[发明专利]基于认知知识谱的成绩预测方法及其系统在审

专利信息
申请号: 201910740569.4 申请日: 2019-08-12
公开(公告)号: CN110443427A 公开(公告)日: 2019-11-12
发明(设计)人: 张新华;郭小莉;邱文龙 申请(专利权)人: 浙江蓝鸽科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/20
代理公司: 上海一平知识产权代理有限公司 31266 代理人: 成春荣;竺云
地址: 314006 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 试题 认知 预测 答题用户 得分数据 考试成绩 知识点 试卷 获取目标 教学领域 成绩 申请 考试 考核
【说明书】:

本申请涉及教学领域,公开了一种基于认知知识谱的成绩预测方法及其系统。该基于认知知识谱的成绩预测方法包括:获取各用户的认知知识谱,每个用户的认知知识谱包括表示该用户对于各个知识点掌握程度的认知积分,获取目标考试的各历年试卷的每道试题和每道试题的试题属性,其中试题属性包括该试题考核的知识点,获取该各历年试卷的历史答题用户的该每道试题的得分数据,以及根据该历史答题用户的认知知识谱、该每道试题的试题属性和得分数据、被预测用户的认知知识谱,确定该被预测用户的目标考试成绩。本申请的实施方式中能够更加科学有效且准确地预测被预测用户的目标考试成绩。

技术领域

本申请涉及教学领域,特别涉及成绩预测技术。

背景技术

成绩预测功能是在线教育系统中深受用户喜爱的功能。成绩预测不仅可以直观地反映自身当前的知识水平与升学考试目标或水平达标考试目标的差距,还可以准确地评估用户的知识水平在系统用户中的排名,便于教学管理;此外,成绩预测还可以实现升学考试准确地考前估分,为考生考前填报升学考试志愿提供依据。

传统的成绩预测方法大多通过人工收集近年模拟考试成绩、升学考试成绩数据,手动查找近年模拟考试中与被预测者全校排名相近的考生,分析其模拟考试成绩分数、排名与升学考试成绩的关联性,进而实现通过模拟考试成绩预测升学考试的成绩。但是,该方法由于比对的基准成绩样本数据过少、分析过程易受主观情绪影响等因素,导致预测结果的可信度不高。

发明内容

本申请的目的在于提供一种基于认知知识谱的成绩预测方法及其系统,避免了个别数据由于主观或客观随机因素失真而影响预测结果的准确性,能够更加科学有效且准确地预测被预测用户的目标考试成绩。

本申请公开了一种基于认知知识谱的成绩预测方法,包括:

获取各用户的认知知识谱,每个用户的认知知识谱包括表示该用户对于各个知识点掌握程度的认知积分;

获取目标考试的各历年试卷的每道试题和每道试题的试题属性,其中试题属性包括该试题考核的知识点;

获取所述各历年试卷的历史答题用户的所述每道试题的得分数据;

根据所述历史答题用户的认知知识谱、所述每道试题的试题属性和得分数据、被预测用户的认知知识谱,确定该被预测用户的目标考试成绩。

在一个优选例中,所述试题属性还包括题型、能力维度、分值和难度系数,其中所述能力维度包括听说维度和读写维度;

所述每个用户的认知知识谱包括每个知识点对应的能力维度和认知积分。

在一个优选例中,所述根据所述历史答题用户的认知知识谱、所述每道试题的试题属性和得分数据、被预测用户的认知知识谱,确定该被预测用户的目标考试成绩,进一步包括:

根据所述历史答题用户的认知知识谱、所述每道试题的试题属性和得分数据,确定所述每道试题在各不同知识点认知积分分值下的预期得分值;

根据所述被预测用户的认知知识谱和所述每道试题考核的知识点确定所述被预测用户对于所述每道试题的认知积分分值;

根据所述每道试题在各不同知识点认知积分分值下的预期得分值和所述被预测用户对于所述每道试题的认知积分分值,确定所述被预测用户对于所述每道试题的预期得分值;

根据所述被预测用户对于所述每道试题的预期得分值确定其目标考试成绩。

在一个优选例中,所述根据所述历史答题用户的认知知识谱、所述每道试题的试题属性和得分数据,确定所述每道试题在各不同知识点认知积分分值下的预期得分值,进一步包括:

根据所述历史答题用户的认知知识谱、所述每道试题的试题属性和得分数据,确定在各不同知识点认知积分分值下所述每道试题的各得分分值对应的得分人数;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江蓝鸽科技有限公司,未经浙江蓝鸽科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910740569.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top