CN1632782A - 在线学习成绩评定方法及系统 - Google Patents
在线学习成绩评定方法及系统 Download PDFInfo
- Publication number
- CN1632782A CN1632782A CN 200310122454 CN200310122454A CN1632782A CN 1632782 A CN1632782 A CN 1632782A CN 200310122454 CN200310122454 CN 200310122454 CN 200310122454 A CN200310122454 A CN 200310122454A CN 1632782 A CN1632782 A CN 1632782A
- Authority
- CN
- China
- Prior art keywords
- examination question
- candidate
- question
- examination
- answering
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种在线学习成绩评定方法及系统包括预建一试题数据库;进行一出题程序;进行一作答程序;进行计时模块;进行一阅卷程序;以及进行一学习能力评估程序。本发明可搭载至一计算机平台,让应试人员进行一在线作答程序;进而以一预定的学习能力评估公式来计算出应试人员对知识的掌握程度。此在线学习成绩评定方法及系统的特点在于汇集各个试题的得分、各个试题的作答时间、应试者点选提示资料的总次数及提示的总次数、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例计算出一学习能力指数值。该作法比传统的固定式评分方式能更精确、全面地评估出应试者对知识的掌握程度。
Description
技术领域
本发明是关于一种计算机信息技术,特别是关于一种在线学习成绩评定方法及系统,应用在搭载至一计算机平台,例如桌上型个人计算机、笔记本型计算机、网络工作站、个人数字助理装置(Personal DigitalAssistant,PDA)等等,让应试人员,例如学生、资格考试应考人员等等,可通过该计算机平台进行一在线作答程序;并可进而在作答程序完成之后,自动以一预定的学习能力评估公式计算出应试人员的程度。
背景技术
传统的考试测验方式大都是以书面方式提供试题给应试人员进行笔试作答,再由主试人员以人工方式来阅卷。随着计算机科技的进展,目前已可让应试人员直接在计算机上进行在线作答程序,再接着直接由计算机来执行阅卷及评分。
然而现有的计算机化在线测验系统的缺点在于其评分标准为固定式,也就是为每一个测验题目的给分均为预先订定且固定不变,因此无法精确地评判出各个受测者对知识的掌握程度。举例来说,若每一个测验题目无论其难易程度均具有相同的给分;则若甲生答对6个较困难的题目和4个较简单的题目,而乙生答对2个较困难的题目和8个较简单的题目,则二人的得分将完全相同而无法区分出甲生具有较乙生更好的学习能力。此外,若甲生求解出某一个题目的答案仅用了1分钟的时间,而乙生求解出相同的题目的答案却用了3分钟的时间,则现有的测验系统仍将给予二人相同的分数而无法区分出甲生具有较乙生对知识的掌握程度更熟练。
此外,现有的计算机化在线测验系统的另一项缺点在于当应试者遇到一个不会回答的测验题目时,由于其无法对应试者提供适当的答题辅助功能,因此常使得应试者完全不能求解出答案,从而也就丧失了该题的分数。此缺点使得现有测验方法并无法精确地评判出各个应试者之间对知识掌握程度的差异。举例来说,若考生甲和考生乙均遇到同一个不会回答的测验题目,但考生甲只要稍加提示或增加作答时间即可求解出该测验题目的答案,而考生乙则无论如何均无法求解出该测验题目的答案;在此情况下,显然考生甲的对知识掌握的程度略好于考生乙。但由于现有的测验方法无法提供答题辅助功能,因此使得考生甲和考生乙二者均无法答出该测验题目而均未能得分,也就是无法区分出考生甲其实较考生乙对知识掌握程度的差别。
发明内容
为克服上所现有技术的缺点,本发明的主要目的是提供一种在线学习成绩评定方法及系统,它可根据应试者所答对试题的得分、作答时间、是否参阅过相关提示数据、以前是否作答过该试题、试题的难度、试题的题型等数据,作为学习成绩评定的参考依据,借此更精确、更全面地评估出应试者的学习能力。
本发明的在线学习成绩评定方法及系统可应用在搭载至一计算机平台,例如桌上型个人计算机、笔记本型计算机、网络工作站、个人数字助理装置等等,让应试人员,例如为学生、资格考试应考人员等等,可通过该计算机平台进行一在线作答程序;并可进而在作答程序完成之后,自动以一预定的学习成绩评估公式评估应试人员对知识的掌握程度。
