TW201317954A - 學習診斷與動態學習資源推薦的方法及系統 - Google Patents
學習診斷與動態學習資源推薦的方法及系統 Download PDFInfo
- Publication number
- TW201317954A TW201317954A TW100138801A TW100138801A TW201317954A TW 201317954 A TW201317954 A TW 201317954A TW 100138801 A TW100138801 A TW 100138801A TW 100138801 A TW100138801 A TW 100138801A TW 201317954 A TW201317954 A TW 201317954A
- Authority
- TW
- Taiwan
- Prior art keywords
- problem solving
- solving
- strategy
- knowledge
- behavior
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一種學習診斷與動態學習資源推薦的方法,包括:藉由一使用者介面提供一題目;藉由該使用者介面記錄對應該題目的一解題行為;根據該解題行為判斷對應該解題行為的一解題策略;比對該解題行為與對應該解題策略的一正確解題行為,以判斷錯誤的至少一知識概念;根據該至少一知識概念與該解題行為,判斷至少一錯誤類型,其中每個知識概念對應至複數個錯誤類型;根據該至少一知識概念從複數個教學資源庫中擷取與該至少一知識概念相關的複數個相關教學資源;以及根據該等相關教學資源推薦一推薦教學資源。
Description
本發明係有關於數位學習,且特別有關於學習評估與學習資源推薦的技術。
傳統上,老師藉由閱改學生的作業或考卷來評量學生的學習情況,並根據學生的學習情況選擇適合的教材。隨著科技的發展,現在學習者可藉由電腦與網路進行線上評量,並針對錯誤的題目取得多媒體形式的解答。
然而現今的數位學習系統大多藉由附上對應解答的方式讓學習者自行閱讀解答以修正答錯的題目,此種方式欠缺對學習者答題過程的分析,由於在答題過程中通常需要運用不只一種知識概念,因此現今的數位學習系統無法具體得知學習者真正不會的知識概念是何者。舉例而言,若有兩位學生算錯相同的題目,這兩位學生不懂的知識概念也不一定相同,更甚者,學生可能因為先備知識的不足而無法理解附上的解答。除此之外,現有數位學習系統的解答機制是針對每題題目設計其對應的解答,但是一個知識概念可能會同時出現在不同的解答中,若學生僅是對應題目去理解解答可能無法真正融會貫通其中的知識概念,也無法將該知識概念運用至其他題目,容易產生孤島知識。因此,老師無法經由現今的數位學習系統具體得知學生真正不會的知識概念,也無法針對不會的知識概念提供更適性的補充資源。
有鑑於此,本發明提供一種學習診斷與動態學習資源推薦的方法,其記錄解題行為並從中分析解題策略來推論錯誤的知識概念,並基於所推論的錯誤知識概念整理線上教學資源,以適性地提供學習補救資源。
本發明一實施例揭露一種學習診斷與動態學習資源推薦的方法,包括:藉由一使用者介面提供一題目;藉由該使用者介面記錄對應該題目的一解題行為;根據該解題行為判斷對應該解題行為的一解題策略;比對該解題行為與對應該解題策略的一正確解題行為,以判斷錯誤的至少一知識概念;根據該至少一知識概念與該解題行為,判斷至少一錯誤類型,其中每個知識概念對應至複數個錯誤類型;根據該至少一知識概念,從複數個教學資源庫中擷取與該至少一知識概念相關的複數個相關教學資源;以及根據該等相關教學資源提供一推薦教學資源。
本發明另一實施例揭露一種學習診斷與動態學習資源推薦系統,包括:一使用者介面,提供一題目;一行為記錄模組,透過該使用者介面記錄對應該題目的一解題行為;一策略分析模組,根據該解題行為判斷對應該解題行為的一解題策略;一錯誤推論模組,比對該解題行為與對應該解題策略的一正確解題行為,以判斷錯誤的至少一知識概念,並根據該至少一知識概念與該解題行為,判斷至少一錯誤類型,其中每個知識概念對應至複數個錯誤類型;以及一動態資源推薦模組,根據該至少一知識概念從複數個教學資源庫中擷取與該至少一知識概念相關的複數個相關教學資源,並且根據該等相關教學資源提供薦一推薦教學資源。
以下說明為本發明的實施例。其目的是要舉例說明本發明一般性的原則,不應視為本發明之限制,本發明之範圍當以申請專利範圍所界定者為準。
本發明之核心技術為操作行為記錄技術、解題策略分析技術、多變量錯誤類型推論技術以及動態資源推薦技術。以下以數學題目為例,分別說明學習診斷與動態學習資源推薦的核心技術。
[操作行為記錄技術]
第1圖所示為依據本發明實施例之使用者介面100的示意圖。該使用者介面100包括顯示題目的題目區110、答題輸入區120、運算符號區130以及答題呈現區140。如第1圖所示,使用者介面100將可能的運算式與操作行為做成按鈕,使學習者可以在電腦上透過使用者介面100以及滑鼠、鍵盤等輸入裝置輸入完整的解題行為,且操作行為記錄技術可透過使用者介面的按鈕與輸入裝置記錄所輸入的解題行為。
[解題策略分析技術]
解題策略分析技術將解題行為拆解為複數個解題步驟,並比對該等解題步驟與對應題目的解題策略集合,以從該解題策略集合中判斷出與解題行為相符的解題策略。以第2圖為例,第2圖所示為依據本發明實施例之解題策略集合200的示意圖。如第2圖所示,解題策略集合200包括5種解題策略A1~A5。以解題策略A2為例,其包括解題策略步驟S210、S230、S231、S232、S233以及S234。舉例而言,解題行為EB(Equation Behavior)為,解題策略分析技術藉由等號將解題行為EB分解為五個解題步驟,並根據每個解題步驟中的運算符號及數字,判斷每個解題步驟對應至解題策略集合200的解題策略步驟S210~S261其中的哪個步驟,以判斷出解題行為EB屬於哪個解題策略。例如上述解題行為EB係對應至解題策略A3。解題策略集合200係對應至題目,每個題目有其對應的解題策略集合,解題策略集合可在設計題目時對應題目建立。
[多變量錯誤類型推論技術]
多變量錯誤類型推論技術藉由比對解題行為與對應解題策略的正確解題行為,分析學習者運算發生錯誤的地方,以確定錯誤類型與學習者不會的知識概念。
第3圖所示為依據本發明實施例之多變量錯誤類型推論技術的示意圖。如上所述,解題行為EB對應至解題策略A3,而解題策略集合200所對應的題目依照解題策略A3進行解題的正確解題行為稱為REB(Right Equation Behavior)。多變量錯誤類型推論技術比對解題行為EB的每個解題步驟,以及正確解題行為REB的每個正確解題步驟,來判斷出解題行為EB中哪個解題步驟算錯了。以解題行為EB為例,經過與正確解題行為REB的比對之後,可以得知解題行為EB從解題步驟處便開始運算錯誤。由於錯誤的解題步驟對應至解題策略步驟S241,而解題策略步驟S241所對應的知識概念為「分數加減」,因此可以從解題行為EB推論出學習者很有可能在「分數加減」方面有不會的地方。
第4圖所示為依據本發明實施例之知識概念與錯誤類型之間的對應關係400的示意圖。如上所述,已推論出不會的知識概念為「分數加減」,根據第4圖,在知識概念S01「分數加減」中可能的錯誤類型有錯誤類型B1「通分、約分的錯誤」、錯誤類型B2「加法運算時,分母乘分母,分子乘分子」、錯誤類型B3「帶分數與假分數轉換的錯誤」以及錯誤類型B12「計算錯誤或粗心」。也就是說,在運用知識概念S01「分數加減」時若運算錯誤,則運算錯誤的可能原因為錯誤類型B1~B3、B12。由於錯誤的解題步驟對應至解題策略步驟S241,解題策略步驟S241所對應的知識概念為S01「分數加減」,知識概念S01對應至錯誤類型B1~B3、B12,藉由比對錯誤的解題步驟以及正確解題行為可以判斷出,錯誤類型為知識概念S01所對應的錯誤類型B1~B3、B12中的錯誤類型B3。藉由多變量錯誤類型推論技術,本發明可以有效分析學習者的解題行為,進而推論出學習者不會的知識概念。
[動態資源推薦技術]
第5圖所示為依據本發明實施例之動態資源推薦技術的示意圖。在經由多變量錯誤類型推論技術推論出學習者不會的知識概念後,利用動態資源推薦技術找出對應學習者不會的知識概念的學習補充資源。舉例而言,若學習者不會的知識概念為「分數加法」,則動態資源推薦技術以「分數加法」為關鍵字,從複數個教學資源庫D1-D8中擷取出與該關鍵字相關的複數個相關教學資源。例如以「分數加法」為關鍵字,從教學資源庫D1中擷取出與「分數加法」之關鍵字相關的複數個相關教學資源S1。第5圖中的教學資源庫D1-D8皆為線上資源,例如教學資源庫D1-D8可以為***的數位教學資源網、維基百科以及YouTube等,但教學資源庫D1-D8也可以為實體的教學資源庫,而教學資源可以是一段教學影片、動畫或是互動式操作軟體等。由於知識概念之間會有共通的部份,例如在做分數乘法運算時會需要利用到假分數轉換的概念,因此以「分數加法」為關鍵字所檢索到的教學資源有可能是分屬不同知識概念的教學資源,例如「假分數」與「分數乘法」知識概念下的教學資源有可能會與「分數加法」之關鍵字相關,接下來再根據知識概念的不同,把相關教學資源分類至複數個知識目錄,其中每個知識目錄對應至一知識概念。以第5圖為例,將分別從各教學資源庫D1-D8檢索到的相關教學資源S1-S8,依照知識概念分為「假分數」、「分數加法」以及「分數乘法」三個類別。
需注意的是,一個相關教學資源可以同時屬於不只一個知識概念。接下來再分別將「假分數」、「分數加法」以及「分數乘法」三個知識目錄中的相關教學資源依照例如難易程度或學習先後順序等歸納成對應知識目錄(知識概念)的教知識概念教學資源,最後整合各知識概念教學資源為推薦教學資源,並推薦給學習者。
藉由上述操作行為記錄技術、解題策略分析技術、多變量錯誤類型推論技術以及動態資源推薦技術,本發明可以有效分析學習者的解題行為以歸納錯誤類型,並根據錯誤類型即時分析大量的教學資源,將與錯誤類型相關的教學資源整合成適性化的推薦教學資源以使學習者可藉由該推薦教學資源補強不會的知識概念。
第6圖所示為依據本發明實施例之學習診斷與動態學習資源推薦的方法600的流程圖。
在步驟S600中,藉由使用者介面提供一題目,例如第1圖的使用者介面100。
在步驟S610中,藉由使用者介面記錄對應題目的解題行為。
在步驟S620中,如上列解題策略分析技術所述,根據解題行為判斷對應解題行為的解題策略。其中解題策略包含於對應題目之解題策略集合中,例如第2圖的解題策略集合200,解題策略集合包括複數個解題策略,每個解題策略包括複數個解題策略步驟,每個解題策略步驟對應至一知識概念,因此在比對解題行為與正確解題行為時,首先將解題行為拆解為複數個解題步驟,然後比對解題步驟與解題策略步驟,以從解題策略集合中判斷出與解題行為相符的解題策略。
在步驟S630中,如上列解題策略分析技術所述,比對解題行為與對應解題策略的正確解題行為,以判斷解題行為中發生錯誤的知識概念。
在步驟S640中根據錯誤的知識概念與解題行為,判斷至少一個錯誤類型,其中每個知識概念對應至複數個錯誤類型,如第4圖所示。正確解題行為包括複數個正確解題步驟,而正確解題步驟對應至解題策略的解題策略步驟,如第3圖所示,正確解題行為REB的各正確解題步驟係對應至解題策略A3的各解題策略步驟。在比對解題行為與正確解題行為以判斷解題行為中發生錯誤的知識概念時,首先比對解題步驟與正確解題步驟以判斷錯誤發生在哪個解題步驟,並得知對應於錯誤的解題步驟的解題策略步驟,然後再根據對應該解題策略步驟的知識概念以及錯誤的解題步驟判斷錯誤類型。
在步驟S650中,如上列動態資源推薦技術所述,根據發生錯誤的知識概念,從複數個教學資源庫中擷取與發生錯誤的知識概念相關的複數個相關教學資源。
最後於步驟S660中,根據該等相關教學資源提供一推薦教學資源。關於提供一推薦教學資源部份,首先利用與發生錯誤的知識概念相關之關鍵字檢索複數個教學資源庫,例如直接以發生錯誤的知識概念為關鍵字檢索該等教學資源庫,以從該等教學資源庫中擷取與關鍵字相關的複數個相關教學資源。然後根據該等相關教學資源分別所屬的知識概念,將該等相關教學資源依據知識概念分類至複數個知識目錄,其中該等知識目錄分別對應至一知識概念。接著根據相關教學資源的難易程度或學習先後順序,將這些知識目錄下的相關教學資源歸納為對應於每個該等知識目錄的知識概念教學資源,並將該等知識概念教學資源整合為推薦教學資源。
第7圖所示為依據本發明實施例之學習診斷與動態學習資源推薦系統700的示意圖。學習診斷與動態學習資源推薦系統700包括使用者介面模組710、行為記錄模組720、策略分析模組730、錯誤推論模組740以及動態資源推薦模組750。
使用者介面模組710提供一題目。行為記錄模組720,透過使用者介面模組710記錄對應該題目的一解題行為。策略分析模組730根據解題行為,判斷對應解題行為的一解題策略。其中解題策略包含於對應該題目之解題策略集合中,解題策略集合包括複數個解題策略,每個解題策略包括複數個解題策略步驟,每個解題策略步驟對應至一知識概念。舉例而言,如上列解題策略分析技術所述,策略分析模組730將解題行為拆解為複數個解題步驟,比對各解題步驟與各解題策略步驟,以從解題策略集合中判斷出與解題行為相符的解題策略。
錯誤推論模組740比對解題行為與對應解題策略的正確解題行為,以判斷發生錯誤的知識概念,並根據發生錯誤的知識概念與解題行為判斷錯誤類型,其中每個知識概念對應至複數個錯誤類型,如第4圖所示。正確解題行為包括複數個正確解題步驟,正確解題步驟對應至解題策略步驟。如上述多變量錯誤類型推論技術,錯誤推論模組740比對解題步驟與正確解題步驟以判斷哪個解題步驟發生錯誤,並得知對應於錯誤的解題步驟的解題策略步驟,然後再根據對應該解題策略步驟的知識概念以及錯誤的解題步驟判斷錯誤類型。
動態資源推薦模組750根據發生錯誤的知識概念從複數個教學資源庫760中,擷取與該知識概念相關的複數個相關教學資源,並且根據該等相關教學資源提供一推薦教學資源。動態資源推薦模組750利用與發生錯誤的知識概念相關之關鍵字檢索該等教學資源庫760,以從該等教學資源庫760中擷取與該關鍵字相關的複數個相關教學資源,根據該等相關教學資源之每一者所屬的知識概念,將該等相關教學資源分類至複數個知識目錄,其中該等知識目錄分別對應至一知識概念,接著根據相關教學資源的難易程度或學習先後順序,將每個該等知識目錄下的相關教學資源歸納為對應於每個該等知識目錄的知識概念教學資源,並將該等知識概念教學資源整合為推薦教學資源。
以上實施例雖以數學題目舉例說明,但本發明並不局限於數學題目,例如本發明也可運用至物理與化學題目等,因物理與化學題目的運算常運用到數學領域的知識概念。除此之外,對於未能以數字或符號表示解題行為的題目而言,本發明可藉由提供複數個思考步驟或邏輯供學習者選用以記錄並分析學習者在解題時的邏輯,並藉此分析學習者所使用的解題策略。
本發明之方法,或特定型態或其部份,可以以程式碼的型態存在。程式碼可以包含於實體媒體,如軟碟、光碟片、硬碟、或是任何其他電子設備或機器可讀取(如電腦可讀取)儲存媒體,亦或不限於外在形式之電腦程式產品,其中,當程式碼被機器,如電腦載入且執行時,此機器變成用以參與本發明之裝置或系統,且可執行本發明之方法步驟。程式碼也可以透過一些傳送媒體,如電線或電纜、光纖、或是任何傳輸型態進行傳送,其中,當程式碼被電子設備或機器,如電腦接收、載入且執行時,此機器變成用以參與本發明之系統或裝置。當在一般用途處理單元實作時,程式碼結合處理單元提供一操作類似於應用特定邏輯電路之獨特裝置。
以上所述為實施例的概述特徵。所屬技術領域中具有通常知識者應可以輕而易舉地利用本發明為基礎設計或調整以實行相同的目的和/或達成此處介紹的實施例的相同優點。所屬技術領域中具有通常知識者也應了解相同的配置不應背離本創作的精神與範圍,在不背離本創作的精神與範圍下他們可做出各種改變、取代和交替。說明性的方法僅表示示範性的步驟,但這些步驟並不一定要以所表示的順序執行,可另外加入、取代、改變順序和/或消除步驟以視情況而作調整,並與所揭露的實施例精神和範圍一致。
100...使用者介面
110...題目區
120...答題輸入區
130...運算符號區
140...答題呈現區
200...解題策略集合
400...知識概念與錯誤類型之間的對應關係
600...學習診斷與動態學習資源推薦的方法
700...學習診斷與動態學習資源推薦系統
710...使用者介面模組
720...行為記錄模組
730...策略分析模組
740...錯誤推論模組
750...動態資源推薦模組
A1、A2、A3、A4、A5...解題策略
B1、B2、B3...、B13...錯誤類型
D1、D2、D3...、D8、760...教學資源庫
EB...解題行為
REB...正確解題行為
S01、S02、S03...、S09...知識概念
S1、S2、S3...、S8...相關教學資源
S210、S230、S231、...、S261...解題策略步驟
S600、S610、S620...S660...步驟
第1圖所示為依據本發明實施例之使用者介面的示意圖;
第2圖所示為依據本發明實施例之解題策略集合的示意圖;
第3圖所示為依據本發明實施例之多變量錯誤類型推論技術的示意圖;
第4圖所示為依據本發明實施例之知識概念與錯誤類型之間的對應關係的示意圖;
第5圖所示為依據本發明實施例之動態資源推薦技術的示意圖;
第6圖所示為依據本發明實施例之學習診斷與動態學習資源推薦的方法的流程圖;
第7圖所示為依據本發明實施例之學習診斷與動態學習資源推薦系統的示意圖。
S600、S610、S620...S660...步驟
Claims (8)
- 一種學習診斷與動態學習資源推薦的方法,包括:藉由一使用者介面提供一題目;藉由該使用者介面記錄對應該題目的一解題行為;根據該解題行為判斷對應該解題行為的一解題策略;比對該解題行為與對應該解題策略的一正確解題行為,以判斷該解題行為發生錯誤的至少一知識概念;根據該至少一知識概念與該解題行為,判斷至少一錯誤類型,其中每個知識概念對應至複數個錯誤類型;根據該至少一知識概念,從複數個教學資源庫中擷取與該至少一知識概念相關的複數個相關教學資源;以及根據該等相關教學資源提供一推薦教學資源。
- 如申請專利範圍第1項所述之學習診斷與動態學習資源推薦的方法,更包括:利用與該至少一知識概念相關之關鍵字檢索該等教學資源庫,以從該等教學資源庫中擷取與該關鍵字相關的第一複數個相關教學資源;根據該第一複數個相關教學資源之每一者所屬的知識概念,將該第一複數個相關教學資源分類至複數個知識目錄,其中該等知識目錄之每一者對應至一知識概念;將每個該等知識目錄下的相關教學資源歸納為對應於每個該等知識目錄的知識概念教學資源;以及將該等知識概念教學資源整合為該推薦教學資源。
- 如申請專利範圍第1項所述之學習診斷與動態學習資源推薦的方法,其中該解題策略包含於對應該題目之一解題策略集合中,該解題策略集合包括複數個解題策略,每個該等解題策略包括複數個解題策略步驟,每個該等解題策略步驟對應至一知識概念,該方法更包括:將該解題行為拆解為複數個解題步驟;以及比對該等解題步驟與該等解題策略步驟,以從該解題策略集合中判斷出與該解題行為相符的該解題策略。
- 如申請專利範圍第3項所述之學習診斷與動態學習資源推薦的方法,其中該正確解題行為包括複數個正確解題步驟,該等正確解題步驟對應至該等解題策略步驟,且該方法更包括:比對該等解題步驟與該等正確解題步驟以判斷錯誤的至少一解題步驟以及對應該至少一解題步驟的至少一解題策略步驟;以及根據對應該至少一解題策略步驟的該至少一知識概念以及錯誤的該至少一解題步驟判斷該至少一錯誤類型。
- 一種學習診斷與動態學習資源推薦系統,包括:一使用者介面模組,提供一題目;一行為記錄模組,透過該使用者介面模組記錄對應該題目的一解題行為;一策略分析模組,根據該解題行為判斷對應該解題行為的一解題策略;一錯誤推論模組,比對該解題行為與對應該解題策略的一正確解題行為,以判斷該解題行為發生錯誤的至少一知識概念,並根據該至少一知識概念與該解題行為,判斷至少一錯誤類型,其中每個知識概念對應至複數個錯誤類型;以及一動態資源推薦模組,根據該至少一知識概念從複數個教學資源庫中擷取與該至少一知識概念相關的複數個相關教學資源,並且根據該等相關教學資源提供薦一推薦教學資源。
- 如申請專利範圍第5項所述之學習診斷與動態學習資源推薦系統,其中該動態資源推薦模組利用與該至少一知識概念相關之關鍵字檢索該等教學資源庫,以從該等教學資源庫中擷取與該關鍵字相關的第一複數個相關教學資源,根據該第一複數個相關教學資源之每一者所屬的知識概念,將該第一複數個相關教學資源分類至複數個知識目錄,其中該等知識目錄之每一者對應至一知識概念,並將每個該等知識目錄下的相關教學資源歸納為對應於每個該等知識目錄的知識概念教學資源,將該等知識概念教學資源整合為該推薦教學資源。
- 如申請專利範圍第5項所述之學習診斷與動態學習資源推薦系統,其中該解題策略包含於對應該題目之一解題策略集合中,該解題策略集合包括複數個解題策略,每個該等解題策略包括複數個解題策略步驟,每個該等解題策略步驟對應至一知識概念,其中該策略分析模組更將該解題行為拆解為複數個解題步驟,比對該等解題步驟與該等解題策略步驟,以從該解題策略集合中判斷出與該解題行為相符的該解題策略。
- 如申請專利範圍第7項所述之學習診斷與動態學習資源推薦系統,其中該正確解題行為包括複數個正確解題步驟,該等正確解題步驟對應至該等解題策略步驟,且該錯誤推論模組更比對該等解題步驟與該等正確解題步驟以判斷錯誤的至少一解題步驟以及對應該至少一解題步驟的至少一解題策略步驟,並且根據對應該至少一解題策略步驟的該至少一知識概念以及錯誤的該至少一解題步驟判斷該至少一錯誤類型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100138801A TW201317954A (zh) | 2011-10-26 | 2011-10-26 | 學習診斷與動態學習資源推薦的方法及系統 |
CN201210324624XA CN103077178A (zh) | 2011-10-26 | 2012-09-05 | 学习诊断与动态学习资源推荐的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100138801A TW201317954A (zh) | 2011-10-26 | 2011-10-26 | 學習診斷與動態學習資源推薦的方法及系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201317954A true TW201317954A (zh) | 2013-05-01 |
Family
ID=48153709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100138801A TW201317954A (zh) | 2011-10-26 | 2011-10-26 | 學習診斷與動態學習資源推薦的方法及系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103077178A (zh) |
TW (1) | TW201317954A (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732826A (zh) * | 2015-03-27 | 2015-06-24 | 宋晓宇 | 一种增强现实互动教材教学资源云平台 |
CN105022828A (zh) * | 2015-07-31 | 2015-11-04 | 阔地教育科技有限公司 | 一种资源推送方法及装置 |
CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
TWI606432B (zh) * | 2016-11-10 | 2017-11-21 | 淡江大學 | 結構性學習槪念評量系統 |
CN106781782A (zh) * | 2016-11-23 | 2017-05-31 | 阔地教育科技有限公司 | 一种信息反馈方法及装置 |
CN106651701A (zh) * | 2016-12-29 | 2017-05-10 | 山东科技大学 | 一种学习资源的构建方法及装置 |
CN107784069B (zh) * | 2017-09-14 | 2020-08-18 | 深圳市赛达教育咨询有限公司 | 一种用于智能诊断学生知识能力的方法 |
CN107741978A (zh) * | 2017-10-13 | 2018-02-27 | 北京中教在线科技有限公司 | 一种个性化学习资源推送方法及其*** |
CN108172047B (zh) * | 2018-01-19 | 2019-11-01 | 上海理工大学 | 一种网络在线学习资源个性化实时推荐方法 |
CN108897879B (zh) * | 2018-07-04 | 2020-11-10 | 北京希子教育科技有限公司 | 一种通过人机交互实现个性化教学的方法 |
CN109035947B (zh) * | 2018-08-06 | 2020-11-06 | 孙文武 | 一种基于步骤分析模拟的教育***的工作方法 |
CN110263259A (zh) * | 2019-07-08 | 2019-09-20 | 上海乂学教育科技有限公司 | 在线教学视频推送管理*** |
CN117557426B (zh) * | 2023-12-08 | 2024-05-07 | 广州市小马知学技术有限公司 | 基于智能题库的作业数据反馈方法及学习评估*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1635486A (zh) * | 2003-12-25 | 2005-07-06 | 英业达股份有限公司 | 能够提高成绩的快速学习***及方法 |
KR100877583B1 (ko) * | 2006-07-19 | 2009-01-07 | 성균관대학교산학협력단 | 학습 스타일 진단 시스템 및 그 진단 방법 |
CN101582101A (zh) * | 2008-05-15 | 2009-11-18 | 梁昌年 | 利用计算机***为用户提供个性化学习的方法及其装置 |
US8366449B2 (en) * | 2008-08-13 | 2013-02-05 | Chi Wang | Method and system for knowledge diagnosis and tutoring |
-
2011
- 2011-10-26 TW TW100138801A patent/TW201317954A/zh unknown
-
2012
- 2012-09-05 CN CN201210324624XA patent/CN103077178A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN103077178A (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201317954A (zh) | 學習診斷與動態學習資源推薦的方法及系統 | |
US10467919B2 (en) | Systems and methods for AI-based student tutoring | |
Vie et al. | A review of recent advances in adaptive assessment | |
Francois et al. | Big-data literacy as a new vocation for statistical literacy | |
CN111475627B (zh) | 解答推导题目的检查方法、装置、电子设备及存储介质 | |
US10373512B2 (en) | Mathematical language processing: automatic grading and feedback for open response mathematical questions | |
US20140038160A1 (en) | Providing computer aided speech and language therapy | |
Huang et al. | Behavioral intention to continuously use learning apps: A comparative study from Taiwan universities | |
Bisanz et al. | On “understanding” children's developing use of inversion | |
Chang et al. | Yet another adaptive learning management system based on Felder and Silverman’s learning styles and Mashup | |
Yang et al. | How to assess the contributions of processing fluency and beliefs to the formation of judgments of learning: Methods and pitfalls | |
Pinnell et al. | Curricular and learning analytics: a big data perspective | |
Malmi et al. | Development and use of domain-specific learning theories, models, and instruments in computing education | |
Singh et al. | Acceptance of open learning resources: Perspectives of higher education students in India | |
Abdullahi et al. | Learning to make rare and complex diagnoses with generative AI assistance: qualitative study of popular large language models | |
Zhang et al. | Sequential pattern mining in educational data: The application context, potential, strengths, and limitations | |
Taskiran et al. | Contribution of automated feedback to the English writing competence of distance foreign language learners | |
Krauss et al. | Teaching advanced web technologies with a mobile learning companion application | |
Bojic et al. | Empowering Health Care Education Through Learning Analytics: In-depth Scoping Review | |
TW201348988A (zh) | 自我評量回饋的影音學習方法及其系統 | |
Xiong et al. | A Review of Data Mining in Personalized Education: Current Trends and Future Prospects | |
JP6530967B2 (ja) | 専門家情報を活用した補助分析システム及びその方法 | |
Schreiber et al. | Cost-efficient quality assurance of natural language processing tools through continuous monitoring with continuous integration | |
Rudzewitz | Learning analytics in intelligent computer-assisted language learning | |
Fergusson | Towards an integration of statistical and computational thinking: Development of a task design framework for introducing code-driven tools through statistical modelling |