smart revision platform

智能复习：基于人工智能的智能测验/复习平台

项目描述：

该项目的主要目标是采用智能和基于人工智能的方法来开发测验生成平台。该总体目标细分如下：

• 定制测验生成：使用基于人工智能的解决方案根据用户之前的表现生成定制测验。

• 用户绩效反馈生成：让用户对自己的优势和劣势进行清晰的自我评估，以便他们能够专注于相关领域。

• 相关建议和阅读材料生成：使用组织提供的或自定义注释生成阅读材料/建议，以便用户可以即兴修改他的错误/不正确的问题。

项目灵感：

准备测验或考试的学生倾向于采用反复阅读-复习的策略来学习。然而，随着时间的推移，这可能会适得其反。另一方面，对教学大纲进行测验可以是解决这个问题的一个非常有效的解决方案，它可以为教学大纲中较弱的部分提供快速且有用的反馈，并帮助他们对自己的学习习惯进行准确的自我评估。

该项目旨在开发一个测验平台，以增加学生复习时花费的优质时间，从而确保学生花费的时间富有成效，同时通过帮助他们更长时间地保留信息来支持教育的总体目标一段时间。

特征：

• 用户必须使用该机构提供的帐户登录。
• 每个机构都有自己的预制问题和注释材料数据库可供用户使用。
• 该平台将提供按科目划分的复习测验和学习材料。
• 它还将有一个参考书数据库作为与每个主题相关的学习材料。
• 最初，这些参考书将是该学科教授推荐的书。但用户还可以上传自己的自定义参考书和笔记（打字而非图像格式）。

测验生成：

• 问题的数量和时间可以由用户决定。
• 首先将从内部问题数据库中随机抽取问题。每个问题都有一个与之相关的主题/关键字。
• 用户完成测验后，所有错误的回答都将被记录并与该特定的用户帐户关联。
• 下次用户生成测验时，与之前错误回答的问题类似的问题将与随机问题一起添加。
• 这些“类似”的问题可以使用 Glove 嵌入 + KNN 算法找到。

学习材料建议算法：

• 为了生成建议，一般方法是获取测验的最新结果。然后我们接受所有错误的问题并生成主题/关键字列表。
• 然后，将使用简单的关键字搜索在与该主题相关的参考书和笔记的数据库中搜索这些关键字。

技术堆栈/使用的技术

• Node.js 和 Express（后端）
• Mongodb（数据库）
• TailwindCSS（前端设计）
• Flask（API 和 AI 模型调用）
• Tensorflow 和 Keras（构建 AI 模型）

设置步骤：

开始使用

 # Clone repo
git clone https://github.com/kc611/smart-revision-platform.git

NodeJS 服务器

在开发模式下运行

安装所有包依赖项（一次性操作）

npm install

在 http://localhost:3000 以开发模式运行应用程序。不应该在生产中使用

npm run dev

在生产模式下运行：

编译应用程序并在生产模式下启动它。

npm run compile
npm start

API服务器

运行 Flask API

使用以下命令在 http://localhost:5000 以开发模式运行应用程序：

python api.py