CN117648934B - 基于错误试题的知识点确定方法、装置、设备和介质 - Google Patents
基于错误试题的知识点确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117648934B CN117648934B CN202410121834.1A CN202410121834A CN117648934B CN 117648934 B CN117648934 B CN 117648934B CN 202410121834 A CN202410121834 A CN 202410121834A CN 117648934 B CN117648934 B CN 117648934B
- Authority
- CN
- China
- Prior art keywords
- test
- test question
- questions
- determining
- question
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 668
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及数据处理技术领域,尤其涉及一种基于错误试题的知识点确定方法、装置、设备和介质,方法包括:获取学生的多个错误试题和各自对应的试题答案,并基于所有试题答案,确定若干试题类别,每一试题类别中包括若干关联错误试题;针对每一试题类别,获取所有关联错误试题各自对应的试题关键字和各自对应的试题选项;基于试题选项和试题关键字,确定若干目标错误试题,目标错误试题为由学生失误产生的试题;获取所有非目标错误试题各自对应的知识点,并将所有知识点确定为待提升知识点,非目标错误试题为除目标错误试题外的全部试题。本申请具有提高待提升知识点精准度的效果。
Description
技术领域
本申请涉及教育技术领域,尤其是涉及一种基于错误试题的知识点确定方法、装置、设备和介质。
背景技术
当前随着科学技术的进步和发展,信息技术和网络技术在教育行业有着越来越广泛的应用,与此同时传统的教育课堂也发生了重大的变革。而在此过程中,试题是教育中的重要分支,通过试题可以确定学生对知识点的掌握情况,并可以以此为依据帮助学生日后进行相关知识点的巩固,可见,在确定学生知识点掌握情况时,试题显得尤为重要。
相关技术中,会获取学生的所有错误试题,并提取所有错误试题中的若干知识点,并将上述知识点确定为该学生的待提升知识点,即掌握情况较差的知识点,然而,当学生由于非知识点掌握情况差出现错误试题,如:粗心大意或马虎等原因时,可能出现将非目标知识点即学生掌握情况良好的知识点确定为待提升知识点,可见,相关技术中确定待提升知识点的精准度较差。
发明内容
为了提高待提升知识点确定的精准度,本申请提供一种基于错误试题的知识点确定方法、装置、设备和介质。
第一方面,本申请提供一种基于错误试题的知识点确定方法,采用如下的技术方案:
一种基于错误试题的知识点确定方法,包括:
获取学生的多个错误试题和各自对应的试题答案,并基于所有所述试题答案,确定若干试题类别,每一所述试题类别中包括若干关联错误试题;
针对每一所述试题类别,获取所有所述关联错误试题各自对应的试题关键字和各自对应的试题选项;
基于所述试题选项和所述试题关键字,确定若干目标错误试题,所述目标错误试题为由学生失误产生的试题;
获取所有非目标错误试题各自对应的知识点,并将所有所述知识点确定为待提升知识点,所述非目标错误试题为除所述目标错误试题外的全部试题。
本申请在一较佳示例中可以进一步配置为,基于所述试题选项和所述试题关键字,确定若干目标错误试题,包括:
针对每一第一关联错误试题,确定所述试题选项对应的相似属性值,所述相似属性值用于描述所述第一关联错误试题的所述试题选项和第二关联错误试题的相似度,所述第二关联错误试题为除所述第一关联错误试题外的任一关联错误试题;
识别所述试题关键字,得到试题语义,所述试题语义包括:所述第一关联错误试题的第一试题语义和所述第二关联错误试题的第二试题语义;
获取所述试题关键字对应的关键字数量,并基于所述关键字数量和所述试题语义,确定第一相似度值,所述关键字数量表征相同关键字对应的关键字数量;
基于所述第一相似度值和第二相似度值,确定所有所述第一关联错误试题各自对应的若干目标错误试题,所述第二相似度为基于所述相似属性值确定的。
本申请在一较佳示例中可以进一步配置为,所述相似属性值包括:顺序属性值和选项内容属性值,基于所述相似度属性值确定第二相似度值,包括:
基于预设的顺序属性值和子相似度值的对应关系和所述顺序属性值,确定所述顺序属性值对应的第一子相似度值;
基于预设的内容属性值和子相似度值的对应关系和所述选项内容属性值,确定所述选项内容属性值对应的第二子相似度值;
获取与所述顺序属性值对应的第一权重值和与所述选项内容属性值对应的第二权重值;
基于所述第一子相似度值、所述第一权重值、所述第二子相似度值和所述第二权重值,确定所述第二相似度值。
本申请在一较佳示例中可以进一步配置为,确定选项内容属性值的过程,包括:
基于与所述第一关联错误试题对应的所述试题答案确定关联试题答案,关联试题答案为与所述试题答案相似的试题答案;
将所述关联试题答案和所述第二关联错误试题的选项内容进行匹配,确定第一数量,所述第一数量为选项内容与关联试题答案相同的数量;
根据预设的第一数量和选项内容属性值的对应关系和第一数量,确定第一选项内容属性值;
获取相同选项内容对应的第二数量,并根据预设的第二数量和选项内容属性值的对应关系和所述第二数量,确定第二选项内容属性值;
基于所述第一选项内容属性值和所述第二选项内容属性值,确定所述选项内容属性值。
本申请在一较佳示例中可以进一步配置为,将所有所述知识点确定为待提升知识点之后,还包括:
获取所述知识点对应的第一试题数量和第一分数值,所述第一分数值为所述知识点对应的科目的分数;
基于预设的试题数量和推荐优先级的对应关系和所述第一试题数量,确定所有所述知识点各自对应的第一推荐优先级;
基于预设的分数值和推荐优先级的对应关系和所述第一分数值,确定所有所述知识点各自对应的第二推荐优先级;
基于所述第一推荐优先级、所述第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,所述目标待推荐试题用于进行推荐。
