CN109033418A - 一种学习内容的智能推荐方法及学习设备 - Google Patents
一种学习内容的智能推荐方法及学习设备 Download PDFInfo
- Publication number
- CN109033418A CN109033418A CN201810887957.0A CN201810887957A CN109033418A CN 109033418 A CN109033418 A CN 109033418A CN 201810887957 A CN201810887957 A CN 201810887957A CN 109033418 A CN109033418 A CN 109033418A
- Authority
- CN
- China
- Prior art keywords
- study
- student
- facility
- target
- learning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000006870 function Effects 0.000 claims description 45
- 230000002452 interceptive effect Effects 0.000 claims description 15
- 230000015654 memory Effects 0.000 description 17
- 230000001755 vocal effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000036651 mood Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005428 wave function Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
一种学习内容的智能推荐方法及学习设备，该方法包括：学习设备在进入在线学习平台后，启动摄像设备捕获学生在某一书本上指定的知识点；从大数据平台中获取学生的个人模型，个人模型至少包括学生的个人基本信息和学习情况；个人基本信息至少包括学生所处的年级，学习情况至少包括学生学习的各个科目以及各个科目的掌握程度；从各个科目确定出知识点所属的目标科目，根据目标科目的掌握程度确定出符合学生实际需求的当前学习难度等级；从在线学习平台中查询出与学生所处的年级和当前学习难度等级匹配的、并且知识点对应的学习内容推荐给学生进行学习。能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率。
Description
技术领域
本发明涉及在线教育技术领域，具体涉及一种学习内容的智能推荐方法及学习设备。
背景技术
当前，随着互联网的广泛普及，在线教育已经成为一种主要的学习形式。学生在利用在线教育进行学习时，通常需要先进入一个在线学习平台，然后还需要自己去在线学习平台中寻找符合自身实际需求的学习内容，这样不仅费时费力，而且还不一定能寻找到符合自身实际需求的学习内容，从而不利于提高学习的效率。
发明内容
本发明实施例公开了一种学习内容的智能推荐方法及学习设备，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
本发明实施例第一方面公开一种学习内容的智能推荐方法，所述方法包括：
学习设备在进入在线学习平台后，启动所述学习设备的摄像设备捕获某一学生在某一书本上指定的知识点；
所述学习设备从大数据平台中获取所述学生的个人模型，所述学生的个人模型至少包括所述学生的个人基本信息和学习情况；其中，所述学生的个人基本信息至少包括所述学生所处的年级，所述学习情况至少包括所述学生学习的各个科目以及所述各个科目的掌握程度；
所述学习设备从所述各个科目确定出所述知识点所属的目标科目，并且根据所述目标科目的掌握程度确定出符合所述学生实际需求的当前学习难度等级；
所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和所述当前学习难度等级匹配的并且与所述知识点对应的学习内容；
所述学习设备将所述学习内容推荐给所述学生进行学习。
作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：
所述学习设备获取所述学生学习完毕所述学习内容时的学习结果；
所述学习设备以所述学习结果为依据，确定出所述学生对所述学习内容的掌握程度；
所述学习设备判断所述学生对所述学习内容的掌握程度是否等于或高于指定阈值，若是，所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的并且与所述知识点对应的学习内容并推荐给所述学生进行学习；
其中，所述下一学习难度等级高于所述当前学习难度等级。
作为一种可选的实施方式，在本发明实施例第一方面中，所述学生的个人基本信息还包括所述学生的身份信息，所述学习情况还包括所述各个科目对应的教师终端标识，所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的、并且所述知识点对应的学习内容并推荐给所述学生进行学习之后，所述方法还包括：
所述学习设备从所述各个科目对应的教师终端标识中确定出所述目标科目对应的目标教师终端标识；
所述学习设备将所述目标教师终端标识和学习汇报信息上报给云平台，以使所述云平台根据所述目标教师终端标识，将所述学习汇报信息发送给所述目标教师终端标识所属的教师终端；
其中，所述学习汇报信息至少包括所述学生的身份信息、所述当前学习难度等级、所述知识点以及描述信息，所述描述信息用于描述所述学生已掌握所述当前学习难度等级匹配的并且与所述知识点对应的学习内容。
作为一种可选的实施方式，在本发明实施例第一方面中，所述学习设备将所述目标教师终端标识和学习汇报信息上报给云平台之后，所述方法还包括：
所述学习设备获取所述云平台发送的学习奖励虚拟礼物；其中，所述学习奖励虚拟礼物是所述目标教师终端标识所属的教师终端在收到所述学习汇报信息后提示教师通过所述云平台发送给所述学生的学习奖励虚拟礼物；
所述学习设备将所述学习奖励虚拟礼物存储至所述学生学习的所述目标科目对应的虚拟礼物资源池；
所述学习设备将所述目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给所述云平台，以使所述云平台在确定出存在与所述学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于所述目标科目的学生应用功能时，由所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能之后，所述方法还包括：