本发明的在线学习成绩评定方法至少包括:预建一试题数据库,其中预存有多个试题,且其中每一个试题均是预先以人工方式制定一难度系数及一题型系数;进行一出题程序,从该试题数据库中索取出一组试题,并将这些试题通过该信息平台的输出装置展现给应试者;进行一作答程序,可让应试者借由该计算机平台的输入装置作答展现的各个试题;并在作答程序中,让应试者在作答某一试题时,可选择性地从该试题数据库中提取出该试题的相关提示资料,并通过该信息平台的输出装置展现出此提示资料;于此同时进行一计时模块,用来计算应试者作答每一个试题所花费的时间;进行一阅卷程序,可用来评判应试者作答的每一个试题是否答对,并给予答对的每一个试题应得的分数;以及进行一学习能力评估程序,它可汇集各个试题的得分数据、各个试题的作答时间数据、应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例,计算出一代表该应试者学习能力的指数值。
本发明的在线学习成绩评定系统至少包括:一使用者接口模块,让该应试者用来操控此在线学习成绩评定系统;一试题数据库,预存有多个试题,且其中每一个试题均是预先以人工方式制定一难度系数及一题型系数;一出题模块,可从该试题数据库中取出一组试题,并将这些试题通过该信息平台的输出装置展现给该应试者;一作答模块,可让该应试者借由该计算机平台的输入装置及通过该使用者接口模块作答该出题模块展现的各个试题;一提示模块,可让该应试者在作答某一试题时,从该试题数据库中提取出该试题的相关提示资料,并通过该信息平台的输出装置展现出此提示资料;一计时模块,可用来计算该应试者作答每一个试题所花费的时间;一阅卷模块,可用来评判该应试者作答的每一个试题是否答对,并给予答对的每一个试题应得的分数;以及一学习能力评估模块,可汇集该阅卷模块求得的各个试题的得分数据、该计时模块所记录的各个试题的作答时间数据、该提示模块所记录的应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例,计算出一代表该应试者学习能力的指数值。
本发明的在线学习成绩评定方法及系统的特点在于汇集各个试题的得分数据、各个试题的作答时间数据、应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例计算出一代表该应试者学习能力的指数值。该作法比传统的固定式评分方式更能精确、全面地评估出应试者的对知识掌握的程度。
附图说明
图1为一曲线特性图,显示本发明采用的学习能力评估公式中的能力对时间的函数关系式;
图2为一系统架构示意图,显示本发明的在线学习成绩评定系统的对象导向组件模型的基本架构。
具体实施方式
实施例
以下首先介绍本发明的在线学习成绩评定方法及系统所采用学习能力评估的基本原理及其相关公式。
测验卷中的每一个试题具有至少2个可预先设定的属性:(1A)难度;(1B)题型(其属性类别例如包括选择题、填空题、解答题等等);以及4个无法预先设定的属性(也就是在作答过程中根据应试者的答题情况而动态设定的属性):(2A)作答的对或错;(2B)应试者以前是否作答过相关试题;(2C)作答时间;和(2D)应试者是否有阅读过相关的提示资料。
我们可以依据上述6个属性得到下列对知识掌握程度的指数公式:
当某试题做错后,做同类型的试题时,则:
//取二者的平均值
f(原)=f(终);//并回存到原型题记录中
其中:α,β,γ,δ,k均是系数;
y时间是关于时间的函数;
y系数是关于难度和题型的一个函数。
根据我们做的试卷的一些统计、分析,得到上面有关值的具体值或具体函数式,从而得到一个具体的能力指数公式。
//取二者的平均值
f(原)=f(终);//并回存到原型题记录中
其中:
y系数=2A+B
A:难度系数
B:题型系数
上列公式中的分子是考虑对错的因素,也就是对同一个试题而言,做对该试题的能力值高于做错的能力值;而分母则是做过的总题数的所能达到的最大的能力值,从公式中可以看出分母值总是大于或等于分子的值,即该能力指数总是介于在0和1之间。
有关于下列时间函数:
其中
t约:平均作答时间(也就是我们现在出题时给了一段时间,其为所有能做这道题的学生做题的一个范围,而t约就是这个时间段的最大值和最小值的和的一半,并且这个值应该比高、中考每道题给的时间多。
t实:应试者实际的作答时间。
选取t约/2和2t约作为分界点的理由在于考虑学生做过此题后,再做此题时所用的时间就会短,而且学生有可能会记住答案,这样它再次做的时间会用的较少,所以给定这样一个下限t约/2,小于t约/2的时间以t约/2计算。此外,考虑了学生看提示的时间及其它一些不可定的因素(例如中途离开等)以及学生用过多的时间解答题目,说明学生对知识点的掌握并没达到理想的程度,所以给一个上限2t约,大于2t约的时间以t约计算。
我们选了六科,包括数学、语文、物理、化学、历史和地理的试题,较好学生可在t约/2内做完,即学生在时间的能力函数值上可以达到上限1。
请参阅图1,我们取定t约/2时,其时间的能力值为1,取定2t约时,其时间的能力值为0,则可以得到如图1所示的能力对时间的函数关系式。此外,在上述公式中,0.45是指时间占的比重。
有关于下列的提示函数:
其中
是指点击提示的数值,即应试者看过几个提示;
n总是指提示的总数。
此函数在应用时,应先判断n的值是否等于0;若n=0,则代表未参阅提示,因此令
反之若n≠0时,则直接按公式计算。
此外,在上述公式中,0.25是指提示所占的比重;而0.3则是考虑学生看了所有的提示并且超过2t约时,在他答对了这道题的情况下,他应该有一个能力值,而且这个能力值应该比做错这道题能力值多而且做对应该占一个较大的比重,故取0.3。
有关于下列的函数项:
它主要针对的是有多问的解答题答对部分的情况,如果是填空题或选择题时,显然此式值为1。
有关于下列的函数项:
它主要针对的是有多问的解答题答错部分的情况,如果是填空题或选择题时,显然此式值为1。
有关于下列的函数项:
y系数=2A+B
设定难度和题型的比为2∶1,则由于难度相对题型更重要。而难度的类别包括低难度、中难度、高难度;题型的的类别则包括解答题、填空题、选择题。我们以5∶3∶2来确定他们的系数比值,例如一道填空的难题,可以从系数函数求得y系数=2×5+3=13。
因此依据上述加权比例方式,即可更为精确地求出代表应试者的学习能力的指数值。
以下即配合附图中的图2,详细说明本发明的在线学习成绩评定方法及系统的实施例。
图2即显示本发明的在线学习成绩评定系统(如标号100所指的虚线框所包括的部分)的应用架构及其对象导向组件模型(object-orientedcomponent model)的基本架构。如图所示,本发明的在线学习成绩评定系统100在实际应用上是搭载至一计算机平台10,例如桌上型个人计算机、笔记本型计算机、网络工作站、个人数字助理装置(Personal DigitalAssistant,PDA)等等,且该计算机平台10须至少配备有一输出装置20(例如为屏幕、语音播放装置等等)和一输入装置30(例如键盘、鼠标、手写触控板、语音输入装置、盲人专用输入装置等等),让应试人员,例如学生、资格考试应考人员等等,可通过该计算机平台10进行一在线作答程序;并可进而在作答程序完成之后,自动以上述学习评估公式(A2)评估应试人员的学习能力。
本发明的在线学习成绩评定系统100的对象导向组件模型(object-oriented component model)的基本架构至少包括:(a)一使用者接口模块101;(b)一试题数据库102;(c)一出题模块110;(d)一作答模块120;(e)一计时模块130;(f)一提示模块140;(g)一阅卷模块150;以及(h)一学习能力评估模块160。
使用者接口模块101是藕接至计算机平台10的输出装置20和输入装置30,可让使用者用来操控本发明的在线学习成绩评定系统100。
试题数据库102中预存有多个试题,且其中每一个试题均是预先以人工方式制定一难度系数A及一题型系数B。举例来说,若一试题的难度较低,则令其难度系数A=2;若难度适中,则令其难度系数A=3;若难度较高,则令其难度系数A=5。若一试题的题型为选择题,则令其题型系数B=2;若为填空题,则令其题型系数B=3;若为解答题,则令其题型系数B=5。
出题模块110可从上述试题数据库102中取出一组试题,并将这些试题通过计算机平台10的输出装置(例如为屏幕)20,展现给应试者。
作答模块120可让应试者通过计算机平台10的输入装置(例如为键盘和鼠标)30作答上述出题模块110展现的各个试题。
计时模块130可计算应试者作答每一个试题所花费的时间,将应试者所花费的总作答时间t实记录下来。
提示模块140可让应试者选择性地从上述试题数据库102中提取出某一个不会作答试题的相关提示资料,并将取出的提示资料通过计算机平台10的输出装置20展现给应试者浏览。若应试者选择使用提示数据,则提示模块140会将应试者点选提示数据的总次数n及提示的总次数n总记录下来。
阅卷模块150可在应试者完成全部的作答程序之后,用来评判各个试题是否答对,并计算出应试者答对的每一个试题的得分。
学习能力评估模块160即执行上述学习能力评估公式(A2);也就是它可首先汇集上述阅卷模块150所求得的试题得分数据、计时模块130所记录的作答时间t实、提示模块140所记录的应试者点选提示资料的总次数n及提示的总次数n总、以前是否作答过相关的试题、各个试题的难度系数A和各个试题的题型系数B;并将这些数据作为学习能力评估公式(A2)的参数,计算出一代表该应试者的学习能力程度的指数值f(原)。
总而言之,本发明提供了一种新颖的在线学习成绩评定方法及系统,它可应用在搭载至一计算机平台,让应试人员可通过该计算机平台来进行一在线作答程序;并可进而在作答程序完成之后,自动以一预定的学习能力评估公式,计算出应试人员的对知识的掌握程度。本发明的在线学习成绩评定方法及系统的特点在于汇集各个试题的得分数据、各个试题的作答时间数据、应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例,计算出一代表该应试者学习能力的指数值。其作法比传统的固定式评分方式更能精确、全面地评估出应试者对知识的掌握程度。