本申请在一较佳示例中可以进一步配置为,基于所述第一推荐优先级、所述第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,包括:
根据所述第一推荐优先级和所述第二推荐优先级确定平均推荐优先级;
针对每一所述知识点,获取所述知识点的第二分数值;
基于所述第二分数值,确定所述第二分数值对应的目标试题难度,所述目标试题难度为所述待推荐试题的试题难度;
基于所述试题难度和所有所述预设待推荐试题各自对应的预设试题难度,确定若干目标待推荐试题;
按照所有所述知识点各自对应的所述平均推荐优先级依次推荐所有所述目标待推荐试题。
本申请在一较佳示例中可以进一步配置为,基于所述试题难度和所有所述预设待推荐试题各自对应的试题难度,确定若干目标待推荐试题之后,还包括:
获取历史试题,所述历史试题为已完成练习的试题;
将所述历史试题与所有所述目标待推荐试题进行匹配,确定未练习目标待推荐试题;
相应的,所述按照所有所述知识点各自对应的所述平均推荐优先级依次推荐所有所述目标待推荐试题,包括:
按照所有所述知识点各自对应的所述平均推荐优先级依次为推荐所有所述未练习目标待推荐试题。
第二方面,本申请提供一种基于错误试题的知识点确定装置,采用如下的技术方案:
一种基于错误试题的知识点确定装置,包括:
试题类别确定模块,用于获取学生的多个错误试题和各自对应的试题答案,并基于所有所述试题答案,确定若干试题类别,每一所述试题类别中包括若干关联错误试题;
获取模块,用于针对每一所述试题类别,获取所有所述关联错误试题各自对应的试题关键字和各自对应的试题选项;
目标错误试题确定模块,用于基于所述试题选项和所述试题关键字,确定若干目标错误试题,所述目标错误试题为由学生失误产生的试题;
待提升知识点确定模块,用于获取所有非目标错误试题各自对应的知识点,并将所有所述知识点确定为待提升知识点,所述非目标错误试题为除所述目标错误试题外的全部试题。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行如第一方面任一项所述的基于错误试题的知识点确定方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行如第一方面任一项所述的基于错误试题的知识点确定方法。
综上所述,本申请包括以下有益技术效果:
获取多个错误试题和各自对应的试题答案,再根据试题答案确定试题类别,针对相同试题类别进行判断,减少不同试题类别对应的试题的干扰,以从试题类别维度初步实现了知识点确定精准度的提升;再获取关联错误试题的试题关键字和试题选项,当不同试题的试题关键字大量相同时,学生被迷惑程度大大增加,由于失误发生错选的概率增加;当同一试题的试题选项的顺序发生变化时,学生由于失误发生错选的概率也随之增加,因而根据试题选项和试题关键字确定目标错误试题,以有效提高了目标错误试题的精准度;根据准确的目标错误试题可以确定准确的非目标错误试题,并将非目标错误试题的知识点确定为待提升知识点,以有效提高了待提升知识点的精准度;相较于相关技术中直接将所有错误试题对应的知识点确定为待提升知识点,本申请从试题关键字维度和试题选项维度可以确定准确的由于失误产生的错误试题,达到了将非失误产生的错误试题对应的知识点确定为待提升知识点的目的,解决了相关技术中确定待提升知识点精准度差的技术问题。
附图说明
图1为本申请实施例提供的一种交互场景示意图。
图2为本申请实施例提供的一种基于错误试题的知识点确定方法的流程示意图。
图3为本申请实施例提供的一种基于错误试题的知识点确定装置的结构示意图。
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图4对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
如图1所示,为本申请实施例提供的一种交互场景示意图,用户侧设备向电子设备发送试题推荐请求,电子设备接收到请求后从错误试题库中获取与学生对应的多个错误试题和试题答案,并对错误试题的试题选项和试题关键字进行分析,最终得到学生的待提升知识点,并根据待提升知识点确定对应的待推荐试题,以为学生进行推荐。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种基于错误试题的知识点确定方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图2所示,该方法包括步骤S101、步骤S102、步骤S103以及步骤S104,其中:
步骤S101:获取学生的多个错误试题和各自对应的试题答案,并基于所有试题答案,确定若干试题类别,每一试题类别中包括若干关联错误试题。
具体地,可以从错误试题记录库中获取错误试题和对应的试题答案,在本申请实施例中,试题答案包括:学生的试题答案和标准试题答案,其中,标准试题答案中有详细的解答过程和涉及到的知识点。可以根据试题答案和试题类别的对应关系确定试题类别,上述试题答案和试题类别的对应关系为技术人员设定并输入至电子设备中的。试题类别可以为:函数试题、概率与统计试题或数列试题等本申请实施例不进行限定。同一试题类别中的所有错误试题均为关联错误试题。
步骤S102:针对每一试题类别,获取所有关联错误试题各自对应的试题关键字和各自对应的试题选项。
具体地,可以通过多个预设关键字和每一关联错误试题的试题题目一一进行匹配,以确定关联错误试题的试题题目中的试题关键字,不同试题类别对应的多个预设关键字不同,且每一试题类别对应的多个预设关键字均为技术人员根据工作经验设定的。如,试题类别为函数试题,则对应的预设关键字可以为相切、相交、垂直、夹角、圆、圆心坐标、sin、cos或tan等,试题题目为“过点(0,2)与圆相切的两条直线的夹角为/>,则/>”,通过匹配预设关键字可以得到上述题目中的试题关键字。可以从试题信息库中获取试题选项,试题信息库中包括多个试题和各自对应的试题选项。
步骤S103:基于试题选项和试题关键字,确定目标错误试题,目标错误试题为由学生失误产生的试题。
