CN107248019A - 一种云教学平台在线教学评价*** - Google Patents
一种云教学平台在线教学评价*** Download PDFInfo
- Publication number
- CN107248019A CN107248019A CN201710239590.7A CN201710239590A CN107248019A CN 107248019 A CN107248019 A CN 107248019A CN 201710239590 A CN201710239590 A CN 201710239590A CN 107248019 A CN107248019 A CN 107248019A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- student
- teaching
- knowledge
- teacher
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000007115 recruitment Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 21
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 238000000205 computational method Methods 0.000 claims description 10
- 230000007786 learning performance Effects 0.000 claims description 7
- 230000000052 comparative effect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 235000010894 Artemisia argyi Nutrition 0.000 description 1
- 244000030166 artemisia Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种云教学平台在线教学评价***,包括,知识点诊断模块:用于从云教学平台数据库获取所在区域每个学生的知识点掌握概率,并将每个学生的知识点掌握概率与知识点掌握概率设定值进行比较;其中,知识点掌握概率的计算公式为P(θ)*R;学生人均掌握知识点数计算模块:分别计算每个教师执教班级的学生人均掌握知识点数和所在区域的学生人均掌握知识点数;教师教学效果评估模块,将所在区域每个教师执教班级的学生人均掌握知识点数进行比较并按照从多到少的顺序进行排序。本发明采用的技术方案,从云教学平台数据库获取在线教学过程中产生的海量数据,并结合这些数据对在线教学效果进行评价,与人为评价比对,可以做到更加全面、客观、准确。
Description
技术领域
本发明涉及在线学习平台。
背景技术
随着网络的发展,学生的学***台。但是目前在线教学过程中产生的海量数据尚未得到有效利用。
发明内容
本发明所要解决的技术问题就是提供一种云教学平台在线教学评价***,对在线教学过程中产生的海量数据进行分析。
为解决上述技术问题,本发明采用如下技术方案:一种云教学平台在线教学评价***,包括,
知识点诊断模块:用于从云教学平台数据库获取所在区域每个学生的知识点掌握概率,并将每个学生的知识点掌握概率与知识点掌握概率设定值进行比较,如果该学生的知识点掌握概率大于或者等于知识点掌握概率设定值,则输出掌握该知识点的诊断结果,如果该学生的知识点掌握概率小于知识点掌握概率设定值,则输出不掌握该知识点的结果;
其中,知识点掌握概率的计算公式为P(θ)*R,
P(θ)=1/(1+e^(b-θ)),θ表示评定用户的能力参数,b表示每个题目的难度系数,e=2.71828;
R=e^(-t/s),t为以天为基本单位的时间间隔,s为记忆强度,e=2.71828;
s的计算方法为,每个知识点初始s=1,且s最小为1,练习答案正确,则该题的直接和间接知识点的s=s+1,练习答案错误,直接知识点s=s-1,间接知识点s=s-(1-0.2n),n为该间接知识点与直接知识点之间的相隔层级,n>5时把n视为5;
t的计算方法为,当一道题做正确时,该题的直接知识点和间接知识点的记忆时间=该题练习的日期,t=当前日期-记忆时间;
学生人均掌握知识点数计算模块:根据知识点诊断模块的输出结果计算每个学生掌握的总知识点数,并分别计算每个教师执教班级的学生人均掌握知识点数和所在区域的学生人均掌握知识点数;
教师教学效果评估模块,根据学生人均掌握知识点数计算模块的输出结果,将所在区域每个教师执教班级的学生人均掌握知识点数进行比较并按照从多到少的顺序进行排序。
作为优选,每个题目的难度系数确定包括如下步骤:
步骤一,选取学生样本;
步骤二,根据每道题所抽取的学生样本,计算出每道题的平均正确率,对正确率最低Pmin的题目难度系数赋值为1,正确率最高Pmax的题目难度系数赋值为0.01,而对于正确率为m的题目难度系数确定的方法为K=1-(1-0.01)·(m-Pmin)/(Pmax-Pmin)。
