CN115050039A - 自动化试卷分析方法、系统、电子设备、存储介质 - Google Patents

自动化试卷分析方法、系统、电子设备、存储介质 Download PDF

Info

Publication number
CN115050039A
CN115050039A CN202210470540.0A CN202210470540A CN115050039A CN 115050039 A CN115050039 A CN 115050039A CN 202210470540 A CN202210470540 A CN 202210470540A CN 115050039 A CN115050039 A CN 115050039A
Authority
CN
China
Prior art keywords
test paper
answer
information
analysis
score
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
CN202210470540.0A
Other languages
English (en)
Inventor
朱新宁
杜龙飞
涂亮
张春红
赵慧
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 University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202210470540.0A priority Critical patent/CN115050039A/zh
Publication of CN115050039A publication Critical patent/CN115050039A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • Multimedia (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种自动化试卷分析方法、系统、电子设备、存储介质，所述方法包括：获取所述试卷的答题情况信息；基于试卷信息提取知识点；将所述答题情况信息关联至所述知识点，形成知识点掌握分析。通过对试卷的知识点进行提取，结合实际答题情况，实现知识点层级的统计分析，得到学生知识点掌握情况，给教学提供详细参考。

Description

自动化试卷分析方法、系统、电子设备、存储介质
技术领域
本发明涉及计算机数据处理技术领域，尤其涉及一种自动化试卷分析方法、系统、电子设备、存储介质。
背景技术
教育教学过程中涉及考试数量众多，每次考试后批阅试卷、统计试卷分数，尤其对每道大题所包括的每道小题的小分进行统计分析耗费了教师比较多的时间和精力。为了减小教师阅卷的压力当前出现了多种阅卷系统。当前的阅卷系统多针对试卷中的客观题(选择题)，其通过识读定制的学生答题卡上的答题标记，自动给出学生客观题的总分。根据阅卷系统给出的学生客观题的分数，教师无法统计分析学生对每道题目中所涉及的知识点的掌握情况，不利于教师的因材施教。由此看出现有的试卷分析统计主要依靠教师人工统计，耗时耗力不满足当前试卷统计分析的实际需求。
发明内容
针对现有技术存在的问题，本发明提供一种自动化试卷分析方法、系统、电子设备、存储介质。
本发明提供的一种自动化试卷分析方法，所述方法包括：
获取所述试卷的答题情况信息；
基于试卷信息提取知识点；
将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
根据本发明提供的一种自动化试卷分析方法，所述获取所述试卷的答题情况信息，包括：
获取批阅结束的试卷图像；
对所述试卷图像进行分区，获得所述试卷图像上的个人信息子区域、得分子区域和选择题答案子区域；
对所述个人信息子区域、得分子区域和选择题答案子区域进行图像识别，获得答题个人信息、答题得分信息和选择题答题选项信息。
根据本发明提供的一种自动化试卷分析方法，所述获得答题个人信息、答题得分信息和选择题答题选项信息，之后包括：
计算出所述试卷中每一道题目的均分、最高分、最低分，以及不同分数段人数和百分比；
计算出所述试卷整体均分、最高分、最低分，以及不同分数段人数和百分比；
计算出所述试卷中每道选择题正确选项数量、正确率、最容易错选选项。
根据本发明提供的一种自动化试卷分析方法，所述对所述试卷图像进行分区，之后包括：
接收外部的输入调整，对分区结果进行修正；
所述获得答题个人信息、答题得分信息和选择题答题信息，之后包括：
接收外部的输入调整，对所述答题个人信息、所述答题得分信息和所述选择题答题信息进行修正。
根据本发明提供的一种自动化试卷分析方法，所述基于试卷信息提取知识点，包括：
获取所述试卷带有答案的电子版试题；
