CN110147953B - 一种调查问卷自动生成方法 - Google Patents
一种调查问卷自动生成方法 Download PDFInfo
- Publication number
- CN110147953B CN110147953B CN201910404782.8A CN201910404782A CN110147953B CN 110147953 B CN110147953 B CN 110147953B CN 201910404782 A CN201910404782 A CN 201910404782A CN 110147953 B CN110147953 B CN 110147953B
- Authority
- CN
- China
- Prior art keywords
- questionnaire
- questionnaires
- test
- question
- questions
- 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
Images
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种调查问卷自动生成方法,本发明属于互联网问卷技术领域,包括题库生成步骤、卷类型构成步骤、问卷题数确定步骤和问卷生成步骤主要针对线下的调查项目,调查问卷自动生成技术作为调查项目开展的辅助,主要目的在于为问卷设计人员及问卷回收工作提供一种高效的工具,同时也为用户预留了一定的自主性。
Description
技术领域
本发明涉及互联网问卷技术领域,确切地说涉及一种调查问卷自动生成技术。
背景技术
调查问卷通常由一系列的问题、调查项目、备选答案或者填写说明组成。主要目的是向被调查者收集项目相关统计数据。调查问卷作为收集研究资料的工具,可以获取到大量的统计数据,对这些信息进行深入的分析,可验证研究假设并对所研究的问题作出科学的解释和说明。在实际调查中,要想通过问卷搜集高效度、高信度的研究数据,问卷设计是保证调查结果有效的关键点之一。设计问卷时设计人员往往需要考虑问卷结构的确定、试题的编写与排序、答案选项及量表的选择、试题表述与调查对象的关系等问题,同时无法根据当前收集到的信息快速对问卷进行调整。因此,有效的自动化问卷生成及自动化采集调查数据可极大地带来便利,减少相关人员工作量的同时降低人工失误的可能性。
由于问卷调查项目通常涉及到许多的考察方面,于是需要一个***的指标体系来指导问卷调查工作。成熟的问卷调查项目涉及到的指标数量较为庞大,并且各个指标都需要有一定的数据支持。因此问卷试题应该覆盖所有的指标,同时需要体现不同指标的不同重要程度。
受调查人群在做问卷时耐心程度有限。当问卷题目过多时,受调查者放弃调查的几率大大增加,这样不仅浪费了资源,还使得获取到的有效数据减少。如何根据不同人群的耐心程度来设计调查问卷,已经成为现有技术中亟待解决的问题之一。
为了解决大量数据需求与受调查人群耐心程度有限以及预算有限三者间的矛盾,现在出现了一些调查问卷自动生成技术。
如现有技术中,如公开号为CN107194743A,公开日期为2017年9月22的,名称为“一种网络调查问卷生成方法和装置”的中国发明专利文献,公开了一种网络调查问卷生成方法和装置,用以在尽可能少的问题中收集更多的数据,提高调查问卷的数据回收效率和网络资源利用率。网络问卷调查方法,包括:接收用户设备提交的接受网络问卷调查邀请的响应消息;针对问题库中包含的可选问题,根据预设的评估参数确定该可选问题对应的权重;并按照权重由大至小的顺序选择预设数量的可选问题;根据所述问题库中包含的必选问题和选择出的可选问题生成网络调查问卷;向所述用户设备返回生成的网络调查问卷。
然而这种技术方案仅针对在线问答的调查,并不能实现线下问卷的自动生成,并无法解决现在问卷调查中容错率、完成率、有效率等方面的问题,并且调查受众也局限于在线用户,广度不足。
发明内容
本发明的目的在于在有限预算下,使用问卷生成算法自动生成与需求相适应、并根据受调查人群的耐心程度动态调整问卷结构,尽可能多地收集调查数据的调查问卷自动生成技术。
本发明的目的是通过以下技术方案实现的:
一种调查问卷自动生成方法,其特征在于:包括题库生成步骤、卷类型构成步骤、问卷题数确定步骤和问卷生成步骤;
