TWI787824B - 基於測評成績的學情分析方法與學情分析裝置 - Google Patents
基於測評成績的學情分析方法與學情分析裝置 Download PDFInfo
- Publication number
- TWI787824B TWI787824B TW110117793A TW110117793A TWI787824B TW I787824 B TWI787824 B TW I787824B TW 110117793 A TW110117793 A TW 110117793A TW 110117793 A TW110117793 A TW 110117793A TW I787824 B TWI787824 B TW I787824B
- Authority
- TW
- Taiwan
- Prior art keywords
- test
- questions
- question
- listed
- group
- Prior art date
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Feedback Control In General (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
一種基於測評成績的學情分析方法,包括如下步驟:創建考卷測評結果信息庫,包括採集並識別每道試題答對人數、每位測試者的答題結果狀態;據由每道試題答對人數對該考卷試題的題號進行分組排列,將答對人數相同的試題題號排在同一組;設定一關聯性閾值;依據該關聯性閾值構建試題關聯模型,根據該關聯性閾值計算下一組所列試題與其相鄰的上一組所列試題建立關聯所需符合要求的答對人數,並根據所述答對人數以形成下一組所列試題與其相鄰的上一組所列試題之間的試題關聯模型。該試題關聯模型可用表示。通過分析每位測試者的該些關聯線及其答題結果狀態,確認其學情概況。
Description
本發明係關於教育領域之學生學習情況的分析,特別關於一種基於測評成績的學情分析方法及基於測評成績的學情分析裝置,可用於分析、確認學生的學習概況以對其產生原因進行歸因。
計算機技術和網絡技術的快速發展給人們的生活帶來了翻天覆地的變化、及各種便利性。同時,伴著生活水平的不斷提高,家長及老師對學生的學習情況越來越重視。學校、課外培訓機構等教育機構需及時瞭解每個學生的學習情況以對每個學生進行針對性的知識模塊輔導、訓練。
通常情況下,教育機構的老師一般會不定期地對學生以試題測試的方式瞭解、掌握學生們再一段時間內對知識的的掌握情況,即各位學生的學習情況。據由不同學生的學習情況,老師可有針對性地對學習情況不同的學生採取方式各異的輔導、激勵方法。
一般地,各學科的不同知識點之間存在著遞進的層次關係,不同的知識點間存在著千絲萬縷的聯繫。每套測試題(或每套考卷)中不同題號所考察的知識點間存在某種程度的關聯。老師通過對該些不同題號
間知識點的關聯性和各位學生的答題情況進行分析,進而瞭解、確認欸為學生對於該套試題所涉知識點的掌握情況、答題時的狀態及老師的出題質量等。
因此,本發明的主要目的在於提供一種如何通過對不同考試題的測評成績或答題對錯情況進行分析,以瞭解、掌握各位學生在一定時間內對該階段所學知識點的掌握情況。
本發明之目的在於提供一種基於測評成績的學情分析方法及基於測評成績的學情分析裝置,通過該裝置及方法對試題測評成績或答題結果進行分析,以瞭解各個學生的學習情況(如知識點掌握與否及程度等),益於老師後續安排更加適宜的教學計劃、針對各個學生進行有針對性的輔導等。
為達所述優點至少其中之一或其他優點,本發明的一實施例提出一種基於測評成績的學情分析方法,至少包括如下步驟:S01:創建考卷測評結果信息庫,包括採集並識別每道試題答對人數、每位測試者的答題結果狀態;S02:據由每道試題答對人數對該考卷試題的題號進行分組排列,將答對人數相同的試題題號排在同一組;S03:設定一關聯性閾值;S04:依據該關聯性閾值構建試題關聯模型。根據該關聯性閾值計算下一組所列試題與其相鄰的上一組所列試題建立關聯所需符合要求的答對人數,並根據所述答對人數以形成下一組所列試題與其相鄰的上一
組之間的試題關聯模型。
所述基於測評成績的學情分析方法,在步驟S04中該下一組所列試題與其相鄰的上一組所列試題之間的試題關聯模型建立方法為:以其相鄰的上一組的答對人數*關聯性閾值,若下一組所列試題與其相鄰的上一組所列試題組共同答對的人員數大於該值,則該下一組所列試題與其相鄰的上一組所列試題有關聯。
在一些實施例中,根據該試題關聯模型對各組之間各個試題題號建立關聯模型時可用關聯線表示。
在一些實施例中,該關聯性閾值之設定值大小的影響因素至少包括試題的難易度、試題數量的多少。
在一些實施例中,據由每道試題答對人數對該考卷試題的題號進行分組排列時,從下往上分層排列中每組答對人數依序遞減。
在一些實施例中,該基於測評成績的知識點學情分析方法還可包括根據該每位測試者的該些關聯線判定該套考卷的出題質量。老師們可據此分析、判定結果改善出題質量,如在同一套測試考卷中增加不同試題之間知識點的關聯度。
在一些實施例中,該基於測評成績的學情分析方法可對每位測試者的試題題號進行狀態標識,以區分答對試題和答錯試題。老師可據此標識一目了然地初步分析及瞭解每位測試者或學生的知識點掌握情況。
一種基於測評成績的學情分析裝置,包括:分析統計模塊,統計、分析每道試題的答對人數、每位測試者的答題結果狀態;陣列建立
模塊,用以對每道試題題號進行分組排列;關聯模型建立模塊,根據該關聯性閾值構建相鄰組各個試題之間的關聯模型。該些試題之間的關聯模型可以有多種不同的表現形式,如關聯線。
該種基於測評成績的學情分析裝置還可包括一標識模塊,用以對每位測試者的答題對錯試題題號狀態進行標識。
因此,利用本發明所提供一種基於測評成績的學情分析方法及基於測評成績的學情分析裝置,通過對每位測試者或學生的同一套考試試題答題結果及各道試題之間關聯度的分析,可快速掌握各個學生的學習情況,如知識點掌握與否及程度等。通過該分析還可瞭解該老師本次出卷的質量如何,例如該套試題的知識點是否過於分散、所涉知識點是否過於超前等。基於對試題之間的關聯線分析,有益於老師後續安排更加適宜的教學計劃、針對各個學生進行有針對性的輔導等。
上述說明僅是本發明技術方案的概述,為了能夠更清楚瞭解本創作的技術手段,而可依照說明書的內容予以實施,並且為了讓本創作的上述和其他目的、特徵和優點能夠更明顯易懂,以下特舉較佳實施例,並配合所附圖式,詳細說明如下。
S01~S04:步驟
1~40:試題題號
100:學情分析裝置
101:分析統計模塊
102:陣列建立模塊
103:關聯模型建立模塊
所包括的圖式用來提供對本申請實施例的進一步的理解,其構成了說明書的一部分,用於例示本申請的實施方式,並與文字描述一起來闡釋本申請的原理。顯而易見地,下面描述中的圖式僅僅是本申請的一些實施例,並非用於限定本申請的實施方式僅限於此,對於本領域具有通常知識者來講,當然可以根據這些圖式衍生而獲得其他的圖式。所述圖
式包括:
〔圖1〕係本發明基於測評成績的學情分析方法之流程圖。
〔圖2〕係本發明基於測評成績的學情分析方法之學生A的答題情況示意圖。
〔圖3〕係本發明基於測評成績的學情分析方法之學生B的答題情況示意圖。
〔圖4〕係本發明基於測評成績的學情分析裝置之簡示圖。
這裡所公開的具體結構和功能細節僅僅是代表性的,並且是用於描述本發明的示例性實施例的目的。但是本發明可以通過許多替換形式來具體實現,並且不應當被解釋成僅僅受限於這裡所闡述的實施例。在本發明的描述中,需要理解的是,術語“中心”、“橫向”、“上”、“下”、“左”、“右”、“垂直”、“水平”、“頂”、“底”、“內”、“外”等指示的方位或位置關係為基於圖式所示的方位或位置關係,僅是為了便於描述本發明和簡化描述,而不是指示或暗示所指的裝置或組件必須具有特定的方位、或以特定的方位構造和操作,因此不能理解為對本發明的限制。此外,術語“第一”、“第二”僅用於描述目的,而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此,限定有“第一”、“第二”的特徵可以明示或者隱含地包括一個或者更多個該特徵。在本發明的描述中,除非另有說明,“多個”的含義是兩個或兩個以上。另外,術語“包括”及其任何變形皆為“至少包含”的意思。
在本發明的描述中,需要說明的是,除非另有明確的規定
和限定,術語“安裝”、“相連”、“連接”應做廣義理解,例如,可以是固定連接,也可以是可拆卸的連接,或一體成型的連接;可以是機械連接,也可以是電連接;可以是直接相連,也可以通過中間媒介間接相連,可以是兩個組件內部的連通。對於本領域具有通常知識者而言,可以具體情況理解上述術語在本發明中的具體含義。
這裡所使用的術語僅僅是為了描述具體實施例而不意圖限制示例性實施例。除非上下文明確地另有所指,否則這裡所使用的單數形式“一個”、“一項”還意圖包括複數。還應當理解的是,這裡所使用的術語“包括”和/或“包含”規定所陳述的特徵、整數、步驟、操作、單元和/或組件的存在,而不排除存在或添加一個或更多其他特徵、整數、步驟、操作、單元、組件和/或其組合。
請參見圖1,圖1是本發明基於測評成績的學情分析方法之流程圖。為達所述優點至少其中之一或其他優點,本發明的一實施例提出一種基於測評成績的學情分析方法,至少包括如下步驟:(S01)創建考卷測評結果信息庫,包括採集並識別每道試題答對人數、每位測試者的答題狀態。(S02)據由每道試題答對人數對該考卷試題的題號進行分組排列,將答對人數相同的試題題號排在同一組。(S03)設定一關聯性閾值。(S04)依據該關聯性閾值構建試題關聯模型。根據該關聯性閾值計算下一組(待建立關聯關係的組)所列試題與其相鄰的上一組所列試題建立關聯所需符合要求的答對人數,並根據所述答對人數以形成下一組所列試題與其相鄰的上一組之間的試題關聯模型。下一組位於與其相鄰的上一組的上一層。
所述基於測評成績的學情分析方法,在步驟S04中該下一組
所列試題與其相鄰的上一組所列試題之間的試題關聯模型建立方法為:以其相鄰的上一組的答對人數*關聯性閾值,若下一組所列試題與其相鄰的上一組所列試題組共同答對的人員數大於該值,則該下一組所列試題與其相鄰的上一組所列試題有關聯。前述所構建的試題關聯模型可有多種不同的表現形式。圖示示例中,所構建的試題關聯模型中以關聯線表示該關聯關係。
在步驟S02中,據由每道試題答對人數對該考卷之試題的題號進行分組時,從上倒下分組排列時該組所列試題題號的答對人數依此遞增或遞減。例如,在圖示之示例中,對試題題號進行分組排列時,將答對人數最多的試題題號排列在最下面,從下往上每組所列試題題號的答對人數依此遞減。
該方法更可包括如下步驟:對每位測試者的試題題號進行狀態標識,以區分答對試題和答錯試題。同時,根據如前所述之步驟所建立的該套試題個題號之間的關聯線及每位測試者打錯試題的分佈情況,分析、確認每位測試者的學習情況。例如,在圖示之示例中以著色填充方式對每位測試者答錯的試題題號進行標識,益於老師等教育者可一目了然地查看每位測試者對該套試題的答題整體情況及答錯試題的分佈情形。不過不限於此,對每位測試者答錯和答對的試題題號進行狀態標識時還可採用不同的圖形形狀、可採用其它的顏色、亦可是形狀與顏色的組合等方式,能體現出差異即可。
該關聯性閾值大小的影響因素至少包括試題的難易度、試題數量的多少。例如,當該些試題的難度較大時,該關聯性閾值之設定可
相對降低,數值偏小一些。當該些試題的數量(亦可稱試題題量)較多時,該關聯性閾值之設定可相對降低,數值偏小一些。
該基於測評成績的知識點學情分析方法還可包括根據該套試題不同題號之間的該些關聯線判定該套考卷的出題質量。老師們可據此分析、判定結果改善出題質量,如在同一套測試考卷中增加不同試題之間知識點的關聯度。例如,若各層試題各個題號之間的關聯線較為密集,且每層的不同題號之間都存在關聯線,表明該套考卷各試題之間所涉知識點的較為密集,出題質量較高。該套考卷的測評結果對於老師瞭解、分析各個學生的知識掌握情況具有較高的參考價值。在現有的基礎教育階段,不同階段的學習或知識點之間具有較高的關聯度和連續性。根據參與該套考卷測試的該些測試者或學生的試題關聯線圖譜,若大多試題關聯線圖譜中離散分佈的試題題號較多,表明該套考卷出題質量不佳或未達預期,沒能較好地展現該套考卷所涉知識點的關聯度。
該基於測評成績的學情分析方法可對每位測試者答錯的試題題號以著色填充方式進行標識。老師可據此標識一目了然地初步分析及瞭解每位測試者或學生的知識點掌握情況。例如,若答錯的題號主要分佈在關聯線較為密集的區域,該測試者或該學生答錯的原因可能為:對該些知識點的掌握不牢;答題時較為粗心,稍加努力便可較好地掌握。若答錯的題號主要分佈在關聯線較為稀疏的區域或試題題號排列較為分散的區域,該測試者或該學生答錯的原因可能為:試題太難;該題所涉知識點尚未教學;該題所涉知識點已學過但久未複習等。
參見圖2和圖3,圖2是本發明基於測評成績的學情分析方法
之學生A的答題情況示意圖,圖3是本發明基於測評成績的學情分析方法之學生B的答題情況示意圖。根據該些圖示或試題關聯線圖譜對本發明之基於測評成績的學情分析方法進行詳細闡明或解釋。圖2、圖3中以一套具有40道試題的考卷為例進行說明該方法。經統計分析發現本次測評中題號29的題答對人數最多,將其排列在第一組,圖示示例中為最下層。假如本次測評的參與者共55人,題號29的答對人數最多,為55人。答對人數次多的題號列在第二組/層,如圖示示例中排在第二層的題號為31、25……依此類推,將該套考卷的各道試題及題號進行分組或分層排列。
假設該關聯性閾值設定為80%。根據每道試題答對人數之間的關聯模型對相鄰組之間各道試題的題號建立關聯線。以圖示中相鄰的第一層和第二層(從下往上)為例進行說明。如,排在第一組題號29有55人正確,排在第二組中的題號31與題號25有52人正確,進一步地,題號31正確且題號29正確人數為48人,題號25正確且題號29正確人數為50人。第一組與第二組的題號之間產生關聯的條件為:55*80%=44人。換句話說,既答對第一組又答對第二組且同時第二組的答對人數大於等於44人時,第一組與第二組的題號之間產生關聯。48>44,所以題號31與題號29有關聯,圖示示例中用關聯線來表示它們之間的關聯關係。50>44,所以題號25與題號29有關聯,圖示示例中用關聯線來表示它們之間的關聯關係。
與第二組相鄰的下一組/層對應的試題題號為32、34、40,題號32、34、40的答對人數都是51人。第二組與第三組的題號之間產生關聯的條件為:52*80%=42人。即,若既答對31題且答對32題的人數高於42人時,31題與32題之間建立關聯關係,以關聯線表示。若既答對31題且答
對34題的人數高於42人時,31題與34題之間建立關聯關係,以關聯線表示。若既答對31題且答對40題的人數高於42人時,31題與40題之間建立關聯關係,以關聯線表示。
假設該關聯性閾值設定為80%。又如,單獨排在一組的試題題號16及與其相鄰組的試題題號7、10、11、13、17、8、27。若題號16的正確人數或答對人數為44人,同一組/層中題號7、10、11、13、17、8、27的答對人數都是42人。該相鄰組的題號之間產生關聯的條件為:44*80%=35人。與題號16共同答對的人數(即與相鄰的下一組不同題號同時答對的人數)分別為題號7有32人、題號10有34人、題號13有30人、題號27有31人,都小於35人,因而該些題號之間沒有關聯線。與題號16共同答對的人數分別為題號11有36人、題號8有38人,大於35人,因而題號16與下一相鄰組的題號11、8之間建立關聯關係,以關聯線表示。
若試題難度較大、試題數量較多,該關聯性閾值設定數值可取小一些,如可將其設為75%。根據每道試題答對人數之間的關聯模型對相鄰組之間各道試題的題號建立關聯線。假設該關聯性閾值設定為75%時,以圖2、圖3之示例加以說明。排在第一層(最下層)的題號29有55人答對,排在第二層的題號31、25都是答對人數為52人。進一步地,題號31正確且題號29正確人數為48人,題號25正確且題號29正確人數為50人。第一層與第二層之間的關聯線為:55*0.75=41人。48>41,所以題號31與題號29有關聯,圖示示例中用關聯線來表示它們之間的關聯關係。50>41,所以題號25與題號29有關聯,圖示示例中用關聯線來表示它們之間的關聯關係。依此方法,完成該考卷所有試題分層排列圖譜之間的關聯線構建。
據前述方法,在該套考卷各試題分層排列完成後,對每位測試者的試題題號進行狀態標識,以區分答對試題和答錯試題。圖示示例中,對各位測試者或學生試題排列分佈圖譜中答錯的試題題號以著色填充方式進行標識,還可對該些圖譜分別標注該測試者或學生的姓名或學號以進行區分。若某位測試者或學生著色填充方式標識題號(答錯的)主要分佈在關聯線較為密集的區域,表明該測試者或該學生對於近段時間所學的知識點掌握情況不甚理想。其在該區域答錯較多的原因可能為:對該些知識點的掌握不牢;答題時較為粗心,稍加努力便可較好地掌握。若位測試者或學生著色填充方式標識題號(答錯的)主要分佈在關聯線較為稀疏的區域或試題題號排列較為分散的區域,表明該測試者或該學生對於近段時間所學的知識點掌握情況達到教學預期。其在該區域答錯較多的原因可能為:試題太難;該題所涉知識點尚未教學;該題所涉知識點已學過但久未複習等。
若該些測試者或學生之試題排列分佈圖譜中答錯的題號主要分佈在關聯線較為稀疏的區域或試題題號排列較為分散的區域,表明老師或出題者在該套考卷的出題時題目難度係數偏高;或者是該些試題所涉知識點過於超前;或者是該些試題所涉知識點為之前所學,與當前之時間間隔較為久遠等。若該些測試者或學生之試題排列分佈圖譜中答錯的題號主要分佈在關聯線較為密集的區域,表明老師或出題者在該套考卷的出題時對應考察的知識點設計的題目難度較高;或者是本次測評中對應考察的知識點整體難度較大,學習者整體掌握情況未達教學預期。老師或教育者可據此分析結果調整下一步的教學計劃或對學生們整體掌握不佳的知識點
進行著重複習或加強相關訓練。
圖4為本發明基於測評成績的學情分析裝置之簡示圖。一種基於測評成績的學情分析裝置100,至少包括分析統計模塊101、陣列建立模塊102和關聯模型建立模塊103。分析統計模塊101據由考卷測評結果信息庫中的信息,統計、分析每道試題答對人數、每位測試者的答題結果。陣列建立模塊102據由分析統計模塊中每道試題答對人數對,用以對每道試題題號進行分組排列,將答對人數相同的試題題號排在同一組/層。關聯模型建立模塊103根據設定的關聯性閾值構建相鄰組中各個題號的試題之間的關聯性模型。根據該關聯性閾值計算下一組所列試題與其相鄰的上一組所列試題建立關聯所需符合要求的答對人數,並根據所述答對人數以形成下一組所列試題與其相鄰的上一組所列試題之間的試題關聯模型。
下一組所列試題與其相鄰的上一組所列試題(相鄰兩組所列試題)之間的試題關聯模型建立方法為:以該下一組(待建立關聯關係的組)相鄰的上一組的答對人數*關聯性閾值,若該下一組所列試題與其相鄰的上一組所列試題組共同答對的人員數大於該值,則該下一組所列試題與其相鄰的上一組所列試題有關聯。該種基於測評成績的學情分析裝置還可包括一標識模塊,用以對每位測試者的答題對錯試題題號狀態進行標識。
因此,利用本發明所提供一種基於測評成績的學情分析方法及基於測評成績的學情分析裝置,通過對每位測試者或學生的同一套考試試題答題結果及各道試題之間關聯度的分析,可快速掌握各個學生的學習情況,如知識點掌握與否及程度等。通過該分析還可瞭解該老師本次出卷的質量如何,例如該套試題的知識點是否過於分散、所涉知識點是否過
於超前等。基於對試題之間的關聯線分析,有益於老師後續安排更加適宜的教學計劃、針對各個學生進行有針對性的輔導等,教育機構可即時調整教學規劃等事宜。
藉由以上較佳具體實施例之詳述,係希望能更加清楚描述本發明之特徵與精神,而並非以上述所揭露的較佳具體實施例來對本發明之範疇加以限制。相反地,其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。
S01~S04:步驟
Claims (10)
- 一種基於測評成績的學情分析方法,至少包括如下步驟:創建考卷測評結果信息庫,包括採集並識別每道試題答對人數、每位測試者的答題狀態;據由每道試題答對人數對考卷試題的題號進行分組排列,將答對人數相同的試題題號排在同一組;設定一關聯性閾值;根據該關聯性閾值計算下一組所列試題與其相鄰的上一組所列試題建立關聯所需符合要求的答對人數,並根據所述答對人數以形成下一組所列試題與其相鄰的上一組所列試題之間的試題關聯模型。
- 如請求項1所述之基於測評成績的學情分析方法,其中該下一組所列試題與其相鄰的上一組所列試題之間的試題關聯模型建立方法為:以其相鄰的上一組的答對人數*關聯性閾值,若下一組所列試題與其相鄰的上一組所列試題組共同答對的人員數大於該關聯性閾值,則該下一組所列試題與其相鄰的上一組所列試題有關聯。
- 如請求項1所述之基於測評成績的學情分析方法,其中該相鄰組之間的試題關聯模型可用關聯線表示。
- 如請求項1所述之基於測評成績的學情分析方法,其中該關聯性閾值的影響因素至少包括試題的難易度、試題數量的多少。
- 如請求項1所述之基於測評成績的學情分析方法,其中據由每道試題答對人數對該考卷試題的題號進行分組排列時,從下往上分組排列中每組答對人數依序遞減;下一組列於與其相鄰的上一組的上層。
- 如請求項1所述之基於測評成績的學情分析方法,其進一步包括:根據該每位測試者的關聯線判定考卷的出題質量。
- 如請求項1所述之基於測評成績的學情分析方法,其中對每位測試者的試題題號進行狀態標識,以區分答對試題和答錯試題。
- 一種基於測評成績的學情分析裝置,包括:分析統計模塊,統計、分析每道試題答對人數、每位測試者的答題結果;陣列建立模塊,用以對每道試題題號進行分組排列;關聯模型建立模塊,根據關聯性閾值構建相鄰組各個試題之間的關聯模型。
- 如請求項8所述之基於測評成績的學情分析裝置,其進一步包括標識模塊,用以對每位測試者的試題題號進行狀態標識,以區分答對試題和答錯試題。
- 如請求項8所述之基於測評成績的學情分析裝置,其中該下一組所列試題與其相鄰的上一組所列試題(相部兩組)之間的試題關聯模型建立方法為:以下一組相鄰的上一組的答對人數*關聯性閾值,若該下一組所列試題與其相鄰的上一組所列試題組共同答對的人員數大於該關聯性閾值,則該下一組所列試題與其相鄰的上一組所列試題有關聯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110117793A TWI787824B (zh) | 2021-05-17 | 2021-05-17 | 基於測評成績的學情分析方法與學情分析裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110117793A TWI787824B (zh) | 2021-05-17 | 2021-05-17 | 基於測評成績的學情分析方法與學情分析裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202247114A TW202247114A (zh) | 2022-12-01 |
TWI787824B true TWI787824B (zh) | 2022-12-21 |
Family
ID=85793838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110117793A TWI787824B (zh) | 2021-05-17 | 2021-05-17 | 基於測評成績的學情分析方法與學情分析裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI787824B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573628A (zh) * | 2018-04-23 | 2018-09-25 | 中山大学 | 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法 |
CN112766807A (zh) * | 2021-02-03 | 2021-05-07 | 北京译泰教育科技有限公司 | 一种对学生的教学质量进行测评的方法 |
-
2021
- 2021-05-17 TW TW110117793A patent/TWI787824B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573628A (zh) * | 2018-04-23 | 2018-09-25 | 中山大学 | 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法 |
CN112766807A (zh) * | 2021-02-03 | 2021-05-07 | 北京译泰教育科技有限公司 | 一种对学生的教学质量进行测评的方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202247114A (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abidin et al. | Project-based learning-literacy in improving students’ mathematical reasoning abilities in elementary schools | |
DeLuca et al. | Assessment mindset: Exploring the relationship between teacher mindset and approaches to classroom assessment | |
Hsiao | The culturally responsive teacher preparedness scale: An exploratory study. | |
Bailey | Washback in language testing | |
Jang | A framework for cognitive diagnostic assessment | |
Bailey et al. | A conceptual framework of academic English language for broad application to education | |
US20130316315A1 (en) | Method And System For Improving Testing Assessment | |
Chen et al. | Applying the rule space model to develop a learning progression for thermochemistry | |
Effatpanah | Application of Cognitive Diagnostic Models to the Listening Section of the International English Language Testing System (IELTS). | |
Humphry et al. | Raters’ perceptions of assessment criteria relevance | |
Mohamed et al. | Making Sense of Reading Scores with Reading Evaluation and Decoding System (READS). | |
Phakiti et al. | Classroom assessment and validity: Psychometric and edumetric approaches | |
DePascale et al. | Comparability of individual students’ scores on the “same test.” | |
Duckor et al. | Exploring how to model formative assessment trajectories of posing‐pausing‐probing practices: Toward a teacher learning progressions framework for the study of novice teachers | |
Gao et al. | Re-validating a learning progression of buoyancy for middle school students: A longitudinal study | |
Akyildiz et al. | The cognitive coaching-supported reflective teaching approach in English Language teaching: Academic and permanence success. | |
Qomariah | Islamic senior high school students’ language learning strategies and their English achievement | |
TWI787824B (zh) | 基於測評成績的學情分析方法與學情分析裝置 | |
Osman | BASIC SCHOOL TEACHERS’ASSESSMENT PRACTICES IN THE SISSALA EAST MUNICIPALITY, GHANA | |
Buschang et al. | Validating Measures of Algebra Teacher Subject Matter Knowledge and Pedagogical Content Knowledge. CRESST Report 820. | |
Gouider et al. | An examination of the impact of teachers’ functional questions on students’ oral production in Algerian EFL classrooms | |
Han | An interdisciplinary intelligent teaching system model based on college Students' cognitive ability | |
Alavi et al. | Constructing and validating a Q-matrix for cognitive diagnostic analysis of a reading comprehension test battery | |
Cornford | Skill learning and the development of expertise | |
Koedsri et al. | Diagnostic assessment of scientific literacy of lower secondary school students using g-dina model |