基于所述电子版试题，识别出对应的题目和答案；
基于所述题目和答案，通过知识追踪模型提取知识点。
根据本发明提供的一种自动化试卷分析方法，所述形成知识点掌握分析，包括：
获取以班为单位的知识点掌握分析和/或每个人的知识点掌握分析，得到掌握最优和/或掌握最差的若干知识点。
本发明还提供的一种自动化试卷分析系统，所述系统包括：
答题统计模块，所述答题统计模块获取所述试卷的答题情况信息；
知识点提取模块，所述知识点提取模块基于试卷信息提取知识点；
分析模块，所述分析模块将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
本发明还提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一项所述自动化试卷分析方法的步骤。
本发明还提供的一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述自动化试卷分析方法的步骤。
本发明还提供的一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述自动化试卷分析方法的步骤。
本发明提供的自动化试卷分析方法、系统、电子设备、存储介质，通过对试卷的知识点进行提取，结合实际答题情况，实现知识点层级的统计分析，得到学生知识点掌握情况，给教学提供详细参考。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种自动化试卷分析方法流程示意图；
图2为本发明提供的一种自动化试卷分析方法的另一流程示意图；
图3为本发明提供的以班为单位的知识点掌握分析示例图；
图4为本发明提供的一种自动化试卷分析系统的结构示意图；
图5为本发明提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。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，通过具体的实施例及其应用场景对本申请实施例提供的自动化试卷分析方法进行详细地说明。
图1为本发明提供的一种自动化试卷分析方法流程示意图，如图1所示，本发明提供的一种自动化试卷分析方法，方法包括：
S100、获取试卷的答题情况信息。
可选地，获取的手段包括外部输入已经统计好的答题情况信息，或者，基于试卷的答题页，进行图像识别和统计。
可选地，采集纸质试卷的图像，来获取试卷的答题情况信息。
可选地，答题情况信息，包括，答题者对试卷的作答情况，进一步地，还可包括批阅情况，即作答正确与否。
可选地，针对同一试卷，获取多个班级多个答题者的所有答题情况信息。
可选地，答题情况信息存储在数据库中。
S200、基于试卷信息提取知识点。
可选地，基于试卷的题目，直接提取知识点。进一步地，提取知识点和获取答题情况信息可以基于同一作答过的试卷。
可选地，基于未作答的电子试卷，提取知识点。进一步地，电子试卷中同时还包括标准答案，基于题目和标准答案提取知识点。
可选地，题目和标准答案存储在数据库中。
可选地，知识点存储在数据库中。
S300、将答题情况信息关联至知识点，形成知识点掌握分析。
可选地，试卷中每个题目可能提取出若干个知识点，对于一个答题者而言，若其答题情况信息中该题的作答正确，则对应的知识点获得一次正向得分，反之，则获取一次负向得分。通过统计试卷中所有题目的作答情况，便可形成针对该答题者的知识点掌握分析。类似地，答题者的维度可以改换为班级等其他主体。
可选地，知识点掌握分析存储在数据库中。
本实施例通过对试卷的知识点进行提取，结合实际答题情况，实现知识点层级的统计分析，得到学生知识点掌握情况，给教学提供详细参考。
进一步地，在前述实施例的基础上，另一实施例中，本实施例提供一种自动化试卷分析方法，获取试卷的答题情况信息，包括：
获取批阅结束的试卷图像；
对试卷图像进行分区，获得试卷图像上的个人信息子区域、得分子区域和选择题答案子区域；
对个人信息子区域、得分子区域和选择题答案子区域进行图像识别，获得答题个人信息、答题得分信息和选择题答题选项信息。
可选地，对试卷图像按照多个预先设置的坐标点，来实现分区。
可选地，图像识别采用基于注意力的识别模型，具体包括文字识别单元和数字识别单元。
可选地，对所述子区域中的文字采用文字识别算法进行识别；对所述得分子区域的分数进行识别得到分数识别结果。
可选地，扫描试卷首页，得到答案页扫描图片，答案页扫描图片包括卷头及试卷主页，卷头包含本学科名称以及试卷类型(A B C D)卷，试卷主页包括得分子区域，其中有每道题(或者每大项，如所有选择题为第一项)题号，满分分数，手写得分数字，同时包括选择题答案子区域，其中有题号以及手写答案字母，还包括首页上的选择题题目以及右上角的个人信息子区域，其中有学号、班级号、姓名，试卷识别，识别出得分子区域的手写分数，选择题答案子区域的手写答案以及个人信息子区域的个人信息。