具体地,根据试题选项和试题关键字确定目标错误试题的过程可参照下述实施例。可以理解的是,当某一试题的试题关键字与学生已经练习过的试题的试题关键字部分相同时,基于跳跃阅读习惯的影响,会对学生产生迷惑,进而可能导致学生在未思考或短时思考的情况下直接进行选择,而当某一试题与学生已经练习过的试题完全相同但正确试题选项对应的顺序发生变化时,也可能导致短时思考的情况下直接进行选择,并产生错误试题,即学生对该试题对应的知识点掌握情况良好,但由于失误选择了错误的答案的试题,则确定为目标错误试题。
步骤S104:获取所有非目标错误试题各自对应的知识点,并将所有知识点确定为待提升知识点,非目标错误试题为除目标错误试题外的全部试题。
具体地,从试题信息库中获取非目标错误试题的知识点;基于所有非目标错误试题对应的知识点生成知识点集合,知识点集合的知识点表征学生掌握情况差的知识点。知识点可以为:函数的单调性、奇偶性或充分必要条件知识点等本申请实施例不再限定。
在本申请实施例中,获取多个错误试题和各自对应的试题答案,再根据试题答案确定试题类别,针对相同试题类别进行判断,减少不同试题类别对应的试题的干扰,以从试题类别维度初步实现了知识点确定精准度的提升;再获取关联错误试题的试题关键字和试题选项,当不同试题的试题关键字大量相同时,学生被迷惑程度大大增加,由于失误发生错选的概率增加;当同一试题的试题选项的顺序发生变化时,学生由于失误发生错选的概率也随之增加,因而根据试题选项和试题关键字确定目标错误试题,以有效提高了目标错误试题的精准度;根据准确的目标错误试题可以确定准确的非目标错误试题,并将非目标错误试题的知识点确定为待提升知识点,以有效提高了待提升知识点的精准度;相较于相关技术中直接将所有错误试题对应的知识点确定为待提升知识点,本申请从试题关键字维度和试题选项维度可以确定准确的由于失误产生的错误试题,达到了将非失误产生的错误试题对应的知识点确定为待提升知识点的目的,解决了相关技术中确定待提升知识点精准度差的技术问题。
本申请实施例的一种可能的实现方式,步骤S103基于试题选项和试题关键字,确定若干目标错误试题,包括:
针对每一第一关联错误试题,确定与试题选项对应的相似属性值,相似属性值用于描述第一关联错误试题的试题选项和第二关联错误试题的相似度,第二关联错误试题为除第一关联错误试题外的任一关联错误试题;
识别试题关键字,得到试题语义,试题语义包括:第一关联错误试题的第一试题语义和第二关联错误试题的第二试题语义;
获取试题关键字对应的关键字数量,并根据关键字数量和试题语义,确定第一相似度值,关键字数量表征相同关键字对应的关键字数量;
基于第一相似度值和第二相似度值,确定所有第一关联错误试题各自对应的若干目标错误试题。
具体地,确定与试题选项对应的相似属性值的过程可参照下述实施例。可以通过预设的语义识别模型进行识别。在本申请实施例中,试题语义表征求解得到结果,如:数学试题:若,求x的值;则对应的试题语义为根据方程式求解x,进而可以得到第一试题语义和第二试题语义。通过数字统计得到关键字数量;根据关键字数量和试题语义确定第一相似度值的具体过程可参照下述实施例。可以理解的是,当第一关联错误试题和第二关联错误试题中的相同关键字的关键字数量越高时,表征上述错误试题的相似度越高,同时,当第一关联错误试题和第二关联错误试题的试题语义相似度越高时,表明上述错误试题的相似度越高;而学生在解答有着较高相似度的试题时,因为肌肉记忆或跳跃阅读的阅读习惯等因素的影响会忽略细节因素,并产生失误,选择错误的选项内容。因而从试题关键字和试题语义确定第一相似度值,以有效提高了第一相似度值的精准度。根据第一相似度值和第二相似度值计算得到平均相似度值,即第一关联错误试题与每一第二关联错误试题的平均相似度值,再比较平均相似度值和预设平均相似度阈值,并将平均相似度值大于预设平均相似度阈值对应的第二关联错误试题确定为第一关联错误试题的目标错误试题。预设平均相似度阈值为技术人员根据工作经验设定的。
在本申请实施例中,针对每一关联错误试题,确定与试题选项对应的相似度值;并识别试题关键字得到试题语义,以及,获取关键字数量,当相同关键字数量越多,以及,试题语义相似度越高时,表明第一关联错误试题和第二关联错误试题之间的相似度越高,因而根据关键字数量和试题语义确定第一相似度值,以有效提高了第一相似度值的精准度;再根据第一相似度值和第二相似度值,即从试题选项维度和试题关键字内容实现了目标错误试题精准度的提升。
本申请实施例的一种可能的实现方式,相似属性值包括:顺序属性值和选项内容属性值,步骤S103基于相似度属性值确定第二相似度值,包括:
基于预设的顺序属性值和子相似度值的对应关系和顺序属性值,确定顺序属性值对应的第一子相似度值;
基于预设的内容属性值和子相似度值的对应关系和选项内容属性值,确定选项内容属性值对应的第二子相似度值;
获取与顺序属性值对应的第一权重值和与选项内容属性值对应的第二权重值;
基于第一子相似度值、第一权重值、第二子相似度值和第二权重值,确定第二相似度值。
具体地,预设的顺序属性值和子相似度值的对应关系,以及,预设的内容属性值和子相似度值的对应关系均为技术人员根据工作经验设定的,进而可以确定准确的第一子相似度值和第二子相似度值;顺序属性值为技术人员根据工作经验设定的,选项内容属性值为根据多个历史数据确定的,确定选项内容属性值的过程可参照下述实施例。当第一关联错误试题和第二关联错误试题的试题选项的顺序相似度越高时,对应的顺序属性值越高;当第一关联错误试题和第二关联错误试题的试题选项的选项内容的相似度越高时,对应的内容属性值越高。第一权重值和第二权重值为技术人员根据工作设定的。可以理解的是,第一权重值表征顺序属性值对得到准确的第二相似度值的影响程度;第二权重值表征选项内容属性值对得到准确的第二相似度值的影响程度。可以根据计算公式确定第二相似度值,计算公式为:第二相似度值=,其中,/>表征第一子相似度值,/>表征第二子相似度值,/>表征第一权重值,/>表征第二权重值。
在本申请实施例中,根据预设的顺序属性值和子相似度值的对应关系确定第一子相似度值,以及,根据预设的内容属性值和子相似度值的对应关系确定第二相似度值;再获取与顺序属性值对应的第一权重值和与选项内容属性值对应的第二权重值,不同的属性值对得到准确的第二相似度值的影响不同,因而结合第一权重值、第二权重值、第一子相似度值和第二子相似度值,通过有针对性、侧重点的计算,以有效提高了第二相似度值的精准度。
本申请实施例的一种可能的实现方式,步骤S103确定选项内容属性值,包括:
基于与第一关联错误试题对应的试题答案确定关联试题答案;
将关联试题答案和第二关联错误试题的选项内容进行匹配,确定第一数量,第一数量为选项内容与关联试题答案相同的数量;
根据预设的第一数量和选项内容属性值的对应关系和第一数量,确定第一选项内容属性值;
获取相同选项内容对应的第二数量,并根据预设的第二数量和选项内容属性值的对应关系和第二数量,确定第二选项内容属性值;
根据第一选项内容属性值和第二选项内容属性值,确定选项内容属性值。
具体地,可以从预设关联信息数据库中确定关联试题答案,在本申请实施例中,关联试题答案为与试题答案相似的试题答案,如,当试题答案为细胞核时,则对应的关联试题答案可以为细胞质、细胞或细胞膜,当试题答案为时,对应的关联试题答案可以为或/>等。可以使用文字匹配算法进行匹配,以确定第二关联错误试题的选项内容中关联试题答案的第二数量。预设的第一数量和选项内容属性值的对应关系为技术人员根据工作经验设定的。相同选项内容表征第二关联错误试题的选项内容和第一关联错误试题的选项内容相同的选项内容,可以通过文字匹配算法确定第二数量,且第二数量和选项内容属性值的对应关系为技术人员根据工作经验设定的。计算第一选项内容属性值和第二选项内容属性值的属性值之和,并作为选项内容属性值。
在本申请实施例中,关联试题答案与试题答案的相似度越高,对学生产生的迷惑性越大,确定关联试题答案以及与第二关联错误试题对应的第一数量,以便从相似答案维度确定选项内容属性值,因而根据对应关系和第一数量可以确定准确的第一选项内容属性值;再获取相同选项内容,当选项内容相同,题目相似时,对学生同样有着较大的迷惑性,因而从相同试题答案维度出发,并根据对应关系和第二数量可以确定更准确的第二选项内容属性值;再根据准确的第一选项内容属性值和第二选项内容属性值确定选项内容属性值,以有效提高了选项内容属性值的精准度。
本申请实施例的一种可能的实现方式,步骤S104,将所有知识点确定为待提升知识点之后,还包括:
获取知识点对应的第一试题数量和第一分数值,第一分数值为知识点知识点对应的科目的分数;
基于预设的试题数量和推荐优先级的对应关系和第一试题数量,确定所有知识点各自对应的第一推荐优先级;
基于预设的分数值和推荐优先级的对应关系和第一分数值,确定所有知识点各自对应的第二推荐优先级;
基于第一推荐优先级、第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,目标待推荐试题用于向学生进行推荐。
具体地,第一试题数量表征由于学生知识点掌握情况差而出现错误的试题对应的数量。第一分数值表征试卷的平均得分;第一试题数量和第一分数值均可以从预设的知识点信息库中获取。第一分数值为基于多个历史数据确定的,确定过程包括:获取多个历史试卷,针对每一历史试卷,确定历史试卷对应的得分,并获取所有历史试卷的得分总和,获取上述历史试卷的数量,并根据数量和得分总和得到平均得分,将平均得分确定为第一分数值。预设的试题数量和推荐优先级的对应关系,以及,预设的分数值和推荐优先级的对应关系均为技术人员根据工作经验设定并预先输入至电子设备中的,本申请实施例不对上述对应关系的确定过程进行限定,进而可以得到第一推荐优先级和第二推荐优先级。可以理解的是,在上述对应关系中,随着第一试题数量的增加,第一推荐优先级也随之升高;当第一分数值越高时,表明该学生对知识点的掌握情况有所提升,且该学生的学习能力较强,因而对应的第二推荐优先级随之下降。根据第一推荐优先级、第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题的具体过程可参照下述实施例。多个预设待推荐试题为预设试题推荐库中的试题,上述预设试题推荐库为技术人员根据工作经验设定的。
在本申请实施例中,获取第一试题数量和分数值,并根据对应关系和第一试题数量确定第一推荐优先级,当学生由于知识点掌握情况差而产生的错误试题数量越多时,表征该学生对该知识点的掌握情况糟糕,应重点进行练习,因而根据第一试题数量确定第一推荐优先级以有效提高了第一推荐优先级确定的精准度;当第一分数值越高时,表明学生对该知识点的掌握情况逐渐变好,可以适当减少对该知识点对应的推荐数量,因而根据第一分数值确定第二推荐优先级以有效提高了第二推荐优先级确定的精准度;再根据第一推荐优先级、第二推荐优先级和多个预设待推荐试题确定目标待推荐试题。
本申请实施例的一种可能的实现方式,基于第一推荐优先级、第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,包括:
根据第一推荐优先级和第二推荐优先级确定平均推荐优先级;
针对每一知识点,获取知识点对应的第二分数值;
基于第二分数值,确定第二分数值对应的目标试题难度,目标试题难度为待推荐试题的试题难度;
基于试题难度和所有预设待推荐试题各自对应的试题难度,确定若干目标待推荐试题;
按照所有知识点各自对应的平均推荐优先级依次推荐所有目标待推荐试题。
具体地,可以根据对应关系将第一推荐优先级转换为对应的第一推荐分数,并将第二推荐优先级按照上述方式转换为对应的第二推荐分数,计算第一推荐分数和第二推荐分数的平均推荐分数,再根据上述对应关系确定与平均推荐分数对应的平均推荐优先级;上述对应关系为推荐优先级和推荐分数的对应关系,推荐优先级包括第一推荐优先级和第二推荐优先级。第二分数值表征该学生在做与知识点对应的所有试题对应的平均得分,第二分数值的确定过程包括:从历史试题库中获取所有与知识点对应的试题数量和与试题对应的得分,计算得分总和,并根据得分总和和试题数量确定平均得分,再将平均得分确定为第二分数值;可以理解的是,平均得分值可以更准确的反映分数的整体变化趋势,因而将平均得分确定为第二分数值可以有效提高第二分数值确定的精准度。可以根据第二分数值和试题难度的对应关系确定试题难度,随着第二分数值的增加,试题难度随之升高;可以理解的是,当第二分数值升高时,表明该学生并非由于基础性知识产生错误,此时为学生推荐难度较低的试题无法起到分数提升的作用,因而需要练习有着较高难度的试题。第二分数值和试题难度的对应关系为技术人员根据工作经验设定的。预设待推荐试题各自对应的试题难度为技术人员设定的;获取预设待推荐试题各自对应的第二知识点,并通过文字匹配算法确定初始预设待推荐试题,初始预设待推荐试题的第二知识点与知识点相同,再将所有初始预设待推荐试题各自对应的试题难度和试题难度进行匹配,以确定试题难度相同的目标待推荐试题。将所有目标待推荐试题按照平均优先级降序的顺序排列,并进行推荐。其中,在为学生进行推荐时,可以获取学生的试题练习时长,并根据练习时长和试题数量的对应关系,确定与该练习时长对应的目标试题数量;可以理解的是,通过为学生推荐与练习时长对应数量的目标待推荐试题,相较于为学生随机推荐,可以帮助学生养成良好的复习习惯和复习思路,循序渐进,有利于学生学习成绩的提高。
在本申请实施例中,平均值可以更准确的反映目标待推荐试题对应的推荐程度,因而根据第一推荐优先级和第二推荐优先级确定平均推荐优先级;获取第二分数值,并根据第二分数值确定目标试题难度;根据试题难度和预设待推荐试题的试题难度确定目标待推荐试题,以便为学生推荐合适试题难度的试题,当为学生推荐过于简单或过于复杂的试题时,仍然无法帮助学生掌握对应的知识点,因而确定试题难度,并根据试题难度和平均推荐优先级为学生进行推荐,以有效提高了推荐的精准度,同时还有利于帮助学生通过练习推荐试题实现知识点的巩固。
本申请实施例的一种可能的实现方式,基于试题难度和所有预设待推荐试题各自对应的试题难度,确定目标待推荐试题之后,还包括:
获取与学生对应的历史试题,历史试题为已完成练习的试题;
将历史试题与所有目标待推荐试题进行匹配,确定未练习目标待推荐试题;
相应的,按照所有知识点各自对应的平均推荐优先级依次推荐所有目标待推荐试题,包括:
按照所有知识点各自对应的平均推荐优先级依次推荐所有未练习目标待推荐试题。
具体地,可以从历史试题库中获取学生已完成练习的试题。可以使用文字匹配算法实现已练习目标待推荐试题的确定,再从所有目标待推荐试题中去除掉所有已练习目标待推荐试题,并将剩余目标待推荐试题确定为未练习目标待推荐试题,未练习目标待推荐试题表征学生未练习过的试题。在本申请实施例中未练习目标待推荐试题可以为一个也可以为多个。针对每一未练习目标待推荐试题标注对应的平均推荐优先级,并依次为学生进行推荐。可以理解的是,通过筛选出学生未练习的目标待推荐试题,可以有效提高试题的推荐效率,降低学生重复试题的练习率。
在本申请实施例中,获取学生的历史试题,并将历史试题和目标待推荐试题进行匹配以确定学生未练习过的试题,以便在推荐练习试题时为学生推荐未练习过的试题,通过减少重复试题的推荐,以有效提高了目标待推荐试题的推荐效率。
上述实施例从方法流程的角度介绍一种基于错误试题的知识点确定方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种基于错误试题的知识点确定装置,具体详见下述实施例。
本申请实施例提供一种基于错误试题的知识点确定装置,如图3所示,该基于错误试题的知识点确定装置具体可以包括:
试题类别确定模块201,用于获取学生的多个错误试题和各自对应的试题答案,并基于所有试题答案,确定若干试题类别,每一试题类别中包括若干关联错误试题;
获取模块202,用于针对每一试题类别,获取所有关联错误试题各自对应的试题关键字和各自对应的试题选项;
目标错误试题确定模块203,用于基于试题选项和试题关键字,确定若干目标错误试题,目标错误试题为由学生失误产生的试题;
待提升知识点确定模块204,用于获取所有非目标错误试题各自对应的知识点,并将所有知识点确定为待提升知识点,非目标错误试题为除目标错误试题外的全部试题。
本申请实施例的一种可能的实现方式,目标错误试题确定模块203在执行基于试题选项和试题关键字,确定若干目标错误试题时,具体用于:
针对每一第一关联错误试题,确定试题选项对应的相似属性值,相似属性值用于描述第一关联错误试题的试题选项和第二关联错误试题的相似度,第二关联错误试题为除第一关联错误试题外的任一关联错误试题;
识别试题关键字,得到试题语义,试题语义包括:第一关联错误试题的第一试题语义和第二关联错误试题的第二试题语义;
获取试题关键字对应的关键字数量,并基于关键字数量和试题语义,确定第一相似度值,关键字数量表征相同关键字对应的关键字数量;
基于第一相似度值和第二相似度值,确定所有第一关联错误试题各自对应的若干目标错误试题,第二相似度为基于相似属性值确定的。
本申请实施例的一种可能的实现方式,相似属性值包括:顺序属性值和选项内容属性值,目标错误试题确定模块203在执行基于相似度属性值确定第二相似度值时,具体用于:
基于预设的顺序属性值和子相似度值的对应关系和顺序属性值,确定顺序属性值对应的第一子相似度值;
基于预设的内容属性值和子相似度值的对应关系和选项内容属性值,确定选项内容属性值对应的第二子相似度值;
获取与顺序属性值对应的第一权重值和与选项内容属性值对应的第二权重值;
基于第一子相似度值、第一权重值、第二子相似度值和第二权重值,确定第二相似度值。
本申请实施例的一种可能的实现方式,目标错误试题确定模块203在执行确定选项内容属性值的过程时,具体用于:
基于与第一关联错误试题对应的试题答案确定关联试题答案,关联试题答案为与试题答案相似的试题答案;
将关联试题答案和第二关联错误试题的选项内容进行匹配,确定第一数量,第一数量为选项内容与关联试题答案相同的数量;
根据预设的第一数量和选项内容属性值的对应关系和第一数量,确定第一选项内容属性值;
获取相同选项内容对应的第二数量,并根据预设的第二数量和选项内容属性值的对应关系和第二数量,确定第二选项内容属性值;
基于第一选项内容属性值和第二选项内容属性值,确定选项内容属性值。
本申请实施例的一种可能的实现方式,基于错误试题的知识点确定装置,还包括:
目标待推荐试题确定模块,用于:
获取知识点对应的第一试题数量和第一分数值,第一分数值为知识点对应的科目的分数;
基于预设的试题数量和推荐优先级的对应关系和第一试题数量,确定所有知识点各自对应的第一推荐优先级;
基于预设的分数值和推荐优先级的对应关系和第一分数值,确定所有知识点各自对应的第二推荐优先级;
基于第一推荐优先级、第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,目标待推荐试题用于进行推荐。
本申请实施例的一种可能的实现方式,目标待推荐试题确定模块在执行基于第一推荐优先级、第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题时,具体用于:
根据第一推荐优先级和第二推荐优先级确定平均推荐优先级;
针对每一知识点,获取知识点的第二分数值;
