CN114372131A - 学习数据处理方法 - Google Patents

学习数据处理方法 Download PDF

Info

Publication number
CN114372131A
CN114372131A CN202111658944.4A CN202111658944A CN114372131A CN 114372131 A CN114372131 A CN 114372131A CN 202111658944 A CN202111658944 A CN 202111658944A CN 114372131 A CN114372131 A CN 114372131A
Authority
CN
China
Prior art keywords
information
duration
learning
curve
carrier
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
CN202111658944.4A
Other languages
English (en)
Inventor
田雪松
梁桂浩
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 Biyun Shuchuang Technology Co ltd
Original Assignee
Beijing Biyun Shuchuang 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 Beijing Biyun Shuchuang Technology Co ltd filed Critical Beijing Biyun Shuchuang Technology Co ltd
Priority to CN202111658944.4A priority Critical patent/CN114372131A/zh
Publication of CN114372131A publication Critical patent/CN114372131A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34Browsing; Visualisation therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance

Abstract

本发明涉及一种学习数据处理方法,包括:获取学生在第一载体上的点阵笔迹信息和在第二载体上的答题信息;将第一书写时间进行处理,得到学生在第一载体的第一时长数据,得到学生的第一得分信息;将第二书写时间进行处理,得到学生在第二载体的第二时长数据;得到学生的第二得分信息;根据第一时长数据和第二时长数据,确定学生学习的总时长;根据第一得分信息和第二得分信息,确定学生学习的总得分信息;将学生在第一预设时长的总时长和总得分进行分析处理,得到学生在第一预设时长内的学习的总时长的第一曲线,以及,得到学生的总得分的第二曲线;根据第一曲线和第二曲线,确定学习异常信息,并生成异常提醒信息。

Description

学习数据处理方法
技术领域
本发明涉及一种信息技术领域,尤其涉及一种学习数据处理方法。
背景技术
目前,随着教育行业的快速数字化,越来越多的学习数据和教学数据存储在平台或者数据库当中。然而,在实践中发现,每个平台都会根据学生的平台学习情况生成学习数据,但是平台数量增加时,每个平台中的学习数据并不相同,从而导致各个平台无法对学生的知识掌握情况进行客观评判,进而影响学习能力的评估,无法推送更加有效的学习方案。
近年来,通过使用了深度学习(深层学习)等的机器学习,从摄像机的摄影图像等中识别出对象物的图像识别技术迅速地发展起来。在利用了机器学习的图像识别中,收集更多的以对象物(识别对象)为被摄体的摄影图像的数据来作为学习数据,通过使学习器对其进行学习,能够提高利用学习完毕模型识别未知的摄影图像中的对象物的精度。
但是,这种收集方法必须依赖于摄像头,而配置摄像头,在财力物力上来说,都是一种挑战。
因此,如何快速处理学生在不同载体上的学习数据,并对异常情况进行判断,成为一个急需解决的问题。
发明内容
本发明的目的是针对现有技术的缺陷,提供一种学习数据处理方法,以解决线条技术中所存在的问题。
第一方面,本发明提供了一种学习数据处理方法,所述学习数据处理方法包括:
获取学生在第一载体上的点阵笔迹信息和在第二载体上的答题信息;所述第一载体为纸质类载体,所述第二载体为电子类载体;所述点阵笔迹信息包括第一书写时间;所述答题信息包括第二书写时间;
将所述第一书写时间进行处理,得到学生在第一载体的第一时长数据,将所述点阵笔迹信息的和预设的第一标准信息进行匹配,得到学生的第一得分信息;
将第二书写时间进行处理,得到学生在第二载体的第二时长数据;将所述答题信息和预设的第二标准信息进行匹配,得到学生的第二得分信息;所述第二得分信息包括第二时长数据;
根据所述第一时长数据和所述第二时长数据,确定学生学习的总时长;
根据所述第一得分信息和所述第二得分信息,确定学生学习的总得分信息;
将学生在第一预设时长的总时长和总得分进行分析处理,得到学生在第一预设时长内的学习的总时长的第一曲线,以及,得到学生在第一预设时长的总得分的第二曲线;
根据所述第一曲线和所述第二曲线,确定学习异常信息,并生成异常提醒信息。
在一种可能的实现方式中,所述第二载体的数量为一个或多个,当所述第二载体为多个时,所述方法还包括:
每个第二载体上的答题信息包括答题类型;
根据所述答题类型,确定每个答题类型的第二书写时间;
根据每个答题类型的第二书写时间,确定每个答题类型的第二时长数据;
在第二预设时长内,对每种答题类型的第二时长数据进行分析,得到每种答题类型的第三曲线。
在一种可能的实现方式中,所述方法还包括:
当所述第二时长数据大于预设的时长阈值时,生成超时提醒信息,并将所述超时提醒信息发送给关联的终端。
在一种可能的实现方式中,所述方法还包括:
获取学生的年龄信息;
根据所述第二时长数据,确定所述年龄信息对应的预设的时长阈值;
当所述第二时长数据大于预设的时长阈值时,生成超时提醒信息。
在一种可能的实现方式中,所述方法还包括:
对所述点阵笔迹信息进行处理,以使得所述点阵笔迹信息在终端上进行展示;
当所述点阵笔迹信息和第一标准信息不一致时,进行区别显示;
对区别显示的点阵笔迹信息进行处理,得到错题信息;
统计预设第三时长的错题信息,得到目标错题信息;
对所述目标错题信息进行处理,得到学生的易错知识点;
对所述易错知识点进行展示。
在一种可能的实现方式中,所述方法还包括:
将所述易错知识点处理为链接信息,并展示所述链接信息。
在一种可能的实现方式中,所述根据所述第一曲线和所述第二曲线,确定学习异常信息,并生成异常提醒信息具体包括:
当所述第一曲线和所述第二曲线交叉时,确定交叉时的总时长和总得分为学习异常信息;
当预设的第四时长内,学习异常信息的次数大于预设的次数阈值时,生成异常提醒信息。
在一种可能的实现方式中,所述方法还包括:
将所述异常提醒信息发送给学校管理终端。
第二方面,本发明提供了一种设备,包括存储器和处理器,存储器用于存储程序,处理器用于执行第一方面任一所述的方法。
第三方面,本发明提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如第一方面任一所述的方法。
第四方面,本发明提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如第一方面任一所述的方法。
通过应用本发明提供的学习数据处理方法,可以对用户在各种载体上的学习时长和得分进行处理,从而生成关于学习时长的曲线和得分的曲线,并根据两种曲线,进行异常判断,以便于家长能快速得知学生在学习中是否存在异常。
附图说明
图1为本发明实施例提供的学习数据处理方法流程示意图。
具体实施方式
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。
本发明提供的一种学习数据处理方法,可以对学生在每种载体的学习时间进行统计,并对得分进行计算,以在得分和学习时间不匹配时,进行异常提醒,从而有助于调整后续的学习策略。
图1为本发明实施例提供的学习数据处理方法流程示意图。本申请的执行主体可以是服务器、终端等具有运算功能的设备。如图1所示,本申请包括以下步骤:
步骤110,获取学生在第一载体上的点阵笔迹信息和在第二载体上的答题信息;第一载体为纸质类载体,第二载体为电子类载体;点阵笔迹信息包括第一书写时间;答题信息包括第二书写时间;
具体的,第一载体,可以是具有点阵背景的教辅资料,比如,课本,课本对应的探究与学习,课外辅导书籍,该些教辅资料提前印刷有点阵背景,从而当用户通过点阵数码笔进行书写时,可以将书写的点阵笔迹信息实时的,或者非实时的进行传输。
第二载体为电子类载体,可以是IPAD,手机,台式机、笔记本电脑等,本申请对此并不限定。
用户可以在电子类载体上进行登录操作,用户可以通过用户名+密码的方式,在电子类载体上进行登录,并为家庭用户设置密码的方式,使得每个家庭用户可以通过各自的密码登录到电子类载体。比如,用户通过IPAD学习数学思维课,可以通过其专有的密码进行登录,或者,从用户登录数学思维课APP起,就记录时间登录时间,并且记录每一个第二书写时间,此处,用户在第二载体后,所输入的每一个指令,都具有时间信息,从而上输入的每一个指令,都可以看作是进行答题操作,从而,可以得到用户书写的时间信息,以便于能得到第二书写时间。
步骤120,将第一书写时间进行处理,得到学生在第一载体的第一时长数据,将点阵笔迹信息的和预设的第一标准信息进行匹配,得到学生的第一得分信息;
具体的,对第一书写时间进行统计处理,可以得到第一时长数据。第一标准信息可以是预设的标准答案,对点阵笔迹信息进行处理后,可以得到学生的答题信息,将该些答题信息和标准答案进行比较,可以得到第一得分信息。比如,答题信息和标准答案一致时,得分是满分,答题信息和标准答案不一致时,可以计算得到匹配度,再根据匹配度计算得分,比如,匹配度是50%,得分则是满分的一半。
步骤130,将第二书写时间进行处理,得到学生在第二载体的第二时长数据;将答题信息和预设的第二标准信息进行匹配,得到学生的第二得分信息;第二得分信息包括第二时长数据;
具体的,对第二书写时间进行统计处理,可以得到第二时长数据。比如,用户每天在电子类载体上进行答题,从而统计用户的每次登录的时长,统计则可以得到第二时长数据,或者,统计用户从登录开始,到答复第一个题目的时间,一直到答复最后一道题目的时间,可以得到第二时长数据。
第二标准信息也可以是标准答案,将用户的答题信息和标准答案进行对比,从而得到第二得分信息。
可以理解的是,第一标准信息和第二标准信息都可以预先设置,从而直接进行后续的匹配。也可以是讲第一标准信息和第二标准信息存储在第三方服务器中,将答题信息和点阵笔迹信息发送给第三方服务器,由第三方服务器进行得分信息的计算,本申请对此并不限定。
步骤140,根据第一时长数据和第二时长数据,确定学生学习的总时长;
具体的,可以将第一时长数据和第二时长数据相加,得到学生学习的总时长。比如,第一时长数据为1小时,第二时长数据为1小时,则总时长为2小时。
步骤150,根据第一得分信息和第二得分信息,确定学生学习的总得分信息;
具体的,将第一得分信息和第二得分信息进行相加,可以得到学生的总得分信息。
步骤160,将学生在第一预设时长的总时长和总得分进行分析处理,得到学生在第一预设时长内的学习的总时长的第一曲线,以及,得到学生在第一预设时长的总得分的第二曲线;
具体的,第一预设时长可以是1个月,以时间为横坐标,以总时长为纵坐标,得到时间轴上学生的每天的总时长变化的第一曲线。
以时间为横坐标,以总得分为纵坐标,得到时间轴上学生的每天的总得分变化的第二曲线。
步骤170,根据第一曲线和第二曲线,确定学习异常信息,并生成异常提醒信息。
具体的,在一个示例中,可以分别对第一曲线和第二曲线进行归一化处理,得到归一化处理后的第一曲线和归一化处理后的第二曲线后,将其设置在同一坐标系下,从而当归一化后的第一曲线和归一化后的第二曲线存在相交时,说明学习总时长和总得分并没有呈现正比例变化,此时可以确定存在异常,比如,学习总时长和总得分不一致,将提醒信息发送给家长的终端,以便家长快速得到学生的状态。
在另一个示例中,当归一化后的第一曲线和归一化后的第二曲线相交的次数超过预设的阈值时,说明在第一时长内,学习总时长和总得分没有呈现正比例变化的此处已经超过了预设阈值,则可以确定存在异常。
进一步的,随着减负的开展,在学校内学生的学习时间是可以控制的,但是家庭内的学习时间,每一个学生因人而异,存在各种不同,此时,可以通过对第二时长进行统计,判断学生在电子类载体上的学习时长进行统计。
比如,学生在电子类载体上,要完成数学思维类课程、围棋课、英语课、美术课、大语文课中的一个或多个。电子类载体可以是手机、IPAD、台式机中的一个或多个。比如,在手机上完成英语课,在IPAD上完成围棋课,在台式机上完成大语文课。在每一种电子类载体上,用户都需要输入用户名和密码,才能在登录成功后进行学习,将学生的每一种用户名和密码作为一个ID,进行关联,随后,在多个不同的电子类载体上登录后,可以自动统计每个第二书写时间,然后得到第二时长数据,从而得到用户,比如每天在电子类载体上的第二时长数据,当第二时长数据大于预设的时长阈值时,比如,时长阈值可以是2小时,从而生成超时提醒信息,并将超时提醒信息发送给关联的终端,比如,家长的终端。
其中,该预设的时长阈值可以和学生的年龄相关,比如,对于6岁的学生,预设的时长阈值可以是1小时,对于7岁的学生,预设的时长阈值可以是1小时10分钟,年龄和预设的时长阈值的对应关系可以存储在数据库中。而学生的年龄信息,可以在登录时进行获取,比如在首次登录时,输入年龄新,后续年龄信息自动保存,后续自动更新年龄新。也可以在申请用户名和密码时,已经输入年龄信息,并将该年龄信息和用户名、密码进行关联,并将这种关联关系存储在数据库中。从而实现了根据年龄信息,自动进行第二时长数据的匹配,以便自动判断是否进行超时提醒。
进一步的,学生进行学习时,也可以进行每种科目的答题的区分,从而统计出每种类型的科目的时长曲线。
具体的,每个第二载体上的答题信息包括答题类型;根据答题类型,确定每个答题类型的第二书写时间;根据每个答题类型的第二书写时间,确定每个答题类型的第二时长数据;在第二预设时长内,对每种答题类型的第二时长数据进行分析,得到每种答题类型的第三曲线。
在一个示例中,答题类型是用来指示不同科目的。从而,对于不同的科目,都可以得到一个第二书写时间,从而得到每一个科目的第二时长数据,对于每一个科目,可以将时间和第二时长数据在二维坐标系进行展示,从而得到每一个科目的时间和时长的变化曲线,称之为第三曲线。
可以理解的是,第二预设时长可以是1个月,也可以是3个月等,本申请对此并不限定。
进一步的,本申请还可以根据点阵笔迹信息得到易错知识点,以便于自动实现易错知识点的总结。
具体的,当点阵笔迹信息和第一标准信息不一致时,进行区别显示;对区别显示的点阵笔迹信息进行处理,得到错题信息;统计预设第三时长的错题信息,得到目标错题信息;对目标错题信息进行处理,得到学生的易错知识点;对易错知识点进行展示。
