CN108806341A - 一种最优个性化学习路径规划方法 - Google Patents

Abstract

本发明涉及一种最优个性化学习路径规划方法，用于向第一对象推送关于第二对象的推荐学习路径，该推荐学习路径的生成具体为：获取所述第一对象的当前学习状态信息，根据所述当前学习状态信息及第二对象纳米级知识图谱，生成所述推荐学习路径。与现有技术相比，本发明具有提高了推荐课程的学习效果，也大大提高了学生的学习效率等优点。

Description

一种最优个性化学习路径规划方法

技术领域

本发明涉及在线教育技术领域，尤其是涉及一种最优个性化学习路径规划方法。

背景技术

目前中国的初、高中生数量逐年递增，2017年中国的高考学生数量已经达到940万，受限于教育资源和师资力量的限制，各地区的初、高中学校一个班级的人数普遍已经达到将近50人左右，部分人口大省更是能够达到一个班级8、90人，在这样的情况下老师在日常的学校教学中根本无法顾及到每个孩子的不同情况，只能按部就班的根据进度进行统一教学，学习好的学生无法获得更进一步的提升，而成绩不好的学生则会因为跟不上进度和其它同学差距越拉越大，最后造成的结果就是学生在校外花费大量的时间、精力、金钱来进行补习或提升。

随着科技的进步和政府的大力支持下，人工智能技术越来越成熟和普及化，已经在各个方面都介入到了人们的生活中，其中就包括教育领域。越来越多的教育机构开始在教学过程中添加人工智能，“智适应教育”这个概念也应运而生。在初期探索阶段，各种“智适应教育”教学方式层出不穷，从教学人数上来讲，小班制教学出现了双师课堂、人主机辅等模式，而一对一教学由于各种条件和硬件的限制，基本还是处于老师人肉讲课阶段，所以，“师”的质量仍然是衡量教学质量的重要标准。

为此，在保证教学质量前，就要首先确定老师的质量是否满足要求。针对不同的学生制定最合适的个性化学习路径是提升教学质量的必要条件，需要老师有大量的教学经验作为基础，而教学经验是一个缓慢的累积过程目前并没有有效快速提升的方法，有经验的老师、名师数量对于庞大的市场需求来说又实在太少，一直处于供不应求的状态。

由此可见，现在的教育环境中教学质量仍然受限于老师的数量和质量条件。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种最优个性化学习路径规划方法。

本发明的目的可以通过以下技术方案来实现：

一种最优个性化学习路径规划方法，用于向第一对象推送关于第二对象的推荐学习路径，该推荐学习路径的生成具体为：获取所述第一对象的当前学习状态信息，根据所述当前学习状态信息及第二对象纳米级知识图谱，生成所述推荐学习路径。

进一步地，所述获取所述第一对象的当前学习状态信息具体为：

101)获取所述第一对象的基本信息；

102)根据所述基本信息及选定的第二对象生成一先行测试题集，并推送；

103)获取所述第一对象对所述先行测试题集的行为数据；

104)根据所述行为数据获得第一对象的当前学习状态信息。

进一步地，所述基本信息包括学校信息、对象年级信息和教材版本信息。

进一步地，所述行为数据包括对所述先行测试题集中各题目的反馈答案的正误和反馈时间。

进一步地，所述根据所述行为数据获得第一对象的当前学习状态信息具体为：

根据所述行为数据计算第一对象的知识点能力值、知识点效率值和知识点稳定值，以所述知识点能力值、知识点效率值和知识点稳定值组成的三维向量作为当前学习状态信息，其中，

所述知识点能力值与该知识点的正误率成正比，所述知识点效率值与该知识点的反馈时间成反比，所述知识点稳定值与该知识点的知识点能力值的稳定性相关。

进一步地，所述推荐学习路径包括常规学习路径和竞赛拓展学习路径。

与现有技术相比，本发明具有以下有益效果：

1)本发明根据学生的当前学习状态信息，智能、自适应地生成推荐学习路径，提高了推荐课程的学习效果，也大大提高了学生的学习效率。

2)本发明以纳米级知识点为基础进行学习路径的规划，从而保证了学生学习知识的全面性，更有效的提升学生的学习能力。

3)本发明的当前学习状态信息同时考虑了学生对于知识点的能力值、效率值和稳定值，有效提高了后续推荐学习路径的准确性，从而进一步提升学习效果。

4)而相比真人一对一教学来说，每位学生找的老师教学质量并不相同，老师的教龄、对学科的理解，对学生的理解和能力的判断以及其他客观因素都有可能会影响到对学生的学习路径规划，本发明在为学生节省了教师人力成本、交通成本，费用成本的同时，还为所有的学生提供了智能并且统一的判断标准，来为每位学生量身打造自己的学习路径。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明提供一种最优个性化学习路径规划方法，用于向第一对象推送关于第二对象的推荐学习路径，该推荐学习路径的生成具体为：获取第一对象的当前学习状态信息，根据当前学习状态信息及第二对象纳米级知识图谱，生成推荐学习路径。实施例中，第一对象为学生，第二对象为需要学习的某科目，包括小学、初中的语文、数学、英语、物理、化学等主要学习科目。

上述纳米级知识图谱包括一、二、三级知识点，前置知识点，后续知识点，离散知识点，以及各知识点的掌握标记(掌握、未掌握)。

获取第一对象的当前学习状态信息具体为：

101)获取第一对象的基本信息，包括学校信息、对象年级信息和教材版本信息等，其中学校信息用来划分学生所在地区、接受的教学质量以及学校学习的顺序和进度，年级用来划分学生的知识点范围，教材版本用来划分学生的学习内容，通过上述内容自动为学生划定学习内容的范围，确保不会有遗漏或不需要的内容；

102)根据基本信息及选定的第二对象生成一先行测试题集，并推送；

103)获取第一对象对先行测试题集的行为数据，包括对先行测试题集中各题目的反馈答案的正误和反馈时间等；

104)根据行为数据获得第一对象的当前学习状态信息，具体为：

根据行为数据计算第一对象的知识点能力值、知识点效率值和知识点稳定值，以知识点能力值、知识点效率值和知识点稳定值组成的三维向量作为当前学习状态信息，其中，知识点能力值与该知识点的正误率成正比，知识点效率值与该知识点的反馈时间成反比，知识点稳定值与该知识点的知识点能力值的稳定性相关。

在某些实施例中，也可仅根据知识点能力值和知识点稳定值进行当前学习状态信息的计算。

通过先行测试题集及第一对象对该先行测试题集的行为数据，可以获得第一对象的当前学习状态。先行测试题集的生成及推送是实时更新的。如在本实施例中，向第一对象生成及推送的第一题为预设的中间难度的题目，若答对则提升题目难度推后续题目，若答错则降低或不变动题目难度推后续题目。

在某些实施例中，可制定特定的难度提升或降低规则，以提高获取当前学习状态信息的效率。如在本实施例中，当学生答对时，提升知识点能力值，题目的难度提高2级；当学生答错时，降低知识点能力值，题目的难度降低1级；若学生的题已在最高/最低难度，答对/答错后继续推当前等级的难度；设定最小题量及最大题量来判断学生能力值的稳定范围，防止出现猜对或其他判断错误的情况影响最终结果。

在某些实施例中，知识点能力值、知识点效率值和知识点稳定值可数值化，通过各值判断学习对于某一知识点的掌握程度。如以考虑知识点能力值和知识点稳定值为例；当学生的知识点能力达到掌握值并且知识点稳定值处于一范围内时，判断为掌握该知识点；当学生的知识点能力值未达标但知识点稳定值处于一范围内时，判断为未掌握该知识点；且未掌握状态分为低度掌握和较低度掌握两种精确范围，在知识图谱中以相应的状态显示。

在某些实施例中，推荐学习路径包括常规学习路径和竞赛拓展学习路径。推荐学习路径由未掌握的知识点组成，同时关联该知识点的前值知识点和后续知识点。

以某学生对初二数学的学习为例说明上述路径规划方法。

第一步，获取学生的具体信息，包括学生的所在地区、学校、年级、学科、教材版本。

第二步，根据第一步的信息，先为学生进行先行测试以了解学生对所学内容的掌握情况，根据学生的测试结果换算成学生对每个纳米级知识点的能力值，获得学生的当前学习状态信息，判断学生的能力水平。

第三步，根据学生的当前学习状态信息来规划学生的推荐学习路径。通过该推荐学习路径，学生可以对未掌握的知识点进行学习，通过知识点讲解视频、学习题、练习题以及题目解析和题目讲解视频来为学生提供全方位的学习内容，若答题没有思路则会给予学生答题的提示信息，帮助学习；学生掌握了所有知识点后，会对学科的知识点使用能力和方法进行学习，帮助学生更好的掌握学习技巧，最后，通过巩固测试来验证学生的学习成果，若还有不足，会对学生继续针对性的学习，直到掌握为止。

学生一开始就能力很强，或知识点通过学习都掌握后，生成的推荐学习路径就会是一个竞赛拓展学习路径，让学生进入竞赛拓展环节学习，通过深度和宽度拓展来提高学生对学科更进一步的掌握，拓宽学科视野。

第四步，若学生一直处于未掌握状态，则进入错题本学习环节，针对学生未掌握的内容进行针对性的强化学习，从前置知识点、基础知识开始帮助提高。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种最优个性化学习路径规划方法，其特征在于，用于向第一对象推送关于第二对象的推荐学习路径，该推荐学习路径的生成具体为：获取所述第一对象的当前学习状态信息，根据所述当前学习状态信息及第二对象纳米级知识图谱，生成所述推荐学习路径。

2.根据权利要求1所述的最优个性化学习路径规划方法，其特征在于，所述获取所述第一对象的当前学习状态信息具体为：

101)获取所述第一对象的基本信息；

102)根据所述基本信息及选定的第二对象生成一先行测试题集，并推送；

103)获取所述第一对象对所述先行测试题集的行为数据；

104)根据所述行为数据获得第一对象的当前学习状态信息。

3.根据权利要求2所述的最优个性化学习路径规划方法，其特征在于，所述基本信息包括学校信息、对象年级信息和教材版本信息。

4.根据权利要求2所述的最优个性化学习路径规划方法，其特征在于，所述行为数据包括对所述先行测试题集中各题目的反馈答案的正误和反馈时间。

5.根据权利要求4所述的最优个性化学习路径规划方法，其特征在于，所述根据所述行为数据获得第一对象的当前学习状态信息具体为：

根据所述行为数据计算第一对象的知识点能力值、知识点效率值和知识点稳定值，以所述知识点能力值、知识点效率值和知识点稳定值组成的三维向量作为当前学习状态信息，其中，

所述知识点能力值与该知识点的正误率成正比，所述知识点效率值与该知识点的反馈时间成反比，所述知识点稳定值与该知识点的知识点能力值的稳定性相关。

6.根据权利要求1所述的最优个性化学习路径规划方法，其特征在于，所述推荐学习路径包括常规学习路径和竞赛拓展学习路径。