CN112184503A - 用于学前教育质量评价的儿童多项能力评分方法及*** - Google Patents
用于学前教育质量评价的儿童多项能力评分方法及*** Download PDFInfo
- Publication number
- CN112184503A CN112184503A CN202010993460.4A CN202010993460A CN112184503A CN 112184503 A CN112184503 A CN 112184503A CN 202010993460 A CN202010993460 A CN 202010993460A CN 112184503 A CN112184503 A CN 112184503A
- Authority
- CN
- China
- Prior art keywords
- scoring
- module
- children
- test
- test question
- 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
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 10
- 238000013077 scoring method Methods 0.000 title claims description 6
- 238000012360 testing method Methods 0.000 claims abstract description 105
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000011835 investigation Methods 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000000638 solvent extraction Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000009472 formulation Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000001303 quality assessment method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 241001672694 Citrus reticulata Species 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 4
- 238000007654 immersion Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method 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
- 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)
- 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)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于学前教育质量评价的儿童多项能力评分方法及***,包括:按照学前教育五大领域定向划分测试题集,并构建知识库;利用AR或VR技术将测试题集中的每个测试试题场景化;定向采集被测试儿童回答当前测试试题过程中的相关指标数据;将指标数据按类型进行量化存储,作为原始数据;利用AI技术提取原始数据中的特征数据;调取知识库中与特征数据相匹配的考察知识点,并根据考察知识点确定分数计算方法;利用分数计算方法获得当前测试试题所涉及的各个考察知识点的打分值;定量地计算并输出最终打分值,根据最终打分值定性地输出评价结果和指导意见。本发明能够对学前教育质量进行客观、自动化、且智能化的评价。
Description
技术领域
本发明涉及学前教育技术领域,更具体的说是涉及一种用于学前教育质量评价的儿童多项能力评分方法及***。
背景技术
在教育质量评价中,对学前儿童语言能力发展结果的评估与监控是其中最重要的内容,也是影响教育质量的一项重要因素。我国《3-6岁儿童学习与发展指南》按照幼儿学习和活动的范畴把幼儿园教育分为健康、语言、社会、科学、艺术五大领域,语言仅次于健康具有重要的位置,是重点培养和发展的领域。由于五大领域相互渗透,语言能力对幼儿的认知能力、社会性及情感的发展都有的影响。
学前教育质量评价是提高学前教育质量的有效途径,但我国尚未建立起客观地评价学前教育质量的标准和体系。现有的学前教育评价具有评估周期长、评价指标单一等缺陷,对幼儿的长期发展以及学前教育的信息化有着诸多方面的限制和影响。另外,现有的评价方式主要依靠学前教育专任教师,存在个人主观意识强的局限性。由于目前我国学前教育师资力量任务重,一个教师平均面对几十个学龄前儿童,传统都是使用表现形式评价方法,需要一对一地开展,教师或语音标准化程度、表达方式、操作过程和评分标准都有所不同,随着数量的增多,将引入更多人为判断,带来更多测量误差,从而影响到测量结果的可信度。即使使用目前学前教育领域使用目前公认的教育综合能力评价方法-AHP层次分析方法,仍然存在权重设置依靠专家咨询方法、和主观权重优化等不足。对于这种依赖传统统计分析的方法来评价学前教育质量的方式,需要进行专业的评价场景设定,测试时间长、需要儿童较高的专注力,例如多光谱评价方法,对于语言一项的测试时间需要几十分钟,如果要实施多元智能评价方法中的各个领域都测试,需要花费更长的时间。信息不对称问题普遍存在于学前教育市场,也正是因为信息不对称问题的存在,使得学前教育市场衍生出了许多问题,这些问题包括质量低劣的幼儿园泛滥、高端幼儿园价格奇高、市场处于低位均衡、幼儿园宣传重表面轻实质,解决信息不对称问题的长效机制在于设法提升学前教育机构教育质量以及对其质量的监控与评价。构建科学、完善的学前教育质量评价体系对提高学前教育质量具有重要作用。
因此,如何提供一种能够对学前教育质量进行客观、自动化、且智能化的评分方法及***是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种用于学前教育质量评价的儿童多项能力评分方法及***,利用沉浸式的VR/AR技术、声音采集及智能分析、骨骼行为视频捕捉以及图画等手段,综合利用学前教育测试方法,实现最大化的对学前儿童教育质量进行评分。可以有效减少人为主观打分影响,自动化、智能化地为学前儿童教育进行客观评价。
为了实现上述目的,本发明采用如下技术方案:
一种用于学前教育质量评价的儿童多项能力评分方法,包括:
S1、按照学前教育五大领域定向划分测试题集,并构建与所述测试题集相对应的知识库;
S2、利用AR或VR技术将所述测试题集中的每个测试试题场景化;
S3、定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
S4、将所述指标数据按类型进行量化存储,作为原始数据;
S5、利用AI技术提取所述原始数据中的特征数据;
S6、调取所述知识库中与所述特征数据相匹配的考察知识点,并根据所述考察知识点确定分数计算方法;
S7、利用所述分数计算方法获得当前测试试题所涉及的各个所述考察知识点的打分值;
S8、定量地计算并输出最终打分值,根据所述最终打分值定性地输出评价结果和指导意见。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S1中每个所述测试题集中的试题大小和时长可根据需要动态调整。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S1中的知识库包括题型库和语料库;所述题型库与所述测试题集相匹配,其用于为所述测试题集提供参考;所述语料库至少存储有学前儿童应掌握的名词类型和数量。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S3中的相关指标数据包括测试过程中儿童回答问题时的各种视频实时记录、儿童骨骼运行轨迹、儿童在平面作图场景中的画图动作、声音和声纹。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S4中,按照图像、文本和语音对所述指标数据进行量化存储。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S5中利用AI技术将所述原始数据中的语音转写成文字信息,并根据转写的文字信息,利用普通话词汇和语法分析,分析所述文字信息中的句子结构;在所述句子结构中提取特征数据。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,所述特征数据包括名词、动词、回答的语速和语调、回答的流畅度以及语句的丰富度。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分方法中,S7包括以下步骤:
S701、制定测试总目标;
S702、根据学前教育五大领域将所述测试总目标划分为五个领域;
S703、将每个所述领域划分多个能力项目;
S704、将每个能力项目划分成多个子能力项目;
S705、将每个子能力项目划分成多个打分项;
S706、对当前测试试题所涉及到的相关所述打分项进行打分,并根据各个所述打分项的打分值,利用层次分析法依次计算各个层级的分值及其组合分值;所述组合分值即为所述最终打分值。
经由上述的技术方案可知,与现有技术相比,本发明具有以下有益效果:
1、本发明按照学前教育五大领域定向划分测试题集,并通过五层分析法建立科学的评价体系。同时设定多个打分细节,能够有效提升评价的可信度。确保同一儿童在重复测评后测验结果的一致性、稳定性及可靠性。
2、本发明通过AR或VR技术将测试试题场景化,真实模拟测试过程,让测试儿童有沉浸式的感受,避免该年龄段的儿童注意力不集中,测试过程容易受到打扰的问题。
3、本发明结合语音学、语言学、学前教育、知识图谱、机器学习等多个社科和技术学科,使各学科充分融会贯通,采用多项识别技术实时记录和采集测试过程中被测儿童在语音、绘画、骨骼等方面体现出的不同特征表现,形成有效的教育评价体系,实现幼儿园里幼儿个性化发展。
4、本发明通过将采集的指标数据进行量化存储,可调取往期存储的测试结果,与当前测试结果形成对比,能够更准确地评价儿童的能力增长情况。
本发明还提供一种用于学前教育质量评价的儿童多项能力评分***,包括:
题库模块,所述题库模块用于按照学前教育五大领域定向划分测试题集,并构建与所述测试题集相对应的知识库;
场景化模块,所述场景化模块用于利用AR或VR技术将所述测试题集中的每个测试试题场景化;
指标数据采集模块,所述指标数据采集模块用于定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
存储模块,所述存储模块用于将所述指标数据按类型进行量化存储,作为原始数据;
特征提取模块,所述特征提取模块用于利用AI技术提取所述原始数据中的特征数据;
考察知识点确定及计算模块,所述考察知识点确定及计算模块用于调取所述知识库中与所述特征数据相匹配的考察知识点,并根据所述考察知识点确定分数计算方法;
打分模块,所述打分模块用于利用所述分数计算方法获得当前测试试题所涉及的各个所述考察知识点的打分值;以及
结果输出模块,所述结果输出模块用于定量地计算并输出最终打分值,根据所述最终打分值定性地输出评价结果和指导意见。
优选的,在上述一种用于学前教育质量评价的儿童多项能力评分***,所述打分模块包括:
总目标制定模块,所述总目标制定模块用于制定测试总目标;
领域划分模块,所述领域划分模块用于根据学前教育五大领域将所述测试总目标划分为五个领域;
能力划分模块,所述能力划分模块用于将每个所述领域划分多个能力项目;
子能力划分模块,所述子能力划分模块用于将每个能力项目划分成多个子能力项目;
打分项划分模块,所述打分项划分模块用于将每个子能力项目划分成多个打分项;以及
最终打分值计算模块,所述最终打分值计算模块用于对当前测试试题所涉及到的相关所述打分项进行打分,并根据各个所述打分项的打分值,利用层次分析法依次计算各个层级的分值及其组合分值。
经由上述技术方案可知,与现有技术相比,本发明利用沉浸式的VR/AR技术、定向采集测试过程的相关指标数据进行存储并进行智能分析,分层次对学前教育五大领域所涉及的各个打分项分别进行打分,并定量和定性地输出各个打分项的组合值和指导意见。本发明综合利用学前教育测试方法,实现最大化的对学前儿童教育质量进行评分。可以有效减少人为主观打分影响,自动化、智能化地为学前儿童教育进行客观评价。
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的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种用于学前教育质量评价的儿童多项能力评分方法流程图;
图2附图为本发明提供的S7的流程图;
图3附图为本发明提供的一种用于学前教育质量评价的儿童多项能力评分***的结构框图;
图4附图为本发明提供的打分模块的结构框图。
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做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,本发明实施例公开了一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,包括:
S1、按照学前教育五大领域定向划分测试题集,并构建与测试题集相对应的知识库;
S2、利用AR或VR技术将测试题集中的每个测试试题场景化;
S3、定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
S4、将指标数据按类型进行量化存储,作为原始数据;
S5、利用AI技术提取原始数据中的特征数据;
S6、调取知识库中与特征数据相匹配的考察知识点,并根据考察知识点确定分数计算方法;
S7、利用分数计算方法获得当前测试试题所涉及的各个考察知识点的打分值和最终打分值;
S8、定量地计算并输出最终打分值,根据最终打分值定性地输出评价结果和指导意见。
本发明利用沉浸式的VR/AR技术、定向采集测试过程的相关指标数据进行存储并进行智能分析,对各个考查知识点进行打分并计算其组合分值,综合利用学前教育测试方法,实现最大化的对学前儿童教育质量进行评分。可以有效减少人为主观打分影响,自动化、智能化地为学前儿童教育进行客观评价。
具体的,S1中每个测试题集均通过动画的方式呈现,且每个测试题集均利用交互的方式对待测试二通进行测试。其中,每个测试题集中的试题大小和时长可根据需要动态调整。
在一个实施例中,S1中的知识库包括题型库和语料库;题型库与测试题集相匹配,其用于为测试题集提供参考;语料库至少存储有学前儿童应掌握的名词类型和数量。
S2中每个测试试题均设计有具体的测试场景,真实模拟测试过程,使被测试儿童有沉浸式的感受,可以避免该年龄段儿童注意力不集中,测试过程中容易受到打扰的情况发生。
在其他实施例中,S3中的相关指标数据包括测试过程中儿童回答问题时的各种视频实时记录、儿童骨骼运行轨迹、儿童在平面作图场景中的画图动作、声音和声纹。本发明结合语音学、语言学、学前教育、知识图谱、机器学习等多个社科和技术学科,使各学科充分融会贯通,采用多项识别技术实时记录和采集测试过程中被测儿童在语音、绘画、骨骼等方面体现出的不同特征表现,形成有效的教育评价体系,实现幼儿园里幼儿个性化发展。
更有利的,在S4中,按照图像、文本和语音对指标数据进行量化存储。本发明通过将采集的指标数据进行量化存储,可调取往期存储的测试结果,与当前测试结果形成对比,能够更准确地评价儿童的能力增长情况。
在一个实施例中,当对儿童进行语言测试时,需对原始数据中的语音进行采集,利用AI技术将原始数据中的语音转写成文字信息,并根据转写的文字信息,利用普通话词汇和语法分析,分析文字信息中的句子结构;在句子结构中提取特征数据;特征数据包括名词、动词、回答的语速和语调、回答的流畅度以及语句的丰富度。
如图2所示,S7包括以下步骤:
S701、制定测试总目标;
S702、根据学前教育五大领域将测试总目标划分为五个领域;
S703、将每个领域划分多个能力项目;
S704、将每个能力项目划分成多个子能力项目;
S705、将每个子能力项目划分成多个打分项;
S706、对当前测试试题所涉及到的相关打分项进行打分,并根据各个打分项的打分值,利用层次分析法反向计算各个层级的分值及其组合分值;组合分值即为最终打分值。
本发明按照学前教育五大领域定向划分测试题集,并通过五层分析法建立科学的评价体系。同时设定多个打分细节,打分细节多达500个,能够有效提升评价的可信度。确保同一儿童在重复测评后测验结果的一致性、稳定性及可靠性。
如图3所示,本发明实施例还公开一种用于学前教育质量评价的儿童多项能力评分***,包括:
题库模块1,题库模块1用于按照学前教育五大领域定向划分测试题集,并构建与测试题集相对应的知识库;
场景化模块2,场景化模块2用于利用AR或VR技术将测试题集中的每个测试试题场景化;
指标数据采集模块3,指标数据采集模块3用于定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
存储模块4,存储模块4用于将指标数据按类型进行量化存储,作为原始数据;
特征提取模块5,特征提取模块5用于利用AI技术提取原始数据中的特征数据;
考察知识点确定及计算模块6,考察知识点确定及计算模块6用于调取知识库中与特征数据相匹配的考察知识点,并根据考察知识点确定分数计算方法;
打分模块7,打分模块7用于利用分数计算方法获得当前测试试题所涉及的各个考察知识点的打分值;以及
结果输出模块8,结果输出模块8用于定量地计算并输出最终打分值,根据最终打分值定性地输出评价结果和指导意见。
在一个实施例中,如图4所示,打分模块7包括:
总目标制定模块701,总目标制定模块701用于制定测试总目标;
领域划分模块702,领域划分模块702用于根据学前教育五大领域将测试总目标划分为五个领域;
能力划分模块703,能力划分模块703用于将每个领域划分多个能力项目;
子能力划分模块704,子能力划分模块704用于将每个能力项目划分成多个子能力项目;
打分项划分模块705,打分项划分模块705用于将每个子能力项目划分成多个打分项;以及
最终打分值计算模块706,最终打分值计算模块706用于对当前测试试题所涉及到的相关打分项进行打分,并根据各个打分项的打分值,利用层次分析法依次计算各个层级的分值及其组合分值。
本发明利用沉浸式的VR/AR技术、定向采集测试过程的相关指标数据进行存储并进行智能分析,分层次对学前教育五大领域所涉及的各个打分项分别进行打分,并定量和定性地输出各个打分项的组合值和指导意见。本发明综合利用学前教育测试方法,实现最大化的对学前儿童教育质量进行评分。可以有效减少人为主观打分影响,自动化、智能化地为学前儿童教育进行客观评价。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,包括:
S1、按照学前教育五大领域定向划分测试题集,并构建与所述测试题集相对应的知识库;
S2、利用AR或VR技术将所述测试题集中的每个测试试题场景化;
S3、定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
S4、将所述指标数据按类型进行量化存储,作为原始数据;
S5、利用AI技术提取所述原始数据中的特征数据;
S6、调取所述知识库中与所述特征数据相匹配的考察知识点,并根据所述考察知识点确定分数计算方法;
S7、利用所述分数计算方法获得当前测试试题所涉及的各个所述考察知识点的打分值和最终打分值;
S8、定量地计算并输出所述最终打分值,根据所述最终打分值定性地输出评价结果和指导意见。
2.根据权利要求1所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S1中每个所述测试题集中的试题大小和时长可根据需要动态调整。
3.根据权利要求1所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S1中的知识库包括题型库和语料库;所述题型库与所述测试题集相匹配,其用于为所述测试题集提供参考;所述语料库至少存储有学前儿童应掌握的名词类型和数量。
4.根据权利要求1所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S3中的相关指标数据包括测试过程中儿童回答问题时的各种视频实时记录、儿童骨骼运行轨迹、儿童在平面作图场景中的画图动作、声音和声纹。
5.根据权利要求1所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S4中,按照图像、文本和语音对所述指标数据进行量化存储。
6.根据权利要求5所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S5中利用AI技术将所述原始数据中的语音转写成文字信息,并根据转写的文字信息,利用普通话词汇和语法分析,分析所述文字信息中的句子结构;在所述句子结构中提取特征数据。
7.根据权利要求6所述的一种用于学前教育质量评价的儿童多项能力评分方法,所述特征数据包括名词、动词、回答的语速和语调、回答的流畅度以及语句的丰富度。
8.根据权利要求1所述的一种用于学前教育质量评价的儿童多项能力评分方法,其特征在于,S7包括以下步骤:
S701、制定测试总目标;
S702、根据学前教育五大领域将所述测试总目标划分为五个领域;
S703、将每个所述领域划分多个能力项目;
S704、将每个能力项目划分成多个子能力项目;
S705、将每个子能力项目划分成多个打分项;
S706、对当前测试试题所涉及到的相关所述打分项进行打分,并根据各个所述打分项的打分值,利用层次分析法依次计算各个层级的分值及其组合分值;所述组合分值即为所述最终打分值。
9.一种用于学前教育质量评价的儿童多项能力评分***,其特征在于,包括:
题库模块(1),所述题库模块(1)用于按照学前教育五大领域定向划分测试题集,并构建与所述测试题集相对应的知识库;
场景化模块(2),所述场景化模块(2)用于利用AR或VR技术将所述测试题集中的每个测试试题场景化;
指标数据采集模块(3),所述指标数据采集模块(3)用于定向采集被测试儿童回答当前测试试题过程中的相关指标数据;
存储模块(4),所述存储模块(4)用于将所述指标数据按类型进行量化存储,作为原始数据;
特征提取模块(5),所述特征提取模块(5)用于利用AI技术提取所述原始数据中的特征数据;
考察知识点确定及计算模块(6),所述考察知识点确定及计算模块(6)用于调取所述知识库中与所述特征数据相匹配的考察知识点,并根据所述考察知识点确定分数计算方法;
打分模块(7),所述打分模块(7)用于利用所述分数计算方法获得当前测试试题所涉及的各个所述考察知识点的打分值;以及
结果输出模块(8),所述结果输出模块(8)用于定量地计算并输出最终打分值,根据所述最终打分值定性地输出评价结果和指导意见。
10.根据权利要求9所述的一种用于学前教育质量评价的儿童多项能力评分***,其特征在于,所述打分模块(7)包括:
总目标制定模块(701),所述总目标制定模块(701)用于制定测试总目标;
领域划分模块(702),所述领域划分模块(702)用于根据学前教育五大领域将所述测试总目标划分为五个领域;
能力划分模块(703),所述能力划分模块(703)用于将每个所述领域划分多个能力项目;
子能力划分模块(704),所述子能力划分模块(704)用于将每个能力项目划分成多个子能力项目;
打分项划分模块(705),所述打分项划分模块(705)用于将每个子能力项目划分成多个打分项;以及
最终打分值计算模块(706),所述最终打分值计算模块(706)用于对当前测试试题所涉及到的相关所述打分项进行打分,并根据各个所述打分项的打分值,利用层次分析法依次计算各个层级的分值及其组合分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010993460.4A CN112184503A (zh) | 2020-09-21 | 2020-09-21 | 用于学前教育质量评价的儿童多项能力评分方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010993460.4A CN112184503A (zh) | 2020-09-21 | 2020-09-21 | 用于学前教育质量评价的儿童多项能力评分方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112184503A true CN112184503A (zh) | 2021-01-05 |
Family
ID=73955601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010993460.4A Pending CN112184503A (zh) | 2020-09-21 | 2020-09-21 | 用于学前教育质量评价的儿童多项能力评分方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184503A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456826A (zh) * | 2022-09-13 | 2022-12-09 | 杭州中暖科技有限公司 | 一种家庭教育模式优良指数的测评方法及*** |
CN116403604A (zh) * | 2023-06-07 | 2023-07-07 | 北京奇趣万物科技有限公司 | 一种儿童阅读能力评测方法和*** |
CN117496787A (zh) * | 2024-01-03 | 2024-02-02 | 小白智能科技(长春)股份有限公司 | 一种针对儿童六项能力测评及其训练*** |
-
2020
- 2020-09-21 CN CN202010993460.4A patent/CN112184503A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456826A (zh) * | 2022-09-13 | 2022-12-09 | 杭州中暖科技有限公司 | 一种家庭教育模式优良指数的测评方法及*** |
CN116403604A (zh) * | 2023-06-07 | 2023-07-07 | 北京奇趣万物科技有限公司 | 一种儿童阅读能力评测方法和*** |
CN116403604B (zh) * | 2023-06-07 | 2023-11-03 | 北京奇趣万物科技有限公司 | 一种儿童阅读能力评测方法和*** |
CN117496787A (zh) * | 2024-01-03 | 2024-02-02 | 小白智能科技(长春)股份有限公司 | 一种针对儿童六项能力测评及其训练*** |
CN117496787B (zh) * | 2024-01-03 | 2024-03-19 | 小白智能科技(长春)股份有限公司 | 一种针对儿童六项能力测评及其训练*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Enayat et al. | Vocabulary size and depth as predictors of second language speaking ability | |
Bolaños et al. | FLORA: Fluent oral reading assessment of children's speech | |
CN112184503A (zh) | 用于学前教育质量评价的儿童多项能力评分方法及*** | |
Pallotti | Doing interlanguage analysis in school contexts | |
van Kleeck et al. | The effects of race and maternal education level on children’s retells of the Renfrew Bus Story—North American Edition | |
Heilmann et al. | Assessing functional language in school-aged children using language sample analysis | |
Al-Jaro et al. | Content analysis of the pedagogical content knowledge in the curriculum of Yemeni EFL teacher education programme | |
López Gómez et al. | Predicting proficiency in signed language interpreting: A preliminary study | |
Taxitari et al. | Using mobile technology for reading assessment | |
Robinson et al. | Predicting difficulties in learning phonetic transcription: Phonemic awareness screening for beginning speech-language pathology students | |
Gómez et al. | Predicting proficiency in signed language interpreting: A preliminary study | |
Koizumi et al. | Comparing the story retelling speaking test with other speaking tests | |
Yang et al. | Implementation and evaluation of computer‐aided Mandarin phonemes training system for hearing‐impaired students | |
Curtin et al. | The Pimsleur Battery as a predictor of student performance | |
Mesut | Opinions of instructors about reading skills of Syrian students learning Turkish | |
Liu et al. | Deep learning scoring model in the evaluation of oral English teaching | |
Kashiwagi et al. | EFL Learners' Grammatical Awareness through Accumulating Formulaic Sequences of Morphological Structure (-ing). | |
Nurcahyani et al. | Teaching Strategy of Intensive English Course at Language Center of IAIN Samarinda | |
Muñoz et al. | English at the End of Primary School: Explanatory Factors | |
Czap | Online subjective assessment of the speech of deaf and hard of hearing children | |
Moon et al. | Can secondary teaching graduates support literacy in the classroom?: Evidence from undergraduate assignments | |
Valentika | Students’ Error Spoken Language Production Through Monitor Theory | |
Carrera Rivera | Didactic strategies for teaching english language communicative skills to students with hearing impairment at Universidad Estatal Peninsula De Santa Elena’s language center, school year 2021-2 | |
Bitetti | Accuracy of Undergraduate Students' Language Sample Analysis in Online and Face-to-Face Courses | |
KR102260115B1 (ko) | 발음 향상을 위한 학습 자료를 제공하는 언어 학습 방법 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210824 Address after: 650000 5th floor, 1866 Guannan Avenue, Guandu District, Kunming, Yunnan Applicant after: Shuwanzi Technology (Yunnan) Co.,Ltd. Address before: 1138-29, 11 / F, 18 Zhongguancun Street, Haidian District, Beijing Applicant before: Shuwanzi (Beijing) Technology Co.,Ltd. Applicant before: Shuwanzi Technology (Yunnan) Co.,Ltd. |