Claims (8)
1.一种在线学习成绩评定方法,应用在一计算机平台、且该计算机平台至少配备有一输出装置和一输入装置,让一应试者可通过该计算机平台来进行一在线作答程序;并可进而在作答程序完成之后,自动产生一代表该应试者学习能力的指数值,其特征在于,此在线学习成绩评定方法至少包括:
预建一试题数据库,其中预存有多个试题,且其中每一个试题均是预先以人工方式制定一难度系数及一题型系数;
进行一出题程序,从该试题数据库中索取出一组试题,并将这些试题通过该信息平台的输出装置展现给应试者;
进行一作答程序,可让应试者借由该计算机平台的输入装置作答展现的各个试题;并在作答程序中,让应试者在作答某一试题时,可选择性地从该试题数据库中提取出该试题的相关提示资料,并通过该信息平台的输出装置展现出此提示资料;于此同时进行一计时模块,用来计算应试者作答每一个试题所花费的时间;
进行一阅卷程序,可用来评判应试者作答的每一个试题是否答对,并给予答对的每一个试题应得的分数;以及
进行一学习能力评估程序,它可汇集各个试题的得分数据、各个试题的作答时间数据、应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例,计算出一代表该应试者学习能力的指数值。
2.如权利要求1所述的在线学习成绩评定方法,其特征在于,该计算机平台是一桌上型个人计算机、笔记本型计算机、网络工作站以个人数字助理中的一个。
3.如权利要求1所述的在线学习成绩评定方法,其特征在于,该试题数据库是将试题的难度类别分成低难度、中难度和高难度;其中高难度具有最高的系数值,低难度则具有最低的系数值。
4.如权利要求1所述的在线学习成绩评定方法,其特征在于,该试题数据库是将试题的题型类别包括选择题、填空题和解答题;其中选择题的题型系数值最低,解答题的题型系数值则最高。
5.一种在线学习成绩评定系统,应用在搭载至一计算机平台、且该计算机平台至少配备有一输出装置和一输入装置,让一应试者可通过该计算机平台进行一在线作答程序;并可进而在作答程序完成之后,自动产生一代表该应试者对知识掌握程度的指数值,其特征在于,该在线学习成绩评定系统至少包括:
一使用者接口模块,让该应试者用来操控此在线学习成绩评定系统;
一试题数据库,预存有多个试题,且其中每一个试题均是预先以人工方式制定一难度系数及一题型系数;
一出题模块,可从该试题数据库中取出一组试题,并将这些试题通过该信息平台的输出装置展现给该应试者;
一作答模块,可让该应试者借由该计算机平台的输入装置及通过该使用者接口模块作答该出题模块展现的各个试题;
一提示模块,可让该应试者在作答某一试题时,从该试题数据库中提取出该试题的相关提示资料,并通过该信息平台的输出装置展现出此提示资料;
一计时模块,可用来计算该应试者作答每一个试题所花费的时间;
一阅卷模块,可用来评判该应试者作答的每一个试题是否答对,并给予答对的每一个试题应得的分数;以及
一学习能力评估模块,可汇集该阅卷模块求得的各个试题的得分数据、该计时模块所记录的各个试题的作答时间数据、该提示模块所记录的应试者点选提示资料的总次数及提示的总次数数据、以前是否作答过相关的试题、各个试题的难度系数和各个试题的题型系数;并将这些数据依据一预定的加权比例,计算出一代表该应试者学习能力的指数值。
6.如权利要求5所述的在线学习成绩评定系统,其特征在于,该计算机平台为一桌上型个人计算机、笔记本型计算机、网络工作站以及个人数字助理中的一个。
7.如权利要求5所述的在线学习成绩评定系统,其特征在于,该试题数据库是将试题的难度类别分成低难度、中难度、和高难度;其中高难度具有最高的系数值,而低难度则具有最低的系数值。
8.如权利要求5所述的在线学习成绩评定系统,其特征在于,该试题数据库是将试题的题型类别包括选择题、填空题和解答题;其中选择题的题型系数值最低,解答题的题型系数值则最高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310122454 CN1632782A (zh) | 2003-12-22 | 2003-12-22 | 在线学习成绩评定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310122454 CN1632782A (zh) | 2003-12-22 | 2003-12-22 | 在线学习成绩评定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1632782A true CN1632782A (zh) | 2005-06-29 |
Family
ID=34844515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200310122454 Pending CN1632782A (zh) | 2003-12-22 | 2003-12-22 | 在线学习成绩评定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1632782A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101508B (zh) * | 2006-07-03 | 2010-09-08 | 北京爱国者妙笔数码科技有限责任公司 | 获取答题信息的系统 |
CN104126190A (zh) * | 2012-02-20 | 2014-10-29 | 株式会社诺瑞韩国 | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 |
CN105336234A (zh) * | 2014-08-15 | 2016-02-17 | 王昊 | 一种电子出题的方法 |
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
CN106558258A (zh) * | 2015-09-24 | 2017-04-05 | 财团法人资讯工业策进会 | 透过线上测验真实反映出受测者能力的系统及方法 |
CN106682768A (zh) * | 2016-12-08 | 2017-05-17 | 北京粉笔蓝天科技有限公司 | 一种答题分数的预测方法、系统、终端及服务器 |
CN106780222A (zh) * | 2017-01-12 | 2017-05-31 | 陈星� | 模拟综合成绩获得方法与装置 |
CN106898178A (zh) * | 2017-01-08 | 2017-06-27 | 广东工业大学 | 一种基于可穿戴设备的考试综合分析系统 |
CN107967829A (zh) * | 2017-12-29 | 2018-04-27 | 深圳中兴网信科技有限公司 | 动态分层教学设备和动态分层教学方法 |
CN108836323A (zh) * | 2018-05-08 | 2018-11-20 | 河南省安信科技发展有限公司 | 一种基于脑电波分析的学习状态监测系统及其使用方法 |
CN108959191A (zh) * | 2018-06-20 | 2018-12-07 | 刘建成 | 数学学科素养能力综合分析系统 |
CN109034669A (zh) * | 2018-09-05 | 2018-12-18 | 武汉笑脸科技有限公司 | 一种学生能力综合分析系统和方法 |
CN109492896A (zh) * | 2018-11-02 | 2019-03-19 | 福建书香伟业教育科技有限公司 | 一种校际间比赛时选择参赛学生的方法及计算机设备 |
WO2019061939A1 (zh) * | 2017-09-30 | 2019-04-04 | 深圳市易特科信息技术有限公司 | 带有盲人控制盘的中医体质辨识仪 |
CN111507596A (zh) * | 2020-04-09 | 2020-08-07 | 圆梦共享教育科技(深圳)有限公司 | 一种基于人工智能的学生学习能力评估方法 |
CN112785039A (zh) * | 2020-12-31 | 2021-05-11 | 科大讯飞股份有限公司 | 一种试题作答得分率的预测方法及相关装置 |
-
2003
- 2003-12-22 CN CN 200310122454 patent/CN1632782A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101508B (zh) * | 2006-07-03 | 2010-09-08 | 北京爱国者妙笔数码科技有限责任公司 | 获取答题信息的系统 |
CN104126190A (zh) * | 2012-02-20 | 2014-10-29 | 株式会社诺瑞韩国 | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 |
CN105336234A (zh) * | 2014-08-15 | 2016-02-17 | 王昊 | 一种电子出题的方法 |
CN106558258A (zh) * | 2015-09-24 | 2017-04-05 | 财团法人资讯工业策进会 | 透过线上测验真实反映出受测者能力的系统及方法 |
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
CN106682768A (zh) * | 2016-12-08 | 2017-05-17 | 北京粉笔蓝天科技有限公司 | 一种答题分数的预测方法、系统、终端及服务器 |
CN106898178B (zh) * | 2017-01-08 | 2019-04-19 | 广东工业大学 | 一种基于可穿戴设备的考试综合分析系统 |
CN106898178A (zh) * | 2017-01-08 | 2017-06-27 | 广东工业大学 | 一种基于可穿戴设备的考试综合分析系统 |
CN106780222B (zh) * | 2017-01-12 | 2020-03-27 | 陈星� | 模拟综合成绩获得方法与装置 |
CN106780222A (zh) * | 2017-01-12 | 2017-05-31 | 陈星� | 模拟综合成绩获得方法与装置 |
WO2019061939A1 (zh) * | 2017-09-30 | 2019-04-04 | 深圳市易特科信息技术有限公司 | 带有盲人控制盘的中医体质辨识仪 |
CN107967829A (zh) * | 2017-12-29 | 2018-04-27 | 深圳中兴网信科技有限公司 | 动态分层教学设备和动态分层教学方法 |
CN108836323A (zh) * | 2018-05-08 | 2018-11-20 | 河南省安信科技发展有限公司 | 一种基于脑电波分析的学习状态监测系统及其使用方法 |
CN108836323B (zh) * | 2018-05-08 | 2021-01-12 | 河南省安信科技发展有限公司 | 一种基于脑电波分析的学习状态监测系统及其使用方法 |
CN108959191A (zh) * | 2018-06-20 | 2018-12-07 | 刘建成 | 数学学科素养能力综合分析系统 |
CN109034669A (zh) * | 2018-09-05 | 2018-12-18 | 武汉笑脸科技有限公司 | 一种学生能力综合分析系统和方法 |
CN109492896A (zh) * | 2018-11-02 | 2019-03-19 | 福建书香伟业教育科技有限公司 | 一种校际间比赛时选择参赛学生的方法及计算机设备 |
CN111507596A (zh) * | 2020-04-09 | 2020-08-07 | 圆梦共享教育科技(深圳)有限公司 | 一种基于人工智能的学生学习能力评估方法 |
CN112785039A (zh) * | 2020-12-31 | 2021-05-11 | 科大讯飞股份有限公司 | 一种试题作答得分率的预测方法及相关装置 |
CN112785039B (zh) * | 2020-12-31 | 2023-12-01 | 科大讯飞股份有限公司 | 一种试题作答得分率的预测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Niss et al. | Competencies and mathematical learning: Ideas and inspiration for the development of mathematics teaching and learning in Denmark | |
Shah et al. | Implementation of technology acceptance model in e-learning environment in rural and urban areas of Pakistan | |
CN1632782A (zh) | 在线学习成绩评定方法及系统 | |
Yoon et al. | Examining the effects of mathematics and science professional development on teachers’ instructional practice: Using professional development activity log | |
Su et al. | Effects of annotations and homework on learning achievement: An empirical study of Scratch programming pedagogy | |
Chahine et al. | In the minds of OSCE examiners: uncovering hidden assumptions | |
Graham et al. | A meta-analysis of writing treatments for students in grades 6–12. | |
