【技术实现步骤摘要】
学生能力诊断方法及相关设备、存储介质
[0001]本申请涉及数据处理
,特别是涉及一种学生能力诊断方法及相关设备、存储介质。
技术介绍
[0002]为了秉承因材施教的教学理念,期望对学生的能力进行判断,真正了解每个学生的优势或短板,从而更有针对性培养学生能力。目前,老师可以根据自身经验,根据学生课堂表现及试题作答情况评估学生能力,这种依赖人工对学生能力进行诊断,基本完全依靠老师的主观评估,显然人力消耗较大。
[0003]有鉴于此,如何能够智能化诊断学生能力成为亟待解决的问题。
技术实现思路
[0004]本申请主要解决的技术问题是提供一种学生能力诊断方法及相关设备、存储介质,能够智能化诊断学生能力。
[0005]为了解决上述技术问题,本申请第一方面提供了一种学生能力诊断方法,包括:计算设备输入试题作答结果;所述计算设备对所述试题作答结果进行步骤拆解,得到若干个作答步骤;所述计算设备利用网络模型分析所述作答步骤,确定正确/错误类型标签;所述计算设备基于所述正确/错误类型标签,形成能力诊断结果。
[0006]为了解决上述技术问题,本申请第二方面提供了一种计算设备,包括:输入模块,用于输入试题作答结果;拆解模块,用于对所述试题作答结果进行步骤拆解,得到若干个作答步骤;确定模块,用于利用网络模型分析所述作答步骤,确定正确/错误类型标签;结果形成模块,用于基于所述正确/错误类型标签,形成能力诊断结果。
[0007]为了解决上述技术问题,本申请第三方面提供了一种电子设备,包括相 ...
【技术保护点】
【技术特征摘要】
1.一种学生能力诊断方法,其特征在于,所述方法包括:计算设备输入试题作答结果;所述计算设备对所述试题作答结果进行步骤拆解,得到若干个作答步骤;所述计算设备利用网络模型分析所述作答步骤,确定正确/错误类型标签;所述计算设备基于所述正确/错误类型标签,形成能力诊断结果。2.根据权利要求1所述的方法,其特征在于,所述计算设备利用网络模型分析所述作答步骤,确定正确/错误类型标签,包括:基于所述作答步骤,确定得分点的正确/错误类型标签,和/或,基于不同所述作答步骤之间的关系,确定步骤关系的正确/错误类型标签。3.根据权利要求2所述的方法,其特征在于,所述基于所述作答步骤,确定得分点的正确/错误类型标签,包括:利用得分点抽取模型对所述作答步骤的得分点进行抽取,得到至少一个检测得分点;判断所述检测得分点与标准得分点是否匹配,其中,所述标准得分点与所述正确/错误类型标签之间存在得分点映射关系;若是,则基于所述得分点映射关系,确定所述检测得分点的正确/错误类型标签;和/或,所述基于不同所述作答步骤之间的关系,确定步骤关系的正确/错误类型标签,包括:利用篇章结构解析模型解析不同所述作答步骤之间的检测步骤关系;判断所述检测步骤关系与标准步骤关系是否匹配,其中,所述标准步骤关系与所述正确/错误类型标签之间存在步骤关系映射关系;若是,则基于所述步骤关系映射关系,确定所述检测步骤关系的正确/错误类型标签。4.根据权利要求3所述的方法,其特征在于,所述检测得分点的错误类型标签包括:计算能力薄弱、数据分析维度欠缺;和/或,所述检测步骤关系包括条件、推导,所述检测步骤关系的错误类型标签包括条件使用错误、推导错误,所述利用篇章结构解析模型解析不同所述作答步骤之间的检测步骤关系,包括:利用所述篇章结构解析模型的波束搜索确定条件概率最大的所述检测步骤关系。5.根据权利要求1所述的方法,其特征在于,所述计算设备输入试题作答结果包括:所述计算设备输入若干试题的所述试题作答结果;所述计算设备基于所述正确/错误类型标签,形成能力诊断结果,包括:在所述若干试题中确定所有对应所述错误类型标签的试题得分与试题标准分的比值;获得所述若干试题中对应所述错误类型标签的所述比值的平均值,将所述平均值作为所述错误类型标签的分值,形成每个所述错误类型标签对应的能力诊断结果。6.根据权利要求5所述的方法,其特征在于,所述计算设备输入试题作答结果包括:所述计算设备输入目标学生和若干对比学生的若干试题的所述试题作答结果;所述计算设备基于所述正确/错误类型标签,形成能力诊断结果,包括:获取所述若干对比学生在每个所述错误类型标签对应的能力诊断结果的平均值;将所述目标学生的所述能力诊断结果与所述能力诊断结果的平均值的差值,作为所述目标学生的所述错误类型标签对应的能力诊断结果。
7.根据权利要求1所述的方法,其特征在于,所述计算设备对所述试题作答结果进行步骤拆解,得到若干个作答步骤,包括:以所述试题作答结果中的预设符号为分界将所述试题作答结果拆分为若干个所述作答步骤;利用预设分词集合对所述作答步骤进行分词,得到分词后的若干个所述作答步骤。8.根据权利要求1所述的方法,其特征在于,所述计算设备输入试题作答结果之后,所述方法还包括:基于所述试题作答结果,获取试题表示,所述试题表示为向量形式;将所述试题表示输入多任务分类模型,所述试题表示经过浅层卷积层、若干个深层池化层以及深层卷积层的处理,得到若干思想方法分类标签,其中,所述多任务分类模型的所述浅层卷积层快捷连接到所述深层卷积层的输入中,以将所述试题表示的特征传输至所述深层卷积层;基于所述思想方法分类标签,形成基于想法方法的能力诊断结果;其中,所述思想方法分类标签包括数形结合、转化与划归、分类讨论、抽样思想、函数与方程、特殊与一般、概率思想中至少一个。9.根据权利要求1所述的方法,其特征在于,所述计算设备输入试题作答结果之后,所述方法还包括:基于所述试题作答结果,获取试题表示,所述试题表示为向量形式;将所述试题表示输入所述多任务分类模型,所述试题表示经过所述浅层卷积层的处理,得到若干解题方法分类标签;基于所述解题方法分类标签,形成基于解题方法的能力诊断结果;其中,所述解题方法分类标签包括换元法、反证法、排除法、数轴直观法、裂项相消法、穿针引线法中至少一个。10.根据权利要求1所述的方法,其特征在于,所述方法还包括:所述计算设备输入若干参考试题及其对应的参考试题得分,以及包括知识点标签的若干测试试题;基于所述若干参考试题及其对应的参考试题得分,分别获取每个所述参考试题的参考试题表示,以及基于所述若干测试试题,分别获取每个所述测试试题的测...
【专利技术属性】
技术研发人员:丁亮,
申请(专利权)人:科大讯飞股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。