其中,对于和第一标准信息不一致的点阵笔迹信息,可以进行区别显示,比如,以不同的颜色,在终端或者服务器上进行显示,再对区别显示的点阵笔迹信息进行处理,查询该点阵笔迹信息对应的题干信息,此处,点阵笔迹信息的点阵位置信息可以查询得到题干信息,从而将题干信息和对应的点阵笔迹信息称为一个错题信息,统计一段时间的错题信息,可以得到错题信息的集合,称为目标错题信息,对目标错题信息进行关键词提取,得到对应的易错知识点,一方面,可以直接将易错知识点进行展示,另一方面,可以将易错知识点处理为链接信息,从而展示该链接信息。以便于用户可以快速得到易错知识点。
进一步的,为了提高家园共育的效果,还可以将所述异常提醒信息发送给学校管理终端。以便于学校管理终端也能快速掌握学生的学习异常情况。以针对学习异常情况,给出相应的措施。
通过应用本发明提供的学习数据处理方法,可以对用户在各种载体上的学习时长和得分进行处理,从而生成关于学习时长的曲线和得分的曲线,并根据两种曲线,进行异常判断,以便于家长能快速得知学生在学习中是否存在异常。
发明实施例二提供了一种设备,包括存储器和处理器,存储器用于存储程序,存储器可通过总线与处理器连接。存储器可以是非易失存储器,例如硬盘驱动器和闪存,存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能;设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序,该软件程序被执行时,能够实现本发明实施例一提供的方法。
本发明实施例三提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行本发明实施例一提供的方法。
本发明实施例四提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本发明实施例一提供的方法。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种学习数据处理方法,其特征在于,所述学习数据处理方法包括:
获取学生在第一载体上的点阵笔迹信息和在第二载体上的答题信息;所述第一载体为纸质类载体,所述第二载体为电子类载体;所述点阵笔迹信息包括第一书写时间;所述答题信息包括第二书写时间;
将所述第一书写时间进行处理,得到学生在第一载体的第一时长数据,将所述点阵笔迹信息的和预设的第一标准信息进行匹配,得到学生的第一得分信息;
将第二书写时间进行处理,得到学生在第二载体的第二时长数据;将所述答题信息和预设的第二标准信息进行匹配,得到学生的第二得分信息;所述第二得分信息包括第二时长数据;
根据所述第一时长数据和所述第二时长数据,确定学生学习的总时长;
根据所述第一得分信息和所述第二得分信息,确定学生学习的总得分信息;
将学生在第一预设时长的总时长和总得分进行分析处理,得到学生在第一预设时长内的学习的总时长的第一曲线,以及,得到学生在第一预设时长的总得分的第二曲线;
根据所述第一曲线和所述第二曲线,确定学习异常信息,并生成异常提醒信息。
2.根据权利要求1所述的方法,其特征在于,所述第二载体的数量为一个或多个,当所述第二载体为多个时,所述方法还包括:
每个第二载体上的答题信息包括答题类型;
根据所述答题类型,确定每个答题类型的第二书写时间;
根据每个答题类型的第二书写时间,确定每个答题类型的第二时长数据;
在第二预设时长内,对每种答题类型的第二时长数据进行分析,得到每种答题类型的第三曲线。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述第二时长数据大于预设的时长阈值时,生成超时提醒信息,并将所述超时提醒信息发送给关联的终端。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取学生的年龄信息;
根据所述第二时长数据,确定所述年龄信息对应的预设的时长阈值;
当所述第二时长数据大于预设的时长阈值时,生成超时提醒信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述点阵笔迹信息进行处理,以使得所述点阵笔迹信息在终端上进行展示;
当所述点阵笔迹信息和第一标准信息不一致时,进行区别显示;
对区别显示的点阵笔迹信息进行处理,得到错题信息;
统计预设第三时长的错题信息,得到目标错题信息;
对所述目标错题信息进行处理,得到学生的易错知识点;
对所述易错知识点进行展示。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述易错知识点处理为链接信息,并展示所述链接信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第一曲线和所述第二曲线,确定学习异常信息,并生成异常提醒信息具体包括:
当所述第一曲线和所述第二曲线交叉时,确定交叉时的总时长和总得分为学习异常信息;
当预设的第四时长内,学习异常信息的次数大于预设的次数阈值时,生成异常提醒信息。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述异常提醒信息发送给学校管理终端。
9.一种学习数据处理设备,其特征在于,所述学习数据处理设备包括存储器和处理器,存储器用于存储程序,处理器用于执行权利要求1-8任一所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现权利要求1-8任一所述的方法。
CN202111658944.4A 2021-12-30 2021-12-30 学习数据处理方法 Pending CN114372131A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111658944.4A CN114372131A (zh) 2021-12-30 2021-12-30 学习数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111658944.4A CN114372131A (zh) 2021-12-30 2021-12-30 学习数据处理方法

Publications (1)

Publication Number Publication Date
CN114372131A true CN114372131A (zh) 2022-04-19

Family

ID=81142757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111658944.4A Pending CN114372131A (zh) 2021-12-30 2021-12-30 学习数据处理方法

Country Status (1)

Country Link
CN (1) CN114372131A (zh)

Similar Documents

Publication Publication Date Title
CN107256650B (zh) 一种习题推送方法、系统及终端设备
US8170466B2 (en) System and method for automated assessment of constrained constructed responses
US20060246410A1 (en) Learning support system and learning support program
US20210133598A1 (en) Machine learning method, apparatus, and computer program for providing personalized educational content based on learning efficiency
CN110909035A (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN110222195B (zh) 题目作答结果与知识点关系的挖掘方法及电子装置
CN111144079B (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
US10188337B1 (en) Automated correlation of neuropsychiatric test data
WO2021232670A1 (zh) 一种pcb元件识别方法及装置
CN115358897B (zh) 一种基于电子学生证的学生管理方法、系统、终端及存储介质
CN110111086A (zh) 一种应届生简历质量诊断方法
JP2018124483A (ja) 学習支援システム、学習支援装置および学習支援方法
US20190362642A1 (en) Tutoring agent improvement recommendation
CN112116840B (zh) 一种基于图像识别的作业批改方法、系统和智能终端
WO2017043584A1 (ja) 学習支援システム、並びに、関連する装置及び方法
CN111477050A (zh) 基于云计算的教育信息化云平台、方法、终端设备、介质
CA2985282A1 (en) Systems and methods for braille grading tools
US20150269862A1 (en) Methods and systems for providing penmanship feedback
CN114372131A (zh) 学习数据处理方法
CN113256457A (zh) 一种基于人工智能的在线学习诊断方法及装置
JP7081115B2 (ja) 解答入力装置、及び、プログラム
CN112598286A (zh) 一种众包用户作弊行为检测方法、装置及电子设备
TWI453703B (zh) 學習診斷分析方法及學習診斷分析系統
KR20210068948A (ko) 대학 입시 정보 제공 방법 및 장치
JP2020012947A (ja) 情報処理装置及びプログラム

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