基于第二分数值,确定第二分数值对应的目标试题难度,目标试题难度为待推荐试题的试题难度;
基于试题难度和所有预设待推荐试题各自对应的预设试题难度,确定若干目标待推荐试题;
按照所有知识点各自对应的平均推荐优先级依次推荐所有目标待推荐试题。
本申请实施例的一种可能的实现方式,基于错误试题的知识点确定装置,还包括:
未练习目标待推荐试题确定模块,用于:
获取历史试题,历史试题为已完成练习的试题;
将历史试题与所有目标待推荐试题进行匹配,确定未练习目标待推荐试题;
相应的,目标待推荐试题确定模块在执行按照所有知识点各自对应的平均推荐优先级依次推荐所有目标待推荐试题时,用于:
按照所有知识点各自对应的平均推荐优先级依次为推荐所有未练习目标待推荐试题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种基于错误试题的知识点确定装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图4所示,图4所示的电子设备包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种基于错误试题的知识点确定方法,其特征在于,包括:
获取学生的多个错误试题和各自对应的试题答案,并基于所有所述试题答案,确定若干试题类别,每一所述试题类别中包括若干关联错误试题;
针对每一所述试题类别,获取所有所述关联错误试题各自对应的试题关键字和各自对应的试题选项;
基于所述试题选项和所述试题关键字,确定若干目标错误试题,所述目标错误试题为由学生失误产生的试题;
获取所有非目标错误试题各自对应的知识点,并将所有所述知识点确定为待提升知识点,所述非目标错误试题为除所述目标错误试题外的全部试题;
基于所述试题选项和所述试题关键字,确定若干目标错误试题,包括:
针对每一第一关联错误试题,确定所述试题选项对应的相似属性值,所述相似属性值用于描述所述第一关联错误试题的所述试题选项和第二关联错误试题的相似度,所述第二关联错误试题为除所述第一关联错误试题外的任一关联错误试题;当第一关联错误试题和第二关联错误试题中的相同关键字的关键字数量越高时,表征上述错误试题的相似度越高,同时,当第一关联错误试题和第二关联错误试题的试题语义相似度越高时,表明上述错误试题的相似度越高;
识别所述试题关键字,得到试题语义,所述试题语义包括:所述第一关联错误试题的第一试题语义和所述第二关联错误试题的第二试题语义;
获取所述试题关键字对应的关键字数量,并基于所述关键字数量和所述试题语义,确定第一相似度值,所述关键字数量表征相同关键字对应的关键字数量;
基于所述第一相似度值和第二相似度值,确定所有所述第一关联错误试题各自对应的若干目标错误试题,所述第二相似度为基于所述相似属性值确定的;
所述相似属性值包括:顺序属性值和选项内容属性值,基于所述相似度属性值确定第二相似度值,包括:
基于预设的顺序属性值和子相似度值的对应关系和所述顺序属性值,确定所述顺序属性值对应的第一子相似度值;
基于预设的内容属性值和子相似度值的对应关系和所述选项内容属性值,确定所述选项内容属性值对应的第二子相似度值;
获取与所述顺序属性值对应的第一权重值和与所述选项内容属性值对应的第二权重值;
基于所述第一子相似度值、所述第一权重值、所述第二子相似度值和所述第二权重值,确定所述第二相似度值。
2.根据权利要求1所述的基于错误试题的知识点确定方法,其特征在于,确定选项内容属性值的过程,包括:
基于与所述第一关联错误试题对应的所述试题答案确定关联试题答案,关联试题答案为与所述试题答案相似的试题答案;
将所述关联试题答案和所述第二关联错误试题的选项内容进行匹配,确定第一数量,所述第一数量为选项内容与关联试题答案相同的数量;
根据预设的第一数量和选项内容属性值的对应关系和第一数量,确定第一选项内容属性值;
获取相同选项内容对应的第二数量,并根据预设的第二数量和选项内容属性值的对应关系和所述第二数量,确定第二选项内容属性值;
基于所述第一选项内容属性值和所述第二选项内容属性值,确定所述选项内容属性值。
3.根据权利要求1所述的基于错误试题的知识点确定方法,其特征在于,将所有所述知识点确定为待提升知识点之后,还包括:
获取所述知识点对应的第一试题数量和第一分数值,所述第一分数值为所述知识点对应的科目的分数;
基于预设的试题数量和推荐优先级的对应关系和所述第一试题数量,确定所有所述知识点各自对应的第一推荐优先级;
基于预设的分数值和推荐优先级的对应关系和所述第一分数值,确定所有所述知识点各自对应的第二推荐优先级;
基于所述第一推荐优先级、所述第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,所述目标待推荐试题用于进行推荐。
4.根据权利要求3所述的基于错误试题的知识点确定方法,其特征在于,基于所述第一推荐优先级、所述第二推荐优先级和多个预设待推荐试题,确定目标待推荐试题,包括:
根据所述第一推荐优先级和所述第二推荐优先级确定平均推荐优先级;
针对每一所述知识点,获取所述知识点的第二分数值;
基于所述第二分数值,确定所述第二分数值对应的目标试题难度,所述目标试题难度为所述待推荐试题的试题难度;
基于所述试题难度和所有所述预设待推荐试题各自对应的试题难度,确定若干目标待推荐试题;
按照所有所述知识点各自对应的所述平均推荐优先级依次推荐所有所述目标待推荐试题。
5.根据权利要求4所述的基于错误试题的知识点确定方法,其特征在于,基于所述试题难度和所有所述预设待推荐试题各自对应的试题难度,确定若干目标待推荐试题之后,还包括:
获取历史试题,所述历史试题为已完成练习的试题;
将所述历史试题与所有所述目标待推荐试题进行匹配,确定未练习目标待推荐试题;
相应的,所述按照所有所述知识点各自对应的所述平均推荐优先级依次推荐所有所述目标待推荐试题,包括:
按照所有所述知识点各自对应的所述平均推荐优先级依次推荐所有所述未练习目标待推荐试题。
6.一种基于错误试题的知识点确定装置,其特征在于,包括:
试题类别确定模块,用于获取学生的多个错误试题和各自对应的试题答案,并基于所有所述试题答案,确定若干试题类别,每一所述试题类别中包括若干关联错误试题;
获取模块,用于针对每一所述试题类别,获取所有所述关联错误试题各自对应的试题关键字和各自对应的试题选项;
