CN114254122A - 测试题的生成方法、装置、电子设备和可读存储介质 - Google Patents
测试题的生成方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN114254122A CN114254122A CN202111521899.8A CN202111521899A CN114254122A CN 114254122 A CN114254122 A CN 114254122A CN 202111521899 A CN202111521899 A CN 202111521899A CN 114254122 A CN114254122 A CN 114254122A
- Authority
- CN
- China
- Prior art keywords
- target object
- information
- test question
- test
- knowledge point
- 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 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 89
- 230000004044 response Effects 0.000 claims description 42
- 230000000694 effects Effects 0.000 abstract description 13
- 238000007792 addition Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010998 test method 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
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)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种测试题的生成方法、装置、电子设备和可读存储介质。测试题的生成方法包括获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;根据所述教学信息生成所述目标对象对应的第一训练测试题。本发明实施例通过根据目标对象对应的知识点、考题类型和测试方式有针对性的生成相应的测试题,有助于提高测试题与目标对象的匹配程度,有助于提高生成的测试题的测试和练习效果。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种测试题的生成方法、装置、电子设备和可读存储介质。
背景技术
为了巩固学习效果,在学习之后,通常需要通过测试题的练习和测试,以发现学习对象学习知识的薄弱点,然而现有的测试题的内容是相对固定的,导致不同的学习对象获得针对自身的特点的有针对性的训练,这导致现有的测试题的测试和练习效果较差。
发明内容
本发明实施例提供一种测试题的生成方法、装置、电子设备和可读存储介质,以解决现有的测试题的测试和练习效果较差的问题。
为解决上述问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种测试题的生成方法,包括以下步骤:
获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;
根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;
根据所述教学信息生成所述目标对象对应的第一训练测试题。
在一些实施例中,所述根据所述目标对象的对象信息确定所述目标对象对应的教学信息之后,所述方法还包括:
获取所述目标对象针对所述第一训练测试题的作答信息,其中,所述作答信息包括作答时间和作答正确率;
根据所述作答信息确定所述目标对象对应的能力系数;
根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题,其中,所述第二训练测试题的难度系数与所述目标对象的能力系数匹配。
在一些实施例中,所述根据所述作答信息确定所述目标对象对应的能力系数,包括:
根据所述目标对象的作答时间和所述第一训练测试题的平均作答时间确定所述目标对象的作答速度系数;
根据所述目标对象的作答正确率和所述第一训练测试题的平均正确率确定所述目标对象的正确率系数;
根据所述作答速度系数和所述正确率系数确定所述目标对象的能力系数。
在一些实施例中,所述获取所述目标对象针对所述第一训练测试题的作答信息,包括:
获取所述目标对象针对所述第一训练测试题中每一道测试题的作答时间,其中,所述作答时间是根据第一时间戳和第二时间戳确定的,所述第一时间戳为作答起始时间或前一测试题的作答结束时间,所述第二时间戳为当前测试题的作答结束时间。
在一些实施例中,所述根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题之后,所述方法还包括:
获取当前时间节点;
根据当前时间节点和所述教学信息确定所述目标对象对应的教学阶段;
根据所述教学阶段更新所述第二训练测试题。
在一些实施例中,所述获取所述目标对象针对所述第一训练测试题的作答信息之后,所述方法还包括:
获取所述目标对象作答错误的测试题对应的目标知识点;
根据所述目标知识点更新所述第二训练测试题。
在一些实施例中,所述获取所述目标对象作答错误的测试题对应的目标知识点,包括:
获取所述目标对象对应的教学阶段的知识点图谱;
若所述知识点图谱中存在与作答错误的测试题对应的知识点,则将该知识点作为所述目标知识点;
若所述知识点图谱中不存在与作答错误的测试题对应的知识点,则基于所述知识点图谱的根节点依次确定各知识点与所述作答错误的测试题的匹配程度,并将匹配程度最大的知识点作为所述目标知识点。
第二方面,本发明实施例还提供一种测试题的生成装置,包括:
对象信息获取模块,用于获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;
教学信息确定模块,用于根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;
生成模块,用于根据所述教学信息生成所述目标对象对应的第一训练测试题。
第三方面,本发明实施例还提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;所述处理器,用于读取存储器中的程序实现如前述第一方面所述方法中的步骤。
第四方面,本发明实施例还提供一种可读存储介质,用于存储程序,所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。
本发明实施例的测试题的生成方法,包括获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;根据所述教学信息生成所述目标对象对应的第一训练测试题。本发明实施例通过根据目标对象对应的知识点、考题类型和测试方式有针对性的生成相应的测试题,有助于提高测试题与目标对象的匹配程度,有助于提高生成的测试题的测试和练习效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例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是本发明实施例提供的测试题的生成方法的流程示意图;
图2是本发明实施例中知识图谱的示意图;
图3是本发明实施例提供的答题界面示意图;
图4是本发明实施例提供的测试题的生成方法的又一流程示意图;
图5是本发明实施例提供的测试题的生成方法的又一流程示意图;
图6是本发明实施例提供的测试题的生成装置的结构示意图;
图7是本发明实施提供的电子设备的结构示意图。
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。
本发明实施例中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,本申请中使用“和/或”表示所连接对象的至少其中之一,例如A和/或B和/或C,表示包含单独A,单独B,单独C,以及A和B都存在,B和C都存在,A和C都存在,以及A、B和C都存在的7种情况。
本发明实施例提供了一种测试题的生成方法。
如图1所示,在一个实施例中,该方法包括以下步骤:
步骤101:获取目标对象的对象信息。
该对象信息可以由目标对象或其他人员,例如老师、家长等手动输入,对象信息包括目标对象的年级信息和地区信息。
步骤102:根据所述目标对象的对象信息确定所述目标对象对应的教学信息。
本实施例中,教学信息包括知识点、考试题型和测试方式中的一项或多项。
可以理解的是,虽然知识点可能是相同的,但是,在不同地区,由于教材等因素的差异,可能导致同一知识点在不同的阶段进行教学。例如,表1中示出了A地区一年级知识项,具体包括一年级上半年和下半年的知识点和考试题型。而其他地区的知识项可能与A地区有一定差异。
表1:A地区一年级知识项
示例性的,A地区的20以内加减法中的进位加法在一年级上半年进行教学,退位减法则在一年级下半年进行教学,而B地区的20以内加减法均在一年级上半年进行教学。
对于相同知识点的考试题型和测试方式等也可能存在一定差异。示例性的,A地区针对口算题的测试数量为20道题,而B地区对于口算题的测试数量为30道题,可以认为,B地区对于口算题的答题速度要求相对较高;又如,A地区的应用题的数量相对较多,而B地区考察的计算题的比例相对较高等,A地区要求写出运算过程,而B地区要求快速口算等。
在一些实施例中,还可以根据不同知识点之间的关联和递进关系形成知识图谱。如图2所示,示例性的,该知识图谱以5以内大小比较为根节点,基于知识点之间的关联和递进关系逐渐扩展。例如,5以内比较大小为相对基础的知识点,在此基础上,可以进一步学习5以内加减法和6至10比较大小,而基于6至10比较大小,又可以学习6至10加减法。
步骤103:根据所述教学信息生成所述目标对象对应的第一训练测试题。
在确定了教学信息之后,针对特定的知识点,结合相应的考试题型和测试方式等因素,可以生成与目标对象对应的第一训练测试题。
第一训练测试题中的测试题可以从题库中选取。示例性的,可以建立一个包括多个测试题的题库,题库中的测试题可以不断的更新和扩充。其中,每一测试题设置相应的知识点标签,当需要生成第一训练测试题时,可以根据知识点标签、考试题型和测试方式等教学信息,基于测试题的标签从测试题中抽取指定数量的测试题,以形成第一训练测试题。
这样,所生成的第一训练测试题与目标对象当前学习阶段对应的知识点更加匹配,同时,第一训练测试题的题型和测试方式也与目标对象的考试信息相匹配,能够有针对性的考察目标对象对于相关知识点的掌握情况,同时,也有助于提高目标对象应对考试的适应性,从而有助于提高目标对象的测试和练习效果。
本发明实施例通过根据目标对象对应的知识点、考题类型和测试方式有针对性的生成相应的测试题,有助于提高测试题与目标对象的匹配程度,有助于提高生成的测试题的测试和练习效果。
在一些实施例中,在步骤102之后,该方法还包括:
获取所述目标对象针对所述第一训练测试题的作答信息,其中,所述作答信息包括作答时间和作答正确率;
根据所述作答信息确定所述目标对象对应的能力系数;
根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题,其中,所述第二训练测试题的难度系数与所述目标对象的能力系数匹配。
本实施例中,目标对象针对第一训练测试题的作答信息能够反映目标对象对于第一训练测试题中相关知识点的掌握能力和相应的测试题、题型或测试方式的适应程度。根据目标对象针对第一训练测试题的作答信息,确定能力系数,以用于评估目标对象针对相应知识点的掌握程度。
进一步的,针对目标对象的能力系数,有针对性的为其提供难度系数匹配的第二训练测试题,示例性的,本实施例中将能力系数由低到高分为P1至P5,将难度系数由易到难分为K1至K5,如果目标对象的能力系数经过测试为P3,则相应的为其提供K3难度的第二训练测试题。
通过为具有不同能力系数的目标对象提供与其能力相对匹配的难度的第二训练测试题,有助于针对不同目标对象有针对性的训练其相对薄弱的知识点或测试应对能力。
实施时,可以循环进行测试和能力评估,例如,每进行一次或两次测试,评估一次该目标对象的能力系数,并不断根据其能力系数提供第二训练测试题,有助于提高练习和测试的针对性,防止生成的第二训练测试题的难度过高或者过低,有助于提高练习和测试效果。
在一些实施例中,所述根据所述作答信息确定所述目标对象对应的能力系数,包括:
根据所述目标对象的作答时间和所述第一训练测试题的平均作答时间确定所述目标对象的作答速度系数;
根据所述目标对象的作答正确率和所述第一训练测试题的平均正确率确定所述目标对象的正确率系数;
根据所述作答速度系数和所述正确率系数确定所述目标对象的能力系数。
本实施例中,可以通过专业人士根据其专业经验为不同的测试题设置作为参考的平均作答时间和平均正确率,也可以通过统计和收集大量的数据,并基于采集和统计的数据计算各测试题对应的平均作答时间以及平均正确率,作为能力系数的评估参考。
在一个示例性的实施例中,针对某一测试题收集到n个样本其作答时长为ti(i=1、2、3……、n),则平均时长T为T=(Σti)/n,(i=1、2、3……、n);n个样本其作答正确率为ri(i=1、2、3……、n),则平均时长R为R=(Σri)/n,(i=1、2、3……、n)。
某一目标对象A的作答时间为ta,作答正确率为ra,则其能力系数K设定为:
K=ta/T+R/ra……(1)。
可以理解的是,正确率一定时,运算时间越短(值越小),其能力系数相对越高,而运算时间一定时,其正确率越高(值越大)则能力系数越高,因此,能力系数K的计算式中,平均时长R位于分母项,而平均时长T位于分子项。
在一些实施例中,还可以设置相应的权重系数,具体的:
K=Ata/T+BR/ra……(2)。
公式(2)中,A和B分别为时间权重系数和正确率权重系数,权重系数可以根据需要或经验设定及调整,示例性的,可以将A和B均设置为1,也可以设置A+B=1等,此处对其具体设置方式不做进一步限定。
示例性的,如果A+B=1,则代入上述计算公式能够得到:
P=A(ta/T-R/ra)+R/ra……(3)。
测试题的平均作答时间和平均正确率还可以用于做为评估测试题难度系数的参考,示例性的,所需的平均作答时间较长,以及平均正确率较低的测试题,其对应的难度系数相对较高。
示例性的,定义解答一道正常难度的测试题的期望时间为Te,期望正确率为Re,而解答某一测试题的实际平均时间为Tr,实际正确率为Rr,则将Te作为式(1)中的T,Tr作为式(1)中的ta,Re作为式(1)中的R,Rr作为式(1)中的ra,代入式(1)能够得到:
P=Tr/Te+Re/Rr……(4)。
这样,基于公式(4),可以对一道测试题的难度系数P做出评估,示例性的,也可以针对作答时间和作答正确率设置相应的权重系数C和D,得到公式:
P=CTr/Te+DRe/Rr……(5)。
这样,能够以基本相同的标准对测试题的难度系数和目标对象的能力系数进行评估,有助于进一步提高测试题的难度系数和目标对象的能力系数两者之间的对应关系和匹配程度。
需要注意的是,本申请实施例中的各种数据的收集和使用应当获得用户的授权,同时,应当符合各种相关法律法规和公序良俗,且不得侵犯用户的隐私等各种权利。
在一些实施例中,所述获取所述目标对象针对所述第一训练测试题的作答信息,包括:
获取所述目标对象针对所述第一训练测试题中每一道测试题的作答时间,其中,所述作答时间是根据第一时间戳和第二时间戳确定的,所述第一时间戳为作答起始时间或前一测试题的作答结束时间,所述第二时间戳为当前测试题的作答结束时间。
本实施例中,以进行口算练习做示例性说明。如图3所示,实施时,可以提供一触控显示屏或手写板等作为作答区域,具体的,将显示区划分为多个区域,每一区域显示一道测试题,目标对象需要在指定的区域作答。
每一道测试题的答题时间可以以如下方式计算。
如果该测试题为第一道作答的测试题,那么,认为开始作答该测试题的时间为开始进行测试的作答起始时间,如果该测试题并非第一道作答的测试题,那么将前一测试题的作答结束时间作为该测试题的作答起始时间。完成每一测***最后一笔的时间为该测试题的作答结束时间。
示例性的,对于题目1,按照上述规则采集每一题目对应的第一时间戳T11和第二时间戳T12,并将两者相减,能够相对准确的估算第一道题目的实际作答时间;对于题目2,按照上述规则采集每一题目对应的第一时间戳T21和第二时间戳T22,并将两者相减,能够相对准确的估算第二道题目的实际作答时间。依次类推,能够估算每一题目的作答时间。
在一些实施例中,所述根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题之后,所述方法还包括:
获取当前时间节点;
根据当前时间节点和所述教学信息确定所述目标对象对应的教学阶段;
根据所述教学阶段更新所述第二训练测试题。
为了进一步提高生成的第二训练测试题与学生的实际学习进度的匹配程度,本实施例中,进一步结合当前时间节点确定目标对象对应的教学阶段,示例性的,对于大部分学年来说,通常为每年的9月1日至次年2月1日左右为上学期,3月1日至8月1日左右为下学期。一般来说,根据不同的教学习惯,可能将每一个学期划分为多个教学阶段,示例性的,可以按月划分为五个教学阶段;可以划分为上半学期和下班学期两个教学阶段;还可以划分为上半学期、下半学期和复习阶段的三个教学阶段等。
本实施例中,进一步结合当前时间节点和教学阶段的划分,有针对性的生成第二训练测试题,示例性的,在教学阶段初期和中期主要提供与知识点相关且难度较低的测试题,以便目标对象通过第二训练测试题进一步熟悉相关知识,在教学阶段的后期则可以提供难度相对较高的测试题,以便目标对象进一步深度掌握相关知识点。
通过结合当前时间节点确定教学阶段并更新第二训练测试题,有助于有针对性的对相关知识点进行强化训练,提高测试和训练效果。
在一些实施例中,所述获取所述目标对象针对所述第一训练测试题的作答信息之后,所述方法还包括:
获取所述目标对象作答错误的测试题对应的目标知识点;
根据所述目标知识点更新所述第二训练测试题。
在更新第二训练测试题时,还可以根据目标对象的历史作答信息,针对曾经存在错误的题目有针对性的进行加强训练,从而能够针对错题进行有针对性的训练,提高训练效果。
在一些实施例中,所述获取所述目标对象作答错误的测试题对应的目标知识点,包括:
获取所述目标对象对应的教学阶段的知识点图谱;
若所述知识点图谱中存在与作答错误的测试题对应的知识点,则将该知识点作为所述目标知识点;
若所述知识点图谱中不存在与作答错误的测试题对应的知识点,则基于所述知识点图谱的根节点依次确定各知识点与所述作答错误的测试题的匹配程度,并将匹配程度最大的知识点作为所述目标知识点。
以图2所示知识图谱做示例性说明,一些知识点可能未直接体现在知识图谱上,示例性的,该知识图谱中不包括10以内加减法,而10以内加减法是由5以内加减法和6至10加减法共同构成的,如果以“5以内加减法”和“6至10加减法”的方式划分,则会导致对于知识点的记录较为复杂,而如果仅以“10以内加减法”的方式记录知识点,则对于知识点的分类不够细化,对于初学者来说不够友好。
本实施例中,针对题目和知识图谱可以采用不同的方式进行知识点的描述。实施时,如果无法直接找到直接对应的知识点,则可以从根节点依次进行知识点的查找和匹配,显然,“5以内加减法”是“10以内加减法”的一个子集,当查找到能够构成“10以内加减法”的全部子集后,可以将查找到的知识点作为目标知识点。
这样,在确定目标知识点之后,能够进一步有针对性的针对目标知识点进行测试和训练,提高了测试和训练效果。
下面结合一个具体的实施方式描述本实施例的技术方案。
本实施例中的技术方案基于电子设备实现,该电子设备为一支持手写功能的显示装置,以供用户书写答案。
如图4所示,实施时,用户首先输入自己的年级、地区等相关对象信息,然后电子设备根据对象信息从服务器下载相关的测试题,本实施例中记作第一训练测试题,显然,这里用户也可以直接通过点击等方式选择与自己年级和地区等信息匹配的测试题,这同样被视为是根据用户的对象信息获取第一训练测试题。
在获取了第一训练测试题之后,可以有针对性的针对知识点进行训练,也可以针对特定的题型进行训练。
在一些实施例中,在训练结束之后,可以直接进行下一次训练。
在另外一些实施例中,在训练结束之后,也可以根据训练中做错的题找到个性化薄弱知识项,同时,还可以根据训练时长和正确率调整训练难度,结合这些调整因素,对训练测试题进行更新,本实施例中,将更新后的训练测试题称作第二训练测试题。
如图5所示,可以理解为,本实施例中,首先根据作答时间和正确率基于难度模型确定题目的难度,同时,可以基于类似的算法确定用户的能力系数评估该用户对于知识的掌握程度,进一步的,结合推荐算法和该用户的错题历史,从题库中选取题目,生成与该用户对应的训练测试题。
显然,随着时间的推移,需要自动更新用户的对象信息,示例性的,当时间由5月份逐渐过渡到10月份时,默认为用户的年级升了一级。在上述过程中,需要结合当前时间节点考虑年级、教学阶段等是否发生变化,同时更新相应的测试题等相关数据。
本发明实施例还提供一种测试题的生成装置。
如图6所示,在一个实施例中,该测试题的生成装置600包括:
对象信息获取模块601,用于获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;
教学信息确定模块602,用于根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;
生成模块603,用于根据所述教学信息生成所述目标对象对应的第一训练测试题。
在一些实施例中,还包括:
作答信息获取模块,用于获取所述目标对象针对所述第一训练测试题的作答信息,其中,所述作答信息包括作答时间和作答正确率;
能力系数确定模块,用于根据所述作答信息确定所述目标对象对应的能力系数;
第二训练测试题生成模块,用于根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题,其中,所述第二训练测试题的难度系数与所述目标对象的能力系数匹配。
在一些实施例中,所述能力系数确定模块包括:
作答速度系数确定子模块,用于根据所述目标对象的作答时间和所述第一训练测试题的平均作答时间确定所述目标对象的作答速度系数;
正确率系数确定子模块,用于根据所述目标对象的作答正确率和所述第一训练测试题的平均正确率确定所述目标对象的正确率系数;
能力系数确定子模块,用于根据所述作答速度系数和所述正确率系数确定所述目标对象的能力系数。
在一些实施例中,所述作答信息获取模块,具体用于:
获取所述目标对象针对所述第一训练测试题中每一道测试题的作答时间,其中,所述作答时间是根据第一时间戳和第二时间戳确定的,所述第一时间戳为作答起始时间或前一测试题的作答结束时间,所述第二时间戳为当前测试题的作答结束时间。
在一些实施例中,还包括:
时间节点获取模块,用于获取当前时间节点;
教学阶段确定模块,用于根据当前时间节点和所述教学信息确定所述目标对象对应的教学阶段;
第二训练测试题更新模块,用于根据所述教学阶段更新所述第二训练测试题。
在一些实施例中,还包括:
目标知识点确定模块,用于获取所述目标对象作答错误的测试题对应的目标知识点;
所述第二训练测试题更新模块,还用于根据所述目标知识点更新所述第二训练测试题。
在一些实施例中,所述目标知识点确定模块包括:
知识点图谱获取子模块,用于获取所述目标对象对应的教学阶段的知识点图谱;
目标知识点确定子模块,用于若所述知识点图谱中存在与作答错误的测试题对应的知识点,则将该知识点作为所述目标知识点;
所述目标知识点确定子模块,还用于若所述知识点图谱中不存在与作答错误的测试题对应的知识点,则基于所述知识点图谱的根节点依次确定各知识点与所述作答错误的测试题的匹配程度,并将匹配程度最大的知识点作为所述目标知识点。
本实施例的测试题的生成装置600能够实现上述测试题的生成方法实施例的各个步骤,并能实现基本相同的技术效果,此处不再赘述。
本发明实施例还提供一种电子设备。请参见图7,电子设备可以包括处理器701、存储器702及存储在存储器702上并可在处理器701上运行的程序7021。
在电子设备为终端的情况下,程序7021被处理器701执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果,此处不再赘述。
在电子设备为网络侧设备的情况下,程序7021被处理器701执行时可实现图7对应的方法实施例中的任意步骤及达到相同的有益效果,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成,所述的程序可以存储于一可读取介质中。
本发明实施例还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
所述的存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
以上所述是本发明实施例的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种测试题的生成方法,其特征在于,包括以下步骤:
获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;
根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;
根据所述教学信息生成所述目标对象对应的第一训练测试题。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标对象的对象信息确定所述目标对象对应的教学信息之后,所述方法还包括:
获取所述目标对象针对所述第一训练测试题的作答信息,其中,所述作答信息包括作答时间和作答正确率;
根据所述作答信息确定所述目标对象对应的能力系数;
根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题,其中,所述第二训练测试题的难度系数与所述目标对象的能力系数匹配。
3.根据权利要求2所述的方法,其特征在于,所述根据所述作答信息确定所述目标对象对应的能力系数,包括:
根据所述目标对象的作答时间和所述第一训练测试题的平均作答时间确定所述目标对象的作答速度系数;
根据所述目标对象的作答正确率和所述第一训练测试题的平均正确率确定所述目标对象的正确率系数;
根据所述作答速度系数和所述正确率系数确定所述目标对象的能力系数。
4.根据权利要求2所述的方法,其特征在于,所述获取所述目标对象针对所述第一训练测试题的作答信息,包括:
获取所述目标对象针对所述第一训练测试题中每一道测试题的作答时间,其中,所述作答时间是根据第一时间戳和第二时间戳确定的,所述第一时间戳为作答起始时间或前一测试题的作答结束时间,所述第二时间戳为当前测试题的作答结束时间。
5.根据权利要求2所述的方法,其特征在于,所述根据所述目标对象的能力系数生成与所述目标对象对应的第二训练测试题之后,所述方法还包括:
获取当前时间节点;
根据当前时间节点和所述教学信息确定所述目标对象对应的教学阶段;
根据所述教学阶段更新所述第二训练测试题。
6.根据权利要求2或5所述的方法,其特征在于,所述获取所述目标对象针对所述第一训练测试题的作答信息之后,所述方法还包括:
获取所述目标对象作答错误的测试题对应的目标知识点;
根据所述目标知识点更新所述第二训练测试题。
7.根据权利要求6所述的方法,其特征在于,所述获取所述目标对象作答错误的测试题对应的目标知识点,包括:
获取所述目标对象对应的教学阶段的知识点图谱;
若所述知识点图谱中存在与作答错误的测试题对应的知识点,则将该知识点作为所述目标知识点;
若所述知识点图谱中不存在与作答错误的测试题对应的知识点,则基于所述知识点图谱的根节点依次确定各知识点与所述作答错误的测试题的匹配程度,并将匹配程度最大的知识点作为所述目标知识点。
8.一种测试题的生成装置,其特征在于,包括:
对象信息获取模块,用于获取目标对象的对象信息,所述对象信息包括所述目标对象的年级信息和地区信息;
教学信息确定模块,用于根据所述目标对象的对象信息确定所述目标对象对应的教学信息,所述教学信息包括知识点、考试题型和测试方式中的一项或多项;
生成模块,用于根据所述教学信息生成所述目标对象对应的第一训练测试题。
9.一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序;其特征在于,所述处理器,用于读取存储器中的程序实现如权利要求1至7中任一项所述的测试题的生成方法中的步骤。
10.一种可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的测试题的生成方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521899.8A CN114254122A (zh) | 2021-12-13 | 2021-12-13 | 测试题的生成方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111521899.8A CN114254122A (zh) | 2021-12-13 | 2021-12-13 | 测试题的生成方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254122A true CN114254122A (zh) | 2022-03-29 |
Family
ID=80792088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111521899.8A Pending CN114254122A (zh) | 2021-12-13 | 2021-12-13 | 测试题的生成方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254122A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841567A (zh) * | 2022-05-06 | 2022-08-02 | 支付宝(杭州)信息技术有限公司 | 一种安全知识水平测试方法及装置 |
CN116561260A (zh) * | 2023-07-10 | 2023-08-08 | 北京十六进制科技有限公司 | 一种基于语言模型的习题生成方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651677A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 课程内容推荐方法、装置、计算机设备和存储介质 |
CN111914176A (zh) * | 2020-08-07 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 题目的推荐方法及装置 |
CN113409174A (zh) * | 2020-09-29 | 2021-09-17 | 腾讯科技(深圳)有限公司 | 知识点测评方法和装置 |
-
2021
- 2021-12-13 CN CN202111521899.8A patent/CN114254122A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111651677A (zh) * | 2020-06-09 | 2020-09-11 | 上海乂学教育科技有限公司 | 课程内容推荐方法、装置、计算机设备和存储介质 |
CN111914176A (zh) * | 2020-08-07 | 2020-11-10 | 腾讯科技(深圳)有限公司 | 题目的推荐方法及装置 |
CN113409174A (zh) * | 2020-09-29 | 2021-09-17 | 腾讯科技(深圳)有限公司 | 知识点测评方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841567A (zh) * | 2022-05-06 | 2022-08-02 | 支付宝(杭州)信息技术有限公司 | 一种安全知识水平测试方法及装置 |
CN116561260A (zh) * | 2023-07-10 | 2023-08-08 | 北京十六进制科技有限公司 | 一种基于语言模型的习题生成方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DeCoux | Kolb's learning style inventory: A review of its applications in nursing research | |
CN108664649B (zh) | 知识内容推送方法、装置和推送服务器 | |
CN114254122A (zh) | 测试题的生成方法、装置、电子设备和可读存储介质 | |
CN109816265B (zh) | 知识特征掌握度的评价方法、题目推荐方法及电子设备 | |
CN111651677B (zh) | 课程内容推荐方法、装置、计算机设备和存储介质 | |
CN110443427A (zh) | 基于认知知识谱的成绩预测方法及其*** | |
CN110543995A (zh) | 一种基于模糊算法的学生认知水平的测试评定*** | |
CN114429212A (zh) | 智能学习知识能力跟踪方法、电子设备及存储介质 | |
AU2012200812B2 (en) | Measuring cognitive load | |
CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
US11416558B2 (en) | System and method for recommending personalized content using contextualized knowledge base | |
Halcoussis et al. | An empirical analysis of web catalog user experiences | |
JP6832410B1 (ja) | 学習効果推定装置、学習効果推定方法、プログラム | |
CN109871430A (zh) | 一种智能识别文本的方法、装置、电子设备及存储介质 | |
CN112507792A (zh) | 在线视频关键帧定位方法、定位***、设备及存储介质 | |
CN111080025A (zh) | 学习特征数据的处理方法及装置、电子设备 | |
JP6903177B1 (ja) | 学習効果推定装置、学習効果推定方法、プログラム | |
US20180144655A1 (en) | Content selection based on predicted performance related to test concepts | |
CN113065334A (zh) | 一种基于阅读理解练***测试处理方法及*** | |
JP7090188B2 (ja) | 学習効果推定装置、学習効果推定方法、プログラム | |
KR102635769B1 (ko) | 학습효과 추정 장치, 학습효과 추정 방법, 프로그램 | |
CN112446009B (zh) | 学习路径规划方法及装置、可读存储介质、服务器 | |
CN117726082B (zh) | 一种教学资源推荐方法、装置、电子设备及可读存储介质 | |
CN112819669B (zh) | 教学资源的处理方法及电子设备 | |
Laksitowening et al. | Temporal Learning Type Analysis Based on Triple-Factor Approach |
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 |
Application publication date: 20220329 |
|
RJ01 | Rejection of invention patent application after publication |