-
公开(公告)号：CN111445153A
公开(公告)日：2020-07-24
申请号：CN202010243487.1
申请日：2020-03-31
Applicant: 华中师范大学
Abstract: 本发明属于教育测量及教育数据挖掘技术领域，公开了一种面向教育测量的客观试题属性模式估计与校正方法及系统，训练出监督度量学习的度量矩阵M1，使用该矩阵初步挖掘所有学习者的知识掌握情况；取部分数据作为训练集，训练出监督度量学习的度量矩阵M2，对新一道客观试题的属性模式进行估计，而后将该试题作为已知试题加入到基础客观试题中，直至估计出所有试题的属性模式；试题估计完毕后，选取一道试题进行属性模式校正，利用校正的客观试题属性模式挖掘所有学习者的知识掌握情况即学习者属性模式。本发明帮助教学人员更客观而详尽地分析试题组成，提高测试效度与信度，为学习者调整学习计划或采取针对性的补救措施提供依据。
-
公开(公告)号：CN110516116A
公开(公告)日：2019-11-29
申请号：CN201910796774.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种多步分层的学习者认知水平挖掘方法及系统，结合布鲁姆认知领域目标分类及认知心理，构建试题-知识认知水平矩阵P，综合学习者知识认知水平矩阵和试题-知识认知水平矩阵构建学习者理想答题矩阵，利用极大似然估计挖掘学习者知识掌握候选集合；对候选集合内元素的全局期望进行综合判断，获取学习者最终的知识认知水平，并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后，利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂，辅助学习者及时调整学习方案；模型挖掘出的试题隐参数可以评估组成此次测试的试题质量，提高了测试准确性与可信度。
-
公开(公告)号：CN111445153B
公开(公告)日：2023-04-14
申请号：CN202010243487.1
申请日：2020-03-31
Applicant: 华中师范大学
IPC: G06Q10/0639 , G06Q50/20 , G06F18/214 , G06F18/241
Abstract: 本发明属于教育测量及教育数据挖掘技术领域，公开了一种面向教育测量的客观试题属性模式估计与校正方法及系统，训练出监督度量学习的度量矩阵M1，使用该矩阵初步挖掘所有学习者的知识掌握情况；取部分数据作为训练集，训练出监督度量学习的度量矩阵M2，对新一道客观试题的属性模式进行估计，而后将该试题作为已知试题加入到基础客观试题中，直至估计出所有试题的属性模式；试题估计完毕后，选取一道试题进行属性模式校正，利用校正的客观试题属性模式挖掘所有学习者的知识掌握情况即学习者属性模式。本发明帮助教学人员更客观而详尽地分析试题组成，提高测试效度与信度，为学习者调整学习计划或采取针对性的补救措施提供依据。
-
Patent Agency Ranking
公开(公告)号：CN110502636B
公开(公告)日：2022-12-02
申请号：CN201910796765.3
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种面向主客观试题的联合建模及挖掘方法及系统，构建试题知识点层次矩阵，对主客观试题进行联合建模，并进行参数估计；结合知识点占比因子，挖掘学习者的试题掌握程度，并使用多分类神经网络映射到布鲁姆认知领域目标分类中，得到学习者试题掌握层次；对学习者试题得分进行预测，与已有的学习者作答信息进行对比，计算其标准差与平均绝对误差，以评估模型的有效性。本发明实现对客观试题与主观试题的联合建模，使得挖掘粒度更加精细化；本发明将知识点权重融入挖掘模型中，挖掘学习者在测试中的知识掌握程度与试题掌握程度；本发明为挖掘结果提供可支撑性的解释性信息。
-
公开(公告)号：CN111241243B
公开(公告)日：2023-05-26
申请号：CN202010032981.3
申请日：2020-01-13
Applicant: 华中师范大学
IPC: G06F16/33 , G06F16/35 , G06Q10/0639 , G06Q50/20 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/241
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种面向知识测量的试题、知识、能力张量构建与标注方法，结合Q矩阵与布卢姆认知领域教育目标分类，将知识点的掌握划分为六个认知能力水平：知道、领会、应用、分析、综合、评价，构建试题、知识、能力张量；采用主动学习策略，构建可解释试题标签预测模型，获得可解释的标签预测信息熵，利用训练出的可解释试题标签预测模型，将未标注样本输入该预测模型，反馈具有较强解释性的标签预测信息熵，从而进行人机协同。本发明减少了人工标记的主观性对TKA张量的影响，标注准确率与效率高，极大降低专家人力成本。本发明可迁移性强，可应用于各个学科的试题知识点考查标注，方法适用性更好。
-
公开(公告)号：CN110516116B
公开(公告)日：2022-12-02
申请号：CN201910796774.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种多步分层的学习者认知水平挖掘方法及系统，结合布鲁姆认知领域目标分类及认知心理，构建试题‑知识认知水平矩阵P，综合学习者知识认知水平矩阵和试题‑知识认知水平矩阵构建学习者理想答题矩阵，利用极大似然估计挖掘学习者知识掌握候选集合；对候选集合内元素的全局期望进行综合判断，获取学习者最终的知识认知水平，并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后，利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂，辅助学习者及时调整学习方案；模型挖掘出的试题隐参数可以评估组成此次测试的试题质量，提高了测试准确性与可信度。
-
公开(公告)号：CN111241243A
公开(公告)日：2020-06-05
申请号：CN202010032981.3
申请日：2020-01-13
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种面向知识测量的试题、知识、能力张量构建与标注方法，结合Q矩阵与布卢姆认知领域教育目标分类，将知识点的掌握划分为六个认知能力水平：知道、领会、应用、分析、综合、评价，构建试题、知识、能力张量；采用主动学习策略，构建可解释试题标签预测模型，获得可解释的标签预测信息熵，利用训练出的可解释试题标签预测模型，将未标注样本输入该预测模型，反馈具有较强解释性的标签预测信息熵，从而进行人机协同。本发明减少了人工标记的主观性对TKA张量的影响，标注准确率与效率高，极大降低专家人力成本。本发明可迁移性强，可应用于各个学科的试题知识点考查标注，方法适用性更好。
-
公开(公告)号：CN110502636A
公开(公告)日：2019-11-26
申请号：CN201910796765.3
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种面向主客观试题的联合建模及挖掘方法及系统，构建试题知识点层次矩阵，对主客观试题进行联合建模，并进行参数估计；结合知识点占比因子，挖掘学习者的试题掌握程度，并使用多分类神经网络映射到布鲁姆认知领域目标分类中，得到学习者试题掌握层次；对学习者试题得分进行预测，与已有的学习者作答信息进行对比，计算其标准差与平均绝对误差，以评估模型的有效性。本发明实现对客观试题与主观试题的联合建模，使得挖掘粒度更加精细化；本发明将知识点权重融入挖掘模型中，挖掘学习者在测试中的知识掌握程度与试题掌握程度；本发明为挖掘结果提供可支撑性的解释性信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