所述题库生成步骤,问卷调查工作通常需要一个***的指标体系作为指导,该指标体系中最底层的指标之和即为指标总数,且每个底层指标与一个或多个试题相关联,这些试题共同构成问卷题库;
所述卷类型构成步骤,根据某次问卷调查的预算来确定问卷总数S,且问卷总数S与问卷调查预算之间呈正相关;按照问卷需求设定问卷类型的数量L;
所述问卷题数确定步骤,确定问卷类型的数量L、设定问卷的试题总数M,所述问卷的试题总数至少不少于指标总数、至多等于整个题库的试题总数;根据问卷的试题总数M和问卷类型数量L计算每份问卷的试题数量X=M/L;即每份问卷的试题数量与问卷类型数的乘积即为试题总数;
所述问卷生成步骤,按照问卷类型构成步骤和问卷题数确定步骤中确定的每份问卷的问卷类型和试题数量m,调用问卷生成算法生成问卷,所述问卷生成算法通过对题库中的已经编号的试题进行处理得到一个试题编号序列,并根据试题编号序列从题库中抽取试题组成问卷。
所述问卷数量构成步骤中,问卷的总数S,问卷类型数量L;问卷的总数S确定后根据需求指定问卷类型数量L,同一类型下问卷的数量记为Ci,问卷的总数S为所有问卷类型下问卷数量的总和,即其中i∈N+;问卷类型数量L增加则同一类型下的问卷数量Ci减少;由上述公式可确定问卷类型数及各类型下问卷数量的关系。
所述问卷生成步骤中,所述问卷生成算法包括以下步骤:
步骤1,为题库中的试题按照与底层指标的关联性进行编号;
步骤2,生成试题编号矩阵,将每个指标关联的试题编号集合作为试题编号矩阵中的一列,若矩阵行数不相等,则数量较少的列缺少的部分用所在列的试题编号填补,得到一个列为指标总数且行相等的试题编号矩阵;
步骤3,先将每一列的编号在该列内进行随机排列,得到一个新的试题编号矩阵,然后顺序将每一行的编号依次放入一个新的集合中,得到可用于生成问卷的试题编号序列;
步骤4,按照试题编号序列生成问卷,根据步骤3中编号序列顺序抽取试题,即每X个试题作为一份新的问卷,以此循环直到取到设定的试题总数M,如果最后一份问卷试题数量不不足X时,再从序列重新开始顺序选取编号补齐,这样生成的问卷可以覆盖所有指标;每份问卷生成的同时还需要为每份问卷编号并对每份试卷的试题编号进行记录,同时加上时间戳,便于后续的问卷回收及调查结果录入。
而根据使用状态,为题库中的试题按照与底层指标的关联性进行编号的过程可以是在题库生成步骤中即开始进行的,先为底层指标进行编号,然后为每个底层指标关联的试题进行编号,通过如前缀+后缀等方式对试题完成编号。
所述步骤1中,为指标编号并标记为Zj,且j∈N+;每一个指标Zj都有与之对应的题库,按照指标对应的题库为试题编号,如指标Z1关联的试题编号集合为{Z(1,1),Z(1,2),Z(1,3),...,Z(1,n)}。
还包括问卷回收步骤,回收调查问卷后,利用扫描技术自动获取问卷编号及问卷的结果,将这些信息送入***,***自动为问卷评分并纳入统计。
还包括问卷评价步骤,***为问卷回收步骤中回收的问卷进行评分,收集调查数据,答题数量过少的问卷视为无效数据;如果未收集到目标数量的数据,则根据数据情况调整问卷的结构,减少问卷试题数量,进行数据的补充。优选地,如一份问卷试题中受试者答题的数目小于该份试题数目的70%,则视该份问卷结果无效,***自动记录无效问卷编号和答题数目;统计完成后,若某类型问卷的数据量不足,则根据无效问卷的情况对每份问卷试题数量X进行调整,生成新的补充问卷。最后回收的新问卷结果作为补充数据,以同样的方法录入***。
与现有技术相比,本发明具有以下优点:
本发明提出的一种自动化生成问卷的方法,利用数学的方法生成试题编号序列,再根据该序列自动生成问卷,既丰富了问卷的类型,也为问卷设计提供了极大的便利;问卷生成过程中生成随机的试题编号序列,该序列同时覆盖了调查问卷的指标及所有的题库。并且利用该试题序列生成问卷避免了问卷中同一指标的重复出现,解决了调查问卷设计过程中无法兼顾指标与题库的问题,使得生成的问卷更加科学与高效。
本发明提出的自动化生成问卷的方法后续还会对数量未达标的数据进行补充收集,即根据已获得的数据推断受调查者的耐心程度,调整每份问卷的试题数量后进行数据补充,使得获取到的数据数量充足并且有效性高。
附图说明
本发明的前述和下文具体描述在结合以下附图阅读时变得更清楚,其中:
图1为本发明调查问卷自动生成方法一种优选方案的逻辑示意图;
图2为本发明问卷生成算法一种优选方案的逻辑示意图。
具体实施方式
下面通过几个具体的实施例来进一步说明实现本发明目的技术方案,需要说明的是,本发明要求保护的技术方案包括但不限于以下实施例。
实施例1
作为本发明一种最基本的实施方案,本实施例公开了一种调查问卷自动生成方法,如图1所示,包括题库生成步骤、卷类型构成步骤、问卷题数确定步骤和问卷生成步骤;
所述题库生成步骤,问卷调查工作通常需要一个***的指标体系作为指导,该指标体系中最底层的指标之和即为指标总数,且每个底层指标与一个或多个试题相关联,这些试题共同构成问卷题库;
所述卷类型构成步骤,根据某次问卷调查的预算来确定问卷总数S,且问卷总数S与问卷调查预算之间呈正相关;按照问卷需求设定问卷类型的数量L;
所述问卷题数确定步骤,确定问卷类型的数量L、设定问卷的试题总数M,所述问卷的试题总数至少不少于指标总数、至多等于整个题库的试题总数;根据问卷的试题总数M和问卷类型数量L计算每份问卷的试题数量X=M/L;即每份问卷的试题数量与问卷类型数的乘积即为试题总数;
所述问卷生成步骤,按照问卷类型构成步骤和问卷题数确定步骤中确定的每份问卷的问卷类型和试题数量m,调用问卷生成算法生成问卷,所述问卷生成算法通过对题库中的已经编号的试题进行处理得到一个试题编号序列,并根据试题编号序列从题库中抽取试题组成问卷。
本实施例的自动化生成问卷的方法,利用数学的方法生成试题编号序列,再根据该序列自动生成问卷,既丰富了问卷的类型,也为问卷设计提供了极大的便利;问卷生成过程中生成随机的试题编号序列,该序列同时覆盖了调查问卷的指标及所有的题库。并且利用该试题序列生成问卷避免了问卷中同一指标的重复出现,解决了调查问卷设计过程中无法兼顾指标与题库的问题,使得生成的问卷更加科学与高效。
实施例2
作为本发明一种优选的实施方案,在实施例1的技术方案基础上,本实施例进一步公开了所述问卷数量构成步骤中,问卷的总数S,问卷类型数量L;问卷的总数S确定后根据需求指定问卷类型数量L,同一类型下问卷的数量记为Ci,问卷的总数S为所有问卷类型下问卷数量的总和,即其中i∈N+;问卷类型数量L增加则同一类型下的问卷数量Ci减少;由上述公式可确定问卷类型数及各类型下问卷数量的关系。
还包括问卷评价步骤,***为问卷回收步骤中回收的问卷进行评分,收集调查数据,答题数量过少的问卷视为无效数据;如果未收集到目标数量的数据,则根据数据情况调整问卷的结构,减少问卷试题数量,进行数据的补充。优选地,如一份问卷试题中受试者答题的数目小于该份试题数目的70%,则视该份问卷结果无效,***自动记录无效问卷编号和答题数目;统计完成后,若某类型问卷的数据量不足,则根据无效问卷的情况对每份问卷试题数量X进行调整,生成新的补充问卷。最后回收的新问卷结果作为补充数据,以同样的方法录入***;对数量未达标的数据进行补充收集,即根据已获得的数据推断受调查者的耐心程度,调整每份问卷的试题数量后进行数据补充,使得获取到的数据数量充足并且有效性高。
进一步的,如图2所示,所述问卷生成步骤中,所述问卷生成算法包括以下步骤:
步骤1,为题库中的试题按照与底层指标的关联性进行编号;
步骤2,生成试题编号矩阵,将每个指标关联的试题编号集合作为试题编号矩阵中的一列,若矩阵行数不相等,则数量较少的列缺少的部分用所在列的试题编号填补,得到一个列为指标总数且行相等的试题编号矩阵;
步骤3,先将每一列的编号在该列内进行随机排列,得到一个新的试题编号矩阵,然后顺序将每一行的编号依次放入一个新的集合中,得到可用于生成问卷的试题编号序列;
步骤4,按照试题编号序列生成问卷,根据步骤3中编号序列顺序抽取试题,即每X个试题作为一份新的问卷,以此循环直到取到设定的试题总数M,如果最后一份问卷试题数量不不足X时,再从序列重新开始顺序选取编号补齐,这样生成的问卷可以覆盖所有指标;每份问卷生成的同时还需要为每份问卷编号并对每份试卷的试题编号进行记录,同时加上时间戳,便于后续的问卷回收及调查结果录入。
而根据使用状态,为题库中的试题按照与底层指标的关联性进行编号的过程可以是在题库生成步骤中即开始进行的,先为底层指标进行编号,然后为每个底层指标关联的试题进行编号,通过如前缀+后缀等方式对试题完成编号。
所述步骤1中,为指标编号并标记为Zj,且j∈N+;每一个指标Zj都有与之对应的题库,按照指标对应的题库为试题编号,如指标Z1关联的试题编号集合为{Z(1,1),Z(1,2),Z(1,3),...,Z(1,n)}。
还包括问卷回收步骤,回收调查问卷后,利用扫描技术自动获取问卷编号及问卷的结果,将这些信息送入***,***自动为问卷评分并纳入统计。
实施例3
作为本发明一种优选的实施方案,本实施例公开了一种调查问卷自动生成方法,包括以下步骤:
步骤1、根据问卷调查的预算计算问卷的总数,然后根据根据问卷总数确定问卷类型数;同一类型的问卷试题相同,不同类型的问卷试题不同,从而确定问卷数量的构成。
问卷调查中预算有限,需要根据预算来确定问卷的数量。设问卷预算与问卷总数(用S表示)的关系为正相关。当S确定时,可根据需求指定问卷类型数(用L表示)。其中,不同类型的问卷试题不同,而相同类型的问卷试题相同,同一类型下问卷的数量记为Ci。问卷总数为所有类型下问卷数量的总和,即问卷类型数L增加,同一类型下的问卷数量Ci则会减少。由上述公式可确定问卷类型数及各类型下问卷数量的关系
步骤2、调查问卷试题总量至少需要覆盖整个指标体系,在此前提下,用户也可指定试题总数;因此在确定好问卷类型数量后,需要根据问卷试题的总数来计算每份问卷的试题数量。
当确定问卷类型数后,用户可指定试题总数(记为M),试题总数至少覆盖整个指标体系(指标总数记为Z),至多覆盖整个题库(题库中试题总数记为T)。然后根据用户指定的试题总数M来计算每份问卷的试题数量(记为X)。每份问卷试题数N与问卷类型数L的乘积为试题总数M。并且每份问卷的试题数量X需要满足公式由此可以确定每份问卷的试题数量X。
步骤3、生成问卷时需按照确定好的问卷类型数量及每份问卷的试题数量来进行;调用问卷生成算法,算法首先要为所有指标编号,同时为指标关联题库中的试题编号;将这些已经编号的试题进行处理,最终得到一个可行的试题编号序列;最后顺序从试题编号序列中抽取试题,组成不同类型的问卷。记录问卷编号以便***自动处理调查结果。
问卷生成算法具体步骤如下:
1、为指标及试题编号。算法为所有指标编号并标记为Zj(j∈N+)。对于每一个指标Zj,都有与之对应的题库。按照指标题库为试题编号,如指标Zj关联的试题编号集合为{Z11,Z12,Z13,…,Z1n}。
2、生成试题编号矩阵。将每个指标关联的试题编号集合作为试题编号矩阵中的一列,若矩阵行数不相等,则数量较少的列缺少的部分用所在列的试题编号填补,最终得到一个列为指标总数且行相等的试题编号矩阵。
3、得到新的试题编号序列。算法先将每一列的编号在该列内进行随机排列,得到一个新的试题编号矩阵。然后顺序将每一行的编号依次放入一个新的集合中。得到可用于生成问卷的试题编号序列。
4、按照试题编号序列生成问卷。算法根据上述编号序列顺序抽取试题,即每N个试题作为一份新的问卷,以此循环直到取到用户指定的试题总数M。如果最后一份问卷试题数量不足X时,再从序列重新开始顺序选取编号补齐。这样生成的问卷可以覆盖所有指标。每份问卷生成的同时还需要为每份问卷编号并对每份试卷的试题编号进行记录,同时加上时间戳。便于后续的问卷回收及调查结果录入。
进一步的,为评价问卷质量和不断完善题库和算法,还包括以下步骤:
步骤4、回收调查问卷,采用扫描的形式自动获取问卷的编号。根据问卷的编号自动从数据库中调出该问卷相关信息,然后按照试题编号记录受试者答案。***会自动根据受试者答案进行评分并记录数据。
步骤5、无效问卷的情况可以在一定程度上反映受调查人群的耐心程度。若某份问卷中受试者答题的数目小于该份试题数目的70%,则视该份问卷结果无效,***自动记录无效问卷编号和答题数目。统计完成后,若某类型问卷的数据量不足,则根据无效问卷的情况对每份问卷试题数量X进行调整,生成新的补充问卷。最后回收的新问卷结果作为补充数据,以同样的方法录入***。
Claims (5)
1.一种调查问卷自动生成方法,其特征在于:包括题库生成步骤、卷类型构成步骤、问卷题数确定步骤和问卷生成步骤;
所述题库生成步骤,问卷调查工作通常需要一个***的指标体系作为指导,该指标体系中最底层的指标之和即为指标总数,且每个底层指标与一个或多个试题相关联,这些试题共同构成问卷题库;
所述卷类型构成步骤,根据某次问卷调查的预算来确定问卷总数S,且问卷总数S与问卷调查预算之间呈正相关;按照问卷需求设定问卷类型的数量L;
所述问卷题数确定步骤,确定问卷类型的数量L、设定问卷的试题总数M,所述问卷的试题总数至少不少于指标总数、至多等于整个题库的试题总数;根据问卷的试题总数M和问卷类型数量L计算每份问卷的试题数量X=M/L;即每份问卷的试题数量与问卷类型数的乘积即为试题总数;
所述问卷生成步骤,按照问卷类型构成步骤和问卷题数确定步骤中确定的每份问卷的问卷类型和试题数量m,调用问卷生成算法生成问卷,所述问卷生成算法通过对题库中的已经编号的试题进行处理得到一个试题编号序列,并根据试题编号序列从题库中抽取试题组成问卷;
所述问卷生成算法包括以下步骤:
步骤1,为题库中的试题按照与底层指标的关联性进行编号;
步骤2,生成试题编号矩阵,将每个指标关联的试题编号集合作为试题编号矩阵中的一列,若矩阵行数不相等,则数量较少的列缺少的部分用所在列的试题编号填补,得到一个列为指标总数且行相等的试题编号矩阵;
步骤3,先将每一列的编号在该列内进行随机排列,得到一个新的试题编号矩阵,然后顺序将每一行的编号依次放入一个新的集合中,得到可用于生成问卷的试题编号序列;
步骤4,按照试题编号序列生成问卷,根据步骤3中编号序列顺序抽取试题,即每X个试题作为一份新的问卷,以此循环直到取到设定的试题总数M,如果最后一份问卷试题数量不足X时,再从序列重新开始顺序选取编号补齐,这样生成的问卷可以覆盖所有指标;每份问卷生成的同时还需要为每份问卷编号并对每份试卷的试题编号进行记录,同时加上时间戳,便于后续的问卷回收及调查结果录入。
5.如权利要求1所述的一种调查问卷自动生成方法,其特征在于:还包括问卷回收步骤,回收调查问卷后,利用扫描技术自动获取问卷编号及问卷的结果,将这些信息送入***,***自动为问卷评分并纳入统计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404782.8A CN110147953B (zh) | 2019-05-16 | 2019-05-16 | 一种调查问卷自动生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404782.8A CN110147953B (zh) | 2019-05-16 | 2019-05-16 | 一种调查问卷自动生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110147953A CN110147953A (zh) | 2019-08-20 |
CN110147953B true CN110147953B (zh) | 2023-01-10 |
Family
ID=67595565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910404782.8A Active CN110147953B (zh) | 2019-05-16 | 2019-05-16 | 一种调查问卷自动生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147953B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032574B (zh) * | 2021-05-27 | 2021-10-08 | 明品云(北京)数据科技有限公司 | 一种基于关键词的问卷配置方法、***、设备和介质 |
CN115630613B (zh) * | 2022-12-19 | 2023-04-07 | 长沙冉星信息科技有限公司 | 一种问卷调查中评价类问题的自动编码***及其方法 |
CN118114890A (zh) * | 2024-04-30 | 2024-05-31 | 佛山市城市规划设计研究院有限公司 | 一种城市体检问卷调研方法及其相关设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017540A (zh) * | 2007-01-24 | 2007-08-15 | 华为技术有限公司 | 智能问卷***、问卷开发方法及装置 |
CN101315680A (zh) * | 2007-05-31 | 2008-12-03 | 中国科学院自动化研究所 | 基于自动调查问卷的群体意见定性分析工具及实现方法 |
CN105117867A (zh) * | 2015-10-09 | 2015-12-02 | 张娟 | 一种企业问卷***的设计及实现 |
CN105825270A (zh) * | 2016-03-03 | 2016-08-03 | 云南电网有限责任公司教育培训评价中心 | 利用遗传算法针对题库中的试题进行自动组卷的方法 |
CN106803123A (zh) * | 2016-12-20 | 2017-06-06 | 广州中软信息技术有限公司 | 一种用于网络考试的自动组卷方法 |
CN107194743A (zh) * | 2017-06-19 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种网络调查问卷生成方法和装置 |
CN108428152A (zh) * | 2018-03-12 | 2018-08-21 | 平安科技(深圳)有限公司 | 调查问卷生成方法、服务器及计算机可读存储介质 |
CN109050103A (zh) * | 2018-11-06 | 2018-12-21 | 电子科技大学中山学院 | 一种基于大数据分析的调查问卷统计记录板 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003107248A2 (en) * | 2002-06-13 | 2003-12-24 | L'oreal S.A. | Methods and systems for generating diagnostic algorithms based on questionnaires |
CN104008453A (zh) * | 2014-05-29 | 2014-08-27 | 启秀科技(北京)有限公司 | 职业能力测评仿真*** |
US20170178163A1 (en) * | 2015-12-17 | 2017-06-22 | B3Intelligence Ltd. | Method and system for generating a split questionnaire |
CN110245213B (zh) * | 2019-05-08 | 2023-10-20 | 平安科技(深圳)有限公司 | 调查问卷生成方法、装置、设备和存储介质 |
-
2019
- 2019-05-16 CN CN201910404782.8A patent/CN110147953B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017540A (zh) * | 2007-01-24 | 2007-08-15 | 华为技术有限公司 | 智能问卷***、问卷开发方法及装置 |
CN101315680A (zh) * | 2007-05-31 | 2008-12-03 | 中国科学院自动化研究所 | 基于自动调查问卷的群体意见定性分析工具及实现方法 |
CN105117867A (zh) * | 2015-10-09 | 2015-12-02 | 张娟 | 一种企业问卷***的设计及实现 |
CN105825270A (zh) * | 2016-03-03 | 2016-08-03 | 云南电网有限责任公司教育培训评价中心 | 利用遗传算法针对题库中的试题进行自动组卷的方法 |
CN106803123A (zh) * | 2016-12-20 | 2017-06-06 | 广州中软信息技术有限公司 | 一种用于网络考试的自动组卷方法 |
CN107194743A (zh) * | 2017-06-19 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种网络调查问卷生成方法和装置 |
CN108428152A (zh) * | 2018-03-12 | 2018-08-21 | 平安科技(深圳)有限公司 | 调查问卷生成方法、服务器及计算机可读存储介质 |
CN109050103A (zh) * | 2018-11-06 | 2018-12-21 | 电子科技大学中山学院 | 一种基于大数据分析的调查问卷统计记录板 |
Non-Patent Citations (2)
Title |
---|
一种高效的随机组卷算法的设计;周文君;《电脑与电信》;20160710(第07期);67-71 * |
基于K-means聚类的调查问卷动态赋权统计方法;***;《统计与决策》;20181210;80-83 * |
Also Published As
Publication number | Publication date |
---|---|
CN110147953A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147953B (zh) | 一种调查问卷自动生成方法 | |
Autor et al. | New frontiers: The origins and content of new work, 1940–2018 | |
Igiri et al. | An improved prediction system for football a match result | |
Reisinger et al. | 3 Deference or governance?: A survival analysis of Russia's governors under presidential control | |
CN107562836B (zh) | 基于主题模型和机器学习的回答者推荐方法 | |
CN115630613B (zh) | 一种问卷调查中评价类问题的自动编码***及其方法 | |
KR20190109710A (ko) | 얼굴 이미지들로부터의 질적인 특성의 평가를 위한 컴퓨터-구현된 도구를 구축하기 위한 방법 | |
CN112951022A (zh) | 一种多媒体互动教育培训*** | |
CN114971425B (zh) | 数据库信息监控方法、装置、设备及存储介质 | |
CN117316434A (zh) | 一种基于历史数据变化分析的面瘫评估*** | |
Ramalingam et al. | Efficient Player Prediction and Suggestion using Machine Learning for IPL Tournament | |
Patil et al. | Cricket team prediction using machine learning techniques | |
KR20090096040A (ko) | 다자간 비교 평가를 위한 온라인 상의 통계적 처리 방법 및그 시스템 | |
CN112598944A (zh) | 一种智能型英语教学*** | |
Gill et al. | Sports Game Classification and Detection Using ResNet50 Model Through Machine Learning Techniques Using Artificial Intelligence | |
Mohseni et al. | SBGTool: Similarity-Based Grouping Tool for Students’ Learning Outcomes | |
Shrivastava et al. | Social data analysis: Cyber recruitment analysis spam detection over twitter dataset using SVM & ARIMA model | |
Asha et al. | Performance Analysis of Olympic Games using Data Analytics | |
Rimland | Do we do it good well? A bibliographic essay on the evaluation of reference effectiveness | |
CN114496253B (zh) | 一种大数据体质健康监测*** | |
CN113379448B (zh) | 一种电影票房的映前预测方法 | |
Maulana et al. | Mapping Student Log Files With K-Means Clustering | |
Cuong | Student Log File Mapping Using K-Means Clustering | |
Reisinger et al. | 3 Deference or governance? | |
Gu et al. | Are the Performance Prediction Models in MOOC General: Perspective from Big Data |
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 |