[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

说明书

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；计算的第一差值大于零，则说明学习者的学习成绩有提高。本发明可准确的判断学生的学习成绩是否有进步，误差较小。

技术领域

本发明涉及数据分析领域，尤其涉及一种基于大数据的评估学习能力是否提高的方法。

背景技术

现有技术中，一般是通过多次考试成绩之间的分数差或名次差来评估学生各科成绩是否有提高，然而采用这个评估方法具有以下问题：1、每次考试试卷的总体难度不同，导致不能简单地用分数来描述学习状况的变化。比如，前一次考试平均分为55分，甲得了60分；后一次考试平均分为68分，甲得了65分，显然，不能认为前一次的60分比后一次的65分差；2、由于试卷的结构不同(如题型结构、知识结构、能力结构、难度结构等)，导致即使是两次考试的平均分相同，也不能简单地用分数或名次来描述学习状况的变化。比如，两次考试，前一次难题和容易题少，而中等难度试题较多，后一次难题和容易题都较多，而中等难度题较少，导致两次考试的平均分相同。某位学习者，两次考试中的难题和中等题都做得好，但容易题丢分多，所以前一次分数高、后一次分数低。显然，并不能通过两次分数或名次的变化，来简单地判断他的成绩在下滑；3、由于对知识的熟练性不同，导致不同学习阶段的分数或名次不能真实反映学习状况。比如，甲经过额外培训后，成绩一下子提高了10个名次，于是有人就认为“培训很有效果”，实际上，由于此时甲经过了一段时间的学习，对这些知识已经“很熟练”，而其他人初次学习，因此比较生疏，随着其他人熟练程度的提高，甲的优势就会逐渐消失，名次也逐渐回到了原来的位置。因此，现有技术中的评估方法不准确，无法准确评判学生的成绩是否上升或下降，导致无法准确的评估学生每个阶段的学习情况，误差较大。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于大数据的评估学习能力是否提高的方法，解决现有技术中，评估学生学习成绩是否有提高的评估方法的误差较大，评估不准确的问题。

本发明的技术方案如下：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：

S1：建立样本试题数据库，并计算样本试题数据库中每道题的难度系数，并根据所计算出的每道题的难度系数的数据划分若干个难度区间。

S2：根据S1中的样本试题数据库，建立标准试卷模型，所述标准试卷模型中的试题包括不同的题型，每种题型中对应有不同试题属性的题目，且根据所述试题属性确认每种题型的题量、分值或分值比。

S3：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或基础分数。

所述学习者的基础得分率X＝(a₁+a₂+…+a_n)/(A₁+A₂+…+A_n)×100％；

a₁、a₂、a_n分别表示学习者在同难度区间内所做的试题1、试题2、试题n的所得分数，A₁、A₂、A_n分别表示学习者在同难度区间内所做的试题1、试题2、试题n的分值。