可选地，获取试卷的答题情况信息的过程，在试卷识别系统界面进行操作，其中，试卷识别系统界面的左侧区域为图片列表，将需要识别的试卷图像导入到图片列表中，可以通过点击左侧区域来切换图片；试卷识别系统界面的中间区域为显示区域，将图片显示在中间部分，并在对图片进行分区识别后将区域标记在图片上；试卷识别系统界面的右侧区域为结果显示区域，将识别到的结果显示在右侧区域，可以通过点击，编辑修改识别到的结果，并将每个识别区域的坐标显示在右侧，点击保存将自动对结果进行分析并输出文件。
进一步地，在获取试卷扫描图片后，点击文件，将图片导入到系统中，点击试卷识别系统界面的左侧区域自动识别按钮，首先将图片进行分区，得到个人信息子区域、得分子区域和选择题答案子区域，接着会自动对三个区域进行识别，分别使用基于注意力的数字识别模型，对子区域坐标进行识别，识别出试卷得分结果与个人信息结果，通过基于注意力的文本识别模型，对子区域坐标进行识别，识别出试卷客观题答题结果，并将结果显示在右侧区域。
进一步地，可以进行手动校验，如果未能对图片进行分区，可以选择手动识别框，将需要识别的区域框出来，如果识别结果出错，可以通过手动修改结果来保证后续流程的正确性。
本实施例针对批阅结束的试卷，通过图像识别获取其答题个人信息、答题得分信息和选择题答题选项信息。
进一步地，在前述实施例的基础上，另一实施例中，本实施例提供一种自动化试卷分析方法，获得答题个人信息、答题得分信息和选择题答题选项信息，之后包括：
计算出试卷中每一道题目的均分、最高分、最低分，以及不同分数段人数和百分比；
计算出试卷整体均分、最高分、最低分，以及不同分数段人数和百分比；
计算出试卷中每道选择题正确选项数量、正确率、最容易错选选项。
可选地，对于上述的三组计算结果，进行结果可视化，便于教师迅速获知结果，优选地，采取柱状图来展示。
本实施例公布了，基于答题个人信息、答题得分信息和选择题答题选项信息，获取题目层级的各个用来供教学参考的作答情况，比如，得分率最低的题目，教师可以作为重点进行讲解。
进一步地，在前述实施例的基础上，另一实施例中，本实施例提供一种自动化试卷分析方法，对试卷图像进行分区，之后包括：
接收外部的输入调整，对分区结果进行修正；
获得答题个人信息(例如学号，班级号)、答题得分信息和选择题答题信息，之后包括：
接收外部的输入调整，对答题个人信息、答题得分信息和选择题答题信息进行修正。
可选地，接收外部的输入调整，包括：使用手动识别框，在不能自动识别出合适区域时，可以手动选择识别区域；对于未能识别出结果的部分，可以通过手动输入来进行添加，对于识别错误的部分，通过手动修改来进行校验。
本实施例公布了通过外部的输入调整，对分区结果和答题情况信息进行修正，提高本技术方案图像识别的准确率。
进一步地，图2为本发明提供的一种自动化试卷分析方法的另一流程示意图，如图2所示，在前述实施例的基础上，另一实施例中，本实施例提供一种自动化试卷分析方法，基于试卷信息提取知识点，包括：
获取试卷带有答案的电子版试题；
基于电子版试题，识别出对应的题目和答案；
可选地，基于电子版试题，通过规则识别筛选出每道题对应的题目和答案；
可选地，电子版试题是图像格式，需要先进行图像识别，再识别筛选出每道题对应的题目和答案；
基于题目和答案，通过知识追踪模型提取知识点。
可选地，在前述试卷识别系统的界面上，点击文件将试卷电子版试题导入，通过规则化筛选自动识别出试卷选择题的题目及答案，并调整类型(A B C D)卷的选择顺序，同时通过知识追踪模型，对识别到的题目及答案进行知识点提取，并将所提取到的知识点存储在数据库中。
本实施例通过电子版试题获取试卷的题目和答案，保证了知识点提取所依赖的材料的准确度，并且，由于同时依赖题目和答案进行知识点的提取，提高了知识点的提取的准确性。
进一步地，在前述实施例的基础上，另一实施例中，本实施例提供一种自动化试卷分析方法，形成知识点掌握分析，包括：
获取以班为单位的知识点掌握分析和/或每个人的知识点掌握分析，得到掌握最优和/或掌握最差的若干知识点。
图3为本发明提供的以班为单位的知识点掌握分析示例图，如图3所示，统计了针对三个班级关于多个知识点的掌握情况，其中，每个班级关于每项知识点的得分是归一化处理后的数值。
可选地，在前述试卷识别系统的界面上，点击保存按钮，进行知识点掌握分析。
本实施例通过给出班为单位的知识点掌握分析和/或每个人的知识点掌握分析，来便于教师了解整体或者个体学习者的知识点掌握进度；通过得到掌握最优和/或掌握最差的若干知识点，便于教师把握教学的重点。
下面对本发明提供的自动化试卷分析系统进行描述，下文描述的自动化试卷分析系统与上文描述的自动化试卷分析方法可相互对应参照。
图4为本发明提供的一种自动化试卷分析系统的结构示意图，如图4所示，本发明还提供的一种自动化试卷分析系统，系统包括：
答题统计模块，答题统计模块获取试卷的答题情况信息；
知识点提取模块，知识点提取模块基于试卷信息提取知识点；
分析模块，分析模块将答题情况信息关联至知识点，形成知识点掌握分析。
本实施例通过对试卷的知识点进行提取，结合实际答题情况，实现知识点层级的统计分析，得到学生知识点掌握情况，给教学提供详细参考。
图5为本发明提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行自动化试卷分析方法，所述方法包括：
获取所述试卷的答题情况信息；
基于试卷信息提取知识点；
将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的自动化试卷分析方法，所述方法包括：
获取所述试卷的答题情况信息；
基于试卷信息提取知识点；
将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的自动化试卷分析方法，所述方法包括：
获取所述试卷的答题情况信息；
基于试卷信息提取知识点；
将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种自动化试卷分析方法，其特征在于，所述方法包括：
获取所述试卷的答题情况信息；
基于试卷信息提取知识点；
将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
2.根据权利要求1所述的自动化试卷分析方法，其特征在于，所述获取所述试卷的答题情况信息，包括：
获取批阅结束的试卷图像；
对所述试卷图像进行分区，获得所述试卷图像上的个人信息子区域、得分子区域和选择题答案子区域；
对所述个人信息子区域、得分子区域和选择题答案子区域进行图像识别，获得答题个人信息、答题得分信息和选择题答题选项信息。
3.根据权利要求2所述的自动化试卷分析方法，其特征在于，所述获得答题个人信息、答题得分信息和选择题答题选项信息，之后包括：
计算出所述试卷中每一道题目的均分、最高分、最低分，以及不同分数段人数和百分比；
计算出所述试卷整体均分、最高分、最低分，以及不同分数段人数和百分比；
计算出所述试卷中每道选择题正确选项数量、正确率、最容易错选选项。
4.根据权利要求2所述的自动化试卷分析方法，其特征在于，所述对所述试卷图像进行分区，之后包括：
接收外部的输入调整，对分区结果进行修正；
所述获得答题个人信息、答题得分信息和选择题答题信息，之后包括：
接收外部的输入调整，对所述答题个人信息、所述答题得分信息和所述选择题答题信息进行修正。
5.根据权利要求1所述的自动化试卷分析方法，其特征在于，所述基于试卷信息提取知识点，包括：
获取所述试卷带有答案的电子版试题；
基于所述电子版试题，识别出对应的题目和答案；
基于所述题目和答案，通过知识追踪模型提取知识点。
6.根据权利要求1所述的自动化试卷分析方法，其特征在于，所述形成知识点掌握分析，包括：
获取以班为单位的知识点掌握分析和/或每个人的知识点掌握分析，得到掌握最优和/或掌握最差的若干知识点。
7.一种自动化试卷分析系统，其特征在于，所述系统包括：
答题统计模块，所述答题统计模块获取所述试卷的答题情况信息；
知识点提取模块，所述知识点提取模块基于试卷信息提取知识点；
分析模块，所述分析模块将所述答题情况信息关联至所述知识点，形成知识点掌握分析。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述自动化试卷分析方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述自动化试卷分析方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述自动化试卷分析方法的步骤。
CN202210470540.0A 2022-04-28 2022-04-28 自动化试卷分析方法、系统、电子设备、存储介质 Pending CN115050039A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210470540.0A CN115050039A (zh) 2022-04-28 2022-04-28 自动化试卷分析方法、系统、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210470540.0A CN115050039A (zh) 2022-04-28 2022-04-28 自动化试卷分析方法、系统、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN115050039A true CN115050039A (zh) 2022-09-13

Family

ID=83157095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210470540.0A Pending CN115050039A (zh) 2022-04-28 2022-04-28 自动化试卷分析方法、系统、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN115050039A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905576A (zh) * 2023-01-09 2023-04-04 北京布局未来教育科技有限公司 一种试卷生成方法、装置、电子设备及介质
CN117874416A (zh) * 2024-01-12 2024-04-12 网才科技(广州)集团股份有限公司 一种试卷断崖式异常分析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115905576A (zh) * 2023-01-09 2023-04-04 北京布局未来教育科技有限公司 一种试卷生成方法、装置、电子设备及介质
CN117874416A (zh) * 2024-01-12 2024-04-12 网才科技(广州)集团股份有限公司 一种试卷断崖式异常分析方法及系统

Similar Documents

Publication Publication Date Title
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN108932508B (zh) 一种题目智能识别、批改的方法和系统
CN111144191B (zh) 字体识别方法、装置、电子设备及存储介质
CN109710590B (zh) 一种错题本生成方法及装置
CN107240047B (zh) 一种教学视频的学分评估方法和装置
CN107506762B (zh) 一种基于图像分析的成绩自动录入方法
CN115050039A (zh) 自动化试卷分析方法、系统、电子设备、存储介质
CN109242856A (zh) 一种纸质作业电子化批阅方法及装置
JP7147185B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN105427696A (zh) 一种对目标题目所作答案进行判别的方法
CN110909035A (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
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
CN110879965A (zh) 试卷客观题的自动批阅方法、电子装置、设备及存储介质
CN111242045A (zh) 自动化作业习题对错指示方法及系统
WO2021254074A1 (zh) 智能阅卷方法及装置
CN110223202A (zh) 一种教学道具识别与评分的方法及系统
CN111126486A (zh) 一种测验统计方法、装置、设备及存储介质
CN112347997A (zh) 一种试题检测识别方法、装置、电子设备及介质
CN114926889B (zh) 作业提交方法、装置、电子设备和存储介质
CN113159014A (zh) 基于手写题号的客观题批阅方法、装置、设备及存储介质
KR20130021684A (ko) 답안지 관리 시스템 및 그 방법
CN114202978A (zh) 一种基于大数据的智能培训方法及系统
CN113888757A (zh) 基于对标评价的考卷智能分析方法、系统及存储介质
CN115690635A (zh) 视频的处理方法、装置、计算机存储介质及智能交互平板
CN108681713A (zh) 一种用于教师教学质量评价的系统

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