CN110189238A - 辅助学习的方法、装置、介质以及电子设备 - Google Patents

Abstract

本发明的实施方式提供了一种辅助学习的方法，包括获得智能笔在用户对题目作答的过程中采集的轨迹信息，基于所述轨迹信息，获得用于评价用户答题的反馈信息，以及输出所述反馈信息。该方法能够复原线下基于笔纸的练习场景，还能够利用计算机技术对答题内容进行处理和分析，以实现多种功能。此外，本发明的实施方式还提供了一种辅助学习的装置、一种计算机可读存储介质以及一种电子设备。

Description

辅助学习的方法、装置、介质以及电子设备

技术领域

本发明的实施方式涉及教学辅助技术领域，更具体地，本发明的实施方式涉及一种辅助学习的方法、辅助学习的装置、介质以及电子设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

传统线下的学习场景包含老师课堂教学、学生纸笔练习、统一摸底考试等，存在着教学练习效率低、无法收集数据因材施教等困难。新兴的在线教育解决了部分问题，如名师大班教学(同时教授上万人)、专业的小班辅导(一对一指导陪练)、定制化的练习方案等等。

发明内容

但是，随着在线教育的日趋成熟，如何既保留线上软件数据的收集分析和追踪能力，又不打破线下自然交互的学习方式，成为了教育领域线上线下融合的关键。

为此，非常需要一种改进的辅助学习的方法，以解决上述技术问题。

在本上下文中，本发明的实施方式期望提供一种辅助学习的方法，复原线下基于笔纸的练习场景，还能够利用计算机技术对答题内容进行处理和分析，以实现多种功能。

在本发明实施方式的第一方面中，提供了一种辅助学习的方法，包括获得智能笔在用户对题目作答的过程中采集的轨迹信息，基于所述轨迹信息，获得用于评价用户答题的反馈信息，以及输出所述反馈信息。

在本发明的一个实施例中，所述基于所述轨迹信息，获得用于评价用户答题的反馈信息包括，识别用户作答客观题的轨迹信息，获得识别结果，以及将所述识别结果与标准答案进行比较，获得用户答题正确与否的比较结果，作为用于评价用户答题的反馈信息。

在本发明的另一个实施例中，所述基于所述轨迹信息，获得用于评价用户答题的反馈信息包括，将用户作答主观题的轨迹信息发送到教师客户端，以便在教师客户端展示用户的轨迹信息并得到教师对用户作答的主观题的评判结果，作为用于评价用户答题的反馈信息，以及接收所述用于评价用户答题的反馈信息。

在本发明的又一个实施例中，在获得用于评价用户答题的反馈信息之后，所述方法还包括，基于所述题目以及所述反馈信息，确定所述用户的用户特征，所述用户特征包括所述用户对于所述题目所属的知识点的能力估计值，获得题库中所述知识点下的多个题目的题目特征，所述题目特征包括题目的难度系数，基于所述用户特征和所述题目特征，通过预测模型预测所述题库中的各个题目对所述用户的能力提升系数，以及基于所述题库中所述知识点下的各个题目对所述用户的能力提升系数，确定所述题库中的部分题目作为推荐题目，并输出所述推荐题目。

在本发明的又一个实施例中，所述用户特征还包括做题正确率、做题耗时信息、做题完成度、做题频率、行为数据或基于行为数据获得的用户标签以及人口统计学信息中的至少一种。

在本发明的又一个实施例中，所述题目特征还包括区分度、猜测参数、正确率、分值中的至少一种。

在本发明的又一个实施例中，所述方法还包括通过概率图模型分析所述用户对已学习的知识点的能力估计值，确定所述用户下一步学习的知识点。

在本发明的又一个实施例中，所述方法还包括基于时间确定所述用户对各个知识点的遗忘程度，所述确定所述题库中的部分题目作为推荐题目包括还基于所述遗忘程度，从所述题库中的确定部分题目作为推荐题目。

在本发明的再一个实施例中，所述方法还包括触发播放听力考题的音频内容，并且/或者，触发播放用于提示考试开始、结束的提示声音。

在本发明实施方式的第二方面中，提供了一种辅助学习的装置，包括第一获得模块、第二获得模块以及第一输出模块。第一获得模块，用于获得智能笔在用户对题目作答的过程中采集的轨迹信息。第二获得模块，用于基于所述轨迹信息，获得用于评价用户答题的反馈信息。第一输出模块，用于输出所述反馈信息。

在本发明的一个实施例中，所述第二获得模块包括识别子模块和比较子模块。识别子模块，用于识别用户作答客观题的轨迹信息，获得识别结果。比较子模块，用于将所述识别结果与标准答案进行比较，获得用户答题正确与否的比较结果，作为用于评价用户答题的反馈信息。

在本发明的另一个实施例中，所述第二获得模块包括发送子模块和接收子模块。发送子模块，用于将用户作答主观题的轨迹信息发送到教师客户端，以便在教师客户端展示用户的轨迹信息并得到教师对用户作答的主观题的评判结果，作为用于评价用户答题的反馈信息。接收子模块，用于接收所述用于评价用户答题的反馈信息。

在本发明的又一个实施例中，所述装置还包括第一确定模块、第三获得模块、预测模块以及第二输出模块。第一确定模块，用于基于所述题目以及所述反馈信息，确定所述用户的用户特征，所述用户特征包括所述用户对于所述题目所属的知识点的能力估计值。第三获得模块，用于获得题库中所述知识点下的多个题目的题目特征，所述题目特征包括题目的难度系数。预测模块，用于基于所述用户特征和所述题目特征，通过预测模型预测所述题库中的各个题目对所述用户的能力提升系数。第二输出模块，用于基于所述题库中所述知识点下的各个题目对所述用户的能力提升系数，确定所述题库中的部分题目作为推荐题目，并输出所述推荐题目。

在本发明的又一个实施例中，所述用户特征还包括做题正确率、做题耗时信息、做题完成度、做题频率、行为数据或基于行为数据获得的用户标签以及人口统计学信息中的至少一种。

在本发明的又一个实施例中，所述题目特征还包括区分度、猜测参数、正确率、分值中的至少一种。

在本发明的又一个实施例中，所述装置还包括第二确定模块，用于通过概率图模型分析所述用户对已学习的知识点的能力估计值，确定所述用户下一步学习的知识点。

在本发明的又一个实施例中，所述装置还包括第三确定模块，用于基于时间确定所述用户对各个知识点的遗忘程度，所述第二输出模块还用于基于所述遗忘程度，从所述题库中的确定部分题目作为推荐题目。

在本发明的再一个实施例中，所述装置还包括第一触发模块或第二触发模块中的至少一种。第一触发模块，用于触发播放听力考题的音频内容。第二触发模块，用于触发播放用于提示考试开始、结束的提示声音。

在本发明实施方式的第三方面中，提供了一种介质，其上存储有可执行指令，所述指令被处理单元执行时使所述处理单元执行上述任一项所述的方法。

在本发明实施方式的第四方面中，提供了一种电子设备，包括处理单元，以及存储单元，其上存储有可执行指令，所述指令被所述处理单元执行时使所述处理单元执行如上所述的方法。

根据本发明实施方式的辅助学习的方法、装置以及电子设备，能够复原线下基于笔纸的练习场景，还能够利用计算机技术对答题内容进行处理和分析，以实现多种功能。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性地示出了根据本发明实施方式的辅助学习的方法的应用场景的示意图；

图2示意性地示出了根据本发明示例性实施例的辅助学习的方法的流程图；

图3示意性地示出了根据本发明示例性实施例的基于轨迹信息获得用于评价用户答题的反馈信息的流程图；

图4示意性地示出了根据本发明另一示例性实施例的基于轨迹信息获得用于评价用户答题的反馈信息的流程图；

图5示意性地示出了根据本发明示例性实施例的试题推荐的流程图；

图6示意性地示出了根据本发明示例性实施例的辅助学习的装置的框图；

图7示意性地示出了根据本发明示例性实施例的第二获得模块的框图；

图8示意性地示出了根据本发明另一示例性实施例的第二获得模块的框图；

图9示意性地示出了根据本发明另一示例性实施例的辅助学习的装置的框图；

图10示意性地示出了根据本发明示例性实施例的计算机可读存储介质的示意图；以及

图11示意性地示出了根据本发明示例性实施例的电子设备的方框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种辅助学习的方法、装置、介质和电子设备。

此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

随着在线教育的日趋成熟，如何既保留线上软件数据的收集分析和追踪能力，又不打破线下自然交互的学习方式，成为了教育领域线上线下融合的关键。为了解决这一问题，本发明示例性实施例提供了一种辅助学习的方法，包括获得智能笔在用户对题目作答的过程中采集的轨迹信息，基于所述轨迹信息，获得用于评价用户答题的反馈信息，以及输出所述反馈信息。该方法复原了线下基于笔纸的练习场景，还能够利用计算机技术对答题内容进行处理和分析，以实现多种功能。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

首先参考图1，图1示意性地示出了根据本发明实施方式的辅助学习的方法的应用场景的示意图。

如图1所示，本公开实施例的应用场景中例如可以包括智能笔101、终端设备102、网络103以及服务器104。网络103用以在终端设备102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

智能笔101可以在书写过程中采集轨迹信息，例如，可以通过安装在智能笔101内部的运动传感器获得该轨迹信息，或者，智能笔101在铺码打印的介质上书写内容时，可以通过识别介质上的铺码，精确地确定当前位置，从而得到书写的轨迹信息。

用户可以使用终端设备102通过网络103与服务器104交互，以接收或发送消息等。终端设备102上可以安装有各种应用，例如教育应用等。终端设备102可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

终端设备102可以与智能笔101通信，例如，智能笔101可以将采集到的轨迹信息发送到智能终端102，或者，智能终端102可以向智能笔发送指令，使智能笔播放声音或产生振动甚至显示内容。

服务器104可以是提供各种服务的服务器，例如对用户利用终端设备102所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的辅助学习的方法一般可以由终端设备102或服务器104执行。相应地，本公开实施例所提供的辅助学习的装置一般可以设置于终端设备102或服务器104中。本发明实施例所提供的辅助学习的方法也可以由不同于服务器104且能够与终端设备102和/或服务器104通信的其他服务器或服务器集群执行。相应地，本发明实施例所提供的辅助学习的装置也可以设置于不同于服务器104且能够与终端设备102和/或服务器104通信的其他服务器或服务器集群中。本发明实施例所提供的数据处理方法也可以部分由终端设备102执行，部分由服务器104执行。相应地，本发明实施例所提供的数据处理装置也可以部分设置于终端设备102中，部分设置于服务器104中。

上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

示例性方法

下面结合图1的应用场景，参考图2～图5描述根据本发明示例性实施方式的辅助学习的方法。

图2示意性地示出了根据本发明示例性实施例的辅助学习的方法的流程图。

如图2所示，该方法包括步骤S210～S230。

在步骤S210，获得智能笔在用户对题目作答的过程中采集的轨迹信息。

根据本发明示例性实施例，智能笔可以在书写过程中采集轨迹信息，例如，可以通过安装在智能笔内部的运动传感器获得该轨迹信息，或者，智能笔在铺码打印的介质上书写内容时，可以通过识别介质上的铺码，精确地确定当前位置，从而得到书写的轨迹信息。智能笔可以使用通用笔芯，使用感受接近普通圆珠笔。

根据本发明示例性实施例，该轨迹信息可以由智能笔发送到终端设备，从而使终端设备获得该轨迹信息。其中，该轨迹可以实时同步到终端设备中，也可以暂时存储在智能笔中，待之后统一同步。或者，终端设备可以进一步将该轨迹信息发送到服务器。在本发明其他一些实施例中，可以由智能笔直接将该轨迹信息发送到服务器，从而使得服务器获得该轨迹信息。

在步骤S220，基于所述轨迹信息，获得用于评价用户答题的反馈信息。

下面参考图3和图4所示意的实施例对步骤S220进行说明。其中，图3和图4所示意的实施例可以由终端设备执行，也可以由服务器执行。

图3示意性地示出了根据本发明示例性实施例的基于轨迹信息获得用于评价用户答题的反馈信息的流程图。

如图3所示，该方法包括步骤S310和S320。

在步骤S310，识别用户作答客观题的轨迹信息，获得识别结果。

根据本发明示例性实施例，通过对轨迹信息进行字符识别，可以获得用户的作答客观题的识别结果，例如选择题的选项、判断题的正误等。

在步骤S320，将所述识别结果与标准答案进行比较，获得用户答题正确与否的比较结果，作为用于评价用户答题的反馈信息。

根据本发明示例性实施例，通过将该识别结果与标准答案进行比较，可以确定用户本题是否回答正确，例如，在某一选择题的标准答案为“B”时，如果基于用户的轨迹信息得到的识别结果也为“B”，则确定用户本题作答正确，否则，确定用户本题作答错误。用户答题正确或错误的判断结果即用于评价用户答题的反馈信息。该反馈信息还可以包括基于多道问题的答题结果正确与否得到的试卷的得分或评级等。

图4示意性地示出了根据本发明另一示例性实施例的基于轨迹信息获得用于评价用户答题的反馈信息的流程图。

如图4所示，该方法包括步骤S410和S420。

在步骤S410，将用户作答主观题的轨迹信息发送到教师客户端，以便在教师客户端展示用户的轨迹信息并得到教师对用户作答的主观题的评判结果，作为用于评价用户答题的反馈信息。

根据本发明示例性实施例，应用程序可以分为学生端和教师端，当学生作答主观题后，可以通过服务器104，将作答主观题的轨迹信息发送到相应的教师端，教师端的设备可以展示该轨迹信息，并且允许教师对作答情况输入反馈信息，例如主观题的得分和/或相关批注等。

在步骤S420，接收所述用于评价用户答题的反馈信息。

根据本发明示例性实施例，教师端可以将反馈信息通过服务器发送回学生端的设备，即上文所述的终端设备，使得该终端设备可以输出该反馈信息。

返回参考图2。在步骤S230，输出所述反馈信息。

根据本发明示例性实施例，输出所述反馈信息例如可以是展示反馈信息的文字或图像，或者可以以播放声音的形式进行输出，本发明对此不做限定。例如，用户可以通过应用程序在终端设备上查看成绩单、批改结果、题目答案解析、视频讲解和知识点掌握程度分析报告等。

该方法复原了线下基于笔纸的练习场景，还能够利用计算机技术对答题内容进行处理和分析，以实现自动判题、批改回馈的功能。除此以外，通过记录用户的作答情况，本发明示例性实施例的方法还可以实现智能推荐题目等多种功能。

图5示意性地示出了根据本发明示例性实施例的试题推荐的流程图。该方法例如可以由服务器执行。

如图5所示，该方法包括步骤S510～S540。

在步骤S510，基于所述题目以及所述反馈信息，确定所述用户的用户特征，所述用户特征包括所述用户对于所述题目所属的知识点的能力估计值。

例如，该题目所属的知识点为知识点A，服务器中可以存储用户对于知识点A的能力估计值，例如可以以百分制衡量。当用户回答题目正确时，可以上调用户对知识点A的能力估计值；当用户回答题目错误时，可以下调用户对知识点A的能力估计值。

由于能力估计值依赖于用户的做题历史进行能力评估，存在冷启动问题。根据本发明示例性实施例，可以采用随机模型，开始从中间档的难度题目中随机出一道，根据用户的实时反馈更新下一题出题策略：如果上道题回答正确，那么下一道题就以一定的概率变得更难。如果回答错误，那么下一道题就一定的概率变得更容易。通过这样的简单策略可以较快获取用户的做题状况，进而帮助模型进行精确评估用户的能力水平。随机出题策略中的题目，可以通过专家进行评估设定，也可以通过已有用户的做题情况通过统计学的方法，将不同难度区分度较高的题目作为候选集，并且根据更多的用户做更多的题可以不断更新这个候选集。

根据本发明示例性实施例，所述用户特征还可以包括做题正确率、做题耗时信息、做题完成度、做题频率、行为数据或基于行为数据获得的用户标签以及人口统计学信息中的至少一种。其中，行为数据例如可以是记录用户参加一个或多个在线课程的数据，基于行为数据获得的用户标签例如可以是通过用户参加的一个或多个课程等行为数据构建的该用户的用户画像，例如用户已掌握的知识点、正在学习或期待提高的知识点、用户年龄等信息。人口统计学信息例如可以包括性别、年龄、文化水平等。可以基于该些数据确定用于向用户推荐的题目。

在步骤S520，获得题库中所述知识点下的多个题目的题目特征，所述题目特征包括题目的难度系数。

根据本发明示例性实施例，同一知识点下的题目可以具有不同的难度系数，例如能力估计值较低的用户作答难度系数较高的问题的正确率相对较低。根据本发明示例性实施例，所述题目特征还可以包括区分度、猜测参数、正确率、分值中的至少一种。项目反应理论认为用户成功解答某一问题的可能性与用户特征(例如能力估计值)有一定的关系，其中，题目特征包括三个主要参数，难度系数、区分度以及猜测参数。在用户能力估计值一定的情况下，难度系数提高则答题正确率降低。区分度是指在能力估计值的改变对正确率的变化的影响，如果区分度高，则能力估计值的微小改变可能造成答题正确率的较大变化。猜测参数是指当用户的能力估计值极低的情况下仍然能够正确解答问题的概率。可以结合项目反应理论，基于该些数据确定用于向用户推荐的题目。

在步骤S530，基于所述用户特征和所述题目特征，通过预测模型预测所述题库中的各个题目对所述用户的能力提升系数。

根据本发明示例性实施例，可以使用以上用户特征和题目特征，通过历史数据训练预测模型。例如，可以将练习前的用户特征和所练习的题目的题目特征作为输入，将能力提升系数作为输出，训练预测模型。该能力提升系数可以是练习后的用户特征与练习前的用户特征的差异值，例如练习后的能力估计值与练习前的能力估计值的差值。在确定用户当前的用户特征的情况下，可以使用训练好的预测模型预测各个题目产生的能力提升系数，该能力提升系数用于确定推荐题目。

在步骤S540，基于所述题库中所述知识点下的各个题目对所述用户的能力提升系数，确定所述题库中的部分题目作为推荐题目，并输出所述推荐题目。

例如，在能力提升系数包括练习后的能力估计值与练习前的能力估计值的差值的情况下，可以取多个题目中能力提升系数最大的一个或多个题目作为推荐题目。例如，用户当前的能力估计值为0.60，题库中适合用户的有A、B、C、D、E五个题目，通过预测模型预测用户分别完成每个题目后，能力估计值分别提升至0.62、0.61、0.61、0.63、0.62，因此，可以得到能力提升系数分别为0.02、0.01、0.01、0.03、0.02，可以确定题目D对应的0.03为能力提升系数最大，对应的题目为题目D，可以将题目D推荐给用户。

根据本发明示例性实施例，根据用户对推荐题目的做题反馈，更新能力估计值，进而更新推荐题目。

根据本发明示例性实施例，所述方法还包括通过概率图模型分析所述用户对已学习的知识点的能力估计值，确定所述用户下一步学习的知识点。例如，模型通过训练可以学习到当一个用户对于分数达到怎样的掌握程度才能够帮助用户掌握小数，以及对小数怎样的掌握程度能够帮助用户掌握指数。例如可以采用贝叶斯网络模型，每个知识点表示为一个节点，每个节点对应一个数值。其中，已学习的知识点上的数值为用户的能力估计值，未学习的知识点上的数值为用于评估是否适合学习该知识点的数值。通过训练该贝叶斯网络模型，当已学习的知识点上的能力估计值改变值，模型会自动更新未学习的知识点上的数值。当未学习的知识点上的数值达到某一阈值时，则解锁该知识点，允许用户学习该知识点的内容。

根据本发明示例性实施例，所述方法还包括基于时间确定所述用户对各个知识点的遗忘程度，所述确定所述题库中的部分题目作为推荐题目包括还基于所述遗忘程度，从所述题库中的确定部分题目作为推荐题目。例如，可以引入遗忘曲线，基于遗忘曲线确定用户学习某知识点之后的某个时间，推荐同一知识点的习题。例如，可以在用户学习某一知识点后的1天、2天、4天、7天、15天的时候，向该用户推荐与该知识点对应的题目(例如向用户再次推荐用户之前已经做过的题目)。

根据本发明示例性实施例，所述方法还包括触发播放听力考题的音频内容，并且/或者，触发播放用于提示考试开始、结束的提示声音。例如，智能笔或终端设备上可以具有计时装置，考试开始和结束时，终端设备可以发出提示声音，或者控制智能笔发出提示声音。例如，用户可以按下智能笔上的按钮以开始考试，智能笔响应于该操作发出“考试开始”的提示音，并开始计时，当到达考试结束时间时(例如2小时)，智能笔可以发出“考试结束”的提示音。除此以外，例如在英语考试中，智能笔或终端设备还可以从服务器获得听力考题的音频内容，并在开始考试的前10～20分钟播放。

示例性装置

在介绍了本发明示例性实施方式的方法之后，接下来，参考图6对本发明示例性实施方式的辅助学习的装置进行说明。

图6示意性地示出了根据本发明示例性实施例的辅助学习的装置600的框图。

如图6所示，辅助学习的装置600包括第一获得模块610、第二获得模块620以及第一输出模块630。

第一获得模块610，例如执行上文参考图2描述的步骤S210，用于获得智能笔在用户对题目作答的过程中采集的轨迹信息。

第二获得模块620，例如执行上文参考图2描述的步骤S220，用于基于所述轨迹信息，获得用于评价用户答题的反馈信息。

第一输出模块630，例如执行上文参考图2描述的步骤S230，用于输出所述反馈信息。

图7示意性地示出了根据本发明示例性实施例的第二获得模块700的框图。

如图7所示，该第二获得模块700包括识别子模块710和比较子模块720。

识别子模块710，例如执行上文参考图3描述的步骤S310，用于识别用户作答客观题的轨迹信息，获得识别结果。

比较子模块720，例如执行上文参考图3描述的步骤S320，用于将所述识别结果与标准答案进行比较，获得用户答题正确与否的比较结果，作为用于评价用户答题的反馈信息。

图8示意性地示出了根据本发明另一示例性实施例的第二获得模块800的框图。

如图8所示，该第二获得模块800包括发送子模块810和接收予模块820。

发送子模块810，例如执行上文参考图4描述的步骤S410，用于将用户作答主观题的轨迹信息发送到教师客户端，以便在教师客户端展示用户的轨迹信息并得到教师对用户作答的主观题的评判结果，作为用于评价用户答题的反馈信息。

接收子模块820，例如执行上文参考图4描述的步骤S420，用于接收所述用于评价用户答题的反馈信息。

图9示意性地示出了根据本发明另一示例性实施例的辅助学习的装置900的框图。

如图9所示，该装置900在前述实施例的基础上，还可以包括第一确定模块910、第三获得模块920、预测模块930以及第二输出模块940。

第一确定模块910，例如执行上文参考图5描述的步骤S510，用于基于所述题目以及所述反馈信息，确定所述用户的用户特征，所述用户特征包括所述用户对于所述题目所属的知识点的能力估计值。

第三获得模块920，例如执行上文参考图5描述的步骤S520，用于获得题库中所述知识点下的多个题目的题目特征，所述题目特征包括题目的难度系数。

预测模块930，例如执行上文参考图5描述的步骤S530，用于基于所述用户特征和所述题目特征，通过预测模型预测所述题库中的各个题目对所述用户的能力提升系数。

第二输出模块940，例如执行上文参考图5描述的步骤S540，用于基于所述题库中所述知识点下的各个题目对所述用户的能力提升系数，确定所述题库中的部分题目作为推荐题目，并输出所述推荐题目。

根据本发明示例性实施例，所述用户特征还包括做题正确率、做题耗时信息、做题完成度、做题频率、行为数据或基于行为数据获得的用户标签以及人口统计学信息中的至少一种。

根据本发明示例性实施例，所述题目特征还包括区分度、猜测参数、正确率、分值中的至少一种。

如图9所示，该装置900还可以包括第二确定模块950，用于通过概率图模型分析所述用户对已学习的知识点的能力估计值，确定所述用户下一步学习的知识点。

根据本发明示例性实施例，该装置900还可以包括第三确定模块950，用于基于时间确定所述用户对各个知识点的遗忘程度。第二输出模块940还用于基于所述遗忘程度，从所述题库中的确定部分题目作为推荐题目。

根据本发明示例性实施例，该装置900还可以包括第一触发模块970或第二触发模块980中的至少一种。其中，第一触发模块970用于触发播放听力考题的音频内容，第二触发模块980用于触发播放用于提示考试开始、结束的提示声音。

根据本发明示例性实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明示例性实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本发明示例性实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本发明示例性实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，第一获得模块610、第二获得模块620、第一输出模块630、识别子模块710、比较子模块720、发送子模块810、接收子模块820、第一确定模块910、第三获得模块920、预测模块930、第二输出模块940、第二确定模块950、第三确定模块960、第一触发模块970以及第二触发模块980中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获得模块610、第二获得模块620、第一输出模块630、识别子模块710、比较子模块720、发送子模块810、接收子模块820、第一确定模块910、第三获得模块920、预测模块930、第二输出模块940、第二确定模块950、第三确定模块960、第一触发模块970以及第二触发模块980中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获得模块610、第二获得模块620、第一输出模块630、识别子模块710、比较子模块720、发送子模块810、接收子模块820、第一确定模块910、第三获得模块920、预测模块930、第二输出模块940、第二确定模块950、第三确定模块960、第一触发模块970以及第二触发模块980中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

示例性介质

在介绍了本发明示例性实施方式的装置之后，接下来，参考图10对本发明示例性实施方式的一种计算机可读存储介质进行说明。本发明示例性实施方式提供了一种计算机可读存储介质，其上存储有可执行指令，所述指令被处理单元执行时使所述处理单元执行上文所述的方法。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的辅助学习的方法中的步骤，例如，所述电子设备可以执行如图2中所示的步骤S210，获得智能笔在用户对题目作答的过程中采集的轨迹信息；步骤S220，基于所述轨迹信息，获得用于评价用户答题的反馈信息；步骤S230，输出所述反馈信息。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

如图10所示，描述了根据本发明的实施方式的辅助学习的程序产品1000，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java，C++等，还包括常规的过程式程序设计语言——诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。

示例性电子设备

在介绍了本发明示例性实施方式的方法、装置和介质之后，接下来，参考图11对本发明示例性实施方式的辅助学习的电子设备进行说明。

本发明实施例还提供了一种辅助学习的电子设备。所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本发明的辅助学习的电子设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的辅助学习的方法中的步骤。例如，所述处理单元可以执行如图2中所示的步骤S210，获得智能笔在用户对题目作答的过程中采集的轨迹信息；步骤S220，基于所述轨迹信息，获得用于评价用户答题的反馈信息；步骤S230，输出所述反馈信息。

下面参照图11来描述根据本发明的这种实施方式的辅助学习的电子设备1100。如图1100所示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，电子设备1100以通用电子设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130。

总线1130包括数据总线、地址总线和控制总线。

存储单元1120可以包括易失性存储器，例如随机存取存储器(RAM)1121和/或高速缓存存储器1122，还可以进一步包括只读存储器(ROM)1123。

存储单元1120还可以包括具有一组(至少一个)程序模块1124的程序/实用工具1125，这样的程序模块1124包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

电子设备1100也可以与一个或多个外部设备1140(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/0)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了辅助学习的装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (10)

1.一种辅助学习的方法，包括：

获得智能笔在用户对题目作答的过程中采集的轨迹信息；

基于所述轨迹信息，获得用于评价用户答题的反馈信息；以及

输出所述反馈信息。

2.根据权利要求1所述的方法，其中，所述基于所述轨迹信息，获得用于评价用户答题的反馈信息包括：

识别用户作答客观题的轨迹信息，获得识别结果；以及

将所述识别结果与标准答案进行比较，获得用户答题正确与否的比较结果，作为用于评价用户答题的反馈信息。

3.根据权利要求1所述的方法，其中，所述基于所述轨迹信息，获得用于评价用户答题的反馈信息包括：

将用户作答主观题的轨迹信息发送到教师客户端，以便在教师客户端展示用户的轨迹信息并得到教师对用户作答的主观题的评判结果，作为用于评价用户答题的反馈信息；以及

接收所述用于评价用户答题的反馈信息。

4.根据权利要求1所述的方法，其中，在获得用于评价用户答题的反馈信息之后，所述方法还包括：

基于所述题目以及所述反馈信息，确定所述用户的用户特征，所述用户特征包括所述用户对于所述题目所属的知识点的能力估计值；

获得题库中所述知识点下的多个题目的题目特征，所述题目特征包括题目的难度系数；

基于所述用户特征和所述题目特征，通过预测模型预测所述题库中的各个题目对所述用户的能力提升系数；

基于所述题库中所述知识点下的各个题目对所述用户的能力提升系数，确定所述题库中的部分题目作为推荐题目，并输出所述推荐题目。

5.根据权利要求4所述的方法，其中，

所述用户特征还包括做题正确率、做题耗时信息、做题完成度、做题频率、行为数据或基于行为数据获得的用户标签以及人口统计学信息中的至少一种；以及/或者

所述题目特征还包括区分度、猜测参数、正确率、分值中的至少一种。

6.根据权利要求4所述的方法，还包括：

通过概率图模型分析所述用户对已学习的知识点的能力估计值，确定所述用户下一步学习的知识点。

7.根据权利要求4所述的方法，还包括：

基于时间确定所述用户对各个知识点的遗忘程度；

所述确定所述题库中的部分题目作为推荐题目包括：

还基于所述遗忘程度，从所述题库中的确定部分题目作为推荐题目。

8.一种辅助学习的装置，包括：

第一获得模块，用于获得智能笔在用户对题目作答的过程中采集的轨迹信息；

第二获得模块，用于基于所述轨迹信息，获得用于评价用户答题的反馈信息；以及

第一输出模块，用于输出所述反馈信息。

9.一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。

10.一种电子设备，包括：

处理单元；以及

存储单元，其上存储有可执行指令，所述指令被所述处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。