CN115878766A - 一种基于ai技术的教师经验型智能题库及其使用方法 - Google Patents
一种基于ai技术的教师经验型智能题库及其使用方法 Download PDFInfo
- Publication number
- CN115878766A CN115878766A CN202211045273.9A CN202211045273A CN115878766A CN 115878766 A CN115878766 A CN 115878766A CN 202211045273 A CN202211045273 A CN 202211045273A CN 115878766 A CN115878766 A CN 115878766A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- class
- teacher
- students
- knowledge points
- 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 38
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 230000008859 change Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 11
- 230000001755 vocal effect Effects 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于AI技术的教师经验型智能题库及其使用方法，智能题库包括服务器，以及与之联系的老师终端和学生终端，其关键是，所述服务器设置有AI讲题库以及虚拟讲题人、学生画像库及其答题模块、班级画像库和班级答题区、老师智能题库及其结构化处理器，老师智能题库题库内还设置有有声题库及有声题结构化处理器。其显著效果是：满足了师生及家长对教学进度和学习难度的及时跟踪需要，满足了学生个体与团队整体之间的学习情况差异进行比较需要，帮助学生达成学习目标和学习效果。
Description
技术领域
本发明涉及一种线上教学技术领域，特别是涉及一种基于AI技术的教师经验型智能题库及其使用方法。
背景技术
随着网络授课的开展，学生通过拍照或扫描提交作业后，批改软件可对学生的自动生成批改结果，同时部分系统具备视频微课功能，学生对不会做的题目通过观看视频微课，通过微课老师讲题的方式，实现自助讲解，满足了学习时间的灵活性要求。
但视频微课都需要老师对每一道题目进行分析讲解，并录制视频，工作量巨大，且讲题过程无法针对学生的提问实现答疑互动，效果不是很明显，同时由于题目没有进行智能处理，批改结果仅能实现简单的对错分析，无法实现错因的详细分析，老师也无法精准获取学生的学情情况。学生和家长更无法了解自身与班级进度的差异，教学效果存在不确定性。
发明内容
本发明的目的是提供一种基于AI技术的教师经验型智能题库及其使用方法，不仅能够满足师生及家长对教学进度和学习难度的客观跟踪需要，还能满足学生个体与团队整体之间的学习情况差异进行比较，帮助学生达成学习目标和学习效果。
一种基于AI技术的教师经验型智能题库，包括服务器，以及与之联系的老师终端和学生终端，其关键是，所述服务器设置有AI讲题库以及虚拟讲题人、学生画像库及其答题模块、班级画像库和班级答题区、老师智能题库及其结构化处理器，老师智能题库题库内还设置有有声题库及有声题结构化处理器。
个人画像和班级画像量化了学生学习进度，有声题库也量化了有声类型题目的知识点，更利于网络教育质量的可视化和可操作性。
基于AI技术的教师经验型智能题库的使用方法，其关键是，包括以下步骤：
第一步：老师自主出题，并对题目拍照，再通过老师终端登录服务器，并上传到服务器的老师智能题库，并且，基于已有的学科知识点和老师经验，老师对每道题目进行结构化处理，生成知识点标签和错因标签，同时生成讲题的结构化文本，并存入服务器中的AI讲题库；
结构化处理的提出，帮助老师清晰第分解出题目的知识重点和学生的易错点，是教学和学习靶向更清晰明确。
第二步：当老师通过老师智能题库智能组卷布置作业，学生通过学生终端登录服务器获取题目，针对不会做的题目和知识点，学生通过AI讲题库，调取第一步讲题的结构化文本，调用虚拟讲题人生成讲题服务，讲题过程中虚拟人通过知识点标签和错因标签自动实现交互，解答学生的疑问，并将学生的知识点缺陷生成学生个人的知识点档案，送入学生画像库；
错误率和准确率的个性化设计，可以通过题库大量训练加以解决，同时，难度可以根据个人能提不断提升。
第三步：针对老师布置的作业，学生作答并扫描或拍照传到答题模块，该答题模块的答案映射入班级答题区，老师在班级答题区内进行批改，并针对每个答案的步骤，给出详细错因，为学生生成个性化的知识图谱，并存入学生画像库，所述知识图谱中知识点进行颜色标记，不同的颜色代表每个知识点的掌握程度；
第四步：班级答题区综合所有学生的知识图谱，生成班级知识图谱，送入班级画像库，统计群体性知识点掌握情况，老师根据群体性知识点，从老师智能题库智能组卷出对应的题目对学生进行强化训练。
第一步中，每道题目进行结构化处理的内容包括题目难度、错误表现和批语、讲解模板集、题目类型、题目内容、知识点、可能错因；
这些单元的设计，可以帮助老师根据学生能力，进行个性化作业布置。在统一教学的基础上，适当的差异化教育，可保护优秀学生的积极性和进去心。
其中题目难度为百分数形式展示，错误表现和批语根据老师经验进行错误类型分类，讲解模板集为多种解题思路的集合，题目类型为常规的题型分类标准，题目内容为本题的题面，知识点为本题所有解题思路所涵盖的所有知识点集合，并根据不同结题思路，叠加各种解法的知识点，确定叠加值最大的知识点为核心知识点，可能错因是老师经验和历届学生错误的集合，当班级画像生成以后，调整为班级错因统计数据。
每道题目进行结构化处理后，生成的知识点标签和错因标签包括成分、属性和知识点：成分是指：题目所对应概率较大的错因标签；
属性是指错因的分类，属于哪一类的错因；
知识点：题目所涉及到的以核心知识点为主的重要知识点。如叠加次数少于核心知识点。
题目的结构化处理，包括在变量框内填写变量，在求解框内填写求解对象，在运算框里填写运算公式，在题目框内填写解题过程。
所述作业智能组卷的方式：可以手动根据知识点、章节、难度、作业时长、题目类型从老师智能题库中选择题目进行智能组卷，也可由老师智能题库针对班级画像的易错点进行自动组卷，如根据班级易错知识点组卷，组卷系统则可依据班级群体知识图谱，自动选择易错知识点标记为红色和橙色的知识点并从智能题库系统筛选题目，并按照红色和橙色知识点2：1的题目比例进行题目数量分配，同时自动选择难度为60的，题目时长为平均时长，题目类型按照选择题、判断题、填空题、计算题、应用题2：2：2：1：1的数量比例进行智能组卷。
从有声题库提取听说背诵类题目及其标准发音答案和标准文案，答题模块获取学生的答题录音，并转化成文字与标准文案比对，显示出错误的文字内容，通过文本比对和语音提示错因点，并自动关联到学生知识图谱。
通过平时的作业情况和知识图谱进行更新，通过大数据分析得到学生一段时间内知识点掌握程度，可分析出学生薄弱的知识点以及已掌握的知识点，并用颜色区分掌握的程度，给出每一个学生精准的学情画像。
学生画像库根据学生每次作业的情况绘制知识图谱，按照知识点进行分类统计，每个知识点正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行知识图谱更新；
班级画像库统计所有学生知识图谱，按照人数占比，班级所有学生正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行班级知识图谱更新。
个体微观信息的叠加，保证了集体宏观数据的真实性，更利于集体教学。
可用时间-知识点掌握图描述学生知识点整体掌握程度随时间的变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表知识点掌握程度在 60％以下，红色表示知识点掌握度在60％-80％，橙色表示知识点掌握度在80-90％之间，绿色表示知识点掌握率在90％以上。
学生画像库内还设置有时间-知识点变化轴，通过一段时间的作业数据统计，得到该学生精准的个性化学情画像，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上；
班级画像库统计所有时间-知识点变化轴，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上。温故复习时，时间-知识点变化轴能够体现学生对知识点掌握的难易掌握历史进行回顾，利于学生合理分配温故时间。
显著效果:本发明提供了一种基于AI技术的教师经验型智能题库及其使用方法，使网络教学结合了传统教学经验与具体班级和个人的差异化特点，不仅满足了师生及家长对教学进度和学习难度的及时跟踪需要，还满足了学生个体与团队整体之间的学习情况差异进行比较需要，帮助学生达成学习目标和学习效果。
附图说明
图1为老师题目照片图；
图2题目的结构化处理示意图；
图3题目与知识点标签和错因标签的关联关系图；
图4是AI讲题的结构化文本框图；
图5是学生上传的答题照片图；
图6是老师批改题目并标识图；
图7是有声题目的文本格式图；
图8是有声题目的批改标识图；
图9是学生个性化的知识画像图；
图10是学生时间-知识点变化轴图；
图11是班级知识画像图；
图12是班级时间-知识点变化轴图；
图13是教师经验型智能题库的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图13所示，一种基于AI技术的教师经验型智能题库，包括服务器，以及与之联系的老师终端和学生终端，其关键是，所述服务器设置有AI讲题库以及虚拟讲题人、学生画像库及其答题模块、班级画像库和班级答题区、老师智能题库及其结构化处理器，老师智能题库题库内还设置有有声题库及有声题结构化处理器。
基于AI技术的教师经验型智能题库的使用方法，其关键是，包括以下步骤：
如图1、2所示，第一步：老师自主出题，并对题目拍照，再通过老师终端登录服务器，并上传到服务器的老师智能题库，并且，基于已有的学科知识点和老师经验，老师对每道题目进行结构化处理，生成知识点标签和错因标签，同时生成讲题的结构化文本，并存入服务器中的AI讲题库；
如图3、4所示，第一步中，每道题目进行结构化处理的内容包括题目难度、错误表现和批语、讲解模板集、题目类型、题目内容、知识点、可能错因；
其中题目难度为百分数形式展示，错误表现和批语根据老师经验进行错误类型分类，讲解模板集为多种解题思路的集合，题目类型为常规的题型分类标准，题目内容为本题的题面，知识点为本题所有解题思路所涵盖的所有知识点集合，并根据不同结题思路，叠加各种解法的知识点，确定叠加值最大的知识点为核心知识点，可能错因是老师经验和历届学生错误的集合，当班级画像生成以后，调整为班级错因统计数据。
错误表现和批语如：步骤多余，因素多余，分析多余。字体不同，字迹不同，符号不同。缺少计量单位，前后缀，音标等。答句错误。未理解题意，没掌握知识点等。
每道题目进行结构化处理后，生成的知识点标签和错因标签包括成分、属性和知识点：
其中成分是指：题目所对应概率较大的错因标签；如所有成分，字符成分，作答步骤等。
属性是指错因的分类，属于哪一类的错因；书写规则错误，书写形式错误，未理解题意错误，小数点标注错误等。
知识点：题目所涉及到的以核心知识点为主的重要知识点。如叠加次数少于核心知识点。
题目的结构化处理，包括在变量框内填写变量，在求解框内填写求解对象，在运算框里填写运算公式，在题目框内填写解题过程。
如图5、6所示，第二步：当老师通过老师智能题库智能组卷布置作业，学生通过学生终端登录服务器获取题目，针对不会做的题目和知识点，学生通过 AI讲题库，调取第一步讲题的结构化文本，调用虚拟讲题人生成讲题服务，讲题过程中虚拟人通过知识点标签和错因标签自动实现交互，解答学生的疑问，并将学生的知识点缺陷生成学生个人的知识点档案，送入学生画像库；
所述作业智能组卷的方式：可以手动根据知识点、章节、难度、作业时长、题目类型从老师智能题库中选择题目进行智能组卷，也可由老师智能题库针对班级画像的易错点进行自动组卷，如根据班级易错知识点组卷，组卷系统则可依据图8班级群体知识图谱，自动选择易错知识点标记为红色和橙色的知识点并从智能题库系统筛选题目，并按照红色和橙色知识点2：1的题目比例进行题目数量分配，同时自动选择难度为60的，题目时长为平均时长，题目类型按照选择题、判断题、填空题、计算题、应用题2：2：2：1：1的数量比例进行智能组卷。
第三步：针对老师布置的作业，学生作答并扫描或拍照传到答题模块，该答题模块的答案映射入班级答题区，老师在班级答题区内进行批改，并针对每个答案的步骤，给出详细错因，为学生生成个性化的知识图谱，并存入学生画像库，所述知识图谱中知识点进行颜色标记，不同的颜色代表每个知识点的掌握程度；
第四步：班级答题区综合所有学生的知识图谱，生成班级知识图谱，送入班级画像库，统计群体性知识点掌握情况，老师根据群体性知识点，从老师智能题库智能组卷出对应的题目对学生进行强化训练。
如图7、8所示，从有声题库提取听说背诵类题目及其标准发音答案和标准文案，答题模块获取学生的答题录音，并转化成文字与标准文案比对，显示出错误的文字内容，通过文本比对和语音提示错因点，并自动关联到学生知识图谱。
如图9、11所示，通过平时的作业情况和知识图谱进行更新，通过大数据分析得到学生一段时间内知识点掌握程度，可分析出学生薄弱的知识点以及已掌握的知识点，并用颜色区分掌握的程度，给出每一个学生精准的学情画像。
学生画像库根据学生每次作业的情况绘制知识图谱，按照知识点进行分类统计，每个知识点正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行知识图谱更新；
班级画像库统计所有学生知识图谱，按照人数占比，班级所有学生正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行班级知识图谱更新。
如图10、12所示，，可用时间-知识点掌握图描述学生知识点整体掌握程度随时间的变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表知识点掌握程度在60％以下，红色表示知识点掌握度在60％-80％，橙色表示知识点掌握度在80-90％之间，绿色表示知识点掌握率在90％以上。
