CN107203584A - 一种基于知识点目标集的学习路径规划方法 - Google Patents

一种基于知识点目标集的学习路径规划方法 Download PDF

Info

Publication number
CN107203584A
CN107203584A CN201710213242.2A CN201710213242A CN107203584A CN 107203584 A CN107203584 A CN 107203584A CN 201710213242 A CN201710213242 A CN 201710213242A CN 107203584 A CN107203584 A CN 107203584A
Authority
CN
China
Prior art keywords
knowledge
learning
knowledge point
learner
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710213242.2A
Other languages
English (en)
Inventor
温武少
陈军祥
高凯诗
刘勤意
秦景辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
SYSU CMU Shunde International Joint Research Institute
Original Assignee
Sun Yat Sen University
SYSU CMU Shunde International Joint Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University, SYSU CMU Shunde International Joint Research Institute filed Critical Sun Yat Sen University
Priority to CN201710213242.2A priority Critical patent/CN107203584A/zh
Publication of CN107203584A publication Critical patent/CN107203584A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于知识点目标集的学习路径规划方法，本发明所提供的基于目标集的学习路径规划方法是在复杂的知识网络之下，规划所要学习的目标知识点集，然后根据学习者当前的学习状态，采用搜索算法找出覆盖完整目标知识点集的知识网络，进而制定出最佳的学习路径。在学习过程中系统对学习者的学习状态进行分析，动态地改变学习路径，达到学习指导的效果。实现快速掌握点目标知识点集，提高学习者的学习效率。

Description

一种基于知识点目标集的学习路径规划方法
技术领域
本发明涉及在线教育与知识网络领域，更具体地，涉及一种基于知识点目标集的学习路径规划方法。
背景技术
随着人类研究成果不断涌现、互联网时代的到来，人类社会已经进入了“知识大爆炸”时代。据相关部门统计，人类近30年所积累的科学知识几乎占据了有史以来所积累的知识总量的90％。人类的知识网络越来越复杂，学生在认知过程中，面对大量的知识点及其之间关系，容易出现迷失的现象。学习者的学习基本是以课程、阶段等作为一个大单位，在知识网络中，课程或阶段等学习目标往往是由一系列知识点构成的知识点集(统称为学习目标集)。同时每位学习者的知识结构和学习过程又存在着差异。
目前，针对知识网络下的学习路径制定的相关研究有：基于蚁群优化的学习路径生成方法，其采用了贝叶斯网络描述知识单元的认知序关系；朱海萍等通过深度优先遍历算法实现基于知识地图的多约束学习路径推荐的方法；Kuo-KuangChu等人提出用本体思想解决学习导航路径的生成问题等。这些关于知识网络下学习路径的制定的相关研究不能根据特定学习者的实际掌握情况做出判断并在此基础上制定出有效的、最适合的学习轨迹。
发明内容
本发明提供一种基于知识点目标集的学习路径规划方法，该方法结合学习者的当前学习状态向学习者推荐较佳的学习路径，方便学习者快速地掌握目标集知识点。
为了达到上述技术效果，本发明的技术方案如下：
一种基于知识点目标集的学习路径规划方法，其步骤包含：
S1：利用知识点构建一个三维知识网络，可设置成有向无权图G＝{V,E}，其中V对应知识点集合，E对应知识点之间的前后驱或者父子关系集合；
S2：在三维知识网络G下，对于某种人才培养或者学习目标，系统按规划提取目标所需要掌握的知识点集合，形成学习者的目标学习知识点集TA；
S3：对某个具体学习者A，系统依据历史数据或者在线评测确定该学习者在知识网络G下已经掌握的学习知识点集合SA，即学习者的当前学习状态或初始学习状态；
S4：对比学习者A当前的学习知识点集合SA与目标学习知识点集合TA在三维知识网络G下的位置分布，设定从当前知识点集合SA为起点，以目标集知识点TA为目标，在此三维知识网络G下，基于某种搜索算法计算或者规划一个能够覆盖所有目标知识点集合的知识子网GA。这个知识子网是学习者A必须要完成学习的知识点集合；
S5：依据GA充分考虑知识点的前后关系及可并发性，规划一个学习路径RA，这路径可支持非相关知识点的并行性，确保前后或父子关系知识点的学习顺序；
S6：学习者A依据RA学习，系统实时监控并记录其学习进度和状态。系统会对比其与其他同等级学习者的进度并反馈，以指引其是否需要调整学习速度或者时间等。
进一步地，步骤S1中，所述三维知识网络将知识点的相关知识点，前、后续知识点，父、子知识点与兄弟知识点映射到三维空间中的x平面、y平面和z平面，形成三维立体的可视化知识网络空间结构。其中，在三维空间上或相同平面上部分互相连接的知识点所形成的知识网络是整个知识网络空间的子知识网络。一般地，知识子网往往围绕某一学习主题或教学大纲而形成。
进一步地，步骤S1中，所述的三维知识网络模型中的知识点之间含有父子关系(层次关系)、依赖关系、支撑关系、兄弟关系、相关关系。学习者需掌握的目标学习知识点与其已掌握知识点可能是上述所有关系之一种或更多。两个知识点间的掌握顺序可以分为前续、后续。若知识点Vi需要在Vj知识点之前把握，则称知识点Vi为知识点Vj的前续、知识点Vj为知识点Vi的后续。
进一步地，步骤S2中，所述的目标学习知识点集合TA是由一个知识点或多个知识点组成的，它们是按规划学习者必须完成的目标学习知识点集合。
进一步地，步骤S2中，所述的规划是由学科专家、教学大纲、培训老师、学习者、或人工智能系统等制定的学习计划。
进一步地，步骤S3中，所述的学习者A的初始状态SA是系统统根据学习者以前在系统中的记录，或者学习者输入的自己的学历状况等资料，配合系统评测来确定当前掌握的学习知识点集合。其中系统评测需预先设置知识点的测试阈值。该阈值可根据通过大量学习者的学习反馈推动知识点难度更新而更新，体现系统预期某个学习者必须达到的对该知识点的掌握程度。经过系统评测后，若学习者A掌握程度高于测试阈值，则视为学习者掌握了该知识点。系统把A将所掌握的所有知识点组成一个已掌握的知识点集合SA。
进一步地，步骤S4中，所述的搜索算法根据三维知识网络中知识点有层次关系的特点，取一个不在初始状态SA的一个目标知识点Vk，按前续或者父知识点扩展法逐层前溯其前续知识点或者父知识点，一直到达已经掌握的知识点集SA中的一个或者多个知识点为止。此过程中，可以有多条路径从SA的一个或者多个知识点，到达目标知识点Vk，将所有能从SA到达目标知识点Vk的路径加入学习者A的学习子网GA。重复以上步骤，一直到目标学习知识点集TA所有知识点都覆盖了，最后形成的学习子网GA为学习者A需要掌握学习的知识子网。
进一步地，步骤S5中，依据GA，充分考虑知识点的前后关系及可并发性，采用综合规划方法，规划一个学习路径RA，这路径可支持非相关知识点的并行性，确保前后关系知识点的学习顺序，形成此指引性学习路径。
进一步地，步骤S6中，学习者的学习进度包括学习者沿着建议学习路径RA学习的速度、学习的效率、学习的成果、建议学习路径RA上已学习的知识点内的内容覆盖度、学习时间、测试结果、测试次数等多方面数据。系统会完整记录学习者的最新学习状态，该状态可为学习者发起下一个知识学习路径优化查询或搜索时候的已掌握(初始)学习状态。系统可结合大量用户的学习数据及该学习者的学习数据，分析学习者在该建议路径上的学习是否需要调整并反馈给学习者。同时记录学习者的最新学习状态，该状态是学习者发起下一个知识学习路径查询和搜索时候的已掌握(初始)学习状态。
与现有技术相比，本发明技术方案的有益效果是：
本发明所提供的基于目标集的学习路径规划方法是在复杂的知识网络之下，规划所要学习的目标知识点集，然后根据学习者当前的学习状态，采用搜索算法找出覆盖完整目标知识点集的知识网络，进而制定出最佳的学习路径。在学习过程中系统对学习者的学习状态进行分析，动态地改变学习路径，达到学习指导的效果。实现快速掌握点目标知识点集，提高学习者的学习效率。
附图说明
图1为本发明方法流程图；
图2为本发明中三维知识网络结构；
图3本发明中单个知识点的搜索路径树状结构图；
图4本发明中初始学习状态和目标状态示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，一种基于知识点目标集的学习路径规划方法，可以包含如下步骤：
S1：利用知识点构建一个三维知识网络，其结构可参考图2。将知识网络设置成有向无权图G＝{V,E}，其中V对应知识点集合，E对应知识点之间的前后驱和父子关系集合。
S2：制定目标知识点集TA。
目标知识点集由一系列相关知识点构成，是由学科专家针对于某种人才培养或者学习目标所规划的。
举例来说，云计算工程师是一个人才培养方向，想要成为云计算工程师就必须掌握有关云计算方向的相关知识点，所有这些知识点构成一个目标知识点集，由学科专家来规划这个知识点集合中的所有知识点。
想要达成这些知识点就必须具备一定的基础知识，由基础知识点到目标集知识点层级迭代形成复杂的关系网状。
S3：确定学习者的当前学习状态或初始学习状态。
对某个具体学习者A，学习者在使用系统来进行学习的过程中会产生个人数据，系统收集这些数据并且依据历史数据或者通过在线评测方式确定该学习者在知识网络G下已经掌握的学习知识点集合SA。所有这些知识点集合确定了学习者的当前学习状态或初始学习状态。
选取JavaScript知识点作为实施例，对比目标知识点集合初始状态在知识网络中的位置分布情况见图4。其中粗实线标记的“JavaScript的概念”、“BOM”、“JavaScript的作用”、“引入JS三种方式”知识点表示学习者已经掌握，而虚线标记的“JS中的对象”、“JS中函数的调用”表示目标知识点。
S4：设定从当前知识点集合SA为起点，以目标集知识点TA为目标，在此三维知识网络G下，基于某种搜索算法计算或者规划一个能够覆盖所有目标知识点集合的知识子网GA。这个知识子网是学习者A必须要完成学习的知识点集合。搜索算法根据三维知识网络中知识点有层次关系的特点，取一个不在初始状态SA的一个目标知识点Vk，按前续或者父知识点扩展法逐层前溯其前续知识点或者父知识点，一直到达已经掌握的知识点集SA中的一个或者多个知识点为止。以Vk作为起点的搜索树状结构图见图3。
S5：步骤S5中，依据GA，充分考虑知识点的前后关系及可并发性，采用综合规划方法，规划一个学习路径RA，这路径可支持非相关知识点的并行性，确保前后关系知识点的学习顺序，形成此指引性学习路径。
综合规划方法有许多方式，比如拓扑排序等。
S6：系统对学习者A的学习状态进行分析，评估其进度，对比其他同等级(同年级或者能力相近的)学习者的进度，反馈给学习者。
并根据上述的两个方面(进度以及进度对比)对学习者的学习计划进行适当调整，改良学习方法和路径。
在学习的过程中，系统依据学习者沿着建议学习路径RA学习的速度、学习的效率、学习的成果、建议学习路径RA上已学习的知识点内的内容覆盖度、学习时间、测试结果、测试次数等多方面数据作为学习者学习进度评判的依据。
系统会完整记录学习者的最新学习状态，该状态可为学习者发起下一个知识学习路径优化查询或搜索时候的已掌握(初始)学习状态。
系统可结合大量用户的学习数据及该学习者的学习数据，分析学习者在该建议路径上的学习是否需要调整并反馈给学习者。同时记录学习者的最新学习状态，该状态是学习者发起下一个知识学习路径查询和搜索时候的已掌握(初始)学习状态。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种基于知识点目标集的学习路径规划方法，其特征在于，包括以下步骤：
S1：构建一个三维知识网络，设置成有向无权图G＝{V,E}，其中V对应知识点集合，E对应知识点之间的前后驱或者父子关系集合；
S2：在三维知识网络G下，对于某种人才培养或者学习目标，按规划提取目标所需要掌握的知识点集合，形成学习者的目标学习知识点集TA；
S3：对某个具体学习者A，依据历史数据或者在线评测确定该学习者在知识网络G下已经掌握的学习知识点集合SA，即学习者的当前学习状态或初始学习状态；
S4：对比学习者A当前的学习知识点集合SA与目标学习知识点集合TA在三维知识网络G下的位置分布，设定从当前知识点集合SA为起点，以目标集知识点TA为目标，在此三维知识网络G下，基于某种搜索算法计算或者规划一个能够覆盖所有目标知识点集合的知识子网GA，这个知识子网是学习者A必须要完成学习的知识点集合；
S5：依据GA充分考虑知识点的前后关系及可并发性，规划一个学习路径RA，这路径支持非相关知识点的并行性，确保前后或父子关系知识点的学习顺序；
S6：学习者A依据RA学习，实时监控并记录其学习进度和状态，对比其与其他同等级学习者的进度并反馈，以指引其是否需要调整学习速度或者时间。
2.根据权利要求1所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S1中，三维知识网络将知识点的相关知识点，前后续知识点，父子知识点与兄弟知识点映射到三维空间中的x平面、y平面和z平面，形成三维立体的可视化知识网络空间结构；其中，在三维空间上或相同平面上部分互相连接的知识点所形成的知识网络是整个知识网络空间的子知识网络，知识子网往往围绕某一学习主题或教学大纲而形成。
3.根据权利要求2所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S1中的三维知识网络模型中的知识点之间含有父子关系、依赖关系、支撑关系、兄弟关系、相关关系；学习者需掌握的目标学习知识点与其已掌握知识点是上述所有关系之一种或更多；两个知识点间的掌握顺序分为前续、后续；若知识点Vi需要在Vj知识点之前把握，则称知识点Vi为知识点Vj的前续、知识点Vj为知识点Vi的后续。
4.根据权利要求3所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S2中的目标学习知识点集合TA是由一个知识点或多个知识点组成的，它们是按规划学习者必须完成的目标学习知识点集合；相同的学习群体中的成员有相同的目标学习知识点集。
5.根据权利要求4所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S2中的规划是由学科专家、教学大纲、培训老师、学习者、或人工智能制定的学习计划。
6.根据权利要求5所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S3中的学习者A的初始状态SA是根据学习者以前的记录，或者学习者输入的自己的学历状况资料，来确定当前掌握的学习知识点集合；其中评测需预先设置知识点的测试阈值，该阈值根据通过大量学习者的学习反馈推动知识点难度更新而更新，体现预期某个学习者必须达到的对该知识点的掌握程度，经过评测后，若学习者A掌握程度高于测试阈值，则视为学习者掌握了该知识点，把A将所掌握的所有知识点组成一个已掌握的知识点集合SA。
7.根据权利要求6所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S4中的搜索算法根据三维知识网络中知识点有层次关系的特点，取一个不在初始状态SA的一个目标知识点Vk，按前续或者父知识点扩展法逐层前溯其前续知识点或者父知识点，一直到达已经掌握的知识点集SA中的一个或者多个知识点为止；此过程中，有多条路径从SA的一个或者多个知识点，到达目标知识点Vk，将所有能从SA到达目标知识点Vk的路径加入学习者A的学习子网GA。重复以上步骤，一直到目标学习知识点集TA所有知识点都被覆盖，最后形成的学习子网GA为学习者A需要掌握学习的知识子网。
8.根据权利要求7所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S5中，依据GA充分考虑知识点的前后关系及可并发性，采用综合规划方法，规划一个学习路径RA，这路径支持非相关知识点的并行性，确保前后关系知识点的学习顺序，形成此指引性学习路径。
9.根据权利要求8所述的基于知识点目标集的学习路径规划方法，其特征在于，所述步骤S6中，学习者的学习进度包括学习者沿着建议学习路径RA学习的速度、学习的效率、学习的成果、建议学习路径RA上已学习的知识点内的内容覆盖度、学习时间、测试结果、测试次数方面数据；完整记录学习者的最新学习状态，该状态为学习者发起下一个知识学习路径优化查询或搜索时候的已掌握学习状态，结合大量用户的学习数据及该学习者的学习数据，分析学习者在该建议路径上的学习是否需要调整并反馈给学习者，同时记录学习者的最新学习状态，该状态是学习者发起下一个知识学习路径查询和搜索时候的已掌握学习状态。
CN201710213242.2A 2017-04-01 2017-04-01 一种基于知识点目标集的学习路径规划方法 Pending CN107203584A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710213242.2A CN107203584A (zh) 2017-04-01 2017-04-01 一种基于知识点目标集的学习路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710213242.2A CN107203584A (zh) 2017-04-01 2017-04-01 一种基于知识点目标集的学习路径规划方法

Publications (1)

Publication Number Publication Date
CN107203584A true CN107203584A (zh) 2017-09-26

Family

ID=59905725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710213242.2A Pending CN107203584A (zh) 2017-04-01 2017-04-01 一种基于知识点目标集的学习路径规划方法

Country Status (1)

Country Link
CN (1) CN107203584A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108573628A (zh) * 2018-04-23 2018-09-25 中山大学 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法
CN108806341A (zh) * 2018-03-29 2018-11-13 上海乂学教育科技有限公司 一种最优个性化学习路径规划方法
CN108875027A (zh) * 2018-06-21 2018-11-23 广东小天才科技有限公司 家教机的学习功能推荐方法、装置、家教机及存储介质
CN109255548A (zh) * 2018-09-29 2019-01-22 上海智而仁信息科技有限公司 实现分层自适应学习的方法
CN109583589A (zh) * 2018-09-29 2019-04-05 上海智而仁信息科技有限公司 构造分层学习空间的方法
CN109697919A (zh) * 2019-01-31 2019-04-30 平安科技（深圳）有限公司 基于ai语音识别的音乐教学方法、装置和计算机设备
CN109840867A (zh) * 2017-11-28 2019-06-04 中国移动通信集团公司 一种智能教学的方法、设备及装置
WO2019105000A1 (zh) * 2017-12-01 2019-06-06 深圳市科迈爱康科技有限公司 体育教学方法、装置及计算机可读存储介质
CN109859554A (zh) * 2019-03-29 2019-06-07 上海乂学教育科技有限公司 自适应英语词汇学习分级推题装置及计算机学习系统
CN110009956A (zh) * 2019-04-22 2019-07-12 上海乂学教育科技有限公司 英语语法自适应学习方法及学习装置
CN110175942A (zh) * 2019-05-16 2019-08-27 西安交通大学城市学院 一种基于学习依赖关系的学习序列生成方法
CN110400030A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种处理动态问题能力的测评方法及系统、存储介质
CN112801480A (zh) * 2021-01-18 2021-05-14 辽宁向日葵教育科技有限公司 一种教学数据安全防护系统
CN112907004A (zh) * 2019-12-03 2021-06-04 北京新唐思创教育科技有限公司 学习规划方法、装置及计算机存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105853A (zh) * 2007-08-16 2008-01-16 上海交通大学 网络教学中基于非零起点的个性化导学系统
CN102508874A (zh) * 2011-10-15 2012-06-20 西安交通大学 一种知识地图上导航学习路径的生成方法
US20130224715A1 (en) * 2011-04-07 2013-08-29 G7 Research LLC System and method for optimizing learning by correlating structured knowledge and learning techniques with physical metaphors in an educational computer game
CN105389622A (zh) * 2015-10-20 2016-03-09 西安交通大学 一种基于知识地图的多约束学习路径推荐方法
CN106503172A (zh) * 2016-10-25 2017-03-15 天闻数媒科技（湖南）有限公司 基于知识图谱推荐学习路径的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105853A (zh) * 2007-08-16 2008-01-16 上海交通大学 网络教学中基于非零起点的个性化导学系统
US20130224715A1 (en) * 2011-04-07 2013-08-29 G7 Research LLC System and method for optimizing learning by correlating structured knowledge and learning techniques with physical metaphors in an educational computer game
CN102508874A (zh) * 2011-10-15 2012-06-20 西安交通大学 一种知识地图上导航学习路径的生成方法
CN105389622A (zh) * 2015-10-20 2016-03-09 西安交通大学 一种基于知识地图的多约束学习路径推荐方法
CN106503172A (zh) * 2016-10-25 2017-03-15 天闻数媒科技（湖南）有限公司 基于知识图谱推荐学习路径的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王平: "E-learning建构和导航系统", 《中南大学》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109840867B (zh) * 2017-11-28 2022-04-29 中国移动通信集团公司 一种智能教学的方法、设备及装置
CN109840867A (zh) * 2017-11-28 2019-06-04 中国移动通信集团公司 一种智能教学的方法、设备及装置
WO2019105000A1 (zh) * 2017-12-01 2019-06-06 深圳市科迈爱康科技有限公司 体育教学方法、装置及计算机可读存储介质
CN108806341A (zh) * 2018-03-29 2018-11-13 上海乂学教育科技有限公司 一种最优个性化学习路径规划方法
CN108573628A (zh) * 2018-04-23 2018-09-25 中山大学 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法
CN108573628B (zh) * 2018-04-23 2020-11-24 中山大学 基于学习轨迹的学习能力评估与扩展知识点集推荐的方法
CN110400030A (zh) * 2018-04-24 2019-11-01 中国移动通信集团有限公司 一种处理动态问题能力的测评方法及系统、存储介质
CN108875027A (zh) * 2018-06-21 2018-11-23 广东小天才科技有限公司 家教机的学习功能推荐方法、装置、家教机及存储介质
CN109583589A (zh) * 2018-09-29 2019-04-05 上海智而仁信息科技有限公司 构造分层学习空间的方法
CN109255548A (zh) * 2018-09-29 2019-01-22 上海智而仁信息科技有限公司 实现分层自适应学习的方法
CN109255548B (zh) * 2018-09-29 2023-04-07 上海智而仁信息科技有限公司 实现分层自适应学习的方法
CN109697919A (zh) * 2019-01-31 2019-04-30 平安科技（深圳）有限公司 基于ai语音识别的音乐教学方法、装置和计算机设备
CN109859554A (zh) * 2019-03-29 2019-06-07 上海乂学教育科技有限公司 自适应英语词汇学习分级推题装置及计算机学习系统
CN110009956A (zh) * 2019-04-22 2019-07-12 上海乂学教育科技有限公司 英语语法自适应学习方法及学习装置
CN110175942A (zh) * 2019-05-16 2019-08-27 西安交通大学城市学院 一种基于学习依赖关系的学习序列生成方法
CN110175942B (zh) * 2019-05-16 2021-12-07 西安交通大学城市学院 一种基于学习依赖关系的学习序列生成方法
CN112907004A (zh) * 2019-12-03 2021-06-04 北京新唐思创教育科技有限公司 学习规划方法、装置及计算机存储介质
CN112801480A (zh) * 2021-01-18 2021-05-14 辽宁向日葵教育科技有限公司 一种教学数据安全防护系统
CN112801480B (zh) * 2021-01-18 2022-03-01 辽宁向日葵教育科技有限公司 一种教学数据安全防护系统

Similar Documents

Publication Publication Date Title
CN107203584A (zh) 一种基于知识点目标集的学习路径规划方法
CN107862970B (zh) 一种用于翻转课堂的教学质量评价模型
Kardan et al. A new personalized learning path generation method: Aco-map
CN109241291A (zh) 基于深度强化学习的知识图谱最优路径查询系统及其方法
CN108614865A (zh) 基于深度强化学习的个性化学习推荐方法
CN101520858B (zh) 一种求解旅行商问题的蚁群优化-微分进化融合方法
CN104636801A (zh) 一种基于优化bp神经网络的预测输电线路可听噪声方法
CN104217251B (zh) 基于k2算法的装备故障贝叶斯网络预测方法
CN107544973A (zh) 一种对数据进行处理的方法和装置
CN107253195A (zh) 一种运载机器人手臂操控自适应混合学习映射智能控制方法及系统
CN106022471A (zh) 基于粒子群优化算法的小波神经网络模型船舶横摇实时预测方法
CN110807509A (zh) 一种基于贝叶斯神经网络的深度知识追踪方法
CN107133181A (zh) 一种差分小波神经网络软件故障预测技术的构建方法
Ghorbankhani et al. Representation challenges of virtual training in Iran's higher education system: A study of phenomenological approach
CN109934422A (zh) 一种基于时间序列数据分析的神经网络风速预测方法
Maimaiti Modelling and analysis of innovative path of English teaching mode under the background of big data
Febrita et al. Modified genetic algorithm for high school time-table scheduling with fuzzy time window
CN109903201A (zh) 个性化培养方案生成方法和系统
CN107194460A (zh) 金融时间序列预测的量子粒子群优化递归神经网络方法
Avacharmal Explainable AI: Bridging the Gap between Machine Learning Models and Human Understanding
Ahmad et al. A novel adaptive learning path method
Whitbrook et al. Two-timescale learning using idiotypic behaviour mediation for a navigating mobile robot
Xie et al. Skillearn: Machine learning inspired by humans' learning skills
Huang Study of personalized E-learning system based on knowledge structural graph
Wu Quality Evaluation Model of Artificial Intelligence General Education Online Course Based on AI Algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170926