[发明专利]一种基于立体教材的精品题库的建立、发行及防伪方法及其教学系统

权利要求书

1.一种基于立体教材的精品题库的建立方法，其特征在于，包括如下步骤：

1）内容标记，用于根据需要筛选精品习题作为题库文件，在Word中编辑待导入习题的内容及版式，使用界定符号标记习题属性数据，属性为题型或者难度级别，确保内容准确并符合题库导入模板要求；

2）文件上传，用于登录内容管理系统，将内容标记模块标记的题库文件上传完毕后，启动习题解析模块，提取摘要信息，计算相似系数，如果数据库中存在相同记录则舍弃，否则根据界定符号提取题型、难度、题干、答案、解析信息并标记需要转换的原始公式符号；

3）公式转换，在习题解析的同时，公式符号转换引擎F2TEX开始工作，该转换的目的是将标记的原始公式符号统一转成LaTeX语句，F2TEX引擎首先将MathType或MathMML格式的原始公式符号转成LaTeX格式，遇到原始公式符号是图片的情况则启动MathPix图像公式识别模块，将图片公式符号提取为文本后再转换为LaTeX语句，同时根据系统录入标准规范，自动纠正不规范的公式符号；

4）页面审核：将待入库的所有习题在网页中加载，使用MathJax做为公式符号渲染引擎，以便各种型号的浏览器可兼容显示公式符号，页面人工审核无误送入组卷审核模块；

5）组卷审核，将待入库的所有习题组建为Word试卷并下载，组建Word试卷的核心模块需要实现第二次公式符号转换，目的是将LaTeX语句转成Word支持的MathML语句，为确保同一内容在Web页面和Word文件显示一致，本发明借鉴并改造了MathJax渲染引擎，新公式转化引擎F2MML使用JavaScript实现并运行在Headless Chrome中，可在服务器端供JAVA调用运行，支持单条或多条公式转换，转换任务量大时，可使用异步运行模式；组卷人工审核无误后习题入库存储；

6）勘误校正，习题入库后，系统还将组织不同水平的学生对内容进行试做，根据反馈信息对题目内容或属性数据进行修正。

2.一种基于立体教材的精品题库的发行及防伪方法，包括如下步骤：

1）图书编辑：出版机构在编辑图书过程中，除传统的书本内容外，还将组织策划更多适合教学或学习的数字资源内容，并在书本合适位置预留这些数字资源的二维码或AR标识图；

2）资源建设：上传的数字资源内容为图片、音视频、文本文件或者包含AR、VR、H5的资源，通过3DMarks、WebGL技术构建AR/VR模型，在移动设备中植入AR/VR渲染引擎，实现WEB和APP跨平台兼容；大量应用ThreeJS、Box2D、Cocos2DJS的JavaScript图形库制作H5动画，动态还原复杂知识场景；

3）关联绑定：图书编辑和资源建设完成后，需要为资源关联至图书中对应的二维码或AR标识图，所有二维码和AR标识图均为全网唯一，系统可追踪其使用状况并记录扫码行为数据；

4）防伪验证：为保障正版图书权益，为每本图书设置了加密的防伪码，并实现“一书一码”，只有用户通过手机扫码验证后，才可享有查看本书数字化资源内容的权利；

5）扫码展示：用户验证教材图书后，可使用手机APP扫描书中的二维码或AR标识图，APP将加载对应的资源内容，为节省用户流量，WiFi连接时可缓存下载资源文件；APP中移植高保真的AR/VR资源渲染需要消耗更多电量，本发明可根据电量自动切换AR/VR资源模型的精细程度。

3.一种基于立体教材的精品题库教学系统，包括如下模块：

课堂教学模块：手机APP可辅助老师完成各项课堂教学活动，包括点名签到、随堂应答、布置作业、发布通告，可根据班级学情分析数据，为老师聚合并推送适合本班教学的数字化资源，极大地减少了老师搜集教学素材的时间，另外，为方便课堂教学，所有数字化资源可通过无线投屏方式，将内容展现到投影仪或大屏幕上；

在线学习模块：学生随时可在手机APP上学习在线云课，除了按照固定的学习路径之外，还设置了智能助学模式，可搜集和评估学生目前的掌握水平和学习阶段，为学生拟合个性化学习路径，略过或减少已掌握知识的推送，提高学习效率；学生使用手机APP扫描教材中的二维码或AR标识图即可进入交互式学习，查看AR/VR数字资源，在线交流讨论知识内容；

考核评测模块：除了随堂应答、课后作业、学生自测等评测形式之外，还提出了智能组卷方案，该方案充分利用课堂教学实录数据和学生在线学习数据，生成适合教学班级的组卷基本参数，如：题型比例、难度系数、知识点范围等，系统根据参数从题库自动选题并排版组卷供老师下载使用；

数据分析模块：借鉴xAPI国际行为数据标准，在前端教学系统采集课堂教学活动数据和在线交互学习数据，初步处理后生成日志记录，每一条日志记录以json格式存储至原始数据中心；原始数据经过清洗初加工，过滤脏数据后转移到数据分类模块，分类模块根据行为类型和知识内容生成不同的数据样本集，数据分析模块使用AI深度机器学习为不同的数据样本集训练特定的数学模型并最终输出分析结果。