CN106708971B - 一种复习试题生成方法及*** - Google Patents

一种复习试题生成方法及*** Download PDF

Info

Publication number
CN106708971B
CN106708971B CN201611100680.XA CN201611100680A CN106708971B CN 106708971 B CN106708971 B CN 106708971B CN 201611100680 A CN201611100680 A CN 201611100680A CN 106708971 B CN106708971 B CN 106708971B
Authority
CN
China
Prior art keywords
error rate
knowledge points
test question
questions
test
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
Application number
CN201611100680.XA
Other languages
English (en)
Other versions
CN106708971A (zh
Inventor
梁金辉
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 Genius Technology Co Ltd
Original Assignee
Guangdong Genius Technology 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 Genius Technology Co Ltd filed Critical Guangdong Genius Technology Co Ltd
Priority to CN201611100680.XA priority Critical patent/CN106708971B/zh
Publication of CN106708971A publication Critical patent/CN106708971A/zh
Application granted granted Critical
Publication of CN106708971B publication Critical patent/CN106708971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明适用计算机技术领域，提供了一种复习试题生成方法及***，所述方法包括：按照章节知识点，对已作答的试题集进行分类；计算对应所述章节知识点的试题错误率，并根据所述章节知识点存储对应的错题；根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率；在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题。本发明在计算试题错误率的同时，参考用户当前的学习进度，根据当前学习任务对其临近的章节知识点进行复习，才能更好的衔接下一个阶段的学习。

Description

一种复习试题生成方法及***
技术领域
本发明属于计算机技术领域，尤其涉及一种复习试题生成方法及***。
背景技术
现有的在线作业、在线考试***等学习***中，在复习环节中，根据用户之前做题的错误率的高低，针对性的选择错误试题作为复习试题，这种方式一味地将错误率作为复试时的唯一参考标准，使得用户花费大量的时间，不断地在之前的章节知识点进行反复学习，对学习后面的章节知识点造成影响。现有的学习***无法为用户提供***性的复习环境，降低了用户的体验度。
发明内容
本发明的目的在于提供一种复习试题生成方法及***，旨在解决由于现有技术中因无法为用户提供***性复习环境而造成用户体验度低的问题。
一方面，本发明提供了一种复习试题生成方法，所述方法包括下述步骤：
按照章节知识点，对已作答的试题集进行分类；
计算对应所述章节知识点的试题错误率，并根据所述章节知识点存储对应的错题；
根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率；
在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题。
另一方面，本发明提供了一种复习试题生成***，所述***包括：
分类单元，用于按照章节知识点，对已作答的试题集进行分类；
错误率计算单元，用于计算对应所述章节知识点的试题错误率，并根据所述章节知识点存储对应的错题；
临近章节知识点单元，用于获取根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率；以及
复习试题生成单元，用于在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题。
在本发明实施例根据章节知识点计算出对应的错误率，结合当前学习任务选择临近的章节知识点，将临近的章节知识点中错误率达到预设错误率的错题作为复习试题，在计算试题错误率的同时，参考用户当前的学习进度，根据当前学习任务对其临近的章节知识点进行复习，才能更好的衔接下一个阶段的学习。
附图说明
图1是本发明实施例一提供的复习试题生成方法的实现流程图；
图2是本发明实施例二提供的复习试题生成方法的实现流程图；
图3是本发明实施例三提供的复习试题生成***的结构示意图；以及
图4是本发明实施例四提供的复习试题生成***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的复习试题生成方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，按照章节知识点，对已作答的试题集进行分类。
在本发明实施例中，每个试题都标记有所考察的章节知识点，每个科目包含多个章节，每个章节包含多个章节知识点，在用户对试题进行作答后，形成已作答的试题集，该已作答的试题集为用户在预设时间段内完成作答的试题。对已作答的试题集根据章节知识点进行分类。
进一步地，获取已作答的试题集；
根据试题中所标记的章节知识点，对已作答的试题集进行分类。
具体地，在预设时间段内获取已作答的试题集，该已作答的试题集包括：正确题以及错题，根据每个试题所标记的章节知识点，对已作答的试题集进行分类，形成以章节知识点作为索引，可以搜索到对应章节知识点的已作答的试题。
在步骤S102中，计算对应章节知识点的试题错误率，并根据章节知识点存储对应的错题。
在本发明实施例中，计算每个章节知识点所包含已作答的试题的试题错误率，计算对应章节知识点的试题错误率的公式为：
Figure GDA0002134484420000031
并根据章节知识点存储对应的错题。
在步骤S103中，根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率。
在本发明实施例中，根据学习进度表，获取当前学习任务，学习进度表是根据教科书的课程目录、课程时间安排表形成对应关系的表格。根据当前学习任务，获取临近该当前学习任务的章节知识点，比如当前学习任务为学习第三章第4节的内容，根据该当前学习任务，可以得到临近的章节知识点是第三章第2-3节所包含的知识点。
在步骤S104中，在临近的章节知识点中，将试题错误率超出预设错误率的错题作为复习试题。
在本发明实施例中，在得到临近的章节知识点后，根据该临近的章节知识点可以得到对应的试题错误率，判断该试题错误率是否超出预设错误率，如果超出预设错误率，则将对应该临近的章节知识点所存储的错题作为复习试题。
进一步地，将临近的章节知识点对应的试题错误率与预设错误率进行比对；
将超出预设错误率的错题作为复习试题。
在本发明实施例中，根据章节知识点计算出对应的错误率，结合当前学习任务选择临近的章节知识点，将临近的章节知识点中错误率达到预设错误率的错题作为复习试题，在计算试题错误率的同时，参考用户当前的学习进度，根据当前学习任务对其临近的章节知识点进行复习，才能更好的衔接下一个阶段的学习。
实施例二：
图2示出了本发明实施例二提供的复习试题生成方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S201中，按照章节知识点，对已作答的试题集进行分类。
在步骤S202中，计算对应章节知识点的试题错误率，并根据章节知识点存储对应的错题。
在步骤S203中，根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的试题错误率。
在步骤S204中，在临近的章节知识点中，将试题错误率超出预设错误率的错题作为复习试题。
在步骤S205中，根据预设的输出方式输出复习试题。
在本发明实施例中，当错误率较高时，由于错题量较大，可以根据预设的输出方式，优选输出难度值较大的试题，或者出错率较高的试题，以便提高学习效率，进行针对性的复习。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
实施例三：
图3示出了本发明实施例三提供的复习试题生成***的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。在本发明实施例中，复习试题生成***包括：分类单元31、错误率计算单元32、临近章节知识点单元33以及复习试题生成单元34，其中：
分类单元31，用于按照章节知识点，对已作答的试题集进行分类。
在本发明实施例中，每个试题都标记有所考察的章节知识点，每个科目包含多个章节，每个章节包含多个章节知识点，在用户对试题进行作答后，形成已作答的试题集，该已作答的试题集为用户在预设时间段内完成作答的试题。对已作答的试题集根据章节知识点进行分类。
进一步地，分类单元31包括：
试题集获取单元311，用于获取已作答的试题集；以及
分类子单元312，用于根据试题中所标记的章节知识点，对已作答的试题集进行分类。
具体地，在预设时间段内获取已作答的试题集，该已作答的试题集包括：正确题以及错题，根据每个试题所标记的章节知识点，对已作答的试题集进行分类，形成以章节知识点作为索引，可以搜索到对应章节知识点的已作答的试题。
错误率计算单元32，用于计算对应章节知识点的试题错误率，并根据章节知识点存储对应的错题。
在本发明实施例中，计算每个章节知识点所包含已作答的试题的试题错误率，计算对应章节知识点的试题错误率的公式为：
Figure GDA0002134484420000051
并根据章节知识点存储对应的错题。
临近章节知识点单元33，用于获取根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的试题错误率。
在本发明实施例中，根据学习进度表，获取当前学习任务，学习进度表是根据教科书的课程目录、课程时间安排表形成对应关系的表格。根据当前学习任务，获取临近该当前学习任务的章节知识点，比如当前学习任务为学习第三章第4节的内容，根据该当前学习任务，可以得到临近的章节知识点是第三章第2-3节所包含的知识点。
复习试题生成单元34，用于在临近的章节知识点中，将试题错误率超出预设错误率的错题作为复习试题。
在本发明实施例中，在得到临近的章节知识点后，根据该临近的章节知识点可以得到对应的试题错误率，判断该试题错误率是否超出预设错误率，如果超出预设错误率，则将对应该临近的章节知识点所存储的错题作为复习试题。
进一步地，复习试题生成单元34包括：
比对单元341，用于将临近的章节知识点对应的试题错误率与预设错误率进行比对；以及
生成子单元342，用于将超出预设错误率的错题作为复习试题。
在本发明实施例中，根据章节知识点计算出对应的错误率，结合当前学习任务选择临近的章节知识点，将临近的章节知识点中错误率达到预设错误率的错题作为复习试题，在计算试题错误率的同时，参考用户当前的学习进度，根据当前学习任务对其临近的章节知识点进行复习，才能更好的衔接下一个阶段的学习。
实施例四：
图4示出了本发明实施例四提供的复习试题生成***的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。在本发明实施例中，复习试题生成***包括：分类单元41、错误率计算单元42、临近章节知识点单元43、复习试题生成单元44以及输出单元45，其中：
分类单元41，用于按照章节知识点，对已作答的试题集进行分类；
错误率计算单元42，用于计算对应章节知识点的试题错误率，并根据章节知识点存储对应的错题；
临近章节知识点单元43，用于获取根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的试题错误率；
复习试题生成单元44，用于在临近的章节知识点中，将试题错误率超出预设错误率的错题作为复习试题；以及
输出单元45，用于根据预设的输出方式输出复习试题。
在本发明实施例中，当错误率较高时，由于错题量较大，可以根据预设的输出方式，优选输出难度值较大的试题，或者出错率较高的试题，以便提高学习效率，进行针对性的复习。
在本发明实施例中，复习试题生成***的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。该***各单元的实施方式具体可参考前述实施例一的描述，在此不再赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种复习试题生成方法，其特征在于，所述方法包括下述步骤：
按照章节知识点，对已作答的试题集进行分类，形成以章节知识点作为索引，以供搜索到对应章节知识点的已作答的试题；
计算对应所述章节知识点的试题错误率，并根据所述章节知识点存储对应的错题，所述试题错误率为单个用户的试题错误率；
根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率；
在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题。
2.如权利要求1所述的方法，其特征在于，按照章节知识点，对已作答的试题集进行分类的步骤包括：
获取已作答的试题集；
根据试题中所标记的章节知识点，对已作答的试题集进行分类。
3.如权利要求1所述的方法，其特征在于，计算对应所述章节知识点的试题错误率的公式为：
Figure FDA0002361057860000011
4.如权利要求1所述的方法，其特征在于，在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题的步骤包括：
将所述临近的章节知识点对应的所述试题错误率与预设错误率进行比对；
将超出预设错误率的错题作为复习试题。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据预设的输出方式输出所述复习试题。
6.一种复习试题生成***，其特征在于，所述***包括：
分类单元，用于按照章节知识点，对已作答的试题集进行分类，形成以章节知识点作为索引，以供搜索到对应章节知识点的已作答的试题；
错误率计算单元，用于计算对应所述章节知识点的试题错误率，并根据所述章节知识点存储对应的错题，所述试题错误率为单个用户的试题错误率；
临近章节知识点单元，用于获取根据学习进度表中的当前学习任务，获取临近的章节知识点，以及对应的所述试题错误率；以及
复习试题生成单元，用于在所述临近的章节知识点中，将所述试题错误率超出预设错误率的错题作为复习试题。
7.如权利要求6所述的***，其特征在于，所述分类单元包括：
试题集获取单元，用于获取已作答的试题集；以及
分类子单元，用于根据试题中所标记的章节知识点，对已作答的试题集进行分类。
8.如权利要求6所述的***，其特征在于，所述计算对应所述章节知识点的试题错误率的公式为：
Figure FDA0002361057860000021
9.如权利要求6所述的***，其特征在于，所述复习试题生成单元包括：
比对单元，用于将所述临近的章节知识点对应的所述试题错误率与预设错误率进行比对；以及
生成子单元，用于将超出预设错误率的错题作为复习试题。
10.如权利要求6所述的***，其特征在于，所述***还包括：
输出单元，用于根据预设的输出方式输出所述复习试题。
CN201611100680.XA 2016-12-02 2016-12-02 一种复习试题生成方法及*** Active CN106708971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611100680.XA CN106708971B (zh) 2016-12-02 2016-12-02 一种复习试题生成方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611100680.XA CN106708971B (zh) 2016-12-02 2016-12-02 一种复习试题生成方法及***

Publications (2)

Publication Number Publication Date
CN106708971A CN106708971A (zh) 2017-05-24
CN106708971B true CN106708971B (zh) 2020-07-28

Family

ID=58935472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611100680.XA Active CN106708971B (zh) 2016-12-02 2016-12-02 一种复习试题生成方法及***

Country Status (1)

Country Link
CN (1) CN106708971B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684365A (zh) * 2018-11-05 2019-04-26 广东共升教育科技有限公司 一种自动生成复习题的方法、装置、设备和存储介质
CN109767663A (zh) * 2019-03-22 2019-05-17 河南城建学院 一种线性代数考试题出题***
CN111753616A (zh) * 2019-11-26 2020-10-09 广东小天才科技有限公司 一种错题收集方法及学习设备
CN111125342B (zh) * 2019-12-17 2023-06-27 深圳市鹰硕技术有限公司 习题测试数据生成方法以及装置
CN113282765A (zh) * 2021-06-17 2021-08-20 东莞市亚太未来软件有限公司 一种动态复习试题生成方法及***
CN113674571B (zh) * 2021-08-24 2023-03-31 科学出版社成都有限责任公司 一种习题练习方法、***及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI273525B (en) * 2005-12-27 2007-02-11 Inventec Corp Learning system and method featured with review functions
JP2008116892A (ja) * 2006-11-07 2008-05-22 Hidemasa Yamaguchi 過去に出題された各種の資格試験の択一式問題の理解度を向上させ、弱点を克服させるｅラーニングの方法。
CN101477755A (zh) * 2009-01-06 2009-07-08 陈诗周 学生错题库***
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
KR20150031521A (ko) * 2013-09-16 2015-03-25 주식회사 펀에듀 오답과 관련된 연관문제 제공방법
CN105224665A (zh) * 2015-09-30 2016-01-06 广东小天才科技有限公司 一种错题管理方法及***
CN105374244A (zh) * 2015-12-10 2016-03-02 广东小天才科技有限公司 一种基于错题分析的学习方法和***
CN105574210A (zh) * 2016-02-02 2016-05-11 广东小天才科技有限公司 一种推送复习知识板块的方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI273525B (en) * 2005-12-27 2007-02-11 Inventec Corp Learning system and method featured with review functions
JP2008116892A (ja) * 2006-11-07 2008-05-22 Hidemasa Yamaguchi 過去に出題された各種の資格試験の択一式問題の理解度を向上させ、弱点を克服させるｅラーニングの方法。
CN101477755A (zh) * 2009-01-06 2009-07-08 陈诗周 学生错题库***
CN104299473A (zh) * 2013-07-20 2015-01-21 郑州学生宝电子科技有限公司 一种教学与学生学习错题知识库
KR20150031521A (ko) * 2013-09-16 2015-03-25 주식회사 펀에듀 오답과 관련된 연관문제 제공방법
CN105224665A (zh) * 2015-09-30 2016-01-06 广东小天才科技有限公司 一种错题管理方法及***
CN105374244A (zh) * 2015-12-10 2016-03-02 广东小天才科技有限公司 一种基于错题分析的学习方法和***
CN105574210A (zh) * 2016-02-02 2016-05-11 广东小天才科技有限公司 一种推送复习知识板块的方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
教师错题集的建立;全加顺;《新课程研究》;20140228;第41-42页 *

Also Published As

Publication number Publication date
CN106708971A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106708971B (zh) 一种复习试题生成方法及***
CN107908803B (zh) 问答交互的响应方法及装置、存储介质、终端
CN103077050B (zh) 一种显示应用程序信息的方法、装置及设备
CN106599317B (zh) 问答***的测试数据处理方法、装置及终端
CN106777328B (zh) 一种移动终端的题目推荐方法及装置
CN109389870A (zh) 一种应用于电子教学中的数据自适应调整方法及其装置
Xu et al. On initial item selection in cognitive diagnostic computerized adaptive testing
CN111125328B (zh) 文本处理方法及相关设备
CN111223015B (zh) 课程推荐方法、装置及终端设备
Hassan et al. Smart media-based context-aware recommender systems for learning: A conceptual framework
CN108519998A (zh) 基于知识图谱的问题引导方法及装置
CN105718527A (zh) 一种复习题目生成方法及装置
CN107678972A (zh) 一种测试用例的评估方法及相关装置
CN111737439B (zh) 一种问题生成方法及装置
CN104809676B (zh) 一种分析答案的出错类型的方法和装置
CN103455964B (zh) 一种基于案件信息的案件线索分析***及方法
CN105373568B (zh) 问题答案自动学习方法和装置
CN106600489B (zh) 一种标记失误试题的方法及装置
CN103150388A (zh) 一种提取关键词的方法及装置
CN108846119B (zh) 一种单词认知度的排名方法、存储装置及移动终端
Goker et al. Improving an early warning system to prediction of student examination achievement
CN115758162A (zh) 数据预测模型训练、光伏逆变器故障预测方法及装置
CN110275946A (zh) 一种faq自动问答方法和装置
TW200725504A (en) Learning system and method featured with review functions
Peró-Cebollero et al. The adequacy of different robust statistical tests in comparing two independent groups

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant