CN111199348A - 一种基于s-p表的学习者稳定性与题集质量甄别方法 - Google Patents
一种基于s-p表的学习者稳定性与题集质量甄别方法 Download PDFInfo
- Publication number
- CN111199348A CN111199348A CN201911390642.6A CN201911390642A CN111199348A CN 111199348 A CN111199348 A CN 111199348A CN 201911390642 A CN201911390642 A CN 201911390642A CN 111199348 A CN111199348 A CN 111199348A
- Authority
- CN
- China
- Prior art keywords
- learner
- test question
- question set
- attention coefficient
- 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.)
- Pending
Links
- 238000012850 discrimination method Methods 0.000 title description 2
- 238000012360 testing method Methods 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 239000013256 coordination polymer Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000006757 chemical reactions by type Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007431 microscopic evaluation Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Educational Technology (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于S‑P表的学习者稳定性与题集质量甄别方法,应用于大数据应用领域,针对现有技术存在的无法帮助教师改进命题技巧、学习评估方法或者教学效能,也无法诊断学习者的学习困难所在的问题;本发明通过将学习者与对应的测试题集转化为S‑P原;根据SP表计算计算得到学习者注意系数与测试题集注意系数;最后学习者注意系数与测试题集注意系数得到学习者稳定性与测试题集质量甄别结果;本发明采用注意系数作为指标,能客观有效地甄别学习者稳定性与测试题集质量。
Description
技术领域
本发明属于大数据应用领域,特别涉及一种教育大数据教学应用技术。
背景技术
传统的教育测试中,一般通过学习者各小题或各知识点得分来判断学习者的掌握程度,但是对于学习者的整体学习特征和稳定性不能做出判断。而对于题集通过难度和区分度判定难易和区分能力。
但以上的处理模式都未对学习者的作答反应资料做微观的分析。例如对于总分和答对题数一样的学习者:例如甲乙,丙,丁四位同学在某次考试中答对总题数均为10题,得分均为10分,作答反应类型分别为:甲[1111100000]、乙[0000011111]、丙[1010101010]、丁[0101010101](1表示答对,0表示答错),传统处理认为总分和答对题数一样则学习者学业能力相同或者考题对于学习者一致,对于这4种不同学习者的作答反应类型所表示的意义是什么,传统考试分析无法判断。
因此,传统测试题集分析无法进一步根据测验分析结果帮助教师改进命题技巧、学习评估方法或者教学效能,也无法诊断学习者的学习困难所在。那么,对于这种现实情况,如何根据学习者的作答反应资料进行微观分析,客观地对每一学习者进行诊断,判断出某一学习者在考试中出现的问题,学习能力,学习稳定性和努力程度;客观地对每一考题进行分析诊断,判断该考题的真实质量,题意、形式和编制质量?注意系数作为一个新型教育测验的诊断指标,能客观有效地从学习者和测试题集两个角度反映上述问题。
发明内容
为解决上述技术问题,本发明提出一种基于S-P表的学习者稳定性与题集质量甄别方法,采用注意系数为甄别异常学习者或异常试题集提供依据。
本发明采用的技术方案为:一种基于S-P表的学习者稳定性与题集质量甄别方法,如图1所示,包括:
S1、获取某科目的N名学习者n个测试题集的评分结果,得到N×n的S-P原表;所述S-P原表的行为某个学习者对应的n个测试题集的得分,所述S-P原表的列为某个测试题集对应的N名学习者各自的得分;
S2、将步骤S1得到的S-P原表按照学习者n个测试题集总得分从高到低,由上往下依次排列;
S3、将经步骤S2处理后的S-P原表按照测试题集答对人数从多到少,由左往右依次排序;
S4、对经步骤S3处理后的S-P原表,从左向右数出与学习者对应的测试题集答对总数相同的测试题集个数,并在最后一个答对的测试题集右边画上一条分界线,再将相邻两行分界线用直线连接,形成第一阶梯状曲线,记为S曲线;
对经步骤S3处理后的S-P原表,依据每道测试题集的答对人数,从上往下数出与每道测试题集的答对人数相同的学习者个数,并在最后一个答对学习者的下边画上一条分界线,再将相邻两列分界线用直线连接,形成第二阶梯状曲线,记为P曲线;
S5、根据异常组与完美组的差异占比,分别计算得到学习者注意系数与测试题集注意系数;
S6、根据学习者注意系数与测试题集注意系数得到学习者稳定性与测试题集质量甄别结果。
步骤S6具体为:A、通过以下分步骤甄别学习者稳定性:
A1、以学习者注意力系数为横轴,以学习者对应的n个测试题集的答对率作为纵轴;
A2、根据学习者注意力系数将横轴划分为Z1部分,根据学习者对应的n个测试题集的答对率将纵轴划分为Z2个部分;共计得到Z1*Z2个区域;
A3、输出学习者在Z1*Z2个区域中的分布作为学习者稳定性甄别结果;
B、通过以下分步骤甄别测试题集质量:
B1、以测试题集注意系数为横轴,以单个测试题集对应的答对人数百分比作为纵轴;
B2、根据测试题集注意系数将横轴划分为Z3部分,根据单个测试题集对应的答对人数百分比将纵轴划分为Z4个部分;共计得到Z3*Z4个区域;
B3、输出测试题集在Z3*Z4个区域中的分布作为测试题集质量甄别结果。
本发明的有益效果:本发明结合S-P表对学习者答题结果进行分析,客观地对每一学习者进行诊断,判断出某一学习者在考试中出现的问题,学习能力,学习稳定性和努力程度;客观地对每一考题进行分析诊断,判断该考题的真实质量,题意、形式和编制质量;并且本发明采用注意系数作为指标,能客观有效地甄别学习者稳定性与测试题集质量。
附图说明
图1为本发明的方案流程图;
图2为学习者CS与测试题CP关系图;
图3为学习者特征区间图;
图4为测试题集质量区间图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
1、S-P表
S-P表,即学习者与问题的关系表,是一种研究分析学习者整体学习特征及其稳定性的有效工具。该方法分析每位学习者及每个测试题集的作答反应组型,尝试以几个指标判断该反应组型是否为不寻常或异常的一种分析方法。
2、S-P表的编制过程
教师由任教班级收集一门科目的N名学习者n个测试题集作答状况,经过评分后(答对者给1,答错者给0),会得到一个未经任何处理的N×n的原始得分矩阵数据,此称为S-P原表,如表2.1。
选取甲班第一次段考前十名学习者前十题为例,如表1所示。
表1 S-P原表
将【S-P原表】按照每位学习者得分总分高低,由上往下依序排列,如有总分相同时,则按照各位学习者的座位号或者学号由上往下排,如表2
表2按学习者总分高低由上往下排列
接下来按照测试题集答对人数多少,由左(答对人数最多的测试题集排在最左边)到右依序排列,遇有相同得分之测试题集,也可依题号之大小顺序排列,如表3。
表3按测试题集答对人数多少由左往右排列
最后,根据每位学习者答对的题数(简称总分),从左向右数出与总分相同的测试题集个数,并在右边画上一条分界线,由高分往低分画出每位学习者总分所对应的分界线,再将这些分界线的下方利用直线连接,则会形成一阶梯状之曲线,此曲线即称S曲线,如表4。同理,依据每道测试题集的答对人数,从上往下数出与答对人数相同的学习者个数,并在其下边画上一条分界线,由左端往右端分别画出每道测试题集的答对人数所对应的分界线,则会形成一阶梯状之曲线,此曲线即称为P曲线,如表4。
S曲线是指学习者得分的累加分布曲线,是用来区分学习者答对与答错的分界线,反映学习者学习成就达成的程度。而P曲线是指测试题集答对人数的累加分布曲线,是用来区分测试题集答对与答错人数的分界线,反映班级学习者达成与未达成教学目标的程度。排列在S-P表左上方者,代表能力较好之学习者与较简单之测试题集,大多数是被期望答对的测试题集,所以,这个区域应该出现大多数的1。相反的,在S-P表右下方者,应该出现大多数的0。
表4画出S曲线(实线)与P曲线(虚线)重叠部分(粗线)
就每一位学习者而言,在S曲线左边答错即[0]的个数会等于其右边答对即[1]的个数。对每一测试题,在P曲线上方答错即[0]的个数会等于其下方答对即[1]的个数。当S曲线以左或P曲线以上部分都出现为1,我们称这种情况为最佳反应类型,其他的称为异常反应类型,通过差异系数判定异常程度。
3.答对率P
N指学习者人数,n为题X集数目。
4、注意系数(CP/CS)
注意系数包含学习者注意系数CS和测试题注意系数CP,表示异常组与完美组的差异占比。主要是用来作为判断学习者或测试题集在反应组型中是否有异常现象的指标,教师可利用这些指标了解学习者或测试题集的状况与问题所在。
学习者注意力系数CS计算公式为:
其中yij表示学***均答对人数。yij为SP表格中第i行第j列对应的数据。
测试题注意系数CP计算公式为:
其中yij表示学***均得分。
本发明通过以下例子来说明一种具体可行的甄别方式:
如图2所示,注意系数主要为甄别异常学习者或异常试题集提供依据。将CS和CP结合分析甄别学习者稳定性与题集质量;在此基础上,根据CS和CP值判定学习者稳定性和测试题区分力。
学习者稳定性的甄别
根据S-P表分析的结果,以学习者的注意系数为横轴,以学习者答对率(学习者得分占总题数的百分比)为纵轴,绘制成图3所示,可作为诊断学习者学习类型,根据应用心得,学习者类型说明如下:
1.学习稳定型:学习者特征落入A区,表示该学习者学习状况十分良好、稳定,这些学习者学习成就较高、测试表现亦属稳定、正常。
2.粗心大意型:学习者特征落入B区,表示该学习者学习状况稍欠稳定,能力好,但是注意力不太集中,存在粗心作答习惯和冲动。
3.努力不足型:学习者特征落入C区,该学习者学习状况尚称良好、稳定,努力程度不足,需付出更多努力。能力属中上程度。
4.缺乏充分型:学习者特征落入D区,该学习者学习准备不够充分,会粗心犯错,学习渐趋不稳定,努力也不够。
5.能力不足型:学习者特征落入E区,该学习者基本能力不足,学习不够充分,努力亦不足,学习成就偏低。
6.学习异常型:学习者特征落入F区,该学习者学习极不稳定,具随性读书习惯,对考试内容没充分准备,考试成绩时好时坏。作答反应组型奇特(可能作弊、盲目猜题或者随便作答)。
测试题集质量的甄别
根据S-P表分析的结果,以测试题集的注意系数为横轴,以答对率(答对本测试题集的学习者人数占总人数百分比)为纵轴,绘制成图4所示,可作为诊断问题类型,根据应用心得,问题类型说明如下:
1、优良型测试题集:测试题集落入a区,表示该测试题集相当适当,可以用作区分低成就学习者与其他学习者的不同。
2、异质型测试题集:测试题集落入b区,表示该测试题集可能含有异质成分,需要局部修正,或者测试题集中含有拙劣选项。
3、困难型测试题集:测试题集落入c区,表示该测试题集困难度高,适合用用作区别高成就者的好测试题集。
4、拙劣型测试题集:测试题集落入d区,表示该测试题集极为拙劣,含有相当异质成分,可能资料登记错误或者题意含糊不清,必须加以修改。
实践中测试题集诊断图可以为编题者提供自我诊断测试题集编制好坏的参考,具体判断测试题集优良时,还需要结合难度、区分度和选项诱答力等指标,进行综合性判断。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (5)
1.一种基于S-P表的学习者稳定性与题集质量甄别方法,其特征在于,包括:
S1、获取某科目的N名学习者n个测试题集的评分结果,得到N×n的S-P原表;所述S-P原表的行为某个学习者对应的n个测试题集的得分,所述S-P原表的列为某个测试题集对应的N名学习者各自的得分;
S2、将步骤S1得到的S-P原表按照学习者n个测试题集总得分从高到低,由上往下依次排列;
S3、将经步骤S2处理后的S-P原表按照测试题集答对人数从多到少,由左往右依次排序;
S4、对经步骤S3处理后的S-P原表,从左向右数出与学习者对应的测试题集答对总数相同的测试题集个数,并在最后一个答对的测试题集右边画上一条分界线,再将相邻两行分界线用直线连接,形成第一阶梯状曲线,记为S曲线;
对经步骤S3处理后的S-P原表,依据每道测试题集的答对人数,从上往下数出与每道测试题集的答对人数相同的学习者个数,并在最后一个答对学习者的下边画上一条分界线,再将相邻两列分界线用直线连接,形成第二阶梯状曲线,记为P曲线;
S5、根据异常组与完美组的差异占比,分别计算得到学习者注意系数与测试题集注意系数;
S6、根据学习者注意系数与测试题集注意系数得到学习者稳定性与测试题集质量甄别结果。
4.根据权利要求3所述的一种基于S-P表的学习者稳定性与题集质量甄别方法,其特征在于,步骤S6通过以下分步骤甄别学习者稳定性:
A1、以学习者注意力系数为横轴,以学习者对应的n个测试题集的答对率作为纵轴;
A2、根据学习者注意力系数将横轴划分为Z1部分,根据学习者对应的n个测试题集的答对率将纵轴划分为Z2个部分;共计得到Z1*Z2个区域;
A3、输出学习者在Z1*Z2个区域中的分布作为学习者稳定性甄别结果。
5.根据权利要求4所述的一种基于S-P表的学习者稳定性与题集质量甄别方法,其特征在于,步骤S6通过以下分步骤甄别测试题集质量:
B1、以测试题集注意系数为横轴,以单个测试题集对应的答对人数百分比作为纵轴;
B2、根据测试题集注意系数将横轴划分为Z3部分,根据单个测试题集对应的答对人数百分比将纵轴划分为Z4个部分;共计得到Z3*Z4个区域;
B3、输出测试题集在Z3*Z4个区域中的分布作为测试题集质量甄别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390642.6A CN111199348A (zh) | 2019-12-30 | 2019-12-30 | 一种基于s-p表的学习者稳定性与题集质量甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911390642.6A CN111199348A (zh) | 2019-12-30 | 2019-12-30 | 一种基于s-p表的学习者稳定性与题集质量甄别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111199348A true CN111199348A (zh) | 2020-05-26 |
Family
ID=70746334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911390642.6A Pending CN111199348A (zh) | 2019-12-30 | 2019-12-30 | 一种基于s-p表的学习者稳定性与题集质量甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199348A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829803A (zh) * | 2023-02-15 | 2023-03-21 | 威海海洋职业学院 | 一种远程教育信息处理平台*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070038314A1 (en) * | 2005-08-10 | 2007-02-15 | Tsung-Hsin Cheng | Motion command reshaping method with analog input for position s curve |
CN102411671A (zh) * | 2011-08-04 | 2012-04-11 | 深圳市海云天教育测评有限公司 | 试卷质量的检测指标的图像化***和方法 |
-
2019
- 2019-12-30 CN CN201911390642.6A patent/CN111199348A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070038314A1 (en) * | 2005-08-10 | 2007-02-15 | Tsung-Hsin Cheng | Motion command reshaping method with analog input for position s curve |
CN102411671A (zh) * | 2011-08-04 | 2012-04-11 | 深圳市海云天教育测评有限公司 | 试卷质量的检测指标的图像化***和方法 |
Non-Patent Citations (4)
Title |
---|
张卫平等: ""试卷及学生学习情况分析信息***"的数学模型及设计", 《云南电大学报》 * |
欧阳映: "基于Excel VBA的S-P表测评***的改进与应用――以一次物理测验为例", 《物理通报》 * |
范云欢: "聚类分析在试卷S-P表分析中的应用", 《软件导刊(教育技术)》 * |
陈明远编著: "《语言文字的信息处理》", 31 August 1983 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829803A (zh) * | 2023-02-15 | 2023-03-21 | 威海海洋职业学院 | 一种远程教育信息处理平台*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaiser et al. | The effects of student characteristics on teachers’ judgment accuracy: Disentangling ethnicity, minority status, and achievement. | |
Klemchuk et al. | Body dissatisfaction and eating-related problems on the college campus: Usefulness of the Eating Disorder Inventory with a nonclinical population. | |
Hardré et al. | Predicting the academic motivation of rural high school students | |
Boveja | Parenting styles and adolescents' learning strategies in the urban community | |
Broadfoot | Performance assessment in perspective: international trends and current English experience | |
Wha Kim et al. | Social-cognitive factors influencing success on college entrance exams in South Korea | |
Sheridan et al. | Structure of intellect and learning style of incarcerated youth assessment: A means to providing a continuum of educational service in juvenile justice | |
Cuskelly et al. | Developmental dyscalculia and Down syndrome: Indicative evidence | |
Smith et al. | Social comparison and task prediction: Ability similarity and the use of a proxy | |
Young et al. | Developmental college student self-regulation: Results from two measures | |
Prew et al. | Using school performance data to drive school and education district office accountability and improvement: The case of Ghana | |
CN111199348A (zh) | 一种基于s-p表的学习者稳定性与题集质量甄别方法 | |
US20060110718A1 (en) | System and method for automatically administering a test, analysing test results and formulating study strategies in response thereto | |
Albrecht et al. | Strength‐based assessment of behavior competencies to distinguish students referred for disciplinary intervention from nonreferred peers | |
Burton | Do item-discrimination indices really help us to improve our tests? | |
CN110718105B (zh) | 个性化个人假期作业本、生成方法及使用方法 | |
Lombardi et al. | Special education and students at risk: Findings from a national study | |
Park et al. | Parental intrusive homework support and math achievement: Does the child’s mindset matter? | |
Sainsbury et al. | Fallback in attainment on transfer at age 11: evidence from the Summer Literacy Schools evaluation | |
Rosidah et al. | Measure of central tendency: undergraduate students’ error in decision-making perspective | |
Muijs et al. | Accountability for improvement: Rhetoric or reality? | |
Bezzina | Pupils’ understanding of probability & statistics (14-15+) difficulties and insights for instruction | |
Blake et al. | The newly qualified teacher in school | |
Fourie | Class size and student ratings of teaching presentation | |
Scott et al. | Identifying young children with mild cognitive deficiencies |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200526 |