目标错误试题确定模块,用于基于所述试题选项和所述试题关键字,确定若干目标错误试题,所述目标错误试题为由学生失误产生的试题;
待提升知识点确定模块,用于获取所有非目标错误试题各自对应的知识点,并将所有所述知识点确定为待提升知识点,所述非目标错误试题为除所述目标错误试题外的全部试题;
所述目标错误试题确定模块在基于所述试题选项和所述试题关键字,确定若干目标错误试题,用于:
针对每一第一关联错误试题,确定所述试题选项对应的相似属性值,所述相似属性值用于描述所述第一关联错误试题的所述试题选项和第二关联错误试题的相似度,所述第二关联错误试题为除所述第一关联错误试题外的任一关联错误试题;当第一关联错误试题和第二关联错误试题中的相同关键字的关键字数量越高时,表征上述错误试题的相似度越高,同时,当第一关联错误试题和第二关联错误试题的试题语义相似度越高时,表明上述错误试题的相似度越高;
识别所述试题关键字,得到试题语义,所述试题语义包括:所述第一关联错误试题的第一试题语义和所述第二关联错误试题的第二试题语义;
获取所述试题关键字对应的关键字数量,并基于所述关键字数量和所述试题语义,确定第一相似度值,所述关键字数量表征相同关键字对应的关键字数量;
基于所述第一相似度值和第二相似度值,确定所有所述第一关联错误试题各自对应的若干目标错误试题,所述第二相似度为基于所述相似属性值确定的;
所述相似属性值包括:顺序属性值和选项内容属性值,所述目标错误试题确定模块在基于所述相似度属性值确定第二相似度值,用于:
基于预设的顺序属性值和子相似度值的对应关系和所述顺序属性值,确定所述顺序属性值对应的第一子相似度值;
基于预设的内容属性值和子相似度值的对应关系和所述选项内容属性值,确定所述选项内容属性值对应的第二子相似度值;
获取与所述顺序属性值对应的第一权重值和与所述选项内容属性值对应的第二权重值;
基于所述第一子相似度值、所述第一权重值、所述第二子相似度值和所述第二权重值,确定所述第二相似度值。
7.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~5任一项所述的基于错误试题的知识点确定方法。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~5任一项所述的基于错误试题的知识点确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410121834.1A CN117648934B (zh) | 2024-01-30 | 2024-01-30 | 基于错误试题的知识点确定方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410121834.1A CN117648934B (zh) | 2024-01-30 | 2024-01-30 | 基于错误试题的知识点确定方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117648934A CN117648934A (zh) | 2024-03-05 |
CN117648934B true CN117648934B (zh) | 2024-04-26 |
Family
ID=90048133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410121834.1A Active CN117648934B (zh) | 2024-01-30 | 2024-01-30 | 基于错误试题的知识点确定方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117648934B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600489A (zh) * | 2016-11-30 | 2017-04-26 | 广东小天才科技有限公司 | 一种标记失误试题的方法及装置 |
CN108171629A (zh) * | 2017-12-28 | 2018-06-15 | 北京中税网控股股份有限公司 | 一种课程推荐方法及装置 |
CN109271307A (zh) * | 2018-10-29 | 2019-01-25 | 四川文轩教育科技有限公司 | 一种基于大数据的学生学习情况统计方法 |
CN112149940A (zh) * | 2019-06-28 | 2020-12-29 | 上海掌学教育科技有限公司 | 一种知识点掌握程度在线测评系统和方法 |
CN112699298A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 一种试题推荐方法、电子设备及存储装置 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
WO2021253480A1 (zh) * | 2020-06-19 | 2021-12-23 | 平安科技(深圳)有限公司 | 习题智能推荐方法、装置、计算机设备及存储介质 |
CN114328633A (zh) * | 2021-12-28 | 2022-04-12 | 河南大学 | 一种基于概念格的错题知识点强化训练试题推荐方法 |
CN114528333A (zh) * | 2022-01-20 | 2022-05-24 | 河南大学 | 基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统 |
CN115269812A (zh) * | 2022-07-13 | 2022-11-01 | 珠海美佳音科技有限公司 | 题目推荐方法、装置、设备及存储介质 |
CN116796802A (zh) * | 2022-11-22 | 2023-09-22 | 上海真灼科技股份有限公司 | 基于错题分析的学习推荐方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10037707B2 (en) * | 2006-10-11 | 2018-07-31 | Cynthia Elnora ASHBY | Interactive method for diagnosing test-taking errors |
-
2024
- 2024-01-30 CN CN202410121834.1A patent/CN117648934B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600489A (zh) * | 2016-11-30 | 2017-04-26 | 广东小天才科技有限公司 | 一种标记失误试题的方法及装置 |
CN108171629A (zh) * | 2017-12-28 | 2018-06-15 | 北京中税网控股股份有限公司 | 一种课程推荐方法及装置 |
CN109271307A (zh) * | 2018-10-29 | 2019-01-25 | 四川文轩教育科技有限公司 | 一种基于大数据的学生学习情况统计方法 |
CN112149940A (zh) * | 2019-06-28 | 2020-12-29 | 上海掌学教育科技有限公司 | 一种知识点掌握程度在线测评系统和方法 |
WO2021253480A1 (zh) * | 2020-06-19 | 2021-12-23 | 平安科技(深圳)有限公司 | 习题智能推荐方法、装置、计算机设备及存储介质 |
CN112699298A (zh) * | 2020-12-28 | 2021-04-23 | 科大讯飞股份有限公司 | 一种试题推荐方法、电子设备及存储装置 |
CN113590956A (zh) * | 2021-07-30 | 2021-11-02 | 深圳市金博奥科技有限公司 | 知识点推荐方法、装置、终端及计算机可读存储介质 |
CN114328633A (zh) * | 2021-12-28 | 2022-04-12 | 河南大学 | 一种基于概念格的错题知识点强化训练试题推荐方法 |
CN114528333A (zh) * | 2022-01-20 | 2022-05-24 | 河南大学 | 基于属性探索的试题隐含知识属性关联挖掘及相关试题推送方法及系统 |
CN115269812A (zh) * | 2022-07-13 | 2022-11-01 | 珠海美佳音科技有限公司 | 题目推荐方法、装置、设备及存储介质 |
CN116796802A (zh) * | 2022-11-22 | 2023-09-22 | 上海真灼科技股份有限公司 | 基于错题分析的学习推荐方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
DKVMN-PLC: 一种融合学习者个性化学习特征的动态键值记忆网络知识追踪模型;张峰,姜婷婷;《小型微型计算机系统》;20230711;全文 * |
基于知识点与错误率关联的个性化智能组卷模型;潘婷婷;詹国华;李志华;;计算机系统应用;20180515(第05期);全文 * |
潘婷婷 ; 詹国华 ; 李志华 ; .基于知识点与错误率关联的个性化智能组卷模型.计算机系统应用.2018,(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117648934A (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382255B (zh) | 用于问答处理的方法、装置、设备和介质 | |
US11238050B2 (en) | Method and apparatus for determining response for user input data, and medium | |
CN110457423A (zh) | 一种知识图谱实体链接方法、装置、计算机设备及存储介质 | |
CN109460503B (zh) | 答案输入方法、装置、存储介质及电子设备 | |
CN109492085B (zh) | 基于数据处理的答案确定方法、装置、终端及存储介质 | |
CN113836885A (zh) | 文本匹配模型训练方法、文本匹配方法、装置和电子设备 | |
US20160086502A1 (en) | Online learning system, skill evaluation method thereof, and storage media storing the method | |
CN113641794A (zh) | 简历文本的评估方法、装置及服务器 | |
CN115358897A (zh) | 一种基于电子学生证的学生管理方法、系统、终端及存储介质 | |
CN114528391A (zh) | 问答对评分模型的训练方法、装置、设备及存储介质 | |
CN114021029A (zh) | 试题推荐方法及设备 | |
CN117708309A (zh) | 检索问答方法、系统、设备及介质 | |
CN112132118B (zh) | 人物关系识别方法、装置、电子设备及计算机存储介质 | |
CN117648934B (zh) | 基于错误试题的知识点确定方法、装置、设备和介质 | |
CN114372518B (zh) | 一种基于解题思路和知识点的试题相似度计算方法 | |
CN112989040B (zh) | 一种对话文本标注方法、装置、电子设备及存储介质 | |
CN111144098B (zh) | 扩展问句的召回方法和装置 | |
CN114818678A (zh) | 一种科技成果管理方法、平台及电子设备 | |
CN112541069A (zh) | 一种结合关键词的文本匹配方法、系统、终端及存储介质 | |
CN114782224A (zh) | 基于用户特征的网页考评作弊监测方法、装置及电子设备 | |
CN117670146B (zh) | 一种学习过程测评方法、装置、电子设备及介质 | |
CN115905576B (zh) | 一种试卷生成方法、装置、电子设备及介质 | |
CN117648449B (zh) | 基于知识图谱的自适应推送方法、系统、设备和介质 | |
CN115828911A (zh) | 试题知识点识别方法、装置、电子设备和存储介质 | |
CN110941709A (zh) | 信息筛选方法、装置、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |