CN116433428A - 一种针对薄弱知识点的智能推题方法及系统 - Google Patents

一种针对薄弱知识点的智能推题方法及系统 Download PDF

Info

Publication number
CN116433428A
CN116433428A CN202310232742.6A CN202310232742A CN116433428A CN 116433428 A CN116433428 A CN 116433428A CN 202310232742 A CN202310232742 A CN 202310232742A CN 116433428 A CN116433428 A CN 116433428A
Authority
CN
China
Prior art keywords
question
pushing
knowledge
students
knowledge point
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
CN202310232742.6A
Other languages
English (en)
Inventor
易洪宇
刘智超
代勇
唐晋义
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.)
Sichuan Shengxue Education Technology Co ltd
Original Assignee
Sichuan Shengxue Education 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 Sichuan Shengxue Education Technology Co ltd filed Critical Sichuan Shengxue Education Technology Co ltd
Priority to CN202310232742.6A priority Critical patent/CN116433428A/zh
Publication of CN116433428A publication Critical patent/CN116433428A/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
    • 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
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种针对薄弱知识点的智能推题方法，包括以下步骤：S1：采集学生基本学习信息；S2：根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；S3：根据学生知识点掌握度信息从学习题库提取推题题目。一种针对薄弱知识点的智能推题系统，实现一种针对薄弱知识点的智能推题方法，所述智能推题系统包括采集单元、分析单元、推题引擎单元与存储单元。通过采集学生基本学习信息，并据此得到学生知识点掌握度信息后依据学生知识点掌握度信息进行推题，能够通过学生知识点掌握度信息体现学生的薄弱知识点，并智能地针对薄弱知识点进行推题，解决了学生难以了解自己知识点掌握情况，难以实现针对性练习的问题。

Description

一种针对薄弱知识点的智能推题方法及系统
技术领域
本发明涉及智能教育领域，特别是一种针对薄弱知识点的智能推题方法及系统。
背景技术
目前，在学生中有种普遍的现象，大部分学生都没有自己的错题本，整理发现自己的薄弱知识点，并且对薄弱知识点进行针对性的题目练习。就算整理了自己的薄弱知识点也很难找到对应的题目进行针对性的练习。
在传统纸质的教育模式下存在以下问题：
1)、学生很难了解自己具体知识点的掌握情况，也很难进行管理；
2)、就算了解到了，要找到自己薄弱知识点的题目进行针对性的练习也比较困难。
随着信息化的发展。教育领域也引入了人工智能技术，旨在提高学生的学习效率。在我们现在的教育背景下，刷题无疑是巩固知识点的最有效方法之一。但是在学校的实际场景中，每个学生的学习能力、接受能力也不尽相同，不同的学生对知识点掌握程度也不同，如果我们采用传统的教学方案，按照统一的知识点掌握度发试卷给学生进行刷题，那可能不是很好地贴合学生的实际情况进行相应的教学刷题。那可能存在有些学生不能提升自己的学习成绩。
发明内容
本发明的目的在于克服现有技术的不足，提供一种针对薄弱知识点的智能推题方法及系统，解决了学生难以了解自己知识点掌握情况，难以实现针对性练习的问题。
本发明的目的是通过以下技术方案来实现的：
一种针对薄弱知识点的智能推题方法，包括以下步骤：
S1：采集学生基本学习信息；
S2：根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；
S3：根据学生知识点掌握度信息从学习题库提取推题题目。
进一步，所述步骤S3中的推题题目提取包括他人发起的推题练习、自主推题练习以及机器学习推题练习中的一个或多个。
进一步，所述他人发起的推题练习包括以下子步骤：
(1)接收他人发起的创建推题练习请求；
(2)查询学生知识点掌握度信息；
(3)根据创建推题练习请求与学生知识点掌握度信息从学习题库选择推题题目；
(4)将步骤(3)中的推题题目下发给相应的学生。
进一步，所述自主推题练习包括以下子步骤：
1)接收学生发起的自主练习请求；
2)查询自主练习请求中所要练习的知识点在学生知识点掌握度信息中对应的数值；
3)根据所述步骤2)中查询到的数值结合自主练习请求从学习题库选择推题题目；
4)将步骤3)中的推题题目下发给学生。
进一步，所述机器学习推题练习包括以下子步骤：
a)将学生知识点掌握度信息输入机器学习模型；
b)所述机器学习模型根据学生知识点掌握度信息预测下一阶段的知识点掌握度预测值；
c)根据下一阶段的知识点掌握度预测值从学习题库选择推题题目。
进一步，所述步骤S3后还包括以下步骤：
S4：在学生完成推题题目的练习后，根据推题题目的练习结果，对学生知识点掌握度信息进行更新。
一种针对薄弱知识点的智能推题系统，实现一种针对薄弱知识点的智能推题方法，所述智能推题系统包括采集单元、分析单元、推题引擎单元与存储单元，所述采集单元采集学生基本学习信息；所述分析单元根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；所述推题引擎单元根据学生知识点掌握度信息从学习题库提取推题题目，所述存储单元存储学生基本学习信息、知识点库、学生知识点掌握度信息以及学习题库。
进一步，所述推题引擎单元为任务调度平台，所述任务调度平台为xxl-job。
进一步，所述分析单元根据学生知识点掌握度信息生成学生知识图谱，所述学生知识图谱设有查询接口，所述查询接口供使用者查看学生知识图谱。
进一步，所述分析单元在学生完成推题题目的练习后根据推题题目的练习结果形成练题榜单。
本发明的有益效果是：
通过采集学生基本学习信息，并据此得到学生知识点掌握度信息后依据学生知识点掌握度信息进行推题，能够通过学生知识点掌握度信息体现学生的薄弱知识点，并智能地针对薄弱知识点进行推题，解决了学生难以了解自己知识点掌握情况，难以实现针对性练习的问题。
附图说明
图1为一种针对薄弱知识点的智能推题系统的结构示意图；
图2为学生知识点掌握度信息的生成流程；
图3为任务调度平台的推题流程；
图4为根据单个知识点的日得分率和单个知识点的总得分率推题的规则。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
实施例一：
如图1至图4所示，一种针对薄弱知识点的智能推题方法，包括以下步骤：
S1：采集学生基本学习信息；
S2：根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；
S3：根据学生知识点掌握度信息从学习题库提取推题题目。
所述知识点库包括科目信息、教材信息、章节信息以及知识点信息，所述章节信息与知识点信息以树形结构(分别为章节树、知识点树)存入mysql数据库中。
知识点库涵盖教材信息、章节信息、知识点信息、练题题库相关题目信息、题目关联的知识点信息。
所述学习题库包括题目信息、题目解析信息以及题目关联的知识点信息。
所述学习题库存入es中，方便进行检索完成推题题目的提取。
所述学习题库包括自有题库与第三方题库。
所述自有题库设有输入接口，通过输入接口录入相关试题，完成后续对自有题库的补充。
所述第三方题库为第三方资源网站合作提供的题库。
所述学生基本学习信息包括学生个人身份信息以及学生答题信息。
首次采集学生基本学习信息时采集学生个人身份信息，后续仅采集学生答题信息。
学生个人身份信息包括姓名、年龄、班级。
所述学生答题信息包括练习答题信息与考试答题信息。
通过采集学生每日练习与参加的考试的题目信息(包括题目关联的知识点信息)以及相应的得分信息，形成练习答题信息与考试答题信息，从而对学生的学习情况有更全面的了解。
考试答题信息包含考试信息、考试的题目信息、题目关联的知识点信息、学生的考试得分信息。
所述学生知识点掌握度信息包括单个知识点的日得分率和单个知识点的总得分率。
通过查询学生练习题目关联的知识点、题目的得分率、生成学生知识点的日报表统计和总的知识点得分率统计。
单个知识点的日得分率和单个知识点的总得分率的计算公式如下：
单个知识点的日得分率＝当天单个知识点所练习题目的得分率之和/当天单个知识点练习题量
单个知识点的总得分率＝(单个知识点当天以前的得分率*练习题量+当天单个知识点所练习题目的得分率之和)/总练习题量
注：单个知识点的日得分率和单个知识点的总得分率为单个知识点关联题目的得分率
根据采集到的信息，每天定时进行相关的统计计算，生成学生的知识点统计信息，全方位展示学生的知识点掌握程度。
所述步骤S3中的推题题目提取包括他人发起的推题练习、自主推题练习以及机器学习推题练习中的一个或多个。
通过推题引擎单元，根据学生的自己的掌握程度，推送相对应难度的试题。
所述他人发起的推题练习包括以下子步骤：
(1)接收他人发起的创建推题练习请求；
创建推题练习请求中包括需要推送的学生、所选科目、所推送的知识点以及所需练题的数量。
教师、家长均可发起创建推题练习请求。
(2)查询学生知识点掌握度信息；
从数据库查询需要推送的学生中每个学生对于所推送的知识点的掌握度。
(3)根据创建推题练习请求与学生知识点掌握度信息从学习题库选择推题题目；
根据每个学生对于所推送的知识点的掌握度，汇总各个知识点的难度区间，根据难易度和知识点、练习题量通过推题引擎单元根据出题规则检索出相应的题目形成推题题目。
所述步骤(3)中根据学生知识点掌握度信息对所推送的知识点与所需练题的数量进行调整，例如，增加学生掌握度差的知识点的题目。
(4)将步骤(3)中的推题题目下发给相应的学生。
学生即可进行相应的练题。
所述自主推题练习包括以下子步骤：
1)接收学生发起的自主练习请求；
所述自主练习请求包括所选科目、所要练习的知识点以及所需练题的数量。
2)查询自主练习请求中所要练习的知识点在学生知识点掌握度信息中对应的数值；
3)根据所述步骤2)中查询到的数值结合自主练习请求从学习题库选择推题题目；
根据学生的每个知识点的掌握程度，汇总各个知识点的难度区间，根据难易度和知识点、练习题量通过推题引擎单元根据出题规则检索出相应的题目形成推题题目。
4)将步骤3)中的推题题目下发给学生。
学生就可以进行相应的练题了。
所述机器学习推题练习包括以下子步骤：
a)将学生知识点掌握度信息输入机器学习模型；
b)所述机器学习模型根据学生知识点掌握度信息预测下一阶段的知识点掌握度预测值；
c)根据下一阶段的知识点掌握度预测值从学习题库选择推题题目。
所述机器学习模型为BP神经网络模型。
BP神经网络模型的输入为对学生知识点掌握度信息经预处理得到的掌握度数据，BP神经网络模型的输出为下一阶段的知识点掌握度预测值；
学生知识点掌握度信息的预处理操作包括以下步骤：
A)将学生知识点掌握度信息按章节或年级为单位进行加权求均值，得到掌握度统计值；
这是由于学生知识点掌握度信息庞大，尤其是对于高年级学生，知识点众多。
B)将掌握度统计值根据数值大小判断，如果大于设定值，则对应的掌握度数据为1，否则为0。
如果掌握度统计值大于设定值，则认为学生掌握该知识点，对应的掌握度数据为1。
通过机器学习模型对学生未来对知识点的掌握度进行预测，能够避免学生通过大量刷题来了解自己对知识点的掌握度，避免学生陷入题海战术。
所述步骤S3后还包括以下步骤：
S4：在学生完成推题题目的练习后，根据推题题目的练习结果，对学生知识点掌握度信息进行更新；
每天都对学生的练习情况进行相应的知识点掌握程度进行更新统计，就可以实时更新学生的知识图谱，学生也可以知晓自己的提升。
一种针对薄弱知识点的智能推题系统，实现一种针对薄弱知识点的智能推题方法，所述智能推题系统包括采集单元、分析单元、推题引擎单元与存储单元，所述采集单元采集学生基本学习信息；所述分析单元根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；所述推题引擎单元根据学生知识点掌握度信息从学习题库提取推题题目，所述存储单元存储学生基本学习信息、知识点库、学生知识点掌握度信息以及学习题库。
所述推题引擎单元为任务调度平台，所述任务调度平台为xxl-job，每天晚上进行定时统计。
每天定时进行学生的知识点统计，完成学生基本学习信息中学生答题信息的采集，利用计算模型生成学生知识点掌握度信息，获得每个学生对于知识点的掌握度，生成学生知识图谱，保存到mysql数据库中。
所述分析单元根据学生知识点掌握度信息生成学生知识图谱，所述学生知识图谱设有查询接口，所述查询接口供使用者查看学生知识图谱。
所述查询接口生成单个学生的知识图谱以及班级知识图谱。单个学生的知识图谱供学生、家长与教师查看，班级知识图谱供教师查看。
查询接口根据单个学生的学生知识图谱生成单个学生的知识图谱，查询接口根据班级中所有学生的学生知识图谱生成班级知识图谱。
学生知识图谱即为对学生知识点掌握度信息的统计图谱。学生知识图谱存入mysql数据库中。
查询接口连接有web端，学生通过web端查询自己的知识图谱，全方位的了解自己对于各个学科各个知识点的掌握情况，分析自己存在得不足。
所述分析单元在学生完成推题题目的练习后根据推题题目的练习结果形成练题榜单。
通过练题榜单，让学生可以查看自己在榜单中的位置，提高学生的学习主动性和积极性。
通过一种针对薄弱知识点的智能推题方法及系统，能够比传统纸质教学更精准的统计学生对每个知识点的掌握度，全方位覆盖学生对所有知识点的掌握情况，为每个学生生成自己的知识图谱，为他们推送适合他们的题目，实现了为用户定制有效的个性化学习路径，实现精准推荐题目的功能，提高学生的学习效率和学习积极性。
采集单元用于采集学生参与的市县校历次考试信息、历次测验信息，录入考试测验相关的题目信息、题目关联的知识点信息，分析单元用于对学生的知识点相关性分析，会生成学生的一个知识点的分析图谱(即学生知识图谱)，全方位展示学生的知识点掌握情况和不足；能够更精准地定位用户对每个知识点的熟练度，全方位覆盖用户对所有知识点的掌握情况，形成学生知识点掌握度信息；推题引擎单元根据学生知识点掌握度信息为每个用户推荐适合他们的题目，实现了为用户定制有效的个性化学习路径，实现精准推荐适宜的个性化题目的功能。
通过采集学生基本学习信息，并据此得到学生知识点掌握度信息后依据学生知识点掌握度信息进行推题，能够通过学生知识点掌握度信息体现学生的薄弱知识点，并智能地针对薄弱知识点进行推题，解决了学生难以了解自己知识点掌握情况，难以实现针对性练习的问题。让学生能针对自己的薄弱知识点进行精准、系统性的题目练习，达到成绩的提升，根据用户对于每个知识点的掌握程度进行推送更加合理的题目进行刷题。
以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种针对薄弱知识点的智能推题方法，其特征在于：包括以下步骤：
S1：采集学生基本学习信息；
S2：根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；
S3：根据学生知识点掌握度信息从学习题库提取推题题目。
2.根据权利要求1所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述步骤S3中的推题题目提取包括他人发起的推题练习、自主推题练习以及机器学习推题练习中的一个或多个。
3.根据权利要求2所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述他人发起的推题练习包括以下子步骤：
(1)接收他人发起的创建推题练习请求；
(2)查询学生知识点掌握度信息；
(3)根据创建推题练习请求与学生知识点掌握度信息从学习题库选择推题题目；
(4)将步骤(3)中的推题题目下发给相应的学生。
4.根据权利要求2所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述自主推题练习包括以下子步骤：
1)接收学生发起的自主练习请求；
2)查询自主练习请求中所要练习的知识点在学生知识点掌握度信息中对应的数值；
3)根据所述步骤2)中查询到的数值结合自主练习请求从学习题库选择推题题目；
4)将步骤3)中的推题题目下发给学生。
5.根据权利要求2所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述机器学习推题练习包括以下子步骤：
a)将学生知识点掌握度信息输入机器学习模型；
b)所述机器学习模型根据学生知识点掌握度信息预测下一阶段的知识点掌握度预测值；
c)根据下一阶段的知识点掌握度预测值从学习题库选择推题题目。
6.根据权利要求1所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述步骤S3后还包括以下步骤：
S4：在学生完成推题题目的练习后，根据推题题目的练习结果，对学生知识点掌握度信息进行更新。
7.一种针对薄弱知识点的智能推题系统，实现权利要求1-6中任一权利要求所述的一种针对薄弱知识点的智能推题方法，其特征在于：
所述智能推题系统包括采集单元、分析单元、推题引擎单元与存储单元，所述采集单元采集学生基本学习信息；所述分析单元根据学生基本学习信息按照知识点库中的知识点逐个打分得到学生知识点掌握度信息；所述推题引擎单元根据学生知识点掌握度信息从学习题库提取推题题目，所述存储单元存储学生基本学习信息、知识点库、学生知识点掌握度信息以及学习题库。
8.根据权利要求7所述的一种针对薄弱知识点的智能推题系统，其特征在于：
所述推题引擎单元为任务调度平台，所述任务调度平台为xxl-job。
9.根据权利要求7所述的一种针对薄弱知识点的智能推题系统，其特征在于：
所述分析单元根据学生知识点掌握度信息生成学生知识图谱，所述学生知识图谱设有查询接口，所述查询接口供使用者查看学生知识图谱。
10.根据权利要求7所述的一种针对薄弱知识点的智能推题系统，其特征在于：
所述分析单元在学生完成推题题目的练习后根据推题题目的练习结果形成练题榜单。
CN202310232742.6A 2023-03-10 2023-03-10 一种针对薄弱知识点的智能推题方法及系统 Pending CN116433428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310232742.6A CN116433428A (zh) 2023-03-10 2023-03-10 一种针对薄弱知识点的智能推题方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310232742.6A CN116433428A (zh) 2023-03-10 2023-03-10 一种针对薄弱知识点的智能推题方法及系统

Publications (1)

Publication Number Publication Date
CN116433428A true CN116433428A (zh) 2023-07-14

Family

ID=87089874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310232742.6A Pending CN116433428A (zh) 2023-03-10 2023-03-10 一种针对薄弱知识点的智能推题方法及系统

Country Status (1)

Country Link
CN (1) CN116433428A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831914A (zh) * 2020-07-22 2020-10-27 上海掌学教育科技有限公司 一种在线教育的智能推题系统
CN112053269A (zh) * 2020-09-22 2020-12-08 腾讯科技（深圳）有限公司 一种学情诊断方法、装置、设备及存储介质
CN114490980A (zh) * 2022-01-20 2022-05-13 兰州大学 一种关联知识追踪方法、装置及设备
CN115689823A (zh) * 2022-10-26 2023-02-03 重庆觉晓科技有限公司 一种基于知识点掌握度的智能出题方法及系统
KR102496948B1 (ko) * 2022-04-11 2023-02-07 (주)데이타이음 지식공간 기반의 학습 위치 및 경로 추천 시스템 및 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831914A (zh) * 2020-07-22 2020-10-27 上海掌学教育科技有限公司 一种在线教育的智能推题系统
CN112053269A (zh) * 2020-09-22 2020-12-08 腾讯科技（深圳）有限公司 一种学情诊断方法、装置、设备及存储介质
CN114490980A (zh) * 2022-01-20 2022-05-13 兰州大学 一种关联知识追踪方法、装置及设备
KR102496948B1 (ko) * 2022-04-11 2023-02-07 (주)데이타이음 지식공간 기반의 학습 위치 및 경로 추천 시스템 및 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
CN115689823A (zh) * 2022-10-26 2023-02-03 重庆觉晓科技有限公司 一种基于知识点掌握度的智能出题方法及系统

Similar Documents

Publication Publication Date Title
CN107230174B (zh) 一种基于网络的在线互动学习系统和方法
CN109903617B (zh) 个性化练习方法和系统
CN111274411A (zh) 课程推荐方法、装置、电子设备及可读存储介质
CN109598995A (zh) 基于贝叶斯知识跟踪模型的智能教学系统
CN109388746A (zh) 一种基于学习者模型的学习资源智能推荐方法
CN111062842A (zh) 动态生成个性化题目的方法及装置
CN110473123A (zh) 一种多元智能教育方法及系统
CN111143750B (zh) 基于碎片化学习的大学计算机类课程管理平台
CN106875305A (zh) 一种高校教学质量评价方法
KR20110079252A (ko) 온라인 강의를 위한 학습관리 시스템 및 그 방법
US20120329028A1 (en) Method for intelligent personalized learning service
Mühling Investigating knowledge structures in computer science education
CN117473041A (zh) 一种基于认知策略的编程知识追踪方法
CN115544268A (zh) 一种教学与就业辅助知识图谱的构建及应用方法
CN117726485A (zh) 一种基于大数据的智适应教育学习方法及系统
CN109800880B (zh) 基于动态学习风格信息的自适应学习特征提取系统及应用
Riyadi et al. The Effect of Principal Managerial and Professionalism of Teachers on the Implementation of School-Based Management
CN113407733B (zh) 基于培养方案的课程知识图谱自动生成方法及系统
CN115689823A (zh) 一种基于知识点掌握度的智能出题方法及系统
Abah et al. Determinants of mathematics-related career choice among senior secondary school students in Makurdi metropolis, Benue State, Nigeria
CN116228475A (zh) 基于大数据的职业生涯规划实践方法、装置及电子设备
CN116433428A (zh) 一种针对薄弱知识点的智能推题方法及系统
Kol et al. The Effects of Studies in the Field of Science on Scientific Process Skills: A Meta-Analysis Study
Wang et al. Construction and analysis of discrete system dynamic modeling of physical education teaching mode based on decision tree algorithm
CN113269667A (zh) 错题推送方法、装置及电子设备

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