基于错题集的学习训练方法、设备、存储介质及程序产品技术

本发明专利技术提供了一种基于错题集的学习训练方法、电子设备、存储介质及程序产品。基于错题集的学习训练方法包括以下步骤：步骤1，获取客户端的题目区域、作答区域和批改区域的数据；步骤2，根据批改区域的数据识别错答题目，将错答题目位于题目区域、作答区域和批改区域的数据展示至客户端并存储至错题库；步骤3，按照预定的规律将错题库中错答题目的位于题目区域和作答区域的数据向客户端推送；待客户端重新作答并批改后，重新作答的数据覆盖原作答区域的数据，重新批改的数据覆盖原批改区域的数据；步骤4，重复步骤2和步骤3直至错题库中错答题目的数量为零。经过有规律的多次重复训练，帮助学生在提高记忆力的同时牢固地掌握知识。帮助学生在提高记忆力的同时牢固地掌握知识。帮助学生在提高记忆力的同时牢固地掌握知识。

【技术实现步骤摘要】
基于错题集的学习训练方法、设备、存储介质及程序产品


[0001]本专利技术涉及计算机应用
，具体而言，涉及一种基于错题集的学习训练方法、电子设备、存储介质及程序产品。

技术介绍

[0002]目前，除了传统的采用纸质作业、纸质试卷的学习考查方式以外，不少学校会通过定制版的平板电脑对学生进行培训考查。该方法让学生在平板电脑上写作业、答试卷，老师则直接在平板电脑上进行批改。很多学生会根据老师对作业、试卷的批改情况书写错题本，并对易错点进行针对性的训练。
[0003]为了提高教学水平成果，研究人员设计了不少学习训练方法以及配套的电子设备。
[0004]公开号为CN111275139A的中国专利技术专利技术展示了一种手写内容去除方法、手写内容去除装置、存储介质，采用的方法是将包含手写区域的输入图像进行识别，确定手写区域的内容后去除，得到不含手写内容的输出图像。
[0005]公开号为CN109710590A的中国专利技术专利技术展示了一种错题本生成方法及装置，采用预先训练的第一区域识别模型识别各个区域，采用预先训练的错题识别模型识别出批改结果为错误的题目，并存储到数据库中，生成错题本。
[0006]现有技术方案的缺陷和不足在于，仅仅是清除了题目的错误答案，且只生成了包括错误答案的错题集，无法在该基础上通过逐步改善的方式让学生多次考察自己对错题的掌握情况，更无法对错题所对应的易错点进行针对性练习。

技术实现思路

[0007]本专利技术的目的在于提供一种基于错题集的学习训练方法、电子设备、存储介质及程序产品，有助于解决上述技术问题。
[0008]本专利技术是这样实现的：第一方面，提供了一种基于错题集的学习训练方法，包括以下步骤：步骤1，获取客户端的题目区域、作答区域和批改区域的数据；步骤2，根据批改区域的数据识别错答题目，将错答题目位于题目区域、作答区域和批改区域的数据展示至客户端并存储至错题库；步骤3，按照预定的规律将错题库中错答题目的位于题目区域和作答区域的数据向客户端推送；待客户端重新作答并批改后，重新作答的数据覆盖原作答区域的数据，重新批改的数据覆盖原批改区域的数据；步骤4，重复步骤2和步骤3直至错题库中错答题目的数量为零。
[0009]在上述技术方案中，进一步地，在所述步骤3中，预定的规律为艾宾浩斯遗忘曲线规律。
[0010]在上述任一技术方案中，进一步地，在所述步骤 中向客户端推送错答题目时，同
时推送与该错答题目属于同一个知识点的同类题目。
[0011]在上述任一技术方案中，进一步地，在所述步骤2中，将识别到的非错答题目的数据存储至正题库。
[0012]在上述任一技术方案中，进一步地，在所述步骤1之前，识别客户端的题目区域、作答区域和批改区域。
[0013]在上述任一技术方案中，进一步地，识别作答区域中的手写数据和打印数据。
[0014]第二方面，提供了一种基于错题集的学习训练用设备，包括：读取识别单元，用于获取客户端的题目区域、作答区域和批改区域的数据，并根据批改区域的数据识别错答题目；存储单元，用于存储错答题目位于题目区域、作答区域和批改区域的数据形成错题库；处理单元，用于展示错答题目、存储错答题目和将错答题目向客户端推送，将重新作答的数据覆盖原作答区域的数据，将重新批改的数据覆盖原批改区域的数据。
[0015]在上述任一技术方案中，进一步地，存储单元还包括用于存储非错答题目的数据的正题库。
[0016]第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序包括用于执行上述基于错题集的学习训练方法的部分或全部步骤。
[0017]第四方面，提供了一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得所述计算机执行上述基于错题集的学习训练方法的部分或全部步骤。
[0018]与现有技术相比，本专利技术的有益效果是：本专利技术的基于错题集的学习训练方法、电子设备、存储介质及程序产品，首先将客户端数据分成题目区域、作答区域和批改区域三个部分，利于服务端读取、识别和分别存储，利于在后续的多次重复训练中不断更新数据，达到逐渐减少错误的目的。其次，在识别错答题目后，经过有规律的多次重复训练，帮助学生在提高记忆力的同时牢固地掌握知识。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0020]图1为本专利技术第一实施例提供的基于错题集的学习训练方法的流程示意图；图2为本专利技术第二实施例提供的基于错题集的学习训练用设备的结构示意图。
[0021]图标：100
‑
客户端；1题目区域；1作答区域；1批改区域；2服务端；2读取识别单元；2存储单元；2
‑
错题库；2正题库；2处理单元。
实施方式
[0022]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是
本专利技术的一部分实施例，而不是全部的实施例。通常在附图中描述和标注的本专利技术实施例的组件能够以各种不同的配置来布置和设计。
[0023]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0025]在本专利技术的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026]下面结合附图，对本专利技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0027]第一实施例：图1为本专利技术第一实施例提供的基于错题集的学习训练方法的流程示意图。请参照图 ，本实施例提供一种基于错题集的学习训练方法，包括以下步骤：步骤1，获取客户端100的题目区域110、作答区域120和批改区域130的数据。
[0028]步骤2，根据批改区域130的数据识别错答题目，将错答题目位于题目区域110、作答区域120和批改区域130的数据展示至客户端100并存储至错题库221。
[0029]步骤3，按照预定的规律将错题库221中错答题目的位于题目区域110和作答区域120的数据向客户端100推送；待客户端100重新作答并批改后，重新作答的数据覆盖原作答区域120的数据，重新批改的数据覆盖原批改区域130的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于错题集的学习训练方法，其特征在于，包括以下步骤：步骤1，获取客户端（100）的题目区域（110）、作答区域（120）和批改区域（130）的数据；步骤2，根据批改区域（130）的数据识别错答题目，将错答题目位于题目区域（110）、作答区域（120）和批改区域（130）的数据展示至客户端（100）并存储至错题库（221）；步骤3，按照预定的规律将错题库（221）中错答题目的位于题目区域（110）和作答区域（120）的数据向客户端（100）推送；待客户端（100）重新作答并批改后，重新作答的数据覆盖原作答区域（120）的数据，重新批改的数据覆盖原批改区域（130）的数据；步骤4，重复步骤2和步骤3直至错题库（221）中错答题目的数量为零。2.根据权利要求1所述的基于错题集的学习训练方法，其特征在于，在所述步骤3中，预定的规律为艾宾浩斯遗忘曲线规律。3. 根据权利要求 所述的基于错题集的学习训练方法，其特征在于，在所述步骤 中向客户端（100）推送错答题目时，同时推送与该错答题目属于同一个知识点的同类题目。4. 根据权利要求 所述的基于错题集的学习训练方法，其特征在于，在所述步骤2中，将识别到的非错答题目的数据存储至正题库（222）。5.根据权利要求1所述的基于错题集的学习训练方法，其特征在于，在所述步骤1之前，识别客户端（100）的题目区域（...

【专利技术属性】
技术研发人员：施其明，刘永坚，白立华，韩双力，刘斌，
申请(专利权)人：武汉理工数字传播工程有限公司，
类型：发明
国别省市：