CN109767366A - 一种实时扫描分析单词记忆效果的计算机雷达系统 - Google Patents
一种实时扫描分析单词记忆效果的计算机雷达系统 Download PDFInfo
- Publication number
- CN109767366A CN109767366A CN201910014182.0A CN201910014182A CN109767366A CN 109767366 A CN109767366 A CN 109767366A CN 201910014182 A CN201910014182 A CN 201910014182A CN 109767366 A CN109767366 A CN 109767366A
- Authority
- CN
- China
- Prior art keywords
- word
- user
- real time
- learning
- server
- 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
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种实时扫描分析单词记忆效果的计算机雷达系统，该雷达系统包含多个功能矩阵，包括单词库、音频库、短语库、句子库、测试题库、语音测评等，对用户单词学习过程中的听、说、读、写、考五个维度进行全面扫描、记录、分析、测评。本雷达系统的信息收集站点和显示终端都是用户使用的计算机，通过IP网络与中央处理服务器控制端互联，实现雷达数据处理，实现处理数据显示和控制的分离；由云端服务器系统对用户进行外语单词学习的追踪、扫描、分析，实现单词记忆更加有效实用。
Description
技术领域
本发明涉及一种实时扫描分析单词记忆效果的计算机雷达系统，属于高效记忆工具技术领域。
背景技术
目前的主流单词记忆方法通常都是以文字显示的方式来表达单词的意思，没有充分调用听说读写多感官共同形成记忆应激反应，更没有把单词放在句子和语篇中去加深记忆效果，这样必然导致单词背了又忘，忘了又背，而且记住不会用，掌握的单词读不准，听力也不能得到提高。
传统的单词学习工具主要有单词手册、课本、以及词典等纸质资源，或者通过闪卡、影像或多媒体的播放来加深对单词的印象。这些工具的共同点是学习者在学习的过程中，只能按照固定的单词顺序线性的学习，不能与这些资源进行任何交互，更不能对学习者的学习特征作出相应的调整和反馈。
随着学习软件的广泛应用，各大公司出现了大量的英语单词学习软件，对这些软件按功能特点进行分类，可划分为“记单词”、“单词助记”、“记忆管理”三个层次。“背单词”属于最低层次，这种软件仅仅是将纸质的词典电子化；“单词助记”则利用了一些辅助信息或媒体帮助学习者对词汇进行有效记忆；而“记忆管理”层次最高，能够对大量单词记忆之后按照遗忘曲线规律进行复习安排。
目前现有技术公开的“记忆管理”层次的背诵单词的系统一般是改变单词的记忆频率，通过简单设定单词的重复播放次数来加深使用者对单词的记忆程度。这些系统方法都是简单的依据艾宾浩斯的记忆曲线的理论，简单的将单词分为各种不同记忆级别，不熟悉单词被播放的频率将会增加，而较熟悉的单词的被播放频率则较低，当熟悉程度达到设定条件时，单词将不再重复。
但是这些单词记忆系统不同，都是根据Hermann Ebbinghaus遗忘曲线进行开发的。然而，HermannEbbinghaus遗忘曲线是1886年根据Hermann Ebbinghaus本人对一组无意义的符号进行记忆得到的模型，该模型本身只代表Hermann Ebbinghaus本人的记忆能力，忽略了各个用户之间记忆能力的差异，其记忆对象是无意义的符号，没有考虑各单词在实际使用中的重要程度。
现有的单词记忆系方法虽然可以帮助使用者加深对单词的熟练程度，但是使用者不能快速主动设定单词的熟练度，无法实时查看单词本，只有简单单词库没有音频库，不能考察单词的应用语境，单一的词库更无法全时全方位测评出使用者的真实英语水平。而且其他单词记忆系统都是独立单调的工具，无法促成共同学习的社交属性，缺乏竞技性和趣味性，不能更全面刺激用户提高记忆效果。因此实有必要提出改进的高效辅助单词记忆的技术方案，来解决此问题。
发明内容
本发明解决的技术问题为：克服现有技术不足，提供一种实时扫描分析单词记忆效果的计算机雷达系统，综合考虑了遗忘规律、用户知识结构、大脑活动个性差异和单词权重等不同因素，使用云计算记忆雷达系统，扫描分析用户的单词量，制定学习计划，实时全维度追踪扫描用户行为，在云端处理器计算分析数据，学习过程中动态调整学习内容、形式与进度，可以让单词记忆更加有效、实用。
本发明解决的技术方案为：一种实时扫描分析单词记忆效果的计算机雷达系统，包括：学前测试模块、云端服务器、智能排课模块、扫描追踪模块、单元测试模块；
学前测试模块，作为信息收集站点，扫描获得用户当前学习情况，包括用户单词数量、熟练度(熟练度优选通过系统统计的记忆时间和记忆准确率数据确定，例如记忆时间单词的记忆时间)和记忆准确率(单词的记忆准确率)均达到设定的要求，定义为熟练，否则定义为不熟练)，即获取用户个性化数据，送至云端服务器；
云端服务器，记录用户当前学习情况，并根据用户当前学习情况，确定用户记忆单词的数量与理解掌握的质量(理解掌握的质量优选通过单元测试、强制复习和对比测试效果，确定理解掌握的质量)，并给出测试报告；
智能排课模块，根据测试报告，从预存的多个开课方案(预存的开课方案优选包括：新概念、初中高级、小学版、小升初、初中版、中考版、高中版、高考版、大学版、留学版开课方案，每个开课方案内为不同学段和教材的考纲词汇与高频考试词汇)中选择出用户对应的开课方案，供用户学习，用户开课后记录课程学习进度(每个课程方案由书目、单元、单词三个层级，一次学完一个单元词汇并且达标后进入下一个单元学习，优选根据学习的单元数量和单词量，确定课程学习进度)，并自动在开课前发送学习时间的提醒短信；
扫描追踪模块，实时扫描追踪用户学习数据；(用户学习数据优选包括单词记忆时间、累计学习时间、学习单元进度、单词记忆量、单词分级、记忆准确率、生词本。)
单元测试模块，不定期扫描检测用户开课后阶段性学习结果，并记录分析数据(分析数据优选包含当前开课方案的完成进度和记忆准确率)即阶段性学习结果数据发送至智能排课模块，智能排课模块根据记录的分析数据，自动调整用户对应的开课方案(自动调整用户对应的开课方案优选为：如果学习单元进度超过90％且记忆准确率达到80％，则系统重点重复生词本中单词的学习，否则强制复习当前的学习方案提高记忆准确率，并保存进度；学习进度完成后记忆准确率不达标则推荐新的学习方案，例如给高三学生推荐高考高频词课程或者维克多专题词汇等)；
实时扫描追踪用户的学习数据，包括：学习时间、学习进度、学习效率、学习产生的动态生词本(动态生词本，优选包括学习和测试过程中对每个单词分类标签信息(熟词、夹生词、陌生词)进行实时修正，重点实现单词本中生词部分的监控)，个性化强制复习数据(优选包括动态生词本中单词复习时间、复习准确率、复习进度数据)。
智能排课模块根据记录的分析数据，自动调整用户对应的开课方案，包括调整(根据记忆准确率自动调整，优选按照记忆准确率调整复习时间，从而调整学习进度，调整完成后作为用户对应的开课方案)用户开课所学习的用户单词库数据。
用户使用显示终端进行学习，用户只需进行基本操作电脑。
用户进行基本操作电是指会打字即可。
学前测试模块能够实现用户单词量快速扫描，以缩短了对用户询问、测试所需的时间。
云端服务器能够从预先存储的题库中选择测试题，自动形成用户测试题，并根据用户测试题的答题情况生成测试报告。
智能排课模块，根据测试报告，从预存的多个开课方案中选择出用户对应的开课方案，具体包括：课程数量、课程时长、课程频次、课程内容、复习间隔、复习时长、复习频次
课程内容中，包括每次课程需要学习的单词，以及每个单词的发音、词义、分音节、单词的语音测评、单词在句子中的应用情景以及单词的阅读语境练习，从而对每个单词进行多感官刺激记忆与多维度学习。
扫描追踪模块，每节课后实时扫描追踪用户学习数据，根据学习数据，自动地识别用户的记忆能力、记忆周期、并实时动态为用户每次课程需要学习的单词分类打标签，反馈给智能排课模块，智能排课模块根据用户的记忆能力、记忆周期和打标签的情况，自动地从预先存储的单词库中，为用户选择需要记忆的单词和制定复习的单词表和日程表，作为下节课的课程内容。
为用户每次课程需要学习的单词分类打标签，包括：熟词、夹生词、陌生词。
智能排课模块中预先存储有单词库、音频库、短语库、句子库、测试题库，每次课程需要学习的单词、词义从单词库中提取，发音、分音节从音频库中提取，单词的语音测评题从测试题库中提取，单词在句子中的应用情景和单词的阅读语境练习从句子库中提取。
雷达系统是基于客户端Client和服务端Server模式实现的多雷达远程客户端监控与互动系统，用户能够在不同的终端即客户端Client，包括手机、PC、IPAD上通过浏览器在任何时间和地点进行操作，实时自动满足客户端Client信息采集雷达运行状态信息实时更新的需求，客户端与服务端Server的云端服务器建立websocket连接，实现在客户端与服务端Server间进行实时数据交换。
客户端为手机的用户数据即学情报文，模拟UDP协议的方式实时报送服务端Server的云端服务器，然后云端服务器对接收到的学情报文信息进行解析、存储并转换为JSON格式报文即JavaScript Object Notation格式学习计划报文，通过Websocket连接实时推送给客户端，客户端接收报文后，调整运行模式(根据不同的单词量测试成绩和学习数据，评测当前用户单词量水平与学习情况，生成学习方案并开通该方案对应的预设课程，反馈到客户端)，与用户的记忆学习状态达到最佳匹配，达到最佳记忆效率状态。
云端服务器即中心服务器由数据转发服务器、web服务器、数据库服务器以及备份服务器组成；数据转发服务器接收客户端采集来的学情报文，通过websocket连接转发给web客户端；web服务器用于响应用户使用网页学习对web客户端的加载请求，并将页面返回给web客户端；数据库服务器用于存储收到的学情报文信息和web客户端用户动态操作和静态信息，备份服务器为数据转发服务器、web服务器、数据库服务器的备份，在其中某个服务器故障时，代替该故障服务器，保持云端服务器的稳定工作。
云端服务器具有灵活性和可扩展性，能够增加部署负载均衡服务器、索引服务器、缓存服务器及多功能服务器。
负载均衡服务器：对多台云服务器进行流量分发的负载均衡服务，可以通过流量分发扩展应用系统对外的服务能力，通过消除单点故障提升应用系统的可用性。
索引服务器保证有足够资源使用数据库索引快速访问数据库表中的特定信息。
缓存服务器优化性能和节省宽带，将需要频繁访问的Web页面和对象保存在离用户更近的系统中，当再次访问这些对象的时候加快了速度。
多功能服务器包含有系统应用(优选包括：备份，还原，更新，初始化，自动升级)，网络应用(优选包括防火墙，流量控制)，软件应用(优选包括公司网站，企业邮箱，即时通信，企业短信)功能。
单词库，整合国内K12阶段156个版本的教辅材料资源，录入所有教材中的单词，作为基础学习词库，该词库中所有单词会预设标注静态标签若干，静态标签包括单词难度、考试频率。
测试题库，录入出版社提供的百万英语试题库，作为单词语法与阅读能力提高的练习题库，同时每道题也设置个性标签，用于匹配用户的个性学习要求。
语音库为：高考阅卷组听力录制主播为单词和句子录制标准音频库；
语音评测系统：对用户学习和使用过程中，单词和句子的发音予以评分。
智能排课模块中还预先存储有单词量测试系统：按照用户的学段、年级、版本自定义测试，检测学习效果，并予以鼓励或激励；通过单元测试巩固学习成果，并进行学习评测；根据学习评测结果，生产智能复习方案，通过智能复习方案，实现陌生词与夹生词的精准复习。
精准复习是指：抽取所有需要复习的单词即处于遗忘曲线八个阶段的单词，根据单词所在遗忘曲线阶段和上次学习的时间点与当前时间的关系进行比对，进而确定该单词所处在的遗忘曲线阶段；以每个单词复习的结果为基准，如果该单词复习结果错误即为在学习过程中的非熟词，则一直停留在本次遗忘曲线理论复习阶段，如果该单词复习结果正确即为在学习过程中的熟词，则该单词将会在下一复习阶段中复习；复习完毕后记录该单词所在的遗忘曲线阶段及本次复习的时间；根据用户每个单词的学习时间和学习自定义的熟练度标签，包括熟词、陌生词、夹生词，实时动态计算记忆准确率，从而自动按照遗忘规律衍生算法动态调整陌生词、夹生词的复习时间。
还包括教师管理系统，教师管理系统能够管理每个用户的学习进度，查看学习速度和效果，准确监控学情。
还包括家长管理系统，家长管理系统能够实时反馈家长所属用户的学习数据，同步掌握用户学习情况。
还包括复习提醒系统，复习提醒系统按照记录的每个用户的学习数据，自动设定复习时间，给每位用户发送学习提醒。
还包括竞赛系统，竞赛系统内分层次组织用户共同参与学习单词量排名赛和语法、阅读同步竞赛活动。
还包括微信小程序学习分享模块：通过微信小程序分享单词量测试功能，测试结果，同时兼有单词闯关游戏，增加用户社交性与趣味性。
还包括智能学习模块，智能学习模块，包括综合学习功能和基础学习功能，综合学习功能包含五个步骤：智能听写，对比测试，精准复习，本书测试，一测到底；基础学习功能包含：单词学习，听读训练，自主测试，单元测试，单元听写，单词学习错题本，单元听写错题本。
智能听写：听单词或者句子的音频，写出对应的正确的单词。
对比测试：单元学习前先做本单元测试，学完单元后再次测试，自动进行学前雪后成绩比对。
精准复习：按照学习过程中记忆准确率，调整记忆错误的单词复习时间和复习次数。
本书测试：当前所学书目的单词量测试。
一测到底：当前学段所有书目的单词测试。
单词学习：包括上述中综合学习功能的五个模块。
听读训练：单词、句子和短篇的跟读训练功能。
自主测试：自定义学段、年级、题型、题量测试。
单元测试：当前所学单元的单词记忆与应用题型测试。
单元听写：指定单元单词听音辨写。
学习生词本：学习过程中夹生词与陌生词的记录页面。
听写错题本：测试听写过程中错误单词记录页面。
云端服务器预先建立扫描数据比对特征库，对小学、初中、高中、大学、雅思、托福的各种版本的外语学习的教材与教辅的单词数据予以充分收集，结合历练相关考试数据，按照单词在考试和应用中的要求等级得出单词权重：
式中，函数Wei值为单词的权重(weight)，Rep()为当前单词在各项考试中出现的频率，Red()为当前单词阅读理解中的难度等级，Gra()为当前单词在各项考试中语法应用等级，Exa()为考试类型，Avg()为该单词综合平均考频，α、β、γ、δ、φ为调整系数(系统中单词库中每个单词都有预设的标签，分别标记了单词考频E、阅读星级R、语法测试等级G要素：
α：E1级0.8，E2级0.85，E3级0.9，E4级0.95，E5级1.0；
β：R1级0.8，R2级0.9，R3级1.0；
γ：G1级0.8，G2级0.9，G3级1.0；
δ：一类0.8，二类0.9，三类1.0，四类1.05
φ：Avg()≥0.88取1.0，Avg()＜0.88取0.8)，该系数在数据库建立过程中使用实时动态反馈的方法，通过云端服务器计算得出。
扫描追踪模块，实时扫描追踪用户学习数据过程中，即追踪学习过程中，基于艾宾浩斯记忆遗忘规律，能够计算生成用户个性化的单词本，并记录复习强度：
式中，公式中Wei()为当单词权重，Forg(x)为由Hermann Ebbinghaus遗忘曲线计算出的遗忘度，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值，t为学习过程中记录的该单词反应时间，ε、κ、π、ω、λ为调整系数；
遗忘度与时间正相关，单词的反馈值主要取值单词动态记忆准确率C
ε：Wei()≥1时为1，Wei()≤1时为0.8；
κ、π、ω：C≤20％，κ＝1.2；20％＜C≤40％，κ＝1.1；40％＜C≤60％，κ＝1.0；60％＜C≤80％，κ＝0.90；80％＜C≤100％，κ＝0.75；
π：π＝2κ；
ω：ω＝4κ；
λ：t≤0.16时，λ＝0.6；0.16＜t≤0.25时，λ＝0.7；0.5＜t≤0.75时，λ＝0.8；0.75＜t≤1时，λ＝0.9；
t＞1时，λ＝1。
根据各单词的需复习强度对单词进行排序，选取强度高于0.72的单词，推荐给用户进行强制复习，强制复习的时间跨度按照遗忘度数值设定，并在强制复习后重新追踪分析，形成新的单词复习强度数据。
单元测试模块，不定期扫描检测用户开课后阶段性学习结果，扫描检测具体为：检测测试中每个单词需要依据的测试权重为：
式中，Wei()为当单词的权重，Rew()为复习强度，For(x)为遗忘度，Tim(x)为从上次学习或者复习该单词至今的间隔时间，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值。
根据各单词的需测试权重对单词进行排序，选取权重高于0.7的词生成阶段测试题库，供用户生成测试卷使用，从而供用户测试。
用户测试完成后生成、记录并更新每个单词的测试正确率Acc(x)，在下一次测试本单词的时候，重复测试的权重T2需要按照上次测试记录的准确率数值进行调整：
T2(x)＝T(x)·Acc(x)·σ
式中，σ为调整系数。(σ优选：学习20个单词后开始计算，T时间内有效学习的单词量为N，系统自动计算T/N的值，T/N≥0.5时，σ＝1；T/N＜0.5时，σ＝0.7)。
本发明与现有技术相比的优点在于：
(1)本发明的系统综合考虑了遗忘规律、用户知识结构和大脑活动个性差异和单词权重不同等因素，通过客户终端雷达全方面扫描分析用户的单词量，中央服务器制定学习计划，实时全维度追踪扫描用户行为，云端计算分析数据，学习过程中动态调整学习内容与进度，可以让单词记忆更加有效、实用。
(2)本发明经过合作学校500名学生用户2年的测试表明，使用该系统的用户的单词记忆速度显著提高，平均3小时记忆一本书，30小时牢记三年单词。
(3)本发明计算分析矩阵：该系统能自动地识别用户的记忆能力、记忆周期、并实时动态为单词分类打标签(熟词、夹生词、陌生词)，从而自动地为用户选择需要记忆的单词和制定复习的单词表和日程表，达到高效率的记忆。
(4)本发明雷达系统学前测试模块，扫描获得用户单词数量、熟练度等当前学情，获取用户个性化数据；云端服务器程序记录并分析用户记忆单词的数量与理解掌握的质量，并给出测试报告；系统给出提供针对性开课方案，记录学习进度，并自动提供学习时间的短信提醒；实时扫描追踪用户学习数据，包括学习时间、进度、效率、动态单词本，个性化强制复习；单元测试扫描检测阶段性学习结果，并记录分析数据，自动调整用户单词库数据。
(5)本发明的记忆雷达系统只需要用户会基本操作电脑，会打字即可，各个功能单元可灵活使用，能实现单词量快速扫描，从而缩短了对用户询问、测试、阅卷、答案分析等所需的时间，自动形成测试题和测试报告，具有较高的数据率。
(6)本发明的记忆雷达系统采用云端数字化工作方式，使雷达与云端计算机结合起来，能大大提高自动化程度，简化了雷达操作，缩短了单词量测试、用户成绩评估和涨分指导报告生成的时间，便于用户快速、准确地实施外语单词记忆和应用学习。因而可提高跟踪用户实时学情的能力。
附图说明
图1为扫描分析单词记忆效果的计算机雷达系统结构框架图；
图2为本发明中央服务器群的部署图；
图3为单词量测试入口功能选择界面；
图4为本发明智能学习功能框架示意图；
图5为单词学习控制流程图；
图6为对比测试功能流程示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述。
本发明本质上是基于C(客户端Client)/S(服务端Server)模式实现的多雷达远程客户端监控与互动系统，用户可以在不同的终端(PC、IPAD等)上通过浏览器在任何时间和地点进行操作，实时自动满足客户端信息采集雷达运行状态信息实时更新的需求，客户端与服务器建立websocket连接，实现在web客户端与中心服务器间进行实时数据交换。
客户端手机的用户数据(学情报文)模拟UDP协议的方式实时报送中心服务器，然后中心服务器对接收到的报文信息进行解析、存储、处理并转换为JSON格式报文(JavaScript Object Notation格式学习计划报文)，通过Websocket连接实时推送给客户端。客户端接收报文后，调整运行模式，与用户的记忆学习状态达到最佳匹配(最佳记忆效率状态)。本方案框架结构如图1。
本方案的中心服务器(云端服务器)由数据转发服务器、web服务器、数据库服务器以及备份服务器组成。数据转发服务器接受客户端采集来的学情报文，通过websocket连接转发给web客户端；web服务器用于响应用户对web客户端的加载请求，并将页面返回给web客户端。数据服务器用于存储收到的学情信息和web客户端用户动态操作和静态信息。同时本系统具有灵活性和可扩展性，可增加部署负载均衡服务器、索引服务器、缓存服务器及多功能服务器群。服务器部署方案见图2。
本系统包含的业务员功能包括：
1、单词库：整合国内K12阶段156个版本的教辅材料资源，录入所有教材中的单词，做为基础学习词库，该词库中所有单词会预设标注静态标签若干，设计单词难度、考试频率等；
2、测试题库：录入合作出版社提供的百万英语试题库，作为单词语法与阅读能力提高的练习题库，同时每道题也设置个性标签，用于匹配用户的个性学习要求；
3、语音库：高考阅卷组听力录制主播为单词和句子录制标准音频库；
4、语音评测系统：对用户使用过程中，单词和句子的发音予以评分；
5、单词量测试系统：可以按照学段、年级、版本自定义测试，检测学习效果，并予以鼓励或激励；通过单元测试巩固学习成果，通过一测到底做阶段学习评测；通过智能复习实现陌生词与夹生词的精准复习。单词量测试入口界面见图3.
6、精准复习：从单词本中抽取所有需要复习的单词(处于遗忘曲线八个阶段的单词)，根据单词所在遗忘曲线阶段和上次学习的时间点与当前时间的关系进行比对，进而确定该单词所处在的遗忘曲线阶段。以每个单词复习的结果为基准。如果该单词复习结果错误(即在学习过程中的非熟词)，则一直停留在本次遗忘曲线理论复习阶段。如果该单词复习结果正确(即在学习过程中的熟词)，则该单词将会在下一复习阶段中复习。复习完毕后记录该单词所在的遗忘曲线阶段及本次复习的时间。
根据学生每个单词的学生时间和学生自定义的熟练度标签(熟词、陌生词、夹生词)，实时动态计算记忆准确率，从而自动按照遗忘规律衍生算法动态调整生词本复习时间。
7、教师管理系统：管理每个学生的学习进度，查看学习速度和效果，准确监控学情；
8、家长管理系统：实时反馈家长所属学生的学习数据，同步掌握用户学习情况；
9、复习提醒系统：按照系统记录的每个用户的学习数据，自动按照算式设定时间，给每位用户发送学习提醒；
10、竞赛系统：系统内分层次组织用户共同参与，学习单词量排名赛和语法、阅读同步竞赛活动；
11、小程序学习分享：通过小程序分享单词量测试功能，PK测试结果，同时兼有单词闯关游戏，增加社交性与趣味性；
12、智能学习系统：单词基础学习以单词为核心，对单词，句子等进行基础与提高学习，并且可就全书范围进行智能听写。
综合学习部分包含五个步骤：智能听写，对比测试，精准复习，本书测试，一测到底。
基础学习部分包含：单词学习，听读训练，自主测试，单元测试，单元听写，单词学习错题本，单元听写错题本。
本发明智能学习框架见图4.
本发明能够建立扫描数据比对特征库，对小学、初中、高中、大学、雅思、托福等各种版本的外语学习的教材与教辅的单词数据予以充分收集，结合历练相关考试数据，按照单词在考试和应用中的要求等级得出单词权重：
公式中函数Wei值为单词的权重(weight)，Rep()为当前单词在各项考试中出现的频率，Red()为当前单词阅读理解中的难度等级，Gra()为当前单词在各项考试中语法应用等级，Exa()为考试类型，Avg()为该单词综合平均考频，α、β、γ、δ、φ为调整系数，该系数在雷达数据库建立过程中使用实时动态反馈的方法，通过云端扫描分析计算得出。
追踪学习过程中，基于艾宾浩斯记忆遗忘规律，计算生成用户个性化的单词本，并记录复习强度：
公式中，公式中Wei()为当单词权重，Forg(x)为由Hermann Ebbinghaus遗忘曲线计算出的遗忘度，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值，t为学习过程中记录的该单词反应时间，ε、κ、π、ω、λ为调整系数，通过使用云计算模块自动获取。
根据各单词的需复习强度值对单词进行排序，选取强度高于0.72的单词，推荐给用户进行强制复习。强制复习的时间跨度按照遗忘度数值设定，并重新追踪分析，形成新的单词复习强度数据。
用户通过测试与针对性的学习与复习，最后进行机动性测试，选择在一定考试范围内，接受雷达扫描分析，形成阶段性记忆评测结果。
测试中每个单词需要依据测试权重公式：
式中，公式中Wei()为当单词的权重，Rew()为复习强度，For(x)为遗忘度，Tim(x)为从上次学习或者复习该单词至今的间隔时间，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值。
根据各单词的需测试权重对单词进行排序，选取权重高于0.7的词生成阶段测试题库，供用户生成测试卷使用。
测试完成后生成、记录并更新每个单词的测试正确率Acc(x)，在下一次测试本单词的时候，重复测试的权重T2需要按照上次测试记录的准确率数值进行调整。
T2(x)＝T(x)·Acc(x)·σ(σ为调整系数)
根据测试成绩，生成新的测试题目，实现查漏补缺。
web客户端用户使用单词量测试功能接受web端记忆雷达的扫描分析，获得学习报告，生成单词学习计划。
然后用户进入智能学习模块，可以学习每本书中任意单元单词，每个单元单词以分组形式出现，默认5个单词分为一组(可以在设置中自行设置分组单词数)。
每组单词经过3个学习部分：
英译汉(根据单词及读音回想语义)、逆向回忆(即汉译英，可在设置中关闭)、拼写强化(根据读音答出相应单词)。
英译汉部分：根据读音识别单词意思。
(1)当点击记得时，再点击记忆正确时则进入下一单词识别，同时调整记忆准确率参数，从而自动设置调整精准复习时间；；
(2)当点击记得时，再点击记忆错误时，后续会随机重复出现且最多出现8次(后续出现的时候，如果出现即答对则后续不会再出现，如果出现时再次没有答对，则必须连续答对三次才算记忆正确即后续才不会出现)，错误单词计入生词本，同时调整记忆准确率参数，从而调整精准复习时间；
(3)当点击不记得时，显示出该单词中文意思，后续会按照系统记录的学习时间和记忆准确率动态选择复习方案，重复进行单词复习，错误单词计入生词本，同时实时调整记忆准确率参数，从而调整精准复习时间；后续出现的时候，如果出现即答对则后续不会再出现，如果出现时再次没有答对，则必须连续答对三次才算记忆正确即后续降为低频复习词汇出现。参考图5：单词学习控制流程例图。
雷达系统的中央服务器首先从单词本中抽取所有需要复习的单词(处于遗忘曲线八个阶段的单词)，根据单词所在遗忘曲线阶段和上次学习的时间点与当前时间的关系进行比对，进而确定该单词所处在的遗忘曲线阶段。以每个单词复习的结果为基准。如果该单词复习结果错误(即在学习过程中的非熟词)，则一直停留在本次遗忘曲线理论复习阶段。如果该单词复习结果正确(即在学习过程中的熟词)，则该单词将会在下一复习阶段中复习。复习完毕后记录该单词所在的遗忘曲线阶段及本次复习的时间。
3、用户可以进行对比测试，分为学前测试和学后测试：
学前测试：选择单元开始学前测试(可选择任何一个单元进行测试，也可选择多个单元进行测试，时间是五分钟)，一个单元最多提取50个单词进行测试，时间为5分钟，测试倒计时到时间后会自动提交计算分数，分数超过90分为通过，低于90分为不通过，分数＝(100-(100/单词总个数*错误个数))，做完测试后，会得到奖励金币(金币个数随机(测试分数为0，则得到0个金币))。
学后测试：学前选择什么单元，学后就对比什么单元；根据学前选择单元开始学后测试，如果没有进行学前测试，学后测试可选择任何一个单元进行测试，也可选择多个单元进行测试，时间是五分钟；如果当前选择的单元没有进行学前测试就进行学后测试，将会失去学前测试的机会。一个单元最多提取50个单词进行测试，时间为5分钟，测试倒计时到时间后会自动提交计算分数，分数超过90分为通过，低于90分为不通过，分数＝(100-(100/单词总个数*错误个数))，做完测试后，会得到金币(金币个数随机(测试分数为0，则得到0个金币))。学后测试可以再次刷新成绩，当前成绩大于之前测试成绩，学后测试成绩将显示最高测试成绩，可进行多次学后测试(刷新测试成绩)。
无论是学前测试还是学后测试，测试完后，其他单元锁定，只开启当前测试单元。
对比测试功能流程说明见图6。
4、智能听写
单词学习中所有的生词都进入智能听写，按学习时间及单词拼写错误次数抓取单词，最多20个单词。
智能听写抽取单词的规则如下(y：拼写正确x：拼写错误)
当单词拼写正确时，进入下一个单词拼写；
当单词拼写错误时，后续会重复出现且最多出现8次；
1)答错一次，后续必须连续答对两次才不会重复出现该单词
2)连续答错两次，后续必须连续答对四次(包含一次抄写)才不会重复出现该单词
5、所有用户学习的时间和单词记忆的效果都采集记录到数据库，并计算记忆效率，动态调整学习进度，配合强制复习和精准复习功能，实现单词高效记忆。
6、通过单元的单词学习模块，用户进入语法学习和阅读学习模块，将所学单词，在语境应用中重复巩固记忆，达到学以致用的效果。
本发明未详细阐述部分属于本领域公知技术。
Claims (32)
1.一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于包括：学前测试模块、云端服务器、智能排课模块、扫描追踪模块、单元测试模块；
学前测试模块，作为信息收集站点，扫描获得用户当前学习情况，包括用户单词数量、熟练度，即获取用户个性化数据，送至云端服务器；
云端服务器，记录用户当前学习情况，并根据用户当前学习情况，确定用户记忆单词的数量与理解掌握的质量，并给出测试报告；
智能排课模块，根据测试报告，从预存的多个开课方案中选择出用户对应的开课方案，供用户学习，用户开课后记录课程学习进度，并自动在开课前发送学习时间的提醒短信；
扫描追踪模块，实时扫描追踪用户学习数据；
单元测试模块，不定期扫描检测用户开课后阶段性学习结果，并记录分析数据即阶段性学习结果数据发送至智能排课模块，智能排课模块根据记录的分析数据，自动调整用户对应的开课方案。
2.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：实时扫描追踪用户的学习数据，包括：学习时间、学习进度、学习效率、学习产生的动态单词本，个性化强制复习数据。
3.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：智能排课模块根据记录的分析数据，自动调整用户对应的开课方案，包括调整用户开课所学习的用户单词库数据。
4.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：用户使用显示终端进行学习，用户只需进行基本操作电脑。
5.根据权利要求4所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：用户进行基本操作电是指会打字即可。
6.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：学前测试模块能够实现用户单词量快速扫描，以缩短了对用户询问、测试所需的时间。
云端服务器能够从预先存储的题库中选择测试题，自动形成用户测试题，并根据用户测试题的答题情况生成测试报告。
7.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：智能排课模块，根据测试报告，从预存的多个开课方案中选择出用户对应的开课方案，具体包括：课程数量、课程时长、课程频次、课程内容、复习间隔、复习时长、复习频次。
8.根据权利要求8所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：课程内容中，包括每次课程需要学习的单词，以及每个单词的发音、词义、分音节、单词的语音测评、单词在句子中的应用情景以及单词的阅读语境练习，从而对每个单词进行多感官刺激记忆与多维度学习。
9.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：扫描追踪模块，每节课后实时扫描追踪用户学习数据，根据学习数据，自动地识别用户的记忆能力、记忆周期、并实时动态为用户每次课程需要学习的单词分类打标签，反馈给智能排课模块，智能排课模块根据用户的记忆能力、记忆周期和打标签的情况，自动地从预先存储的单词库中，为用户选择需要记忆的单词和制定复习的单词表和日程表，作为下节课的课程内容。
10.根据权利要求9所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：为用户每次课程需要学习的单词分类打标签，包括：熟词、夹生词、陌生词。
11.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：智能排课模块中预先存储有单词库、音频库、短语库、句子库、测试题库，每次课程需要学习的单词、词义从单词库中提取，发音、分音节从音频库中提取，单词的语音测评题从测试题库中提取，单词在句子中的应用情景和单词的阅读语境练习从句子库中提取。
12.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：雷达系统是基于客户端Client和服务端Server模式实现的多雷达远程客户端监控与互动系统，用户能够在不同的终端即客户端Client，包括手机、PC、IPAD上通过浏览器在任何时间和地点进行操作，实时自动满足客户端Client信息采集雷达运行状态信息实时更新的需求，客户端与服务端Server的云端服务器建立websocket连接，实现在客户端与服务端Server间进行实时数据交换。
13.根据权利要求12所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：客户端为手机的用户数据即学情报文，模拟UDP协议的方式实时报送服务端Server的云端服务器，然后云端服务器对接收到的学情报文信息进行解析、存储并转换为JSON格式报文即JavaScript Object Notation格式学习计划报文，通过Websocket连接实时推送给客户端，客户端接收报文后，调整运行模式，与用户的记忆学习状态达到最佳匹配，达到最佳记忆效率状态。
14.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：云端服务器即中心服务器由数据转发服务器、web服务器、数据库服务器以及备份服务器组成；数据转发服务器接收客户端采集来的学情报文，通过websocket连接转发给web客户端；web服务器用于响应用户使用网页学习对web客户端的加载请求，并将页面返回给web客户端；数据库服务器用于存储收到的学情报文信息和web客户端用户动态操作和静态信息，备份服务器为数据转发服务器、web服务器、数据库服务器的备份，在其中某个服务器故障时，代替该故障服务器，保持云端服务器的稳定工作。
15.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：云端服务器具有灵活性和可扩展性，能够增加部署负载均衡服务器、索引服务器、缓存服务器及多功能服务器；
负载均衡服务器：对多台云服务器进行流量分发的负载均衡服务，能够通过流量分发扩展应用系统对外的服务能力，消除单点故障，以提升应用系统的可用性；
索引服务器保证有足够资源使用数据库索引快速访问数据库表中的信息；
缓存服务器优化性能和节省宽带，将需要频繁访问的Web页面和对象保存在离用户更近的系统中，当再次访问这些对象时加快速度；
多功能服务器具有系统应用，网络应用，软件应用功能。
16.根据权利要求11所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：测试题库，录入出版社提供的百万英语试题库，作为单词语法与阅读能力提高的练习题库，同时每道题也设置个性标签，用于匹配用户的个性学习要求。
17.根据权利要求11所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：语音库为：高考阅卷组听力录制主播为单词和句子录制标准音频库。
18.根据权利要求11所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：语音评测系统：对用户学习和使用过程中，单词和句子的发音予以评分。
19.根据权利要求11所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：智能排课模块中还预先存储有单词量测试系统：按照用户的学段、年级、版本自定义测试，检测学习效果，并予以鼓励或激励；通过单元测试巩固学习成果，并进行学习评测；根据学习评测结果，生产智能复习方案，通过智能复习方案，实现陌生词与夹生词的精准复习。
20.根据权利要求19所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：精准复习是指：抽取所有需要复习的单词即处于遗忘曲线八个阶段的单词，根据单词所在遗忘曲线阶段和上次学习的时间点与当前时间的关系进行比对，进而确定该单词所处在的遗忘曲线阶段；以每个单词复习的结果为基准，如果该单词复习结果错误即为在学习过程中的非熟词，则一直停留在本次遗忘曲线理论复习阶段，如果该单词复习结果正确即为在学习过程中的熟词，则该单词将会在下一复习阶段中复习；复习完毕后记录该单词所在的遗忘曲线阶段及本次复习的时间；根据用户每个单词的学习时间和学习自定义的熟练度标签，包括熟词、陌生词、夹生词，实时动态计算记忆准确率，从而自动按照遗忘规律衍生算法动态调整陌生词、夹生词的复习时间。
21.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括教师管理系统，教师管理系统能够管理每个用户的学习进度，查看学习速度和效果，准确监控学情。
22.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括家长管理系统，家长管理系统能够实时反馈家长所属用户的学习数据，同步掌握用户学习情况。
23.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括复习提醒系统，复习提醒系统按照记录的每个用户的学习数据，自动设定复习时间，给每位用户发送学习提醒。
24.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括竞赛系统，竞赛系统内分层次组织用户共同参与学习单词量排名赛和语法、阅读同步竞赛活动。
25.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括微信小程序学习分享模块：通过微信小程序分享单词量测试功能，测试结果，同时兼有单词闯关游戏，增加用户社交性与趣味性。
26.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：还包括智能学习模块，智能学习模块，包括综合学习功能和基础学习功能，综合学习功能包含五个步骤：智能听写，对比测试，精准复习，本书测试，一测到底；基础学习功能包含：单词学习，听读训练，自主测试，单元测试，单元听写，单词学习错题本，单元听写错题本。
27.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：云端服务器预先建立扫描数据比对特征库，对小学、初中、高中、大学、雅思、托福的各种版本的外语学习的教材与教辅的单词数据予以充分收集，结合历练相关考试数据，按照单词在考试和应用中的要求等级得出单词权重：
式中，函数Wei值为单词的权重(weight)，Rep()为当前单词在各项考试中出现的频率，Red()为当前单词阅读理解中的难度等级，Gra()为当前单词在各项考试中语法应用等级，Exa()为考试类型，Avg()为该单词综合平均考频，α、β、γ、δ、φ为调整系数，该系数在数据库建立过程中使用实时动态反馈的方法，通过云端服务器计算得出。
28.根据权利要求1所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：扫描追踪模块，实时扫描追踪用户学习数据过程中，即追踪学习过程中，基于艾宾浩斯记忆遗忘规律，能够计算生成用户个性化的单词本，并记录复习强度：
式中，公式中Wei()为当单词权重，Forg(x)为由Hermann Ebbinghaus遗忘曲线计算出的遗忘度，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值，t为学习过程中记录的该单词反应时间，ε、κ、π、ω、λ为调整系数。
29.根据权利要求28所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：根据各单词的需复习强度对单词进行排序，选取强度高于0.72的单词，推荐给用户进行强制复习，强制复习的时间跨度按照遗忘度数值设定，并在强制复习后重新追踪分析，形成新的单词复习强度数据。
30.根据权利要求28所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：单元测试模块，不定期扫描检测用户开课后阶段性学习结果，扫描检测具体为：检测测试中每个单词需要依据的测试权重为：
式中，Wei()为当单词的权重，Rew()为复习强度，For(x)为遗忘度，Tim(x)为从上次学习或者复习该单词至今的间隔时间，Mas()为熟悉掌握的单词反馈值，Raw()为不熟练的夹生单词反馈值，Mas()为陌生单词反馈值。
31.根据权利要求30所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：根据各单词的需测试权重对单词进行排序，选取权重高于0.7的词生成阶段测试题库，供用户生成测试卷使用，从而供用户测试。
32.根据权利要求30所述的一种实时扫描分析单词记忆效果的计算机雷达系统，其特征在于：用户测试完成后生成、记录并更新每个单词的测试正确率Acc(x)，在下一次测试本单词的时候，重复测试的权重T2需要按照上次测试记录的准确率数值进行调整：
T2(x)＝T(x)·Acc(x)·σ
式中，σ为调整系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910014182.0A CN109767366A (zh) | 2019-01-08 | 2019-01-08 | 一种实时扫描分析单词记忆效果的计算机雷达系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910014182.0A CN109767366A (zh) | 2019-01-08 | 2019-01-08 | 一种实时扫描分析单词记忆效果的计算机雷达系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109767366A true CN109767366A (zh) | 2019-05-17 |
Family
ID=66453406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910014182.0A Pending CN109767366A (zh) | 2019-01-08 | 2019-01-08 | 一种实时扫描分析单词记忆效果的计算机雷达系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767366A (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276005A (zh) * | 2019-06-05 | 2019-09-24 | 北京策腾教育科技集团有限公司 | 一种基于用户在线英语单词交互数据的个性化推荐方法及系统 |
| CN110348761A (zh) * | 2019-07-18 | 2019-10-18 | 上海乂学教育科技有限公司 | 在线智能激励教学系统 |
| CN110444057A (zh) * | 2019-08-15 | 2019-11-12 | 湖北纽云教育科技发展有限公司 | 一种英语单词智能学习系统的使用方法 |
| CN111126552A (zh) * | 2019-12-26 | 2020-05-08 | 深圳前海黑顿科技有限公司 | 一种智能学习内容推送方法及系统 |
| CN111260965A (zh) * | 2020-01-17 | 2020-06-09 | 宇龙计算机通信科技(深圳)有限公司 | 词库生成方法及相关装置 |
| CN111506739A (zh) * | 2020-04-14 | 2020-08-07 | 天津洪恩完美未来教育科技有限公司 | 语料库的处理方法及装置、存储介质、电子装置 |
| CN111681502A (zh) * | 2020-04-03 | 2020-09-18 | 郭胜 | 一种单词智能记忆系统及方法 |
| CN111861819A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写中评估用户记忆水平的方法及电子设备 |
| CN111861375A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种单词听写最佳复习时间的计算方法及系统 |
| CN111861813A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写记忆强度的计算方法及电子设备 |
| CN111861372A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种单词掌握程度的测试方法及系统 |
| CN111861815A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听学习中评估用户记忆水平的方法及装置 |
| CN111861812A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听方式的单词记忆强度计算方法及装置 |
| CN111861370A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听最佳复习时间规划的方法及装置 |
| CN111861814A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习中记忆水平的评估方法及系统 |
| CN111861817A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习的记忆强度计算方法及系统 |
| CN111861373A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写中的复习时间计算方法及电子设备 |
| CN111861816A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种语言互译学习中用于计算单词记忆强度的方法及设备 |
| CN111861818A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种用户单词学习投入程度的计算方法、学习方法及设备 |
| CN112101005A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种快速表达力测试题目生成和动态调整方法 |
| CN113192393A (zh) * | 2021-04-28 | 2021-07-30 | 上海松鼠课堂人工智能科技有限公司 | 智能化英文单词记忆背诵管理控制方法 |
| CN113377274A (zh) * | 2021-07-01 | 2021-09-10 | 读书郎教育科技有限公司 | 一种可实现听写生词录入的智能台灯及方法 |
| CN115019572A (zh) * | 2022-06-29 | 2022-09-06 | 张磊 | 一种提升电子词典笔学习和记忆效果的系统和方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413478A (zh) * | 2013-07-09 | 2013-11-27 | 复旦大学 | 记忆单词智能学习方法与系统 |
| CN105488055A (zh) * | 2014-09-17 | 2016-04-13 | 北大方正集团有限公司 | 计算机个性化学习和评测产品的生成方法及系统 |
| CN106384319A (zh) * | 2016-09-20 | 2017-02-08 | 四川教云网络科技有限公司 | 一种基于遗忘曲线的教学资源个性化推荐方法 |
| WO2017115915A1 (ko) * | 2015-12-28 | 2017-07-06 | 동서대학교 산학협력단 | 단어를 이용한 웹 관련기사 수집 및 블라인드 이벤트 제공 시스템 및 방법 |
| CN107730200A (zh) * | 2017-09-27 | 2018-02-23 | 北京明德时代行知教育科技研究院 | 智能提醒用户学习单词的方法以及装置 |
| CN108694867A (zh) * | 2018-05-17 | 2018-10-23 | 广东宜学通教育科技有限公司 | 人工智能英语学习平台 |
-
2019
- 2019-01-08 CN CN201910014182.0A patent/CN109767366A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413478A (zh) * | 2013-07-09 | 2013-11-27 | 复旦大学 | 记忆单词智能学习方法与系统 |
| CN105488055A (zh) * | 2014-09-17 | 2016-04-13 | 北大方正集团有限公司 | 计算机个性化学习和评测产品的生成方法及系统 |
| WO2017115915A1 (ko) * | 2015-12-28 | 2017-07-06 | 동서대학교 산학협력단 | 단어를 이용한 웹 관련기사 수집 및 블라인드 이벤트 제공 시스템 및 방법 |
| CN106384319A (zh) * | 2016-09-20 | 2017-02-08 | 四川教云网络科技有限公司 | 一种基于遗忘曲线的教学资源个性化推荐方法 |
| CN107730200A (zh) * | 2017-09-27 | 2018-02-23 | 北京明德时代行知教育科技研究院 | 智能提醒用户学习单词的方法以及装置 |
| CN108694867A (zh) * | 2018-05-17 | 2018-10-23 | 广东宜学通教育科技有限公司 | 人工智能英语学习平台 |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276005A (zh) * | 2019-06-05 | 2019-09-24 | 北京策腾教育科技集团有限公司 | 一种基于用户在线英语单词交互数据的个性化推荐方法及系统 |
| CN110276005B (zh) * | 2019-06-05 | 2021-06-01 | 北京策腾教育科技集团有限公司 | 一种基于用户在线英语单词交互数据的个性化推荐方法及系统 |
| CN110348761A (zh) * | 2019-07-18 | 2019-10-18 | 上海乂学教育科技有限公司 | 在线智能激励教学系统 |
| CN110444057A (zh) * | 2019-08-15 | 2019-11-12 | 湖北纽云教育科技发展有限公司 | 一种英语单词智能学习系统的使用方法 |
| CN111126552A (zh) * | 2019-12-26 | 2020-05-08 | 深圳前海黑顿科技有限公司 | 一种智能学习内容推送方法及系统 |
| CN111126552B (zh) * | 2019-12-26 | 2023-05-26 | 深圳前海黑顿科技有限公司 | 一种智能学习内容推送方法及系统 |
| CN111260965A (zh) * | 2020-01-17 | 2020-06-09 | 宇龙计算机通信科技(深圳)有限公司 | 词库生成方法及相关装置 |
| CN112101005B (zh) * | 2020-04-02 | 2022-08-30 | 上海迷因网络科技有限公司 | 一种快速表达力测试题目生成和动态调整方法 |
| CN112101005A (zh) * | 2020-04-02 | 2020-12-18 | 上海迷因网络科技有限公司 | 一种快速表达力测试题目生成和动态调整方法 |
| CN111681502A (zh) * | 2020-04-03 | 2020-09-18 | 郭胜 | 一种单词智能记忆系统及方法 |
| CN111506739A (zh) * | 2020-04-14 | 2020-08-07 | 天津洪恩完美未来教育科技有限公司 | 语料库的处理方法及装置、存储介质、电子装置 |
| CN111861818A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种用户单词学习投入程度的计算方法、学习方法及设备 |
| CN111861812B (zh) * | 2020-06-19 | 2024-01-16 | 北京国音红杉树教育科技有限公司 | 一种词听方式的单词记忆强度计算方法及装置 |
| CN111861370A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听最佳复习时间规划的方法及装置 |
| CN111861814A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习中记忆水平的评估方法及系统 |
| CN111861817A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习的记忆强度计算方法及系统 |
| CN111861373A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写中的复习时间计算方法及电子设备 |
| CN111861816A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种语言互译学习中用于计算单词记忆强度的方法及设备 |
| CN111861815A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听学习中评估用户记忆水平的方法及装置 |
| CN111861372A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种单词掌握程度的测试方法及系统 |
| CN111861813A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写记忆强度的计算方法及电子设备 |
| CN111861813B (zh) * | 2020-06-19 | 2024-03-22 | 北京国音红杉树教育科技有限公司 | 一种智能默写记忆强度的计算方法及电子设备 |
| CN111861819B (zh) * | 2020-06-19 | 2024-03-12 | 北京国音红杉树教育科技有限公司 | 一种智能默写中评估用户记忆水平的方法及电子设备 |
| CN111861375A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种单词听写最佳复习时间的计算方法及系统 |
| CN111861373B (zh) * | 2020-06-19 | 2024-02-23 | 北京国音红杉树教育科技有限公司 | 一种智能默写中的复习时间计算方法及电子设备 |
| CN111861819A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种智能默写中评估用户记忆水平的方法及电子设备 |
| CN111861817B (zh) * | 2020-06-19 | 2023-12-22 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习的记忆强度计算方法及系统 |
| CN111861372B (zh) * | 2020-06-19 | 2023-12-26 | 北京国音红杉树教育科技有限公司 | 一种单词掌握程度的测试方法及系统 |
| CN111861375B (zh) * | 2020-06-19 | 2023-12-26 | 北京国音红杉树教育科技有限公司 | 一种单词听写最佳复习时间的计算方法及系统 |
| CN111861816B (zh) * | 2020-06-19 | 2024-01-16 | 北京国音红杉树教育科技有限公司 | 一种语言互译学习中用于计算单词记忆强度的方法及设备 |
| CN111861812A (zh) * | 2020-06-19 | 2020-10-30 | 北京国音红杉树教育科技有限公司 | 一种词听方式的单词记忆强度计算方法及装置 |
| CN111861814B (zh) * | 2020-06-19 | 2024-01-16 | 北京国音红杉树教育科技有限公司 | 一种字母语言听写学习中记忆水平的评估方法及系统 |
| CN111861815B (zh) * | 2020-06-19 | 2024-02-02 | 北京国音红杉树教育科技有限公司 | 一种词听学习中评估用户记忆水平的方法及装置 |
| CN111861370B (zh) * | 2020-06-19 | 2024-02-06 | 北京国音红杉树教育科技有限公司 | 一种词听最佳复习时间规划的方法及装置 |
| CN113192393A (zh) * | 2021-04-28 | 2021-07-30 | 上海松鼠课堂人工智能科技有限公司 | 智能化英文单词记忆背诵管理控制方法 |
| CN113377274A (zh) * | 2021-07-01 | 2021-09-10 | 读书郎教育科技有限公司 | 一种可实现听写生词录入的智能台灯及方法 |
| CN115019572A (zh) * | 2022-06-29 | 2022-09-06 | 张磊 | 一种提升电子词典笔学习和记忆效果的系统和方法 |
| CN115019572B (zh) * | 2022-06-29 | 2024-04-05 | 张磊 | 一种提升电子词典笔学习和记忆效果的系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767366A (zh) | 一种实时扫描分析单词记忆效果的计算机雷达系统 | |
| CN106897950A (zh) | 一种基于单词认知状态模型适应性学习系统及方法 | |
| González-Howard et al. | ‘Does it answer the question or is it French fries?’: An exploration of language supports for scientific argumentation | |
| CN104021326B (zh) | 一种外语教学方法与外语教具 | |
| Matthews et al. | Computer-mediated input, output and feedback in the development of L2 word recognition from speech | |
| CN107067853A (zh) | 一种基于网络的在线互动语言学习系统 | |
| CN109948473A (zh) | 一种基于神经网络的提升学生应用题解题能力的方法 | |
| Dehkordi et al. | Iranian male and female EFL learnersperceptions toward the use of Mobile Assisted Language Learning | |
| Bodie et al. | A comparison of four measurement models for the Watson–Barker Listening Test (WBLT)–Form C | |
| CN109035964A (zh) | 一种声乐演唱智能教学系统及其调节方法 | |
| CN112579886A (zh) | 一种个性化定制学生学情分析的软件 | |
| CN113159471A (zh) | 一种基于大数据的新型在线教育管理系统及方法 | |
| Shams | Efficacy of Online Social Networks on Language Teaching: A Bangladeshi Perspective. | |
| CN109800880B (zh) | 基于动态学习风格信息的自适应学习特征提取系统及应用 | |
| Hasibuan et al. | Detecting learning style based on level of knowledge | |
| CN112598944B (zh) | 一种智能型英语教学系统 | |
| CN112256743B (zh) | 一种自适应出题方法、设备及存储介质 | |
| Wang et al. | Construction and analysis of discrete system dynamic modeling of physical education teaching mode based on decision tree algorithm | |
| Gao | Implementation of Business English (BE) Teaching Assistant System (TAS) Based on B/S Mode | |
| Van Gasse et al. | Feedback opportunities of comparative judgement: An overview of possible features and acceptance at different user levels | |
| Tarbutton et al. | Using Teacher Presence in Online Higher Education to Foster Global Citizenship among Adult Learners. | |
| Gatti et al. | Are heritage speakers of Spanish significantly better at speaking than at writing? Results of an experiment on writing and speaking proficiencies—Actual and perceived | |
| Zhang et al. | [Retracted] Evaluation of Students’ Online Learning Behavior and Perception of Psychological State Based on Data Mining | |
| Zhu | [Retracted] Data Mining Technology‐Based English Listening Prediction Strategy and Its Training Approach | |
| Wang et al. | Interactive teaching system for remote vocal singing based on decision tree 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 |
Application publication date: 20190517 |
|
| RJ01 | Rejection of invention patent application after publication |