CN112182232A - 一种教师智能组卷*** - Google Patents
一种教师智能组卷*** Download PDFInfo
- Publication number
- CN112182232A CN112182232A CN201910594204.5A CN201910594204A CN112182232A CN 112182232 A CN112182232 A CN 112182232A CN 201910594204 A CN201910594204 A CN 201910594204A CN 112182232 A CN112182232 A CN 112182232A
- Authority
- CN
- China
- Prior art keywords
- test paper
- teacher
- knowledge points
- paper
- exercises
- 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
- 238000012360 testing method Methods 0.000 claims abstract description 131
- 239000000463 material Substances 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 abstract description 3
- 239000013598 vector Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 2
- 230000000692 anti-sense effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Library & Information Science (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种教师智能组卷***和方法,包括教材录入单元,录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;试卷分析单元,获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;人机交互单元,供教师输入组卷的逻辑以及供教师完善题库,包括试卷的难度、试卷考察的知识点;组卷逻辑单元,根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷;数据库,分类保存知识点、习题、习题答案、关联、知识点分值权重和题库。本发明由机器代替人工组卷,提高工作效率,还能根据知识点的分值权重进行组卷,合理设置各个知识点的考察权重。
Description
技术领域
本发明涉及教育领域,特别是指一种教师智能组卷***。
背景技术
随着计算机的普及,人们可以利用计算机解决很多的问题。对于老师来讲,一项非常重要的工作就是对教学成果进行检验,检验的主要方法就是通过考试,而一套难度适中,知识点分布合理的试卷对考试来说显得至关重要。传统的人工组卷方法比较浪费时间,而且工作效率很低。人工组卷时很容易陷入思维死角,可能会遗落知识点。
发明内容
本发明提出一种教师智能组卷***,解决了现有技术中人工组卷方法比较浪费时间,而且工作效率很低。人工组卷时很容易陷入思维死角,可能会遗落知识点的问题。
本发明的技术方案是这样实现的:
一种教师智能组卷***,包括
教材录入单元,用于录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
试卷分析单元,用于获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
人机交互单元,用于供教师输入组卷的逻辑以及供教师完善题库,包括试卷的难度、试卷考察的知识点;
组卷逻辑单元,用于根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷;
数据库,用于分类保存知识点、习题、习题答案、关联、知识点分值权重和题库。
作为本发明的优选实施例,保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。
作为本发明的优选实施例,所述教材录入单元采用网络爬虫技术爬取各章节的知识点、习题、习题答案或者采用图像识别技术识别并保存教材各章节的知识点、习题、习题答案,以教材的目录作为索引保存到数据库中。
作为本发明的优选实施例,所述试卷分析单元,还用于分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
作为本发明的优选实施例,所述人机交互单元,还用于供教师输入组卷的数量;
所述组卷逻辑单元,用于生成对应数量的试卷,并查询对应数量的试卷中是否有相同的试题,若有,则保留一份试卷中的试题,将其余数量的试卷的相同的试题替换。
作为本发明的优选实施例,所述教材录入单元,还用于导入Excel表格中的各章节的知识点、习题、习题答案。
一种教师智能组卷方法,包括以下步骤:
S1,录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
S2,获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
S3,教师输入组卷的逻辑以及供教师完善题库,组卷的逻辑包括试卷的难度、试卷考察的知识点;
S4,根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷。
作为本发明的优选实施例,步骤S1中保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。
作为本发明的优选实施例,步骤S2还包括分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
作为本发明的优选实施例,还包括以下步骤:
S5,对组成的试卷进行查重。
本发明的有益效果在于:由机器代替人工组卷,提高工作效率,还能根据知识点的分值权重进行组卷,合理设置各个知识点的考察权重。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种教师智能组卷***一个实施例的原理框图;
图2为本发明一种教师智能组卷方法一个实施例的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提出了一种教师智能组卷***,包括
教材录入单元,用于录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
试卷分析单元,用于获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
人机交互单元,用于供教师输入组卷的逻辑以及供教师完善题库,包括试卷的难度、试卷考察的知识点;
组卷逻辑单元,用于根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷;
数据库,用于分类保存知识点、习题、习题答案、关联、知识点分值权重和题库。
保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。具体的,比如语文词语的知识点包含了词语的拼音和文字,习题为根据拼音写汉字或者根据汉字写拼音或选择正确的拼音,可知,习题及习题的答案互补后即为知识点,再比如词语的近义词、反义词。比如数学试卷中考察公式的应用,习题加习题答案即为知识点。比如外国语试卷中单词的拼写,给出单词的一部分,由考生补充,习题与知识点的重合程度较高,习题与习题答案互补后即为待考察的知识点。针对此类仅仅是对知识点的简单应用的题目,完全可由组卷逻辑单元根据知识点随机生成试题,基于教师设定的规则,组卷逻辑单元为基于规则的***。
试卷分析单元,还用于分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
在具体操作过程中,从试题中提取若干个关键因素,作为输入向量,将试题考察的知识点作为输出向量,当组卷逻辑单元在随机生成试题时,将知识点作为输入向量,输出试题中应包含的关键因素。由教师对随机生成试题的正确性进行判别,若发生错误,则作为矫正函数录入智能试卷分析模型中,避免出现相同的错误。
从题库获取试题组卷具体包括将题目分为具有标准答案和无标准答案两种,针对具有标准答案的题目,判断该题目是否存在题目变形逻辑,若有,则根据题目变形逻辑对题目进行随机变形,否则随机抽取题目;针对无标准答案的题目,则随机抽取题目;将具有标准答案的题目和无标准答案的题目组成试卷。
教材录入单元采用网络爬虫技术爬取各章节的知识点、习题、习题答案或者采用图像识别技术识别并保存教材各章节的知识点、习题、习题答案,以教材的目录作为索引保存到数据库中。
人机交互单元,还用于供教师输入组卷的数量;
组卷逻辑单元,用于生成对应数量的试卷,并查询对应数量的试卷中是否有相同的试题,若有,则保留一份试卷中的试题,将其余数量的试卷的相同的试题替换。
教材录入单元,还用于导入Excel表格中的各章节的知识点、习题、习题答案。
如图2所示,本发明还公开了一种教师智能组卷方法,包括以下步骤:
S1,录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
步骤S1中保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。
S2,获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
步骤S2还包括分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
S3,教师输入组卷的逻辑以及供教师完善题库,组卷的逻辑包括试卷的难度、试卷考察的知识点;
S4,根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷。
S5,对组成的试卷进行查重。该步骤用于避免生成重复的试卷,避免考生作弊,具体根据用户的需求进行设定。
本发明由机器代替人工组卷,提高工作效率,还能根据知识点的分值权重进行组卷,合理设置各个知识点的考察权重。
以上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、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种教师智能组卷***,其特征在于:包括
教材录入单元,用于录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
试卷分析单元,用于获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
人机交互单元,用于供教师输入组卷的逻辑以及供教师完善题库,组卷的逻辑包括试卷的难度、试卷考察的知识点;
组卷逻辑单元,用于根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷;
数据库,用于分类保存知识点、习题、习题答案、关联、知识点分值权重和题库。
2.根据权利要求1所述的教师智能组卷***,其特征在于:保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。
3.根据权利要求1所述的教师智能组卷***,其特征在于:所述教材录入单元采用网络爬虫技术爬取各章节的知识点、习题、习题答案或者采用图像识别技术识别并保存教材各章节的知识点、习题、习题答案,以教材的目录作为索引保存到数据库中。
4.根据权利要求1所述的教师智能组卷***,其特征在于:所述试卷分析单元,还用于分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
5.根据权利要求1所述的教师智能组卷***,其特征在于:所述人机交互单元,还用于供教师输入组卷的数量;
所述组卷逻辑单元,用于生成对应数量的试卷,并查询对应数量的试卷中是否有相同的试题,若有,则保留一份试卷中的试题,将其余数量的试卷的相同的试题替换。
6.根据权利要求1所述的教师智能组卷***,其特征在于:所述教材录入单元,还用于导入Excel表格中的各章节的知识点、习题、习题答案。
7.一种教师智能组卷方法,其特征在于,包括以下步骤:
S1,录入教材各章节的知识点、习题、习题答案,并保存知识点、习题和习题答案相互之间的关联;
S2,获取已经公开或由教师录入的试卷,分析和统计试卷题目所对应的知识点,以及知识点分值权重;
S3,教师输入组卷的逻辑以及供教师完善题库,组卷的逻辑包括试卷的难度、试卷考察的知识点;
S4,根据教师输入的组卷逻辑以及知识点分值权重从题库获取试题组卷或者随机生成试题组卷。
8.根据权利要求7所述的教师智能组卷方法,其特征在于,步骤S1中保存知识点、习题和习题答案相互之间的关联具体指的是知识点、习题和习题答案相互之间的重合程度以及互补程度,若重合程度和互补程度高,组卷逻辑单元根据知识点随机生成试题。
9.根据权利要求7所述的教师智能组卷方法,其特征在于,步骤S2还包括分析和统计试卷题目类型出现的频率,根据试卷训练出智能试卷分析模型,由智能试卷分析模型对试卷进行批量识别分析,并为组卷逻辑单元随机生成试题提供所需的因素。
10.根据权利要求7所述的教师智能组卷方法,其特征在于,还包括以下步骤:
S5,对组成的试卷进行查重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594204.5A CN112182232A (zh) | 2019-07-03 | 2019-07-03 | 一种教师智能组卷*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910594204.5A CN112182232A (zh) | 2019-07-03 | 2019-07-03 | 一种教师智能组卷*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112182232A true CN112182232A (zh) | 2021-01-05 |
Family
ID=73915267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910594204.5A Pending CN112182232A (zh) | 2019-07-03 | 2019-07-03 | 一种教师智能组卷*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182232A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658928A (zh) * | 2022-12-14 | 2023-01-31 | 成都泰盟软件有限公司 | 一种组卷试卷的方法、装置、计算机设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932795A (zh) * | 2006-10-10 | 2007-03-21 | 青岛中科恒信信息技术有限公司 | 考试试卷智能命题组卷*** |
CN101593236A (zh) * | 2008-05-26 | 2009-12-02 | 北京智慧东方信息技术有限公司 | 一种计算机考试***中试卷分析的方法 |
CN105448153A (zh) * | 2015-12-31 | 2016-03-30 | 华夏博雅(北京)教育科技发展有限公司 | 生成定制化试卷的教学*** |
WO2017025046A1 (zh) * | 2015-08-13 | 2017-02-16 | 马正方 | 一种基于知识点结构的题库*** |
CN107194337A (zh) * | 2017-05-14 | 2017-09-22 | 联阅科技(北京)有限公司 | 一种非选择题的智能批阅方法 |
CN107301165A (zh) * | 2016-04-14 | 2017-10-27 | 科大讯飞股份有限公司 | 一种试题难度分析方法及*** |
CN107590247A (zh) * | 2017-09-18 | 2018-01-16 | 杭州博世数据网络有限公司 | 一种基于群体知识诊断的智能组卷方法 |
CN108053098A (zh) * | 2017-11-24 | 2018-05-18 | 河南大学 | 一种基于大数据的学习成绩分析方法 |
CN108932508A (zh) * | 2018-08-13 | 2018-12-04 | 杭州大拿科技股份有限公司 | 一种题目智能识别、批改的方法和*** |
-
2019
- 2019-07-03 CN CN201910594204.5A patent/CN112182232A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1932795A (zh) * | 2006-10-10 | 2007-03-21 | 青岛中科恒信信息技术有限公司 | 考试试卷智能命题组卷*** |
CN101593236A (zh) * | 2008-05-26 | 2009-12-02 | 北京智慧东方信息技术有限公司 | 一种计算机考试***中试卷分析的方法 |
WO2017025046A1 (zh) * | 2015-08-13 | 2017-02-16 | 马正方 | 一种基于知识点结构的题库*** |
CN105448153A (zh) * | 2015-12-31 | 2016-03-30 | 华夏博雅(北京)教育科技发展有限公司 | 生成定制化试卷的教学*** |
CN107301165A (zh) * | 2016-04-14 | 2017-10-27 | 科大讯飞股份有限公司 | 一种试题难度分析方法及*** |
CN107194337A (zh) * | 2017-05-14 | 2017-09-22 | 联阅科技(北京)有限公司 | 一种非选择题的智能批阅方法 |
CN107590247A (zh) * | 2017-09-18 | 2018-01-16 | 杭州博世数据网络有限公司 | 一种基于群体知识诊断的智能组卷方法 |
CN108053098A (zh) * | 2017-11-24 | 2018-05-18 | 河南大学 | 一种基于大数据的学习成绩分析方法 |
CN108932508A (zh) * | 2018-08-13 | 2018-12-04 | 杭州大拿科技股份有限公司 | 一种题目智能识别、批改的方法和*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658928A (zh) * | 2022-12-14 | 2023-01-31 | 成都泰盟软件有限公司 | 一种组卷试卷的方法、装置、计算机设备及存储介质 |
CN115658928B (zh) * | 2022-12-14 | 2023-08-01 | 成都泰盟软件有限公司 | 一种组卷试卷的方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lancaster et al. | A comparison of source code plagiarism detection engines | |
Al Emran et al. | A survey of intelligent language tutoring systems | |
US20070196804A1 (en) | Question-answering system, question-answering method, and question-answering program | |
CN110909035A (zh) | 个性化复习题集生成方法、装置、电子设备及存储介质 | |
Fonseca et al. | Automatic Subject-Based Contextualisation of Programming Assignment Lists. | |
Rokade et al. | Automated grading system using natural language processing | |
KR101023540B1 (ko) | 가변되는 메타정보를 활용한 시험결과 분석평가방법 | |
US20090280456A1 (en) | Method and system for automatically generating questions for a programming language | |
Dominguez et al. | Assessing distance education courses and discipline differences in their effectiveness | |
Tack et al. | Human and automated CEFR-based grading of short answers | |
Wang et al. | Combining dynamic and static analysis for automated grading sql statements | |
Nicoll et al. | Giving feedback on feedback: An assessment of grader feedback construction on student performance | |
CN112182232A (zh) | 一种教师智能组卷*** | |
CN114186983A (zh) | 视频面试多维评分方法、***、计算机设备及存储介质 | |
Hussain et al. | Assessment of bangla descriptive answer script digitally | |
Alrehily et al. | Intelligent electronic assessment for subjective exams | |
Li et al. | An automated essay scoring model based on stacking method | |
Jagadamba | Online subjective answer verifying system using artificial intelligence | |
Acheampong et al. | Answer triggering of factoid questions: A cognitive approach | |
CN115564606A (zh) | 一种适用于司法考试主观题的智能阅卷方法 | |
CN114691903A (zh) | 一种智能课程测试方法及***、电子设备、存储介质 | |
Shi et al. | Corecode: A common sense annotated dialogue dataset with benchmark tasks for chinese large language models | |
Khandait et al. | Automatic question generation through word vector synchronization using lamma | |
Kopf et al. | Annotating decomposition in time: Three approaches for again | |
CN111815491A (zh) | 自适应学习计划制定方法、装置、可读存储介质及终端 |
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 |