“试题难度”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果319556个，建议您升级VIP下载更多相关专利

[发明专利]一种考虑试题难度属性的Bayes能力评价算法-CN202111162853.1在审
发明人：徐继宁;李志军;高杨;张泽华;胡敦利;魏雨昂 -专利权人：北方工业大学
申请日： 2021-09-30 - 公布日： 2022-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种考虑试题难度属性的Bayes能力评价算法和系统，考虑了试题难度分等级，它能够基于能力导向描述学生对领域知识的学习，进而实现对学生能力的定量评价，并在系统中以可视化呈现出来。
一种考虑试题难度属性 bayes 能力评价算法

[发明专利]针对于程序开发人员的面试方法、装置、设备及存储介质-CN201811123831.2在审
发明人：雷涛 -专利权人：北京城市网邻信息技术有限公司
申请日： 2018-09-26 - 公布日： 2019-01-04 - 主分类号： G06Q10/10 文献下载
摘要：本发明公开了一种针对于程序开发人员的面试方法、装置、设备及存储介质，所述方法包括：从预设的面试题库中选取用于第N次面试的测试题目；接收应聘人员答复所述测试题目的答案；将接收的答案与所述测试题目的预设的各个标准答案进行匹配，其中所述测试题目对应一难度级别，每个标准答案对应一能力级别；在匹配到标准答案时，根据匹配的标准答案，确定所述应聘人员在第N次面试过程的相应难度级别下展现的能力级别。
标准答案测试题目程序开发匹配存储介质难度级别能力级别预设答案题库答复

[发明专利]一种基于大数据的评估学习能力是否提高的方法-CN202010700168.9在审
发明人：陈阵;周鑫 -专利权人：李晚华
申请日： 2020-07-20 - 公布日： 2020-10-30 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开一种基于大数据的评估学习能力是否提高的方法，包括以下步骤：建立样本试题数据库，计算样本试题数据库中每道题的难度系数、划分难度区间，建立标准试卷模型；分别计算测量日期前，具体时间段内学习者与学习者所在集体共同做过的样本试题中对应各个难度区间内的试题的基础得分率；系统命制一份实测试卷，统计在实测试卷中各个难度区间内的每道试题的分值M1～Mn、总分值M；计算学习者对于实测试卷的预估得分率；根据所做的实测试卷，计算学习者的实测得分率，并计算所述实测得分率与学习者的预估得分率的第一差值
一种基于数据评估学习能力是否提高方法

[发明专利]融合认知特性及试题文本信息的个性化组卷方法及系统-CN202011233044.0有效
发明人：王志锋;余新国;左明章;叶俊民;张思;闵秋莎;罗恒;夏丹;姚璜;杨洋 -专利权人：华中师范大学
申请日： 2020-11-06 - 公布日： 2023-09-01 - 主分类号： G06Q10/0639 文献下载
摘要：本发明属于智能教育技术领域，公开了一种融合认知特性及试题文本信息的个性化组卷方法及系统，首先利用认知诊断模型预测学习者在特定试题上基于认知水平的得分；然后利用循环神经网络模型预测学习者在特定试题上的基于文本信息的得分；然后基于得到的学习者基于认知水平、基于文本信息的预测得分构建概率矩阵分解目标函数，预测学习者在特定试题上的潜在得分；最后利用估计的学习者知识掌握向量与学习者增量知识掌握向量，计算KL散度，结合学习者在试题上的潜在得分，选取让学习者知识掌握趋势增加，且难度合适的试题组成个性化测试的试卷。本发明可根据测验目标与试题难度自定义组卷结果，极大增加了学习者自主学习的效率。
融合认知特性试题文本信息个性化方法系统

[发明专利]一种随堂作业的推送系统及方法-CN202110595216.7在审
发明人：沈小莲;肖斌;刘翠凤;梁皓然;谢运勇;熊鹰 -专利权人：东莞市亚太未来软件有限公司
申请日： 2021-05-28 - 公布日： 2021-08-03 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开一种随堂作业的推送系统，包括教师端、后台服务端；所述后台服务端包括知识点获取模块、掌握程度获取模块、作业匹配模块、试题抽取模块，以及自动派发模块。本发明可首先通过知识点获取模块和掌握程度获取模块自动获取每一学生对学习的核心知识点的掌握程度和相应的试题难度基准，再通过作业匹配模块依据每个学生对核心知识点的掌握程度，匹配对应的随堂作业的试题数量和试题难度级别，然后，再通过试题抽取模块对每一学生针对性的抽取相应的试题并生成作业任务单，最后，通过自动派发模块将作业任务单发送至对应的学生，进而实现对每个学生进行针对性的布置作业的目的，简单高效，且可提高学生的学习效率
一种作业推送系统方法

[发明专利]基于知识图谱和预测模型的试题生成方法及系统-CN202311152338.4在审
发明人：马赫;董淑娟;倪小明;郭南明;杜育林;刘佳荣 -专利权人：广州市南方人力资源评价中心有限公司
申请日： 2023-09-08 - 公布日： 2023-10-20 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于知识图谱和预测模型的试题生成方法及系统，该方法包括：获取目标用户的考试需求和用户参数；根据所述考试需求确定多个候选试题集；基于训练好的水平预测神经网络模型，预测所述目标用户的用户水平参数；根据所述考试需求，在预先搭建好的考试‑水平‑知识点关联的知识图谱中确定所述目标用户对应的多个候选知识点；根据所述用户水平参数，从所述多个候选知识点中筛选出知识点难度高于所述用户水平参数的多个目标知识点；根据所述目标知识点，以及所述多个候选试题集，确定所述目标用户对应的考试试题集。可见，本发明能够实现更加智能和自动化的试题生成，且生成的试题能够给予用户一定的难度挑战以提高其学习效果。
基于知识图谱预测模型试题生成方法系统

[发明专利]一种独立式机考系统-CN201310574142.4无效
发明人：罗森;林健锋 -专利权人：罗森;林健锋
申请日： 2013-11-18 - 公布日： 2014-02-26 - 主分类号： G09B7/02 文献下载
摘要：本发明公开了一种独立式机考系统，试题存储模块连接试题随机分配模块，对试题进行一次性存储；试题随机分配模块连接中心模块，对题库内的试题按照难度和数量进行随机分配；网络模块连接中心模块，通过VPN技术连接远程题库本发明无需复杂的安装和卸载操作，能够适应任何课程的考试工作，能够经受任何级别的教学评估和教学检查；实现了“四同一不”的考试理念，即：同样的考试环境、同样的考试时间长度、同样的知识覆盖面、同样的考题难度、每位考生有不同的考试题目。
一种立式系统

[发明专利]一种基于用户学习行为的个性化试题推荐方法-CN201811302272.1在审
发明人：吴迪;杨敏 -专利权人：中山大学
申请日： 2018-11-02 - 公布日： 2019-03-22 - 主分类号： G06Q50/20 文献下载
摘要：本发明公开了一种基于用户学习行为的个性化试题推荐方法，该方法如下：从在线教育平台获取用户历史做题数据、试题与知识点信息；根据用户历史做题数据构造用户‑试题得分矩阵R，根据试题与知识点之间的关联构造试题‑知识点关联矩阵Q；通过DINA模型构建用户认知诊断模型，得到用户知识点掌握矩阵A；根据矩阵A得到用户‑相邻试题集，根据矩阵Q得到试题‑相邻试题集，构建备选试题集；对矩阵R非负矩阵分解，得到用户和试题的隐含特征矩阵W和H，求出W和H矩阵的估计值，得到得分预测模型；计算用户潜在作答情况，并将目标用户自己选择难度范围的试题推荐给目标用户。本发明能准确的将适合目标用户的试题推荐给用户。本发明适用于在线教育领域。
试题矩阵目标用户知识点用户历史用户学习在线教育个性化得分矩阵非负矩阵关联构造关联矩阵模型构建数据构造特征矩阵用户认知用户知识预测模型备选构建隐含分解诊断

[发明专利]一种个性化作业推题方法-CN202211048411.9在审
发明人：左凌慧;李江;梁利阳;苟玉蓉;王波 -专利权人：四川云数赋智教育科技有限公司
申请日： 2022-08-30 - 公布日： 2022-12-02 - 主分类号： G06F16/335 文献下载
摘要：本发明涉及试题推送技术领域，公开了一种个性化作业推题方法，包括以下步骤：步骤S1，设置分层规则，根据分层规则对学生进行分层，将学生分为A层、B层和C层；步骤S2，按照学科特性，将学科分为文字性学科和推理性学科，并对应的设置文字性推题逻辑和推理性推题逻辑；步骤S3，根据文字性推题逻辑、推理性推题逻辑将学生层级和相应学科的试题难度等级计算进行匹配，完成推题，并在推题过程中进行试题文档的导出以及试题任务的下载。本发明根据学生层级和试题难度等级进行计算匹配，可生成个性化作业而非以往的共性作业。
一种个性化作业方法

[发明专利]一种试题难度增强的综合知识追踪方法-CN202211720753.0在审
发明人：侯晨煜;尤澳晨;曹斌;范菁 -专利权人：浙江工业大学
申请日： 2022-12-30 - 公布日： 2023-03-14 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种试题难度增强的综合知识追踪方法，包括：由学生的历史答题记录数据与相应的试题数据构成的数据集，初始化定义学生的答题过程心理能力，经过数据处理后进行评估获得学生的答题能力以及试题和知识点难度，对数据进行嵌入处理，最后使用深度学习方法训练知识追踪模型，得到每个学生的知识状态和优化后的心理能力数据并通过学生的知识状态预测和心理能力数据学生在未来试题上的表现。本发明综合考虑试题的难易情况、学生的做题能力和心理能力等因素贴近真实教育背景下的学习过程以获得合理的知识状态，最终根据学生的知识状态对学生的答题表现进行精准的预测。
一种试题难度增强综合知识追踪方法

[发明专利]试题推荐方法、装置、电子设备和存储介质-CN202110209294.9在审
发明人：汪成成;苏喻;张丹 -专利权人：科大讯飞股份有限公司
申请日： 2021-02-24 - 公布日： 2021-05-11 - 主分类号： G06F40/30 文献下载
摘要：本发明提供一种试题推荐方法、装置、电子设备和存储介质，所述方法包括：基于目标用户的历史答题记录，确定目标用户的认知状态以及目标用户的各候选试题专题；基于目标用户的认知状态，确定目标用户的相似用户，以及认知状态优于目标用户的榜样用户；基于相似用户对各候选试题专题的掌握程度，以及榜样用户对各候选试题专题的掌握程度，从各候选试题专题中确定待推荐专题，并将待推荐专题推送至目标用户。本发明结合相似用户和榜样用户对各候选试题专题的掌握程度进行试题推荐，不仅能够根据目标用户掌握薄弱知识点知识专题推荐试题，而且能够准确选取难度较高的试题资源推荐给目标用户，实现个性化试题推荐。
试题推荐方法装置电子设备存储介质

[发明专利]一种试题难度预测模型的实现装置及方法-CN202210382962.2在审
发明人：陈德勇;孙雄飞;熊平 -专利权人：北京无忧创想信息技术有限公司
申请日： 2022-04-13 - 公布日： 2022-07-08 - 主分类号： G06F40/151 文献下载
摘要：本发明公开了一种试题难度预测模型的实现装置及方法，该装置包括：文本清洗单元，用于对试题库中已存在的试题进行文本清洗；语料库构建单元，用于构建语料库，对试题文本中的每一个文本单元进行标定，并将标定后的试题参数转换成符合IDPM算法所需要的编码规范；模型构建训练单元，用于将编码后的试题参数转换为IDPM模型所能处理的数学向量代入BiLSTM函数进行运算，并对其结果进行Max处理，将经BiLSTM函数处理后的试题题干信息、试题选项信息、试题解析信息和试题标注知识点信息进行拼接，通过全连接层和输出层的运算，并对输出层的结果构建交叉熵损失函数进行训练。
一种试题难度预测模型实现装置方法

[发明专利]一种基于大数据的知识点难度定级方法-CN202210074220.3在审
发明人：秦曙光 -专利权人：珠海读书郎软件科技有限公司
申请日： 2022-01-21 - 公布日： 2022-05-24 - 主分类号： G06Q50/20 文献下载
摘要：本发明为一种基于大数据的知识点难度定级方法，其先确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据，而后根据所述试题信息及作答数据计算出所述目标知识点的难度指数，再根据得到的难度指数给所述目标知识点进行难度定级，周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级，本发明通过在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算目标知识点的难度指数，从而根据难度指数进行知识点难度分级，本发明的更新知识点难度定级方式，能够结合知识点最新的出题情况进行动态调整，能够克服系统因为缺少数据更新变得落后、数据有效性不够等缺点。
一种基于数据知识点难度定级方法

[发明专利]用于在线答题的智能推荐方法及系统-CN201810931330.0在审
发明人：王强 -专利权人：北京博赛在线网络科技有限公司
申请日： 2018-08-15 - 公布日： 2018-12-25 - 主分类号： G06F17/30 文献下载
摘要：该方法包括：生成在线试题和对应的试题标签；接收用户对所述在线试题的实时答题数据，得到第一计算因子；根据所述试题标签，获取所述用户对所述在线试题的历史答题数据，得到第二计算因子；根据所述第一计算因子和所述第二计算因子，按照预设规则进行数据分析，得到推荐内容并推送给所述用户；采用接收用户对所述在线试题的实时答题数据，根据所述试题标签，获取所述用户对所述在线试题的历史答题数据，通过按照预设规则进行数据分析，得到推荐内容并推送给所述用户，从而实现了在线答题高效精准的技术效果，进而解决了相关技术中试题难度与用户自身水平不匹配的技术问题。
试题答题数据在线答题接收用户数据分析推荐内容预设规则智能推荐标签技术效果试题难度匹配申请

[发明专利]解耦的试题表征及应用方法-CN202110922887.X在审
发明人：陈恩红;黄振亚;刘淇;林鑫;王皓 -专利权人：中国科学技术大学
申请日： 2021-08-12 - 公布日： 2021-12-24 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种解耦的试题表征及应用方法，包括问题定义与形式化、收集数据并对数据进行预处理、建立模型；其中，数据预处理包括试题过滤、知识概念过滤和抽样；建立模型包括编码模块、评价模块和迁移模块，编码模块负责根据试题的文本生成试题的概念表征向量和个性表征向量；评价模块负责在预训练表征模型时评价试题表征的质量并训练优化模型参数；迁移模块将预训练的试题表征向量应用于具体的下游任务，将个性表征向量中的知识迁移到下游任务模型以提高任务模型的效果。该方法能够为试题检索、试题难度估计、个性化试题推荐等智慧教育领域的实践提供技术支持，效果好、效益高，大大提高了工作效率。
试题表征应用方法