作为优选,每个题目的难度系数每间隔一个月重新计算并更新。
作为优选,θ的计算方法为:选取该知识点最近30题,计算ln(答题正确数/答题错误数),当答题正确数为0或者答题错误数为0时,答题正确数或答题错误数采用修正值0.5。
作为优选,所述教师教学效果评估模块还包括教师教学手段比较子模块,所述教师教学手段比较子模块从云教学平台数据库获取所在区域每个教师针对各知识点的教学指标,并将每个教师的教学指标数值与所在区域教师的教学指标数值平均数进行比较,然后输出比较结果。
作为优选,所述教学指标包括教师布置作业次数、教师设定作业预计完成时长、教师在线授课过程中互动次数、教师与家长和学生的互动次数。
作为优选,还包括学生学***均值进行比较,并输出比较结果。
作为优选,所述学生学习路径指标包括做题数量、做题时长、作业的上交率、学生的学习互动次数、学生与教师的互动次数。
作为优选,每个知识点的初始R=0,每天重新计算R,当一道题做正确时,该题的直接知识点和间接知识点的R=1。
作为优选,所述知识点掌握概率的设定值为0.75。
本发明采用的技术方案,从云教学平台数据库获取在线教学过程中产生的海量数据,并结合这些数据对在线教学效果进行评价。
对于学生来说,可以通过科学的对标分析,帮助学生定位学习问题,进而改进学习的方式、方法与习惯,提高学习效率。
对于教师来说,可以通过科学的对标分析,帮助教师定位教学问题,进而改进教学的方式、方法,提高教学效率。
与人为评价比对,可以做到更加全面、客观、准确。
具体实施方式
一种云教学平台在线教学评价***,包括,
知识点诊断模块:用于从云教学平台数据库获取所在区域每个学生的知识点掌握概率,并将每个学生的知识点掌握概率与知识点掌握概率设定值进行比较,如果该学生的知识点掌握概率大于或者等于知识点掌握概率设定值,则输出掌握该知识点的诊断结果,如果该学生的知识点掌握概率小于知识点掌握概率设定值,则输出不掌握该知识点的结果;
学生人均掌握知识点数计算模块:根据知识点诊断模块的输出结果计算每个学生掌握的总知识点数,并分别计算每个教师执教班级的学生人均掌握知识点数和所在区域的学生人均掌握知识点数;
教师教学效果评估模块,根据学生人均掌握知识点数计算模块的输出结果,将所在区域每个教师执教班级的学生人均掌握知识点数进行比较并按照从多到少的顺序进行排序。
所述教师教学效果评估模块还包括教师教学手段比较子模块,所述教师教学手段比较子模块从云教学平台数据库获取所在区域每个教师针对各知识点的教学指标,并将每个教师的教学指标数值与所在区域教师的教学指标数值平均数进行比较,然后输出比较结果。
其中,所述教学指标包括教师布置作业次数、教师设定作业预计完成时长、教师在线授课过程中互动次数、教师与家长和学生的互动次数,这些教学指标预先定义并在发生后由***自动记录存储在云教学平台数据库中。对于影响教学效果的行为主要为教师的关键教学手段与方法,包括针对各个知识点,教师布置作业次数、作业预计完成时长(教师布置作业的预计用时,即学生大约需要多久完成作业)、教师在线授课过程中互动次数(包括点名次数、课件引用资料数、疑难问题的讲解时长、疑难问题的讲解次数),教师与家长学生的互动次数(包括在云平台上与家长的沟通次数、与学生的沟通次数),通过将教师与教师之间进行对标分析,确定该教师教学过程中的薄弱环节。帮助教师定位教学问题,进而改进教学的方式、方法,提高教学效率。
还包括学生学***均值进行比较,并输出比较结果。所述学生学***台数据库中。
对于影响学生学***均值、优秀学生进行对比,进而确定薄弱环节。
综上,同时教学评价不仅仅提供评价结果的输出,而且会提供相关评价结果原因的分析,帮助学生、教师了解个人之所以为这种评价结果的原因,更好的帮助学生改善学习方法,帮助教师改善教学方法。对于学生会提供其个人做题数量、做题时长、学习交流次数等关键学习行为与其他优秀学生的对比情况,让其明白个人的强项或短板,对于教师会提供其个人教学行为数据,包括课件中引用的素材数、课堂互动次数、课后作业布置等教学行为与其他优秀教师进行对比,让其更有方向的调整个人的教学行为。
上述的数据和指标在在线教学过程中,存储在云教学平台数据库,可以通过数据埋点或业务库数据获得。
上述的所在区域可以是某个学校、某个乡镇(街道)、县市、省等。可以根据实际需要,从云教学平台数据库获取相应数据,并进行分析计算。
其中,学生的知识点的掌握概率的计算方法,可以采用项目反应理论进行评价,或者结合遗忘曲线的R值对项目反应理论的评价结果进行修正。
项目反应理论(Item Response Theory,IRT)是一系列心理统计学模型的总称,是针对经典测量理论(Classical Test Theory,简称CTT)的局限性提出来的。IRT是用来分析考试成绩或者问卷调查数据的数学模型,这些模型的目标是来确定的潜在心理特征(latent trait)是否可以通过测试题被反应出来,以及测试题和被测试者之间的互动关系。
现代远程教育以计算机网络为基础来实施教学的各个环节,有着信息化水平高的特点。这一特殊的教学环境非常有利于项目反应原理(又称IRT,Item Response Theory)发挥优势,提高教学质量。
遗忘曲线由德国心理学家艾宾浩斯(H.Ebbinghaus)研究发现,这条曲线告诉人们在学习中的遗忘是有规律的,遗忘的进程很快,并且先快后慢。
以下结合具体实施例对本发明做出具体说明。
实施例1,学生知识点掌握概率的计算方法,包括如下步骤:
步骤一,评定学生对于该知识点掌握的概率,计算公式为P(θ)=1/(1+e^(b-θ)),其中,θ表示评定学生的能力参数,b表示每个题目的难度系数,e为常数2.71828;
其中,针对该知识点,b采用标准难度系数,指对于全平台学生而言,通过定量与定性的研究方法,分析确定的统一的难度系数标准。
根据全平台海量学生的练***均正确率,用以降低全国各地区教学水平差异的影响,进而保证标准难度系数对于全国各地的通用性及合理性),按照科学的统计分析方法,对题目难度系数进行赋值(对全国各地采用配比抽样,组成题目难度评定样本,根据正确率最低与正确率最高对定义难度最高系数与难度最低系数,并对每道题目进行难度赋值)。具体包括如下步骤:
抽样方法细述:首先研究的问题为题目a全国各地区学生的平均正确率,地区的级别为县区,使估算误差出不超过0.5%,且具有95%的可信度。
利用确认样本大小,其中d为允许的估算误差0.5%,α=1-95%=0.05,Za/2通过查标准正太分布表获得,上侧面积α/2=0.05/2=0.025,则对应的Z值Z0.025=1.96,π为根据历史答题数据确定的全国该题目的正确率。根据各地回答该问题学生的比例确定样本中该地区需随机抽取的样本学生数(每个地区的样本数=确定的样本数*(本地区回答问题的学生人数/回答该问题的所有学生人数)),最终组成研究样本。
上述的抽样方法只是一种举例,当然也可以采用其他现有的抽样方法,在此不再一一赘述。对本发明来说,更重要的还在于根据抽样结果,进行难度系数赋值的方法。
难度系数赋值方法:根据每道题所抽取的学生样本,可计算出每道题的平均正确率。对正确率最低(Pmin)的题目难度系数赋值为1,正确率最高(Pmax)的题目难度系数赋值为0.01,对于正确率为m的题目难度系数确定的方法为K=1-(1-0.01)·(m-Pmin)/(Pmax-Pmin)。
另外,题目的难度系数每月进行更新。
θ的计算方法为:为降低历史能力对最新能力的影响,同时保障能力评估的准确性,选取该知识点最近练习的30题,计算ln(答题正确数/答题错误数),当答题正确数为0或者答题错误数为0时,答题正确数或答题错误数采用修正值0.5。当然为了保证θ的准确性,也可以选择选取该知识点最近练习30题以上甚至更多题目。
步骤二,评定学生对于该知识点的记忆程度,计算公式为R=e^(-t/s),其中,t为以天为基本单位的时间间隔,s为记忆强度,e为常数2.71828;
s的计算方法为,每个知识点初始s=1,且s最小为1,练习答案正确,则该题的直接和间接知识点的s=s+1,练习答案错误,直接知识点s=s-1,间接知识点s=s-(1-0.2n),n为该间接知识点与直接知识点之间的相隔层级,n>5时把n视为5。
直接知识点指与该题目直接关联的知识点,间接知识点指与该题目的知识点相关联的知识点。因为知识点与知识点不是相互独立的,是有先后或者父子级关系的,学生所学的所有知识点是个网状关系,知识点之间彼此相互联系。例如乘除法混合运算属于子级知识点,四则混合运算属于父级知识点,当一个学生练了一个乘除法混合运算的题目,但同时对四则混合运算也间接的进行了练习,因为四则混合运算里面包含乘除法混合运算,这时乘法混合运算为直接知识点,四则混合运算为间接知识点。间接知识点与直接知识点的相隔层级指在知识点关系图中,之间相隔几个知识点,层级越低两个知识点的关联层度越大,层级越大,两个知识点的关联层度越小。
t的计算方法为,t=当前日期-记忆时间,当一道题做正确时,该题的直接知识点和间接知识点的记忆时间=该题练习的日期,也就是答对该题时的具体日期。
每个知识点的初始R=0,每天(凌晨)重新计算R,当一道题做正确时,该题的直接知识点和间接知识点的R=1。
步骤三,实时计算P(θ)*R,得到修正后的学生知识点掌握概率,在本实施例中,知识点掌握概率设定值为0.75,当结果大于等于0.75时该学生知识点达标,反之不达标。
之所以确定75%,一个是结合具体的答题数据及代表性学生的分析,同时也采用了专家访谈,即经验丰富教师的意见。
实施例2,与实施例1的不同在于,直接采用项目反应理论对知识点掌握概率进行计算,即知识点掌握概率的计算公式为P(θ)=1/(1+e^(b-θ)),而不采用P(θ)*R的计算结果对知识点掌握概率进行修正。
除上述优选实施例外,本发明还有其他的实施方式,本领域技术人员可以根据本发明作出各种改变和变形,只要不脱离本发明的精神,均应属于本发明权利要求书中所定义的范围。
Claims (10)
1.一种云教学平台在线教学评价***,其特征在于包括,
知识点诊断模块:用于从云教学平台数据库获取所在区域每个学生的知识点掌握概率,并将每个学生的知识点掌握概率与知识点掌握概率设定值进行比较,如果该学生的知识点掌握概率大于或者等于知识点掌握概率设定值,则输出掌握该知识点的诊断结果,如果该学生的知识点掌握概率小于知识点掌握概率设定值,则输出不掌握该知识点的结果;
其中,知识点掌握概率的计算公式为P(θ)*R,
P(θ)=1/(1+e^(b-θ)),θ表示评定用户的能力参数,b表示每个题目的难度系数,e=2.71828;
R=e^(-t/s),t为以天为基本单位的时间间隔,s为记忆强度,e=2.71828;
s的计算方法为,每个知识点初始s=1,且s最小为1,练习答案正确,则该题的直接和间接知识点的s=s+1,练习答案错误,直接知识点s=s-1,间接知识点s=s-(1-0.2n),n为该间接知识点与直接知识点之间的相隔层级,n>5时把n视为5;
t的计算方法为,当一道题做正确时,该题的直接知识点和间接知识点的记忆时间=该题练习的日期,t=当前日期-记忆时间;
学生人均掌握知识点数计算模块:根据知识点诊断模块的输出结果计算每个学生掌握的总知识点数,并分别计算每个教师执教班级的学生人均掌握知识点数和所在区域的学生人均掌握知识点数;
教师教学效果评估模块,根据学生人均掌握知识点数计算模块的输出结果,将所在区域每个教师执教班级的学生人均掌握知识点数进行比较并按照从多到少的顺序进行排序。
2.根据权利要求1所述的一种云教学平台在线教学评价***,其特征在于:每个题目的难度系数确定包括如下步骤:
步骤一,选取学生样本;
步骤二,根据每道题所抽取的学生样本,计算出每道题的平均正确率,对正确率最低Pmin的题目难度系数赋值为1,正确率最高Pmax的题目难度系数赋值为0.01,而对于正确率为m的题目难度系数确定的方法为K=1-(1-0.01)·(m-Pmin)/(Pmax-Pmin)。
3.根据权利要求2所述的一种云教学平台在线教学评价***,其特征在于:每个题目的难度系数每间隔一个月重新计算并更新。
4.根据权利要求1所述的一种云教学平台在线教学评价***,其特征在于:θ的计算方法为:选取该知识点最近30题,计算ln(答题正确数/答题错误数),当答题正确数为0或者答题错误数为0时,答题正确数或答题错误数采用修正值0.5。
5.根据权利要求1至4任意一项所述的一种云教学平台在线教学评价***,其特征在于:所述教师教学效果评估模块还包括教师教学手段比较子模块,所述教师教学手段比较子模块从云教学平台数据库获取所在区域每个教师针对各知识点的教学指标,并将每个教师的教学指标数值与所在区域教师的教学指标数值平均数进行比较,然后输出比较结果。
6.根据权利要求1至4任意一项所述的一种云教学平台在线教学评价***,其特征在于:所述教学指标包括教师布置作业次数、教师设定作业预计完成时长、教师在线授课过程中互动次数、教师与家长和学生的互动次数。
7.根据权利要求1至4任意一项所述的一种云教学平台在线教学评价***,其特征在于:还包括学生学***均值进行比较,并输出比较结果。
8.根据权利要求7所述的一种云教学平台在线教学评价***,其特征在于:所述学生学习路径指标包括做题数量、做题时长、作业的上交率、学生的学习互动次数、学生与教师的互动次数。
9.根据权利要求1所述的一种云教学平台在线教学评价***,其特征在于:每个知识点的初始R=0,每天重新计算R,当一道题做正确时,该题的直接知识点和间接知识点的R=1。
10.根据权利要求1所述的一种云教学平台在线教学评价***,其特征在于:所述知识点掌握概率的设定值为0.75。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710239590.7A CN107248019A (zh) | 2017-04-13 | 2017-04-13 | 一种云教学平台在线教学评价*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710239590.7A CN107248019A (zh) | 2017-04-13 | 2017-04-13 | 一种云教学平台在线教学评价*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107248019A true CN107248019A (zh) | 2017-10-13 |
Family
ID=60016941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710239590.7A Pending CN107248019A (zh) | 2017-04-13 | 2017-04-13 | 一种云教学平台在线教学评价*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107248019A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053117A (zh) * | 2017-12-14 | 2018-05-18 | 北京慧辰资道资讯股份有限公司 | 一种学生学科掌握能力的个性化评估方法 |
CN108280784A (zh) * | 2017-12-19 | 2018-07-13 | 深圳市因尚网络科技股份有限公司 | 作业反馈方法、设备及计算机可读存储介质 |
CN108520020A (zh) * | 2018-03-22 | 2018-09-11 | 东华大学 | 一种基于SaaS的实时学习数据分析*** |
CN109034590A (zh) * | 2018-07-18 | 2018-12-18 | 王奎 | 一种智能化的教师教学质量评价管理*** |
CN109325696A (zh) * | 2018-09-29 | 2019-02-12 | 牛剑教育科技(深圳)有限公司 | 一种课程管理***及其方法 |
CN110110899A (zh) * | 2019-04-11 | 2019-08-09 | 北京作业盒子科技有限公司 | 知识掌握度的预测方法、自适应学习方法及电子设备 |
CN110197450A (zh) * | 2019-05-31 | 2019-09-03 | 上海乂学教育科技有限公司 | 知识点间顺序关系获取方法、装置、设备及介质 |
CN110910038A (zh) * | 2019-12-02 | 2020-03-24 | 成都中医药大学 | 基于网络课程的教师教学画像模型的构建方法 |
CN110991943A (zh) * | 2019-12-26 | 2020-04-10 | 河南城建学院 | 一种基于云计算的教学质量评价*** |
DE202022100887U1 (de) | 2022-02-16 | 2022-02-24 | Marggise Anusha Angel | System zur Verbesserung des Online-Unterrichts und der Unterrichtsevaluation mit Hilfe der Informations- und Kommunikationstechnologie |
CN114529436A (zh) * | 2022-02-10 | 2022-05-24 | 珠海读书郎软件科技有限公司 | 一种知识点掌握程度评估方法、装置及介质 |
-
2017
- 2017-04-13 CN CN201710239590.7A patent/CN107248019A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053117A (zh) * | 2017-12-14 | 2018-05-18 | 北京慧辰资道资讯股份有限公司 | 一种学生学科掌握能力的个性化评估方法 |
CN108280784A (zh) * | 2017-12-19 | 2018-07-13 | 深圳市因尚网络科技股份有限公司 | 作业反馈方法、设备及计算机可读存储介质 |
CN108520020A (zh) * | 2018-03-22 | 2018-09-11 | 东华大学 | 一种基于SaaS的实时学习数据分析*** |
CN109034590A (zh) * | 2018-07-18 | 2018-12-18 | 王奎 | 一种智能化的教师教学质量评价管理*** |
CN109325696A (zh) * | 2018-09-29 | 2019-02-12 | 牛剑教育科技(深圳)有限公司 | 一种课程管理***及其方法 |
CN110110899A (zh) * | 2019-04-11 | 2019-08-09 | 北京作业盒子科技有限公司 | 知识掌握度的预测方法、自适应学习方法及电子设备 |
CN110197450A (zh) * | 2019-05-31 | 2019-09-03 | 上海乂学教育科技有限公司 | 知识点间顺序关系获取方法、装置、设备及介质 |
CN110197450B (zh) * | 2019-05-31 | 2024-03-08 | 上海松鼠课堂人工智能科技有限公司 | 知识点间顺序关系获取方法、装置、设备及介质 |
CN110910038A (zh) * | 2019-12-02 | 2020-03-24 | 成都中医药大学 | 基于网络课程的教师教学画像模型的构建方法 |
CN110991943A (zh) * | 2019-12-26 | 2020-04-10 | 河南城建学院 | 一种基于云计算的教学质量评价*** |
CN110991943B (zh) * | 2019-12-26 | 2023-08-01 | 河南城建学院 | 一种基于云计算的教学质量评价*** |
CN114529436A (zh) * | 2022-02-10 | 2022-05-24 | 珠海读书郎软件科技有限公司 | 一种知识点掌握程度评估方法、装置及介质 |
DE202022100887U1 (de) | 2022-02-16 | 2022-02-24 | Marggise Anusha Angel | System zur Verbesserung des Online-Unterrichts und der Unterrichtsevaluation mit Hilfe der Informations- und Kommunikationstechnologie |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248019A (zh) | 一种云教学平台在线教学评价*** | |
CN107256522A (zh) | 基于云教学平台的教学评价*** | |
CN107067849A (zh) | 基于云教学平台的家长端*** | |
CN107203582A (zh) | 一种基于项目反应理论分析结果的智能组题方法 | |
CN107133196A (zh) | 一种基于大数据的知识点掌握概率计算方法 | |
Kiray et al. | A descriptive study of pre-service science teachers' misconceptions about sinking–floating | |
CN106875769A (zh) | 一种数学练习用出题*** | |
Jalil et al. | Development and validation of science process skills instrument in physics | |
Istiyono et al. | Measurement of physics problem-solving skills in female and male students by phystepross | |
Alaudinova | Pedagogical Practice-Test Results Assessment Criteria, Quantity And Quality Multiplier Analysis | |
WO2022193040A1 (zh) | 一种理科教学***及其使用方法、计算机可读存储介质 | |
Widana | Meta-analysis: The relationship between self-regulated learning and mathematical critical reasoning | |
Listiagfiroh et al. | A Problem Based Learning: Practicing Students' Critical Thinking Skills with Cognitive Style Dependent Fields and Independent Fields | |
KR20090099887A (ko) | 사용자 맞춤형 교육 서비스를 제공하기 위한 방법, 시스템및 컴퓨터 판독 가능한 기록 매체 | |
CN114065031A (zh) | 一种基于模糊认知图谱的个性化学习路径推荐方法 | |
Basir et al. | Reasoning ability students in mathematics problems solving viewed from cognitive style | |
Nurutami et al. | Student’s mathematical literacy ability on PISA’s space and shape task | |
Hussain et al. | A Correlational Study on Assessment Beliefs and Classroom Assessment Practices of School Teachers. | |
CN109800880A (zh) | 基于动态学习风格信息的自适应学习特征提取***及应用 | |
Sezer et al. | Research Trends about Analogy Studies in Science Education: A Descriptive Content Analysis. | |
CN106971356A (zh) | 一种基于答题数据的知识点记忆程度计算方法 | |
CN107038663A (zh) | 一种在线学习知识点诊断方法 | |
Osarumwense et al. | Assessment of Model-fit for 2016 and 2017 Biology Multiple Choice Test Items of the National Business and Technical Examination Board | |
Abdullayeva et al. | Monitoring of Development Of Information And Management Competencies Of Masters Of Technical Higher Educational Institutions | |
Kurian | Student performance prediction in e-learning system and evaluating effectiveness of online courses |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |
|
RJ01 | Rejection of invention patent application after publication |