错题原因类别的判定方法技术

本申请提出了一种错题原因类别的判定方法，所述方法针对目前无法对错题原因类别进行自动判断的问题，通过从基础数据中提取出不同粒度的基础特征，并训练多个基础模型将不同粒度的基础特征转换为相同尺度的错因类别概率特征，再输入到综合分类模型中得到错因类别，从而实现针对知识性错误或非知识性错误进行分类的有益效果。分类的有益效果。分类的有益效果。

【技术实现步骤摘要】
错题原因类别的判定方法


[0001]本申请涉及计算机
，特别是涉及一种错题原因类别的判定方法。

技术介绍

[0002]随着计算机软件和硬件技术的发展，现代教育朝着在线化、智能化的方向发展。学生可以通过在线学习平台或智能硬件等载体进行学习和答题练习。同时，老师也可以通过这些平台或载体对学生的答题结果进行判定、批改和分析。智能教育系统为了实现自适应学习，需要分析学生的学情以及错题的原因；而老师为了了解学生的学习情况，也需要分析学生错题的原因，从而进行有效的干预。学生错题的原因可以分为两大类：知识性错误和非知识性错误。知识性错误主要是解题所依赖的关键知识点未掌握或理解偏差，导致不会解题或者解题错误。非知识性错误指的是知识点以外的原因导致的错误，包括马虎、误操作、蒙答案等。在传统的以纸为媒介的答题模式下，学生呈现出的只是答题结果的快照，如解题步骤、答案等静态数据，所以对学生错题的原因分析几乎只能归纳到知识性错误上。而在智能教育系统中，系统可以采集到学生从开始答题到提交答案的全部过程和结果数据，这就为非知识性错误识别提供了数据基础。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种错题原因类别的判定方法，其特征在于，包括以下步骤：根据基础模型对基础数据进行特征识别和错因分类，得到知识点错因概率和非知识点错因概率，其中知识点错因概率和非知识点错因概率的获取步骤包括：针对答题者的学习数据和答题数据的汇总信息提取出综合能力评价；根据综合能力评价对当前错题进行错因分类，得到群组类知识点错因概率与群组类非知识点错因概率；和/或针对当前错题在总体答题记录中的偏离程度提取出错题分布信息；根据错题分布信息对当前错题进行错因分类，得到统计类知识点错因概率与统计类非知识点错因概率；和/或针对解题过程中的时间信息和动作信息提取出解题过程信息；根据解题过程信息对当前错题进行错因分类，得到过程类知识点错因概率与过程类非知识点错因概率；和/或针对错题所反映的答题者对解题所需具备能力的掌握程度得到解题能力因素；根据解题能力因素对当前错题进行错因分类，得到能力类知识点错因概率与能力类非知识点错因概率；和/或针对错题所反映的答题者对解题所涉及知识点的掌握程度得到知识掌握层次；根据知识掌握层次对当前错题进行错因分类，得到知识类知识点错因概率与知识类非知识点错因概率；和/或针对错题答案内容中的语义描述信息得到答案内容描述；根据答案内容描述对当前错题进行错因分类，得到答案类知识点错因概率与答案类非知识点错因概率；和/或针对答题过程或者答案内容有无触发预设的异常解题触发规则得到异常解题信息；根据异常解题信息对当前错题进行错因分类得到规则类知识点错因概率与规则类非知识点错因概率；将知识点错因概率与非知识点错因概率输入综合分类模型预测错因类别概率，根据错因类别概率确定错因类别，其中，错因类别包括：知识点错误或非知识点错误。2.根据权利要求1所述的错题原因类别的判定方法，其特征在于，“针对答题者的学习数据和答题数据的汇总信息提取出综合能力评价”包括：从学生数据、题目数据、知识数据中提取学生掌握程度信息，得到学生画像特征；获取每一题目所涉及知识内容，得到知识画像特征；对学生画像特征、知识画像特征进行特征合并得到画像类特征信息；将画像类特征信息作为综合能力评价。3.根据权利要求1所述的错题原因类别的判定方法，其特征在于，总体答题记录包括针对答题者的个人答题记录以及针对当前错题的所有学生的集体答题记录；“针对当前错题在总体答题记录中的偏离程度提取出错题分布信息”包括：针对当前错题在答题者的个人答题记录的偏离程度计算得到第一偏离值；针对当前错题在所有学生的集体答题记录的偏离程度计算得到第二偏离值；对第一偏离值、第二偏离值进行特征合并得到统计类特征向量；统计类特征向量作为错题分布信息。4.根据权利要求1所述的错题原因类别的判定方法，其特征在于，“针对解题过程中的时间信息和动作信息提取出解题过程信息”包括
采集针对当前错...

【专利技术属性】
技术研发人员：何贵甲，张奎，李贵宾，
申请(专利权)人：杭州智会学科技有限公司，
类型：发明
国别省市：