診斷型測驗推算學習錯誤原因

利用貝氏機率診斷學生學習錯誤原因。教師可新增題目與錯誤類型，學生作答後，系統即時以貝氏機率計算各錯誤類型的熟悉度，並預測答對率。測驗結束後，會依據不熟悉程度排序錯誤類型，並提供對應說明與教師提供的學習影片協助複習。

使用技術

專案介紹

「診斷型測驗推算學習錯誤原因」是我於2024下學期人工智慧這門課製作的專題，前端使用React JS以及MUI框架完成，後端則使用Node JS以及其框架Express JS完成，資料庫採用非關聯式資料庫MongoDB，前後端均部署於Zeabur平台上。

除此之外，為了能運用「貝式機率」之理論於實作上，也研讀了相關的文獻，並將其實作於後端的API中，讓使用者能夠透過前端的介面來進行測驗，並即時反應正確、錯誤率與對於各種題型的認知度，以及可在測驗結束後查看錯誤類型，藉以了解使用者較不熟悉的內容。