CN109636218A - 一种学习内容推荐方法及电子设备 - Google Patents
一种学习内容推荐方法及电子设备 Download PDFInfo
- Publication number
- CN109636218A CN109636218A CN201811559758.3A CN201811559758A CN109636218A CN 109636218 A CN109636218 A CN 109636218A CN 201811559758 A CN201811559758 A CN 201811559758A CN 109636218 A CN109636218 A CN 109636218A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- user
- grasped
- grasp
- heart rate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 230000008676 import Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 230000015654 memory Effects 0.000 description 19
- 230000033001 locomotion Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000036651 mood Effects 0.000 description 7
- 206010027951 Mood swings Diseases 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000029087 digestion Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011017 operating method Methods 0.000 description 3
- 241000287828 Gallus gallus Species 0.000 description 2
- 241000283973 Oryctolagus cuniculus Species 0.000 description 2
- 244000078534 Vaccinium myrtillus Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001620634 Roger Species 0.000 description 1
- 235000017848 Rubus fruticosus Nutrition 0.000 description 1
- 235000003095 Vaccinium corymbosum Nutrition 0.000 description 1
- 235000017537 Vaccinium myrtillus Nutrition 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000021029 blackberry Nutrition 0.000 description 1
- 235000021014 blueberries Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种学习内容推荐方法及电子设备，该方法包括：通过判断用户输入的试题答案与标准答案是否匹配，确定用户的第一已掌握知识点以及第一未掌握知识点，并根据用户输入的自评等级确定其对第一已掌握知识点的当前掌握程度；根据第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并查找出与第一已掌握知识点相关联并且关联程度高于关联程度阈值的知识点作为预测已掌握知识点；查找与第一未掌握知识点相关联的知识点作为预测未掌握知识点；输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的部分或者全部知识点相关联的学习内容。本发明能够快速分析新用户的知识点掌握水平，从而有针对性地为新用户推荐相关学习内容。
Description
技术领域
本发明涉及教育技术领域，具体涉及一种学习内容推荐方法及电子设备。
背景技术
目前，大部分的学习辅助类应用程序(Application，APP)或者家教机都具备有内容推荐功能，能够针对不同的用户推荐符合该用户的学习兴趣或者学习意图的内容。然而，在实践中发现，这种内容推荐功能主要通过收集用户在使用学习辅助类APP或者家教机时产生的大量应用使用行为，分析出用户的使用偏好和学习水平，从而为用户推荐相关的学习内容。在实践中发现，这种学习内容推荐方法往往受限于数据量，并不适用于新用户。因此，在新用户首次使用学习辅助类APP或者使用家教机时，难以马上分析出新用户的学习水平，导致推荐给新用户的学习内容针对性不强。
发明内容
本发明实施例公开了一种学习内容推荐方法及电子设备，能够快速分析出新用户当前的知识点掌握水平，从而有针对性地为新用户推荐相关学习内容，进而提升学习效果。
本发明实施例第一方面公开一种学习内容推荐方法，所述方法包括：
检测用户对输出的测评试题输入的试题答案及自评等级；
如果所述试题答案与所述测评试题的标准答案相匹配，将所述测评试题对应的知识点确定为第一已掌握知识点，并根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度；
如果所述试题答案与所述测评试题的标准答案不匹配，将所述测评试题对应的知识点确定为第一未掌握知识点；
根据所述第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与所述第一已掌握知识点相关联并且关联程度高于所述关联程度阈值的知识点作为预测已掌握知识点；所述第一已掌握知识点的当前掌握程度与所述关联程度阈值成反比例关系；
从所述知识点数据库中查找出与所述第一未掌握知识点相关联的知识点作为预测未掌握知识点；
输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关联的学习内容。
作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：
获取用户的年龄；
获取用户输入所述试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率；
以及，在所述将所述测评试题对应的知识点确定为第一已掌握知识点之后，所述方法还包括：
判断所述用户心率是否高于预设的心率阈值，所述心率阈值参考所述用户的年龄对应的人群的平均静态心率设置；
如果所述用户心率高于所述心率阈值，根据所述自评等级确定用户对所述第一已掌握知识点的预估掌握程度；
根据所述用户心率与所述心率阈值的差值调整所述预估掌握程度，以得到用户对所述第一已掌握知识点的当前掌握程度；
如果所述用户心率不高于所述心率阈值，执行所述根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度的步骤。
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：
获取所述用户的年龄对应的人群的知识点平均掌握数量；
统计所述第一已掌握知识点与所述预测已掌握知识点的数量总和；
以及，所述输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关联的学习内容，包括：
如果所述数量总和低于所述知识点平均掌握数量，输出与所述第一未掌握知识点相关联的学习内容；
如果所述数量总和不低于所述知识点平均掌握数量，输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的全部知识点相关联的学习内容。
作为一种可选的实施方式，在本发明实施例第一方面中，所述获取用户的年龄，包括：
获取摄像头拍摄到的用户脸部图像；
识别所述用户脸部图像中的脸部特征，并根据所述脸部特征确定用户的年龄。
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：
根据所述第一已掌握知识点、所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点生成测评报告；
输出显示所述测评报告，并将所述测评报告发送至与用户的身份标识绑定的移动终端。
本发明实施例第二方面公开一种电子设备，包括：
第一交互单元，用于检测用户对输出的测评试题输入的试题答案及自评等级；
第一确定单元，用于在所述试题答案与所述测评试题的标准答案相匹配时，将所述测评试题对应的知识点确定为第一已掌握知识点；以及，在所述试题答案与所述测评试题的标准答案不匹配时，将所述测评试题对应的知识点确定为第一未掌握知识点；
第二确定单元，用于根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度；
第三确定单元，用于根据所述第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与所述第一已掌握知识点相关联并且关联程度高于所述关联程度阈值的知识点作为预测已掌握知识点；以及，从知识点数据库中查找出与所述第一未掌握知识点相关联的知识点作为预测未掌握知识点；其中，所述第一已掌握知识点的当前掌握程度与所述关联程度阈值成反比例关系；
第二交互单元，用于输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关的学习内容。
作为一种可选的实施方式，在本发明实施例第二方面中，还包括：
第一获取单元，用于获取用户的年龄；
第二获取单元，用于获取用户输入所述试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率；
判断单元，用于判断所述用户心率是否高于预设的心率阈值，所述心率阈值参考所述用户的年龄对应的人群的平均静态心率设置；
所述第二确定单元，具体用于在所述判断单元判断出所述用户心率高于所述心率阈值时，根据所述自评等级确定用户对所述第一已掌握知识点的预估掌握程度，并根据所述用户心率与所述心率阈值的差值调整所述预估掌握程度，以得到用户对所述第一已掌握知识点的当前掌握程度；以及，在所述判断单元判断出所述用户心率不高于所述心率阈值时，根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度。
作为一种可选的实施方式，在本发明实施例第二方面中，还包括：
第三获取单元，用于获取所述用户的年龄对应的人群的知识点平均掌握数量；
统计单元，用于统计所述第一已掌握知识点与所述预测已掌握知识点的数量总和；
所述第二交互单元，包括：
第一输出子单元，用于在所述数量总和低于所述知识点平均掌握数量时，输出与所述第一未掌握知识点相关联的学习内容；
第二输出子单元，用于在所述数量总和不低于所述知识点平均掌握数量时，输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的全部知识点相关联的学习内容。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第一获取单元，包括：
拍摄子单元，用于获取摄像头拍摄到的用户脸部图像；
识别子单元，用于识别所述用户脸部图像中的脸部特征，并根据所述脸部特征确定用户的年龄。
作为一种可选的实施方式，在本发明实施例第二方面中，还包括：
生成单元，用于根据所述第一已掌握知识点、所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点生成测评报告；
通信单元，用于输出显示所述测评报告，并将所述测评报告发送至与用户的身份标识绑定的移动终端。
本发明实施例第三方面公开一种电子设备，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任一项方法。
本发明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任一项方法。
本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本发明实施例第一方面公开的任一项方法。
与现有技术相比，本发明实施例具有以下有益效果：
输出测评试题以对用户的学习水平进行评估；如果用户针对测评试题输入的试题答案正确，判定用户已掌握测评试题对应的知识点，并且根据用户输入的自评等级预测用户可能掌握的已掌握知识点(即预测的已掌握知识点)；如果用户针对测评试题输入的试题答案错误，判定用户未掌握测评实体对应的知识点，并预测用户可能未掌握的知识点(即预测的未掌握知识点)。针对用户已掌握的知识点，不再推送相关联的学习内容；针对用户预测的已掌握知识点、未掌握的知识点以及预测的未掌握知识点，推送相关联的学习内容。在本发明实施例中，无需采集新用户的应用使用数据，可以直接通过测评试题对新用户的知识点掌握水平进行评估。并且，不但可以评估测评试题对应的知识点的掌握水平，还可以根据知识点之间的关联关系智能预测新用户可能已掌握的知识点或者可能未掌握的知识点，从而可以更有针对性地为新用户推荐相关的学习内容，进而提升用户的学习效果。
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推荐方法的流程示意图；
图4是本发明实施例公开的一种电子设备的结构示意图；
图5是本发明实施例公开的另一种电子设备的结构示意图；
图6是本发明实施例公开的另一种电子设备的结构示意图；
图7是本发明实施例公开的另一种电子设备的结构示意图。
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推荐方法及电子设备，能够快速分析出新用户当前的知识点掌握水平，从而有针对性地为新用户推荐相关学习内容，进而提升学习效果。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种学习内容推荐方法的流程示意图。其中，图1所描述的学习内容方法适用于手机、平板电脑、家教机等电子设备，本发明实施例不做限定。其中，上述的移动终端的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、Windows Phone8操作系统等等，本发明实施例不做限定。如图1所示，该学习内容推荐方法可以包括以下步骤：
101、电子设备检测用户对输出的测评试题输入的试题答案及自评等级。
本发明实施例中，电子设备输出的测评试题可以对应某一学科的知识体系中包含的知识点。比如，针对数学学科，可以输出题目“1+2＝？”作为知识点“加法”的测评试题。同时，电子设备还可以提示用户输入自评等级，具体可以在电子设备的交互界面中显示内容为“太简单了”的虚拟按键，以及显示内容为“太困难了”的虚拟按键；当检测到用户点击任一的虚拟按键时，将“简单”或者“困难”确定为用户输入的自评等级。
102、电子设备判断试题答案与测评试题的标准答案是否相匹配，如果是，执行步骤103～步骤104，如果否，执行步骤105～步骤106。
本发明实施例中，每一测评试题都可以对应一个或多个标准答案。如果测评试题为判断题、选择题等客观题，当检测到用户输入的试题答案与测评试题的标准答案相同时，可以判定试题答案与标准答案相匹配；当试题答案与测评试题的标准答案不相同时，可以判定试题答案与标准答案不匹配。如果测评试题为简答题、论述题、作文题等主观题，可以利用标准答案中的关键词与试题答案进行匹配，并且统计试题答案中匹配成功的关键词数量，如果关键词数量超过预设的关键词数量阈值，可以判定试题答案与标准答案相匹配；如果关键词数量未超过预设的关键词数量阈值，可以判定试题答案与标准答案不匹配。
103、电子设备将测评试题对应的知识点确定为第一已掌握知识点，并根据自评等级确定用户对第一已掌握知识点的当前掌握程度。
本发明实施例中，用户对第一已掌握知识点的当前掌握程度可以与自评等级一一对应。比如说，如果自评等级包括“简单”和“困难”两个等级，那么用户对第一已掌握知识点的当前掌握程度可以对应包括“精通”和“了解”两种程度，“精通”表示的掌握程度高于“了解”表示的掌握程度。如果自评等级通过从1到N的自然数进行表示，那么用户对第一已掌握知识点的当前掌握程度也可以通过从1到N的自然数进行表示，本发明实施例不做限定。
104、电子设备根据第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与第一已掌握知识点相关联并且关联程度高于关联程度阈值的知识点作为预测已掌握知识点。
本发明实施例中，第一已掌握知识点的当前掌握程度与对应的关联程度阈值成反比例关系。其中，任意两个知识点之间的关联程度可以根据知识体系中从上述两个知识点中的任意一个知识点到达另外一个知识点需要经过的知识点数量。比如说，知识点“加法”和知识点“减法”之间为一度关联；知识点“加法”和知识点“公倍数”之间的关系链为“加法-乘法-公倍数”，因此知识点“加法”和知识点“公倍数”之间为二度关联。可以理解的是，在上述的例子中，一度关联的关联程度高于二度关联的关联程度。
也就是说，第一已掌握知识点的当前掌握程度越高，与第一已掌握知识点的关联程度越低的知识点也可能被确定为预测已掌握知识点(即对某一知识点掌握的越熟练，越有可能掌握与该知识点非直接相关的其余知识点)。举例来说，如果第一已掌握知识点“加法”的掌握程度为熟练，那么可以将“乘法”和“公倍数”确定为根据第一已掌握知识点“加法”确定出的预测已掌握知识点；如果第一已掌握知识点“加法”的掌握程度为了解，那么可以只将“乘法”确定为根据第一已掌握知识点“加法”确定出的预测已掌握知识点。
105、电子设备将测评试题对应的知识点确定为第一未掌握的知识点。
106、电子设备从知识点数据库中查找出与第一未掌握知识点相关联的知识点作为预测未掌握知识点。
本发明实施例中，针对用户未掌握的第一未掌握知识点，可以认为用户未掌握与该第一未掌握知识点相关联的任意一个知识点。比如说，如果第一未掌握知识点为乘法，可以预测用户由于未掌握加法导致未掌握乘法，从而可以将乘法确定为预测未掌握知识点；还可以预测用于由于未掌握乘法所以可能未掌握除法，从而也可以将触发确定为预测未掌握知识点。
107、电子设备输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的部分或者全部知识点相关联的学习内容。
本发明实施例中，电子设备可以只输出已掌握知识点、第一位掌握知识点和预测未掌握知识点中部分知识点相关联的学习内容，也可以输出上述全部知识点相关联的学习内容。此外，学习内容的具体形式可以包括课文文本、教学视频、练习题及其解答等，本发明实施例不做限定。
可见，实施如图1所描述的学习内容推荐方法，通过合理设定测评试题，可以快速地分析用户当前的知识点掌握水平，同时还可以通过知识点之间的关联关系，智能预测用户对关联知识点的掌握情况，从而可以在无需采集用户的应用使用行为的情况下，较为准确地测评用户的学习水平，并向用户推荐与其学习水平相符的学习内容。因此，该学习内容方法既适用于首次使用家教机等电子设备进行学习的新用户，也适用于老用户，可以随时评估用户的学习水平，从而提高电子设备推荐的学习内容的针对性，提升用户的学习效果。
实施例二
请参阅图2，图2是本发明实施例公开的另一种学习内容推荐方法的流程示意图。如图2所示，该学习内容推荐方法可以包括以下步骤：
201、电子设备检测用户对输出的测评试题输入的试题答案及自评等级。
202、电子设备判断试题答案与测评试题的标准答案是否相匹配，如果是，执行步骤203～步骤204，如果否，执行步骤208。
203、电子设备获取用户的年龄以及获取用户输入试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率。
本发明实施例中，用户佩戴的可穿戴设备中可以设置有心率传感器，具体可以设置在可穿戴设备与用户肢体接触的平面，以实时检测用户的心率。电子设备与可穿戴设备之间可以建立通讯连接，可穿戴设备可以通过通讯连接将检测到的用户心率发送至电子设备。
作为一种可选的实施方式，在接收可穿戴设备发送的用户心率之前，还可以包括以下步骤：
接收可穿戴设备在检测到第一甩动动作时发送的验证指令，该验证指令包括可穿戴设备检测到的第一甩动动作的甩动方向以及甩动幅度；
在接收到该验证指令时，检测电子设备是否发生第二甩动动作，如果检测到第二甩动动作，获取该第甩动动作的甩动方向以及甩动幅度；
判断第一甩动动作的甩动方向与第二甩动动作的甩动方向是否相同，如果相同，判断第一甩动动作的甩动幅度与第二甩动动作的甩动幅度是否匹配；
如果第一甩动动作的甩动幅度与第二甩动动作的甩动幅度匹配，接收可穿戴设备发送的用户心率。
实施上述的实施方式，可以通过可穿戴设备和电子设备的甩动动作对双方进行身份验证，如果可穿戴设备的第一甩动动作与电子设备的甩动动作相同(包括甩动方向和甩动幅度)可以认为该可穿戴设备是被电子设备信任的设备，因此接收其发送的用户心率，从而可以提高可穿戴设备和电子设备之间进行数据传输的安全性，增加电子设备数据传输的权限限制，以降低电子设备与其他设备之间的通信连接成为安全漏洞，导致电子设备受到非法入侵的可能性。
此外，作为一种可选的实施方式，在本发明实施例中，电子设备获取用户的年龄的具体方式可以为：
电子设备获取摄像头拍摄到的用户脸部图像；
识别用户脸部图像中的脸部特征，并根据脸部特征确定用户的年龄。
其中，摄像头可以为家教机等电子设备自身的摄像头，也可以为用户佩戴的可穿戴设备的摄像头。实施上述的实施方式，可以通过图像识别的方式自动识别出用户的年龄，无需用户手动输入，可以减少用户(尤其是新用户)在测评时的操作步骤，可以提高用户体验。
204、电子设备判断用户心率是否高于预设的心率阈值，如果是，执行步骤205，如果否，执行步骤206。
本发明实施例中，预设的心率阈值可以参考用户的年龄对应的人群的平均静态心率设置。静态心率可以用于表征人处于平静状态时的心率，当用户心率高于心率阈值时，可以认为用户处于情绪波动的状态；当用户心率未高于心率阈值时，可以认为用户处于平静状态。
205、电子设备根据用户输入的自评等级确定用户对第一已掌握知识点的预估掌握程度，并根据用户心率与心率阈值的差值调整该预估掌握程度，以得到用户对第一已掌握知识点的当前掌握程度。
本发明实施例中，如果通过用户心率判断出用户在输入试题答案和自评等级时处于情绪波动的状态，可能存在以下情况：用户由于未熟练掌握测评试题对应的知识点，在输入试题答案和自评等级时，心情较为焦虑，因此导致情绪波动；此时，虽然用户输入的试题答案正确，但无法通过试题答案的正误判断用户对该知识点的掌握程度。在本发明实施例中，具体可以在通过用户心率判断出用户处于情绪波动状态时，判断通过用户输入的自评等级确定的预估掌握程度是否已达到预设的掌握程度范围中的最高掌握程度，如果是，根据用户心率与心率阈值的差值降低该预估掌握程度，以得到用户对第一已掌握知识点的当前掌握程度；其中，用户心率与心率阈值的差值和预估掌握程度的降低程度成反比例关系。实施该实施方式，可以结合用户心率提高评估用户对知识点的掌握程度的准确率。
此外，如果用户在输入试题答案和自评等级时处于情绪波动的状态，还可能存在以下情况：由于测评试题为用户曾经练习过的练习题，用户已获悉该测评试题的标准答案，在输入试题答案和自评等级时的情绪较为兴奋，导致处于情绪波动状态。为了降低这种情况对结合用户心率评估用户对知识点的掌握程度的影响，还可以执行以下实施方式：
在根据用户心率和心率阈值的差值调整预估掌握程度之前，获取摄像头拍摄到的用户在输入试题答案和自评等级时的人脸图像；
对该人脸图像进行情绪识别，判断该人脸图像的情绪是否为正面情绪(如兴奋、高兴等)，如果否，执行根据用户心率和心率阈值的差值调整预估掌握程度的步骤。
206、电子设备根据自评等级确定用户对第一已掌握知识点的当前掌握程度。
207、电子设备根据第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与第一已掌握知识点相关联并且关联程度高于关联程度阈值的知识点作为预测已掌握知识点。
本发明实施例中，第一已掌握知识点的当前掌握程度可以通过步骤205或者步骤206进行确定。
208、电子设备将测评试题对应的知识点确定为第一未掌握的知识点，并且从知识点数据库中查找出与第一未掌握知识点相关联的知识点作为预测未掌握知识点。
209、电子设备输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的部分或者全部知识点相关联的学习内容。
可见，在图2所描述的方法中，电子设备还可以通过测评试题分析用户当前的知识点掌握水平，并且对用户可能已掌握和可能未掌握的知识点进行智能预测，进一步地，还可以结合检测到的用户心率评估用户对知识点的掌握程度，使得测评出的知识点掌握程度更加贴合实际情况。更进一步地，图2所描述的方法通过图像识别用户的年龄，无需用户手动输入，还可以减少用户的操作步骤，提高用户体验。
实施例三
请参阅图3，图3是本发明实施例公开的另一种学习内容推荐方法的流程示意图。如图3所示，该学习内容推荐方法可以包括以下步骤：
其中，步骤301～步骤308与上述的步骤201～步骤208相同，以下内容不再赘述。
309、电子设备获取用户的年龄对应的人群的知识点平均掌握数量，并统计上述的第一已掌握知识点与预测已掌握知识点的数量总和。
本发明实施例中，用户的年龄对应的人群的知识点平均掌握数量可以用于表征用户的年龄对应的人群的平均学习水平。比如说，当用户的年龄为8岁时，可以获取到以下信息：8岁儿童平均掌握10个知识点。
310、电子设备判断上述的数量总和是否低于上述的知识点平均掌握数量，如果是，执行步骤311，如果否，执行步骤312。
本发明实施例中，如果通过测评试题直接确定出的第一已掌握知识点以及智能预测出的预测已掌握知识点的数量总和低于上述的知识点平均掌握数量，可以认为用户的学习水平低于该年龄对应的人群的平均学习水平，用户的学习能力可能较差，执行下述的步骤312，只推送与第一未掌握知识点相关联的学习内容，以减少向用户推荐的信息量，使得推送的学习内容符合用户对知识的消化能力，从而提高用户的学习效率。如果判断出第一已掌握知识点以及预测已掌握知识点的数量综合未低于上述的知识点平均掌握数量，可以认为用户的学习水平等于或者在平均学习水平之上，执行下述的步骤313，输出与所有知识点相关的学习内容。可见，在本发明实施例中，可以根据不同用户对知识的消化能力的不同，调整输出的学习内容的信息量，从而做到因材施教，进一步帮助用户提高学习效率。
311、电子设备输出与第一未掌握知识点相关联的学习内容。
312、电子设备输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的全部知识点相关联的学习内容。
可选的，图3所描述的方法还可以包括以下步骤：
313、电子设备根据第一已掌握知识点、预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点生成测评报告，输出显示该测评报告，并将测评报告发送至与用户的身份标识绑定的移动终端。
本发明实施例中，测评报告中可以包括根据多道测评试题确定出的多个第一已掌握知识点、与多个第一已掌握知识点相关联的多个预测已掌握知识点、多个第一未掌握知识点以及与多个第一未掌握知识点相关联的多个预测未掌握知识点。举例来说，电子设备一共输出了5道测评试题，根据这5道测评试题确定出3个第一已掌握知识点“除法”、“找规律-图形问题”以及“和差型年龄问题”并且确定出2个第一未掌握知识点“和倍型年龄问题”和“鸡兔同笼”；同时，根据第一已掌握知识点“除法”确定出2个预测已掌握知识点“加减法”和“乘法”；根据第一已掌握知识点“找规律-图形问题”确定出1个预测已掌握知识点“标数法”；根据第一已掌握知识点“和差问题”确定出1个预测已掌握知识点“和差年龄问题”；以及，根据第一未掌握知识点“和倍型年龄问题”确定出2个预测未掌握知识点“差倍型年龄问题”和“年龄问题综合”；根据第一未掌握知识点“鸡兔同笼”确定出1个预测未掌握知识点“逻辑推理初步”。生成的测评报告中可以逐一显示上述的多个第一已掌握知识点、第一未掌握知识点、预测已掌握知识点以及预测未掌握知识点，并且，还可以分别利用互不相同的第一标记、第二标记、第三标记和第四标记对上述四种类型的知识点进行标识，以作区分。
通过输出显示详细的测评报告可以使用户形象直观地了解到自身的知识薄弱点和掌握程度，进一步地，还可以将测评报告发送至与用户的身份标识绑定的移动终端(如家长的智能手机或者老师的教学终端)，使得上述移动终端的使用者(家长或者老师等)可以第一时间获悉用户的测评结果，从而可以及时为用户提供学习帮助。
可见，在图3所描述的方法中，电子设备可以通过测试题目测评并预测用户对知识点的掌握程度，并且还可以在用户的学习水平低于平均水平时，减少推荐给用户的学习内容，从而可以根据不同用户对知识的消化能力的不同，调整推荐给用户的信息量，以达到因材施教的效果。进一步地，在图3所描述的方法中，还可以输出显示生成的测评报告，在测评报告中直观详尽的展示用户已掌握的和未掌握的知识点情况，还可以将测评报告输出至相关的移动终端，以使移动终端的使用者可以第一时间获悉用户的测评结果，及时为用户提供学习帮助。
实施例四
请参阅图4，图4是本发明实施例公开的一种电子设备的结构示意图。如图4所示，该电子设备可以包括：
第一交互单元401，用于检测用户对输出的测评试题并接收用户针对测评试题输入的试题答案及自评等级；
第一确定单元402，用于在试题答案与测评试题的标准答案相匹配时，将测评试题对应的知识点确定为第一已掌握知识点；以及，在试题答案与测评试题的标准答案不匹配时，将测评试题对应的知识点确定为第一未掌握知识点；
第二确定单元403，用于根据自评等级确定用户对第一已掌握知识点的当前掌握程度；
第三确定单元404，用于根据第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与第一已掌握知识点相关联并且关联程度高于关联程度阈值的知识点作为预测已掌握知识点；以及，从知识点数据库中查找出与第一未掌握知识点相关联的知识点作为预测未掌握知识点；其中，第一已掌握知识点的当前掌握程度与关联程度阈值成反比例关系；
第二交互单元405，用于输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的部分或者全部知识点相关的学习内容。
实施如图4所示的电子设备，可以以快速地分析用户当前的知识点掌握水平，同时还可以通过知识点之间的关联关系，智能预测用户对关联知识点的掌握情况，从而可以在无需采集用户的应用使用行为的情况下，较为准确地测评用户的学习水平，并向用户推荐与其学习水平相符的学习内容，从而提高电子设备向用户(尤其是新用户)推荐的学习内容的针对性，进而提升用户的学习效果。
实施例五
请参阅图5，图5是本发明实施例公开的另一种电子设备的结构示意图。其中，图5所示的电子设备是由图4所示的电子设备进行优化得到的。如图5所示，该电子设备还可以包括：
第一获取单元406，用于获取用户的年龄；
第二获取单元407，用于获取用户输入试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率；
在本发明实施例中，作为一种可选的实施方式，第二获取单元407在获取用户输入试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率之前，还可以用于接收可穿戴设备在检测到第一甩动动作时发送的验证指令，该验证指令包括可穿戴设备检测到的第一甩动动作的甩动方向以及甩动幅度；以及，在接收到该验证指令时，检测电子设备是否发生第二甩动动作，如果检测到第二甩动动作，获取该第甩动动作的甩动方向以及甩动幅度；判断第一甩动动作的甩动方向与第二甩动动作的甩动方向是否相同，如果相同，判断第一甩动动作的甩动幅度与第二甩动动作的甩动幅度是否匹配；如果第一甩动动作的甩动幅度与第二甩动动作的甩动幅度匹配，接收可穿戴设备发送的用户心率；
实施该实施方式，第二获取单元407可以通过可穿戴设备和电子设备的甩动动作对双方进行身份验证，从而可以提高可穿戴设备和电子设备之间进行数据传输的安全性，增加电子设备数据传输的权限限制，以降低电子设备与其他设备之间的通信连接成为安全漏洞，导致电子设备受到非法入侵的可能性；
判断单元408，用于判断用户心率是否高于预设的心率阈值；其中，心率阈值参考用户的年龄对应的人群的平均静态心率设置；
上述的第二确定单元409，具体用于在判断单元408判断出用户心率高于心率阈值时，根据自评等级确定用户对第一已掌握知识点的预估掌握程度，并根据用户心率与心率阈值的差值调整预估掌握程度，以得到用户对第一已掌握知识点的当前掌握程度；以及，在判断单元408判断出用户心率不高于心率阈值时，根据自评等级确定用户对第一已掌握知识点的当前掌握程度；
在本发明实施例中，第二确定单元409用于根据用户心率与心率阈值的差值调整预估掌握程度的方式具体可以为：第二确定单元409判断通过用户输入的自评等级确定的预估掌握程度是否已达到预设的掌握程度范围中的最高掌握程度，如果是，根据用户心率与心率阈值的差值降低该预估掌握程度，以得到用户对第一已掌握知识点的当前掌握程度；其中，用户心率与心率阈值的差值和预估掌握程度的降低程度成反比例关系。实施该实施方式，可以结合用户心率提高评估用户对知识点的掌握程度的准确率。
此外，第二确定单元409在根据用户心率与心率阈值的差值调整预估掌握程度之前，还可以获取摄像头拍摄到的用户在输入试题答案和自评等级时的人脸图像；对该人脸图像进行情绪识别，判断该人脸图像的情绪是否为正面情绪(如兴奋、高兴等)，如果否，执行根据用户心率和心率阈值的差值调整预估掌握程度的操作。实施该实施方式，可以降低正面情绪对结合用户心率评估用户对知识点的掌握程度的影响，进一步提高评估知识点掌握程度的准确性。
可选的，在图5所示的电子设备中，第一获取单元406，具体可以包括：
拍摄子单元4061，用于获取摄像头拍摄到的用户脸部图像；
识别子单元4062，用于识别用户脸部图像中的脸部特征，并根据脸部特征确定用户的年龄。
可见，实施如图5所示的电子设备，可以通过测评试题分析用户当前的知识点掌握水平，并且对用户可能已掌握和可能未掌握的知识点进行智能预测，进一步地，还可以结合检测到的用户心率评估用户对知识点的掌握程度，使得测评出的知识点掌握程度更加贴合实际情况。更进一步地，图5所示的电子设备还可以通过图像识别用户的年龄，无需用户手动输入，还可以减少用户的操作步骤，提高用户体验。
实施例六
请参阅图6，图6是本发明实施例公开的另一种电子设备的结构示意图。其中，图6所示的电子设备是由图5所示的电子设备进行优化得到的。如图6所示，该电子设备还可以包括：
第三获取单元409，用于获取用户的年龄对应的人群的知识点平均掌握数量；
统计单元410，用于统计第一已掌握知识点与预测已掌握知识点的数量总和；
相应地，上述的第二交互单元405，具体可以包括：
第一输出子单元4051，用于在第三获取单元409获取到的数量总和低于统计单元410统计出的知识点平均掌握数量时，输出与第一未掌握知识点相关联的学习内容；
第二输出子单元4052，用于在第三获取单元409获取到的数量总和不低于统计单元410统计出的知识点平均掌握数量时，输出与预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点中的全部知识点相关联的学习内容。
可选的，图6所示的电子设备还可以包括：
生成单元411，用于根据第一已掌握知识点、预测已掌握知识点、第一未掌握知识点以及预测未掌握知识点生成测评报告；
通信单元412，用于输出显示该测评报告，并将测评报告发送至与用户的身份标识绑定的移动终端。
可见，实施如图6所示的电子设备，可以通过测试题目测评并预测用户对知识点的掌握程度，并且还可以在用户的学习水平低于平均水平时，减少推荐给用户的学习内容，从而可以根据不同用户对知识的消化能力的不同，调整推荐给用户的信息量，以达到因材施教的效果。此外，实施图6所示的电子设备，还可以输出显示生成的测评报告，在测评报告中直观详尽的展示用户已掌握的和未掌握的知识点情况，进一步地，可以将测评报告输出至相关的移动终端，以使移动终端的使用者可以第一时间获悉用户的测评结果，及时为用户提供学习帮助。
实施例七
请参阅图7，图7是本发明实施例公开的另一种电子设备的结构示意图。如图7所示，该移动终端可以包括：
存储有可执行程序代码的存储器701；
与存储器701耦合的处理器702；
其中，处理器702调用存储器701中存储的可执行程序代码，执行图1～图3所示的任一种学习内容推荐方法。
需要说明的是，图7所示的移动终端还可以包括电源、输入按键、摄像头、扬声器、屏幕、RF电路、Wi-Fi模块、蓝牙模块、传感器等未显示的组件，本实施例不作赘述。
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～图3所示的任一种学习内容推荐方法。
本发明实施例公开一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行图1～图3所示的任一种学习内容推荐方法。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
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推荐方法及电子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)
1.一种学习内容推荐方法，其特征在于，包括：
检测用户对输出的测评试题输入的试题答案及自评等级；
如果所述试题答案与所述测评试题的标准答案相匹配，将所述测评试题对应的知识点确定为第一已掌握知识点，并根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度；
如果所述试题答案与所述测评试题的标准答案不匹配，将所述测评试题对应的知识点确定为第一未掌握知识点；
根据所述第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与所述第一已掌握知识点相关联并且关联程度高于所述关联程度阈值的知识点作为预测已掌握知识点；所述第一已掌握知识点的当前掌握程度与所述关联程度阈值成反比例关系；
从所述知识点数据库中查找出与所述第一未掌握知识点相关联的知识点作为预测未掌握知识点；
输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关联的学习内容。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户的年龄；
获取用户输入所述试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率；
以及，在所述将所述测评试题对应的知识点确定为第一已掌握知识点之后，所述方法还包括：
判断所述用户心率是否高于预设的心率阈值，所述心率阈值参考所述用户的年龄对应的人群的平均静态心率设置；
如果所述用户心率高于所述心率阈值，根据所述自评等级确定用户对所述第一已掌握知识点的预估掌握程度；
根据所述用户心率与所述心率阈值的差值调整所述预估掌握程度，以得到用户对所述第一已掌握知识点的当前掌握程度；
如果所述用户心率不高于所述心率阈值，执行所述根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度的步骤。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述用户的年龄对应的人群的知识点平均掌握数量；
统计所述第一已掌握知识点与所述预测已掌握知识点的数量总和；
以及，所述输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关联的学习内容，包括：
如果所述数量总和低于所述知识点平均掌握数量，输出与所述第一未掌握知识点相关联的学习内容；
如果所述数量总和不低于所述知识点平均掌握数量，输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的全部知识点相关联的学习内容。
4.根据权利要求2或3所述的方法，其特征在于，所述获取用户的年龄，包括：
获取摄像头拍摄到的用户脸部图像；
识别所述用户脸部图像中的脸部特征，并根据所述脸部特征确定用户的年龄。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述第一已掌握知识点、所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点生成测评报告；
输出显示所述测评报告，并将所述测评报告发送至与用户的身份标识绑定的移动终端。
6.一种电子设备，其特征在于，包括：
第一交互单元，用于检测用户对输出的测评试题输入的试题答案及自评等级；
第一确定单元，用于在所述试题答案与所述测评试题的标准答案相匹配时，将所述测评试题对应的知识点确定为第一已掌握知识点；以及，在所述试题答案与所述测评试题的标准答案不匹配时，将所述测评试题对应的知识点确定为第一未掌握知识点；
第二确定单元，用于根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度；
第三确定单元，用于根据所述第一已掌握知识点的当前掌握程度确定对应的关联程度阈值，并从知识点数据库中查找出与所述第一已掌握知识点相关联并且关联程度高于所述关联程度阈值的知识点作为预测已掌握知识点；以及，从知识点数据库中查找出与所述第一未掌握知识点相关联的知识点作为预测未掌握知识点；其中，所述第一已掌握知识点的当前掌握程度与所述关联程度阈值成反比例关系；
第二交互单元，用于输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的部分或者全部知识点相关的学习内容。
7.根据权利要求6所述的电子设备，其特征在于，还包括：
第一获取单元，用于获取用户的年龄；
第二获取单元，用于获取用户输入所述试题答案及自评等级时由用户佩戴的可穿戴设备检测到的用户心率；
判断单元，用于判断所述用户心率是否高于预设的心率阈值，所述心率阈值参考所述用户的年龄对应的人群的平均静态心率设置；
所述第二确定单元，具体用于在所述判断单元判断出所述用户心率高于所述心率阈值时，根据所述自评等级确定用户对所述第一已掌握知识点的预估掌握程度，并根据所述用户心率与所述心率阈值的差值调整所述预估掌握程度，以得到用户对所述第一已掌握知识点的当前掌握程度；以及，在所述判断单元判断出所述用户心率不高于所述心率阈值时，根据所述自评等级确定用户对所述第一已掌握知识点的当前掌握程度。
8.根据权利要求7所述的电子设备，其特征在于，还包括：
第三获取单元，用于获取所述用户的年龄对应的人群的知识点平均掌握数量；
统计单元，用于统计所述第一已掌握知识点与所述预测已掌握知识点的数量总和；
所述第二交互单元，包括：
第一输出子单元，用于在所述数量总和低于所述知识点平均掌握数量时，输出与所述第一未掌握知识点相关联的学习内容；
第二输出子单元，用于在所述数量总和不低于所述知识点平均掌握数量时，输出与所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点中的全部知识点相关联的学习内容。
9.根据权利要求7或8所述的电子设备，其特征在于，所述第一获取单元，包括：
拍摄子单元，用于获取摄像头拍摄到的用户脸部图像；
识别子单元，用于识别所述用户脸部图像中的脸部特征，并根据所述脸部特征确定用户的年龄。
10.根据权利要求9所述的电子设备，其特征在于，还包括：
生成单元，用于根据所述第一已掌握知识点、所述预测已掌握知识点、所述第一未掌握知识点以及所述预测未掌握知识点生成测评报告；
通信单元，用于输出显示所述测评报告，并将所述测评报告发送至与用户的身份标识绑定的移动终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811559758.3A CN109636218B (zh) | 2018-12-20 | 2018-12-20 | 一种学习内容推荐方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811559758.3A CN109636218B (zh) | 2018-12-20 | 2018-12-20 | 一种学习内容推荐方法及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109636218A true CN109636218A (zh) | 2019-04-16 |
| CN109636218B CN109636218B (zh) | 2022-07-08 |
Family
ID=66075681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811559758.3A Active CN109636218B (zh) | 2018-12-20 | 2018-12-20 | 一种学习内容推荐方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636218B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222195A (zh) * | 2019-05-22 | 2019-09-10 | 北京作业盒子科技有限公司 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
| CN111191910A (zh) * | 2019-12-26 | 2020-05-22 | 上海乂学教育科技有限公司 | 基于学习路径规划的学习系统 |
| CN111599230A (zh) * | 2020-06-12 | 2020-08-28 | 西安培华学院 | 一种基于大数据的语言教学方法及装置 |
| CN112069295A (zh) * | 2020-09-18 | 2020-12-11 | 科大讯飞股份有限公司 | 相似题推荐方法、装置、电子设备和存储介质 |
| CN114937281A (zh) * | 2022-05-31 | 2022-08-23 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020039722A1 (en) * | 2000-04-14 | 2002-04-04 | Barry Lippman | Computerized practice test and cross-sell system |
| CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
| CN101739854A (zh) * | 2008-11-25 | 2010-06-16 | 梁昌年 | 利用计算机系统来对用户进行自适应评估的方法及其装置 |
| CN104732465A (zh) * | 2015-03-20 | 2015-06-24 | 广东小天才科技有限公司 | 一种监测学生学习状态的方法、装置及系统 |
| CN105225563A (zh) * | 2015-11-02 | 2016-01-06 | 广东小天才科技有限公司 | 一种学习数据推荐方法、装置及穿戴式学习设备 |
| CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
| 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 |
| CN106909438A (zh) * | 2017-02-21 | 2017-06-30 | 黄鸣生 | 基于真实数据的虚拟数据构建方法和系统 |
| CN109033418A (zh) * | 2018-08-07 | 2018-12-18 | 广东小天才科技有限公司 | 一种学习内容的智能推荐方法及学习设备 |
-
2018
- 2018-12-20 CN CN201811559758.3A patent/CN109636218B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020039722A1 (en) * | 2000-04-14 | 2002-04-04 | Barry Lippman | Computerized practice test and cross-sell system |
| CN101625799A (zh) * | 2008-07-07 | 2010-01-13 | 梁昌年 | 用于个性化学习的界面 |
| CN101739854A (zh) * | 2008-11-25 | 2010-06-16 | 梁昌年 | 利用计算机系统来对用户进行自适应评估的方法及其装置 |
| CN104732465A (zh) * | 2015-03-20 | 2015-06-24 | 广东小天才科技有限公司 | 一种监测学生学习状态的方法、装置及系统 |
| CN105225563A (zh) * | 2015-11-02 | 2016-01-06 | 广东小天才科技有限公司 | 一种学习数据推荐方法、装置及穿戴式学习设备 |
| CN105787839A (zh) * | 2016-03-23 | 2016-07-20 | 成都准星云学科技有限公司 | 一种学习资源推送方法和装置 |
| 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 |
| CN106909438A (zh) * | 2017-02-21 | 2017-06-30 | 黄鸣生 | 基于真实数据的虚拟数据构建方法和系统 |
| CN109033418A (zh) * | 2018-08-07 | 2018-12-18 | 广东小天才科技有限公司 | 一种学习内容的智能推荐方法及学习设备 |
Non-Patent Citations (1)
| Title |
|---|
| 姜强 等: "《能力导向的个性化学习路径生成及评测》", 《现代远程教育研究》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110222195A (zh) * | 2019-05-22 | 2019-09-10 | 北京作业盒子科技有限公司 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
| CN110222195B (zh) * | 2019-05-22 | 2021-11-16 | 北京作业盒子科技有限公司 | 题目作答结果与知识点关系的挖掘方法及电子装置 |
| CN111191910A (zh) * | 2019-12-26 | 2020-05-22 | 上海乂学教育科技有限公司 | 基于学习路径规划的学习系统 |
| CN111599230A (zh) * | 2020-06-12 | 2020-08-28 | 西安培华学院 | 一种基于大数据的语言教学方法及装置 |
| CN112069295A (zh) * | 2020-09-18 | 2020-12-11 | 科大讯飞股份有限公司 | 相似题推荐方法、装置、电子设备和存储介质 |
| CN114937281A (zh) * | 2022-05-31 | 2022-08-23 | 北京百度网讯科技有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109636218B (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636218A (zh) | 一种学习内容推荐方法及电子设备 | |
| CN107004371B (zh) | 对教育内容效果的量度 | |
| Lallé et al. | Prediction of users' learning curves for adaptation while using an information visualization | |
| CN104794947A (zh) | 一种教学情况反馈方法及装置 | |
| US20190206271A1 (en) | Negative learning behavior alert system | |
| CN113851020A (zh) | 一种基于知识图谱的自适应学习平台 | |
| CN111477051B (zh) | 一种测评方法、装置、电子设备及存储介质 | |
| Jones et al. | Fifty years of A‐level mathematics: have standards changed? | |
| US20230105077A1 (en) | Method and system for evaluating and monitoring compliance, interactive and adaptive learning, and neurocognitive disorder diagnosis using pupillary response, face tracking emotion detection | |
| CN112131977A (zh) | 学习监督方法、装置、智能设备及计算机可读存储介质 | |
| Naghizadeh et al. | A model for motivation assessment in intelligent tutoring systems | |
| Satre et al. | Online Exam Proctoring System Based on Artificial Intelligence | |
| CN109636692A (zh) | 一种用户画像的生成方法及电子设备 | |
| CN109636229A (zh) | 一种学习效果的评估方法及电子设备 | |
| Asai et al. | Predicting cognitive load in acquisition of programming abilities. | |
| Wang et al. | MOCHI: an offline evaluation framework for educational recommendations | |
| Mershad et al. | Using Internet of Things for automatic student assessment during laboratory experiments | |
| Bendjebar et al. | An improvement of a data mining technique for early detection of at-risk learners in distance learning environments | |
| Chamorro-Atalaya et al. | Supervised learning through classification learner techniques for the predictive system of personal and social attitudes of engineering students | |
| An et al. | Are Working Habits Different Between Well-Performing and at-Risk Students in Online Project-Based Courses? | |
| de Morais et al. | Improving Sensor-Free Affect Detection by Considering Students' Personality Traits | |
| RU201723U1 (ru) | Автоматизированное устройство для контроля знаний учащихся | |
| Tu et al. | An Adaptive Content Skipping Methodology based on User Behavioral Modeling | |
| Girard et al. | Using HCI task modeling techniques to measure how deeply students model | |
| Grigg et al. | Work in progress—Robust engineering problems for the study of problem solving strategies |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |