一种基于大数据的知识点难度定级方法
【技术领域】
1.本发明涉及智能教育技术领域，具体涉及一种基于大数据的知识点难度定级方法。
背景技术：
2.目前，针对学生学习的知识点的难度等级，通常由出题人或者出题老师进行人为把握和判断。同时，随着计算机技术的不断发展进步，越来越多的老师采用自动出题的方式，比如利用计算机按照对应的题型，从题库中随机选取对应的题目，生成试卷。上述出题方式很难把握知识点的难度，也不能根据收集的大数据自动计算相关试题的知识点难度，很容易出现题目难度过高或者题目难度过低的情况，不利于学生的学习和老师的因材施教。
3.专利cn112348725a公开的基于大数据的知识点难度定级方法，其所公开的知识点掌握程度公式存在明显缺点，同一个用户在完全作对或完全作对的情况下，掌握程度计算结果居然一致，不符合客观实际，并且该公式并未归一化处理，其掌握程度的趋势是，知识点题目越多，则掌握程度会相应不断累加，导致会高于其他题目较少的知识点的掌握程度，非常不合理。且后续的目标知识点复杂度计算公式涉及也并不合理，知识点的难度并不与该知识点的题目量存在明显的正相关关系，故而该专利公开的方法，缺陷太明显，不足以达到其设计之初的效果。
技术实现要素：
4.针对现有技术的不足，本发明旨在提供一种基于大数据的知识点难度定级方法。
5.为了实现上述技术目的，本发明采用如下技术方案：
6.一种基于大数据的知识点难度定级方法，所述方法包括：
7.确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据；
8.根据所述试题信息及作答数据计算出所述目标知识点的难度指数；
9.根据所述指数给所述目标知识点难度定级；
10.周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级。
11.进一步地，所述试题信息至少包括试题总数。
12.进一步地，所述作答数据包括但不限于每道题的作答总人数、作答正确人数、每个用户的作答题目数量、每个用户的正确答题数量。
13.进一步地，所述目标知识点的难度指数kp，可通过如下公式计算获得：
14.w1 w2＝1
15.16.上述公式中，w1、w2表示加权系数，该加权系数可按需调节，n表示目标知识点对应的试题总数，i表示目标知识点中的第i个题目，ri表示第i个题目作对的用户数，wi表示第i个题目做错的用户数，m表示做过该目标知识点中所包含的题目的用户数，j表示第j个用户，qrj表示第j个用户做对的题目数,qwj表示第j个用户做错的题目数。在本发明中，分别在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算知识点的掌握指数。
17.进一步地，所述目标知识点难度定级是由学科专家设置的不同知识点难度等级对应的难度指数分布区间，根据计算所得区间在所述分布区间内的范围(这个是如何计算的)，即可确定该目标知识点的难度等级。
18.进一步地，所述周期性地更新所述目标知识点的试题信息及作答数据是指通过设定周期阈值获取最新的试题信息及作答数据，进而更新知识点难度定级。
19.进一步地，所述周期阈值可根据周、月、季度和/或学期规律性进行节点设置。
20.进一步地，所述最新的试题信息及作答数据可通过包括但不限于作业系统、阅卷系统、智慧课堂系统、错题本系统和/或录题系统进行各知识点的试题源数据采集。
21.进一步地，可对目标知识点下对应题目的作答信息进行校验，当且仅当校验通过后的作答信息对应的题目才能参与计算，如当且仅当每个题目的作答用户数超过预设阈值人数时，该题目才能认为是该知识点的有效统计题目，从而只有有效统计题目才能参与计算。
22.进一步地，更新所述目标知识点的试题及作答信息还包括手动更新、新试题增量超过预设阈值时自动触发更新。
23.本发明的有益效果在于：本发明为一种基于大数据的知识点难度定级方法，其先确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据，而后根据所述试题信息及作答数据计算出所述目标知识点的难度指数，再根据得到的难度指数给所述目标知识点进行难度定级，在此过程中，需要周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级，本发明极具针对性地通过在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算目标知识点的难度指数，从而根据难度指数进行知识点难度分级，这是科学、客观及有效的知识点分级方法，本发明的更新知识点难度定级方式，能够结合知识点最新的出题情况进行动态调整，能够克服系统因为缺少数据更新变得落后、数据有效性不够等缺点。
【具体实施方式】
24.以下将对本发明作进一步的描述。需要说明的是，本实施例以本技术方案为前提，给出了详细的描述和具体的实施方式，但是本发明的保护范围不限于本实施例。
25.一种基于大数据的知识点难度定级方法，所述方法包括：
26.确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据；
27.根据所述试题信息及作答数据计算出所述目标知识点的难度指数；
28.根据所述指数给所述目标知识点难度定级；
29.周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级。
30.在一个实施例中，所述试题信息至少包括试题总数。
31.在一个实施例中，所述作答数据包括但不限于每道题的作答总人数、作答正确人数、每个用户的作答题目数量、每个用户的正确答题数量。
32.在一个实施例中，所述目标知识点的难度指数kp，可通过如下公式计算获得：
33.w1 w2＝1
[0034][0035]
上述公式中，w1、w2表示加权系数，该加权系数可按需调节(按需调节一般是由学科专家根据经验设置，只需满足w1 w2＝1即可)，n表示目标知识点对应的试题总数，i表示目标知识点中的第i个题目，ri表示第i个题目作对的用户数，wi表示第i个题目做错的用户数，m表示做过该目标知识点中所包含的题目的用户数，j表示第j个用户，qrj表示第j个用户做对的题目数,qwj表示第j个用户做错的题目数。在本发明中，分别在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算知识点的掌握指数。
[0036]
在该实施例中，取w1＝0.5，w2＝0.5，目标知识点对应的试题总共有2个题目(n＝2)，第一个题目2人作对，2个人做错，第二个题目1人作对，1人做错，且这两个知识点总共有4个用户答题，第一个用户答对2题，答错0题，第二个用户答对0题答错2题，第三个用户答对1题答错0题，第四个用户答对0题，答错1题，那么目标知识点的难度指数kp如下：
[0037][0038]
在一个实施例中，所述目标知识点难度定级是由学科专家根据经验设置的不同知识点难度等级对应的难度指数分布区间，根据计算所得区间在所述分布区间内的范围，即可确定该目标知识点的难度等级。
[0039]
在该实施例中，目标知识点的难度指数与知识点难度等级对应关系如下：
[0040]
kp在区间0.8-1之间，知识点难度为简单；
[0041]
kp在0.6-0.8之间，知识点难度为一般；
[0042]
kp在0.4-0.6之间，知识点难度为较难；
[0043]
kp在0-0.4之间，知识点难度为很难。
[0044]
在一个实施例中，所述周期性地更新所述目标知识点的试题信息及作答数据是指通过设定周期阈值获取最新的试题信息及作答数据，进而更新知识点难度定级。
[0045]
在一个实施例中，所述周期阈值可根据周、月、季度和/或学期规律性进行节点设置。
[0046]
在一个实施例中，所述最新的试题信息及作答数据可通过包括但不限于作业系统、阅卷系统、智慧课堂系统、错题本系统和/或录题系统进行各知识点的试题源数据采集。
[0047]
在一个实施例中，可对目标知识点下对应题目的作答信息进行校验，当且仅当校验通过后的作答信息对应的题目才能参与计算，如当且仅当每个题目的作答用户数超过预设阈值人数时，该题目才能认为是该知识点的有效统计题目，从而只有有效统计题目才能
参与计算。
[0048]
在一个实施例中，更新所述目标知识点的试题及作答信息还包括手动更新、新试题增量超过预设阈值时自动触发更新。
[0049]
本发明为一种基于大数据的知识点难度定级方法，其先确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据，而后根据所述试题信息及作答数据计算出所述目标知识点的难度指数，再根据得到的难度指数给所述目标知识点进行难度定级，在此过程中，需要周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级，本发明极具针对性地通过在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算目标知识点的难度指数，从而根据难度指数进行知识点难度分级，这是科学、客观及有效的知识点分级方法，本发明的更新知识点难度定级方式，能够结合知识点最新的出题情况进行动态调整，能够克服系统因为缺少数据更新变得落后、数据有效性不够等缺点。
[0050]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
[0051]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0052]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0053]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0054]
尽管参照上面实施例详细说明了本发明，但是通过本公开对于本领域技术人员显而易见的是，而在不脱离所述的权利要求限定的本发明的原理及精神范围的情况下，可对本发明做出各种变化或修改。因此，本公开实施例的详细描述仅用来解释，而不是用来限制本发明，而是由权利要求的内容限定保护的范围。
【技术领域】
1.本发明涉及智能教育技术领域，具体涉及一种基于大数据的知识点难度定级方法。
背景技术：
2.目前，针对学生学习的知识点的难度等级，通常由出题人或者出题老师进行人为把握和判断。同时，随着计算机技术的不断发展进步，越来越多的老师采用自动出题的方式，比如利用计算机按照对应的题型，从题库中随机选取对应的题目，生成试卷。上述出题方式很难把握知识点的难度，也不能根据收集的大数据自动计算相关试题的知识点难度，很容易出现题目难度过高或者题目难度过低的情况，不利于学生的学习和老师的因材施教。
3.专利cn112348725a公开的基于大数据的知识点难度定级方法，其所公开的知识点掌握程度公式存在明显缺点，同一个用户在完全作对或完全作对的情况下，掌握程度计算结果居然一致，不符合客观实际，并且该公式并未归一化处理，其掌握程度的趋势是，知识点题目越多，则掌握程度会相应不断累加，导致会高于其他题目较少的知识点的掌握程度，非常不合理。且后续的目标知识点复杂度计算公式涉及也并不合理，知识点的难度并不与该知识点的题目量存在明显的正相关关系，故而该专利公开的方法，缺陷太明显，不足以达到其设计之初的效果。
技术实现要素：
4.针对现有技术的不足，本发明旨在提供一种基于大数据的知识点难度定级方法。
5.为了实现上述技术目的，本发明采用如下技术方案：
6.一种基于大数据的知识点难度定级方法，所述方法包括：
7.确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据；
8.根据所述试题信息及作答数据计算出所述目标知识点的难度指数；
9.根据所述指数给所述目标知识点难度定级；
10.周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级。
11.进一步地，所述试题信息至少包括试题总数。
12.进一步地，所述作答数据包括但不限于每道题的作答总人数、作答正确人数、每个用户的作答题目数量、每个用户的正确答题数量。
13.进一步地，所述目标知识点的难度指数kp，可通过如下公式计算获得：
14.w1 w2＝1
15.16.上述公式中，w1、w2表示加权系数，该加权系数可按需调节，n表示目标知识点对应的试题总数，i表示目标知识点中的第i个题目，ri表示第i个题目作对的用户数，wi表示第i个题目做错的用户数，m表示做过该目标知识点中所包含的题目的用户数，j表示第j个用户，qrj表示第j个用户做对的题目数,qwj表示第j个用户做错的题目数。在本发明中，分别在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算知识点的掌握指数。
17.进一步地，所述目标知识点难度定级是由学科专家设置的不同知识点难度等级对应的难度指数分布区间，根据计算所得区间在所述分布区间内的范围(这个是如何计算的)，即可确定该目标知识点的难度等级。
18.进一步地，所述周期性地更新所述目标知识点的试题信息及作答数据是指通过设定周期阈值获取最新的试题信息及作答数据，进而更新知识点难度定级。
19.进一步地，所述周期阈值可根据周、月、季度和/或学期规律性进行节点设置。
20.进一步地，所述最新的试题信息及作答数据可通过包括但不限于作业系统、阅卷系统、智慧课堂系统、错题本系统和/或录题系统进行各知识点的试题源数据采集。
21.进一步地，可对目标知识点下对应题目的作答信息进行校验，当且仅当校验通过后的作答信息对应的题目才能参与计算，如当且仅当每个题目的作答用户数超过预设阈值人数时，该题目才能认为是该知识点的有效统计题目，从而只有有效统计题目才能参与计算。
22.进一步地，更新所述目标知识点的试题及作答信息还包括手动更新、新试题增量超过预设阈值时自动触发更新。
23.本发明的有益效果在于：本发明为一种基于大数据的知识点难度定级方法，其先确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据，而后根据所述试题信息及作答数据计算出所述目标知识点的难度指数，再根据得到的难度指数给所述目标知识点进行难度定级，在此过程中，需要周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级，本发明极具针对性地通过在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算目标知识点的难度指数，从而根据难度指数进行知识点难度分级，这是科学、客观及有效的知识点分级方法，本发明的更新知识点难度定级方式，能够结合知识点最新的出题情况进行动态调整，能够克服系统因为缺少数据更新变得落后、数据有效性不够等缺点。
【具体实施方式】
24.以下将对本发明作进一步的描述。需要说明的是，本实施例以本技术方案为前提，给出了详细的描述和具体的实施方式，但是本发明的保护范围不限于本实施例。
25.一种基于大数据的知识点难度定级方法，所述方法包括：
26.确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据；
27.根据所述试题信息及作答数据计算出所述目标知识点的难度指数；
28.根据所述指数给所述目标知识点难度定级；
29.周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级。
30.在一个实施例中，所述试题信息至少包括试题总数。
31.在一个实施例中，所述作答数据包括但不限于每道题的作答总人数、作答正确人数、每个用户的作答题目数量、每个用户的正确答题数量。
32.在一个实施例中，所述目标知识点的难度指数kp，可通过如下公式计算获得：
33.w1 w2＝1
[0034][0035]
上述公式中，w1、w2表示加权系数，该加权系数可按需调节(按需调节一般是由学科专家根据经验设置，只需满足w1 w2＝1即可)，n表示目标知识点对应的试题总数，i表示目标知识点中的第i个题目，ri表示第i个题目作对的用户数，wi表示第i个题目做错的用户数，m表示做过该目标知识点中所包含的题目的用户数，j表示第j个用户，qrj表示第j个用户做对的题目数,qwj表示第j个用户做错的题目数。在本发明中，分别在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算知识点的掌握指数。
[0036]
在该实施例中，取w1＝0.5，w2＝0.5，目标知识点对应的试题总共有2个题目(n＝2)，第一个题目2人作对，2个人做错，第二个题目1人作对，1人做错，且这两个知识点总共有4个用户答题，第一个用户答对2题，答错0题，第二个用户答对0题答错2题，第三个用户答对1题答错0题，第四个用户答对0题，答错1题，那么目标知识点的难度指数kp如下：
[0037][0038]
在一个实施例中，所述目标知识点难度定级是由学科专家根据经验设置的不同知识点难度等级对应的难度指数分布区间，根据计算所得区间在所述分布区间内的范围，即可确定该目标知识点的难度等级。
[0039]
在该实施例中，目标知识点的难度指数与知识点难度等级对应关系如下：
[0040]
kp在区间0.8-1之间，知识点难度为简单；
[0041]
kp在0.6-0.8之间，知识点难度为一般；
[0042]
kp在0.4-0.6之间，知识点难度为较难；
[0043]
kp在0-0.4之间，知识点难度为很难。
[0044]
在一个实施例中，所述周期性地更新所述目标知识点的试题信息及作答数据是指通过设定周期阈值获取最新的试题信息及作答数据，进而更新知识点难度定级。
[0045]
在一个实施例中，所述周期阈值可根据周、月、季度和/或学期规律性进行节点设置。
[0046]
在一个实施例中，所述最新的试题信息及作答数据可通过包括但不限于作业系统、阅卷系统、智慧课堂系统、错题本系统和/或录题系统进行各知识点的试题源数据采集。
[0047]
在一个实施例中，可对目标知识点下对应题目的作答信息进行校验，当且仅当校验通过后的作答信息对应的题目才能参与计算，如当且仅当每个题目的作答用户数超过预设阈值人数时，该题目才能认为是该知识点的有效统计题目，从而只有有效统计题目才能
参与计算。
[0048]
在一个实施例中，更新所述目标知识点的试题及作答信息还包括手动更新、新试题增量超过预设阈值时自动触发更新。
[0049]
本发明为一种基于大数据的知识点难度定级方法，其先确定目标知识点，获取所述目标知识点下对应的所有试题信息及作答数据，而后根据所述试题信息及作答数据计算出所述目标知识点的难度指数，再根据得到的难度指数给所述目标知识点进行难度定级，在此过程中，需要周期性地更新所述目标知识点的试题信息及作答数据，动态调节所述目标知识点的难度定级，本发明极具针对性地通过在目标知识点所有题目的用户答题正确率与所有用户整体做题的正确率两个维度进行加权计算目标知识点的难度指数，从而根据难度指数进行知识点难度分级，这是科学、客观及有效的知识点分级方法，本发明的更新知识点难度定级方式，能够结合知识点最新的出题情况进行动态调整，能够克服系统因为缺少数据更新变得落后、数据有效性不够等缺点。
[0050]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
[0051]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0052]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0053]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0054]
尽管参照上面实施例详细说明了本发明，但是通过本公开对于本领域技术人员显而易见的是，而在不脱离所述的权利要求限定的本发明的原理及精神范围的情况下，可对本发明做出各种变化或修改。因此，本公开实施例的详细描述仅用来解释，而不是用来限制本发明，而是由权利要求的内容限定保护的范围。
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
