CN109903201B - 个性化培养方案生成方法和系统 - Google Patents

个性化培养方案生成方法和系统 Download PDF

Info

Publication number
CN109903201B
CN109903201B CN201711312414.8A CN201711312414A CN109903201B CN 109903201 B CN109903201 B CN 109903201B CN 201711312414 A CN201711312414 A CN 201711312414A CN 109903201 B CN109903201 B CN 109903201B
Authority
CN
China
Prior art keywords
subject
student
ability
course
knowledge
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.)
Expired - Fee Related
Application number
CN201711312414.8A
Other languages
English (en)
Other versions
CN109903201A (zh
Inventor
何强
宫团基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Miyoshi Interactive Educational Technology Co ltd
Original Assignee
Beijing Miyoshi Interactive Educational Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Miyoshi Interactive Educational Technology Co ltd filed Critical Beijing Miyoshi Interactive Educational Technology Co ltd
Priority to CN201711312414.8A priority Critical patent/CN109903201B/zh
Publication of CN109903201A publication Critical patent/CN109903201A/zh
Application granted granted Critical
Publication of CN109903201B publication Critical patent/CN109903201B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种个性化培养方案生成方法和系统。所述方法包括以下步骤：计算学科能力：即根据学生ID和科目来计算该学生所述科目的学科能力；计算综合能力：即根据该学生的通用能力和所述科目的学科能力来计算学生的综合能力；生成课程类型：即根据所述学生的综合能力和当前日期来生成课程类型；生成培养方案：即根据所述的课程类型和所述学生的综合能力、科目进度率生成培养方案；输出培养方案：输出所述培养方案。本申请通过上述手段，生成个性化培养方案，实现因材施教，提高学习效率和效果。

Description

个性化培养方案生成方法和系统
技术领域
本申请涉及教育领域，特别地，涉及一种个性化培养方案生成方法和系统。
背景技术
目前，培养方案大多是个体制定的，在线教育系统中很少有根据学生个人情况制定详细的培养方案的。少部分在线教育系统根据学生个人情况制定培养方案的，也很少是在综合考虑学生的智商和学科知识能力以及当前时间之后制定的。由于考虑因素不足，导致生成的培养方案大多情况下并不适用于具体个体。比如甲学生虽然数学成绩差，但智商很高，很多在线教育系统制定的培养方案可能就会把目标设定地非常低，课程内容设置地比较简单，以致于甲学生一方面无法发挥自己的潜力，另一方面浪费大部分时间用于学习、练习过于简单的内容。还有部分在线教育系统虽然会根据学生个人情况制定培养方案，但是制定的培养方案较为短期，仅针对学生的知识薄弱点制定短期提升方案，未能根据学生个人情况制定长期的培养方案，不能给学生一个长期的奋斗目标。
发明内容
本申请提供一种个性化培养方案生成方法和系统，用于解决现有技术中培养方案不能匹配学生个人情况的问题。
本申请公开的一种个性化培养方案生成方法，包括以下步骤：
(1)计算学科能力：即根据学生ID和科目来计算该学生所述科目的学科能力；
(2)计算综合能力：即根据该学生的通用能力和所述科目的学科能力来计算学生的综合能力；
(3)生成课程类型：即根据所述学生的综合能力和当前日期来生成课程类型；
(4)生成培养方案：即根据所述的课程类型和所述学生的综合能力、科目进度率生成培养方案；
(5)输出培养方案：即输出所述培养方案。
优选的，所述学科能力，是通过对和学生ID和科目对应的知识点的掌握程度以各知识点的权重为权数进行加权求和得到所述科目的学科能力；
所述知识点的权重为[0，1]之间的实数，所述知识点的掌握程度为[0，1]之间的实数。
优选的，所述综合能力的具体计算方式为：
si＝λvi+(1-λ)ui
其中是ui是学生i的学科能力值，vi是根据学生i的智商测试分数转化而得的通用能力值，λ是平衡因子，是(0，1)之间的实数，si是学生i的综合能力值，是[0，1]之间的实数。
优选的，所述的生成课程类型，具体包括以下步骤：
(1)以科目名称为参数，从科目数据库中获取科目知识点信息，所述知识点信息包括知识点权重，知识点的建议授课时长；
(2)统计知识点的总数，及总的建议授课长；
(3)计算科目进度率：以一学年为计算周期，根据当前日期计算科目进度率；
(4)生成课程类型：根据所述学生的综合能力和所述科目进度率，生成课程类型。
优选的，所述生成培养方案是指：根据学生的综合能力、课程类型和科目进度率，设定期望培养目标，安排课时数和各环节的时间分布。
本申请公开的一种个性化匹配样方案生成系统，包括以下模块：
(1)计算学科能力模块：该模块用于根据学生ID和科目来计算该学生所述科目的学科能力；
(2)计算学生综合能力模块：该模块用于根据该学生的通用能力和所述科目的学科能力来计算学生的综合能力；
(3)生成课程类型模块：该模块用于根据所述学生的综合能力和当前日期来生成课程类型；
(4)生成培养方案模块：该模块用于根据所述所述学生的综合能力、课程类型和科目进度率生成培养方案；
(5)输出培养方案模块：该模块用于输出所述培养方案。
优选的，所述的计算学科能力模块，用于通过对和学生ID和科目对应的知识点的掌握程度以各知识点的权重为权数进行加权求和得到所述科目的学科能力；
所述知识点的权重为[0，1]之间的实数，所述知识点的掌握程度为[0，1]之间的实数。
优选的，所述计算综合能力模块的具体计算方式为：
si＝λvi+(1-λ)ui
其中是ui是学科能力值，vi是根据智商测试分数转化而得的通用能力值，λ是平衡因子，是(0，1)之间的实数，si是综合能力值，是[0，1]之间的实数。
优选的，选择课程类型模块：
(1)以科目名称为参数，从科目数据库中获取科目知识点信息，所述知识点信息包括知识点权重，知识点的建议授课时长；
(2)统计知识点的总数，及总的建议授课长；
(3)计算科目进度率：以一学年为计算周期，根据当前日期计算科目进度率；
(4)生成课程类型：根据所述学生的综合能力和所述科目进度率，生成课程类型。
优选的，所述生成培养方案模块是用于根据学生的综合能力、课程类型和科目进度率，设定期望培养目标，安排课时数和各环节的时间分布。
与现有技术相比，本发明所提供的个性化培养方案生成方法和系统具有以下优点：
(1)个性化培养方案基于学生的通用能力(智商)和学习能力存在差异的事实，以学生通用能力和学科知识能力为参数，进行模型化，建议个性化培养方案，实现因材施教，提高学习效率和效果；
(2)学生综合能力，考虑了学生的通用能力和学科的知识学习能力两个维度，评估更全面和合理；
(3)对于综合能力强的学生，课程的时间要短于普通学生，且课程类型也不同，重点在于培优，拔高。而对于综合能力较弱的学生，则重点在于知识及基本题型的掌握，到达优良水平或及格水平；
(4)根据科目的进度率，选择最优的课程类型及合适的课时数，及预期达到目标；
(5)课程类型的选择和课时数的设计，充分实现了差异化，因材施教，这是传统教育所无法实现的；
(6)学生和教师根据个性化培养方案进行辅导和学习，实现高效学习及获取好的成绩。
附图说明
附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为一种个性化培养方案生成方法第一实施例的流程图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。术语“包括”、“包含”及类似术语应该被理解为是开放性的术语，即“包括/包含但不限于”。术语“基于”是“至少部分地基于”。术语“一实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。
参考图1，示出了个性化培养方案生成方法第一实施例的流程。本优选方法实施例包括以下步骤：
步骤一、计算学科能力：
获取输入的学生ID和科目，从知识图谱数据库中获取相应信息，通过对和学生ID和科目对应的知识点掌握程度进行加权求和得到所述科目的学科能力，具体计算方式为：
Figure BDA0001501439870000051
其中N是已经学习的学科知识点数量，ωj是知识点j的权重，为[0，1]的实数，uij是学生i对知识点j的掌握程度分值，为[0，1]之间的实数，ui是学生i的学科能力值。如果学生i没有学过学习任何知识点，则ui＝0。
步骤二、计算综合能力：
首先利用智商测试测试学生i的智商分数，将智商分数划分为(0，79]、[80，89]、[90，109]、[110，119]、[120，+∞)五档，各档对应的通用能力等级li依次为1、2、 3、4、5。
然后，计算学生i的通用能力vi，则计算公式为
vi＝g(li)＝0.5+0.1*li
vi的值为[0.6，1]之间的实数。
再根据学生i的通用能力vi和所述科目的学科能力值ui来计算学生的综合能力；所述综合能力的具体计算方式为
si＝λvi+(1-λ)ui
其中λ是平衡因子，是(0，1)之间实数，si是综合能力值，是[0，1]之间的实数。
学生的综合能力，综合考虑了学生的通用能力和学科的知识学习能力两个维度，对学生的个人情况评估更全面和合理。
步骤三、选择课程类型：
根据所述学生的综合能力和当前日期来选择课程类型；所述的选择课程类型，具体包括以下步骤：
(1)以科目名称为参数，从科目数据库中获取科目知识点信息，所述知识点信息包括知识点权重，知识的建议授课时长；
(2)统计知识点的总数，及总的建议授课长；
(3)计算科目进度率方法：科目进度率是科目完成学习的比率，以一学年为计算周期，具体计算方法：
1)如果当前日期在9月-6月份之间，按照如下公式计算：
Figure BDA0001501439870000061
其中d是当期日期，d0是9月1号，d-d0是当前日期与9月1号之间间隔的天数。pk是科目k的进度率，是[0，1]之间的数；
2)如果当前日期在7或8月份，则pk＝0.0。
(4)生成课程类型：
课程类型分为四种，分别是：同步巩固、培优拔高、查漏补缺和考前冲刺。
同步巩固是指学习中侧重基本科学知识和原理的理解和应用、基本学习方法的掌握、中低档难度题目的专题攻克。
培优拔高是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、中高档难度题目的专题攻克。
查缺补漏是指学习中侧重基本知识和语言运用的理解和应用、基本学习方法的掌握、薄弱知识技能题目的专题攻克。
考前冲刺是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、考前模拟题目的专题攻克。
根据所述学生i的综合能力si和所述科目进度率p k ，生成课程类型：
(1)如果pk ＞0.8，则直接返回“考前冲刺”课程类型；
(2)如果si＞0.8，则直接返回“培优拔高”课程类型；
(3)如果pk ＞0.6，则直接返回“查漏补缺”课程类型；
(4)否则，返回“同步巩固”课程类型。
本步骤根据科目的进度率，选择最优的课程类型。
步骤四、生成培养方案：
(1)获取学生的知识图谱(知识图谱是以结点表示为学科知识点，结点间的边表示知识点之间的依赖关系构成的有向图，结点属性描述和刻画知识点的内容及学生对知识点掌握程度，练习记录信息)；
(2)根据课程类型及学生的知识能力和知识图谱，获取同年级，同科目学生的平均能力数据及各课程类型的平均课时数；
(3)根据学生i的综合能力si，设定不同的期望培养目标，计算方法如下：
如果si＜0.7，则设定期望提分分值为[10-20]之间的数，或设定期望分数为 70-80之间的分数；
如果si＞0.7且si＜0.9，则设定期望提分分值为[10-15]之间的数，或设定期望分数为80-90之间的分数；
如果si＞0.9，则设定期望分数为90+；
(4)根据所述学生i的综合能力si和学生i对科目k的课程类型，安排课时数和各环节的时间分布：
1)计算学生i的课程课时数Ti：
Figure BDA0001501439870000071
Tu是课程的平均课时数，Tj是选择课程第j个学生的课时数，pj是是第j个学生的课程进度率，M是选择课程的所有学生数。
Figure BDA0001501439870000072
其中Ti是学生i的课程课时数，σ(x)＝x，是对等型函数，结果在(0，1)之间，学生i的综合能力分为si，同年级同科目所有学生的平均能力分为μ，Tu是课程的平均课时数，pi是第i个学生的课程进度率。
μ和Tu都可以通过输入科目、年级和课程类型从课程信息数据库中获取。
2)根据课程类型不同在不同的学习环节安排不同的时间比例。环节包括：知识讲授，答疑课时，练习，单元考试，模拟考试。根据课程类型不同，这些环节时间安排是不同的。计算方法：
a)冲刺课程类型的时间分布(比例)
知识讲授15-20％；答疑20-25％；练习30-40％；单元考试15-20％；模拟考试5-10％；
b)其他类型
知识讲授20-30％；答疑20-25％；练习30-40％；单元考试10-15％；模拟考试5-10％。
在以上步骤中，课程类型的选择和课时数的设计，充分实现了差异化，因材施教，这是传统教育所无法实现的。对于学生能力强的学生，课程的时间要短于普通学生，且课程类型也不同，重点在于培优，拔高。而对于学习能力较弱的学生，则重点在于知识及基本题型的掌握，到达优良水平或及格水平。
步骤五、输出培养方案：
培养方案的内容包括：
(1)基本信息(姓名)年级，科目(数据来自用户画像)；
(2)课程类型；
(3)培养目标：目标描述，期望值达到分数；
(4)建议课程数；
(5)培养过程；
报告以两种形式输出，一种是html形式，一种是pdf形式。
学生和教师可以根据生成的个性化培养方案进行辅导和学习，实现高效学习及获取好的成绩。
本发明第二个实施例示出了一个学生使用本发明的个性化培养方案生成系统的过程。
小明同学是浙江省某市高二的学生，要进行物理科目的学习，11月1号进行通用能力评测和物理科目能力评测。
个性化培养方案生成过程具体如下：
(1)系统根据小明同学的ID，获取到小明的物理科目的知识能力为0.88，小明的通用能力为0.90。
(2)计算小明的综合能力，由于λ＝0.6，综合能力为0.9×0.4+0.88×0.6＝0.89。
(3)从科目信息库中，获取高二物理知识点信息，信息结构：
Figure BDA0001501439870000081
Figure BDA0001501439870000091
(4)本科目的建议课时40课时。
(5)科目的进度率p＝(11.1-9.1＝60)/300＝1/5.物理科目进行了1/5。
(6)生成课程类型，小明的综合能力为0.89，且进度率为0.2，小明的课程类型为培优拔高类型。
(7)生成课时数
由于平台高二物理的平均综合能力值为0.7，课程的平均课程数为课时40，因此小明的培优拔高的40×(0.7/0.9)×(1-0.2)＝24课时。
(8)生成培养目标
小明的综合能力为0.89，因此小明的期望分数为85-90之间。
(9)小明同学的培养项的时间分布
知识讲授：20％；答疑：25％；练习：30％；单元考试：15％；模拟考试： 10％。
(10)生成小明的培养方案，并存储在数据库中，并通过html方式展现给小明。
对于前述的各方法实施例，为了描述简单，故将其都表述为一系列的动作组合，但是本领域的技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为根据本申请，某些步骤可以采用其他顺序或同时执行；其次，本领域技术人员也应该知悉，上述方法实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。
以上对本申请所提供的一种个性化培养方案生产方法和系统，进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (2)

1.一种个性化培养方案生成方法，其特征在于，包括以下步骤：
(1)计算学科能力：即根据学生ID和科目来计算该学生所述科目的学科能力，具体步骤为获取输入的学生ID和科目，从知识图谱数据库中获取相应信息，通过对与学生ID和科目对应的知识点掌握程度进行加权求和得到所述科目的学科能力，具体计算方式为：
Figure FDA0003354726830000011
其中N是已经学习的学科知识点数量，ωj是知识点j的权重，为[0,1]之间的实数，uij是学生i对知识点j的掌握程度分值，为[0,1]之间的实数，ui是学生i的学科能力值，如果学生i没有学过学习任何知识点，则ui＝0；
(2)计算综合能力：即根据该学生的通用能力和所述科目的学科能力来计算学生的综合能力，具体步骤为首先利用智商测试测试学生i的智商分数，将智商分数划分为(0，79]、[80，89]、[90，109]、[110，119]、[120，+∞)五档，各档对应的通用能力等级li依次为1、2、3、4、5；
然后，计算学生i的通用能力vi，则计算公式为：
vi＝g(li)＝0.5+0.1*li
vi的值为[0.6，1]之间的实数；
再根据学生i的通用能力vi和所述科目的学科能力值ui来计算学生的综合能力，所述综合能力的具体计算方式为：
si＝λvi+(1-λ)ui
其中λ是平衡因子，是(0,1)之间的实数，si是学生i的综合能力值，是[0,1]之间的实数；
(3)生成课程类型：即根据所述学生的综合能力和当前日期来生成课程类型，所述的生成课程类型，具体包括以下步骤：
①以科目名称为参数，从科目数据库中获取科目知识点信息，所述知识点信息包括知识点权重，知识点的建议授课时长；
②统计知识点的总数，及总的建议授课长；
③计算科目进度率：以一学年为计算周期，根据当前日期计算科目进度率，具体计算方法：
1)如果当前日期在9月-6月份之间，按照如下公式计算：
Figure FDA0003354726830000021
其中d是当期日期，d0是9月1号，d-d0是当前日期与9月1号之间间隔的天数，pk是科目k的进度率，是[0，1]之间的数；
2)如果当前日期在7或8月份，则pk＝0.0；
④生成课程类型：根据所述学生的综合能力和所述科目进度率，生成课程类型，
其中课程类型分为四种，分别是：同步巩固、培优拔高、查漏补缺和考前冲刺；
同步巩固是指学习中侧重基本科学知识和原理的理解和应用、基本学习方法的掌握、中低档难度题目的专题攻克；
培优拔高是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、中高档难度题目的专题攻克；
查缺补漏是指学习中侧重基本知识和语言运用的理解和应用、基本学习方法的掌握、薄弱知识技能题目的专题攻克；
考前冲刺是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、考前模拟题目的专题攻克；
根据所述学生i的综合能力si和所述科目进度率pk，生成课程类型：
1)如果0.8<pk≤1，则直接返回“考前冲刺”课程类型；
2)如果0.8<si≤1，则直接返回“培优拔高”课程类型；
3)如果0.6<pk≤0.8，则直接返回“查漏补缺”课程类型；
4)否则，返回“同步巩固”课程类型；
本步骤根据科目的进度率，选择最优的课程类型；
(4)生成培养方案：即根据所述的课程类型和所述学生的综合能力、科目进度率生成培养方案，具体为：
①获取学生的知识图谱，所述知识图谱是以结点表示为学科知识点，结点间的边表示知识点之间的依赖关系构成的有向图，结点属性描述和刻画知识点的内容及学生对知识点掌握程度，练习记录信息；
②根据课程类型及学生的知识能力和知识图谱，获取同年级，同科目学生的平均能力数据及各课程类型的平均课时数；
③根据学生i的综合能力si，设定不同的期望培养目标，计算方法如下：
如果si＜0.7，则设定期望提分分值为10-20之间的数，或设定期望分数为70-80之间的分数；
如果si＞0.7且si＜0.9，则设定期望提分分值为10-15之间的数，或设定期望分数为80-90之间的分数；
如果si＞0.9，则设定期望分数为90+；
④根据所述学生i的综合能力si和学生i对科目k的课程类型，安排课时数和各环节的时间分布：
1)计算学生i的课程课时数Ti：
Figure FDA0003354726830000031
其中Tu是课程的平均课时数，Tj是选择课程第j个学生的课时数，pj是第j个学生的课程进度率，M是选择课程的所有学生数；
Figure FDA0003354726830000032
其中Ti是学生i的课程课时数，σ(x)＝x，是对等型函数，结果在(0，1)之间，学生i的综合能力分为si，同年级同科目所有学生的平均能力分为μ，Tu是课程的平均课时数，pi是第i个学生的课程进度率；
μ和Tu都可以通过输入科目、年级和课程类型从课程信息数据库中获取；
2)根据课程类型不同在不同的学习环节安排不同的时间比例，环节包括：知识讲授，答疑课时，练习，单元考试，模拟考试，根据课程类型不同，这些环节时间安排是不同的，计算方式如下：
a)冲刺课程类型的时间分布
知识讲授15-20％；答疑20-25％；练习30-40％；单元考试15-20％；模拟考试5-10％；
b)其他类型
知识讲授20-30％；答疑20-25％；练习30-40％；单元考试10-15％；模拟考试5-10％；
(5)输出培养方案：即输出所述培养方案。
2.一种个性化培养方案生成系统，其特征在于，包括以下模块：
(1)计算学科能力模块：该模块为获取输入的学生ID和科目，从知识图谱数据库中获取相应信息，通过对与学生ID和科目对应的知识点掌握程度进行加权求和得到所述科目的学科能力，具体计算方式为：
Figure FDA0003354726830000041
其中N是已经学习的学科知识点数量，ωj是知识点j的权重，为[0,1]之间的实数，uij是学生i对知识点j的掌握程度分值，为[0,1]之间的实数，ui是学生i的学科能力值，如果学生i没有学过学习任何知识点，则ui＝0；
(2)计算学生综合能力模块：该模块用于根据该学生的通用能力和所述科目的学科能力来计算学生的综合能力，具体步骤为首先利用智商测试测试学生i的智商分数，将智商分数划分为(0，79]、[80，89]、[90，109]、[110，119]、[120，+∞)五档，各档对应的通用能力等级li依次为1、2、3、4、5；
然后，计算学生i的通用能力vi，则计算公式为：
vi＝g(li)＝0.5+0.1*li
vi的值为[0.6，1]之间的实数；
再根据学生i的通用能力vi和所述科目的学科能力值ui来计算学生的综合能力，所述计算学生 综合能力模块的具体计算方式为：
si＝λvi+(1-λ)ui
其中λ是平衡因子，是(0,1)之间的实数，si是学生i的综合能力值，是[0,1]之间的实数；
(3)生成课程类型模块：该模块用于根据所述学生的综合能力和当前日期来生成课程类型，所述生成课程类型模块：
①以科目名称为参数，从科目数据库中获取科目知识点信息，所述知识点信息包括知识点权重，知识点的建议授课时长；
②统计知识点的总数，及总的建议授课长；
③计算科目进度率：以一学年为计算周期，根据当前日期计算科目进度率，具体计算方法：
1)如果当前日期在9月-6月份之间，按照如下公式计算：
Figure FDA0003354726830000051
其中d是当期日期，d0是9月1号，d-d0是当前日期与9月1号之间间隔的天数，pk是科目k的进度率，是[0，1]之间的数；
2)如果当前日期在7或8月份，则pk＝0.0；
④生成课程类型：根据所述学生的综合能力和所述科目进度率，生成课程类型，
其中课程类型分为四种，分别是：同步巩固、培优拔高、查漏补缺和考前冲刺；
同步巩固是指学习中侧重基本科学知识和原理的理解和应用、基本学习方法的掌握、中低档难度题目的专题攻克；
培优拔高是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、中高档难度题目的专题攻克；
查缺补漏是指学习中侧重基本知识和语言运用的理解和应用、基本学习方法的掌握、薄弱知识技能题目的专题攻克；
考前冲刺是指学习中侧重综合知识和原理的理解和应用、学习方法的灵活应用、考前模拟题目的专题攻克；
根据所述学生i的综合能力si和所述科目进度率pk，生成课程类型：
1)如果0.8<pk≤1，则直接返回“考前冲刺”课程类型；
2)如果0.8<si≤1，则直接返回“培优拔高”课程类型；
3)如果0.6<pk≤0.8，则直接返回“查漏补缺”课程类型；
4)否则，返回“同步巩固”课程类型；
本步骤根据科目的进度率，选择最优的课程类型；
(4)生成培养方案模块：该模块用于根据所述学生的综合能力、课程类型和科目进度率生成培养方案，具体为：
①获取学生的知识图谱，所述知识图谱是以结点表示为学科知识点，结点间的边表示知识点之间的依赖关系构成的有向图，结点属性描述和刻画知识点的内容及学生对知识点掌握程度，练习记录信息；
②根据课程类型及学生的知识能力和知识图谱，获取同年级，同科目学生的平均能力数据及各课程类型的平均课时数；
③根据学生i的综合能力si，设定不同的期望培养目标，计算方法如下：
如果si＜0.7，则设定期望提分分值为10-20之间的数，或设定期望分数为70-80之间的分数；
如果si＞0.7且si＜0.9，则设定期望提分分值为10-15之间的数，或设定期望分数为80-90之间的分数；
如果si＞0.9，则设定期望分数为90+；
④根据所述学生i的综合能力si和学生i对科目k的课程类型，安排课时数和各环节的时间分布：
1)计算学生i的课程课时数Ti：
Figure FDA0003354726830000071
其中Tu是课程的平均课时数，Tj是选择课程第j个学生的课时数，pj是第j个学生的课程进度率，M是选择课程的所有学生数；
Figure FDA0003354726830000072
其中Ti是学生i的课程课时数，σ(x)＝x，是对等型函数，结果在(0，1)之间，学生i的综合能力分为si，同年级同科目所有学生的平均能力分为μ，Tu是课程的平均课时数，pi是第i个学生的课程进度率；
μ和Tu都可以通过输入科目、年级和课程类型从课程信息数据库中获取；
2)根据课程类型不同在不同的学习环节安排不同的时间比例，环节包括：知识讲授，答疑课时，练习，单元考试，模拟考试，根据课程类型不同，这些环节时间安排是不同的，计算方式如下：
a)冲刺课程类型的时间分布
知识讲授15-20％；答疑20-25％；练习30-40％；单元考试15-20％；模拟考试5-10％；
b)其他类型
知识讲授20-30％；答疑20-25％；练习30-40％；单元考试10-15％；模拟考试5-10％；
(5)输出培养方案模块：该模块用于输出所述培养方案。
CN201711312414.8A 2017-12-11 2017-12-11 个性化培养方案生成方法和系统 Expired - Fee Related CN109903201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711312414.8A CN109903201B (zh) 2017-12-11 2017-12-11 个性化培养方案生成方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711312414.8A CN109903201B (zh) 2017-12-11 2017-12-11 个性化培养方案生成方法和系统

Publications (2)

Publication Number Publication Date
CN109903201A CN109903201A (zh) 2019-06-18
CN109903201B true CN109903201B (zh) 2022-04-19

Family

ID=66942824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711312414.8A Expired - Fee Related CN109903201B (zh) 2017-12-11 2017-12-11 个性化培养方案生成方法和系统

Country Status (1)

Country Link
CN (1) CN109903201B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110515933A (zh) * 2019-08-27 2019-11-29 山东科技大学 一种按需智能生成专业培养方案的方法及系统
CN111210685A (zh) * 2020-01-08 2020-05-29 郑州市金水区大山培训学校有限公司 知识掌握情况的测试方法、装置和设备
CN111369405A (zh) * 2020-03-04 2020-07-03 黄琨 一种网络课程分层设置因材施教系统
CN111798138B (zh) * 2020-07-07 2024-07-12 广州视源电子科技股份有限公司 数据处理方法、计算机存储介质及相关设备
CN111831919A (zh) * 2020-07-27 2020-10-27 上海掌学教育科技有限公司 课程规划方法、装置、存储介质及系统
CN117094695B (zh) * 2023-08-21 2024-02-27 北华大学 一种运动训练课程规划安排方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN106205248A (zh) * 2016-08-31 2016-12-07 北京师范大学 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法
CN106683006A (zh) * 2016-09-08 2017-05-17 江西省痴老师教育咨询有限公司 互联网在线教育方法及系统
CN106777127A (zh) * 2016-12-16 2017-05-31 中山大学 基于知识图谱的个性化学习过程的自动生成方法及系统
CN107038508A (zh) * 2017-06-06 2017-08-11 海南大学 基于知识图谱的学习能力建模及动态自适应的目标驱动的学习点组织及执行路径推荐方法
CN107230174A (zh) * 2017-06-13 2017-10-03 深圳市鹰硕技术有限公司 一种基于网络的在线互动学习系统和方法
CN107346346A (zh) * 2017-08-26 2017-11-14 海南大学 基于数据图谱、信息图谱和知识图谱的学习者能力建模与学习过程优化管理系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI567685B (zh) * 2015-09-24 2017-01-21 財團法人資訊工業策進會 透過線上測驗真實反映出受測者能力的系統、方法以及其儲存媒體

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021217A (zh) * 2011-09-20 2013-04-03 虞思华 一种交互式学习系统
CN106205248A (zh) * 2016-08-31 2016-12-07 北京师范大学 一种表征学习者在特定领域知识学习掌握状态的在线学习认知地图生成系统及方法
CN106683006A (zh) * 2016-09-08 2017-05-17 江西省痴老师教育咨询有限公司 互联网在线教育方法及系统
CN106777127A (zh) * 2016-12-16 2017-05-31 中山大学 基于知识图谱的个性化学习过程的自动生成方法及系统
CN107038508A (zh) * 2017-06-06 2017-08-11 海南大学 基于知识图谱的学习能力建模及动态自适应的目标驱动的学习点组织及执行路径推荐方法
CN107230174A (zh) * 2017-06-13 2017-10-03 深圳市鹰硕技术有限公司 一种基于网络的在线互动学习系统和方法
CN107346346A (zh) * 2017-08-26 2017-11-14 海南大学 基于数据图谱、信息图谱和知识图谱的学习者能力建模与学习过程优化管理系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于知识图谱的管理科学与工程硕士研究生培养研究;郁文景;《情报探索》;20160430;全文 *

Also Published As

Publication number Publication date
CN109903201A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN109903201B (zh) 个性化培养方案生成方法和系统
CN109903617B (zh) 个性化练习方法和系统
Jahangir et al. In-service training: A contributory factor influencing teachers’ performance
Graven et al. Piloting national diagnostic assessment for strategic calculation
Geerling et al. ChatGPT has mastered the Principles of Economics: Now what?
Prasetya et al. Study on extended scratch-build concept map to enhance students’ understanding and promote quality of knowledge structure
Soltura Designing a constructivist learning aid module in disentangling least mastered competencies in the wave motion
Suparatulatorn et al. Exploring Problem-Solving through the Intervention of Technology and Realistic Mathematics Education in the Calculus Content Course.
Mahmud et al. Lesson Study Contributions: EFL Teachersí Competences Model in Teaching English at High School 21st-Century Learning Approach
Husain et al. REVIEW OF MEASUREMENT ITEM OF ENGINEERING STUDENTS'LEARNING ENVIRONMENT: CONFIRMATORY FACTOR ANALYSIS
Ilhami et al. Innovation of a model of field experience practice-based lesson study (THLS) to enhance pre-service science teacher research skills
Fahim et al. The effect of applying critical thinking techniques on students’ attitudes towards literature
Hassan et al. Development and assessment of the usability of mathematical teaching module for visually impaired fourth year students
Darihastining et al. Developing E-pub for improving the competence of BIPA (Indonesian Language for Foreign Speakers) instructor in the digital era
Rochim et al. Description of Students' Critical Thinking Skills After Implementing the Problem Posing Model Assisted by PheT in Distance Learning
Octaria et al. Systematic Literature Review: How students learn linear programming with realistic mathematics education?
Altimentova et al. Adaptive models of computer training
Pinter Teaching mathematics in the middle grades: Connecting seminal education philosophies to current best practices
Anufri et al. Issues of using lesson study at English Department of Universitas Negeri Padang
Yulizah Analysis of The Contextual Approach to The Subject of Ipas in The Independent Curriculum
Suryadi et al. Study on the development and implementation of an interdisciplinary solar panel project to enhance students' interest in STEM
Nvying Interdisciplinary Thematic Learning in Physical Education and Health under the New Curriculum Standards
Doerr et al. Designing for improved success in first-year mathematics
Szobonya et al. Statistics Education on computer for Economists–past, present and future
Shamseieh et al. Assessing the Impact of Accepting Virtual Reality Technology and its Impact on Motivation in Vocational Schools in Palestine

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220419

CF01 Termination of patent right due to non-payment of annual fee