CN109739829A - 一种基于日常作业的学生知识体系分析系统 - Google Patents

Abstract

本发明公开了一种基于日常作业的学生知识体系分析系统，包括数据处理装置，所述数据处理装置外侧通过通信线缆连接有语音播放器和触控屏，所述数据处理装置表面设有密码验证模块，所述数据处理装置连接端分别设有试题知识库存储模块、作业质量采集模块、个体知识体系生成模块和试题推送模块。本发明通过设有作业质量采集模块和个体知识体系生成模块，作业质量采集模块通过多种途径采集学生对问题的作答情况，从而个体知识体系生成模块可以基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，为每个学生建立专属知识体系，针对每一个学生的不足进行专门性的辅导，从而有效提升学生学习、复习效率，针对性的进行知识强化。

Description

一种基于日常作业的学生知识体系分析系统

技术领域

本发明涉及计算机信息和教育领域，特别涉及一种基于日常作业的学生知识体系分析系统。

背景技术

为了取得好成绩，需要学生明确课本中各类知识点，并针对每个知识点进行大量练习。因此学习过程中需要完成大量的日常作业。但是，受学生和老师自身层次所限，学生很难在做题过程中明确了解题目和知识点之间的关系，普通老师也很难针对每一个学生的不足进行专门性的辅导。

专利CN108256751A提出了一种基于大数据的在线教学过程评价方法，包括数据获取、数据挖掘和模型构建，其目标是预测学生是否学习失败。但是其数据来源于分数、出勤率、辍学率等信息，其数据挖掘部分描述十分空洞，没有有意义的内容，最后的模型构建部分错误的采用了一个最原始的用于图像识别的卷积网络，预测结果是学习成功或失败，并不能够提供任何提高学习成绩的信息。

专利CN105654403A提出一种基于学生作业结果数据的知识树问题分析方法，该方法基于电子题库，将学生做过的题目放入错题集和历史作业中，并能够根据科目对题目进行分类，对错题进行集中测试，方便学生复习。这类系统对传统错题本进行了电子化操作，前提是学生必须大量做题后才能形成有效的错题库，不能够主动为学生推送题目，对于知识划分只限于科目、学期，没能够精确到知识点，也不能利用大数据技术发现类似学生普遍存在的问题，操作对象仅限于电子试题，对学生的学习效率提升有限。

专利CN107886794A提出一种可实现在线辅导的学生作业批改系统。系统涉及点评模块、错题共享模块，能够对学生的复习和知识点强化起到一定作用，但仍然是学生先做题，后点评的传统模式，不能够根据学生目前的知识掌握情况主动的为学生准备试题，学生在复习的时候只能基于历史做题数据，不能主动的去发现自身知识弱点，难以针对性的实现知识强化。

因此，发明一种基于日常作业的学生知识体系分析系统来解决上述问题很有必要。

发明内容

本发明的目的在于提供一种基于日常作业的学生知识体系分析系统，通过设有作业质量采集模块和个体知识体系生成模块，作业质量采集模块通过多种途径采集学生对问题的作答情况，包括纸质作业的信息采集电子试题的作答信息，课堂问答和听课质量信息，从而个体知识体系生成模块可以基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，针对每一个学生的不足进行专门性的辅导，为每个学生建立专属知识体系，基于知识体系和大数据分析进行试题推送，从而有效提升学生学习、复习效率，针对性的进行知识强化，以解决学生很难在做题过程中明确了解题目和知识点之间的关系，普通老师也很难针对每一个学生的不足进行专门性的辅导的问题。

为实现上述目的，本发明提供如下技术方案：一种基于日常作业的学生知识体系分析系统，包括数据处理装置，所述数据处理装置外侧通过通信线缆连接有语音播放器和触控屏，所述数据处理装置表面设有密码验证模块，所述数据处理装置连接端分别设有试题知识库存储模块、作业质量采集模块、个体知识体系生成模块和试题推送模块，所述数据处理装置输出端设有数控服务器，所述数控服务器外侧通过以太网传输线缆连接有数据库，所述数控服务器输出端设有数据计算模块。

优选的，所述数据处理装置用于收集不同学生的学习数据，并将收集到的学习数据传输至数控服务器。

优选的，所述试题知识库存储模块包括学期选项、科目选项、试题选项和答案选项，所述作业质量采集模块根据知识点按照树状结构分层次表示。

优选的，所述作业质量采集模块包括纸质作业信息采集模块、电子试题作答信息采集模块和课堂问答和听课质量信息采集模块。

优选的，所述个体知识体系生成模块基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，所述试题推送模块通过遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题。

优选的，所述数据库与数控服务器相互连通，所述数控服务器连通以太网并通过以太网获取相应年龄段的学生学习大数据，所述数据库用于存储不同学生的历史数据。

优选的，所述数据计算模块包括向量化算法、聚类算法和推荐算法，所述向量化算法是根据学生的学习数据，对学生知识点掌握情况进行打分；所述聚类算法用于把很多点按照远近关系聚集起来成为许多为簇；所述推荐算法用于对学生知识的薄弱点不断强化，可以用最少的付出得到最好的效果。

本发明的技术效果和优点：

1、通过设有作业质量采集模块和个体知识体系生成模块，作业质量采集模块通过多种途径采集学生对问题的作答情况，包括纸质作业的信息采集电子试题的作答信息，课堂问答和听课质量信息，从而个体知识体系生成模块可以基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，针对每一个学生的不足进行专门性的辅导，为每个学生建立专属知识体系，基于知识体系和大数据分析进行试题推送，从而有效提升学生学习、复习效率，针对性的进行知识强化；

2、通过设有试题知识库存储模块和试题推送模块，试题推送模块通过建立学生错题本，根据遗忘曲线周期性的推送该错题，能够将每次的记忆任务平摊，降低学生每次记忆的消耗，同时实现永久记忆效果，由遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题，极大地提高学习效率，减少重复做题，试题知识库存储模块由以太网下载学生对应学期的不同科目的不同类型习题，为试题推送模块提供充足的题源；

3、通过设有数据计算模块，数据计算模块包括向量化算法、聚类算法和推荐算法，向量化算法是根据学生的数据，对学生知识点掌握情况进行打分，每个学期的每个知识点都有一个分数；聚类算法是通过向量可以表示空间里的点，无论什么点，都能计算出来点和点距离随后用聚类方法，就可以把很多点按照远近关系聚集起来成为许多小簇，学习好的一堆，学习差的一堆，就好像物以类聚，给下面的推荐算法服务，推荐算法计算学生的每一个知识点跟簇中心的差距，这些差值有正有负，按照差的知识点去搜题并推荐，尽快的强化这些薄弱的点，同时根据人类的遗忘曲线，通过间隔的方式，对薄弱点不断强化，可以用最少的付出得到最好的效果。

附图说明

图1为本发明的整体结构原理图；

图2为本发明的试题知识库存储模块结构图；

图3为本发明的作业质量采集模块结构图；

图4为本发明的学生试题正确数与知识点评分关系图；

图5为本发明作业质量采集模块的科目的知识体系；

图6为本发明的学生知识向量可视化及簇群划分图；

图中：1数据处理装置、11密码验证模块、2试题知识库存储模块、21学期选项、22科目选项、23试题选项、24答案选项、3作业质量采集模块、31纸质作业信息采集模块、32电子试题作答信息采集模块、33课堂问答和听课质量信息采集模块、4个体知识体系生成模块、5试题推送模块、6数控服务器、7数据库、8数据计算模块、81输入面板、82对答面板。

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。

实施例一：

本发明提供了如图1-3所示的一种基于日常作业的学生知识体系分析系统，包括数据处理装置1，所述数据处理装置1外侧通过通信线缆连接有语音播放器11和触控屏12，所述数据处理装置1表面设有密码验证模块13，所述数据处理装置1连接端分别设有试题知识库存储模块2、作业质量采集模块3、个体知识体系生成模块4和试题推送模块5，所述数据处理装置1输出端设有数控服务器6，所述数控服务器6外侧通过以太网传输线缆连接有数据库7，所述数控服务器6输出端设有数据计算模块8。

所述数据处理装置1用于收集不同学生的学习数据，并将收集到的学习数据传输至数控服务器6。

所述作业质量采集模块3包括纸质作业信息采集模块31、电子试题作答信息采集模块32和课堂问答和听课质量信息采集模块33。

其中不同的学生为其生成一个空的知识体系，每个学年、每个科目均生成一个独立的知识结构树，每个树状结构的叶节点是最细粒度的知识点，整个知识树的结构与考试大纲中的要是十分类似，每一个知识节点都具备一个分数，初始化分数为0，叶节点上方的中间节点分数为其所有叶节点分数的平均值，对于一个知识点，其分数计算公式为：

如说明书附图图4：其函数图像在正数范围上取值为0≤f(x)＜100，开始提升较快，同知识点题型5个左右时逐步逼近满分，其中x为学生做对该知识点题目的数量，取值范围0≤x，学生每做对该知识点的一道题，x增加1，计算f(x)；学生每做错一题，x=0.7x，并重新更新f(x)作为惩罚，其中公式参数、公式形态在实际应用中均可调，只需将学生的分数限定在一定区间即可。

本实施例有益效果：作业质量采集模块3通过多种途径采集学生对问题的作答情况，包括纸质作业的信息采集电子试题的作答信息，课堂问答和听课质量信息，从而个体知识体系生成模块4可以基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，针对每一个学生的不足进行专门性的辅导，为每个学生建立专属知识体系，基于知识体系和大数据分析进行试题推送，从而有效提升学生学习、复习效率，针对性的进行知识强化。

实施例二：

所述作业质量采集模块2包括学期选项21、科目选项22、试题选项23和答案选项24，所述作业质量采集模块2根据知识点按照树状结构分层次表示。

所述个体知识体系生成模块4基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，所述试题推送模块5通过遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题。

如说明书附图5：作业质量采集模块2的知识点按照树状结构分层次表示，最多分为四级，每个试题可包含多个知识点，例如物理中的摩擦力知识点，表示为力学-受力分析二力平衡-摩擦力，每一个知识点配合至少一个讲解内容，讲解内容包括文字说明、图片、动画和视频等；

如说明书附图6：试题推送模块5功能较为复杂，通过遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题，极大地提高学习效率，减少重复做题，具体技术如下：

建立学生错题本，根据遗忘曲线周期性的推送该错题，能够将每次的记忆任务平摊，降低学生每次记忆的消耗，同时实现永久记忆效果；根据知识点掌握情况，将学期内得分较低知识点找出，选择知识点内的试题进行推送，在试题集合中，利用语义识别技术，尽量选择题型、题干内容和错题区别较大的题目进行推送，从而尽可能让学生全面接触本知识点内的各类题型和描述场景；按照叶节点知识点得分情况，按学科按学期将每个学生向量化，并对学生向量进行聚类，用相同学生簇的中心向量减去学生向量，得到知识点差异向量，对于该知识点差异向量，每个正值代表相同群体中优于该学生的知识点，需要进行相关强化，负值代表该学生在群体中的优势知识点，暂不需要补充，系统利用正值选择相关知识点，通过排除该学生已经做过的题目后进行推荐。

通过此方式学生可以迅速补全并超过同级别学力学生，超越后，学生向量将会与更高级的簇群中心比较，通过试题逐步提升。

本实施例有益效果：试题推送模块5通过建立学生错题本，根据遗忘曲线周期性的推送该错题，能够将每次的记忆任务平摊，降低学生每次记忆的消耗，同时实现永久记忆效果，由遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题，极大地提高学习效率，减少重复做题，试题知识库存储模块2由以太网下载学生对应学期的不同科目的不同类型习题，为试题推送模块5提供充足的题源。

实施例三：

所述数据库7与数控服务器6相互连通，所述数控服务器6连通以太网并通过以太网获取相应年龄段的学生学习大数据，所述数据库7用于存储不同学生的历史数据。

所述数据计算模块8包括向量化算法、聚类算法和推荐算法，所述向量化算法是根据学生的学习数据，对学生知识点掌握情况进行打分；所述聚类算法用于把很多点按照远近关系聚集起来成为许多为簇；所述推荐算法用于对学生知识的薄弱点不断强化，可以用最少的付出得到最好的效果。

本实施例有益效果：，数据计算模块8包括向量化算法、聚类算法和推荐算法，向量化算法是根据学生的数据，对学生知识点掌握情况进行打分，每个学期的每个知识点都有一个分数；聚类算法是通过向量可以表示空间里的点，无论什么点，都能计算出来点和点距离随后用聚类方法，就可以把很多点按照远近关系聚集起来成为许多小簇，学习好的一堆，学习差的一堆，就好像物以类聚，给下面的推荐算法服务，推荐算法计算学生的每一个知识点跟簇中心的差距，这些差值有正有负，按照差的知识点去搜题并推荐，尽快的强化这些薄弱的点，同时根据人类的遗忘曲线，通过间隔的方式，对薄弱点不断强化，可以用最少的付出得到最好的效果。

本发明工作原理：

参照说明书附图1和图3：作业质量采集模块3通过多种途径采集学生对问题的作答情况，包括纸质作业的信息采集电子试题的作答信息，课堂问答和听课质量信息，从而个体知识体系生成模块4可以基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，针对每一个学生的不足进行专门性的辅导，为每个学生建立专属知识体系，基于知识体系和大数据分析进行试题推送，从而有效提升学生学习、复习效率，针对性的进行知识强化；

参照说明书附图1和图2：试题推送模块5通过建立学生错题本，根据遗忘曲线周期性的推送该错题，能够将每次的记忆任务平摊，降低学生每次记忆的消耗，同时实现永久记忆效果，由遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题，极大地提高学习效率，减少重复做题，试题知识库存储模块2由以太网下载学生对应学期的不同科目的不同类型习题，为试题推送模块5提供充足的题源；

参照说明书附图1：，数据计算模块8包括向量化算法、聚类算法和推荐算法，向量化算法是根据学生的数据，对学生知识点掌握情况进行打分，每个学期的每个知识点都有一个分数；聚类算法是通过向量可以表示空间里的点，无论什么点，都能计算出来点和点距离随后用聚类方法，就可以把很多点按照远近关系聚集起来成为许多小簇，学习好的一堆，学习差的一堆，就好像物以类聚，给下面的推荐算法服务，推荐算法计算学生的每一个知识点跟簇中心的差距，这些差值有正有负，按照差的知识点去搜题并推荐，尽快的强化这些薄弱的点，同时根据人类的遗忘曲线，通过间隔的方式，对薄弱点不断强化，可以用最少的付出得到最好的效果。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于日常作业的学生知识体系分析系统，包括数据处理装置（1），其特征在于：所述数据处理装置（1）表面设有密码验证模块（13），所述数据处理装置（1）连接端分别设有试题知识库存储模块（2）、作业质量采集模块（3）、个体知识体系生成模块（4）和试题推送模块（5），所述数据处理装置（1）输出端设有数控服务器（6），所述数控服务器（6）外侧通过以太网传输线缆连接有数据库（7），所述数控服务器（6）输出端设有数据计算模块（8）。

2.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述数据处理装置（1）用于收集不同学生的学习数据，并将收集到的学习数据传输至数控服务器（6）。

3.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述试题知识库存储模块（2）包括学期选项（21）、科目选项（22）、试题选项（23）和答案选项（24），所述作业质量采集模块（2）根据知识点按照树状结构分层次表示。

4.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述作业质量采集模块（3）包括纸质作业信息采集模块（31）、电子试题作答信息采集模块（32）和课堂问答和听课质量信息采集模块（33）。

5.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述个体知识体系生成模块（4）基于学生日常作业行为，逐步为每个学生构建个体化、差异化的知识体系，所述试题推送模块（5）通过遗忘曲线、知识点掌握情况、学生历史作业语义匹配和大数据分析技术，主动地向学生推送练习题。

6.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述数据库（7）与数控服务器（6）相互连通，所述数控服务器（6）连通以太网并通过以太网获取相应年龄段的学生学习大数据，所述数据库（7）用于存储不同学生的历史数据。

7.根据权利要求1所述的一种基于日常作业的学生知识体系分析系统，其特征在于：所述数据计算模块（8）包括向量化算法、聚类算法和推荐算法，所述向量化算法是根据学生的学习数据，对学生知识点掌握情况进行打分；所述聚类算法用于把很多点按照远近关系聚集起来成为许多为簇；所述推荐算法用于对学生知识的薄弱点不断强化，可以用最少的付出得到最好的效果。