CN109920288A - 自适应学习任务智能生成装置及计算机学习系统 - Google Patents
自适应学习任务智能生成装置及计算机学习系统 Download PDFInfo
- Publication number
- CN109920288A CN109920288A CN201910247426.XA CN201910247426A CN109920288A CN 109920288 A CN109920288 A CN 109920288A CN 201910247426 A CN201910247426 A CN 201910247426A CN 109920288 A CN109920288 A CN 109920288A
- Authority
- CN
- China
- Prior art keywords
- learning
- adaptive
- data
- generating means
- tasks
- 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)
Abstract
本发明涉及一种自适应学习任务智能生成装置及计算机学习系统,所述生成装置包括:第一存储模块,用于获取并存储用户基本信息;第二存储模块,用于获取并存储用户的历史学习行为数据;输入模块,用于实时获取学习目标数据;分析模块,用于分析所述用户基本信息、历史学习行为数据和学习目标数据,生成学习任务数据与现有技术相比,本发明具有有效提高学习效率等优点。
Description
技术领域
本发明涉及在线学习技术领域,涉及一种学习装置,尤其是涉及一种自适应学习任务智能生成装置及计算机学习系统。
背景技术
自适应学习是一种以计算机为互动教学技术,可以根据学习者的知识掌握程度提供个性化的学习课程。自适应学习应基于学习目标,可主动跟踪和评估学生学习表现,并且学生的学习内容会根据学习状态的变化而有所不同。
基于学习目标设计学习任务,传统上是根据课程目标和学习内容,以教师为中心的教学设计,根据不同的教学法理论会有不同的教学设计,典型教学流程包含教、学、练、测、评这几种学习任务。
自适应测评能在测验时根据学生的水平做测验试题的难度和知识点范围的调整,自适应学习能在学习时根据学生的掌握情况有不同的学习路径推荐,然而从更高层次把教、学、练、测、评等五个环节智能生成学习任务,智能生成学习任务技术在在线教育领域中仍处于萌芽期,有待提高之处主要有以下几个方面:
1)学习计划只根据课程目标和学习内容来制定不利于调动学生学习积极性,且对适应性差的学生很容易因为学习进度大幅落后平均班级水平,造成习得性无助感;
2)所有的学生学习同一个课程时学习任务是遵循教师课前预先设计的教学流程,系统根据既定的学习流程进行,不会按照学生的不同学情分析产生不同的学习任务;
3)部分在线教育课程让中小学生自己选择不同任务,这种诉求以学生为中心的课程设计,虽然顾及学生的兴趣和意愿,然而也存在学生由于心智不够成熟,做学习任务的时机不一定是对学习最有效的问题;
4)部分在线教育课程可通过结合用户自身的学习特征、知识储备情况和学习目的,有针对性的向用户推荐学习计划,目的在提高用户的学习效率,然而仅只是在学习这一环节的个性化,对于其他教学流程如复习已习得的知识,针对不同学生用户学业布置作业等学习任务,并没有加以考虑,导致学习形式单一、学习效果难以保证。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种自适应学习任务智能生成装置及计算机学习系统。
本发明的目的可以通过以下技术方案来实现:
一种自适应学习任务智能生成装置,包括:
第一存储模块,用于获取并存储用户基本信息;
第二存储模块,用于获取并存储用户的历史学习行为数据;
输入模块,用于实时获取学习目标数据;
分析模块,用于分析所述用户基本信息、历史学习行为数据和学习目标数据,生成学习任务数据;
推送模块,用于根据所述学习任务数据生成学习内容并推送。
进一步地,所述用户基本信息包括年龄和年级。
进一步地,所述学习目标数据包括学习时长或掌握程度。
进一步地,所述学习任务包括自适应测评、强化巩固、自适应学习、作业练习中的一个或多个。
进一步地,所述生成学习任务数据具体为:
当获取的学习目标数据为学习时长时,根据所述用户基本信息和历史学习行为数据产生各学习任务的分配时长;
当获取的学习目标数据为掌握程度时,根据所述用户基本信息、历史学习行为数据及掌握程度生成学习范围以及各学习任务的分配时长。
进一步地,所述生成学习任务数据还包括:
根据历史学习行为数据产生学习任务组合。
进一步地,还包括:
更新模块,在推送学习任务后响应,用于记录用户学习行为数据,保存并更新至所述第二存储模块。
本发明还提供一种适于自适应学习的计算机学习系统,包括所述的自适应学习任务智能生成装置。
与现有技术相比,本发明具有以如下有益效果:
第一,本发明设计了一种自适应学习任务智能生成装置,根据用户基本信息、历史学习行为数据以及实时的学习目标智能生成学习任务,有效提高用户的学习效率,针对性强。
第二,学习计划从根据课程目标和学习内容来制定变成个性化的根据学生的个人特征、学习目标时间和自我对目标的期许来让学习任务更贴近学生用户的需求。
第三,本发明通过设计学习任务生成机制,良好的侦测学生用户的学习情况,据此达到学生用户每日都是在进行对学习效果来说最有效的学习任务。
第四,自适应学习这种以计算机为互动的教学技术,让复杂的学习任务组合变成可能,自适应测评根据学生水平有不同时长、强化巩固根据知识的遗忘规律有不同要唤醒记忆的最佳时间、自适应学习根据自适应测评结果,合适的学习资源形态、学习范围都会有所差异,本发明结合个性化的学习目标和多种学习任务组合,让学生用户在每日有限的学习时长中能有最高效的学习。
第五,一个完整有效的课堂应包含教、学、练、测、评等五个环节,每一个环节能达到不同的作用,通过本发明智能生成学生用户所需要的学习任务,可以根据学生用户的状态给予最合适的学习任务。
附图说明
图1为本发明的工作流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例一种自适应学习任务智能生成装置,包括第一存储模块、第二存储模块、输入模块、分析模块和推送模块,其中,第一存储模块用于获取并存储用户基本信息,包括年龄和年级等;第二存储模块用于获取并存储用户的历史学习行为数据,包括测评数据、自适应学习数据、学习习惯数据等;输入模块用于实时获取学习目标数据,包括学习时长或掌握程度等;分析模块用于分析所述用户基本信息、历史学习行为数据和学习目标数据,智能生成学习任务数据,学习任务包括自适应测评、强化巩固、自适应学习、作业练习中的一个或多个,根据自适应学习个性化的分派对学生用户学习效能最高的学习任务,并根据历史学习行为数据产生学习任务组合;推送模块用于根据所述学习任务数据生成学习内容并推送。如图1所示为本发明任务智能生成装置的工作流程图。
生成学习任务数据具体为:
当获取的学习目标数据为学习时长时,根据所述用户基本信息和历史学习行为数据产生各学习任务的分配时长;
当获取的学习目标数据为掌握程度时,根据所述用户基本信息、历史学习行为数据及掌握程度生成学习范围以及各学习任务的分配时长。
上述学习时长可以为根据用户基本信息设定的学习时长,一般来说,年龄小的学生用户学习时长会少于年龄大的学生用户;也可以为用户自主设定的学习时长。
在不同掌握程度的学习目标下,匹配学习的范围和达到的掌握标准是不同的。掌握程度可分为三个水平,基本要求掌握、技能熟练掌握和专家水平掌握,根据学习的范围和达到的掌握标准计算每日的学习时长,一般来说,学习的范围和达到的掌握标准越高,需要的学习时间越长。
每一个学习任务设计时有其专属的学习目的,自适应测评可以更好的了解学生用户先前的知识基础,也可以了解学习之后的掌握情况,而强化巩固则是避免学生用户落入遗忘曲线的规律,因此,每日学生用户的学习任务随着学习阶段的进展应该是不一样的。
生成学习任务数据还包括:根据历史学习行为数据产生学习任务组合,各学习任务的单独时长根据学习目标时长分配。如学生用户在自适应测评、自适应学习的学习任务组合中,自适应学习的学习时长是当日的学习目标时长减去自适应测评时长;又如学生用户在强化巩固、自适应学习、作业练习的学习任务组合中,自适应学习的学习时长却是当日的学习目标时长根据三个学习任务合理的比例做分配。本实施例中,自适应测评这一学习任务是在用户首次进入课程时或在一定周期内产生;强化巩固这一学习任务在当日没有做自适应测评且尚未掌握的知识点历史练习题目数达到需要复习的数量;自适应学习这一学习任务是在任何情况下都需要进行的;作业学习这一学习任务是在自适应学习中存在错题时产生。
在另一实施例中,该自适应学习任务智能生成装置还包括更新模块,在推送学习任务后响应,用于记录用户学习行为数据,保存并更新至所述第二存储模块。通过更新模块,该装置可以更加智能地根据用户实际情况生成学习任务。
推送模型推送的学习内容包括:学习时长、学习资源形态和学习范围,学习资源形态包括视频、题目等。
实施例2
本实施例提供一种适于自适应学习的计算机学习系统,该系统包括实施例1所述的自适应学习任务智能生成装置。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种自适应学习任务智能生成装置,其特征在于,包括:
第一存储模块,用于获取并存储用户基本信息;
第二存储模块,用于获取并存储用户的历史学习行为数据;
输入模块,用于实时获取学习目标数据;
分析模块,用于分析所述用户基本信息、历史学习行为数据和学习目标数据,生成学习任务数据;
推送模块,用于根据所述学习任务数据生成学习内容并推送。
2.根据权利要求1所述的自适应学习任务智能生成装置,其特征在于,所述用户基本信息包括年龄和年级。
3.根据权利要求1所述的自适应学习任务智能生成装置,其特征在于,所述学习目标数据包括学习时长或掌握程度。
4.根据权利要求3所述的自适应学习任务智能生成装置,其特征在于,所述学习任务包括自适应测评、强化巩固、自适应学习、作业练习中的一个或多个。
5.根据权利要求4所述的自适应学习任务智能生成装置,其特征在于,所述生成学习任务数据具体为:
当获取的学习目标数据为学习时长时,根据所述用户基本信息和历史学习行为数据产生各学习任务的分配时长;
当获取的学习目标数据为掌握程度时,根据所述用户基本信息、历史学习行为数据及掌握程度生成学习范围以及各学习任务的分配时长。
6.根据权利要求5所述的自适应学习任务智能生成装置,其特征在于,所述生成学习任务数据还包括:
根据历史学习行为数据产生学习任务组合。
7.根据权利要求1所述的自适应学习任务智能生成装置,其特征在于,还包括:
更新模块,在推送学习任务后响应,用于记录用户学习行为数据,保存并更新至所述第二存储模块。
8.一种适于自适应学习的计算机学习系统,其特征在于,包括如权利要求1所述的自适应学习任务智能生成装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910247426.XA CN109920288A (zh) | 2019-03-29 | 2019-03-29 | 自适应学习任务智能生成装置及计算机学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910247426.XA CN109920288A (zh) | 2019-03-29 | 2019-03-29 | 自适应学习任务智能生成装置及计算机学习系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109920288A true CN109920288A (zh) | 2019-06-21 |
Family
ID=66967647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910247426.XA Pending CN109920288A (zh) | 2019-03-29 | 2019-03-29 | 自适应学习任务智能生成装置及计算机学习系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109920288A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599831A (zh) * | 2019-09-11 | 2019-12-20 | 湖北理工学院 | 基于大数据的自适应学习系统及学习者模型构建方法 |
CN111081097A (zh) * | 2019-12-30 | 2020-04-28 | 郑州工程技术学院 | 政治宣传和思想教育平台系统 |
CN112150021A (zh) * | 2020-09-29 | 2020-12-29 | 京东数字科技控股股份有限公司 | 时间表生成方法、装置、系统、存储介质及电子设备 |
CN113421068A (zh) * | 2021-08-23 | 2021-09-21 | 深圳市创能亿科科技开发有限公司 | 自习时间推荐方法、设备及计算机可读存储介质 |
CN114998068A (zh) * | 2022-05-19 | 2022-09-02 | 海信集团控股股份有限公司 | 学习计划的生成方法及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
US20130095461A1 (en) * | 2011-10-12 | 2013-04-18 | Satish Menon | Course skeleton for adaptive learning |
CN105006181A (zh) * | 2015-08-12 | 2015-10-28 | 李南方 | 一种个性化学习设备及方法 |
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 |
CN108062369A (zh) * | 2017-12-08 | 2018-05-22 | 华中师范大学 | 一种整合情境的多态性泛在学习资源聚合方法及系统 |
CN108765228A (zh) * | 2018-06-20 | 2018-11-06 | 陆柒(北京)科技有限公司 | 一种计算机自适应私教学习方法 |
CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
-
2019
- 2019-03-29 CN CN201910247426.XA patent/CN109920288A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
US20130095461A1 (en) * | 2011-10-12 | 2013-04-18 | Satish Menon | Course skeleton for adaptive learning |
CN105006181A (zh) * | 2015-08-12 | 2015-10-28 | 李南方 | 一种个性化学习设备及方法 |
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 |
CN108062369A (zh) * | 2017-12-08 | 2018-05-22 | 华中师范大学 | 一种整合情境的多态性泛在学习资源聚合方法及系统 |
CN108765228A (zh) * | 2018-06-20 | 2018-11-06 | 陆柒(北京)科技有限公司 | 一种计算机自适应私教学习方法 |
CN109146741A (zh) * | 2018-09-07 | 2019-01-04 | 广东电网有限责任公司 | 一种基于能力测评的课程推送方法、装置及设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599831A (zh) * | 2019-09-11 | 2019-12-20 | 湖北理工学院 | 基于大数据的自适应学习系统及学习者模型构建方法 |
CN111081097A (zh) * | 2019-12-30 | 2020-04-28 | 郑州工程技术学院 | 政治宣传和思想教育平台系统 |
CN112150021A (zh) * | 2020-09-29 | 2020-12-29 | 京东数字科技控股股份有限公司 | 时间表生成方法、装置、系统、存储介质及电子设备 |
CN112150021B (zh) * | 2020-09-29 | 2023-09-26 | 京东科技控股股份有限公司 | 时间表生成方法、装置、系统、存储介质及电子设备 |
CN113421068A (zh) * | 2021-08-23 | 2021-09-21 | 深圳市创能亿科科技开发有限公司 | 自习时间推荐方法、设备及计算机可读存储介质 |
CN114998068A (zh) * | 2022-05-19 | 2022-09-02 | 海信集团控股股份有限公司 | 学习计划的生成方法及电子设备 |
CN114998068B (zh) * | 2022-05-19 | 2024-06-07 | 海信集团控股股份有限公司 | 学习计划的生成方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920288A (zh) | 自适应学习任务智能生成装置及计算机学习系统 | |
CN105761183A (zh) | 知识点体系教学方法及基于知识点测度的自适应教学系统 | |
Crismond | Scaffolding strategies for integrating engineering design and scientific inquiry in project-based learning environments | |
CN114595923B (zh) | 一种基于深度强化学习的群体教学推荐系统 | |
Prakash et al. | Big data in educational data mining and learning analytics | |
Chang | The efficacy of a one-to-one technology initiative in improving the four Cs | |
Tempelaar et al. | Computer assisted, formative assessment and dispositional learning analytics in learning mathematics and statistics | |
Li | A teaching quality evaluation model based on a wavelet neural network improved by particle swarm optimization | |
Maksum et al. | Improvement of metacognitive and critical thinking skills through development of a ‘teaching factory based on troubleshooting’(tefa-t) model in automotive vocational learning | |
CN109978410A (zh) | 一种采用通关式的任务评价系统及方法 | |
Swan | Designing tasks that challenge values, beliefs and practices: A model for the professional development of practicing teachers | |
Singelmann et al. | Innovators, learners, and surveyors: Clustering students in an innovation-based learning course | |
Fawad et al. | Student feedback & systematic evaluation of teaching and its correlation to learning theories, Pedagogy & Teaching skills | |
Ancheva et al. | Integrating the stem methodology in robotics education in after school enrichment classes for students | |
Mudrák | Analysis and implementation of adaptive course in Moodle | |
Noama et al. | Improvement of E-learning based via learning management systems (LMS) using artificial neural networks | |
Yilmaz | A Study of Determination of Benchmarks during the New Formation of Integrated STEM Leader Preparation Program. | |
Siagian et al. | The Effect of Problem-Based Learning (PBL) on Improving Students' Mathematical Ability: Meta-Analysis | |
Virvou et al. | A learning analytics tool for supporting teacher decision | |
Chen et al. | Using Fuzzy Delphi Method to Construct Digital Literacy Competences for Junior High School Students | |
Foulonneau et al. | Using educational domain models for automatic item generation beyond factual knowledge assessment | |
Newell et al. | Models for an intelligent context-aware blended m-learning system | |
Bayram | Revisioning theoretical framework of electronic performance support systems (EPSS) within the software application examples | |
Berlin et al. | Using technology in assessing integrated science and mathematics learning | |
Oyanagi | The influence of an adaptive learning support system on the lesson design and practice of elementary school teachers |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190621 |