所述学生设备将所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能与所述学生的个人模型进行关联；
所述学习设备向所述学生输出提示信息，所述提示信息用于描述所述云平台已在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能；其中，所述云平台在所述学习设备上为所述学生开通的所述适用于所述目标科目的学生应用功能的使用权限仅属于所述学生。
本发明实施例第二方面公开一种学习设备，包括：
启动单元，用于在所述学习设备进入在线学习平台后，启动所述学习设备的摄像设备捕获某一学生在某一书本上指定的知识点；
第一获取单元，用于从大数据平台中获取所述学生的个人模型，所述学生的个人模型至少包括所述学生的个人基本信息和学习情况；其中，所述学生的个人基本信息至少包括所述学生所处的年级，所述学习情况至少包括所述学生学习的各个科目以及所述各个科目的掌握程度；
第一确定单元，用于从所述各个科目确定出所述知识点所属的目标科目，并且根据所述目标科目的掌握程度确定出符合所述学生实际需求的当前学习难度等级；
查询单元，用于从所述在线学习平台中查询出与所述学生所处的年级和所述当前学习难度等级匹配的并且与所述知识点对应的学习内容；
推荐单元，用于将所述学习内容推荐给所述学生进行学习。
作为一种可选的实施方式，在本发明实施例第二方面中，所述学习设备还包括：
第二获取单元，用于获取所述学生学习完毕所述学习内容时的学习结果；
第二确定单元，用于以所述学习结果为依据，确定出所述学生对所述学习内容的掌握程度；
判断单元，用于判断所述学生对所述学习内容的掌握程度是否等于或高于指定阈值；
所述查询单元，还用于在所述判断单元的判断结果为是时，从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的并且与所述知识点对应的学习内容并通过所述推荐单元推荐给所述学生进行学习；其中，所述下一学习难度等级高于所述当前学习难度等级。
作为一种可选的实施方式，在本发明实施例第二方面中，所述学生的个人基本信息还包括所述学生的身份信息，所述学习情况还包括所述各个科目对应的教师终端标识，所述学习设备还包括：
第三确定单元，用于在所述查询单元从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的、并且所述知识点对应的学习内容并通过所述推荐单元推荐给所述学生进行学习之后，从所述各个科目对应的教师终端标识中确定出所述目标科目对应的目标教师终端标识；
交互单元，用于将所述目标教师终端标识和学习汇报信息上报给云平台，以使所述云平台根据所述目标教师终端标识，将所述学习汇报信息发送给所述目标教师终端标识所属的教师终端；
其中，所述学习汇报信息至少包括所述学生的身份信息、所述当前学习难度等级、所述知识点以及描述信息，所述描述信息用于描述所述学生已掌握所述当前学习难度等级匹配的并且与所述知识点对应的学习内容。
作为一种可选的实施方式，在本发明实施例第二方面中：
所述交互单元，还用于在将所述目标教师终端标识和学习汇报信息上报给云平台之后，获取所述云平台发送的学习奖励虚拟礼物；其中，所述学习奖励虚拟礼物是所述目标教师终端标识所属的教师终端在收到所述学习汇报信息后提示教师通过所述云平台发送给所述学生的学习奖励虚拟礼物；
所述学习设备还包括：
存储单元，用于将所述学习奖励虚拟礼物存储至所述学生学习的所述目标科目对应的虚拟礼物资源池；
所述交互单元，还用于将所述目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给所述云平台，以使所述云平台在确定出存在与所述学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于所述目标科目的学生应用功能时，由所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能。
作为一种可选的实施方式，在本发明实施例第二方面中，所述交互单元还用于在所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能之后，将所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能与所述学生的个人模型进行关联；以及，向所述学生输出提示信息，所述提示信息用于描述所述云平台已在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能；其中，所述云平台在所述学习设备上为所述学生开通的所述适用于所述目标科目的学生应用功能的使用权限仅属于所述学生。
本发明实施例第三方面公开一种学习设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的所述学习内容的智能推荐方法。
本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的所述学习内容的智能推荐方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明实施例公开的一种学习内容的智能推荐方法的流程示意图；
图2是本发明实施例公开的另一种学习内容的智能推荐方法的流程示意图；
图3是本发明实施例公开的另一种学习内容的智能推荐方法的流程示意图；
图4是本发明实施例公开的另一种学习设备的结构示意图；
图5是本发明实施例公开的另一种学习设备的结构示意图；
图6是本发明实施例公开的另一种学习设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种学习内容的智能推荐方法及学习设备，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。以下分别进行详细说明。
请参阅图1，图1是本发明实施例公开的一种学习内容的智能推荐方法的流程示意图。如图1所示，该学习内容的智能推荐方法可以包括以下步骤：
101、学习设备在进入在线学习平台后，启动学习设备的摄像设备捕获某一学生在某一书本上指定的知识点。
本发明实施例中，学习设备可以是具备摄像设备(如摄像头)的家教设备(如家教机)或学习机；或者，学习设备也可以是外接摄像设备(如摄像头)的个人电脑或移动互联网设备，本发明实施例不作限定。
本发明实施例中，某一学生可以控制学习设备在进入在线学习平台，而学习设备在进入在线学习平台后，可以启动学习设备的摄像设备捕获该学生在某一书本上指定的知识点。举例来说，学生可以用笔或手指来指定某一书本上的某一内容区域，相应的摄像设备可以对准该内容区域并提取该内容区域包括的内容，并且从提取出的内容中识别出对应的知识点(如三角函数、反比例函数等)作为该学生在该书本上指定的知识点。
102、学习设备从大数据平台中获取该学生的个人模型，该学生的个人模型至少包括该学生的个人基本信息和学习情况；其中，该学生的个人基本信息至少包括该学生所处的年级，该学习情况至少包括该学生学习的各个科目以及各个科目的掌握程度。
本发明实施例中，学习设备可以采集该学生发出的语音信号，并且可以从语音信号中提取出该语音信号的声音特征，以及以该语音信号的声音特征为依据，从大数据平台中查询出与该语音信号的声音特征关联的该学生的个人模型。
本发明实施例中，该学生的每一科目的掌握程度是由学习设备根据该学生每一次学习该科目的学习内容时的掌握程度进行综合评估生成的。
103、学习设备从各个科目确定出上述知识点所属的目标科目，并且根据目标科目的掌握程度确定出符合该学生实际需求的当前学习难度等级。
本发明实施例中，如果目标科目的掌握程度越高，确定出的符合该学生实际需求的当前学习难度等级也就越高；反之，如果目标科目的掌握程度越低，确定出的符合该学生实际需求的当前学习难度等级也就越低。
举例来说，符合该学生实际需求的当前学习难度等级可以为基础类等级(对应于基础类的学习内容)、提高类等级(对应于提高类的学习内容)或者培优类等级(对应于培优类的学习内容)中的任意一种，本发明实施例不作限定。
104、学习设备从在线学习平台中查询出与该学生所处的年级和当前学习难度等级匹配的并且与上述知识点对应的学习内容。
举例来说，假设上述知识点为三角函数，而符合该学生实际需求的当前学习难度等级为提高类等级，那么学习设备可以从在线学习平台中查询出与该学生所处的年级(如初三)和提高类等级匹配的并且与三角函数对应的学习内容。其中，学习内容可以是视频形式或文字形式的学习内容，本发明实施例不作限定。
105、学习设备将上述学习内容推荐给该学生进行学习。
在图1所描述的方法中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
请参阅图2，图2是本发明实施例公开的另一种学习内容的智能推荐方法的流程示意图。如图2所示，该学习内容的智能推荐方法可以包括以下步骤：
201、学习设备在进入在线学习平台后，启动学习设备的摄像设备捕获某一学生在某一书本上指定的知识点。
202、学习设备从大数据平台中获取该学生的个人模型，该学生的个人模型至少包括该学生的个人基本信息和学习情况；其中，该学生的个人基本信息至少包括该学生所处的年级，该学习情况至少包括该学生学习的各个科目以及各个科目的掌握程度。
203、学习设备从各个科目确定出上述知识点所属的目标科目，并且根据目标科目的掌握程度确定出符合该学生实际需求的当前学习难度等级。
204、学习设备从在线学习平台中查询出与该学生所处的年级和当前学习难度等级匹配的并且与上述知识点对应的学习内容。
205、学习设备将上述学习内容推荐给该学生进行学习。
206、学习设备获取该学生学习完毕上述学习内容时的学习结果。
207、学习设备以该学习结果为依据，确定出该学生对上述学习内容的掌握程度。
208、学习设备判断该学生对上述学习内容的掌握程度是否等于或高于指定阈值，若否，返回步骤204；若是，执行步骤209。
本发明实施例中，上述学习结果可以是作答正确率，相应的步骤207中，学习设备可以该作答正确率为依据，确定出该学生对上述学习内容的掌握程度，即该学生对上述学习内容的掌握程度与该作答正确率成正比例关系。
209、学习设备从在线学习平台中查询出与该学生所处的年级和下一学习难度等级匹配的并且与上述知识点对应的学习内容并推荐给该学生进行学习；其中，下一学习难度等级高于当前学习难度等级。
本发明实施例中，实施步骤206～步骤209，学习设备可以在学生对推荐的学习内容的掌握程度等于或高于指定阈值的情况下推荐更高难度等级的学习内容给学生进行学习，从而使得学生可以有层次的逐层深入学习上述知识点，逐层深入学习上述知识点有利于提升针对上述知识点的学习效率，提分更有效。
在图2所描述的方法中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
请参阅图3，图3是本发明实施例公开的另一种学习内容的智能推荐方法的流程示意图。如图3所示，该学习内容的智能推荐方法可以包括以下步骤：
301、学习设备在进入在线学习平台后，启动学习设备的摄像设备捕获某一学生在某一书本上指定的知识点。
302、学习设备从大数据平台中获取该学生的个人模型，该学生的个人模型至少包括该学生的个人基本信息和学习情况；其中，该学生的个人基本信息至少包括该学生所处的年级以及身份信息，该学习情况至少包括该学生学习的各个科目、各个科目的掌握程度以及各个科目对应的教师终端标识。
303、学习设备从各个科目确定出上述知识点所属的目标科目，并且根据目标科目的掌握程度确定出符合该学生实际需求的当前学习难度等级。
304、学习设备从在线学习平台中查询出与该学生所处的年级和当前学习难度等级匹配的并且与上述知识点对应的学习内容。
305、学习设备将上述学习内容推荐给该学生进行学习。
306、学习设备获取该学生学习完毕上述学习内容时的学习结果。
307、学习设备以该学习结果为依据，确定出该学生对上述学习内容的掌握程度。
308、学习设备判断该学生对上述学习内容的掌握程度是否等于或高于指定阈值，若否，返回步骤304；若是，执行步骤309～步骤316。
309、学习设备从在线学习平台中查询出与该学生所处的年级和下一学习难度等级匹配的并且与上述知识点对应的学习内容并推荐给该学生进行学习；其中，下一学习难度等级高于当前学习难度等级。
本发明实施例中，实施步骤306～步骤309，学习设备可以在学生对推荐的学习内容的掌握程度等于或高于指定阈值的情况下推荐更高难度等级的学习内容给学生进行学习，从而使得学生可以有层次的逐层深入学习上述知识点，逐层深入学习上述知识点有利于提升针对上述知识点的学习效率，提分更有效。
310、学习设备从各个科目对应的教师终端标识中确定出目标科目对应的目标教师终端标识。
311、学习设备将目标教师终端标识和学习汇报信息上报给云平台，以使云平台根据目标教师终端标识，将学习汇报信息发送给目标教师终端标识所属的教师终端；其中，学习汇报信息至少包括该学生的身份信息、当前学习难度等级、上述知识点以及描述信息，该描述信息用于描述该学生已掌握当前学习难度等级匹配的并且与上述知识点对应的学习内容。
本发明实施例中，实施步骤310～步骤311，使教师可以精确的获悉学生已掌握某一学习难度等级匹配的并且与某一知识点对应的学习内容，从而使得教师可以为该学生制定个性化的逐层深入学习计划，从而有利于提升学生针对知识点的学习效率。
312、学习设备获取云平台发送的学习奖励虚拟礼物；其中，学习奖励虚拟礼物是目标教师终端标识所属的教师终端在收到学习汇报信息后提示教师通过云平台发送给该学生的学习奖励虚拟礼物。
313、学习设备将学习奖励虚拟礼物存储至该学生学习的目标科目对应的虚拟礼物资源池。
本发明实施例中，实施步骤312～步骤313，有利于提升学生的学习兴趣和动力。
314、学习设备将目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给云平台，以使云平台在确定出存在与学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于目标科目的学生应用功能时，由云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能。
举例来说，与学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于目标科目的学生应用功能可以包括在线分享功能、在线答疑功能等。
315、学生设备在云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能之后，将云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能与该学生的个人模型进行关联。
316、学习设备向该学生输出提示信息，该提示信息用于描述云平台已在学习设备上为该学生开通上述适用于目标科目的学生应用功能；其中，云平台在学习设备上为该学生开通的上述适用于目标科目的学生应用功能的使用权限仅属于该学生。
作为一种可选的实施方式，在步骤308中，当学习设备判断该学生对上述学习内容的掌握程度低于指定阈值时，学习设备在返回步骤304的同时，还可以执行以下操作：
学习设备检测是否无线连接该学生佩戴的可穿戴设备，如果是，学习设备启动该学生佩戴的可穿戴设备的录音咪头对环境音源进行监控，并且该学生佩戴的可穿戴设备可以校验监控到的环境音源与数据库中的儿童哭泣音源是否相匹配，若匹配，该学生佩戴的可穿戴设备播放目标音乐，目标音乐用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪。
由于录音咪头监控到的环境音源会含有背景噪声，因此，可穿戴设备可以先对含有背景噪声的环境音源进行预离散采样和量化得到数据帧，并对数据帧构建基于Morlet小波函数的小波神经网络，对于小波神经网络参数构建粒子群适应度函数，再通过粒子群算法得到小波神经网络的最优参数，将数据帧输入小波神经网络进行滤波，从而去除噪声，提取得到语音信号；进一步地，可穿戴设备可以校验提取出的语音信号的声纹特征是否与数据库中的儿童哭泣音源的声纹特征相匹配，如果相匹配，可穿戴设备播放目标音乐，目标音乐用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪。其中，实施上述实施方式，可以提高对不同环境声源的噪声特征的适应度。
其中，可穿戴设备校验提取出的语音信号的声纹特征是否与数据库中的儿童哭泣音源的声纹特征相匹配，包括：
可穿戴设备对提取出的语音信号进行预处理，预处理包括预加重、分帧和加窗处理；
可穿戴设备从预处理后的语音信号中提取声纹特征MFCC、LPCC、△MFCC、△LPCC、能量、能量的一阶差分以及GFCC共同组成第一多维特征向量，其中：MFCC为梅尔频率倒谱系数，LPCC为线性预测倒谱系数，△MFCC为MFCC的一阶差分，△LPCC为LPCC的一阶差分，GFCC为Gammatone滤波器倒谱系数；
可穿戴设备判断第一多维特征向量是否与数据库中的儿童哭泣音源的声纹特征对应的第二多维向量完全匹配，如果完全匹配，则准确的校验出提取出的语音信号的声纹特征与数据库中的儿童哭泣音源的声纹特征相匹配。
本发明实施例中，目标音乐可以是可穿戴设备预设的用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪的音乐；或者，也可以是可穿戴设备从云端获取的用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪的音乐，本发明实施例不作限定。
在图3所描述的方法中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
此外，在图3所描述的方法中，学习设备可以在学生对推荐的学习内容的掌握程度等于或高于指定阈值的情况下推荐更高难度等级的学习内容给学生进行学习，从而使得学生可以有层次的逐层深入学习上述知识点，逐层深入学习上述知识点有利于提升针对上述知识点的学习效率，提分更有效。
此外，在图3所描述的方法中，使教师可以精确的获悉学生已掌握某一学习难度等级匹配的并且与某一知识点对应的学习内容，从而使得教师可以为该学生制定个性化的逐层深入学习计划，从而有利于提升学生针对知识点的学习效率。
此外，在图3所描述的方法中，可以缓解学生在学习上遇到困难时产生的情绪。
请参阅图4，图4是本发明实施例公开的一种学习设备的结构示意图。如图4所示，该学习设备可以包括：
启动单元401，用于在学习设备进入在线学习平台后，启动学习设备的摄像设备捕获某一学生在某一书本上指定的知识点；
第一获取单元402，用于从大数据平台中获取该学生的个人模型，该学生的个人模型至少包括该学生的个人基本信息和学习情况；其中，该学生的个人基本信息至少包括该学生所处的年级，该学习情况至少包括该学生学习的各个科目以及各个科目的掌握程度；
第一确定单元403，用于从各个科目确定出所述知识点所属的目标科目，并且根据目标科目的掌握程度确定出符合该学生实际需求的当前学习难度等级；
查询单元404，用于从在线学习平台中查询出与该学生所处的年级和当前学习难度等级匹配的并且与上述知识点对应的学习内容；
推荐单元405，用于将学习内容推荐给该学生进行学习。
其中，在图4所描述的学习设备中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
请参阅图5，图5是本发明实施例公开的另一种学习设备的结构示意图。其中，图5所示的学习设备是由于图4所示的学习设备进行优化得到的。图5所示的学习设备除了包括图4所示的学习设备的所有单元之外，还可以包括：
第二获取单元406，用于获取该学生学习完毕推荐的学习内容时的学习结果；
第二确定单元407，用于以该学习结果为依据，确定出该学生对推荐的学习内容的掌握程度；
判断单元408，用于判断该学生对该学习内容的掌握程度是否等于或高于指定阈值；
查询单元404，还用于在判断单元408的判断结果为是时，从在线学习平台中查询出与该学生所处的年级和下一学习难度等级匹配的并且与上述知识点对应的学习内容并通过推荐单元405推荐给该学生进行学习；其中，下一学习难度等级高于所述当前学习难度等级。
作为一种可选的实施方式，该学生的个人基本信息还包括该学生的身份信息，该学习情况还包括各个科目对应的教师终端标识，相应的，图5所示的学习设备还包括：
第三确定单元409，用于在查询单元405从在线学习平台中查询出与该学生所处的年级和下一学习难度等级匹配的、并且上述知识点对应的学习内容并通过推荐单元405推荐给该学生进行学习之后，从各个科目对应的教师终端标识中确定出目标科目对应的目标教师终端标识；
交互单元410，用于将目标教师终端标识和学习汇报信息上报给云平台，以使云平台根据目标教师终端标识，将学习汇报信息发送给目标教师终端标识所属的教师终端；
其中，学习汇报信息至少包括该学生的身份信息、当前学习难度等级、上述知识点以及描述信息，该描述信息用于描述该学生已掌握当前学习难度等级匹配的并且与上述知识点对应的学习内容。
作为一种可选的实施方式，交互单元410还用于在将目标教师终端标识和学习汇报信息上报给云平台之后，获取云平台发送的学习奖励虚拟礼物；其中，学习奖励虚拟礼物是目标教师终端标识所属的教师终端在收到学习汇报信息后提示教师通过云平台发送给该学生的学习奖励虚拟礼物；
相应的，图5所示的学习设备还包括：
存储单元411，用于将学习奖励虚拟礼物存储至该学生学习的目标科目对应的虚拟礼物资源池；
交互单元410，还用于将目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给云平台，以使云平台在确定出存在与学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于目标科目的学生应用功能时，由云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能。
作为一种可选的实施方式，交互单元310还用于在云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能之后，将云平台在学习设备上为该学生开通上述适用于目标科目的学生应用功能与该学生的个人模型进行关联；以及，向该学生输出提示信息，提示信息用于描述云平台已在学习设备上为该学生开通上述适用于所述目标科目的学生应用功能；其中，云平台在学习设备上为该学生开通的上述适用于目标科目的学生应用功能的使用权限仅属于该学生。
作为一种可选的实施方式，本发明实施例中，当判断单元408判断该学生对该学习内容的掌握程度低于指定阈值时，交互单元410还可以执行以下操作：
交互单元410检测是否无线连接该学生佩戴的可穿戴设备，如果是，交互单元410启动该学生佩戴的可穿戴设备的录音咪头对环境音源进行监控，并且该学生佩戴的可穿戴设备可以校验监控到的环境音源与数据库中的儿童哭泣音源是否相匹配，若匹配，该学生佩戴的可穿戴设备播放目标音乐，目标音乐用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪。
由于录音咪头监控到的环境音源会含有背景噪声，因此，可穿戴设备可以先对含有背景噪声的环境音源进行预离散采样和量化得到数据帧，并对数据帧构建基于Morlet小波函数的小波神经网络，对于小波神经网络参数构建粒子群适应度函数，再通过粒子群算法得到小波神经网络的最优参数，将数据帧输入小波神经网络进行滤波，从而去除噪声，提取得到语音信号；进一步地，可穿戴设备可以校验提取出的语音信号的声纹特征是否与数据库中的儿童哭泣音源的声纹特征相匹配，如果相匹配，可穿戴设备播放目标音乐，目标音乐用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪。其中，实施上述实施方式，可以提高对不同环境声源的噪声特征的适应度。
其中，可穿戴设备校验提取出的语音信号的声纹特征是否与数据库中的儿童哭泣音源的声纹特征相匹配，包括：
可穿戴设备对提取出的语音信号进行预处理，预处理包括预加重、分帧和加窗处理；
可穿戴设备从预处理后的语音信号中提取声纹特征MFCC、LPCC、△MFCC、△LPCC、能量、能量的一阶差分以及GFCC共同组成第一多维特征向量，其中：MFCC为梅尔频率倒谱系数，LPCC为线性预测倒谱系数，△MFCC为MFCC的一阶差分，△LPCC为LPCC的一阶差分，GFCC为Gammatone滤波器倒谱系数；
可穿戴设备判断第一多维特征向量是否与数据库中的儿童哭泣音源的声纹特征对应的第二多维向量完全匹配，如果完全匹配，则准确的校验出提取出的语音信号的声纹特征与数据库中的儿童哭泣音源的声纹特征相匹配。
本发明实施例中，目标音乐可以是可穿戴设备预设的用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪的音乐；或者，也可以是可穿戴设备从云端获取的用于吸引转移学生的注意力，缓解学生在学习上遇到困难时产生的情绪的音乐，本发明实施例不作限定。
其中，在图5所描述的学习设备中，基于大数据平台可以获取学生的个人基本信息和学习情况，结合摄像设备的知识点快速提取能力，能够让学生快速地获取到符合自身实际需求的学习内容，使学生学其所需，有利于提高学习的效率，帮助学生提分。
此外，在图5所描述的学习设备中，学习设备可以在学生对推荐的学习内容的掌握程度等于或高于指定阈值的情况下推荐更高难度等级的学习内容给学生进行学习，从而使得学生可以有层次的逐层深入学习上述知识点，逐层深入学习上述知识点有利于提升针对上述知识点的学习效率，提分更有效。
此外，在图5所描述的学习设备中，使教师可以精确的获悉学生已掌握某一学习难度等级匹配的并且与某一知识点对应的学习内容，从而使得教师可以为该学生制定个性化的逐层深入学习计划，从而有利于提升学生针对知识点的学习效率。
此外，在图5所描述的学习设备中，可以缓解学生在学习上遇到困难时产生的情绪。
请参阅图6，图6是本发明实施例公开的另一种学习设备的结构示意图。如图6所示，该学习设备可以包括：
存储有可执行程序代码的存储器601；
与存储器601耦合的处理器602；
其中，处理器602调用存储器601中存储的可执行程序代码，执行图1或图2或图3所描述的方法。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1或图2或图3所描述的方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种学习内容的智能推荐方法及学习设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种学习内容的智能推荐方法，其特征在于，所述方法包括：
学习设备在进入在线学习平台后，启动所述学习设备的摄像设备捕获某一学生在某一书本上指定的知识点；
所述学习设备从大数据平台中获取所述学生的个人模型，所述学生的个人模型至少包括所述学生的个人基本信息和学习情况；其中，所述学生的个人基本信息至少包括所述学生所处的年级，所述学习情况至少包括所述学生学习的各个科目以及所述各个科目的掌握程度；
所述学习设备从所述各个科目确定出所述知识点所属的目标科目，并且根据所述目标科目的掌握程度确定出符合所述学生实际需求的当前学习难度等级；
所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和所述当前学习难度等级匹配的并且与所述知识点对应的学习内容；
所述学习设备将所述学习内容推荐给所述学生进行学习。
2.根据权利要求1所述的智能推荐方法，其特征在于，所述方法还包括：
所述学习设备获取所述学生学习完毕所述学习内容时的学习结果；
所述学习设备以所述学习结果为依据，确定出所述学生对所述学习内容的掌握程度；
所述学习设备判断所述学生对所述学习内容的掌握程度是否等于或高于指定阈值，若是，所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的并且与所述知识点对应的学习内容并推荐给所述学生进行学习；
其中，所述下一学习难度等级高于所述当前学习难度等级。
3.根据权利要求2所述的智能推荐方法，其特征在于，所述学生的个人基本信息还包括所述学生的身份信息，所述学习情况还包括所述各个科目对应的教师终端标识，所述学习设备从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的、并且所述知识点对应的学习内容并推荐给所述学生进行学习之后，所述方法还包括：
所述学习设备从所述各个科目对应的教师终端标识中确定出所述目标科目对应的目标教师终端标识；
所述学习设备将所述目标教师终端标识和学习汇报信息上报给云平台，以使所述云平台根据所述目标教师终端标识，将所述学习汇报信息发送给所述目标教师终端标识所属的教师终端；
其中，所述学习汇报信息至少包括所述学生的身份信息、所述当前学习难度等级、所述知识点以及描述信息，所述描述信息用于描述所述学生已掌握所述当前学习难度等级匹配的并且与所述知识点对应的学习内容。
4.根据权利要求3所述的智能推荐方法，其特征在于，所述学习设备将所述目标教师终端标识和学习汇报信息上报给云平台之后，所述方法还包括：
所述学习设备获取所述云平台发送的学习奖励虚拟礼物；其中，所述学习奖励虚拟礼物是所述目标教师终端标识所属的教师终端在收到所述学习汇报信息后提示教师通过所述云平台发送给所述学生的学习奖励虚拟礼物；
所述学习设备将所述学习奖励虚拟礼物存储至所述学生学习的所述目标科目对应的虚拟礼物资源池；
所述学习设备将所述目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给所述云平台，以使所述云平台在确定出存在与所述学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于所述目标科目的学生应用功能时，由所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能。
5.根据权利要求4所述的智能推荐方法，其特征在于，在所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能之后，所述方法还包括：
所述学生设备将所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能与所述学生的个人模型进行关联；
所述学习设备向所述学生输出提示信息，所述提示信息用于描述所述云平台已在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能；其中，所述云平台在所述学习设备上为所述学生开通的所述适用于所述目标科目的学生应用功能的使用权限仅属于所述学生。
6.一种学习设备，其特征在于，包括：
启动单元，用于在所述学习设备进入在线学习平台后，启动所述学习设备的摄像设备捕获某一学生在某一书本上指定的知识点；
第一获取单元，用于从大数据平台中获取所述学生的个人模型，所述学生的个人模型至少包括所述学生的个人基本信息和学习情况；其中，所述学生的个人基本信息至少包括所述学生所处的年级，所述学习情况至少包括所述学生学习的各个科目以及所述各个科目的掌握程度；
第一确定单元，用于从所述各个科目确定出所述知识点所属的目标科目，并且根据所述目标科目的掌握程度确定出符合所述学生实际需求的当前学习难度等级；
查询单元，用于从所述在线学习平台中查询出与所述学生所处的年级和所述当前学习难度等级匹配的并且与所述知识点对应的学习内容；
推荐单元，用于将所述学习内容推荐给所述学生进行学习。
7.根据权利要求6所述的学习设备，其特征在于，还包括：
第二获取单元，用于获取所述学生学习完毕所述学习内容时的学习结果；
第二确定单元，用于以所述学习结果为依据，确定出所述学生对所述学习内容的掌握程度；
判断单元，用于判断所述学生对所述学习内容的掌握程度是否等于或高于指定阈值；
所述查询单元，还用于在所述判断单元的判断结果为是时，从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的并且与所述知识点对应的学习内容并通过所述推荐单元推荐给所述学生进行学习；其中，所述下一学习难度等级高于所述当前学习难度等级。
8.根据权利要求7所述的学习设备，其特征在于，所述学生的个人基本信息还包括所述学生的身份信息，所述学习情况还包括所述各个科目对应的教师终端标识，所述学习设备还包括：
第三确定单元，用于在所述查询单元从所述在线学习平台中查询出与所述学生所处的年级和下一学习难度等级匹配的、并且所述知识点对应的学习内容并通过所述推荐单元推荐给所述学生进行学习之后，从所述各个科目对应的教师终端标识中确定出所述目标科目对应的目标教师终端标识；
交互单元，用于将所述目标教师终端标识和学习汇报信息上报给云平台，以使所述云平台根据所述目标教师终端标识，将所述学习汇报信息发送给所述目标教师终端标识所属的教师终端；
其中，所述学习汇报信息至少包括所述学生的身份信息、所述当前学习难度等级、所述知识点以及描述信息，所述描述信息用于描述所述学生已掌握所述当前学习难度等级匹配的并且与所述知识点对应的学习内容。
9.根据权利要求8所述的学习设备，其特征在于：
所述交互单元，还用于在将所述目标教师终端标识和学习汇报信息上报给云平台之后，获取所述云平台发送的学习奖励虚拟礼物；其中，所述学习奖励虚拟礼物是所述目标教师终端标识所属的教师终端在收到所述学习汇报信息后提示教师通过所述云平台发送给所述学生的学习奖励虚拟礼物；
所述学习设备还包括：
存储单元，用于将所述学习奖励虚拟礼物存储至所述学生学习的所述目标科目对应的虚拟礼物资源池；
所述交互单元，还用于将所述目标科目对应的虚拟礼物资源池中的学习奖励虚拟礼物的最新总数量上报给所述云平台，以使所述云平台在确定出存在与所述学习奖励虚拟礼物的最新总数量对应的、并且尚未开通的适用于所述目标科目的学生应用功能时，由所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能。
10.根据权利要求9所述的学习设备，其特征在于，所述交互单元，还用于在所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能之后，将所述云平台在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能与所述学生的个人模型进行关联；以及，向所述学生输出提示信息，所述提示信息用于描述所述云平台已在所述学习设备上为所述学生开通所述适用于所述目标科目的学生应用功能；其中，所述云平台在所述学习设备上为所述学生开通的所述适用于所述目标科目的学生应用功能的使用权限仅属于所述学生。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810887957.0A CN109033418A (zh) | 2018-08-07 | 2018-08-07 | 一种学习内容的智能推荐方法及学习设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810887957.0A CN109033418A (zh) | 2018-08-07 | 2018-08-07 | 一种学习内容的智能推荐方法及学习设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109033418A true CN109033418A (zh) | 2018-12-18 |
Family
ID=64649219
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810887957.0A Pending CN109033418A (zh) | 2018-08-07 | 2018-08-07 | 一种学习内容的智能推荐方法及学习设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109033418A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636218A (zh) * | 2018-12-20 | 2019-04-16 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
| CN109766413A (zh) * | 2019-01-16 | 2019-05-17 | 广东小天才科技有限公司 | 一种应用于家教设备的搜索方法及家教设备 |
| CN110688574A (zh) * | 2019-09-25 | 2020-01-14 | 湖南新云网科技有限公司 | 一种学习内容推荐的方法、系统、设备及可读存储介质 |
| CN111026838A (zh) * | 2019-04-19 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于语音搜索记录的听写内容获取方法及电子设备 |
| CN111752983A (zh) * | 2019-11-25 | 2020-10-09 | 广东小天才科技有限公司 | 一种学习笔记的推荐方法及电子设备 |
| CN112071137A (zh) * | 2020-09-08 | 2020-12-11 | 中教云教育科技集团有限公司 | 一种在线教学系统及方法 |
| CN112150041A (zh) * | 2020-10-21 | 2020-12-29 | 艾迪安逊国际投资(广州)有限公司 | 一种智能教育机器人辅助学习方法 |
| CN113051379A (zh) * | 2021-02-24 | 2021-06-29 | 南京审计大学 | 一种知识点推荐方法、装置、电子设备及存储介质 |
| CN113538183A (zh) * | 2021-06-24 | 2021-10-22 | 乐歌人体工学科技股份有限公司 | 一种基于学习桌的ai辅助学习系统及方法 |
| CN117874339A (zh) * | 2024-01-03 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种测试分析学习内容智能推荐系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599089A (zh) * | 2016-11-23 | 2017-04-26 | 广东小天才科技有限公司 | 一种基于知识点的试题推荐方法及装置、用户设备 |
| CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
| CN107203583A (zh) * | 2017-03-27 | 2017-09-26 | 杭州博世数据网络有限公司 | 一种基于大数据分析的智能组题方法 |
| CN107203582A (zh) * | 2017-03-27 | 2017-09-26 | 杭州博世数据网络有限公司 | 一种基于项目反应理论分析结果的智能组题方法 |
-
2018
- 2018-08-07 CN CN201810887957.0A patent/CN109033418A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599089A (zh) * | 2016-11-23 | 2017-04-26 | 广东小天才科技有限公司 | 一种基于知识点的试题推荐方法及装置、用户设备 |
| CN106777360A (zh) * | 2017-01-18 | 2017-05-31 | 广东小天才科技有限公司 | 内容推荐方法及装置 |
| CN107203583A (zh) * | 2017-03-27 | 2017-09-26 | 杭州博世数据网络有限公司 | 一种基于大数据分析的智能组题方法 |
| CN107203582A (zh) * | 2017-03-27 | 2017-09-26 | 杭州博世数据网络有限公司 | 一种基于项目反应理论分析结果的智能组题方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109636218A (zh) * | 2018-12-20 | 2019-04-16 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
| CN109766413A (zh) * | 2019-01-16 | 2019-05-17 | 广东小天才科技有限公司 | 一种应用于家教设备的搜索方法及家教设备 |
| CN111026838A (zh) * | 2019-04-19 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于语音搜索记录的听写内容获取方法及电子设备 |
| CN110688574A (zh) * | 2019-09-25 | 2020-01-14 | 湖南新云网科技有限公司 | 一种学习内容推荐的方法、系统、设备及可读存储介质 |
| CN111752983A (zh) * | 2019-11-25 | 2020-10-09 | 广东小天才科技有限公司 | 一种学习笔记的推荐方法及电子设备 |
| CN112071137A (zh) * | 2020-09-08 | 2020-12-11 | 中教云教育科技集团有限公司 | 一种在线教学系统及方法 |
| CN112150041A (zh) * | 2020-10-21 | 2020-12-29 | 艾迪安逊国际投资(广州)有限公司 | 一种智能教育机器人辅助学习方法 |
| CN113051379A (zh) * | 2021-02-24 | 2021-06-29 | 南京审计大学 | 一种知识点推荐方法、装置、电子设备及存储介质 |
| CN113051379B (zh) * | 2021-02-24 | 2023-08-04 | 南京审计大学 | 一种知识点推荐方法、装置、电子设备及存储介质 |
| CN113538183A (zh) * | 2021-06-24 | 2021-10-22 | 乐歌人体工学科技股份有限公司 | 一种基于学习桌的ai辅助学习系统及方法 |
| CN117874339A (zh) * | 2024-01-03 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种测试分析学习内容智能推荐系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109033418A (zh) | 一种学习内容的智能推荐方法及学习设备 | |
| Lyon | Human and machine hearing: extracting meaning from sound | |
| CN109003478A (zh) | 一种学习互动方法及学习设备 | |
| CN106023693B (zh) | 一种基于虚拟现实技术和模式识别技术的教育系统及方法 | |
| CN101201980B (zh) | 一种基于语音情感识别的远程汉语教学系统 | |
| CN110991645B (zh) | 一种基于知识模型的自适应学习方法、系统及存储介质 | |
| Ryu et al. | Improvements to elementary children's epistemic understanding from sustained argumentation | |
| Latham et al. | Oscar: An intelligent conversational agent tutor to estimate learning styles | |
| US20060166174A1 (en) | Predictive artificial intelligence and pedagogical agent modeling in the cognitive imprinting of knowledge and skill domains | |
| CN107851398A (zh) | 用于自适应评估和训练的系统及方法 | |
| CN109858806A (zh) | 数据处理的方法、装置、介质和电子设备 | |
| CN110458732A (zh) | 培训方法、装置、计算机设备和存储介质 | |
| Bacon et al. | Developing a smart environment for crisis management training | |
| Zellers et al. | TuringAdvice: A generative and dynamic evaluation of language use | |
| CN114254208A (zh) | 薄弱知识点的识别方法、学习路径的规划方法与装置 | |
| Alexander et al. | Easy with eve: A functional affective tutoring system | |
| JP4742280B2 (ja) | シミュレーションシステム及びプログラム | |
| Thomas et al. | Petri nets and ontologies: Tools for the" learning player" assessment in serious games | |
| CN113934840B (zh) | 一种结合覆盖启发式的数量感知练习推荐方法 | |
| Omotosho et al. | A Gamified Approach to Improving Student’s Participation in Farm Practice–A Case Study of Landmark University | |
| Machado et al. | Greatness and misery in the teaching of the psychology of learning | |
| de Saint-Georges | Mediated discourse analysis,“embodied learning” and emerging social and professional identities | |
| CN114862636A (zh) | 一种金融智能授课与隐私保护方法 | |
| Sokolov et al. | Formation of the Electronic Educational Trajectory for Maritime Students | |
| Smoline | Some problems of computer-aided testing and “interview-like tests” |
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 |
Application publication date: 20181218 |
|
| RJ01 | Rejection of invention patent application after publication |