CN117634746A - 一种基于虚拟仿真手段的网络学习考试方法及系统 - Google Patents

一种基于虚拟仿真手段的网络学习考试方法及系统 Download PDF

Info

Publication number
CN117634746A
CN117634746A CN202311669496.7A CN202311669496A CN117634746A CN 117634746 A CN117634746 A CN 117634746A CN 202311669496 A CN202311669496 A CN 202311669496A CN 117634746 A CN117634746 A CN 117634746A
Authority
CN
China
Prior art keywords
learning
data
project
engineering
construction
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
CN202311669496.7A
Other languages
English (en)
Inventor
李家华
温秀媛
温文峰
陈良志
梁庆
万浩然
王浩
陈家悦
吴乔
黄黎明
代晓炫
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.)
GUANGDONG TECHNICAL COLLEGE OF WATER RESOURCES AND ELECTRIC ENGINEERING
CCCC FHDI Engineering Co Ltd
Original Assignee
GUANGDONG TECHNICAL COLLEGE OF WATER RESOURCES AND ELECTRIC ENGINEERING
CCCC FHDI Engineering 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 GUANGDONG TECHNICAL COLLEGE OF WATER RESOURCES AND ELECTRIC ENGINEERING, CCCC FHDI Engineering Co Ltd filed Critical GUANGDONG TECHNICAL COLLEGE OF WATER RESOURCES AND ELECTRIC ENGINEERING
Priority to CN202311669496.7A priority Critical patent/CN117634746A/zh
Publication of CN117634746A publication Critical patent/CN117634746A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于虚拟仿真手段的网络学习考试方法及系统，通过获取目标工程知识点数据，并构建虚拟工程学习考试平台中，通过监测学生在虚拟工程学习考试平台中的学习记录，确定学习小测周期，进而获取学习小测结果数据集，通过采用DBSCAN算法对学习小测结果数据集进行聚类分析，从而得到学习聚类结果。根据学习聚类结果，确定考试内容，并基于考试结果形成个性化学习路径和学习内容。这种基于虚拟仿真手段的网络学习考试方法及系统能够更精准地满足学生的学习需求，提高学习效果，为工程领域的网络学习提供了一种创新的解决方案。

Description

一种基于虚拟仿真手段的网络学习考试方法及系统
技术领域
本发明涉及虚拟仿真学习技术领域，特别涉及一种基于虚拟仿真手段的网络学习考试方法及系统。
背景技术
随着信息技术的不断发展，网络学习已成为教育领域的一项重要趋势。然而，在传统的网络学习环境中，由于缺乏实际工程项目的实地体验，学生难以深入理解工程知识，尤其是在工程施工方面的实践操作。因此，如何通过虚拟仿真手段提升网络学习质量成为当前亟待解决的问题。
建筑信息模型(BIM)技术作为一种综合应用信息技术、工程管理和虚拟仿真技术的手段，已在工程领域得到广泛应用。BIM技术能够将工程项目的各个方面集成为一个数字模型，为学生提供更为直观、全面的学习资源。虚拟仿真技术则通过模拟真实工程场景，使学生能够在虚拟环境中进行实际操作，提高学习的实践性和体验感。
然而，目前存在的一些网络学习平台仍然存在一些不足之处，例如缺乏个性化的学习路径和内容设置，难以满足不同学生的学习需求。因此，如何在虚拟仿真环境中实现个性化网络学习考试，提高学习的针对性和效果，是当前亟需解决的问题。
为解决上述问题，本发明结合BIM技术和虚拟仿真技术，通过对目标工程项目数据的处理和学习记录的分析，提出一种基于虚拟仿真手段的网络学习考试方法及系统，旨在提供更为个性化、实践性强的学习体验，促进工程领域网络学习的进一步发展。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于虚拟仿真手段的网络学习考试方法及系统。
本发明第一方面提供了一种基于虚拟仿真手段的网络学习考试方法，包括：
获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
本方案中，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
本方案中，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
本方案中，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
本方案中，所述基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果，具体为：
S1，初始化DBSCAN算法的邻域半径ε、邻域中最小数据点数目MinPts，将学习小测结果数据集作为DBSCAN算法的数据集，将数据集中的所有数据点标记为未访问数据点；
S2，迭代对未访问数据点进行访问，将访问至的数据点标记为已访问数据点p；
S3，查找数据点p的ε邻域中所有的数据点，若ε邻域中的数据点的数量小于MinPts，则将该数据点p标记为噪声点；
S4，若数据点p的ε邻域中的数据点的数量不小于MinPts，创建一个新的簇，并将数据点p添加至簇中，将数据点p的ε邻域中所有的数据点加入到待搜索队列t中；
S5，对待搜索队列中的每个数据点，迭代对待搜索队列中未访问数据点进行访问，将访问至的数据点标记为已访问数据点q，查找数据点q的ε邻域，若数据点q的ε邻域中的数据点的数量不小于MinPts，将ε邻域中的数据点加入待搜索队列t中；
S6，计算已创建的簇中的数据点的ε邻域数量，将数据点q的ε邻域的数量加入到与已创建的簇中的数据点的ε邻域数量差值在预设范围内且差值最小的簇中；
S7，若数据点q不属于已创建的簇，再次创建一个新簇，将数据点q加入该新簇中；
S8，循环步骤S2至S7，直至数据集中所有数据点被访问，结束循环，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果。
本方案中，所述根据所述学习聚类结果确定考试内容，并基于考试修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容，具体为：
对所述学习聚类结果对班级学生的知识点综合掌握情况进行分析，得到知识点总体掌握程度；
基于知识点总体掌握程度确定班级考试内容，并在虚拟工程学习考试平台中进行集中考试操作，得到每个学生的考试结果；
基于每个考生的考试结果对每个学生的学习成效进行分析，并基于所述学习成效调整每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
本发明第二方面还提供了一种基于虚拟仿真手段的网络学习考试系统，该系统包括：存储器、处理器，所述存储器中包括基于虚拟仿真手段的网络学习考试方法程序，所述基于虚拟仿真手段的网络学习考试方法程序被所述处理器执行时，实现如下步骤：
获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
本方案中，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
本方案中，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
本方案中，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
本发明公开了一种基于虚拟仿真手段的网络学习考试方法及系统，通过获取目标工程知识点数据，并构建虚拟工程学习考试平台中，通过监测学生在虚拟工程学习考试平台中的学习记录，确定学习小测周期，进而获取学习小测结果数据集，通过采用DBSCAN算法对学习小测结果数据集进行聚类分析，从而得到学习聚类结果。根据学习聚类结果，确定考试内容，并基于考试结果形成个性化学习路径和学习内容。这种基于虚拟仿真手段的网络学习考试方法及系统能够更精准地满足学生的学习需求，提高学习效果，为工程领域的网络学习提供了一种创新的解决方案。
附图说明
图1示出了本发明一种基于虚拟仿真手段的网络学习考试方法的流程图；
图2示出了本发明得到目标工程知识点数据的流程图；
图3示出了本发明得到初始化学习路径和学习内容的流程图；
图4示出了本发明一种基于虚拟仿真手段的网络学习考试系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于虚拟仿真手段的网络学习考试方法的流程图。
如图1所示，本发明第一方面提供了一种基于虚拟仿真手段的网络学习考试方法，包括：
S102，获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
S104，基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
S106，获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
S108，基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
S110，根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
需要说明的是，通过对目标工程项目的知识点进行构建，并基于BIM技术和虚拟仿真技术构建虚拟工程学习考试平台，提供高度可视化的学习平台，增强学生对工程场景的感知，促进实际操作和决策能力的培养；利用DBSCAN算法对学习小测结果数据集进行聚类分析，得到错题聚类结果和得分聚类结果，通过DBSCAN聚类分析准确划分学生错题类型和得分总体情况，提高了对学生总体学习情况的了解，为制定个性化学习路径提供基础；根据学习聚类结果确定考试内容，并通过修改每个学生的初始化学习路径和学习内容，实现对每个学生的学习路径调整，提升学习效果和满足学生的个性化需求；所述目标工程项目包括建筑工程、基础设施项目。
图2示出了本发明得到目标工程知识点数据的流程图。
根据本发明实施例，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
S202，获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
S204，基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
S206，对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
S208，根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
S210，将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
需要说明的是，在不同的工程项目施工图纸上，可能存在对同一施工对象但在不同的施工图纸上出现命名不统一的情况，因此对相同施工对象进行统一命名，确保相同施工对象在整个项目中具有一致的命名，提高了数据的一致性和可操作性；将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据进行关联，构建相应的施工项目知识点，实现了从具体施工图纸到工程规范和施工方法的知识点的映射，使得学生能够更深入地了解每个施工对象的相关规范和方法。
图3示出了本发明得到初始化学习路径和学习内容的流程图。
根据本发明实施例，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
S302，基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
S304，将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
S306，基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
S308，基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
S310，获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
需要说明的是，基于BIM技术构建施工对象三维模型，并与目标工程项目知识点进行关联操作，使学生能够直观地理解施工对象的结构和特点，通过将知识点数据与模型关联，可以加强理论与实际的结合，提高学习的针对性和效率；通过Java编程技术搭建学习考试平台，并将工程虚拟仿真模型导入所述学习考试平台中，形成虚拟工程学习考试平台，学生能够在虚拟工程学习考试平台中进行理论学习、工程项目模拟搭建、考试等功能，使学生能够在虚拟环境中进行工程项目实践，大大提高了学生的学习效率和学习认知度；所述B/S架构技术即浏览器/服务器架构，是一种网络计算架构模式。
根据本发明实施例，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
需要说明的是，通过分析班级平均学习速度和平均学习进度制定学习小测内容和学习小测周期，确保测试与学生的实际学习进度相匹配。这样可以有效地评估学生的学习效果。
根据本发明实施例，所述基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果，具体为：
S1，初始化DBSCAN算法的邻域半径ε、邻域中最小数据点数目MinPts，将学习小测结果数据集作为DBSCAN算法的数据集，将数据集中的所有数据点标记为未访问数据点；
S2，迭代对未访问数据点进行访问，将访问至的数据点标记为已访问数据点p；
S3，查找数据点p的ε邻域中所有的数据点，若ε邻域中的数据点的数量小于MinPts，则将该数据点p标记为噪声点；
S4，若数据点p的ε邻域中的数据点的数量不小于MinPts，创建一个新的簇，并将数据点p添加至簇中，将数据点p的ε邻域中所有的数据点加入到待搜索队列t中；
S5，对待搜索队列中的每个数据点，迭代对待搜索队列中未访问数据点进行访问，将访问至的数据点标记为已访问数据点q，查找数据点q的ε邻域，若数据点q的ε邻域中的数据点的数量不小于MinPts，将ε邻域中的数据点加入待搜索队列t中；
S6，计算已创建的簇中的数据点的ε邻域数量，将数据点q的ε邻域的数量加入到与已创建的簇中的数据点的ε邻域数量差值在预设范围内且差值最小的簇中；
S7，若数据点q不属于已创建的簇，再次创建一个新簇，将数据点q加入该新簇中；
S8，循环步骤S2至S7，直至数据集中所有数据点被访问，结束循环，得到结束循环，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果。
需要说明的是，通过DBSCAN算法对学习小测结果数据集进行快速聚类分析，提高数据分析的效率，得到班级学生的学习聚类结果，通过所述学习聚类结果可以了解班级学生对知识点的掌握情况，并且能够快速了解班级学生的总体得分情况；DBSCAN算法能够根据学生的测试成绩和错题记录将他们分成不同的组，有助于揭示学生对特定知识点的掌握程度；在DBSCAN算法中，簇是指由密度相连的数据点组成的集合，DBSCAN算法通过对数据点的密度进行划分，将数据点分为核心点、边界点和噪声点，从而形成不同的簇。
根据本发明实施例，所述根据所述学习聚类结果确定考试内容，并基于考试修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容，具体为：
对所述学习聚类结果对班级学生的知识点综合掌握情况进行分析，得到知识点总体掌握程度；
基于知识点总体掌握程度确定班级考试内容，并在虚拟工程学习考试平台中进行集中考试操作，得到每个学生的考试结果；
基于每个考生的考试结果对每个学生的学习成效进行分析，并基于所述学习成效调整每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
需要说明的是，通过分析学生群体在不同知识点上的综合掌握情况，能够全面地评估学生的学习效果和学习状态，有助于识别学生在学习上的有效性和学习中的共性问题；根据知识点的总体掌握程度来确定考试内容，可以确保考试更加针对性，聚焦于学生群体普遍欠缺的领域，这样的定制化考试设计有利于强化学生在薄弱环节上的学习，提高整体的学习效果；基于考试结果调整每个学生的学习路径和内容，实现真正的个性化学习，有助于确保每个学生都能在自己的学习节奏和兴趣点上获得最大的学习效益，同时也减少了学习资源的浪费。
根据本发明实施例，还包括：
获取学生在虚拟工程学习考试平台中学习的实时视频数据；
获取大量学生在学习过程中的历史图像数据，对所述历史图像数据对学生的学习状态进行标注，得到学习状态标注数据；
基于卷积神经网络对所述学习状态标注数据进行分类，得到分类标注数据，并通过深度学习模型对所述分类标注数据进行迁移学习，得到具有学生学习状态识别能力的深度学习模型；
提取所述实时视频数据的视频帧图像，将所述视频帧图像导入深度学习模型中，实时对学生的学习状态进行识别，得到学习状态数据；
基于学习状态数据形成状态提示信息，得到不同学习状态下的信息提示方案。
需要说明的是，通过卷积神经网络和深度学习模型对学生在学习过程中的学习状态进行分析，并形成对应的状态提示信息，能够有效的提升学生在虚拟工程学习考试平台中的学习效果，避免因学习状态不佳导致学习效率低下的问题；所述学习状态包括专注度、疲劳程度，例如，在学习状态专注度较低的时候，提示学生提高专注度进行学习，在专注度较高的状态下不进行提示。
图4示出了本发明一种基于虚拟仿真手段的网络学习考试系统的框图。
本发明第二方面还提供了一种基于虚拟仿真手段的网络学习考试系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于虚拟仿真手段的网络学习考试方法程序，所述基于虚拟仿真手段的网络学习考试方法程序被所述处理器执行时，实现如下步骤：
获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
需要说明的是，通过对目标工程项目的知识点进行构建，并基于BIM技术和虚拟仿真技术构建虚拟工程学习考试平台，提供高度可视化的学习平台，增强学生对工程场景的感知，促进实际操作和决策能力的培养；利用DBSCAN算法对学习小测结果数据集进行聚类分析，得到错题聚类结果和得分聚类结果，通过DBSCAN聚类分析准确划分学生错题类型和得分总体情况，提高了对学生总体学习情况的了解，为制定个性化学习路径提供基础；根据学习聚类结果确定考试内容，并通过修改每个学生的初始化学习路径和学习内容，实现对每个学生的学习路径调整，提升学习效果和满足学生的个性化需求；所述目标工程项目包括建筑工程、基础设施项目。
根据本发明实施例，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
需要说明的是，在不同的工程项目施工图纸上，可能存在对同一施工对象但在不同的施工图纸上出现命名不统一的情况，因此对相同施工对象进行统一命名，确保相同施工对象在整个项目中具有一致的命名，提高了数据的一致性和可操作性；将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据进行关联，构建相应的施工项目知识点，实现了从具体施工图纸到工程规范和施工方法的知识点的映射，使得学生能够更深入地了解每个施工对象的相关规范和方法。
根据本发明实施例，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
需要说明的是，基于BIM技术构建施工对象三维模型，并与目标工程项目知识点进行关联操作，使学生能够直观地理解施工对象的结构和特点，通过将知识点数据与模型关联，可以加强理论与实际的结合，提高学习的针对性和效率；通过Java编程技术搭建学习考试平台，并将工程虚拟仿真模型导入所述学习考试平台中，形成虚拟工程学习考试平台，学生能够在虚拟工程学习考试平台中进行理论学习、工程项目模拟搭建、考试等功能，使学生能够在虚拟环境中进行工程项目实践，大大提高了学生的学习效率和学习认知度；所述B/S架构技术即浏览器/服务器架构，是一种网络计算架构模式。
根据本发明实施例，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
需要说明的是，通过分析班级平均学习速度和平均学习进度制定学习小测内容和学习小测周期，确保测试与学生的实际学习进度相匹配。这样可以有效地评估学生的学习效果。
根据本发明实施例，所述基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果，具体为：
S1，初始化DBSCAN算法的邻域半径ε、邻域中最小数据点数目MinPts，将学习小测结果数据集作为DBSCAN算法的数据集，将数据集中的所有数据点标记为未访问数据点；
S2，迭代对未访问数据点进行访问，将访问至的数据点标记为已访问数据点p；
S3，查找数据点p的ε邻域中所有的数据点，若ε邻域中的数据点的数量小于MinPts，则将该数据点p标记为噪声点；
S4，若数据点p的ε邻域中的数据点的数量不小于MinPts，创建一个新的簇，并将数据点p添加至簇中，将数据点p的ε邻域中所有的数据点加入到待搜索队列t中；
S5，对待搜索队列中的每个数据点，迭代对待搜索队列中未访问数据点进行访问，将访问至的数据点标记为已访问数据点q，查找数据点q的ε邻域，若数据点q的ε邻域中的数据点的数量不小于MinPts，将ε邻域中的数据点加入待搜索队列t中；
S6，计算已创建的簇中的数据点的ε邻域数量，将数据点q的ε邻域的数量加入到与已创建的簇中的数据点的ε邻域数量差值在预设范围内且差值最小的簇中；
S7，若数据点q不属于已创建的簇，再次创建一个新簇，将数据点q加入该新簇中；
S8，循环步骤S2至S7，直至数据集中所有数据点被访问，结束循环，得到结束循环，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果。
需要说明的是，通过DBSCAN算法对学习小测结果数据集进行快速聚类分析，提高数据分析的效率，得到班级学生的学习聚类结果，通过所述学习聚类结果可以了解班级学生对知识点的掌握情况，并且能够快速了解班级学生的总体得分情况；DBSCAN算法能够根据学生的测试成绩和错题记录将他们分成不同的组，有助于揭示学生对特定知识点的掌握程度；在DBSCAN算法中，簇是指由密度相连的数据点组成的集合，DBSCAN算法通过对数据点的密度进行划分，将数据点分为核心点、边界点和噪声点，从而形成不同的簇。
根据本发明实施例，所述根据所述学习聚类结果确定考试内容，并基于考试修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容，具体为：
对所述学习聚类结果对班级学生的知识点综合掌握情况进行分析，得到知识点总体掌握程度；
基于知识点总体掌握程度确定班级考试内容，并在虚拟工程学习考试平台中进行集中考试操作，得到每个学生的考试结果；
基于每个考生的考试结果对每个学生的学习成效进行分析，并基于所述学习成效调整每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
需要说明的是，通过分析学生群体在不同知识点上的综合掌握情况，能够全面地评估学生的学习效果和学习状态，有助于识别学生在学习上的有效性和学习中的共性问题；根据知识点的总体掌握程度来确定考试内容，可以确保考试更加针对性，聚焦于学生群体普遍欠缺的领域，这样的定制化考试设计有利于强化学生在薄弱环节上的学习，提高整体的学习效果；基于考试结果调整每个学生的学习路径和内容，实现真正的个性化学习，有助于确保每个学生都能在自己的学习节奏和兴趣点上获得最大的学习效益，同时也减少了学习资源的浪费。
根据本发明实施例，还包括：
获取学生在虚拟工程学习考试平台中学习的实时视频数据；
获取大量学生在学习过程中的历史图像数据，对所述历史图像数据对学生的学习状态进行标注，得到学习状态标注数据；
基于卷积神经网络对所述学习状态标注数据进行分类，得到分类标注数据，并通过深度学习模型对所述分类标注数据进行迁移学习，得到具有学生学习状态识别能力的深度学习模型；
提取所述实时视频数据的视频帧图像，将所述视频帧图像导入深度学习模型中，实时对学生的学习状态进行识别，得到学习状态数据；
基于学习状态数据形成状态提示信息，得到不同学习状态下的信息提示方案。
需要说明的是，通过卷积神经网络和深度学习模型对学生在学习过程中的学习状态进行分析，并形成对应的状态提示信息，能够有效的提升学生在虚拟工程学习考试平台中的学习效果，避免因学习状态不佳导致学习效率低下的问题；所述学习状态包括专注度、疲劳程度，例如，在学习状态专注度较低的时候，提示学生提高专注度进行学习，在专注度较高的状态下不进行提示。
本发明公开了一种基于虚拟仿真手段的网络学习考试方法及系统，通过获取目标工程知识点数据，并构建虚拟工程学习考试平台中，通过监测学生在虚拟工程学习考试平台中的学习记录，确定学习小测周期，进而获取学习小测结果数据集，通过采用DBSCAN算法对学习小测结果数据集进行聚类分析，从而得到学习聚类结果。根据学习聚类结果，确定考试内容，并基于考试结果形成个性化学习路径和学习内容。这种基于虚拟仿真手段的网络学习考试方法及系统能够更精准地满足学生的学习需求，提高学习效果，为工程领域的网络学习提供了一种创新的解决方案。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的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。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于虚拟仿真手段的网络学习考试方法，其特征在于，包括以下步骤：
获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
2.根据权利要求1所述的一种基于虚拟仿真手段的网络学习考试方法，其特征在于，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
3.根据权利要求2所述的一种基于虚拟仿真手段的网络学习考试方法，其特征在于，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
4.根据权利要求1所述的一种基于虚拟仿真手段的网络学习考试方法，其特征在于，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
5.根据权利要求1所述的一种基于虚拟仿真手段的网络学习考试方法，其特征在于，所述基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果，具体为：
S1，初始化DBSCAN算法的邻域半径ε、邻域中最小数据点数目MinPts，将学习小测结果数据集作为DBSCAN算法的数据集，将数据集中的所有数据点标记为未访问数据点；
S2，迭代对未访问数据点进行访问，将访问至的数据点标记为已访问数据点p；
S3，查找数据点p的ε邻域中所有的数据点，若ε邻域中的数据点的数量小于MinPts，则将该数据点p标记为噪声点；
S4，若数据点p的ε邻域中的数据点的数量不小于MinPts，创建一个新的簇，并将数据点p添加至簇中，将数据点p的ε邻域中所有的数据点加入到待搜索队列t中；
S5，对待搜索队列中的每个数据点，迭代对待搜索队列中未访问数据点进行访问，将访问至的数据点标记为已访问数据点q，查找数据点q的ε邻域，若数据点q的ε邻域中的数据点的数量不小于MinPts，将ε邻域中的数据点加入待搜索队列t中；
S6，计算已创建的簇中的数据点的ε邻域数量，将数据点q的ε邻域的数量加入到与已创建的簇中的数据点的ε邻域数量差值在预设范围内且差值最小的簇中；
S7，若数据点q不属于已创建的簇，再次创建一个新簇，将数据点q加入该新簇中；
S8，循环步骤S2至S7，直至数据集中所有数据点被访问，结束循环，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果。
6.根据权利要求1所述的一种基于虚拟仿真手段的网络学习考试方法，其特征在于，所述根据所述学习聚类结果确定考试内容，并基于考试修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容，具体为：
对所述学习聚类结果对班级学生的知识点综合掌握情况进行分析，得到知识点总体掌握程度；
基于知识点总体掌握程度确定班级考试内容，并在虚拟工程学习考试平台中进行集中考试操作，得到每个学生的考试结果；
基于每个考生的考试结果对每个学生的学习成效进行分析，并基于所述学习成效调整每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
7.一种基于虚拟仿真手段的网络学习考试系统，其特征在于，所述基于虚拟仿真手段的网络学习考试系统包括储存器以及处理器，所述储存器包括基于虚拟仿真手段的网络学习考试方法程序，所述基于虚拟仿真手段的网络学习考试方法程序被所述处理器执行时，实现如下步骤：
获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据；
基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容；
获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录；
基于DBSCAN算法对学习小测结果数据集进行聚类分析，得到学习聚类结果，所述学习聚类结果包括错题聚类结果和得分聚类结果；
根据所述学习聚类结果确定考试内容，并基于考试结果修改每个学生的初始化学习路径和学习内容，得到个性化学习路径和学习内容。
8.根据权利要求7所述的一种基于虚拟仿真手段的网络学习考试系统，其特征在于，所述获取目标工程项目的项目施工图纸数据、工程规范数据、施工方法数据，根据项目施工图纸数据对目标工程项目的知识点进行构建，得到目标工程知识点数据，具体为：
获取目标工程项目的项目施工图纸数据，所述项目施工图纸数据包括工程平面图、结构图、设备布置图；
基于目标工程项目的理论数据获取目标工程的工程规范数据、施工方法数据；
对所述项目施工图纸数据中每个图纸的施工项目进行施工对象识别，得到每个项目施工图纸的施工对象数据；
根据每个项目施工图纸的施工对象数据对相同施工对象进行识别，并将所述相同施工对象进行统一命名，得到标准化施工图纸数据；
将标准化施工图纸中的每个施工对象与工程规范数据、施工方法数据构建施工项目知识点，并将所述施工项目知识点与每个施工对象进行关联操作，得到目标工程项目知识点数据。
9.根据权利要求7述的一种基于虚拟仿真手段的网络学习考试系统，其特征在于，所述基于BIM技术和虚拟仿真技术对所述目标工程知识点数据进行构建虚拟工程学习考试平台，并在所述虚拟工程学习考试平台中初始化学习路径和学习内容，具体为：
基于BIM技术对每个施工对象进行构建施工对象三维模型，将目标工程项目知识点数据与所述施工对象三维模型进行关联操作；
将关联操作后的施工对象三维模型导入虚拟仿真软件中，并创建学生交互功能，得到工程虚拟仿真模型，所述交互功能包括知识点查看、模型点击与拖拽、模型拼接；
基于Java编程技术搭建学习考试平台，并将所述工程虚拟仿真模型导入所述学习考试平台中，得到虚拟工程学习考试平台；
基于B/S架构技术将所述虚拟工程学习考试平台部署在目标服务器中，并实现网络部署；
获取目标工程项目的理论学习路径和学习内容，将所述理论学习路径和学习内容对虚拟工程学习考试平台中的目标工程项目的学习路径和学习内容进行初始化，得到目标工程项目的初始化学习路径和学习内容。
10.根据权利要求7所述的一种基于虚拟仿真手段的网络学习考试系统，其特征在于，所述获取虚拟工程学习考试平台中学生的学习记录，基于所述学习记录确定学习小测周期，并获取每个学生在每个学习小测周期的学习小测结果数据集，所述学习小测结果数据集包括每个学生的得分、错题记录，具体为：
在虚拟工程学习考试平台中实时记录学生的学习时长、学习内容、工程实验记录，形成学生的学习记录；
根据所述学习记录分析学生的学习进度，根据所述学习进度计算学习速度，根据所述学习速度对班级学生平均学习速度进行计算，得到班级平均学习速度和平均学习进度；
根据所述平均学习进度制定学习小测内容，并根据班级平均速度确定学习小测周期；
根据所述学习小测周期和学习小测内容对学生进行周期性小测，得到每个学生在每个学习小测周期的学习小测数据集，所述学习小测结果数据集包括每个学生的得分、错题记录。
CN202311669496.7A 2023-12-07 2023-12-07 一种基于虚拟仿真手段的网络学习考试方法及系统 Pending CN117634746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311669496.7A CN117634746A (zh) 2023-12-07 2023-12-07 一种基于虚拟仿真手段的网络学习考试方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311669496.7A CN117634746A (zh) 2023-12-07 2023-12-07 一种基于虚拟仿真手段的网络学习考试方法及系统

Publications (1)

Publication Number Publication Date
CN117634746A true CN117634746A (zh) 2024-03-01

Family

ID=90033706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311669496.7A Pending CN117634746A (zh) 2023-12-07 2023-12-07 一种基于虚拟仿真手段的网络学习考试方法及系统

Country Status (1)

Country Link
CN (1) CN117634746A (zh)

Similar Documents

Publication Publication Date Title
Pandey et al. Towards understanding human similarity perception in the analysis of large sets of scatter plots
CN111741330B (zh) 一种视频内容评估方法、装置、存储介质及计算机设备
CN109919252B (zh) 利用少数标注图像生成分类器的方法
Martín-Morató et al. What is the ground truth? reliability of multi-annotator data for audio tagging
CN110889450B (zh) 超参数调优、模型构建方法和装置
CN111428448B (zh) 文本生成方法、装置、计算机设备及可读存储介质
US20230072759A1 (en) Method and apparatus for obtaining virtual image, computer device, computer-readable storage medium, and computer program product
CN116910274B (zh) 基于知识图谱和预测模型的试题生成方法及系统
CN114971425B (zh) 数据库信息监控方法、装置、设备及存储介质
CN117151949A (zh) 一种基于bim技术的航道工程虚拟培训方法及系统
CN111191041A (zh) 特征数据获取方法、数据存储方法、装置、设备及介质
CN117556965A (zh) 基于智慧作业平台的教学课程优化方法、系统及存储介质
CN111192170B (zh) 题目推送方法、装置、设备和计算机可读存储介质
CN111651626B (zh) 图像分类方法、装置及可读存储介质
CN111597361B (zh) 多媒体数据处理方法、装置、存储介质及设备
Moon et al. Rich representations for analyzing learning trajectories: Systematic review on sequential data analytics in game-based learning research
CN113592765A (zh) 图像处理方法、装置、设备及存储介质
CN116701706A (zh) 一种基于人工智能的数据处理方法、装置、设备及介质
CN117634746A (zh) 一种基于虚拟仿真手段的网络学习考试方法及系统
CN111462560A (zh) 一种基于云计算的网络教育方法及平台
Moreno-Ger et al. Machine Learning and Student Activity to Predict Academic Grades in Online Settings in Latam
CN113919983A (zh) 试题画像方法、装置、电子设备和存储介质
CN114399804A (zh) 一种基于3d模拟虚拟实验室教学实现方法、系统、介质及设备
CN114546804A (zh) 信息推送的效应评估方法、装置、电子设备和存储介质
CN114612246A (zh) 对象集合识别方法、装置、计算机设备及存储介质

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