学生画像库内还设置有时间-知识点变化轴，通过一段时间的作业数据统计，得到该学生精准的个性化学情画像，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上；
班级画像库统计所有时间-知识点变化轴，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上。
最后，需要注意的是：以上列举的仅是本发明的具体实施例子，当然本领域的技术人员可以对本发明进行改动和变型，倘若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，均应认为是本发明的保护范围。
Claims (9)
1.一种基于AI技术的教师经验型智能题库，包括服务器，以及与之联系的老师终端和学生终端，其特征在于，所述服务器设置有AI讲题库以及虚拟讲题人、学生画像库及其答题模块、班级画像库和班级答题区、老师智能题库及其结构化处理器，老师智能题库题库内还设置有有声题库及有声题结构化处理器。
2.基于AI技术的教师经验型智能题库的使用方法，其特征在于，包括以下步骤：
第一步：老师自主出题，再通过老师终端登录服务器，并上传到服务器的老师智能题库，并且，基于已有的学科知识点和老师经验，老师对每道题目进行结构化处理，生成知识点标签和错因标签，同时生成讲题的结构化文本，并存入服务器中的AI讲题库；
第二步：当老师通过老师智能题库智能组卷布置作业，学生通过学生终端登录服务器获取题目，针对不会做的题目和知识点，学生通过AI讲题库，调取所述第一步讲题的结构化文本，调用虚拟讲题人生成讲题服务，讲题过程中虚拟人通过知识点标签和错因标签自动实现交互，解答学生的疑问，并将学生的知识点缺陷生成学生个人的知识点档案，送入学生画像库；
第三步：针对老师布置的作业，学生作答并扫描或拍照传到答题模块，该答题模块的答案映射入班级答题区，老师在班级答题区内进行批改，并针对每个答案的步骤，给出详细错因，为学生生成个性化的知识图谱，并存入学生画像库，所述知识图谱中知识点进行颜色标记，不同的颜色代表每个知识点的掌握程度；
第四步：班级答题区综合所有学生的知识图谱，生成班级知识图谱，送入班级画像库，统计群体性知识点掌握情况，老师根据群体性知识点，从老师智能题库智能组卷出对应的题目对学生进行强化训练。
3.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：所述第一步中，每道题目进行结构化处理的内容包括题目难度、错误表现和批语、讲解模板集、题目类型、题目内容、知识点、可能错因；
其中题目难度为百分数形式展示，错误表现和批语根据老师经验进行错误类型分类，讲解模板集为多种解题思路的集合，题目类型为常规的题型分类标准，题目内容为本题的题面，知识点为本题所有解题思路所涵盖的所有知识点集合，并根据不同结题思路，叠加各种解法的知识点，确定叠加值最大的知识点为核心知识点，可能错因是老师经验和历届学生错误的集合，当班级画像生成以后，调整为班级错因统计数据。
4.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：第一步中，每道题目进行结构化处理后，生成的知识点标签和错因标签包括成分、属性和知识点：
其中成分是指：题目所对应概率较大的错因标签；
属性是指错因的分类，属于哪一类的错因；
知识点：题目所涉及到的以核心知识点为主的重要知识点。
5.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：题目的结构化处理，包括在变量框内填写变量，在求解框内填写求解对象，在运算框里填写运算公式，在题目框内填写解题过程，以及知识点标签框和错因标签框。
6.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：所述作业智能组卷的方式：可以手动根据知识点、章节、难度、作业时长、题目类型从老师智能题库中选择题目进行智能组卷，也可由老师智能题库针对班级画像的易错点进行自动组卷，题目类型按照选择题、判断题、填空题、计算题、应用题2：2：2：1：1的数量比例进行智能组卷。
7.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：从有声题库提取听说背诵类题目及其标准发音答案和标准文案，答题模块获取学生的答题录音，并转化成文字与标准文案比对，显示出错误的文字内容，通过文本比对和语音提示错因点，并自动关联到学生知识图谱。
8.根据权利要求2所述的教师经验型智能题库的使用方法，其特征在于：学生画像库根据学生每次作业的情况绘制知识图谱，按照知识点进行分类统计，每个知识点正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行知识图谱更新；
班级画像库统计所有学生知识图谱，按照人数占比，班级所有学生正确率达到80％次以上都则标记为绿色，代表已完成掌握，正确率为60-80％区间标记为橙色代表基本掌握，正确率在60％以下标记为红色表示未掌握，并针对每次作业进行班级知识图谱更新。
9.根据权利要求8所述的教师经验型智能题库的使用方法，其特征在于：学生画像库内还设置有时间-知识点变化轴，通过一段时间的作业数据统计，得到该学生精准的个性化学情画像，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上；
班级画像库统计所有时间-知识点变化轴，显示掌握图描述班级知识点整体掌握程度变化，横轴为时间，纵轴为知识点掌握程度，用颜色表示，暗红色代表班级知识点掌握程度在60％以下，红色表示班级知识点掌握度在60％-80％，橙色表示班级知识点掌握度在80-90％之间，绿色表示班级知识点掌握率在90％以上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045273.9A CN115878766A (zh) | 2022-08-30 | 2022-08-30 | 一种基于ai技术的教师经验型智能题库及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045273.9A CN115878766A (zh) | 2022-08-30 | 2022-08-30 | 一种基于ai技术的教师经验型智能题库及其使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115878766A true CN115878766A (zh) | 2023-03-31 |
Family
ID=85769711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211045273.9A Pending CN115878766A (zh) | 2022-08-30 | 2022-08-30 | 一种基于ai技术的教师经验型智能题库及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115878766A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
| CN118378965A (zh) * | 2024-06-27 | 2024-07-23 | 成都博睿数加科技有限公司 | 一种基于边缘计算的数据协同处理分发系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053130A (zh) * | 2017-12-25 | 2018-05-18 | 郑州威科姆科技股份有限公司 | 一种多媒体教学分析系统及分析方法 |
| CN113127682A (zh) * | 2021-04-15 | 2021-07-16 | 杭州大拿科技股份有限公司 | 题目讲解方法、系统、电子设备及计算机可读存储介质 |
| CN113361926A (zh) * | 2021-06-07 | 2021-09-07 | 江苏师范大学 | 一种基于教学序列的教学质量评价方法 |
-
2022
- 2022-08-30 CN CN202211045273.9A patent/CN115878766A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108053130A (zh) * | 2017-12-25 | 2018-05-18 | 郑州威科姆科技股份有限公司 | 一种多媒体教学分析系统及分析方法 |
| CN113127682A (zh) * | 2021-04-15 | 2021-07-16 | 杭州大拿科技股份有限公司 | 题目讲解方法、系统、电子设备及计算机可读存储介质 |
| CN113361926A (zh) * | 2021-06-07 | 2021-09-07 | 江苏师范大学 | 一种基于教学序列的教学质量评价方法 |
Non-Patent Citations (4)
| Title |
|---|
| 李梅: "中小学英语数字题库模型构建研究", 《中国优秀硕士学位论文全文数据库哲学与人文科学辑》（月刊）, no. 01, pages 1 * |
| 王诗佳: "测评大数据支持下基于标签技术的错因分析研究-以物理学科为例", 《当代教育实践与教学研究》, no. 10, pages 9 * |
| 袁雯: "向着理想的开放大学前行", 《开放学习研究》, vol. 26, no. 1, pages 6 * |
| 高厦: "基于知识图谱的个性化学习平台的设计与实现", 《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑（月刊）》, no. 12 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
| CN117672027B (zh) * | 2024-02-01 | 2024-04-30 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
| CN118378965A (zh) * | 2024-06-27 | 2024-07-23 | 成都博睿数加科技有限公司 | 一种基于边缘计算的数据协同处理分发系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110991381B (zh) | 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法 | |
| CN109801194B (zh) | 一种具有远程评价功能的跟随教学方法 | |
| JP3731868B2 (ja) | 学習システム | |
| Hoadley | The reproduction of social class inequalities through mathematics pedagogies in South African primary schools | |
| US9685095B2 (en) | Systems and methods for assessment administration and evaluation | |
| CN115878766A (zh) | 一种基于ai技术的教师经验型智能题库及其使用方法 | |
| CN105469662A (zh) | 教学过程中学生答题信息实时采集、高效智能批改系统及使用方法 | |
| CN111368182A (zh) | 基于教育平台大数据分析的个性化自适应学习推荐方法 | |
| CN107992195A (zh) | 一种教学内容的处理方法、装置、服务器及存储介质 | |
| US8014716B2 (en) | Information management server and information distribution system | |
| WO2022012605A1 (zh) | 基于预训练深度神经网络模型的用户流失预测系统 | |
| CN110189238A (zh) | 辅助学习的方法、装置、介质以及电子设备 | |
| CN114429412A (zh) | 一种职业教育数字化教学内容生产系统 | |
| Collier et al. | Test review: Texas English language proficiency assessment system (TELPAS) | |
| CN106803377A (zh) | 一种英语学习管理机器人 | |
| CN111724282A (zh) | Ic制造虚拟仿真教学平台 | |
| CN111260518B (zh) | 一种校园信息管理系统 | |
| Mohamadpour et al. | Task-based Meta-cognitive Instruction Approach to Self-regulation in Listening Comprehension | |
| CN107067351A (zh) | 一种教育信息采集和处理方法及云服务器 | |
| Duan et al. | The impact of ICT advances on education: a case study | |
| CN111914683A (zh) | 一种基于仿生图像增强算法和fpga硬件加速的手写成绩录入系统 | |
| JP2021064101A (ja) | 情報処理装置、制御方法及びプログラム | |
| CN110443732A (zh) | 作业统分方法、装置、设备和介质 | |
| CN111476443A (zh) | 一种基于人工智能的无感点评系统 | |
| CN117455126B (zh) | 一种泛在实训教学和考评管理系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230331 |
|
| RJ01 | Rejection of invention patent application after publication |