CN112085631A - 学生记忆曲线的智能分析方法 - Google Patents
学生记忆曲线的智能分析方法 Download PDFInfo
- Publication number
- CN112085631A CN112085631A CN202010923786.XA CN202010923786A CN112085631A CN 112085631 A CN112085631 A CN 112085631A CN 202010923786 A CN202010923786 A CN 202010923786A CN 112085631 A CN112085631 A CN 112085631A
- Authority
- CN
- China
- Prior art keywords
- memory
- student
- information
- test
- curve
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 246
- 230000000153 supplemental effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 239000013589 supplement Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000000034 method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007087 memory ability Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种学生记忆曲线的智能分析方法,所述方法包括:获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线;对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数;根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息;达到了通过对学生记忆曲线的智能分析,为老师教学和学生学习提供相应参考的有益效果,提高了***的智能性、针对性和科学性;相较于现有技术中仅根据测试成绩进行的教学和学习的参照,本发明学生记忆曲线的智能分析方法,更加客观和准确。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种学生记忆曲线的智能分析方法。
背景技术
在教育行业,对于学校以及各种不同类型的教育培训结构来讲,教学质量是影响其教育口碑的重要因素之一。同时,对于不同的学生,由于每个学生的学***的个性化和不一致性,在评估学生的学习情况和学习能力时,基本上都是通过对学生进行相关的测试,并根据学生得到的测试成绩进行分析和评估。现有的仅根据学生的学习测试成绩进行评估的方式过于单一,不能满足实际的教师教学需求和学生的学习需求。
发明内容
本发明提供一种学生记忆曲线的智能分析方法,旨在根据学生记忆曲线的智能分析结果,为相关学生提供针对性的教学和学习等的参考信息。
本发明提供了一种学生记忆曲线的智能分析方法,所述方法包括:
获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线;
对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数;
根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息。
进一步地,所述获取预设时长内学生信息对应的测试信息,包括:
根据所述学生信息中包含的可唯一确定一名学生的学生识别码,查找测试数据库,识别所述测试数据库中是否已存在与所述学生识别码关联的测试信息;
若存在与所述学生识别码相关联的测试信息,则提取所述测试信息,并判断提取的所述测试信息的数据量是否达到预设数据量阈值;
若所述测试信息的数据量没有达到所述预设数据量阈值,则提示终端是否对所述学生信息对应学生进行补充测试;根据所述终端针对是否补充测试的反馈信息,执行相应操作;
若不存在与所述学生识别码相关联的测试信息,则提示终端确认所述学生识别码的输入是否正确;
若确认所述学生识别码的输入不正确,则基于重新输入的正确的学生识别码,重新进行测试信息的查找和提取操作;
若确认所述学生识别码的输入正确,则基于所述学生信息,生成针对所述学生信息的测试题目,供所述学生信息对应学生进行测试,并根据测试结果,获取所述学生信息对应的测试信息。
进一步地,所述根据所述终端针对是否补充测试的反馈信息,执行相应操作,包括:
若所述终端的反馈信息为确认补充测试,则基于所述学生信息,生成针对所述学生信息的补充题目,供所述学生信息对应学生进行补充测试,并根据补充测试结果,获取所述学生信息对应的补充信息,并将所述补充信息一起作为所述学生信息对应的所有测试信息;
若所述终端的反馈信息为确认不进行补充测试,则仅将提取的所述测试信息作为所述学习信息对应的所有测试信息。
进一步地,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包步骤A1-A4:
步骤A1、对获取的所述测试信息进行帧节拆分,获取每个帧节点中的节点信息,并对每个节点信息进行特征提取,得到出现次数最多的特征对应的第一特征值f1;以及,对所述测试信息进行特征提取,得到出现次数最多的特征对应的第二特征值f2;
步骤A2、利用公式(1),计算所述第一特征值f1、第二特征值f2对应的第一差异值X1,则有:
公式(1)中,Si表示第i个节点信息中出现次数最多的特征值;n表示拆分出的帧节点的总数;δ1i表示Si与第一特征值之间的相关度;δ2i表示Si与第二特征值之间的相关度;
步骤A3、对获取的所述测试信息进行帧节拆分后,相应地,对所述记忆曲线进行拆分,获得多个拆分曲线;利用公式(2),计算拆分曲线对应的第二差异值X2,则有:
公式(2)中,m表示所述拆分曲线的总个数;rj表示第j个拆分曲线的最大曲率;rj-1表示第j-1个拆分曲线的最大曲率;φj表示第j个拆分曲线的调节因子,且取值为0.9;βj表示第j个拆分曲线的修正参数,其取值为:
步骤A4、计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数。
进一步地,所述计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数,包括步骤B1-B4:
步骤B1、计算所述第一差异值X1与第二差异值X2的比值,并将计算得到的所述比值与预设差异范围进行比较;当所述比值在所述预设差异范围内时,执行步骤B2;当所述比值小于所述预设差异范围的最小值时,执行步骤B3;当所述比值大于所述预设差异范围的最大值时,执行步骤B4;
步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数;
步骤B3、当所述比值小于所述预设差异范围的最小值时,增加拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内;
步骤B4、当所述比值大于所述预设差异范围的最大值时,减少拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内时,执行步骤B2,获取所述记忆曲线对应的记忆特征参数。
进一步地,所述步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数,包括:
确定所述测试信息最终拆分出的每个帧节点中包括的知识点平均数量、以及每个帧节点对应的平均测试时长;
将所述知识点平均数量作为所述记忆曲线对应的记忆特征参数;
此时,所述根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息,包括:
向所述学生信息对应的学生所使用的客户端推送学***均测试时长内做所述知识点平均数量的试题的得分效果最佳。
进一步地,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,包括:
对所述测试信息进行解析,获取所述测试信息对应的测试时间点、测试时长、相关的测试知识点以及测试得分;
根据所述测试时间点、测试时长、测试知识点和测试得分,获取所述学生信息对应学生在不同的时间点所分别对应的知识点的记忆数量;
以时间作为横轴、以所述记忆数量作为纵轴,建立二维坐标系,绘制时间与所述学生信息对应的所述记忆数量的记忆曲线。
进一步地,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包括:
解析所述学生信息对应的所述记忆曲线,根据所述记忆曲线的曲率,获取所述记忆曲线中对应的记忆下滑时间节点;
根据所述记忆下滑时间节点,获取所述记忆下滑时间节点在所述记忆曲线上对应的记忆数量;
根据所述记忆数量,获取所述记忆曲线中对应的包含所述记忆数量和对应时间点的记忆特征参数。
进一步地,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,包括:
基于所述测试信息,针对所述学生信息中的学生识别码,为每一个所述学生识别码分别绘制对应的记忆曲线,并将绘制后的所述记忆曲线与对应的所述学生识别码建立一一对应的关联关系。
进一步地,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包括:
分析所有学生信息分别对应的多条记忆曲线,一个学生对应一条记忆曲线,获取所述多条记忆曲线在预设偏差范围内对应的整体记忆下滑节点,同时在所述多条记忆曲线中,获取记忆曲线的曲率超出预设曲率范围的个体记忆曲线及其所述个体记忆曲线对应的个体学生识别码;
根据所述整体记忆下滑节点,基于所述记忆曲线,计算整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值Z1,则有:
其中,Z1表示第i2个整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值;i2表示所述整体记忆下滑节点的个数,且i2的取值范围为:i2≥1;I1表示获取的所述整体记忆下滑节点在预设时间段内将对应的所述记忆曲线分割成的时间总段数;i1表示所述时间总段数I1中的其中一个时间段;t1表示第i1个时间段对应的时间起点,t2表示第i1个时间段对应的时间终点;Pi1表示第i1个时间段对应的记忆知识点的平均数量;δi2表示第i2个整体记忆下滑节点的节点属性值,为预设值,其取值范围为[0,1];
根据所述平均值Z1,计算得到所述整体记忆下滑节点对应的记忆特征整体值Z,则有:
将计算得到的所述记忆特征整体值Z作为所述多条记忆曲线对应的整体记忆特征参数;
同时,根据所述个体记忆曲线,计算得到所述个体记忆曲线对应的包含记忆特征个体值的个体记忆特征参数;
此时,所述学生记忆曲线的智能分析方法还包括:
根据所述整体记忆特征参数中的所述记忆特征整体值Z,为大部分学生的学习提供与所述记忆特征整体值Z对应数量的学习参考信息;以及,根据所述个体记忆特征参数中的记忆特征个体值,为所述个体学生识别码对应学生提供与所述记忆特征个体值对应数量的学习参考信息。
进一步地,所述学生记忆曲线的智能分析方法还包括:
参照所述记忆特征参数,针对所述学生信息对应的学生,为相关老师的教学提供相应的教学参考信息,同时为相关学生的学习提供相应的学习参考信息;
其中,所述教学参考信息包括:制定教学目标、教学重难点、测试时间以及测试内容对应的教学参考信息;所述学习参考信息包括:学习时间点、学习内容、学习计划对应的学习参考信息。
本发明学生记忆曲线的智能分析方法,通过获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线;对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数;根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息;达到了通过对学生记忆曲线的智能分析,为老师教学和学生学习提供相应参考的有益效果,提高了***的智能性、针对性和科学性;相较于现有技术中仅根据测试成绩进行的教学和学习的参照,本发明学生记忆曲线的智能分析方法,更加客观和准确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明学生记忆曲线的智能分析方法的一种实施方式的工作流程示意图。
图2是本发明学生记忆曲线的智能分析方法中,绘制记忆曲线的一种实施方式的工作流程示意图。
图3是本发明学生记忆曲线的智能分析方法中获取记忆特征参数的一种实施方式的工作流程示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了一种学生记忆曲线的智能分析方法,通过对学生记忆曲线的智能分析结果,针对相关学生,为老师的教学以及学生的学习提供针对性的参考信息;相较于现有技术中仅根据测试成绩进行的教学和学习的参照,本发明学生记忆曲线的智能分析方法,提高了教学的智能性、科学性和针对性。
如图1所示,图1是本发明学生记忆曲线的智能分析方法的一种实施方式的工作流程示意图;本发明学生记忆曲线的智能分析方法可以实施为如下描述的步骤S10-S30。
步骤S10、获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线。
本发明实施例中,所述学生信息包括但不限于:可唯一确定一个学生的学生识别码、学生年级、学生班级、学生年龄、学生姓名、学生性别等。在获取所述学生信息对应的测试信息时,可以根据所述学生信息中包含的可唯一确定一名学生的学生识别码,采集预设时长内与所述学生识别码相关联的所有测试信息。本发明实施例中所描述的测试信息包括但不限于:仅针对某一学科或者某一科目的所有测试信息,或者是针对该学生识别码相关联的所有学科对应的所有测试信息。
其中,所述测试信息包括但不限于:测试时间点、测试总时长、测试内容、测试具体方式、测试地点、测试平台、测试得分或者测试成绩等,其中所述的测试得分包括:整个测试试卷的总得分以及测试试卷中每道题目分别对应的得分情况。
本发明实施例中,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,可以按照如下技术手段实施:
对所述测试信息进行解析,获取所述测试信息对应的测试时间点、测试时长、相关的测试知识点以及测试得分;根据所述测试时间点、测试时长、测试知识点和测试得分,获取所述学生信息对应学生在不同的时间点所分别对应的知识点的记忆数量;以时间作为横轴、以所述记忆数量作为纵轴,建立二维坐标系,绘制时间与所述学生信息对应的所述记忆数量的记忆曲线。
步骤S20、对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数。
针对绘制后的所述记忆曲线中对应的记忆数量,结合测试信息中的测试时间点、测试时长、测试内容、测试成绩等,获取所述记忆曲线对应的所述学生信息对应的包含所述记忆数量和相关时间点的记忆特征参数。
步骤S30、根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息。
根据所述记忆特征参数,针对不同学生信息分别对应的学生,提供相应的参考信息,比如提醒学生在对应的时间点进行及时复习等。
在一个实施例中,根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息,可以按照如下方式实施:
参照所述记忆特征参数,针对所述学生信息对应的学生,为相关老师的教学提供相应的教学参考信息,同时为相关学生的学习提供相应的学习参考信息;
其中,所述教学参考信息包括但不限于:制定教学目标、教学重难点、测试时间以及测试内容对应的教学参考信息;所述学习参考信息包括但不限于:学习时间点、学习内容、学习计划对应的学习参考信息等。
在一个实施例中,图1所述实施例的步骤S10中,***获取预设时长内学生信息对应的测试信息时,可能遇到采集的所述测试信息的数据量不足的情况,此时,基于数据量不足的所述测试信息,进行记忆曲线的分析可能会导致结果出现一定偏差的情况,此时,***可以按照如下技术手段实施:
根据所述学生信息中包含的可唯一确定一名学生的学生识别码,查找测试数据库,识别所述测试数据库中是否已存在与所述学生识别码关联的测试信息;若存在与所述学生识别码相关联的测试信息,则提取所述测试信息,并判断提取的所述测试信息的数据量是否达到预设数据量阈值;若所述测试信息的数据量没有达到所述预设数据量阈值,则提示终端是否对所述学生信息对应学生进行补充测试;根据所述终端针对是否补充测试的反馈信息,执行相应操作;若不存在与所述学生识别码相关联的测试信息,则提示终端确认所述学生识别码的输入是否正确;若确认所述学生识别码的输入不正确,则基于重新输入的正确的学生识别码,重新进行测试信息的查找和提取操作;若确认所述学生识别码的输入正确,则基于所述学生信息,生成针对所述学生信息的测试题目,供所述学生信息对应学生进行测试,并根据测试结果,获取所述学生信息对应的测试信息。
进一步地,在一个实施例中,所述根据所述终端针对是否补充测试的反馈信息,执行相应操作,可以按照如下操作实施:
若所述终端的反馈信息为确认补充测试,则基于所述学生信息,生成针对所述学生信息的补充题目,供所述学生信息对应学生进行补充测试,并根据补充测试结果,获取所述学生信息对应的补充信息,并将所述补充信息一起作为所述学生信息对应的所有测试信息。
若所述终端的反馈信息为确认不进行补充测试,则仅将提取的所述测试信息作为所述学习信息对应的所有测试信息。
比如,在一个实施例中,根据所述学生识别码,查找测试数据库,识别所述测试数据库中是否已存在与所述学生识别码关联的测试信息;若所述测试数据库中存在与所述学生识别码相关联的测试信息,则提取所述测试信息;同时,调用所需的测试数据量对应的预设数据量阈值,记忆所述预设数据量阈值,判断提取的所述测试信息的数据量是否达到所述预设数据量阈值。
若所述测试信息的数据量达到所述预设数据量阈值,则直接基于采集的所述测试数据执行后续步骤的相关操作。
若所述测试信息的数据量没有达到所述预设数据量阈值,则提示终端是否对所述学生信息对应学生进行补充测试;根据所述终端针对是否补充测试的反馈信息,执行相应操作。
进一步地,针对根据所述终端针对是否补充测试的反馈信息,执行相应操作,可以按照如下技术手段实施:
若所述终端基于***的提示确定进行补充测试,即***接收到终端的反馈信息为确认补充测试,则基于所述学生信息,调用与所述学生信息相匹配的题库,生成针对所述学生信息的补充题目,供所述学生信息对应学生基于所述补充题目进行补充测试。获取所述学生信息对应的补充测试的测试结果,并根据补充测试结果,获取所述学生信息对应的补充信息,并将所述补充信息一起作为所述学生信息对应的所有测试信息,进而基于包含所述补充信息的测试信息,执行后续的操作。
若所述终端基于***的提示确定不进行补充测试,即***接收到终端的反馈信息为确认不进行补充测试,则***仅将提取的所述测试信息作为所述学习信息对应的所有测试信息。进一步地,为便于后续的分析,***将数据量不足且没有进行补充测试的所述测试信息进行相应的标记,比如标记原始的测试信息对应的测试数据量不足等。
进一步地,在一个实施例中,***识别所述测试数据库中是否已存在与所述学生识别码关联的测试信息,若识别结果是:不存在与所述学生识别码相关联的测试信息,则***提示终端确认所述学生识别码的输入是否正确。
若***接收到确认所述学生识别码的输入不正确的反馈信息,则接收终端重新输入的正确的学生识别码,并基于重新输入的正确的学生识别码,重新进行测试信息的查找和提取操作。
若确认所述学生识别码的输入正确,则***可以再次基于所述学生信息进行相关测试信息的查找操作。若查找结果仍是:不存在与所述学生识别码相关联的测试信息,则基于所述学生信息,生成针对所述学生信息的测试题目,供所述学生信息对应学生进行测试,并根据测试结果,获取所述学生信息对应的测试信息。进而根据所述测试信息,执行后续的相关操作。
基于图1所述实施例的描述,如图2所示,图2是本发明学生记忆曲线的智能分析方法中,绘制记忆曲线的一种实施方式的工作流程示意图。在图2所述的实施例中,图1所述实施例的步骤S10中,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,可以实施为图2描述的步骤S11-S13。
步骤S11、对所述测试信息进行解析,获取所述测试信息对应的测试时间点、测试时长、相关的测试知识点以及测试得分。
步骤S12、根据所述测试时间点、测试时长、测试知识点和测试得分,获取所述学生信息对应学生在不同的时间点所分别对应的知识点的记忆数量。
步骤S13、以时间作为横轴、以所述记忆数量作为纵轴,建立二维坐标系,绘制时间与所述学生信息对应的所述记忆数量的记忆曲线。
进一步地,基于图2所述实施例的描述,在一个实施例中,图1实施例中的“步骤S20、对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数”,可以实施为如下描述的步骤A1-A4。
步骤A1、对获取的所述测试信息进行帧节拆分,获取每个帧节点中的节点信息,并对每个节点信息进行特征提取,得到出现次数最多的特征对应的第一特征值f1;以及,对所述测试信息进行特征提取,得到出现次数最多的特征对应的第二特征值f2。
步骤A2、利用公式(1),计算所述第一特征值、第二特征值对应的第一差异值X1,则有:
公式(1)中,Si表示第i个节点信息中出现次数最多的特征值;n表示拆分出的帧节点的总数;δ1i表示Si与第一特征值之间的相关度;δ2i表示Si与第二特征值之间的相关度。
步骤A3、对获取的所述测试信息进行帧节拆分后,相应地,对所述记忆曲线进行拆分,获得多个拆分曲线;利用公式(2),计算拆分曲线对应的第二差异值X2,则有:
公式(2)中,m表示所述拆分曲线的总个数;rj表示第j个拆分曲线的最大曲率;rj-1表示第j-1个拆分曲线的最大曲率;φj表示第j个拆分曲线的调节因子,且取值为0.9;βj表示第j个拆分曲线的修正参数,其取值为:
步骤A4、计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数。
该实施例中,对每个节点信息进行特征提取、对所述测试信息进行特征提取、对绘制的所述记忆曲线进行解析,并对所述记忆曲线的解析结果进行特征提取,其中所对应的特征提取,都是基于对对应的记忆数量和对应时间点的提取得到的。
进一步地,在一个实施例中,所述计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数,包括步骤B1-B4:
步骤B1、计算所述第一差异值X1与第二差异值X2的比值,并将计算得到的所述比值与预设差异范围进行比较;当所述比值在所述预设差异范围内时,执行步骤B2;当所述比值小于所述预设差异范围的最小值时,执行步骤B3;当所述比值大于所述预设差异范围的最大值时,执行步骤B4。
步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数。
步骤B3、当所述比值小于所述预设差异范围的最小值时,增加拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内。
步骤B4、当所述比值大于所述预设差异范围的最大值时,减少拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内时,执行步骤B2,获取所述记忆曲线对应的记忆特征参数。
进一步地,在一个实施例中,所述步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数,可以按照如下技术手段实施:
确定所述测试信息最终拆分出的每个帧节点中包括的知识点平均数量、以及每个帧节点对应的平均测试时长;将所述知识点平均数量作为所述记忆曲线对应的记忆特征参数。
此时,所述根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息,可以按照如下技术手段实施:
向所述学生信息对应的学生所使用的客户端推送学***均测试时长内做所述知识点平均数量的试题的得分效果最佳。
进一步地,基于上述实施例的描述,如图3所示,图3是本发明学生记忆曲线的智能分析方法中获取记忆特征参数的一种实施方式的工作流程示意图。在图3所述的具体实施方式中,图1实施例中的“步骤S20、对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数”,还可以实施为如下描述的步骤S21-S23。
步骤S21、解析所述学生信息对应的所述记忆曲线,根据所述记忆曲线的曲率,获取所述记忆曲线中对应的记忆下滑时间节点;
步骤S22、根据所述记忆下滑时间节点,获取所述记忆下滑时间节点在所述记忆曲线上对应的记忆数量;
步骤S23、根据所述记忆数量,获取所述记忆曲线中对应的包含所述记忆数量和对应时间点的记忆特征参数。
其中,本发明实施例中描述的所述记忆特征参数表征了所述学生信息对应学生的记忆能力,也可以理解为:所述记忆特征参数对应的记忆数量的取值越大,学生的记忆能力越强。
进一步地,在一个实施例中,由于不同的学生信息分别对应了不同的学生,每个学生分别对应的测试信息也不会完全相同。因此,为了更清晰的表征每个学生分别对应的记忆曲线,可以基于所述学生信息和测试信息,为所述学生信息中每个学生识别码对应的学生,分别绘制对应学生的专属记忆曲线。
在本发明实施例中,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,可以按照如下技术手段实施:
基于所述测试信息,针对所述学生信息中的学生识别码,为每一个所述学生识别码分别绘制对应的记忆曲线,并将绘制后的所述记忆曲线与对应的所述学生识别码建立一一对应的关联关系。
如此一来,基于所述学生信息中的学生识别码,即可查询得到该学生识别码对应学生的专属的记忆曲线;这为后续对每个学生进行教学研究,提供了重要的参考依据。
进一步地,基于上述实施例的描述,在一个实施例中,所述图1实施例中的“步骤S20、对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数”,还可以按照如下技术手段实施:
分析所有学生信息分别对应的多条记忆曲线,即一个学生对应一条记忆曲线,获取所述多条记忆曲线在预设偏差范围内对应的整体记忆下滑节点,同时在所述多条记忆曲线中,获取记忆曲线的曲率超出预设曲率范围的个体记忆曲线及其所述个体记忆曲线对应的个体学生识别码。
根据所述整体记忆下滑节点,基于所述记忆曲线,计算整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值Z1,则有:
其中,Z1表示第i2个整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值;i2表示所述整体记忆下滑节点的个数,且i2的取值范围为:i2≥1;I1表示获取的所述整体记忆下滑节点在预设时间段内将对应的所述记忆曲线分割成的时间总段数;i1表示所述时间总段数I1中的其中一个时间段;t1表示第i1个时间段对应的时间起点,t2表示第i1个时间段对应的时间终点;Pi1表示第i1个时间段对应的记忆知识点的平均数量;δi2表示第i2个整体记忆下滑节点的节点属性值,为预设值,其取值范围为[0,1]。
根据所述平均值Z1,计算得到所述整体记忆下滑节点对应的记忆特征整体值Z,则有:
将计算得到的所述记忆特征整体值Z作为所述多条记忆曲线对应的整体记忆特征参数。
同时,根据所述个体记忆曲线,计算得到所述个体记忆曲线对应的包含记忆特征个体值的个体记忆特征参数。
此时,所述学生记忆曲线的智能分析方法还包括:
根据所述整体记忆特征参数中的所述记忆特征整体值Z,为大部分学生的学习提供与所述记忆特征整体值Z对应数量的学习参考信息;以及,根据所述个体记忆特征参数中的记忆特征个体值,为所述个体学生识别码对应学生提供与所述记忆特征个体值对应数量的学习参考信息。
其中,本发明实施例中,所述针对性的参考信息可以理解为:根据整体记忆特征参数,提供针对大部分学生的与所述整体记忆特征参数对应的学习提醒、复习提醒等参考信息;以及根据不同的个体记忆特征参数,针对所述个体记忆特征参数对应的学生个人,为该学生针对性地提供专门针对该学生的学习新知识的提醒信息、复习已学过知识的提醒信息等参考信息。
进一步地,在一个实施例中,***参照所述记忆特征参数,针对所述学生信息对应的学生,为相关老师的教学提供相应的教学参考信息,同时为相关学生的学习提供相应的学习参考信息;其中,所述教学参考信息包括:制定教学目标、教学重难点、测试时间以及测试内容对应的教学参考信息;所述学习参考信息包括:学习时间点、学习内容、学习计划对应的学习参考信息。
本发明实施例中,根据为每个学生识别码对应的学生分别绘制的多条记忆曲线,由于记忆曲线本身的特性即能够直观地展示每个学生的记忆数量与时间的对应关系,因此,通过分析所述记忆曲线,可以直观地获取多条记忆曲线在预设偏差范围内对应的整体记忆下滑节点;如此一来,即可得知大部分学生的记忆数量对应的需进行提醒的时间节点。由于不同学生的个体差异性,针对差异性较为明显的个别学生,比如,记忆曲线的曲率超出预设曲率范围的个体记忆曲线;由于记忆曲线与对应的学生识别码一一关联,因此通过该个体记忆曲线即可查找得到对应的学生识别码,从而唯一确定该学生,根据确定后的学生,即可根据该学生的个体特征,制定专门针对该学生的提醒时间节点。
这种处理方式,既找到了大部分学生的共同特征,又没有忽略个别学生的突出特点,因此,提高了***的使用范围和智能性。
本发明学生记忆曲线的智能分析方法,通过获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线;对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数;根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息;达到了通过对学生记忆曲线的智能分析,为老师教学和学生学习提供相应参考的有益效果,提高了***的智能性、针对性和科学性;相较于现有技术中仅根据测试成绩进行的教学和学习的参照,本发明学生记忆曲线的智能分析方法,更加客观和准确。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种学生记忆曲线的智能分析方法,其特征在于,所述方法包括:
获取预设时长内学生信息对应的测试信息,并基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线;
对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数;
根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息。
2.如权利要求1所述的学生记忆曲线的智能分析方法,其特征在于,所述获取预设时长内学生信息对应的测试信息,包括:
根据所述学生信息中包含的可唯一确定一名学生的学生识别码,查找测试数据库,识别所述测试数据库中是否已存在与所述学生识别码关联的测试信息;
若存在与所述学生识别码相关联的测试信息,则提取所述测试信息,并判断提取的所述测试信息的数据量是否达到预设数据量阈值;
若所述测试信息的数据量没有达到所述预设数据量阈值,则提示终端是否对所述学生信息对应学生进行补充测试;根据所述终端针对是否补充测试的反馈信息,执行相应操作;
若不存在与所述学生识别码相关联的测试信息,则提示终端确认所述学生识别码的输入是否正确;
若确认所述学生识别码的输入不正确,则基于重新输入的正确的学生识别码,重新进行测试信息的查找和提取操作;
若确认所述学生识别码的输入正确,则基于所述学生信息,生成针对所述学生信息的测试题目,供所述学生信息对应学生进行测试,并根据测试结果,获取所述学生信息对应的测试信息。
3.如权利要求2所述的学生记忆曲线的智能分析方法,其特征在于,所述根据所述终端针对是否补充测试的反馈信息,执行相应操作,包括:
若所述终端的反馈信息为确认补充测试,则基于所述学生信息,生成针对所述学生信息的补充题目,供所述学生信息对应学生进行补充测试,并根据补充测试结果,获取所述学生信息对应的补充信息,并将所述补充信息一起作为所述学生信息对应的所有测试信息;
若所述终端的反馈信息为确认不进行补充测试,则仅将提取的所述测试信息作为所述学习信息对应的所有测试信息。
4.如权利要求1所述的学生记忆曲线的智能分析方法,其特征在于,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包括步骤A1-A4:
步骤A1、对获取的所述测试信息进行帧节拆分,获取每个帧节点中的节点信息,并对每个节点信息进行特征提取,得到出现次数最多的特征对应的第一特征值f1;以及,对所述测试信息进行特征提取,得到出现次数最多的特征对应的第二特征值f2;
步骤A2、利用公式(1),计算所述第一特征值、第二特征值对应的第一差异值X1,则有:
公式(1)中,Si表示第i个节点信息中出现次数最多的特征值;n表示拆分出的帧节点的总数;δ1i表示Si与第一特征值之间的相关度;δ2i表示Si与第二特征值之间的相关度;
步骤A3、对获取的所述测试信息进行帧节拆分后,相应地,对所述记忆曲线进行拆分,获得多个拆分曲线;利用公式(2),计算拆分曲线对应的第二差异值X2,则有:
公式(2)中,m表示所述拆分曲线的总个数;rj表示第j个拆分曲线的最大曲率;rj-1表示第j-1个拆分曲线的最大曲率;φj表示第j个拆分曲线的调节因子,且取值为0.9;βj表示第j个拆分曲线的修正参数,其取值为:
步骤A4、计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数。
5.如权利要求4所述的学生记忆曲线的智能分析方法,其特征在于,所述计算所述第一差异值X1与第二差异值X2的比值,根据所述比值,获取所述记忆曲线对应的记忆特征参数,包括步骤B1-B4:
步骤B1、计算所述第一差异值X1与第二差异值X2的比值,并将计算得到的所述比值与预设差异范围进行比较;当所述比值在所述预设差异范围内时,执行步骤B2;当所述比值小于所述预设差异范围的最小值时,执行步骤B3;当所述比值大于所述预设差异范围的最大值时,执行步骤B4;
步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数;
步骤B3、当所述比值小于所述预设差异范围的最小值时,增加拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内;
步骤B4、当所述比值大于所述预设差异范围的最大值时,减少拆分出来的帧节点数目,重复执行所述步骤A1-A4,直至所述比值在所述预设差异范围内时,执行步骤B2,获取所述记忆曲线对应的记忆特征参数。
6.如权利要求5所述的智能分析方法,其特征在于,所述步骤B2、当所述比值在所述预设差异范围内时,获取所述记忆曲线对应的记忆特征参数,包括:
确定所述测试信息最终拆分出的每个帧节点中包括的知识点平均数量、以及每个帧节点对应的平均测试时长;
将所述知识点平均数量作为所述记忆曲线对应的记忆特征参数;
此时,所述根据所述记忆特征参数,针对所述学生信息对应的学生,提供相应的参考信息,包括:
向所述学生信息对应的学生所使用的客户端推送学***均测试时长内做所述知识点平均数量的试题的得分效果最佳。
7.如权利要求1至6任一项所述的学生记忆曲线的智能分析方法,其特征在于,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,包括:
对所述测试信息进行解析,获取所述测试信息对应的测试时间点、测试时长、相关的测试知识点以及测试得分;
根据所述测试时间点、测试时长、测试知识点和测试得分,获取所述学生信息对应学生在不同的时间点所分别对应的知识点的记忆数量;
以时间作为横轴、以所述记忆数量作为纵轴,建立二维坐标系,绘制时间与所述学生信息对应的所述记忆数量的记忆曲线。
8.如权利要求7所述的学生记忆曲线的智能分析方法,其特征在于,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包括:
解析所述学生信息对应的所述记忆曲线,根据所述记忆曲线的曲率,获取所述记忆曲线中对应的记忆下滑时间节点;
根据所述记忆下滑时间节点,获取所述记忆下滑时间节点在所述记忆曲线上对应的记忆数量;
根据所述记忆数量,获取所述记忆曲线中对应的包含所述记忆数量和对应时间点的记忆特征参数。
9.如权利要求1至6任一项所述的学生记忆曲线的智能分析方法,其特征在于,所述基于所述测试信息,绘制所述学生信息以及测试信息对应的记忆曲线,包括:
基于所述测试信息,针对所述学生信息中的学生识别码,为每一个所述学生识别码分别绘制对应的记忆曲线,并将绘制后的所述记忆曲线与对应的所述学生识别码建立一一对应的关联关系。
10.如权利要求9所述的学生记忆曲线的智能分析方法,其特征在于,所述对绘制后的所述记忆曲线进行解析,获取所述记忆曲线对应的记忆特征参数,包括:
分析所有学生信息分别对应的多条记忆曲线,一个学生对应一条记忆曲线,获取所述多条记忆曲线在预设偏差范围内对应的整体记忆下滑节点,同时在所述多条记忆曲线中,获取记忆曲线的曲率超出预设曲率范围的个体记忆曲线及其所述个体记忆曲线对应的个体学生识别码;
根据所述整体记忆下滑节点,基于所述记忆曲线,计算整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值Z1,则有:
其中,Z1表示第i2个整体记忆下滑节点在多条所述记忆曲线上对应的记忆数量的平均值;i2表示所述整体记忆下滑节点的个数,且i2的取值范围为:i2≥1;I1表示获取的所述整体记忆下滑节点在预设时间段内将对应的所述记忆曲线分割成的时间总段数;i1表示所述时间总段数I1中的其中一个时间段;t1表示第i1个时间段对应的时间起点,t2表示第i1个时间段对应的时间终点;Pi1表示第i1个时间段对应的记忆知识点的平均数量;δi2表示第i2个整体记忆下滑节点的节点属性值,为预设值,其取值范围为[0,1];
根据所述平均值Z1,计算得到所述整体记忆下滑节点对应的记忆特征整体值Z,则有:
将计算得到的所述记忆特征整体值Z作为所述多条记忆曲线对应的整体记忆特征参数;
同时,根据所述个体记忆曲线,计算得到所述个体记忆曲线对应的包含记忆特征个体值的个体记忆特征参数;
此时,所述学生记忆曲线的智能分析方法还包括:
根据所述整体记忆特征参数中的所述记忆特征整体值Z,为大部分学生的学习提供与所述记忆特征整体值Z对应数量的学习参考信息;以及,根据所述个体记忆特征参数中的记忆特征个体值,为所述个体学生识别码对应学生提供与所述记忆特征个体值对应数量的学习参考信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923786.XA CN112085631B (zh) | 2020-09-04 | 2020-09-04 | 学生记忆曲线的智能分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923786.XA CN112085631B (zh) | 2020-09-04 | 2020-09-04 | 学生记忆曲线的智能分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112085631A true CN112085631A (zh) | 2020-12-15 |
CN112085631B CN112085631B (zh) | 2021-11-12 |
Family
ID=73731486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010923786.XA Active CN112085631B (zh) | 2020-09-04 | 2020-09-04 | 学生记忆曲线的智能分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085631B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578755A (zh) * | 2022-03-30 | 2023-08-11 | 江苏控智电子科技有限公司 | 基于人工智能和大数据的信息分析***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1728121A (zh) * | 2005-06-03 | 2006-02-01 | 无敌科技(西安)有限公司 | 一种利用个人生理记忆曲线进行学习提醒的方法 |
CN106817252A (zh) * | 2016-12-31 | 2017-06-09 | ***通信集团江苏有限公司 | 上网数据处理方法及装置 |
CN106952033A (zh) * | 2017-03-16 | 2017-07-14 | 沈阳新代信息技术有限公司 | 一种基于多数据源的搅拌设备生产质量监控***及方法 |
CN110349063A (zh) * | 2019-07-16 | 2019-10-18 | 广州市教育研究院 | 一种学业成长曲线测试方法和*** |
-
2020
- 2020-09-04 CN CN202010923786.XA patent/CN112085631B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1728121A (zh) * | 2005-06-03 | 2006-02-01 | 无敌科技(西安)有限公司 | 一种利用个人生理记忆曲线进行学习提醒的方法 |
CN106817252A (zh) * | 2016-12-31 | 2017-06-09 | ***通信集团江苏有限公司 | 上网数据处理方法及装置 |
CN106952033A (zh) * | 2017-03-16 | 2017-07-14 | 沈阳新代信息技术有限公司 | 一种基于多数据源的搅拌设备生产质量监控***及方法 |
CN110349063A (zh) * | 2019-07-16 | 2019-10-18 | 广州市教育研究院 | 一种学业成长曲线测试方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578755A (zh) * | 2022-03-30 | 2023-08-11 | 江苏控智电子科技有限公司 | 基于人工智能和大数据的信息分析***及方法 |
CN116578755B (zh) * | 2022-03-30 | 2024-01-09 | 张家口微智网络科技有限公司 | 基于人工智能和大数据的信息分析***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112085631B (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021253480A1 (zh) | 习题智能推荐方法、装置、计算机设备及存储介质 | |
CN112287037B (zh) | 一种多实体混合知识图谱构建方法、装置及存储介质 | |
CN112184500A (zh) | 基于深度学习和知识图谱的课外学习辅导***及实现方法 | |
KR20130041414A (ko) | 서술형 문항 자동 채점 방법 | |
CN110866209A (zh) | 在线教育数据推送方法、***和计算机设备 | |
CN112085631B (zh) | 学生记忆曲线的智能分析方法 | |
EP3828868A3 (en) | Method and apparatus for determining key learning content, device, storage medium, and computer program product | |
CN114202978A (zh) | 一种基于大数据的智能培训方法及*** | |
CN112182237A (zh) | 题目知识点关联方法、题目知识点关联***和存储介质 | |
CN116483948B (zh) | 基于云计算的SaaS运维管理方法、***、装置及存储介质 | |
CN112419812A (zh) | 一种习题批改方法及装置 | |
CN112052327A (zh) | 一种知识点掌握情况分析***的方法 | |
CN112256576A (zh) | 人机对话语料测试方法、装置、设备及存储介质 | |
CN114971425B (zh) | 数据库信息监控方法、装置、设备及存储介质 | |
CN109840867B (zh) | 一种智能教学的方法、设备及装置 | |
CN110689275A (zh) | 对错题进行分析和量化评分方法和*** | |
CN116090879A (zh) | 一种基于眼动数据的飞行训练品质评估方法 | |
CN115100007A (zh) | 基于人工智能的在线教学管理方法及*** | |
CN115660911A (zh) | 一种基于测学算法的企业数字培训方法及装置 | |
CN112016607B (zh) | 一种基于深度学习的错因分析方法 | |
CN108416496A (zh) | 基于数据分析的教学评估方法、存储介质及服务器 | |
CN112163975A (zh) | 智能学习指引和提示方法与*** | |
CN112015991B (zh) | 学生学习提醒方法 | |
CN112015830A (zh) | 适用于自适应学习的题目存储方法 | |
CN111782796A (zh) | 智能题目生成*** |
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 | ||
PP01 | Preservation of patent right |
Effective date of registration: 20221020 Granted publication date: 20211112 |
|
PP01 | Preservation of patent right |