CN116720991A - 一种面向电网培训的智能在线学习与考试系统、方法 - Google Patents
一种面向电网培训的智能在线学习与考试系统、方法 Download PDFInfo
- Publication number
- CN116720991A CN116720991A CN202310802161.1A CN202310802161A CN116720991A CN 116720991 A CN116720991 A CN 116720991A CN 202310802161 A CN202310802161 A CN 202310802161A CN 116720991 A CN116720991 A CN 116720991A
- Authority
- CN
- China
- Prior art keywords
- examination
- module
- training
- course
- learning
- 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 22
- 230000002787 reinforcement Effects 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 73
- 230000009471 action Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 238000012258 culturing Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013101 initial test Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/06—Energy or water supply
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向电网培训的智能在线学习与考试系统、方法,所述系统,包括:用户管理模块,后台模块和前台模块;所述用户管理模块使用国网ISC权限管理模块,用于在页面上进行权限控制,所述后台模块用于对于课程和考试的管理,所述前台模块用于对培训课程和在线考试的管理;本发明实现了有评估环节的闭环管理;使用基于深度强化学习的组卷深度网络生成试卷能协助培训师高效地合理分布考核内容,防范参培人员的作弊行为,保证了考试的公平。
Description
技术领域
本发明涉及软件工程技术领域,具体涉及一种面向电网培训的智能在线学习、考试系统与方法。
背景技术
数字化能力开放平台是公司全面推进数字化转型的重要工具,平台的创新活动模块目前支撑国网各级活动,而其中一类重要的活动类型就是培训类活动。电网各岗位的培训需求量非常大,电网各级单位为培训花费大量的人力、物力和财力,近几年因为疫情,培训的流行方式为网课学习辅助线上考试,在线学习与考试方法及系统具有答题样式统一、无纸化环保、组卷阅卷效率高、防作弊等优势,还能反馈考试的结果分析。
但电网的培训活动,往往参培人员达数万名甚至数十万名,是高并发的业务场景,高并发是软件系统运行过程中遇到的一种短时间内遇到大量请求的情况,因此传统的在线培训系统就无法适应电网的培训活动,不但不能客观反映参培人员的对培训目标的掌握程度,而且影响后续的工作质量,容易对电网运行造成重大风险,传统的在线培训系统主要存在以下问题:一是组卷方法以遗传算法为主,然而,基于遗传算法的组卷策略在面对极大访问量时效率低下;二是在高并发场景下会导致系统数据库在这段时间内执行大量操作,数据库可能会宕机卡死,甚至造成数据丢失的严重后果。
发明内容
发明目的:本发明的目的是提供一种面向电网培训的智能在线学习与考试系统、方法以解决背景技术中存在的问题。
技术方案:本发明所述的一种面向电网培训的智能在线学习与考试系统,包括包括:用户管理模块,后台模块和前台模块;所述用户管理模块使用国网ISC权限管理模块,用于在页面上进行权限控制,包括:培训师模块和参培人员模块;所述培训师模块用于培训师的管理;所述参培人员模块用于参培人员的管理;所述后台模块用于对于课程和考试的管理,包括:课程管理模块和考试管理模块;所述课程管理模块用于对课程管理;考试管理模块用于对考试进行管理;所述前台模块用于对培训课程和在线考试的管理,包括培训课程模块和在线考试模块;所述培训课程模块用于对课程进行展示和进行学习培训;所述在线考试模块用于参培人员进行在线考试,还可以查询参培人员的历史考试成绩与详情。
进一步的,所述考试管理模块包括:试卷列表模块、查看试题模块、统计分析和成绩查询模块模块;所述试卷列表模块用于查看、新增、编辑各网省单位创建的考试试卷;查看试题模块用于查看试卷的试题详情;统计分析模块用于试卷各题目选项的数据分析,利于培训师对考试进行综合评估以及改进;成绩查询模块用于查看考试所有参培人员的成绩、单位,方便成绩的导出。
进一步的,培训课程模块包括:课程展示模块和开始学习模块;所述课程展示模块用于是展示该培训需要学习的课程目录大纲,让参培人员能对培训有个快速的了解;开始学习模块用于展示参培人员进行在线学习,按照培训课程的目录层级查看文档或视频,并展示该参培人员当前的学习进度。
进一步的,在线考试模块包括开始考试模块、历史成绩模块以及考试页模块;所述开始考试模块用于参培人员了解考试的基本信息,试卷名称、题目数量以及考试时间;历史成绩模块用于参培人员查看自己在该培训课程的历史成绩以及做题对错详情;考试页模块用于生成试卷,参培人员在生成的试卷上进行考试并交卷。
进一步的,所述查看试题模块包括:试卷题库模块和新增题目模块;所述试卷题库模块用于查看创建的考试试卷的所有题目详情;新增题目模块用于新增、编辑题目种类、题目分数、难度系数和章节知识点。
本发明所述的一种面向电网培训的智能在线学习与考试的方法,包括培训师和参培人员,包括以下步骤:
(1)培训师登陆系统进入后台,进入课程管理模块点击课程列表按钮,点击“新建”按钮新建课程,填入课程的大纲目录并上传各章节所对应的文档或者视频。
(2)培训师进入考试管理模块,点击新建考试按钮,新增试卷和其中的题目,发布培训课程和试卷。
(3)参培人员登陆系统进入前台,进入培训课程模块,点击去学习按钮,页面跳转课程展示页;点击课程展示页报名按钮,参培人员可以点击报名,进入培训课程,点击开始学习按钮,按照课程目录进行在线学习,当学习完并且到时间点可以考试。
(4)参培人员点击开始考试按钮进入开始考试页,展示考试标题、题目、倒计时信息,参培人员点击开始考试按钮,进入去考试页,根据训练的基于深度强化学习的组卷深度网络生成试卷,参培人员即可开始作答,点击交卷。
(5)参培人员回到开始考试页后点击“考试次数按钮”显示历史成绩弹窗,可查看历次考试的内容以及该次考试选择过的答案;
进一步的,所述基于深度强化学习的组卷深度网络运用actor-critic深度强化学习算法进行训练,包括:环境、actor、critic;actor网络即组卷深度网络表示策略函数P,critic网络表示环境对动作的价值函数Q,组卷深度网络、critic网络均为4个全连接层构成的网络。
进一步的,训练深度强化学习的组卷深度网络包括以下步骤:
(81)设定生成的试卷题目数量和分数,组成符合要求的随机初始试卷;动作空间为整个题库的所有题目,将随机初始试卷的初始难度系数Ds和章节初始知识点分布Ps作为初始状态S;
(82)将初始状态S、动作空间输入actor网络,actor网络做出动作,选择试题组成试卷,每生成一次试卷为1次迭代,计算每次迭代获得的奖励R即计算试卷个体的适应度;R计算公式如下:
其中,D表示试卷的难度系数;i=1,2,……,M;M表示生成试卷参数中设定的题目总数;di、Si分别是某张试卷中第i题的难度系数和分数;
P=u/n
其中,P表示章节知识点的分布;n表示章节知识点;u表示章节知识点的并集;
R=|De-D|*C1+(1-u/n)*C2
其中,C1为难度系数所占权重,C2为章节知识点分布的权重;C1+C2=1;
(83)将状态S、奖励R输入critic网络,得到价值函数Q(S),使用TD误差δ去更新critic网络,用损失函数loss去更新actor网络,将生成的试卷的初始难度系数Di和章节初始知识点分布Pi,作为下一个状态S′,并和和动作空间输入actor网络;计算公式如下:
critic网络的TD误差δ为:
δ=R+γQ(S′)-Q(S)
其中,γ表示衰减因子;
损失函数loss为:
loss=∑(R+γQ(S′)-Q(S))2
(84)重复步骤(82)-(83),重复迭代直到组卷深度网络收敛。
本发明所述一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现上述一种面向电网培训的智能在线学习与考试的方法中的步骤。
本发明所述的一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被设计为运行时实现上述一种面向电网培训的智能在线学习与考试的方法中的步骤。
有益效果:与现有技术相比,本发明具有如下显著优点:实现了有评估环节的闭环管理;使用基于深度强化学习的组卷深度网络生成试卷能协助培训师高效地合理分布考核内容,防范参培人员的作弊行为,保证了考试的公平。
附图说明
图1为本发明本发明的系统架构图;
图2为本发明深度强化学习actor-critic算法的框架图;
图3为本发明基于深度强化学习的组卷深度网络训练流程图;
图4为本发明基于深度强化学习的组卷深度网络组卷流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明实施例提供一种面向电网培训的智能在线学习与考试系统,包括包括:用户管理模块,后台模块和前台模块;所述用户管理模块使用国网ISC权限管理模块,用于在页面上进行权限控制,包括:培训师模块和参培人员模块;所述培训师模块用于培训师的管理;所述参培人员模块用于参培人员的管理;所述后台模块用于对于课程和考试的管理,包括:课程管理模块和考试管理模块;所述课程管理模块用于对课程管理;考试管理模块用于对考试进行管理;所述前台模块用于对培训课程和在线考试的管理,包括培训课程模块和在线考试模块;所述培训课程模块用于对课程进行展示和进行学习培训;所述在线考试模块用于参培人员进行在线考试,还可以查询参培人员的历史考试成绩与详情。所述考试管理模块包括:试卷列表模块、查看试题模块、统计分析和成绩查询模块模块;所述试卷列表模块用于查看、新增、编辑各网省单位创建的考试试卷;查看试题模块用于查看试卷的试题详情;统计分析模块用于试卷各题目选项的数据分析,利于培训师对考试进行综合评估以及改进;成绩查询模块用于查看考试所有参培人员的成绩、单位,方便成绩的导出。培训课程模块包括:课程展示模块和开始学习模块;所述课程展示模块用于是展示该培训需要学习的课程目录大纲,让参培人员能对培训有个快速的了解;开始学习模块用于展示参培人员进行在线学习,按照培训课程的目录层级查看文档或视频,并展示该参培人员当前的学习进度。在线考试模块包括开始考试模块、历史成绩模块以及考试页模块;所述开始考试模块用于参培人员了解考试的基本信息,试卷名称、题目数量以及考试时间;历史成绩模块用于参培人员查看自己在该培训课程的历史成绩以及做题对错详情;考试页模块用于生成试卷,参培人员在生成的试卷上进行考试并交卷。所述查看试题模块包括:试卷题库模块和新增题目模块;所述试卷题库模块用于查看创建的考试试卷的所有题目详情;新增题目模块用于新增、编辑题目种类、题目分数、难度系数和章节知识点。
本发明实施例还提供了一种面向电网培训的智能在线学习与考试的方法,包括培训师和参培人员,包括以下步骤:
(1)培训师登陆系统进入后台,进入课程管理模块点击课程列表按钮,点击“新建”按钮新建课程,填入课程的大纲目录并上传各章节所对应的文档或者视频。
(2)培训师进入考试管理模块,点击新建考试按钮,新增试卷和其中的题目,发布培训课程和试卷。
(3)参培人员登陆系统进入前台,进入培训课程模块,点击去学习按钮,页面跳转课程展示页;点击课程展示页报名按钮,参培人员可以点击报名,进入培训课程,点击开始学习按钮,按照课程目录进行在线学习,当学习完并且到时间点可以考试。
(4)参培人员点击开始考试按钮进入开始考试页,展示考试标题、题目、倒计时信息,参培人员点击开始考试按钮,进入去考试页,根据训练的基于深度强化学习的组卷深度网络生成试卷,参培人员即可开始作答,点击交卷。
如图2-图4所示,所述基于深度强化学习的组卷深度网络运用actor-critic深度强化学习算法进行训练,包括:环境、actor、critic;actor网络即组卷深度网络表示策略函数P,critic网络表示环境对动作的价值函数Q,组卷深度网络、critic网络均为4个全连接层构成的网络。具体参数设置:学习率均为0.01,其中第一层有100个隐藏单位,第二层和第三层有200个隐藏单位,第四层有100个隐藏单位。
训练深度强化学习的组卷深度网络包括以下步骤:
(81)设定生成的试卷题目数量和分数,组成符合要求的随机初始试卷;动作空间为整个题库的所有题目,将随机初始试卷的初始难度系数Ds和章节初始知识点分布Ps作为初始状态S;
(82)将初始状态S、动作空间输入actor网络,actor网络做出动作,选择试题组成试卷,每生成一次试卷为1次迭代,计算每次迭代获得的奖励R即计算试卷个体的适应度;R计算公式如下:
其中,D表示试卷的难度系数;i=1,2,……,M;M表示生成试卷参数中设定的题目总数;di、Si分别是某张试卷中第i题的难度系数和分数;
P=u/n
其中,P表示章节知识点的分布;n表示章节知识点;u表示章节知识点的并集;
R=|De-D|*C1+(1-u/n)*C2
其中,C1为难度系数所占权重,C2为章节知识点分布的权重;C1+C2=1;
(83)将状态S、奖励R输入critic网络,得到价值函数Q(S),使用TD误差δ去更新critic网络,用损失函数loss去更新actor网络,将生成的试卷的初始难度系数Di和章节初始知识点分布Pi,作为下一个状态S′,并和和动作空间输入actor网络;计算公式如下:
critic网络的TD误差δ为:
δ=R+γQ(S′)-Q(S)
其中,γ表示衰减因子;
损失函数loss为:
loss=∑(R+γQ(S′)-Q(S))2
(84)重复步骤(82)-(83),重复迭代直到组卷深度网络收敛;设置的迭代次数为2000次。
(5)参培人员回到开始考试页后点击“考试次数按钮”显示历史成绩弹窗,可查看历次考试的内容以及该次考试选择过的答案;
本发明实施例还提供一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现上述一种面向电网培训的智能在线学习与考试的方法中的步骤。
本发明实施例还提供一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被设计为运行时实现上述一种面向电网培训的智能在线学习与考试的方法中的步骤。
Claims (10)
1.一种面向电网培训的智能在线学习与考试系统,其特征在于,包括:用户管理模块,后台模块和前台模块;所述用户管理模块使用国网ISC权限管理模块,用于在页面上进行权限控制,包括:培训师模块和参培人员模块;所述培训师模块用于培训师的管理;所述参培人员模块用于参培人员的管理;所述后台模块用于对于课程和考试的管理,包括:课程管理模块和考试管理模块;所述课程管理模块用于对课程管理;考试管理模块用于对考试进行管理;所述前台模块用于对培训课程和在线考试的管理,包括培训课程模块和在线考试模块;所述培训课程模块用于对课程进行展示和进行学习培训;所述在线考试模块用于参培人员进行在线考试,还可以查询参培人员的历史考试成绩与详情。
2.根据权利要求1所述的一种面向电网培训的智能在线学习与考试系统,其特征在于,所述考试管理模块包括:试卷列表模块、查看试题模块、统计分析和成绩查询模块模块;所述试卷列表模块用于查看、新增、编辑各网省单位创建的考试试卷;查看试题模块用于查看试卷的试题详情;统计分析模块用于试卷各题目选项的数据分析,利于培训师对考试进行综合评估以及改进;成绩查询模块用于查看考试所有参培人员的成绩、单位,方便成绩的导出。
3.根据权利要求1所述的一种面向电网培训的智能在线学习与考试系统,其特征在于,培训课程模块包括:课程展示模块和开始学习模块;所述课程展示模块用于是展示该培训需要学习的课程目录大纲,让参培人员能对培训有个快速的了解;开始学习模块用于展示参培人员进行在线学习,按照培训课程的目录层级查看文档或视频,并展示该参培人员当前的学习进度。
4.根据权利要求1所述的一种面向电网培训的智能在线学习与考试系统,其特征在于,在线考试模块包括开始考试模块、历史成绩模块以及考试页模块;所述开始考试模块用于参培人员了解考试的基本信息,试卷名称、题目数量以及考试时间;历史成绩模块用于参培人员查看自己在该培训课程的历史成绩以及做题对错详情;考试页模块用于生成试卷,参培人员在生成的试卷上进行考试并交卷。
5.据权利要求2所述的一种面向电网培训的智能在线学习与考试系统,其特征在于,所述查看试题模块包括:试卷题库模块和新增题目模块;所述试卷题库模块用于查看创建的考试试卷的所有题目详情;新增题目模块用于新增、编辑题目种类、题目分数、难度系数和章节知识点。
6.一种根据权利要求1所述的一种面向电网培训的智能在线学习与考试的方法,包括培训师和参培人员,其特征在于,包括以下步骤:
(1)培训师登陆系统进入后台,进入课程管理模块点击课程列表按钮,点击“新建”按钮新建课程,填入课程的大纲目录并上传各章节所对应的文档或者视频。
(2)培训师进入考试管理模块,点击新建考试按钮,新增试卷和其中的题目,发布培训课程和试卷。
(3)参培人员登陆系统进入前台,进入培训课程模块,点击去学习按钮,页面跳转课程展示页;点击课程展示页报名按钮,参培人员可以点击报名,进入培训课程,点击开始学习按钮,按照课程目录进行在线学习,当学习完并且到时间点可以考试。
(4)参培人员点击开始考试按钮进入开始考试页,展示考试标题、题目、倒计时信息,参培人员点击开始考试按钮,进入去考试页,根据训练的基于深度强化学习的组卷深度网络生成试卷,参培人员即可开始作答,点击交卷。
(5)参培人员回到开始考试页后点击“考试次数按钮”显示历史成绩弹窗,可查看历次考试的内容以及该次考试选择过的答案。
7.根据权利要求6所述一种面向电网培训的智能在线学习与考试的方法,其特征在于,所述基于深度强化学习的组卷深度网络运用actor-critic深度强化学习算法进行训练,包括:环境、actor、critic;actor网络即组卷深度网络表示策略函数P,critic网络表示环境对动作的价值函数Q,组卷深度网络、critic网络均为4个全连接层构成的网络。
8.根据权利要求7所述一种面向电网培训的智能在线学习与考试的方法,其特征在于,训练深度强化学习的组卷深度网络包括以下步骤:
(81)设定生成的试卷题目数量和分数,组成符合要求的随机初始试卷;动作空间为整个题库的所有题目,将随机初始试卷的初始难度系数Ds和章节初始知识点分布Ps作为初始状态S;
(82)将初始状态S、动作空间输入actor网络,actor网络做出动作,选择试题组成试卷,每生成一次试卷为1次迭代,计算每次迭代获得的奖励R即计算试卷个体的适应度;R计算公式如下:
其中,D表示试卷的难度系数;i=1,2,……,M;M表示生成试卷参数中设定的题目总数;di、Si分别是某张试卷中第i题的难度系数和分数;
P=u/n
其中,P表示章节知识点的分布;n表示章节知识点;u表示章节知识点的并集;
R=|De-D|*C1+(1-u/n)*C2
其中,C1为难度系数所占权重,C2为章节知识点分布的权重;C1+C2=1;
(83)将状态S、奖励R输入critic网络,得到价值函数Q(S),使用TD误差δ去更新critic网络,用损失函数loss去更新actor网络,将生成的试卷的初始难度系数Di和章节初始知识点分布Pi,作为下一个状态S′,并和和动作空间输入actor网络;计算公式如下:
critic网络的TD误差δ为:
δ=R+γQ(S′)-Q(S)
其中,γ表示衰减因子;
损失函数loss为:
loss=∑(R+γQ(S′)-Q(S))2
(84)重复步骤(82)-(83),重复迭代直到组卷深度网络收敛。
9.一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求6-8一种面向电网培训的智能在线学习与考试的方法中的步骤。
10.一种存储介质,存储有计算机程序,其特征在于,所述计算机程序被设计为运行时实现根据权利要求6-8一种面向电网培训的智能在线学习与考试的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802161.1A CN116720991A (zh) | 2023-07-03 | 2023-07-03 | 一种面向电网培训的智能在线学习与考试系统、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802161.1A CN116720991A (zh) | 2023-07-03 | 2023-07-03 | 一种面向电网培训的智能在线学习与考试系统、方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116720991A true CN116720991A (zh) | 2023-09-08 |
Family
ID=87866072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310802161.1A Pending CN116720991A (zh) | 2023-07-03 | 2023-07-03 | 一种面向电网培训的智能在线学习与考试系统、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116720991A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117611404A (zh) * | 2023-12-26 | 2024-02-27 | 山东杰出人才发展集团有限公司 | 一种基于云数据交互的培训数据监测系统 |
-
2023
- 2023-07-03 CN CN202310802161.1A patent/CN116720991A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117151070B (zh) * | 2023-10-31 | 2024-01-23 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117611404A (zh) * | 2023-12-26 | 2024-02-27 | 山东杰出人才发展集团有限公司 | 一种基于云数据交互的培训数据监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cardoni et al. | Knowledge transfer in a start-up craft brewery | |
CN110910038A (zh) | 基于网络课程的教师教学画像模型的构建方法 | |
CN116720991A (zh) | 一种面向电网培训的智能在线学习与考试系统、方法 | |
Ozar et al. | Making a Difference: The Promise of Catholic School Standards. | |
Qudrat-Ullah | Debriefing can reduce misperceptions of feedback: The case of renewable resource management | |
US20230410237A1 (en) | Dynamic education planning methods and systems | |
KR20090062735A (ko) | 수학 교수 학습 과정의 자기 주도형 학습을 위한 문제임의생성 시스템 및 이를 이용한 교육서비스 제공방법 | |
Weisz et al. | Diversity and social capital of nascent entrepreneurial teams in business plan competitions | |
Lubis | Assessing entrepreneurial leadership and the law: Why are these important for graduate students in Indonesia | |
Hussein et al. | Evaluating the impact of involving students in producing learning aids in project management. The animation project | |
Vodenicharova | Gamed-based Learning in Higher Education | |
de la Fuente-Valentín et al. | System orchestration support for a flow of blended collaborative activities | |
Ndekugri et al. | Role of simulation in construction management: Possible applications of simulation examined in relation to construction management | |
CN110705919A (zh) | 一种教学资源库的综合应用云平台 | |
CN115050230A (zh) | 一种培训考核的实现方法和系统 | |
Chen et al. | Study and construct online self-learning evaluation system model based on AHP method | |
Bogatyreva et al. | Development of competences of the digital economy of teachers in the conditions of digital transformation education | |
Condorelli et al. | Designing a Master Course on Architectures for Big Data: A Collaboration between University and Industry | |
KR102544662B1 (ko) | 학습 코디네이팅 장치 및 방법 | |
Toxanov et al. | Development of an information and educational portal of distance learning based on educational data mining | |
Sun | Research on Teaching Reform and Innovation of “Data Structure and Algorithms” in the Context of New Engineering | |
Sun et al. | A Learning Efficiency Evaluation Model for E-Learning Platforms Based on Analytic Hierarchy Process (AHP) | |
Song | Application Research of CDIO Education Initiative in Reforming Online-Offline Hybrid Teaching of" Software Testing" Course | |
US11491399B2 (en) | Method of executing multi-player, simulation-based educational games from spreadsheets | |
Kozlov et al. | INFORMATION AND EDUCATIONAL ENVIRONMENT FOR MONITORING AND FORMING A CUMULATIVE ASSESSMENT OF A STUDENT’S ACADEMIC WORK IN A SEMESTER |
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 |