Hadley et al. | Exploring the relations between child and word characteristics and preschoolers' word-learning | |
Zaharias et al. | Designing on-line learning courses: Implications for usability | |
Oguoma et al. | Teachers’ concerns with the implementation of practical work in the physical sciences curriculum and assessment policy statement in South Africa | |
Speights Atkins et al. | Implementation of an automated grading tool for phonetic transcription training | |
Kitto et al. | Analysis of thin online interview data: Toward a sequential hierarchical language-based approach | |
Kunnan et al. | Language assessment literacy among teachers in Goa: Analyses of a survey questionnaire and teacher-made tests | |
CN111739366A (zh) | 基于自洽性体系的自适应考前冲刺在线学习方法及系统 | |
Chang | Design and Application of Evaluation Method for Civics Classroom Based on CRITIC Fuzzy Algorithm | |
Mosabala | Teachers’ transformed subject matter knowledge structures of the Doppler Effect | |
Shaw et al. | Success in the US: Are Cambridge International Assessments Good Preparation for University Study?. | |
Shobayo et al. | Perceived Effectiveness of Computer–Based Test (Cbt) Mode of Examination Among Undergraduate Students in South-Western Nigeria | |
Kaufman et al. | Problem solving in the clinical interview: A cognitive analysis of the performance of physicians, residents, and students | |
Aggarwal et al. | Back Propagation Algorithm for Computerized Paper Evaluation using Neural Network | |
Pishghadam et al. | On validation of concept map as an assessment tool of L2 reading comprehension: A triangulation approach | |
Kiran | English Language Assessment: Innovations, Validity, and Reliability | |
Zhen et al. | Construction of Teacher-Student Interaction Evaluation Index System for High School Mathematics Concept Assimilation Learning Based on Artificial Intelligence | |
Kazu et al. | A descriptive analysis of digital game-based foreign language education | |
Sarmiento et al. | Assessment Task-Major Examination Alignment: Input to the Seamless Blended Digital Learning Program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |