CN110489455A - 学习资源推荐方法、装置、电子设备和存储介质 - Google Patents
学习资源推荐方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110489455A CN110489455A CN201910750896.8A CN201910750896A CN110489455A CN 110489455 A CN110489455 A CN 110489455A CN 201910750896 A CN201910750896 A CN 201910750896A CN 110489455 A CN110489455 A CN 110489455A
- Authority
- CN
- China
- Prior art keywords
- learning
- grade
- study
- learning machine
- resource
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012360 testing method Methods 0.000 claims description 9
- 238000012552 review Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000010894 Artemisia argyi Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 244000030166 artemisia Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提出一种学习资源推荐方法、装置、电子设备和存储介质，其中方法包括：采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示应用的测评问卷，获取测评结果；根据测评结果以及学习机用户的属性信息，确定学习机用户的学习等级；根据应用中学习等级对应的资源制定学习方案；将学习方案推送到学习机，以便学习机用户按照学习方案对学习等级对应的资源进行学习，该方法基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种学习资源推荐方法、装置、电子设备和计算机可读存储介质。
背景技术
随着人工智能技术的发展，智能学习机在人们的工作、生活的应用亦日趋普遍，比如，具备点播功能的儿童家教学习机，内置大量音视频内容、语音技能和应用，可满足儿童的娱乐和学习需求。用户可在手机应用端根据个人经验或偏好，自主选择某资源或课程点播至学习机设备端给孩子进行学习。然而，上述方案中，用户需要花费大量的时间来为孩子点播资源，另外，若用户不了解孩子进度，容易造成点播的资源不适合孩子的情况，导致资源的点播成本高，点播效率差。
发明内容
本申请的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本申请的第一个目的在于提出一种学习资源推荐方法，该方法基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
本申请的第二个目的在于提出一种学习资源推荐装置。
本申请的第三个目的在于提出一种电子设备。
本申请的第四个目的在于提出一种性计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种学习资源推荐方法，包括：采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；根据所述应用中所述学习等级对应的资源制定学习方案；将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。
本申请实施例的学习资源推荐方法，通过采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；根据所述应用中所述学习等级对应的资源制定学习方案；将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。该方法基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
根据本申请的一个实施例，所述根据所述应用中所述学习等级对应的资源制定学习方案，包括：将所述应用中所述学习等级对应的资源提供给所述应用端用户，以便所述应用端用户在所述学习等级对应的资源中选择待学习资源；根据所述待学习资源制定所述学习方案。
根据本申请的一个实施例，所述将所述学习方案推送到学习机之后，还包括：获取所述学习机用户在首次使用所述学习机时所述应用在所述学习等级的默认课程的测评分数；根据所述测评分数，确定是否对所述学习等级进行调整；在确定对所述学习等级进行调整时，将所述学习等级调整为所述学习等级的次一级学习等级；根据所述学习等级的学习方案确定次一级学习等级的学习方案；将所述次一级学习等级的学习方案推送到学习机。
根据本申请的一个实施例，所述根据所述测评分数，确定是否对所述学习等级进行调整，包括：若所述测评分数大于等于预设分数阈值，则确定不对所述学习等级进行调整；若所述测评分数小于预设分数阈值，则确定对所述学习等级进行调整。
根据本申请的一个实施例，所述将所述学习方案推送到学习机之后，还包括：获取所述学习机用户的学习路径，所述学习路径包括：学习数据、学习行为以及复习测试结果；根据所述学习路径，向所述学习机用户推荐资源。
为达上述目的，本申请第二方面实施例提出了一种学习资源推荐装置，包括：采集模块，用于采集学习机用户的属性信息；显示模块，用于在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；确定模块，用于根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；制定模块，用于根据所述应用中所述学习等级对应的资源制定学习方案；推送模块，用于将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。
本申请实施例的学习资源推荐装置，通过采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；根据所述应用中所述学习等级对应的资源制定学习方案；将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。该装置可实现基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
根据本申请的一个实施例，所述制定模块具体用于，将所述应用中所述学习等级对应的资源提供给所述应用端用户，以便所述应用端用户在所述学习等级对应的资源中选择待学习资源；根据所述待学习资源制定所述学习方案。
根据本申请的一个实施例，学习资源推荐装置还包括：第一获取模块和调整模块；所述第一获取模块，用于获取所述学习机用户在首次使用所述学习机时所述应用在所述学习等级的默认课程的测评分数；所述确定模块，还用于根据所述测评分数，确定是否对所述学习等级进行调整；所述调整模块，用于在确定对所述学习等级进行调整时，将所述学习等级调整为所述学习等级的次一级学习等级；所述确定模块，还用于根据所述学习等级的学习方案确定次一级学习等级的学习方案；所述推送模块，还用于将所述次一级学习等级的学习方案推送到学习机。
根据本申请的一个实施例，所述确定模块具体用于，若所述测评分数大于等于预设分数阈值，则确定不对所述学习等级进行调整；若所述测评分数小于预设分数阈值，则确定对所述学习等级进行调整。
根据本申请的一个实施例，学习资源推荐装置还包括：第二获取模块和推荐模块；所述第二获取模块，用于获取所述学习机用户的学习路径，所述学习路径包括：学习数据、学习行为以及复习测试结果；所述推荐模块，用于根据所述学习路径，向所述学习机用户推荐资源。
为达上述目的，本申请第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的学习资源推荐方法。
为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，当所述存储介质中的指令被处理器执行时，实现如上所述的学习资源推荐方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请一个实施例提供的学习资源推荐方法的流程示意图；
图2为本申请实施例提供的测评问卷示意图；
图3为本申请另一个实施例提供的学习资源推荐方法的流程示意图；
图4为本申请一个实施例提供的学习资源推荐装置的结构示意图；
图5为本申请另一个实施例提供的学习资源推荐装置的结构示意图；
图6为本申请又一个实施例提供的学习资源推荐装置的结构示意图；
图7示出了适于用来实现本申请实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的学习资源推荐方法、装置、电子设备和计算机可读存储介质。
图1为本申请实施例提供的一种学习资源推荐方法的流程示意图。如图1所示，该学习资源推荐方法应用于学习机对应的应用端，包括以下步骤：
步骤101，采集学习机用户的属性信息。
在本申请实施例中，在应用端首次注册流程冷启动环节，应用端用户可进行学习机用户的信息注册，比如，应用端用户可输入学习机用户昵称、年龄、性别、爱好等。因此，学习机用户的属性信息可通过注册信息进行获取。其中，学习机用户可以是但不限于儿童，应用端用户可以是但不限于儿童家长。
步骤102，在检测到应用端用户对应用的资源选择请求时，显示应用的测评问卷，获取测评结果。
进一步地，学习机对应的应用端采集到学习机用户属性信息之后，当应用端用户进行对应用的资源选择请求时，显示该应用的测评问卷，应用端用户可根据学习机用户相关信息填写该测评问卷，之后，学习机对应的应用端可获取该测评问卷的测评结果。其中，需要说明的是，应用的资源可以为但不限于英语、数学、语文、科学等多种课程类型。
举例而言，比如，家长首次点播学习内容或首次创建学习课程表时，当家长选择英语课程后，如图2所示，学习机对应的应用端显示英语的测评问卷，家长可根据孩子的相关信息填写该英语的测评问卷，当测评问卷填好之后，学习机对应的应用端可获取该英语测评问卷的测评结果。
步骤103，根据测评结果以及学习机用户的属性信息，确定学习机用户的学习等级。
不难理解的是，在获取到测评结果和学习机用户的属性信息之后，可根据测评结果以及学习机用户的属性信息，确定与测评结果和学习机用户的属性信息匹配的学习等级。比如，测评结果的分数越高对应的学习等级也越高，学习等级越高对应的学习难度也越高。
步骤104，根据应用中学习等级对应的资源制定学习方案。
进一步地，确定学习机用户的学习等级之后，可根据应用中学习等级对应的资源制定学习方案，比如，学习课程或内容。
可选地，将应用中学习等级对应的资源提供给应用端用户，以便应用端用户在学习等级对应的资源中选择待学习资源；根据待学习资源制定学习方案。
也就是说，学习机对应的应用端根据测评结果和学习机用户的属性信息，确定学习机用户的学习等级之后，为了方便应用端用户根据学习等级在学习等级对应的资源中选择待学习资源，可将学习等级对应的资源提供给应用端用户，之后，学习机对应的应用端可根据应用端用户选择的待学习资源制定学习方案。比如，应用端用户选择了英语课程，学习机对应的应用端可制定出相应的英语课程的学习方案。
步骤105，将学习方案推送到学习机，以便学习机用户按照学习方案对学习等级对应的资源进行学习。
具体地，根据应用中学习等级对应的资源制定学习方案之后，学习机对应的应用端可将该学习方案推送到学习机，学习机用户可按照该学习方案对学习等级对应的资源进行学习。
作为一种示例，为了更好地匹配对应学习机用户学习等级的学习方案和内容以及体现学习机的智能化，如图3所示，将学习方案推送到学习机之后，获取学习机用户在首次使用学习机时，应用在学习等级的默认课程的测评分数，可根据测评分数进行等级调整，具体步骤如下：
步骤301，获取学习机用户在首次使用学习机时应用在学习等级的默认课程的测评分数。
在本申请实施例中，应用端用户提交测评问卷后，学习机对应的应用端可根据测评结果和注册信息，确定与该测评结果和注册信息所匹配的等级，在学习机用户首次使用学习机时，可推送该等级的默认课程给学习机用户，引导学习机用户进行学习，之后，学习机用户可针对该默认课程进行测评打分，学习机对应的应用端可获取到该测评分数。
步骤302，根据测评分数，确定是否对学习等级进行调整。
可以理解的是，在获取到测评分数之后，可根据测评分数确定是否对学习等级进行调整。
可选地，若测评分数大于等于预设分数阈值，则确定不对学习等级进行调整；若测评分数小于预设分数阈值，则确定对学习等级进行调整。
举例而言，如果孩子在学习推荐的默认课程中测评分数大于等于60分，可确定不对当前学习等级进行调整，继续留在该学习等级进行学习；如果孩子在学习推荐的默认课程中测评分数小于60分，说明该学习等级难度不适合孩子，学习机对应的应用端对当前学习等级进行调整。
步骤303，在确定对学习等级进行调整时，将学习等级调整为学习等级的次一级学习等级。
步骤304，根据学习等级的学习方案确定次一级学习等级的学习方案。
步骤305，将次一级学习等级的学习方案推送到学习机。
不难理解的是，为了更好地引导学习机用户学习，在确定对学习等级进行调整后，可将学习等级调整为学习等级的次一级学习等级；根据学习等级的学习方案确定次一级学习等级的学习方案；将次一级学习等级的学习方案推送到学习机。比如，如果孩子在学习推荐的默认课程中测评分数小于60分，学习机对应的应用端可对当前学习等级自动降一级，并根据降一级后的学习等级确定与该学习等级匹配的学习方案，并将该学习方案推送到学习机。比如，根据测评结果自动输出包括每日学习时长、每日开始学习时间段、每日新学或复习多少单词等方案。另外，家长可在学习机对应的应用端对该方案进行修改调整，设定持续时间周期(如30天)，并一键添加至学习机对应的应用端的课程表；以便孩子后续根据该课程表进行学习。
本实施例中，根据学习机用户首次使用学习机时默认课程的测评分数对学习等级进行调整，能够进一步提高学习等级与学习机用户之间的匹配度，确保学习等级为学习机用户真实的等级，从而进一步确保向学习机用户推送的学习方案适合学习机用户。
作为另一种示例，为了更好地提升学习机用户的个性化学习体验和体现学习机的智能化，将学习方案推送到学习机之后，还包括：获取学习机用户的学习路径，学习路径包括：学习数据、学习行为以及复习测试结果；根据学习路径，向学习机用户推荐资源。
举例而言，学习机对应的应用端可生成智能化学习报告推送至家长端，让家长了解孩子学习进度、偏好及各模块时长趋势、对知识点掌握程度；还可按照艾宾浩斯记忆曲线适时推送复习，督促孩子巩固本周新学习的知识点；另外，还可记录孩子最近学习和浏览历史，以及接触到的知识点、重点单词等；根据以上学习数据、学习行为以及复习测试结果等学习路径，可推荐符合当前水平和学习程度的学习资源，可以友好地引导孩子完成每日学习任务。
本申请实施例的学习资源推荐方法，通过采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示应用的测评问卷，获取测评结果；根据测评结果以及学习机用户的属性信息，确定学习机用户的学习等级；根据应用中学习等级对应的资源制定学习方案；将学习方案推送到学习机，以便学习机用户按照学习方案对学习等级对应的资源进行学习。该方法基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
与上述几种实施例提供的学习资源推荐方法相对应，本申请的一种实施例还提供一种学习资源推荐装置，由于本申请实施例提供的学习资源推荐装置与上述几种实施例提供的学习资源推荐方法相对应，因此在前述学习资源推荐方法的实施方式也适用于本实施例提供的学习资源推荐装置，在本实施例中不再详细描述。图4为根据本申请一个实施例的学习资源推荐装置的结构示意图。如图4所示，该学习资源推荐装置包括：采集模块410、显示模块420、确定模块430、制定模块440，推送模块450。
具体地，采集模块410，用于采集学习机用户的属性信息；显示模块420，用于在检测到应用端用户对应用的资源选择请求时，显示应用的测评问卷，获取测评结果；确定模块430，用于根据测评结果以及学习机用户的属性信息，确定学习机用户的学习等级；制定模块440，用于根据应用中学习等级对应的资源制定学习方案；推送模块450，用于将学习方案推送到学习机，以便学习机用户按照学习方案对学习等级对应的资源进行学习。
作为本申请实施例的一种可能实现方式，制定模块440具体用于，将应用中学习等级对应的资源提供给应用端用户，以便应用端用户在学习等级对应的资源中选择待学习资源；根据待学习资源制定学习方案。
作为本申请实施例的一种可能实现方式，如图5所示，在图4所示基础上，学习资源推荐装置还包括：第一获取模块460和调整模块470。
具体地，第一获取模块460，用于获取学习机用户在首次使用学习机时应用在学习等级的默认课程的测评分数；确定模块430，还用于根据测评分数，确定是否对学习等级进行调整；调整模块470，用于在确定对学习等级进行调整时，将学习等级调整为学习等级的次一级学习等级；确定模块430，还用于根据学习等级的学习方案确定次一级学习等级的学习方案；推送模块450，还用于将次一级学习等级的学习方案推送到学习机。
作为本申请实施例的一种可能实现方式，确定模块430具体用于，若测评分数大于等于预设分数阈值，则确定不对学习等级进行调整；若测评分数小于预设分数阈值，则确定对学习等级进行调整。
作为本申请实施例的一种可能实现方式，如图6所示，在图4所示基础上，学习资源推荐装置还包括：第二获取模块480和推荐模块490。
具体地，第二获取模块480，用于获取学习机用户的学习路径，学习路径包括：学习数据、学习行为以及复习测试结果；推荐模块490，用于根据学习路径，向学习机用户推荐资源。
本申请实施例的学习资源推荐装置，通过采集学习机用户的属性信息；在检测到应用端用户对应用的资源选择请求时，显示应用的测评问卷，获取测评结果；根据测评结果以及学习机用户的属性信息，确定学习机用户的学习等级；根据应用中学习等级对应的资源制定学习方案；将学习方案推送到学习机，以便学习机用户按照学习方案对学习等级对应的资源进行学习。该装置可实现基于测评结果以及学习机用户的属性信息，匹配对应学习机用户学习等级的学习方案和内容，并进行推送，能够主动推荐学习资源，避免用户手动点播资源，且确保推荐的资源适合于孩子，提高了资源推荐效率。
为了实现上述实施例，本申请实施例还提出一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本申请实施例所述的学习资源推荐方法。
图7示出了适于用来实现本申请实施方式的示例性电子设备的框图。图7显示的电子设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器62。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统64可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42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。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口52进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12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12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。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的学习资源推荐方法。
为了实现上述实施例，本申请实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所述的学习资源推荐方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，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至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种学习资源推荐方法，应用于学习机对应的应用端，其特征在于，包括：
采集学习机用户的属性信息；
在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；
根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；
根据所述应用中所述学习等级对应的资源制定学习方案；
将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。
2.根据权利要求1所述的方法，其特征在于，所述根据所述应用中所述学习等级对应的资源制定学习方案，包括：
将所述应用中所述学习等级对应的资源提供给所述应用端用户，以便所述应用端用户在所述学习等级对应的资源中选择待学习资源；
根据所述待学习资源制定所述学习方案。
3.根据权利要求1或2所述的方法，其特征在于，所述将所述学习方案推送到学习机之后，还包括：
获取所述学习机用户在首次使用所述学习机时所述应用在所述学习等级的默认课程的测评分数；
根据所述测评分数，确定是否对所述学习等级进行调整；
在确定对所述学习等级进行调整时，将所述学习等级调整为所述学习等级的次一级学习等级；
根据所述学习等级的学习方案确定次一级学习等级的学习方案；
将所述次一级学习等级的学习方案推送到学习机。
4.根据权利要求3所述的方法，其特征在于，所述根据所述测评分数，确定是否对所述学习等级进行调整，包括：
若所述测评分数大于等于预设分数阈值，则确定不对所述学习等级进行调整；
若所述测评分数小于预设分数阈值，则确定对所述学习等级进行调整。
5.根据权利要求1所述的方法，其特征在于，所述将所述学习方案推送到学习机之后，还包括：
获取所述学习机用户的学习路径，所述学习路径包括：学习数据、学习行为以及复习测试结果；
根据所述学习路径，向所述学习机用户推荐资源。
6.一种学习资源推荐装置，应用于学习机对应的应用端，其特征在于，包括：
采集模块，用于采集学习机用户的属性信息；
显示模块，用于在检测到应用端用户对应用的资源选择请求时，显示所述应用的测评问卷，获取测评结果；
确定模块，用于根据所述测评结果以及所述学习机用户的属性信息，确定所述学习机用户的学习等级；
制定模块，用于根据所述应用中所述学习等级对应的资源制定学习方案；
推送模块，用于将所述学习方案推送到学习机，以便所述学习机用户按照所述学习方案对所述学习等级对应的资源进行学习。
7.根据权利要求6所述的装置，其特征在于，所述制定模块具体用于，
将所述应用中所述学习等级对应的资源提供给所述应用端用户，以便所述应用端用户在所述学习等级对应的资源中选择待学习资源；
根据所述待学习资源制定所述学习方案。
8.根据权利要求6或7所述的装置，其特征在于，还包括：第一获取模块和调整模块；
所述第一获取模块，用于获取所述学习机用户在首次使用所述学习机时所述应用在所述学习等级的默认课程的测评分数；
所述确定模块，还用于根据所述测评分数，确定是否对所述学习等级进行调整；
所述调整模块，用于在确定对所述学习等级进行调整时，将所述学习等级调整为所述学习等级的次一级学习等级；
所述确定模块，还用于根据所述学习等级的学习方案确定次一级学习等级的学习方案；
所述推送模块，还用于将所述次一级学习等级的学习方案推送到学习机。
9.根据权利要求8所述的装置，其特征在于，所述确定模块具体用于，
若所述测评分数大于等于预设分数阈值，则确定不对所述学习等级进行调整；
若所述测评分数小于预设分数阈值，则确定对所述学习等级进行调整。
10.根据权利要求6所述的装置，其特征在于，还包括：第二获取模块和推荐模块；
所述第二获取模块，用于获取所述学习机用户的学习路径，所述学习路径包括：学习数据、学习行为以及复习测试结果；
所述推荐模块，用于根据所述学习路径，向所述学习机用户推荐资源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750896.8A CN110489455A (zh) | 2019-08-14 | 2019-08-14 | 学习资源推荐方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750896.8A CN110489455A (zh) | 2019-08-14 | 2019-08-14 | 学习资源推荐方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110489455A true CN110489455A (zh) | 2019-11-22 |
Family
ID=68551123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910750896.8A Pending CN110489455A (zh) | 2019-08-14 | 2019-08-14 | 学习资源推荐方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110489455A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113076481A (zh) * | 2021-04-22 | 2021-07-06 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113726876A (zh) * | 2021-08-27 | 2021-11-30 | 维沃移动通信有限公司 | 学习内容的推送方法、装置、电子设备和可读存储介质 |
| WO2024062935A1 (ja) * | 2022-09-21 | 2024-03-28 | 日本電気株式会社 | 情報処理装置、システム、情報処理方法、およびプログラム |
| CN117874339A (zh) * | 2024-01-03 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种测试分析学习内容智能推荐系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159924A (zh) * | 2015-08-04 | 2015-12-16 | 北京优宇通教育科技有限公司 | 学习资源推送方法和系统 |
| CN106652620A (zh) * | 2016-12-29 | 2017-05-10 | 广东小天才科技有限公司 | 一种终端测评方法及装置 |
| CN107343053A (zh) * | 2017-08-01 | 2017-11-10 | 骆德轩 | 一种内容推荐方法 |
| CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
| WO2018168220A1 (ja) * | 2017-03-14 | 2018-09-20 | 日本電気株式会社 | 学習材推薦方法、学習材推薦装置および学習材推薦プログラム |
| CN109003493A (zh) * | 2018-08-07 | 2018-12-14 | 广东小天才科技有限公司 | 一种课程推荐方法及学习设备 |
| CN109360459A (zh) * | 2018-09-30 | 2019-02-19 | 深圳市轱辘汽车维修技术有限公司 | 一种培训管理方法、培训管理装置及电子设备 |
-
2019
- 2019-08-14 CN CN201910750896.8A patent/CN110489455A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159924A (zh) * | 2015-08-04 | 2015-12-16 | 北京优宇通教育科技有限公司 | 学习资源推送方法和系统 |
| CN106652620A (zh) * | 2016-12-29 | 2017-05-10 | 广东小天才科技有限公司 | 一种终端测评方法及装置 |
| WO2018168220A1 (ja) * | 2017-03-14 | 2018-09-20 | 日本電気株式会社 | 学習材推薦方法、学習材推薦装置および学習材推薦プログラム |
| CN107343053A (zh) * | 2017-08-01 | 2017-11-10 | 骆德轩 | 一种内容推荐方法 |
| CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
| CN109003493A (zh) * | 2018-08-07 | 2018-12-14 | 广东小天才科技有限公司 | 一种课程推荐方法及学习设备 |
| CN109360459A (zh) * | 2018-09-30 | 2019-02-19 | 深圳市轱辘汽车维修技术有限公司 | 一种培训管理方法、培训管理装置及电子设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113076481A (zh) * | 2021-04-22 | 2021-07-06 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113076481B (zh) * | 2021-04-22 | 2022-05-13 | 同济大学 | 一种基于成熟度技术的文献推荐系统及方法 |
| CN113726876A (zh) * | 2021-08-27 | 2021-11-30 | 维沃移动通信有限公司 | 学习内容的推送方法、装置、电子设备和可读存储介质 |
| WO2024062935A1 (ja) * | 2022-09-21 | 2024-03-28 | 日本電気株式会社 | 情報処理装置、システム、情報処理方法、およびプログラム |
| CN117874339A (zh) * | 2024-01-03 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种测试分析学习内容智能推荐系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hoi et al. | Perceived teacher support and students’ acceptance of mobile‐assisted language learning: Evidence from Vietnamese higher education context | |
| CN110489455A (zh) | 学习资源推荐方法、装置、电子设备和存储介质 | |
| US11551570B2 (en) | Systems and methods for assessing and improving student competencies | |
| Hsu | An empirical examination of EFL learners' perceptual learning styles and acceptance of ASR-based computer-assisted pronunciation training | |
| Zou et al. | Personalized word-learning based on technique feature analysis and learning analytics | |
| Chen | Ontology‐based concept map for planning a personalised learning path | |
| US8666298B2 (en) | Differentiated, integrated and individualized education | |
| CN108073519A (zh) | 测试用例生成方法和装置 | |
| Brøgger | How education standards gain hegemonic power and become international: The case of higher education and the Bologna process | |
| CN109918568A (zh) | 个性化学习方法、装置、电子设备及存储介质 | |
| CN109614615A (zh) | 实体匹配方法、装置及电子设备 | |
| CN110019686A (zh) | 知识点掌握度的确定方法、装置、设备和存储介质 | |
| Harchay et al. | A Context-aware Approach for Personalized Mobile Self-Assessment. | |
| CN109240931A (zh) | 问题反馈信息处理方法和装置 | |
| US20200311152A1 (en) | System and method for recommending personalized content using contextualized knowledge base | |
| Lew et al. | Using web quality models and questionnaires for web applications understanding and evaluation | |
| US20170358234A1 (en) | Method and Apparatus for Inquiry Driven Learning | |
| Abbas et al. | Ready, trainer… one*! discovering the entanglement of adaptive learning with virtual reality in industrial training: a case study | |
| Miskioğlu et al. | Situating intuition in engineering practice | |
| Arth et al. | Professors' Perspectives on Truth-Seeking and New Literacy. | |
| Kozierkiewicz-Hetmańska | A method for scenario recommendation in intelligent e-learning systems | |
| Lu et al. | Measuring Pointwise $\mathcal {V} $-Usable Information In-Context-ly | |
| Brata et al. | An Idea of Interactive Japanese Language M-Learning Application to Support Listening and Speaking Exercise | |
| Peng et al. | DesignQuizzer: A Community-Powered Conversational Agent for Learning Visual Design | |
| Griffiths et al. | Scaling the fractal plain: towards a general view of knowledge management |
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: 20191122 |