TWI790069B - 文獻評讀學習系統 - Google Patents

文獻評讀學習系統 Download PDF

Info

Publication number
TWI790069B
TWI790069B TW110149149A TW110149149A TWI790069B TW I790069 B TWI790069 B TW I790069B TW 110149149 A TW110149149 A TW 110149149A TW 110149149 A TW110149149 A TW 110149149A TW I790069 B TWI790069 B TW I790069B
Authority
TW
Taiwan
Prior art keywords
user
test
answer
information
question
Prior art date
Application number
TW110149149A
Other languages
English (en)
Other versions
TW202326388A (zh
Inventor
林佩津
蘇怡嘉
洪碧蓮
杜書卿
蔡依儒
陳金順
周康茹
徐明暇
林建興
Original Assignee
高雄榮民總醫院
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 高雄榮民總醫院 filed Critical 高雄榮民總醫院
Priority to TW110149149A priority Critical patent/TWI790069B/zh
Application granted granted Critical
Publication of TWI790069B publication Critical patent/TWI790069B/zh
Publication of TW202326388A publication Critical patent/TW202326388A/zh

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Hardware Redundancy (AREA)
  • Machine Translation (AREA)

Abstract

一種文獻評讀學習系統,用以解決習知在評讀學習上的限制與效果不佳的問題。係包含:一測驗管理模組與一評核膜組,該測驗管理模組用以提供一測驗題目給一使用者,並接收該使用者作答的一回覆答案,該測驗題目包含一預設答案;該評核模組包含一文字提取模組與一語意分析模組;該文字提取模組用以使該回覆答案進行一文義萃取程序,以獲得一提取資訊;該語意分析模組用以將該提取資訊與該預設答案進行一文字向量化比對程序,藉以判斷該提取資訊與該預設答案是否相同,而產生一分析結果。

Description

文獻評讀學習系統
本發明係關於一種學習系統,尤其是一種文獻評讀學習系統以輔助使用者可自主學習如何評讀文獻。
為了訓練醫療專業人員具備實證醫學的核心能力以隨時能與最新且正確的知識保持同步,醫學教育中會提供很多實證醫學相關的訓練課程,除了知識授課外,其中最需要實作的包括文獻搜尋及研究評讀能力的訓練。傳統的教學方式包括課堂授課、實作工作坊、案例導向的討論學習或線上課程等,其中,最有學習成效的教學方式是實作工作坊,主要的原因是因為實作工作坊在聽完課且實作後會有教師的回饋,能夠知道標準答案,尤其是評讀能力的訓練更是需要有這樣明確的回饋。因此,學校或教學醫院會花大量的時間、人力及成本,開立這樣的評讀工作坊以訓練專業醫療人員對於實證研究的評讀能力。
然而,這樣的方法因學習者在時間、空間的限制及臨床工作壓力,使學習者無法持續參加耗時的訓練課程,且雖藉由課程可提升評讀能力,但因短時間的學習僅能產生有限效果,一旦回到臨床執業時,這些能力並沒有內化到可以自然的融入平日照護病人時的行為中。因此如何克服學習上的限制,突破時間、空間及成本考量,讓所有醫療專業人員隨時都能訓練研究 評讀能力,並能得到與實體工作坊同樣的成效是目前亟需開發的功課。然而,當前並未見有這類的評讀學習系統可供使用者提升評讀能力。
有鑑於此,在缺乏這類評讀學習系統的情況下,本發明提供一種文獻評讀學習系統,以供需提升評讀能力的使用者使用。
為解決上述問題,本發明的目的是提供一種文獻評讀學習系統,可降低因時間、空間及成本等因素之限制,供使用者隨時使用與學習,以提升使用者的評讀能力。
本發明的次一目的是提供一種文獻評讀學習系統,可針對使用者的評讀提供一分析結果,以瞭解使用者對所閱讀內容的理解程度,作為使用者的評讀能力與學習精進的依據。
本發明的又一目的是提供一種文獻評讀學習系統,可針對使用者的評讀提供一判定結果,讓使用者可以瞭解所測驗題目的重點,而學習如何抓取重點的脈絡,以提升使用者的評讀能力。
本發明的再一目的是提供一種文獻評讀學習系統,可依據使用者當前能力分配對應的測驗題目,而能達成因材施教的效果,提升使用者的學習興趣與效率。
本發明全文所記載的元件、構件及模組使用「一」或「一個」之量詞,僅是為了方便使用且提供本發明範圍的通常意義;於本發明中應被解讀為包括一個或至少一個,且單一的概念也包括複數的情況,除非其明顯意指其他意思。
本發明全文所述「耦接」用語,包含電性及/或訊號地直接或間接連接,係本領域中具有通常知識者可以依據使用需求予以選擇者。
本發明全文所述「關鍵字」與「同義字」用語,包含單字、單詞、複合字及複合詞中的至少一者,並包含由前述單字、單詞、複合字及複合詞所形成的詞語或短句。
本發明的文獻評讀學習系統,執行於一主機,包含一測驗管理模組,用以提供一測驗題目給一使用者,並接收該使用者作答的一回覆答案,該測驗題目包含一預設答案,該預設答案與該回覆答案係包含至少一文字;該測驗題目是一篇文章或一段短文並具有對應的一提問,該預設***含對應該提問的至少一預設答案關鍵字,該提取資訊包含至少一提取關鍵字;一評核模組,包含一文字提取模組與一語意分析模組;該文字提取模組用以使該回覆答案進行一文義萃取程序,以獲得一提取資訊;該語意分析模組用以將該提取資訊與該預設答案進行一文字向量化比對程序,藉以判斷該提取資訊與該預設答案是否相同,而產生一分析結果;及一合格判定模組,該測驗題目可包含一合格標準,該合格判定模組用以比對該分析結果是否符合該合格標準,並對應產一判定結果;其中,該預設答案關鍵字可具有一特定組數的答案關鍵字,該合格標準對應該特定組數的答案關鍵字分別設定須符合或不須符合的判斷邏輯,以對應該特定組數的答案關鍵字獲得各別的初判結果,並在各該初判結果皆為通過時,該判定結果為合格。
據此,本發明的文獻評讀學習系統,透過本系統的建置,可供該使用者隨時使用與學習,並透過該分析結果,能瞭解該使用者對所閱讀內容的理解程度,以作為該使用者的評讀能力與學習精進的依據,具有提升該使用者的評讀能力的功效。另,透過該預設答案關鍵字與該提取關鍵字,該分析結果能顯示上述關鍵字是否相同或同義,藉以瞭解該使用者對所閱讀內容的理解程度,以作為該使用者的評讀能力與學習精進的依據,具有提升該使用者的評讀能力的功效。另,透過該合格判定模組、該合格標準及該判定 結果,讓該使用者可以瞭解所測驗題目的重點,從而學習如何抓取重點的脈絡,具有提升該使用者的評讀能力的功效。
其中,該文獻評讀學習系統另可包含一使用者端裝置與該主機耦接,該使用者端裝置可包含一顯示裝置與一輸入裝置,該顯示裝置用於將該測驗題目顯示該使用者,該輸入裝置用於供該使用者輸入該回覆答案。如此,透過該使用者端裝置,該使用者可便利的使用本發明的文獻評讀學習系統進行學習,係可以達成提升該使用者的評讀能力的功效。
其中,在該文字向量化比對程序中,比對該提取關鍵字與該預設答案關鍵字之向量相似程度是否高於一標準,以產生該分析結果。如此,透過文字向量化比對程序,能便利該分析結果的產生,藉以瞭解該使用者對所閱讀內容的理解程度,以作為該使用者的評讀能力與學習精進的依據,具有提升該使用者的評讀能力的功效。
其中,該文獻評讀學習系統另可包含一身分管理模組,該身分管理模組可具有一使用者編碼與一資格資訊,該使用者編碼係用於對應該使用者,該資格資訊與該使用者編碼關聯,該測驗題目可包含一給題條件,當該資格資訊符合該測驗題目的該給題條件時,該測驗題目才能被該使用者進行測驗。如此,透過該資格資訊與該給題條件的運用,可以確保分配給該使用者的題目是符合使用者資格、程度或能力,使整體系統能達成因材施教的效果,及可以提升該使用者的學習興趣與效率。
其中,該測驗題目可包含一題目難度資訊,該資格資訊是該使用者的答題歷程,該答題歷程可包含該使用者已完成的所有測驗題目中判定結果為合格者的題目難度資訊與對應的一累計合格次數,該給題條件是該測驗題目要求至少一題目難度資訊所須累計合格的最少次數。如此,透過該題目難度資訊與該累計合格次數的運用,可以確保分配給該使用者的題目是符 合使用者程度,使整體系統能達成因材施教的效果,及可以提升該使用者的學習興趣與效率。
其中,該題目難度資訊具有一第一難度等級、一第二難度等級及一第三難度等級,對應該第三難度等級的該給題條件是:要求該第一難度等級的該題目難度資訊須累計不少於一第一累計合格次數,且要求該第二難度等級的該題目難度資訊須累計不少於一第二累計合格次數;該第一累計合格次數與該第二累計合格次數不為零。如此,透過該題目難度資訊與該累計合格次數的運用,可以確保分配給該使用者的題目是符合使用者程度,使整體系統能達成因材施教的效果,及可以提升該使用者的學習興趣與效率。
其中,該測驗題目可包含一題目編碼,各該題目編碼彼此不同,使各該題目編碼可對應到不同的測驗題目,該身分管理模組可包含一測驗記錄模組,該測驗記錄模組用以將該使用者的該使用者編碼與該使用者的歷史測驗結果關聯,該歷史測驗結果包含該使用者已進行過的測驗題目的題目編碼及分析結果。如此,該使用者或一指導者可全盤瞭解該使用者的整體學習狀況,以利該使用者自我調整與精進,或作為該指導者評核或引導該使用者在學習上的參考,從而具有提升該使用者的學習效率的功效。
其中,在該預設答案被修改的情況中,該歷史測驗結果將對應地修改,使該歷史測驗結果的分析結果是以修改後的預設答案所對應產生。如此,該使用者或一指導者可瞭解當前最合適的見解,可以確保能學習正確或更新的資訊,並可瞭解該使用者最新的學習狀況。
1:文獻評讀學習系統
1’:主機
10:使用者端裝置
11:顯示裝置
12:輸入裝置
2:測驗管理模組
20:題庫資料庫
3:評核模組
31:文字提取模組
32:語意分析模組
4:合格判定模組
5:身分管理模組
51:測驗記錄模組
〔第1圖〕本發明一較佳實施例的系統方塊圖。
為讓本發明之上述及其他目的、特徵及優點能更明顯易懂,下文特舉本發明之較佳實施例,並配合所附圖式,作詳細說明如下:請參照第1圖所示,其係本發明的一較佳實施例的文獻評讀學習系統1的方塊圖,該文獻評讀學習系統1執行於一主機1’,並包含一測驗管理模組2與一評核模組3。
該文獻評讀學習系統1可包含一使用者端裝置10與該主機1’耦接,以用於彼此間的資料傳輸、接收、讀取或儲存。該使用者端裝置10可包含一顯示裝置11與一輸入裝置12,該使用端裝置10可以是與該主機1’電性連接的一電腦或其他遠端的電腦,也可以是一平板電腦或一手機等。該顯示裝置11可以是一電腦螢幕、一平板螢幕或一手機螢幕等;該輸入裝置12可以是一鍵盤、一滑鼠、一觸控面板或一麥克風等。
該測驗管理模組2用以提供一測驗題目給一使用者,並接收該使用者作答的一回覆答案,該測驗題目包含一預設答案,該預設答案與該回覆答案係包含至少一文字。詳言之,該測驗題目是一篇文章或一段短文,並具有對應該文章或短文的一提問,該預設***含對應該提問的至少一預設答案關鍵字。較佳的,該測驗管理模組2可包含一題庫資料庫20,該題庫資料庫20可包含至少一測驗題目與至少一預設答案;詳言之,在資料結構上,每個測驗題目都包含對應的預設答案與其關聯。該題庫資料庫20與該測驗管理模組2耦接,用以傳輸該測驗題目至該測驗管理模組2以提供該使用者進行作答;該顯示裝置11可至少將該測驗題目顯示該使用者,該輸入裝置12可供該使用者輸入該回覆答案。
該評核模組3包含一文字提取模組31與一語意分析模組32; 該文字提取模組31用以使該回覆答案進行一文義萃取程序,以獲得一提取資訊;其中,該提取資訊包含至少一提取關鍵字。該語意分析模組32,用以將該提取資訊與該預設答案進行一文字向量化比對程序,藉以判斷該提取資訊與該預設答案是否相同或同義,而產生一分析結果。由該分析結果,該使用者或其他人可瞭解該使用者在閱讀一資料後對該資料的理解程度,以作為該使用者自我精進學習的依據,或作為該使用者的指導者(例如老師、教授、或對應領域的專業人士等)用於協助該使用者強化學習的依據。此外,透過本系統的建置,可供該使用者隨時使用與學習,特別可在該使用者學習狀態良好的情況下使用,使學習效率提升。
其中,該評核模組3可包含一的語言萃析模組,該語言萃析模組包含一預建立同義字詞資料庫與一預訓練語言模型。該預建立同義字詞資料庫係指至少針對一特定領域的知識進行對應關鍵字的創建,並將該關鍵字與其同義字形成關聯,例如是形成一特定的同義字群組/集合,使該預建立同義字詞資料庫包含多組同義字群組。因此,在文義萃取程序中(可包含例如是文字清理步驟與文字正規化步驟)可獲得一提取資訊,該提取資訊較佳包含上述至少一提取關鍵字;更佳地,該提取關鍵字是對應該預建立同義字詞資料庫中的關鍵字或同義字。該預訓練語言模型可以是一種有關自然語言處理(NLP,Natural Language Processing)技術的應用,並運用例如是大數據與深度學習等技術,用以對目標資訊(例如前述提取資訊)進行上述的文字向量化比對程序。較佳地,該預訓練語言模型可以是GoogleTM提出的Word2Vec模型,但不限於此。所述文字向量化比對程序是以該預訓練語言模型將文字以向量化的方式編碼,形成電腦可運用如餘弦相似度(Cosine Similarity)計算二文字資訊間的相似程度,並依一定的相似度標準判斷二文字是相同/相似。在該文字向量化比對程序中,基於該預訓練語言模型,將 該提取關鍵字與該預設答案關鍵字轉換為向量;並以向量相似度比對技術判斷兩文字是否相同/相似,以產生該分析結果。若經比對,該提取關鍵字與該預設答案之向量相似程度超過一定標準,即表示該提取關鍵字與該預設答案關鍵字是相同或同義,該分析結果為相同;反之,該分析結果為不相同。其中,在上述多組同義字群組中定義為同一組的關鍵字或同義字,即表示其經該文字向量化比對程序後,該分析結果為相同。應注意的是,上述的預訓練語言模型與預建立同義字詞資料庫是本發明所運用的一種實施方式的舉例,本發明所運用的技術並不以此為限。
據由前述系統架構、功能及技術的說明,本發明的一實施態樣可舉例說明如下:該測驗題目:本文是一篇關於病症A經過執行特定斷食法後改善的效果(該測驗題目的內容僅為示例性地摘要對應文章或短文的重點,以輔助說明本範例)。
對應的提問:本研究是透過何種方法來改善病症A?
對應的預設答案:斷食法。
對應的回覆答案:本研究中,受測者使用間歇性斷食經過...(該回覆答案僅為示例性地呈現部分內容,以輔助說明本範例)。
對應的提取資訊:間歇性斷食。
對應的分析結果:相符(例如是透過語意分析模組32判定「間歇性斷食」與「斷食法」相同/同義)。
在本發明的另一實施態樣中,當該測驗題目的該提問的該預設***含多組預設答案關鍵字時,該文字提取模組31自該使用者的該回覆答案獲得該提取資訊,並將該提取資訊中的至少一關鍵字透過該語意分析模組32進行分析判斷;其中,以下述的測驗題目、提問及回覆答案為例,並將對 應的分析判斷邏輯舉例示意如下列表一。
該測驗題目:本文是一篇關於病症A經過執行特定斷食法後改善的效果(該測驗題目的內容僅為示例性地摘要對應文章或短文的重點,以輔助說明本範例)。
對應的提問:本研究是透過何種方法且建議如何飲食來改善病症A?
對應的回覆答案:本研究中,受測者使用間歇性斷食經過至少30天的執行,期間將澱粉攝取量降低...(該回覆答案僅為示例性地呈現部分內容,以輔助說明本範例)。
Figure 110149149-A0305-02-0011-1
較佳的,該測驗題目可包含一合格標準,該文獻評讀學習系統1可另包含一合格判定模組4,該合格判定模組4用以比對該分析結果是否符合該合格標準,並對應產一判定結果。詳言之,該至少一預設答案關鍵字具有一特定組數的答案關鍵字(即可包含一組答案關鍵字或多組答案關鍵字),該合格標準對應該至少一預設答案關鍵字的該特定組數的答案關鍵字分別設定「須符合」或「不須符合」的判斷條件(即對各該預設答案關鍵字可設定「須符合」或「不須符合」的判斷條件),以對應該特定組數的答案關鍵字獲得各別的初判結果,當初步分析結果為完全通過時,即各該初判結果皆為通過時,該判定結果為合格;反之,當該初步分析結果為不完全通過時,即該初判結果中之至少一者為不通過時,該判定結果為不合格。其中當該合格標準 為「須符合」時,且該分析結果是符合時,該初判結果才是通過;當該合格標準為「不須符合」時,無論該分析結果是符合或不符合時,該初判結果皆為通過。較佳的,該測驗管理模組2或題庫資料庫20可包含該合格標準,每個測驗題目都包含對應的合格標準與各該預設答案關鍵字關聯。對應表一的範例,加入該合格標準的分析判斷邏輯可舉例如下列表二、表三。
Figure 110149149-A0305-02-0012-2
Figure 110149149-A0305-02-0012-3
藉由該合格標準的加入,可在設定各該測驗題目的該至少一預設答案時,進一步設定該至少一預設答案的重點,並讓該使用者在答題後透過該合格標準給定的該判斷結果以理解對應測驗題目的重點,進而掌握閱讀一資料後,應該如何抓取重點的脈絡。
其中,在上述表一~表三的例子中,當該文字提取模組31無法自該使用者所提交的該回覆答案中提取到任何關鍵字時,特別是在該回覆答案中無法對應該預建立同義字詞資料庫中任一資訊的情況中,該提取資訊或該提取關鍵字可以是一空集合或是其他預設資訊以表示此等情況(例如表 一~表三中顯示的「無對應關鍵字」),而對應的分析結果將為不相符。
較佳的,該文獻評讀學習系統1可包含一身分管理模組5,該身分管理模組5具有一使用者編碼與一資格資訊。該使用者編碼係用於對應各該使用者,亦即各使用者有其獨特的編碼,使該使用者編碼能對應到正確的單一使用者。該資格資訊與該使用者編碼關聯,且該測驗題目亦可包含一給題條件,當該資格資訊符合該測驗題目的該給題條件時,該測驗題目才能被該使用者進行測驗,例如在一實施範例中,該使用者僅能在該顯示裝置11上選取其資格資訊與給題條件相符的測驗題目,藉此以確保該測驗模組2分配給該使用者的題目是符合使用者資格、程度或能力,使整體系統能達成因材施教的效果,讓該使用者依其能力循序漸進地進行測驗與學習,並讓該使用者在學習上兼顧挑戰性與成就感的平衡,提升該使用者的學習興趣與效率。
在一範例中,該測驗題目可包含一題目難度資訊,該題目難度資訊用以顯示該測驗題目的難度;較佳的,該測驗題目可包含一題目編碼,各該題目編碼彼此不同,使各該題目編碼可對應到不同的測驗題目,該題目難度資訊與該題目編碼關聯。該資格資訊可以是該使用者的答題歷程,該答題歷程例如可包含該使用者已完成的所有測驗題目中判定結果為合格者的題目難度資訊與對應的一累計合格次數,對應的給題條件則可以是該測驗題目要求至少一題目難度資訊所須累計合格的最少次數。以資料結構面向來說,該答題歷程可呈現如〔題目難度資訊,累計合格次數〕的集合或矩陣的資料形式,該給題條件則可對應地呈現如〔題目難度資訊,至少須累計合格次數〕的集合或矩陣的資料形式。其中,針對同一題目,該累計合格次數僅計算一次。根據上述題目難度資訊、累計合格次數等技術特徵,對應的分析判斷邏輯可舉例示意如下列表四、表五。
表四:顯示身分管理模組5中有關使用者資格資訊的一範例
Figure 110149149-A0305-02-0014-4
Figure 110149149-A0305-02-0014-6
以上列表四、表五中的題目編號T4為例,因該使用者(使用者編號P1)通過題目難度資訊Lv1的測驗題目4次以上(該使用者的累計合格次數為5次),且通過題目難度資訊Lv2的測驗題目1次以上(該使用者的累計合格次數為1次),而符合題目編號T4的給題條件,所以題目編號T4 的測驗題目將與該使用者關聯,亦即系統可分配題目編號T4的測驗題目給該使用者進行測驗,或該使用者可在對應的顯示裝置11上選擇或進行題目編號T4的測驗題目。以題目編號T5為例,該使用者(使用者編號P1)雖通過題目難度資訊Lv1的測驗題目2次以上(該使用者的累計合格次數為5次),惟未通過題目難度資訊Lv2的測驗題目2次以上(該使用者的累計合格次數僅為1次),而未符合題目編號T5的給題條件,所以題目編號T5的測驗題目將不與該使用者關聯,亦即系統不會分配題目編號T5的測驗題目給該使用者進行測驗,或該使用者無法在對應的顯示裝置11上選擇或進行題目編號T5的測驗題目。
換言之,由表五級上述內容可知,在具有題目編號T4或T5的範例中,該題目難度資訊具有一第一難度等級(對應題目難度資訊Lv1)、一第二難度等級(對應題目難度資訊Lv2)及一第三難度等級(對應題目難度資訊Lv3),對應該第三難度等級的該給題條件是:要求該第一難度等級的該題目難度資訊須累計不少於一第一累計合格次數,且要求該第二難度等級的該題目難度資訊須累計不少於一第二累計合格次數;該第一累計合格次數與該第二累計合格次數不為零。其中,以題目編號T4為例,所述第一累計合格次數為4次,第二累計合格次數為1次;以題目編號T5為例,所述第一累計合格次數為2次,第二累計合格次數為2次。
應注意的是,該資格資訊與該給題條件是可以根據需求而對應修改。更佳的,該資格資訊除答題歷程外,另可包含身分類別,在使用者為學生身分的環境,該身分類別可依使用者的年級或年資區分,或可依使用者是否完成某些前置學分、學程或課程為判斷條件。其中,亦可在該身分類別中加入科系、科別、或組別等分類,或可增加新的資料與條件使該資格資訊與給題條件間產生關聯,使彼此關聯的資料與判斷邏輯的層級結構(Hierarchical Structure)更為細緻;或者,亦可簡化整體關聯資料與判斷邏輯的層級結構,例如在該資格資訊與該給題條件的關聯中,可僅依通過次數為判斷條件。
較佳的,該身分管理模組5可包含一測驗記錄模組51,用以將該使用者的該使用者編碼與該使用者的歷史測驗結果關聯,該歷史測驗結果例如包含該使用者已進行過的測驗題目的題目編碼、分析結果及/或判定結果及/或題目難度資訊。藉此該使用者或一指導者可全盤瞭解該使用者的整體學習狀況,以利該使用者自我調整與精進,或作為該指導者評核或引導該使用者在學習上的參考。
較佳的,該預設答案(特別是該預設答案關鍵字)或該合格標準是可修改/更新的,在該預設答案或該合格標準被修改的情況中,該歷史測驗結果可對應地修改,使該歷史測驗結果的分析結果或判定結果是以修改後的預設答案或修改後的該合格標準所對應產生的,藉此該使用者或一指導者可瞭解當前最合適的見解,確保能學習正確或更新的資訊,並可瞭解該使用者最新的學習狀況。
應注意的是,本發明中所述的主機可以是一體式架構或分散式架構的主機/伺服器,亦可以是雲端的主機/伺服器,並包含做為資料傳輸、接收、讀取及儲存等功能所需的一般軟硬體的配置。其中,所述主機包含至少一處理器,該處理器係特別用於計算、分析、判斷各種條件是否滿足,例如是用於本發明中所述之分析結果、判定結果或給題條件等相關的判斷。
綜上所述,本發明的文獻評讀學習系統,透過評核模組能比對預設答案與使用者答案中的關鍵字是否具有相同意義,而產生一分析結果,並藉由分析結果瞭解該使用者對所閱讀內容的理解程度,以作為該使用者的評讀能力與學習精進的依據。另可透過合格判定模組與合格標準的運用,由該分析結果獲的一判定結果,讓該使用者可以瞭解所測驗題目的重點,而學 習如何抓取重點的脈絡。另亦可透過關聯使用者的資格資訊與給題條件,確保分配給使用者的題目是符合使用者能力的,而能達成因材施教的效果,提升該使用者的學習興趣與效率。
雖然本發明已利用上述較佳實施例揭示,然其並非用以限定本發明,任何熟習此技藝者在不脫離本發明之精神和範圍之內,相對上述實施例進行各種更動與修改仍屬本發明所保護之技術範疇,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
1:文獻評讀學習系統
1’:主機
10:使用者端裝置
11:顯示裝置
12:輸入裝置
2:測驗管理模組
20:題庫資料庫
3:評核模組
31:文字提取模組
32:語意分析模組
4:合格判定模組
5:身分管理模組
51:測驗記錄模組

Claims (8)

  1. 一種文獻評讀學習系統,執行於一主機,包含:一測驗管理模組,用以提供一測驗題目給一使用者,並接收該使用者作答的一回覆答案,該測驗題目包含一預設答案,該預設答案與該回覆答案係包含至少一文字;該測驗題目是一篇文章或一段短文並具有對應的一提問,該預設***含對應該提問的至少一預設答案關鍵字,該提取資訊包含至少一提取關鍵字;一評核模組,包含一文字提取模組與一語意分析模組;該文字提取模組用以使該回覆答案進行一文義萃取程序,以獲得一提取資訊;該語意分析模組用以將該提取資訊與該預設答案進行一文字向量化比對程序,藉以判斷該提取資訊與該預設答案是否相同,而產生一分析結果;及一合格判定模組,該測驗題目包含一合格標準,該合格判定模組用以比對該分析結果是否符合該合格標準,並對應產一判定結果;其中,該預設答案關鍵字具有一特定組數的答案關鍵字,該合格標準對應該特定組數的答案關鍵字分別設定須符合或不須符合的判斷邏輯,以對應該特定組數的答案關鍵字獲得各別的初判結果,並在各該初判結果皆為通過時,該判定結果為合格。
  2. 如請求項1之文獻評讀學習系統,另包含一使用者端裝置與該主機耦接,該使用者端裝置包含一顯示裝置與一輸入裝置,該顯示裝置用於將該測驗題目顯示該使用者,該輸入裝置用於供該使用者輸入該回覆答案。
  3. 如請求項1之文獻評讀學習系統,其中,在該文字向量化比對程序中,比對該提取關鍵字與該預設答案關鍵字之向量相似程度是否高於一標準,以產生該分析結果。
  4. 如請求項1~3中任一項之文獻評讀學習系統,另包含一身分管理模組,該身分管理模組具有一使用者編碼與一資格資訊,該使用者編 碼係用於對應該使用者,該資格資訊與該使用者編碼關聯,該測驗題目包含一給題條件,當該資格資訊符合該測驗題目的該給題條件時,該測驗題目才能被該使用者進行測驗。
  5. 如請求項4之文獻評讀學習系統,其中,該測驗題目包含一題目難度資訊,該資格資訊是該使用者的答題歷程,該答題歷程包含該使用者已完成的所有測驗題目中判定結果為合格者的題目難度資訊與對應的一累計合格次數,該給題條件是該測驗題目要求至少一題目難度資訊所須累計合格的最少次數。
  6. 如請求項5之文獻評讀學習系統,其中,該題目難度資訊具有一第一難度等級、一第二難度等級及一第三難度等級,對應該第三難度等級的該給題條件是:要求該第一難度等級的該題目難度資訊須累計不少於一第一累計合格次數,且要求該第二難度等級的該題目難度資訊須累計不少於一第二累計合格次數;該第一累計合格次數與該第二累計合格次數不為零。
  7. 如請求項4之文獻評讀學習系統,其中,該測驗題目包含一題目編碼,各該題目編碼彼此不同,使各該題目編碼可對應到不同的測驗題目,該身分管理模組包含一測驗記錄模組,該測驗記錄模組用以將該使用者的該使用者編碼與該使用者的歷史測驗結果關聯,該歷史測驗結果包含該使用者已進行過的測驗題目的題目編碼及分析結果。
  8. 如請求項7之文獻評讀學習系統,其中,在該預設答案被修改的情況中,該歷史測驗結果將對應地修改,使該歷史測驗結果的分析結果是以修改後的預設答案所對應產生。
TW110149149A 2021-12-28 2021-12-28 文獻評讀學習系統 TWI790069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW110149149A TWI790069B (zh) 2021-12-28 2021-12-28 文獻評讀學習系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW110149149A TWI790069B (zh) 2021-12-28 2021-12-28 文獻評讀學習系統

Publications (2)

Publication Number Publication Date
TWI790069B true TWI790069B (zh) 2023-01-11
TW202326388A TW202326388A (zh) 2023-07-01

Family

ID=86670269

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110149149A TWI790069B (zh) 2021-12-28 2021-12-28 文獻評讀學習系統

Country Status (1)

Country Link
TW (1) TWI790069B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107170314A (zh) * 2016-03-07 2017-09-15 北京竞业达数码科技有限公司 一种计算机在线模拟考试装置及其方法
US20190243900A1 (en) * 2017-03-03 2019-08-08 Tencent Technology (Shenzhen) Company Limited Automatic questioning and answering processing method and automatic questioning and answering system
CN111916165A (zh) * 2020-08-18 2020-11-10 泰康保险集团股份有限公司 用于评估量表的相似性评估方法及装置
WO2020258654A1 (zh) * 2019-06-27 2020-12-30 深圳前海微众银行股份有限公司 一种答案获取方法及装置
TW202107422A (zh) * 2019-08-07 2021-02-16 乂迪生科技股份有限公司 線上評量考試系統及其運作方法
CN113627722A (zh) * 2021-07-02 2021-11-09 湖北美和易思教育科技有限公司 基于关键字分词的简答题评分方法、终端及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107170314A (zh) * 2016-03-07 2017-09-15 北京竞业达数码科技有限公司 一种计算机在线模拟考试装置及其方法
US20190243900A1 (en) * 2017-03-03 2019-08-08 Tencent Technology (Shenzhen) Company Limited Automatic questioning and answering processing method and automatic questioning and answering system
WO2020258654A1 (zh) * 2019-06-27 2020-12-30 深圳前海微众银行股份有限公司 一种答案获取方法及装置
TW202107422A (zh) * 2019-08-07 2021-02-16 乂迪生科技股份有限公司 線上評量考試系統及其運作方法
CN111916165A (zh) * 2020-08-18 2020-11-10 泰康保险集团股份有限公司 用于评估量表的相似性评估方法及装置
CN113627722A (zh) * 2021-07-02 2021-11-09 湖北美和易思教育科技有限公司 基于关键字分词的简答题评分方法、终端及可读存储介质

Also Published As

Publication number Publication date
TW202326388A (zh) 2023-07-01

Similar Documents

Publication Publication Date Title
Magliano et al. Computer-based assessment of student-constructed responses
French et al. Learning style preferences of Australian occupational therapy students
Geigle et al. An exploration of automated grading of complex assignments
Srinivasan et al. Measuring knowledge structure: reliability of concept mapping assessment in medical education
Erny A review of the effect of literacy education on the rehabilitation and recidivism rates of formerly incarcerated criminals.
Al-Azawei et al. Evaluating the effect of Arabic engineering students’ learning styles in blended programming courses
Haig et al. Method matters in psychology
Baker et al. Assessment gaze, refraction, and blur: The course of achievement testing in the past 100 years
Kaktiņš Does Turnitin support the development of international students’ academic integrity?
Beigzadeh et al. Strategies for teaching in clinical rounds: A systematic review of the literature
Nixon et al. SNAPPS-Plus: an educational prescription for students to facilitate formulating and answering clinical questions
Zhao et al. AI-assisted automated scoring of picture-cued writing tasks for language assessment
Eom et al. Sense-specific lexical information for reading assistance
Kim et al. Modeling and assessing student activities in on-line discussions
TWI790069B (zh) 文獻評讀學習系統
King Information literacy of incoming undergraduate Arts students at the University of the Western Cape: assessment of competencies and proficiencies
Thomas et al. Automatically assessing graph‐based diagrams
Nick et al. A Global Approach to Promoting Evidence‐Based Practice Knowledge: Validating the Translated Version of the Evidence‐Based Practice Knowledge Assessment in Nursing Into Spanish
Refaei et al. Working Collaboratively to Improve Students' Application of Critical Thinking to Information Literacy Skills.
Kadam et al. AI Based E-Assessment System
Andrews Development and use of essential learning goals and their effect on student reading achievement in grades two through five
Berkova et al. Computer-aided assessment in mathematics (pros and cons from focus group)
Al-Moghrabi et al. The role of chat generative pre-trained transformer in facilitating decision-making and the e-learning process in higher education
Buttram-Brownell Secondary teacher attitudes targeting inclusion of English language learners in mainstream classrooms
Zaghlool et al. Interrogating The Influence Of Automated Writing Evaluation Tools In Language Learning: E-Learners’ Perspectives