数据及得分，首先对学生知识点掌握情况进行初步的诊断(快速诊断或专业诊断)，然后根据学生各个阶段(节节通、章章测、阶段考、错题本)画像与内部评价指标对学生知识点掌握情况进行回归调整，最终确定学生知识点掌握情况及综合能力的评价结果，可以及时发现学生的知识点掌握薄弱环节，并对薄弱环节进行有针对性地推题，有利于老师实时了解学生对知识点的掌握情况以及学生的提高。
本发明还公开了电子设备，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如第一方面中的知识点掌握情况诊断方法或是第二方面中的试题推荐方法。
本发明还公开了计算机可读介质，包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如第一方面中的知识点掌握情况诊断方法或是第二方面中的试题推荐方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置、电子设备和计算机可读介质的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块(单元)。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在可读介质中或网络上，包括若干指令以使得一台电子设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施例的方法。
上述可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(FPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.知识点掌握情况诊断方法，其特征在于，包括以下步骤：
标注各学科题目的知识点属性；
选择各个知识点的诊断题目；
记录学生对所述诊断题目的答题情况；
根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
2.根据权利要求1所述的知识点掌握情况诊断方法，其特征在于：
所述“标注各学科题目的知识点属性”的步骤中，用A矩阵描述题目的所属知识点属性，A矩阵表述如下：
Figure FDA0003180831880000011
Figure FDA0003180831880000012
其中，m表示学科练习或测试题目数量，n表示学科知识点数量，1≤i≤m，1≤j≤n；
所述“选择各个知识点的诊断题目”的步骤中，会针对各个知识点选择各种难度的题目，以试题难度系数行矩阵Dm表示：
Dm＝[d1 … dm]
其中di为题目i的难度，介于0-1之间，数值越大越难；
所述“记录学生对所述诊断题目的答题情况”的步骤中还包括：根据所述答题情况生成B矩阵，所述B矩阵表述如下：
Figure FDA0003180831880000013
Figure FDA0003180831880000014
其中，1≤q≤r，r为学生总数。
3.根据权利要求2所述的知识点掌握情况诊断方法，其特征在于，所述“根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平”的步骤包括：
对矩阵B中每一个元素其bqi乘以行矩阵Dm与分段函数f(x)中的对应值，得到一个新矩阵与A矩阵相乘，得到学生学科知识点掌握矩阵S：
Figure FDA0003180831880000021
其中，
Figure FDA0003180831880000022
Figure FDA0003180831880000023
其中，f(x)表示学生做对该题时对该知识点的掌握力度，式(1)为容易题、式(2)为中等题、式(3)为困难题对应的公式，a1，a2，a3是该难度的权重，b1，b2，b3为预设的初始值，c1，c2是试题难度阈值。
4.知识点掌握情况诊断装置，其特征在于，包括：
标注模块，用于标注各学科题目的知识点属性；
选择模块，用于选择各个知识点的诊断题目；
记录模块，用于记录学生对所述诊断题目的答题情况；
评价判断模块，用于根据所述知识点属性和所述答题情况评价学生学科知识点掌握情况及综合能力水平。
5.试题推荐方法，其特征在于，包括以下步骤：
判断学生是否完成了相关练习和测试；
若是，采用如权利要求1-3中任一项所述的方法评价学生各学科知识点掌握情况；
修正学生各学科知识点掌握情况及综合能力值；
基于修正后的结果进行深度学习模型个性化推题。
6.根据权利要求5所述的试题推荐方法，其特征在于，在所述“基于修正后的结果进行深度学习模型个性化推题”的步骤之后还包括：重复所述“判断学生是否完成了相关练习和测试”的步骤及其之后的步骤进行迭代运行。
7.根据权利要求5所述的试题推荐方法，其特征在于，所述“修正学生各学科知识点掌握情况及综合能力值”的步骤中，利用mcmc算法，生成学生修正系数：
Figure RE-FDA0003270805170000031
其中Correctqj为某学生q对某知识点j掌握情况修正系数。
8.试题推荐装置，其特征在于，包括：
判断模块，用于判断学生是否完成了相关练习和测试；
如权利要求4所述的知识点掌握情况诊断装置，用于诊断学生各学科知识点掌握情况及综合能力值；
修正模块，用于修正学生各学科知识点掌握情况及综合能力值；
推荐模块，配置为基于修正后的结果进行深度学习模型个性化推题。
9.电子设备，其特征在于，包括：一个或多个处理器；一个或多个存储器；所述一个或多个存储器存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令，当所述指令被所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1至3中或是5至7中任一项所述的方法。
10.计算机可读介质，其特征在于：包括计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至3中或是5至7中任一项所述的方法。
CN202110847647.8A 2021-07-26 2021-07-26 知识点掌握情况诊断方法、试题推荐方法及装置 Pending CN113657723A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110847647.8A CN113657723A (zh) 2021-07-26 2021-07-26 知识点掌握情况诊断方法、试题推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110847647.8A CN113657723A (zh) 2021-07-26 2021-07-26 知识点掌握情况诊断方法、试题推荐方法及装置

Publications (1)

Publication Number Publication Date
CN113657723A true CN113657723A (zh) 2021-11-16

Family

ID=78478730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110847647.8A Pending CN113657723A (zh) 2021-07-26 2021-07-26 知识点掌握情况诊断方法、试题推荐方法及装置

Country Status (1)

Country Link
CN (1) CN113657723A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998071A (zh) * 2022-08-04 2022-09-02 中国电子科技集团公司第十五研究所 一种航空管制模拟训练智能教学方法和系统
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
CN117952797A (zh) * 2024-03-21 2024-04-30 深圳市华师兄弟教育科技有限公司 基于人工智能的互联网教育监管系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998071A (zh) * 2022-08-04 2022-09-02 中国电子科技集团公司第十五研究所 一种航空管制模拟训练智能教学方法和系统
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
CN117952797A (zh) * 2024-03-21 2024-04-30 深圳市华师兄弟教育科技有限公司 基于人工智能的互联网教育监管系统及方法

Similar Documents

Publication Publication Date Title
CN109903617B (zh) 个性化练习方法和系统
CN109740048B (zh) 一种课程推荐方法及装置
CN113657723A (zh) 知识点掌握情况诊断方法、试题推荐方法及装置
CN111274411A (zh) 课程推荐方法、装置、电子设备及可读存储介质
CN110941723A (zh) 一种知识图谱的构建方法、系统及存储介质
CN109191345B (zh) 一种面向学生认知过程的认知诊断方法
US20070224586A1 (en) Method and system for evaluating and matching educational content to a user
Siew Using network science to analyze concept maps of psychology undergraduates
CN111159419B (zh) 基于图卷积的知识追踪数据处理方法、系统和存储介质
CN112784608B (zh) 试题推荐方法、装置、电子设备和存储介质
CN111209474A (zh) 在线课程的推荐方法、装置、计算机设备和存储介质
CN112699283B (zh) 试卷生成方法及装置
CN105159924A (zh) 学习资源推送方法和系统
CN105070130A (zh) 水平测评方法和系统
CN110795917B (zh) 个性化讲义生成方法、系统及电子设备、存储介质
Jeffries et al. Comparing vignette instruction and assessment tasks to classroom observations and reflections
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
CN111428058B (zh) 基于mcm的智适应复习资源推送方法
Yang et al. Adaptive formative assessment system based on computerized adaptive testing and the learning memory cycle for personalized learning
Rahman et al. Case based reasoning adaptive e-learning system based on visual-auditory-kinesthetic learning styles
Rishard et al. Adaptivo: A Personalized Adaptive E-Learning System based on Learning Styles and Prior Knowledge
CN112287115A (zh) 基于知识掌握程度图的个性化教学方法、系统及装置
Unčík et al. Annotating educational content by questions created by learners
Wirawan et al. New Concept of Learning Outcomes Assessment in Adaptive Mobile Learning
CN117150151B (zh) 一种基于大语言模型的错题分析及试题推荐系统和方法

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