【技术实现步骤摘要】
本专利技术属于教育信息处理，具体为一种基于多维度分析的错题诊断分类及智能复习规划方法。
技术介绍
1、随着教育信息化的发展，错题管理已逐渐从传统纸质记录转向电子化管理，部分在线教育平台或智能学习系统已初步具备了错题记录、知识点分类与复习提醒等功能。然而，现有的错题系统普遍仍存在以下技术不足：
2、首先，现有错题整理手段大多依赖人工摘抄或人工上传图片，部分产品虽引入了ocr识别技术，但仅停留在将图像转换为文本，无法实现错题的自动归类与结构化分析。这导致错题数据利用率低，归类粒度粗，难以支持系统化学习。
3、其次，现有错题分类方法多基于题型或表层知识点标签，缺乏对学生错误成因的深入挖掘，不能区分不同类型的认知错误(如概念混淆、推理失误、计算粗心等)。这使得系统在给出复习建议时难以契合学生真实的薄弱点，影响学习效果。
4、再次，主流错题复习系统多采用固定周期或用户自定义的复习提醒机制，未考虑遗忘曲线规律、学生个体记忆特征、错题难度与错误类型等多维因素，无法实现对复习时机与内容的动态智能规划，从而导致复习效率
【技术保护点】
1.一种基于多维度分析的错题诊断分类及智能复习规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其中OCR识别技术的识别精度不低于98％，且识别过程记录元数据以辅助错题整理的时序管理。
3.根据权利要求1所述的方法，其中所述错题文本特征向量由TF－IDF加权算法生成，作答行为数据包括操作时间段、每次操作时长和复习次数指标。
4.根据权利要求1所述的方法，根据权利要求1所述的方法，其中错误分类模型采用以下算法：Error＿Type＝α×Semantic＿Similarity+β×Operation＿Sequence＿...
【技术特征摘要】
1.一种基于多维度分析的错题诊断分类及智能复习规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其中ocr识别技术的识别精度不低于98％，且识别过程记录元数据以辅助错题整理的时序管理。
3.根据权利要求1所述的方法，其中所述错题文本特征向量由tf－idf加权算法生成，作答行为数据包括操作时间段、每次操作时长和复习次数指标。
4.根据权利要求1所述的方法，根据权利要求1所述的方法，其中错误分类模型采用以下算法：error＿type＝α×semantic＿similarity+β×operation＿sequence＿deviation+γ×difficulty＿level+δ×error＿pattern，其中α、β、...
【专利技术属性】
技术研发人员：蔡奕侨，吴朝曦，
申请(专利权)人：厦门凡尔纳科技有限公司，
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。