[发明专利]一种基于大数据分析的智能组题方法

摘要

本发明公开了一种基于大数据分析的智能组题方法，根据学生知识点诊断结果进行智能组题，学生知识点诊断结果依据项目反应理论和遗忘曲线理论进行大数据分析，智能组题包括如下步骤步骤一，确定所需练习的知识点；步骤二，确定学生的做题总数量N；步骤三，确定每个知识点的做题数量；步骤四，确定每个知识点选取哪些题。本发明根据学生个人的知识点掌握情况、学习能力、学习意愿、答题速度等指标，充分考量学生的智力因素与非智力因素，针对不同的学生个体，科学的控制题目难度、题目数量，对学生个性化的进行出题，降低学生学习过程中的抵抗情绪，并提升学生的学习效果。

主权项

一种基于大数据分析的智能组题方法，其特征在于，根据学生知识点诊断结果进行智能组题，学生知识点诊断结果或者采用手动输入，或者由系统自动给出诊断结果；系统自动给出诊断结果的方法如下：步骤一，依据项目反应理论评定用户对于该知识点掌握的概率，计算公式为P(θ)＝1/(1+e^(b‑θ))，其中，θ表示评定用户的能力参数，b表示每个题目的难度系数，θ和b的取值预先设定或者计算得出，e＝2.71828；步骤二，依据遗忘曲线的R值评定用户对于该知识点的记忆程度，计算公式为R＝e^(‑t/s)，其中，t为以天为基本单位的时间间隔，s为记忆强度，e＝2.71828；s的计算方法为，每个知识点初始s＝1，且s最小为1，练习答案正确，则该题的直接和间接知识点的s＝s+1，练习答案错误，直接知识点s＝s‑1，间接知识点s＝s‑(1‑0.2n)，n为该间接知识点与直接知识点之间的相隔层级，n>5时把n视为5；t的计算方法为，当一道题做正确时，该题的直接知识点和间接知识点的记忆时间＝该题练习的日期，t＝当前日期‑记忆时间；步骤三，实时计算P(θ)*R，根据P(θ)*R的结果对用户对该知识点的掌握情况进行诊断，且每次出题前，重新计算P(θ)*R作为智能组题的依据；智能组题包括如下步骤：步骤一，确定所需练习的知识点，方法有两种，一种是手动选择，一种是系统自动选择，系统根据知识点的优先级选择知识点，且一次最多选择5个知识点，所需练习的知识点优先级顺序如下：A1>A2>B>C1>C2，A1为知识点掌握概率<75％且该知识点下题目做题数为0‑30，A2为知识点掌握概率<75％且该知识点下题目做题数为>30，B为无知识点掌握概率数据且无该知识点练习数据，C1为知识点掌握概率≥75％且该知识点下题目做题数为0‑30，C2为知识点掌握概率≥75％且该知识点下题目做题数为>30；步骤二，确定学生的做题总数量N，或者手动选择，或者由系统自动计算；步骤三，确定每个知识点的做题数量；当某知识点掌握概率≥75％时，该知识点题目基数为N/n+1；当某知识点掌握概率50％‑75％时，该知识点题目基数为N/n题；当某知识点掌握概率<50％时，该知识点至少1题；n表示本次需要练习的知识点数，n或者手动选择，或者系统自动计算，当N/n无法整除时四舍五入，当所需练习的知识点合计组题数目<N时，按知识点的优先级由高到低依次添加1题，直至满足作业最少题目数，当所需练习的知识点合计组题数目>N，按知识点由低到高依次删除1题，直至满足作业题目数要求；步骤四，确定每个知识点选取哪些题，其中，个人易错题目的衍生题目占比为70％，该知识点下的新题目占30％。