CN116483681B - 大数据零代码可视化作品阅卷信息形式化描述方法及装置 - Google Patents
大数据零代码可视化作品阅卷信息形式化描述方法及装置 Download PDFInfo
- Publication number
- CN116483681B CN116483681B CN202211596214.0A CN202211596214A CN116483681B CN 116483681 B CN116483681 B CN 116483681B CN 202211596214 A CN202211596214 A CN 202211596214A CN 116483681 B CN116483681 B CN 116483681B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- knowledge points
- operator
- teacher
- answer
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 209
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 238000013079 data visualisation Methods 0.000 claims description 36
- 238000013515 script Methods 0.000 claims description 23
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Abstract
本发明公开了一种大数据零代码可视化作品阅卷信息形式化描述方法及装置,涉及计算机辅助测评技术领域。包括:分别获取学生答卷以及教师答案的多个测评知识点;对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果;获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符;基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。本发明能够解决目前零代码大数据可视化技能测评的阅卷还处于手工阶段,并已成为了数字经济时代对大数据人才培养与甑别选拔的瓶颈的问题。
Description
技术领域
本发明涉及计算机辅助测评技术领域,特别是指一种大数据零代码可视化作品阅卷信息形式化描述方法及装置。
背景技术
常言道“一图胜千言”!在数字经济时代,数字孪生世界中的数据,真实反映了现实世界和社会空间的运行演化过程,但往往淹没在冗余庞杂的数据海洋之中。实践证明,只有通过基于可视化的深入分析,才能发现大数据中新的知识,创造新的价值。所以具有大数据可视化技能与探索分析能力的人才需求与日俱增,特别是具有大数据可视化技能的非计算机类专业人才。
零代码(或低代码)的数据可视化技能,是基于“所见即所得”的用户操作界面、无需代码编程的数据可视化分析系统,它有利于非计算机类专业的业务人员快速上手,目前主流的软件既有商用的,也有开源的,例如FineBI(帆软软件有限公司推出的一款商业智能产品)、SuperSet(开源的数据分析与可视化平台)等。它们的存储结构也基本一致,即通过JSON格式,进行大数据可视化作品的内容与风格存储。
与基于编程的(如python)和基于脚本的(如Echarts)大数据可视化方法相比,零代码大数据可视化技能的测评更加复杂,属于技能性非客观题的自动测评,是CAA(Computer Assisted Assessment,计算机辅助测评)中的重点和难点,是一个多学科交叉的研究课题。
技能测评一般在两个层面上进行,一是面向应用的结果正确性评价,二是面向操作的操作序列评价。面向应用的结果正确性评价,是将技能测评点(如组件类型)的学生答卷与教师答案相比较,运算结果“一致”就算正确。其中,如何“运算”和判别“一致”,是自动测评的关键问题,是智能阅卷中阅卷信息形式化描述的核心内容。因大数据可视化技能测评,更关注可视化结果而不是可视化的制作过程,所以按结果正确性评价是目前的主流处理策略。
文献与实践调研的结果表明,零代码大数据可视化技能的测评阅卷,目前还处于手工阶段,而且已成为了数字人才培养与技能考核的主要瓶颈之一。所以,研发面向零代码大数据可视化技能智能阅卷的阅卷信息形式化描述方法,具有现实紧迫性和重要的实践意义。
目前已有的数据可视化自动测评技术,多是面向可视化编程的,其主要原理是通过对可视化代码的直接匹配,得出学生答卷与教师答案代码之间的差异。这种代码匹配的自动测评方式,优点是测评的自动化程度高、规范统一;缺点是无法满足零代码数据可视化技能测评的智能性与准确度要求。
发明内容
本发明针对现有技术无法满足零代码数据可视化技能测评的智能性与准确度要求的问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:
一方面,本发明提供了一种大数据零代码可视化作品阅卷信息形式化描述方法,该方法由电子设备实现,该方法包括:
S1、分别获取学生答卷以及教师答案的多个测评知识点。
S2、对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果。
S3、获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符。
S4、基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。
可选地,S1中的分别获取学生答卷以及教师答案的多个测评知识点包括:
S11、分别获取学生答卷以及教师答案的文件。
S12、基于大数据分析系统,对文件进行数据可视化操作,得到数据可视化操作结果,将数据可视化操作结果存储于JSON脚本文件中。
S13、基于JSON脚本文件,得到学生答卷以及教师答案的多个测评知识点。
可选地,S13中的基于JSON脚本文件,得到学生答卷以及教师答案的多个测评知识点包括:
对数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点。
可选地,多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo。
可选地,S2中的测评知识点的路径计算结果包括多个节点名称;
其中,多个节点名称中各节点名称包含测评知识点的属性。
可选地,S3中的运算符包括第一运算符、第二运算符、第三运算符、第四运算符以及第五运算符。
其中,第一运算符,表示对学生答卷与教师答案的属性值进行等值比较。
第二运算符,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内。
第三运算符,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较。
第四运算符,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较。
第五运算符,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较。
可选地,S4中的根据返回值得到测评结果包括:
判断返回值是否为TRUE。
若是,则测评知识点的测评结果为学生答卷正确。
若否,则测评知识点的测评结果为学生答卷错误。
另一方面,本发明提供了一种大数据零代码可视化作品阅卷信息形式化描述装置,该装置应用于实现大数据零代码可视化作品阅卷信息形式化描述方法,该装置包括:
获取模块,用于分别获取学生答卷以及教师答案的多个测评知识点。
路径计算模块,用于对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果。
运算符匹配模块,用于获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符。
输出模块,用于基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。
可选地,获取模块,进一步用于:
S11、分别获取学生答卷以及教师答案的文件。
S12、基于大数据分析系统,对文件进行数据可视化操作,得到数据可视化操作结果,将数据可视化操作结果存储于JSON脚本文件中。
S13、基于JSON脚本文件,得到学生答卷以及教师答案的多个测评知识点。
可选地,获取模块,进一步用于:
对数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点。
可选地,多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo。
可选地,测评知识点的路径计算结果包括多个节点名称;
其中,多个节点名称中各节点名称包含测评知识点的属性。
可选地,运算符包括第一运算符、第二运算符、第三运算符、第四运算符以及第五运算符。
其中,第一运算符,表示对学生答卷与教师答案的属性值进行等值比较。
第二运算符,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内。
第三运算符,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较。
第四运算符,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较。
第五运算符,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较。
可选地,输出模块,进一步用于:
判断返回值是否为TRUE。
若是,则测评知识点的测评结果为学生答卷正确。
若否,则测评知识点的测评结果为学生答卷错误。
一方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现上述大数据零代码可视化作品阅卷信息形式化描述方法。
一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现上述大数据零代码可视化作品阅卷信息形式化描述方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
上述方案中,为解决远远落后于数字时代需求的零代码大数据可视化技能测评手工阅卷的现状,提出了一种面向智能阅卷的大数据零代码可视化技能阅卷信息形式化描述方法。该方法构建了具有可视化作品元素特征的多种运算函数(即自定义运算符),设计了可支持大数据可视化脚本中具有随机码的、测评属性值中含有不影响可视化效果的冗余字符等特殊情况的JSON路径动态生成与匹配算法,并设计实现了可支持基于测评点属性值特征的自定义运算符自动匹配以及测评结果的评判反馈,具有很好的应用前景和重要的实践意义。这些创新点可支持大数据零代码可视化技能测评的智能阅卷,以提高技能测评的效率和效果;可为大数据可视化技能的认证、培训与人才选拔等相关工作,提供更加高效和客观的评价手段与依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例提供的大数据零代码可视化作品阅卷信息形式化描述方法流程示意图;
图2是本发明实施例提供的阅卷信息形式化描述方法的使用流程图;
图3是本发明实施例提供的大数据零代码可视化作品阅卷信息形式化描述装置框图;
图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种大数据零代码可视化作品阅卷信息形式化描述方法,该方法可以由电子设备实现。如图1所示的大数据零代码可视化作品阅卷信息形式化描述方法流程图,该方法的处理流程可以包括如下的步骤:
S1、分别获取学生答卷以及教师答案的多个测评知识点。
可选地,上述步骤S1可以包括以下步骤S11-S13:
S11、分别获取学生答卷以及教师答案的文件。
S12、基于大数据分析系统,对文件进行数据可视化操作,得到数据可视化操作结果,将数据可视化操作结果存储于JSON脚本文件中。
S13、基于JSON脚本文件,得到学生答卷以及教师答案的多个测评知识点。
可选地,上述步骤S13可以是:
对数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点。
可选地,多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo。
一种可行的实施方式中,上述步骤S1对阅卷测评知识点进行整理。具体可以是:基于大数据可视化作品的阅卷测评知识点,需要从可视化作品所存储的JSON脚本文件中分析、归纳、总结和结构化存储。该JSON文件内记录了基于大数据分析系统(如FineBI)进行数据可视化操作的结果。本步骤是从操作结果的JSON文件中,整理出可用于测评被试者操作技能的知识点,这些测评知识点可分为:fileInfo(与文件设置相关的知识点)、reportInfo(与仪表板设置相关的知识点)、layoutInfo(与布局设置相关的知识点)、widgetsInfo(与一般组件设置相关的知识点)、freeWidgetInfo(与自由组件设置相关的知识点)、templateStyleInfo(与仪表板样式设置相关的知识点)、linkageInfo(与联动设置相关的知识点)、filterInfo(与过滤设置相关的知识点)等类别。
以widgetsInfo为例,其中的测评知识点是对象widgets的相关属性,包括:type(组件类型,通过下拉菜单设置)、name(组件名称,手工录入)、tableName(组件的数据来源表名,通过下拉菜单设置)等。
S2、对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果。
可选地,S2中的测评知识点的路径计算结果包括多个节点名称;
其中,多个节点名称中各节点名称包含测评知识点的属性。
一种可行的实施方式中,上述步骤S2是对阅卷测评知识点的路径计算。其中,测评知识点的JSON路径,是由包含测评点属性的一系列节点名称组成的一条能找到测评点属性的路径,使用一个“[……]”代表一条JSON路径,[]中的最后一个节点的属性值是需要测评匹配的数据。
例如,“组件样式”下组件标题的显示设置的JSON路径是['widgets','*wId','showTitle'],其中'*wId'是组件id的字符串,因不同组件id字符串不同且为随机值,所以用*wId概括,以支持动态匹配。
S3、获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符。
一种可行的实施方式中,上述步骤S3为阅卷测评运算函数设计与实现。根据大数据可视化作品的测评知识点元素特征,本发明除了支持一般的精确匹配运算“第一运算符==”外(即直接对测评知识点的数据进行等值比较,如widgets的type值,因其是通过下拉菜单设置的,若设置正确则数值一定是精确相等的),还自定义了:
1)第二运算符∈,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内。
一种可行的实施方式中,∈判断用户答案的属性值是否属于正确的区间内。如widgets的settings下tableStyle的headerRowHeight值(表格的首行高度值),因其值的微小变化对大数据可视化作品的效果影响不大,故在测评时要求被试者的操作结果在一定区间内即可。
2)第三运算符<=,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较。
一种可行的实施方式中,<=从中提取相应的关键词进行精确对比。如用户输入widgets下settings的tableStyle的font的body的fontFamily,其字体设置内容较多,但测评时通常仅关注个别的属性值,故在测评时需要先提取出用于测评的关键词(如fontSize),再匹配其值。
3)第四运算符≈==,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较。
一种可行的实施方式中,≈==先修改并“翻译”后,再做精确对比。例如在测评组件的横轴维度上是否正确放置了数据字段时,需要基于widgets下view的10000,将其与该widgets下dimensions相结合,即将其“翻译”为“横轴维度”后,再取出其name值进行精确匹配运算。
4)第五运算符≈=,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较。
一种可行的实施方式中,≈=先数据清洗后再做精确对比。例如widgets的name值,因组件的name值是通过文本框手动输入的,若其值的前后包括了空格等不影响可视化效果的字符,则可以先删除这些多余字符,再进行精确匹配。
S4、基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。
可选地,S4中的根据返回值得到测评结果包括:
判断返回值是否为TRUE。
若是,则测评知识点的测评结果为学生答卷正确。
若否,则测评知识点的测评结果为学生答卷错误。
一种可行的实施方式中,上述步骤S4为阅卷测评的知识点评判。具体可以是:针对每个测评知识点,在教师答案与学生答卷的JSON路径计算之后,本发明将基于这些JSON路径中的测评点属性值特点,自动匹配每一个测评点对应的运算符(即自定义运算函数),用该运算符对教师答案与学生答卷的相应属性值进行匹配计算,得出返回值。如果返回值为TRUE,表示学生答卷与教师答案的测评点数据相等,学生答卷正确;否则,学生答卷错误。
进一步地,如图2所示,本发明面向基于JSON格式存储的零代码大数据可视化技能的智能阅卷,针对其JSON路径中含有随机码(如组件的ID)、部分测评对象的属性值允许存在一定的差异(如组件的位置坐标值、组件的颜色值)等特殊性,提出了一种阅卷信息形式化描述方法,即:
<返回值>=(<(SA.JSON路径)>.<[SA.测评点属性]>)<运算符>(<(TA.JSON路径)>.<[TA.测评点属性]>)。
其中,SA是学生答卷文件,TA是教师答案文件;JSON路径是学生答卷或教师答案的可视化作品文件中,从根节点到测评知识点属性的访问路径;测评知识点属性是可视化作品中常被作为阅卷测评知识点,且具有可视化特征的属性(如组件类型、组件名称等);运算符是根据测评点属性特征自定义的常用运算函数名。
综上,鉴于目前零代码大数据可视化技能测评的阅卷还处于手工阶段,并已成为了数字经济时代对大数据人才培养与甑别选拔的瓶颈问题,本发明提出了一种面向智能阅卷的大数据零代码可视化技能阅卷信息形式化描述方法。本方法针对基于JSON格式存储的大数据可视化作品,构建了具有可视化作品元素特征的运算函数(即自定义运算符),支持大数据可视化脚本中具有随机码等特殊性的JSON路径动态生成与匹配,并支持基于测评点属性值特征的自定义运算符自动匹配与评判算法。
本发明实施例中,为解决远远落后于数字时代需求的零代码大数据可视化技能测评手工阅卷的现状,提出了一种面向智能阅卷的大数据零代码可视化技能阅卷信息形式化描述方法。该方法构建了具有可视化作品元素特征的多种运算函数(即自定义运算符),设计了可支持大数据可视化脚本中具有随机码的、测评属性值中含有不影响可视化效果的冗余字符等特殊情况的JSON路径动态生成与匹配算法,并设计实现了可支持基于测评点属性值特征的自定义运算符自动匹配以及测评结果的评判反馈,具有很好的应用前景和重要的实践意义。这些创新点可支持大数据零代码可视化技能测评的智能阅卷,以提高技能测评的效率和效果;可为大数据可视化技能的认证、培训与人才选拔等相关工作,提供更加高效和客观的评价手段与依据。
如图3所示,本发明实施例提供了一种大数据零代码可视化作品阅卷信息形式化描述装置300,该装置300应用于实现大数据零代码可视化作品阅卷信息形式化描述方法,该装置300包括:
获取模块310,用于分别获取学生答卷以及教师答案的多个测评知识点。
路径计算模块320,用于对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果。
运算符匹配模块330,用于获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符。
输出模块340,用于基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。
可选地,获取模块310,进一步用于:
S11、分别获取学生答卷以及教师答案的文件。
S12、基于大数据分析系统,对文件进行数据可视化操作,得到数据可视化操作结果,将数据可视化操作结果存储于JSON脚本文件中。
S13、基于JSON脚本文件,得到学生答卷以及教师答案的多个测评知识点。
可选地,获取模块310,进一步用于:
对数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点。
可选地,多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo。
可选地,测评知识点的路径计算结果包括多个节点名称;
其中,多个节点名称中各节点名称包含测评知识点的属性。
可选地,运算符包括第一运算符、第二运算符、第三运算符、第四运算符以及第五运算符。
其中,第一运算符,表示对学生答卷与教师答案的属性值进行等值比较。
第二运算符,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内。
第三运算符,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较。
第四运算符,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较。
第五运算符,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较。
可选地,输出模块340,进一步用于:
判断返回值是否为TRUE。
若是,则测评知识点的测评结果为学生答卷正确。
若否,则测评知识点的测评结果为学生答卷错误。
本发明实施例中,为解决远远落后于数字时代需求的零代码大数据可视化技能测评手工阅卷的现状,提出了一种面向智能阅卷的大数据零代码可视化技能阅卷信息形式化描述方法。该方法构建了具有可视化作品元素特征的多种运算函数(即自定义运算符),设计了可支持大数据可视化脚本中具有随机码的、测评属性值中含有不影响可视化效果的冗余字符等特殊情况的JSON路径动态生成与匹配算法,并设计实现了可支持基于测评点属性值特征的自定义运算符自动匹配以及测评结果的评判反馈,具有很好的应用前景和重要的实践意义。这些创新点可支持大数据零代码可视化技能测评的智能阅卷,以提高技能测评的效率和效果;可为大数据可视化技能的认证、培训与人才选拔等相关工作,提供更加高效和客观的评价手段与依据。
图4是本发明实施例提供的一种电子设备400的结构示意图,该电子设备400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)401和一个或一个以上的存储器402,其中,存储器402中存储有至少一条指令,至少一条指令由处理器401加载并执行以实现下述大数据零代码可视化作品阅卷信息形式化描述方法:
S1、分别获取学生答卷以及教师答案的多个测评知识点。
S2、对多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果。
S3、获取路径计算结果中测评知识点的属性值,根据属性值对测评知识点自动匹配设计好的运算符。
S4、基于运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据返回值得到测评结果。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述大数据零代码可视化作品阅卷信息形式化描述方法。例如,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种大数据零代码可视化作品阅卷信息形式化描述方法,其特征在于,所述方法包括:
S1、分别获取学生答卷以及教师答案的多个测评知识点;
S2、对所述多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果;测评知识点的路径计算结果包括测评知识点的多个节点名称;其中,所述多个节点名称中各节点名称包含测评知识点的属性,最后一个节点的属性值是需要测评匹配的数据;
所述路径计算结果具有随机码,用于路径动态匹配;
S3、获取所述路径计算结果中测评知识点的属性值,根据所述属性值对所述测评知识点自动匹配设计好的运算符;
所述测评知识点的属性值中含有不影响可视化效果的冗余字符;
S4、基于所述运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据所述返回值得到测评结果;
所述S1中的分别获取学生答卷以及教师答案的多个测评知识点包括:
S11、分别获取学生答卷以及教师答案的文件;
S12、基于大数据分析系统,对所述文件进行数据可视化操作解析,得到数据可视化操作结果,将所述数据可视化操作结果存储于JSON脚本文件中;
S13、对所述数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点;
所述多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo;
所述S3中的运算符包括第一运算符、第二运算符、第三运算符、第四运算符以及第五运算符;
其中,所述第一运算符,表示对学生答卷与教师答案的属性值进行等值比较;
所述第二运算符,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内;
所述第三运算符,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较;
所述第四运算符,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较;
所述第五运算符,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较;
所述S4中的返回值,包括:
<返回值>=(<(SA.JSON路径)>.<[SA.测评知识点属性]>)<运算符>(<(TA.JSON路径)>.<[TA.测评知识点属性]>);
其中,SA是学生答卷文件,TA是教师答案文件;JSON路径是学生答卷或教师答案的可视化作品文件中,从根节点到测评知识点属性的访问路径;测评知识点属性是具有可视化特征的属性。
2.根据权利要求1所述的方法,其特征在于,所述S4中的根据所述返回值得到测评结果包括:
判断所述返回值是否为TRUE;
若是,则所述测评知识点的测评结果为学生答卷正确;
若否,则所述测评知识点的测评结果为学生答卷错误。
3.一种大数据零代码可视化作品阅卷信息形式化描述装置,其特征在于,所述装置包括:
获取模块,用于分别获取学生答卷以及教师答案的多个测评知识点;
路径计算模块,用于对所述多个测评知识点中各测评知识点进行路径计算,得到各测评知识点的路径计算结果;测评知识点的路径计算结果包括测评知识点的多个节点名称;其中,所述多个节点名称中各节点名称包含测评知识点的属性,最后一个节点的属性值是需要测评匹配的数据;
所述路径计算结果具有随机码,用于路径动态匹配;
运算符匹配模块,用于获取所述路径计算结果中测评知识点的属性值,根据所述属性值对所述测评知识点自动匹配设计好的运算符;
所述测评知识点的属性值中含有不影响可视化效果的冗余字符;
输出模块,用于基于所述运算符,对各测评知识点的学生答卷与教师答案的属性值进行匹配计算,得到各测评知识点的返回值,根据所述返回值得到测评结果;
所述分别获取学生答卷以及教师答案的多个测评知识点,包括:
S11、分别获取学生答卷以及教师答案的文件;
S12、基于大数据分析系统,对所述文件进行数据可视化操作解析,得到数据可视化操作结果,将所述数据可视化操作结果存储于JSON脚本文件中;
S13、对所述数据可视化操作结果存储的JSON脚本文件进行分析、归纳、总结和结构化存储,得到学生答卷以及教师答案的多个测评知识点;
所述多个测评知识点的类别包括:与文件设置相关的知识点fileInfo、与仪表板设置相关的知识点reportInfo、与布局设置相关的知识点layoutInfo、与一般组件设置相关的知识点widgetsInfo、与自由组件设置相关的知识点freeWidgetInfo、与仪表板样式设置相关的知识点templateStyleInfo、与联动设置相关的知识点linkageInfo以及与过滤设置相关的知识点filterInfo;
所述运算符包括第一运算符、第二运算符、第三运算符、第四运算符以及第五运算符;
其中,所述第一运算符,表示对学生答卷与教师答案的属性值进行等值比较;
所述第二运算符,表示判断学生答卷与教师答案的属性值的差值是否属于预设的区间内;
所述第三运算符,表示对学生答卷与教师答案的测评知识点的关键词的属性值进行等值比较;
所述第四运算符,表示对学生答卷与教师答案的测评知识点组件进行修改,对修改后的组件的属性值进行等值比较;
所述第五运算符,表示对学生答卷与教师答案的测评知识点组件进行清洗,对清洗后的组件的属性值进行等值比较;
所述返回值,包括:
<返回值>=(<(SA.JSON路径)>.<[SA.测评知识点属性]>)<运算符>(<(TA.JSON路径)>.<[TA.测评知识点属性]>);
其中,SA是学生答卷文件,TA是教师答案文件;JSON路径是学生答卷或教师答案的可视化作品文件中,从根节点到测评知识点属性的访问路径;测评知识点属性是具有可视化特征的属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211596214.0A CN116483681B (zh) | 2022-12-13 | 大数据零代码可视化作品阅卷信息形式化描述方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211596214.0A CN116483681B (zh) | 2022-12-13 | 大数据零代码可视化作品阅卷信息形式化描述方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116483681A CN116483681A (zh) | 2023-07-25 |
CN116483681B true CN116483681B (zh) | 2024-06-04 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504023A (zh) * | 2014-12-12 | 2015-04-08 | 广西师范大学 | 一种基于领域本体的高准确率主观题计算机自动阅卷方法 |
CN106846203A (zh) * | 2017-03-09 | 2017-06-13 | 常州工学院 | 一种智能阅卷方法及系统 |
CN108269022A (zh) * | 2018-01-31 | 2018-07-10 | 北京语言大学 | 一种支持多策略操作的erp技能自动测评方法及装置 |
CN108509439A (zh) * | 2017-02-24 | 2018-09-07 | 上海莘越软件科技有限公司 | 一种代数教学系统 |
CN113688273A (zh) * | 2021-10-26 | 2021-11-23 | 杭州智会学科技有限公司 | 面向图形类题目的作答及判定方法和装置 |
CN114444500A (zh) * | 2022-01-19 | 2022-05-06 | 湖北大学 | 基于表达式链表树匹配程度的数学主观题评分方法及系统 |
CN114580375A (zh) * | 2022-05-09 | 2022-06-03 | 南京赛宁信息技术有限公司 | 一种分布式在线比赛主观题阅卷及评分方法与系统 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504023A (zh) * | 2014-12-12 | 2015-04-08 | 广西师范大学 | 一种基于领域本体的高准确率主观题计算机自动阅卷方法 |
CN108509439A (zh) * | 2017-02-24 | 2018-09-07 | 上海莘越软件科技有限公司 | 一种代数教学系统 |
CN106846203A (zh) * | 2017-03-09 | 2017-06-13 | 常州工学院 | 一种智能阅卷方法及系统 |
CN108269022A (zh) * | 2018-01-31 | 2018-07-10 | 北京语言大学 | 一种支持多策略操作的erp技能自动测评方法及装置 |
CN113688273A (zh) * | 2021-10-26 | 2021-11-23 | 杭州智会学科技有限公司 | 面向图形类题目的作答及判定方法和装置 |
CN114444500A (zh) * | 2022-01-19 | 2022-05-06 | 湖北大学 | 基于表达式链表树匹配程度的数学主观题评分方法及系统 |
CN114580375A (zh) * | 2022-05-09 | 2022-06-03 | 南京赛宁信息技术有限公司 | 一种分布式在线比赛主观题阅卷及评分方法与系统 |
Non-Patent Citations (2)
Title |
---|
"基于形式语言的计算机自动阅卷机制研究";卢良进;《软件导刊》;第9卷(第10期);第104-106 页 * |
"形式语言在网页制作操作题自动阅卷中的应用";李娟;《计算机应用》;第33卷(第3期);第882-885页 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6701367B2 (ja) | 個人オーダーメイド教育コンテンツを提供する方法、装置、及びコンピュータプログラム | |
CN111027294B (zh) | 表格汇总的方法、装置及系统 | |
CN102436547A (zh) | 一种教学用错题统计方法及系统 | |
CN104239219B (zh) | 一种基于覆盖的软件缺陷定位技术的在线评测与实验平台及方法 | |
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 | |
US10964224B1 (en) | Generating scores and feedback for writing assessment and instruction using electronic process logs | |
CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
JP5682448B2 (ja) | 因果単語対抽出装置、因果単語対抽出方法および因果単語対抽出用プログラム | |
Annizar et al. | Problem solving analysis of rational inequality based on IDEAL model | |
Tack et al. | Human and automated CEFR-based grading of short answers | |
CN110111086A (zh) | 一种应届生简历质量诊断方法 | |
CN111158656A (zh) | 基于因果树法的测试代码生成方法及装置 | |
Wang et al. | Combining dynamic and static analysis for automated grading sql statements | |
CN112256576B (zh) | 人机对话语料测试方法、装置、设备及存储介质 | |
Sinha et al. | NLP-based automatic answer evaluation | |
CN113204340A (zh) | 题目生产方法、题目管理系统及电子设备 | |
CN113408253A (zh) | 一种作业评阅系统及方法 | |
CN116483681B (zh) | 大数据零代码可视化作品阅卷信息形式化描述方法及装置 | |
CN117235105A (zh) | 对大模型进行微调、生成sql语句的方法及装置 | |
CN116483681A (zh) | 大数据零代码可视化作品阅卷信息形式化描述方法及装置 | |
CN115984054A (zh) | 一种基于大数据平台的智慧教育方法及系统 | |
WO2023284108A1 (zh) | 需求符合性分析方法、系统、电子设备及存储介质 | |
CN115454841A (zh) | 基于程序测试和分析的多维度代码质量综合评价方法及系统 | |
Chou et al. | An educational tool for visualizing students' program tracing processes | |
CN109189833B (zh) | 一种知识库的挖掘方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |