CN113360631A - 一种智能组卷方法及装置 - Google Patents
一种智能组卷方法及装置 Download PDFInfo
- Publication number
- CN113360631A CN113360631A CN202110575636.9A CN202110575636A CN113360631A CN 113360631 A CN113360631 A CN 113360631A CN 202110575636 A CN202110575636 A CN 202110575636A CN 113360631 A CN113360631 A CN 113360631A
- Authority
- CN
- China
- Prior art keywords
- test
- question
- characteristic information
- knowledge point
- intelligent volume
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 118
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012797 qualification 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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种智能组卷方法,包括:获取应试人员的特征信息;根据所述特征信息确定试卷的知识点领域和试题难度系数;根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。通过本申请解决了现有技术组卷试题的难易程度不一、个别考试知识点集中等问题,避免陷入人工组卷耗时耗力的情况。
Description
技术领域
本申请属于智能技术领域,具体地讲,包括一种智能组卷方法及装置。
背景技术
随着科学技术的发展及电脑、手机、平板等设备的普及使用,越来越多的考试不再局限于笔试,更多的采用电脑、手机等设备来完成,而传统的基于题库***进行组卷的实现方式,大多比较粗暴、直接。主要有以下2种形式:
1.直接通过题库抽取一定数量的试题完成组卷,但此种方式容易形成最后组卷试题的难易程度不一、个别考试知识点集中等问题,进而可能导致参考人员对于考试结果有质疑,影响考试的公平、公正性。
2.基于题库人工手动组卷,手动确认组卷结果,这样操作的后果就是耗时耗力,且工作效率极低。
发明内容
本申请提供了一种智能组卷方法及装置,以至少解决当前传统的基于题库***进行组卷的实现方式容易造成难易程度不一且耗时耗力的问题。
根据本申请的第一个方面,提供了一种智能组卷方法,包括:
获取应试人员的特征信息;
根据所述特征信息确定试卷的知识点领域和试题难度系数;
根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
在一实施例中,智能组卷方法还包括:
提取题库中的试题文本中的关键字;
根据所述关键字划分所述试题所属的知识点领域;
获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
在一实施例中,智能组卷方法还包括:
获取应试人员的个人信息;
对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
在一实施例中,智能组卷方法还包括:
对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
根据本申请的另一个方面,还提供了一种智能组卷装置,包括:
特征信息获取单元,用于获取应试人员的特征信息;
试题特征匹配单元,用于根据所述特征信息确定试卷的知识点领域和试题难度系数;
组卷单元,用于根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
在一实施例中,智能组卷装置还包括:
关键字提取单元,用于提取题库中的试题文本中的关键字;
知识点划分单元,用于根据所述关键字划分所述试题所属的知识点领域;
难度系数确定单元,用于获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
加权值确定单元,用于根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
在一实施例中,智能组卷装置还包括:
个人信息获取单元,用于获取应试人员的个人信息;
特征信息构建单元,用于对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
在一实施例中,智能组卷装置还包括:
异常筛查单元,用于对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请方法的流程图。
图2为本申请实施例中一种智能组卷***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。
越来越多的考试不再局限于笔试,更多的采用电脑、手机等设备来完成,而传统的基于题库***进行组卷的实现方式,大多比较粗暴、直接。主要有以下2种形式:
直接通过题库抽取一定数量的试题完成组卷,但此种方式容易形成最后组卷试题的难易程度不一、个别考试知识点集中等问题,进而可能导致参考人员对于考试结果有质疑,影响考试的公平、公正性。
基于题库人工手动组卷,手动确认组卷结果,这样操作的后果就是耗时耗力,且工作效率极低。
为了解决现有技术中的缺陷,本申请提供了一种智能组卷方法,如图1所示,包括:
S101:获取应试人员的特征信息。
S102:根据所述特征信息确定试卷的知识点领域和试题难度系数。
S103:根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
在一实施例中,智能组卷方法还包括:
提取题库中的试题文本中的关键字;
根据所述关键字划分所述试题所属的知识点领域;
获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
在一实施例中,智能组卷方法还包括:
获取应试人员的个人信息;
对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
在一实施例中,智能组卷方法还包括:
对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
在一具体实施例中,如图2所示,为一种智能组卷***。该***的操作如下所示:
试题录入,用于录入题库基础的试题信息,并通过智能分析***自动生成该试题的所属细分特征知识领域,以及对应不同细分知识领域的知识点、加权值、难易分值等,同时支持人工参与对于智能分析匹配结果的修正,并通过修正的结果同时调整智能分析试题的策略;
组卷配置,管理人员根据需要组装组卷配置,通过智能分析***综合题库及参考人员的特征信息,设置试卷的知识点领域圈定、关联度、特征领域难易分值等合理组卷,满足不同的特征人群;
考生信息录入,在参考人员录入相关个人信息时,智能分析生成考生的细分特征信息及其对应不同试题知识领域的加权值;
进行组卷,根据考生的信息分析,结合考试组织者组卷配置及题库的试题特征结果进行智能匹配,最终形成基于每个考生信息的试卷结果;
数据库存储,用于分类保存试题信息、试题分类特征、加权值、组卷配置关联、考生信息分析结果等。
例如,用户A参加某资格类考试,获取用户A的相关信息比如年龄以及曾参加过几次该考试以及目前的职业状态等,然后根据用户所要参加的考试确定知识点,通过智能分析***综合题库及参考人员的特征信息,设置试卷的知识点领域圈定、关联度、特征领域难易分值等合理组卷,满足不同的特征人群。
通过本申请解决了现有技术组卷试题的难易程度不一、个别考试知识点集中等问题,避免陷入人工组卷耗时耗力的情况。
基于同一发明构思,本申请实施例还提供了一种智能组卷装置,可以用于实现上述实施例中所描述的方法,如下面实施例所述。由于该智能组卷装置解决问题的原理与智能组卷方法相似,因此智能组卷装置的实施可以参见智能组卷方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的***较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本申请还提供了一种智能组卷装置,包括:
特征信息获取单元,用于获取应试人员的特征信息;
试题特征匹配单元,用于根据所述特征信息确定试卷的知识点领域和试题难度系数;
组卷单元,用于根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
在一实施例中,智能组卷装置还包括:
关键字提取单元,用于提取题库中的试题文本中的关键字;
知识点划分单元,用于根据所述关键字划分所述试题所属的知识点领域;
难度系数确定单元,用于获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
加权值确定单元,用于根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
在一实施例中,智能组卷装置还包括:
个人信息获取单元,用于获取应试人员的个人信息;
特征信息构建单元,用于对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
在一实施例中,智能组卷装置还包括:
异常筛查单元,用于对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
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。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种电子设备的具体实施方式,所述电子设备具体包括如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;
其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:获取应试人员的特征信息。
S102:根据所述特征信息确定试卷的知识点领域和试题难度系数。
S103:根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
本申请的实施例还提供能够实现上述实施例中的方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S101:获取应试人员的特征信息。
S102:根据所述特征信息确定试卷的知识点领域和试题难度系数。
S103:根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。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。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书实施例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。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。
在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种智能组卷方法,其特征在于,包括:
获取应试人员的特征信息;
根据所述特征信息确定试卷的知识点领域和试题难度系数;
根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
2.根据权利要求1所述的智能组卷方法,其特征在于,还包括:
提取题库中的试题文本中的关键字;
根据所述关键字划分所述试题所属的知识点领域;
获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
3.根据权利要求2所述的智能组卷方法,其特征在于,还包括:
获取应试人员的个人信息;
对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
4.根据权利要求3所述的智能组卷方法,其特征在于,还包括:
对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
5.一种智能组卷装置,其特征在于,包括:
特征信息获取单元,用于获取应试人员的特征信息;
试题特征匹配单元,用于根据所述特征信息确定试卷的知识点领域和试题难度系数;
组卷单元,用于根据所述知识点领域和所述试题难度系数从预存的题库中筛选符合条件的试题,并根据试题的加权值组成试卷。
6.根据权利要求5所述的智能组卷装置,其特征在于,还包括:
关键字提取单元,用于提取题库中的试题文本中的关键字;
知识点划分单元,用于根据所述关键字划分所述试题所属的知识点领域;
难度系数确定单元,用于获取所述试题的历史作答正确率并根据所述历史作答正确率确定所述试题的难度系数;
加权值确定单元,用于根据所述试题所属的知识点领域的历史出现频率确定试题的加权值。
7.根据权利要求6所述的智能组卷装置,其特征在于,还包括:
个人信息获取单元,用于获取应试人员的个人信息;
特征信息构建单元,用于对所述个人信息进行关键词提取获得应试人员的特征信息,所述特征信息包括:报考科目。
8.根据权利要求7所述的智能组卷装置,其特征在于,还包括:
异常筛查单元,用于对组成的试卷进行全文检查,剔除掉不符合所述知识点领域的异常试题。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至4任一项所述的智能组卷方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至4任一项所述的智能组卷方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110575636.9A CN113360631A (zh) | 2021-05-26 | 2021-05-26 | 一种智能组卷方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110575636.9A CN113360631A (zh) | 2021-05-26 | 2021-05-26 | 一种智能组卷方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113360631A true CN113360631A (zh) | 2021-09-07 |
Family
ID=77527599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110575636.9A Pending CN113360631A (zh) | 2021-05-26 | 2021-05-26 | 一种智能组卷方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360631A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870634A (zh) * | 2021-09-24 | 2021-12-31 | 华中科技大学 | 一种结合虚拟教学的智能组卷方法与*** |
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020023519A (ko) * | 2000-09-22 | 2002-03-29 | 이예범 | 웹 자격증 시험에서 문제 은행식 평가 및 동일 난이도유지를 위한 모듈 장치 및 그 방법 |
CN104834729A (zh) * | 2015-05-14 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 题目推荐方法和题目推荐装置 |
CN110533974A (zh) * | 2018-05-24 | 2019-12-03 | ***通信集团有限公司 | 一种智能组卷方法、***和计算机可读存储介质 |
CN112131407A (zh) * | 2020-09-29 | 2020-12-25 | 四川宇德中创信息科技有限公司 | 一种基于知识图谱的智能组卷***及方法 |
CN112669006A (zh) * | 2020-12-28 | 2021-04-16 | 广东国粒教育技术有限公司 | 一种基于学生知识点诊断的智能组卷的方法 |
-
2021
- 2021-05-26 CN CN202110575636.9A patent/CN113360631A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020023519A (ko) * | 2000-09-22 | 2002-03-29 | 이예범 | 웹 자격증 시험에서 문제 은행식 평가 및 동일 난이도유지를 위한 모듈 장치 및 그 방법 |
CN104834729A (zh) * | 2015-05-14 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 题目推荐方法和题目推荐装置 |
CN110533974A (zh) * | 2018-05-24 | 2019-12-03 | ***通信集团有限公司 | 一种智能组卷方法、***和计算机可读存储介质 |
CN112131407A (zh) * | 2020-09-29 | 2020-12-25 | 四川宇德中创信息科技有限公司 | 一种基于知识图谱的智能组卷***及方法 |
CN112669006A (zh) * | 2020-12-28 | 2021-04-16 | 广东国粒教育技术有限公司 | 一种基于学生知识点诊断的智能组卷的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870634A (zh) * | 2021-09-24 | 2021-12-31 | 华中科技大学 | 一种结合虚拟教学的智能组卷方法与*** |
CN117151070A (zh) * | 2023-10-31 | 2023-12-01 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
CN117151070B (zh) * | 2023-10-31 | 2024-01-23 | 联城科技(河北)股份有限公司 | 试卷组题方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qamar et al. | Human resource analytics: a review and bibliometric analysis | |
Rule et al. | Lexical shifts, substantive changes, and continuity in State of the Union discourse, 1790–2014 | |
Fahimnia et al. | Green supply chain management: A review and bibliometric analysis | |
Kuhrmann et al. | Software process improvement: a systematic mapping study on the state of the art | |
Polančič et al. | Complexity metrics for process models–A systematic literature review | |
Gattoufi et al. | A taxonomy for data envelopment analysis | |
Baek et al. | Educational data mining versus learning analytics: A review of publications from 2015 to 2019 | |
CN109298998B (zh) | 工作量评估及模型训练方法、电子设备及存储介质 | |
CN113360631A (zh) | 一种智能组卷方法及装置 | |
Rhodes et al. | MSCquartets 1.0: quartet methods for species trees and networks under the multispecies coalescent model in R | |
CN112287037A (zh) | 一种多实体混合知识图谱构建方法、装置及存储介质 | |
CN110069629A (zh) | 房屋交易任务处理方法、设备、存储介质及装置 | |
van Eck et al. | Guided interaction exploration in artifact-centric process models | |
CN113240400A (zh) | 一种基于知识图谱的候选人确定方法及装置 | |
CN113641794A (zh) | 简历文本的评估方法、装置及服务器 | |
Mergoni et al. | The effect of ICT on schools’ efficiency: Empirical evidence on 23 European countries | |
CN110648086A (zh) | 一种线上教学学生分组方法和装置 | |
CN107071553A (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
Gresta et al. | Naming practices in object-oriented programming: An empirical study | |
Xie et al. | Evaluating performance of super-efficiency models in ranking efficient decision-making units based on Monte Carlo simulations | |
CN112541069A (zh) | 一种结合关键词的文本匹配方法、***、终端及存储介质 | |
Breuer et al. | Social network analysis of 45,000 schools: A case study of technology enhanced learning in Europe | |
CN107818390A (zh) | 一种考核要求生成方法及装置 | |
CN110362470A (zh) | 测试数据收集方法、装置、电子设备及存储介质 | |
CN113190582B (zh) | 一种数据实时交互式挖掘流建模分析*** |
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 |