CN110827178A - 通过人工智能制定学习计划的系统和方法 - Google Patents

Abstract

本发明揭示通过人工智能制定学习计划的系统和方法,计算系统对用户进行评估测试以确定评估测试结果。基于多个参数由人工智能AI引擎对评估测试结果进行分析以确定分析结果。基于分析结果由AI引擎从存储器中选择至少一个教学材料和/或和至少一个考试材料。基于分析结果，由AI引擎提供至少一个学习建议。通过AI引擎将至少一个教学材料和/或至少一个考试材料、至少一个学习建议与用户信息互相关联。为用户制定一个学习计划。

Description

通过人工智能制定学习计划的系统和方法

技术领域

本发明涉及教育学习领域，具体属于一种通过人工智能制定学习计划的系统和方法。

背景技术

传统的面授教育，需由一位老师同时教导多位学习者，老师难以同时掌握及兼顾所有学习者的学习进度，如有个别学习者的能力领先或落后于其他学习者，老师仍然只可以按一般速度继续教授，无法针对性地为领先的学习者提供更有效率的学习规划、更深入的内容及指导，同时亦无法逐一针对性地为落后的学习者，提供较初级程度的内容、复习或反复指导。

传统的教育系统只会以分类形式提供大量的课程教学材料、试题、供学习者自行选取，或者根据学习者的咨询问题，提供有限的人工指导及建议。但是学习者是因为不熟悉所需学习的课程内容才需要学习，难以主动自行按自己的程度选取适合难度的教学材料，亦无对课程相关的认知去自行判断自己的学习程度，并提出适当的咨询问题。

适应性学习或适应性教学，是一种教育方法，它使用计算器算法协调与学习者的交互，并提供定制资源和学习活动，以满足每个学习者的独特需求。而适应性学习或适应性教学系统一种基于计算器和/或在线的教育系统，它根据学生的表现修改材料的表达方式。同类最佳的系统可捕获数据，并使用学习分析来实现内容剪裁。

但是目前并未有系统能够真正全面实现这理想的教育方法，最近乎可做到的只是在单一的试卷上进行，即是考生在答对或答错一条或一些题目后，系统会排列出更深或更易的考题供考生作答。而在教学材料应用上，则只是做到当一位读者看完一本书后，系统平台会建议一些相类近的书目，而并没有不同程度上的建议。

原因是没有为不同的教学材料以学习单元或概念标签程度和其他合适性指标，也没有足够的教学材料作出这个安排，更没有收集及利用学生学习行为表现的大数据进行分析而判断教学材料的相对深浅的程度，当然没可能使用人工智能机器学习而建议学习者适切的学习内容。

本发明试图通过提供一种通过人工智能制定学习计划的系统和方法来减轻或至少减轻上述缺点。

发明内容

本发明揭示制定学习计划方法,对用户进行评估测试以确定评估测试结果。基于多个参数由人工智能AI引擎对评估测试结果进行分析以确定分析结果。基于分析结果由AI引擎从存储器中选择至少一个教学材料和/或至少一个考试材料。基于分析结果，由AI引擎提供至少一个学习建议。通过AI引擎将至少一个教学材料和/或至少一个考试材料，至少一个学习建议与用户信息互相关联。为用户制定一个学习计划。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1示出了根据本发明的一个实施例的结构示意图。

图2示出了根据本发明的一个实施例的用于如果用户属于第一用户组则制定用户的学习计划的流程图。

图3示出了根据本发明的一个实施例的图2中描绘的过程的子过程的流程图。

图4示出了根据本发明的一个实施例制定或修改教育资料和/或考试材料的流程图。

图5示出了根据本发明的一个实施例的计算系统的框图。

具体实施方式

下文结合附图对本发明实施例的一种通过人工智能制定学习计划的系统和方法做详细说明。

以下说明仅提供优选的示例性实施例并且并不意指限制本发明的范围，实用性或配置。实际上，优选的示例性实施例的以下说明将为本领域技术人员提供实施本发明的优选示例性实施例的有利描述。应理解，在不脱离如在所附权利要求书中阐述的本发明的精神和范围的情况下，可以对组件的功能和布置进行各种改变。

在以下描述中给出特定细节以提供对实施例的透彻理解。然而，本领域的技术人员应理解，可以在没有这些具体细节的情况下实践所述实施例。例如，可以在框图中示出电路以免以下不必要的细节混合实施例。在其它情况下，可以在没有不必要的细节的情况下示出熟知的电路，过程，算法，结构以及技术以避免混淆实施例。

同样，应注意，实施例可以描述为过程，过程描绘为流程图，流程图表，数据流图，结构图或框图。尽管流程图可以将操作描述为顺序过程，但是许多操作可以并行或同时执行。另外，可以重新布置操作的次序。过程在其操作完成时终止，但是可以具有不包含在图中的额外步骤。过程可以对应于方法，函数，程序，子例程，子程序等。对应于函数时，过程的终止对应于函数返回到调用函数或主函数。

图1示出了根据本发明的一个实施例系统100包括服务提供者，学习资源提供者和用户。服务提供者具有服务提供者设备120以向多个用户提供服务。服务提供者设备120可以是伺服器或任何计算系统。

用户具有用户设备以有线或无线方式与服务提供者设备120进行通信。例如，用户设备160A，160B，160C和160D可以是手提电脑，智能电话，台式电脑，平板电脑或任何计算设备。用户可能包括学生，教育机构，教师，学生家长，政府机关和教育部门。学生可能属于第一组用户。教育机构，教师，学生家长，政府机构或教育部门可能属于第二组用户。

学习资源提供者俱有学习资源提供者设备以有线或无线方式与服务提供者设备120进行通信。例如，学习资源提供者设备140A可以是台式电脑，并且学习资源提供者设备140B可以是平板电脑。学习资源提供者可能包括出版人或作者。

为了进行认证，每个用户都有一个登录信息或一个登录设备。登录信息可以包括登录名和登录密码。每个用户都有唯一的登录信息。基于登录信息，服务提供者设备120能够确定用户的身份。例如，用户操作用户设备160A以经由网页浏览器进入由服务提供者提供的用户界面。用户是一名学生。用户需要输入登录名和登录密码。在认证成功后，允许用户进入用户界面。基于登录信息，服务提供者设备120能够确定用户身份是学生。

同样，为了进行认证，每个学习资源提供者都提供有登录信息或登录设备。每个学习资源提供者都有唯一的登录信息。基于登录信息，服务提供者设备120能够确定学习资源提供者的身份。登录信息可以包括登录名和登录密码。例如，学习资源提供者使用学习资源提供者设备140A来经由网页浏览器进入由服务提供者提供的用户界面。学习资源提供者需要输入登录名和登录密码。学习资源提供者在认证成功后,允许进入用户界面。

图2示出了根据本发明的一个实施例的用于如果用户属于第一用户组则制定用户的学习计划的流程图。学习计划可能涵盖一个或多个科目。学习计划可以包括为用户教学材料和/或供用户做的考试材料。教学材料和考试材料存储在数据库中。数据库包含大量数据供人工智能引擎进行分析。

教学材料可以包括多个学习单元。这些学习单元可能基于主题，难度等级或任何其他事项。学习单元可能包括从教科书，印刷品，出版物，工作簿，书籍，参考书，杂志或任何教育材料中获得的材料。考试材料还可以包括多个学习单元。多个学习单元中的每一个可以包括可以从过去的试卷获得或由学习资源提供者开发的多个相应的试题。

服务提供者设备120执行过程200以为用户制定学习计划。在步骤201，服务提供者设备120从用户设备160A接收经由网站或应用进入用户界面的请求。在步骤202，服务提供者设备120允许用户输入他/她的登录名和登录密码进行验证。在认证成功后，允许用户进入用户界面。在步骤203，一旦认证成功，服务提供者设备120就基于登录信息确定用户是否属于第一组用户。例如，用户是第一学生，第一组用户包括一个或多个学生。然后第一学生属于第一组用户。

在步骤204，将从数据库中检索第一学生的用户案档。数据库可以存储在服务提供者设备120或伺服器的存储器中。第一学生的用户资料包括第一学生的用户信息，其中可能包括第一学生姓名，学生年级，学校名称，监督教师姓名，学习水平，与用户有关的任何信息或任何教育材料。例如，第一学生是中四学生，他/她选择数学科目作为学习计划的目标科目。

在步骤205，服务提供者设备120然后将确定第一学生的学习计划是否存储在用于第一学生的用户案档中。如果第一学生的学习计划未存储在第一学生的用户案档中，则服务提供者设备120将在步骤206确定是否通过AI引擎122制定第一学生的学习计划。

如果第一学生的学习计划是确定通过AI引擎122制定的，则服务提供者设备120将在步骤207向第一学生管理评估测试以确定评估测试结果。评估测试可以包括包含存储在数据库中的考试材料的试题。

在步骤208，AI引擎122将基于多个参数对评估测试结果进行一个或多个分析以确定分析结果。所述多个参数可以包括但不限于：停留时间、选取偏好、笔记线条、作答速度、答案概念、作答模式、程度、标签、频率。

在步骤209，由AI引擎122将基于分析结果从数据库中提取至少一种教学材料和/或至少一种考试材料，并基于分析结,AI引擎122提供至少一种学习建议，AI引擎122将至少一种教学材料和/或至少一种考试材料，至少一种学习建议和第一学生的用户信息互相关联。学习建议可能包括学习目标，建议的学习单元，建议的学习时间。

在步骤210，将为第一学生制定学习计划。第一学生的学习计划包括第一学生的用户信息，至少一个学习建议，至少一个教学材料和/或至少一个考试材料。第一学生的学习计划将存储在第一学生的用户档案中。在步骤211，允许第一学生实施学习计划。服务提供者设备120将管理第一学生温习教学材料和/或做考试材料中包括的试题以确定考试结果。

在步骤206，如果第一学生的学习计划确定是不是通过AI引擎122制定的，在步骤212，服务提供者设备120将基于第一学生手动输入的信息为第一学生来制定学习计划，并存储该学习计划在第一学生的用户档案中。然后执行步骤211。

在步骤205，如果第一学生的学习计划存储在第一学生的用户档案中，则服务提供者设备120将在步骤213从第一学生的用户档案中检索其学习计划。然后执行步骤211。

仅出于说明目的，两个用户确定由AI引擎122制定的学习计划。两个用户是第一学生和第二学生，它们都属于第一组用户。第一学生和第二学生将具有由服务提供者设备120执行处理200而由AI引擎122制定的学习计划。第一学生和第二学生都是中四学生，他们的目标科目是数学。第一学生和第二学生通过完成评估测试考试材料(50条试题及试题水平为中等程度)，并得到测试结果分别为75％以及55％。AI引擎122将基于以上提及多个参数对评估测试结果进行一个或多个分析以确定分析结果，并制定第一学生和第二学生的学习计划。第一学生和第二学生的学习计划可能包含以下信息。

在步骤203，如果用户不属于第一组用户，则服务提供者设备120将在步骤214确定用户是否属于第二组用户。例如，用户是第一老师。第二组用户可以包括一位或多位教师。第一老师属于第二组用户。当确定第一教师属于第二组用户时，在步骤215，服务提供者设备120允许第一教师搜索并选择属于第一组用户的至少一个用户的用户档案。例如，第一用户组包括多个学生。第一学生由第一老师监督。允许第一老师搜索并查看第一位学生的用户档案。对于不受第一老师监督的学生，第一老师不允许查看这些学生的用户档案。

在步骤216，服务提供者设备120将从数据库检索已选择的第一学生的用户档案。在步骤204，如果用户不属于第二组用户，则执行步骤217。

图3示出了根据本发明的一个实施例的图2中描绘的过程200的子过程的流程图。当服务提供者设备120执行步骤208时，用户不具有存储在他/她的用户档案中的学习计划。AI引擎122基于多个参数对用于确定分析结果的评估测试结果进行一个或多个分析。评估测试包括存储在数据库中的考试材料中包括的试题。

而且，在步骤211中，用户具有学习计划。考虑到学习计划，服务提供者设备120将管理用户来温习教学材料和/或做考试材料中包括的试题以确定考试结果。AI引擎122将基于多个参数对检查结果进行一个或多个分析以确定分析结果。然后根据分析结果更新学习计划。

对于上述的一个或多个分析，过程300将由服务提供者设备120执行。所述一个或多个分析包括三个分析。在步骤301，服务提供者设备120接收评估测试结果(在步骤208获得)或考试结果(在步骤211获得)。在步骤302，AI引擎122基于停留时间，选取偏好，笔记线条来进行学习行为分析。

停留时间：例如第一学生在教学材料的某一页面，停留的时间非常短的话，如少于1秒，可被视为那页的教学材料未能产生学习作用，及不适合第一学生。第二学生在那一页教学材料的停留时间是适中的话，如停留1至10分钟的话，那页教学材料可被视为能够适当产生学习作用，及适合第二学生。AI引擎122在收到多个学习者使用后的平均时间，会作出调整去评定教学材料是否适合用户。

选取偏好：第一学生偏好选取数学科中某个学习单元、程度较容易、某个作者、形式展示教学材料内容简单，例如只需要文字，AI引擎122会根据第一学生的偏好建议教学材料。第二学生偏好选取数学科中另一个学习单元、程度较深、形式展示教学材料内容需要配以图像及视频等浏览，AI引擎122会根据第二学生的偏好建议教学材料。

笔记线条：AI引擎122会根据第一学生在浏览中四数学科的教学材料内容时加上笔记线条的行为，例如间底线、打星星、相反打交叉等等，去识别第一学生较为关注的教学材料内容而去建议教学材料。而第二学生可能在一些数学教学材料内容旁边的空白地方手写了一些计算或文字注释，AI引擎122也会视第二学生对那些数学概念有特别兴趣而去建议教学材料。

在步骤303中，AI引擎122基于作答速度、答案概念、作答模式来进行以往评分成绩分析。

作答速度：例如第一学生用了少于平均时间回答数学问题，可以计算为用多少时间正确回答题目。又例如第二学生用多少时间回答一题或多条的不同形式的题目，例如选择题或文字题等等。

答案概念：例如第一学生在回答一些选择题的时候所选取的答案，是否与答案中一些主要概念有关。例如第二名学生就会答一些文字题的时候，那些算式及步骤是否反映学生对那些数学概念理解充足。

作答模式：学习者在不同形式题目的表现如何，例如第一学生回答选择题的能力相对于大部份答题者好，而第二学生回答短答题的能力与一般答题表现差不多等等。

在步骤304，AI引擎122基于程度、标签、频率来进行单元分析。在步骤305，AI引擎122将为没有学习计划的用户确定学习水平，或者将为具有学习计划的用户升级或降级学习水平。

程度：这个会体现在教学材料、考试材料及用户，例如某一个教学材料是属于中学三年级中等程度、某一个考试材料是属于中学四年级容易程度、某一个学习者在某个学习单元是属于中学二年级高等程度。例如当第一学生在一些中四数学练习的表现高于平均，AI引擎122便会推荐比较深的教学材料及考试材料。而第二学生的练习表现低于平均的话，AI引擎122会推荐比较容易的教学材料及考试材料。

标签：标签可以是关于科目、单元、程度、关联字、语言、来源、作者等等。例如第一学生的标签是中四、数学、高等程度、中文语言等等，而第二学生的标签是中四、数学、初级程度、英文语言等等。

频率：例如第一学生已经多次重复阅读中四数学科的中等程度教学材料，以及多次完成了某些考试材料并表现良好，AI引擎122便会建议进阶的教学材料及考试材料。而第二学生第一次浏览中四数学程度容易的教学材料，AI引擎122便会根据第二学生浏览该教学材料的某些部份的频率，是否来回翻阅某些部份，而推荐更多相关教学材料。

在步骤306，对具有学习计划的用户，一旦学习级别升级或降级，学习计划中包括的学习建议，教学材料和/或考试材料跟着更新。更新的学习计划将存储在用户的用户档案中。对于没有学习计划的用户，步骤209将在执行步骤305之后执行。

仅出于说明的目的，第一学生和第二学生根据由AI引擎122制定的学习计划(表1)温习教学材料来实施他们的学习计划。通过实施学习计划，建议第一学生和第二学生在学习阶段分别在建议学习单元上作每天1.5小时和每天2.5小时的温习。每当第一学生和第二个学生实施计划时，服务提供者设备120将收集信息例如停留时间，选取偏好，笔记线条。

在学习阶段完成后，AI引擎122根据学习者的学习行为数据及以往评分成绩，在数据库中选出适合第一学生和第二学生程度的试题。例如第一学生和第二学生适合做试题为50条，而试题水平分别进阶程度及中等程度。

在第一学生和第二学生完成试题后，根据试题难度及第一学生和第二学生每道试题的操作及答案，辨别学习者的第一学生和第二学生效果及情况。例如第二个学生以极快的速度作答选择题，代表第二个学生并没有认真作答。

例如选择题有4个选项，一个为正确答案，一个为与正确答案类似的错误答案，一个为与正确答案相反的错误答案，一个为与正确答案完全无关的错误答案，AI引擎122能即可辨别第二个学生是不小心，完全不懂，还是只是概念混淆。根据第一个学生和第二个的个别情况，在学习计划中增加或减少同类内容的教学材料。

第一学生考试结果为95％以及第二学生考试结果为35％(与评估测试成绩相比，第一学生是进步和第二学生是退步)。人工智能引擎122将升级第一学生的学习水平，并将降低第二学生的学习水平，结果是他们的学习计划被更新并存储在他们的用户档案中。第一学生和第二学生更新学习计划可能包含以下信息(表格2)。

在本发明的一个实施例中，服务提供者设备120执行过程400以允许学习资源提供者准备新的教学材料和/或考试材料或更新/修改存储在数据库中的教学材料和/或考试材料。学习资源提供者可以是教科书出版者或教科书作者。

此外，由教科书出版商或教科书作者编写的教学材料可以是完整的教科书，也可以基于主题单元，基于用户的实力，弱点，偏好和能力，用户可以更加灵活地订阅教学材料和/或考试材料。

在步骤401，服务提供者设备120从学习资源提供者设备140接收经由网站或应用访问用户界面的请求。在步骤402，服务提供者设备120允许学习资源提供者输入登录名和登录密码认证。在认证成功后，允许学习资源提供者进入用户界面。

在步骤403，服务提供者设备120然后将确定学习资源提供者是否更新/修改存储在数据库中的教学材料和/或考试材料。如果确定学习资源提供者更新/修改存储在数据库中的教学材料和/或考试材料，则服务提供者设备120将允许学习资源提供者在步骤404更新/修改教学材料和/或考试材料。在步骤405，服务提供者设备120将用标签标记已更新/修改的教学材料和/或考试材料。在步骤406，服务提供者设备120用已标记的学习材料和/或标记的考试材料更新数据库。已标记的教学材料和/或已标记考试材料将促进AI引擎122进行分析并为用户制定学习计划。标签可以由学习资源提供者手动添加或者可以由AI引擎122添加。

在步骤403中，如果确定学习资源提供者不更新/修改存储在数据库中的教学材料和/或新的考试材料，则服务提供者设备120将在步骤407允许学习资源提供者准备新的教学材料和/或考试材料.在步骤408，服务提供者设备120将用标签标记新的教学材料和/或新的考试资料。然后执行步骤406。

图5是示出上面可实施本文所述的实例的计算机系统的框图。例如，在图1的上下文中，服务提供者设备120可以使用例如图5描述的计算器系统来实施。系统100也可使用如图5描述的多个计算器系统的组合来实施。

在一个实施例中，计算系统500包括至少一个处理器510，至少一个主存储器520，R0M 530，至少一个存储设备540和通信模块550.计算系统500包括用于处理信息的至少一个处理器510.计算系统500还包括用于存储将由处理器510执行的信息和指令的主存储器520，例如随机存取存储器(RAM)或其它动态存储设备。主存储器520也可用于执行将由处理器510执行存储设备540或其它静态存储设备540(例如，存储设备，存储设备，存储设备，存储设备，存储设备等磁盘或光盘)，以存储信息和指令。例如，存储设备540可以对应于存储用于执行关于图2至图4所讨论的操作的通知指令542的计算机可读介质。

通信界面550可使得计算系统500能够通过使用网络链路(无线或有线)与一个或多个网络110通信。使用网络链路，计算系统500可以与多个设备进行通信，诸如学习资源提供者140A和140B以及用户设备160A-160D。

根据一个实例，这些技术是由计算系统500响应于处理器510执行主存储器520中包含的一个或多个个指令的一个或多个序列来执行的。所述指令可以从另一机器可读介质(例如，存储设备540)读入主存储器520。主存储器520中包含的指令的序列的执行使处理器510执行本文所述的处理步骤。在替代性实施中，硬连线电路可代替或结合软件指令使用，因此，实施本文所述的实施例。因此，所述实施例不限于硬件电路和软件的任何特定组合。

此外，可以使用至少一个非暂时性计算机可读存储介质来存储一个或多个计算机程序，以通过计算机执行上述过程中的任何一个。

AI引擎的培训方法

AI引擎122用一种或多种训练方法训练以便执行上述过程。第一种训练方法被命名为监督学习。在监督式学习模式下，预定的教学材料，预定的考试材料和预定的用户信息全部用标签标记并用于训练AI引擎122，AI引擎122的准确性将提高。允许AI引擎122通过使用标签来判断和匹配教学材料与用户。

第二种训练方法被称为无监督学习。在无监督学习下，教学材料，考试教学材料和用户信息均未标记标签。AI引擎122找到具有相同特征的数据组，例如，教学材料中的多个常用词用于分类。用户选择要分类的教学材料。

第三种训练方法被称为半监督学习。在半监督式学习下，一些教学材料，考试材料和用户信息被标记标签，一些没有被标记标签。AI引擎122还将根据基于标签和相似性搜索的分类来与用户判断并匹配教学材料和考试材料。

第四种训练方法被称为强化学习。在强化学习下，AI引擎122没有任何教学材料，考试材料和用户信息，被标记标签。AI引擎122可以通过尝试和收集反馈，学习判断和匹配的教学材料，考试材料和用户信息来直接进行校正。如果AI引擎接收到的反馈是否定的，则AI引擎122将指示匹配不成功。直至AI引擎接收到的反馈为肯定，AI引擎122将指示匹配成功。可以基于用户花费在教学材料上的时间，用户花费在考试材料上的时间来确定正面和负面反馈，教学材料和考试材料的使用次数，教学材料的频率以及与其他用户共享的考试材料的频率，评分或其他因素。

Claims (11)

1.一种通过人工智能制定学习计划的方法，其特征在于，包括：

在具有存储器并且可与人工智能(AI)引擎连接的计算系统：

接收来自用户的请求；

允许所述用户在认证成功时进入用户界面；

基于用户的身份确定所述用户是属于第一用户组还是第二用户组；

当所述用户属于所述第一组用户时：

从所述存储器中检索所述用户的用户信息；

确定所述用户的学习计划是否存储在所述存储器中；

当所述用户的学习计划未存储在所述存储器中时：

确定是否通过所述AI引擎制定所述用户的学习计划；

当确定通过所述AI引擎制定所述用户的所述学习计划时:

对所述用户进行评估测试以确定评估测试结果；

基于多个参数由所述AI引擎对所述评估测试结果进行一个或多个分析以确定分析结果；

基于所述分析结果由所述AI引擎从存储器中选择至少一个教学材料和/或至少一个考试材料；

基于所述分析结果，由所述AI引擎提供至少一个学习建议；

通过所述AI引擎将所述至少一个教学材料和/或所述至少一个考试材料、所述至少一个学习建议与所述用户信息互相关联；

为所述用户制定学习计划；

将所述学习计划存储在所述存储器中；

其中所述学习计划包括所述用户信息，所述至少一个学习建议，所述至少一个教学材料和/或所述至少一个考试材料；

其中所述分析包括学习行为分析，以往评分成绩分析和单元分析；

其中所述AI引擎由至少一种训练方法训练。

2.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，进一步包括:

当确定不通过所述AI引擎制定所述用户的所述学习计划时，基于由所述用户手动输入的信息为所述用户来制定学习计划。

3.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，所述第一组用户包括一个或多个学生。

4.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，所述第二组用户包括一个或多个教师。

5.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，所述多个参数包括停留时间、选取偏好、笔记线条、作答速度、答案概念、作答模式、程度、标签、频率。

6.如权利要求5所述的通过人工智能制定学习计划的方法，其特征在于中，所述学习行为分析基于停留时间、选取偏好、笔记线条。

7.如权利要求5所述的通过人工智能制定学习计划的方法，其特征在于，所述以往评分成绩分析基于作答速度、答案概念、作答模式。

8.如权利要求5所述的通过人工智能制定学习计划的方法，其特征在于，所述单元分析基于程度、标签、频率。

9.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，所述至少一个教学材料包括学习单元。

10.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，所述至少一个考试材料包括试题。

11.如权利要求1所述的通过人工智能制定学习计划的方法，其特征在于，进一步包括:当所述用户属于所述第二组用户时：允许所述用户搜索并选择至少一个用户的用户档案并从存储器中检索所选择的所述至少一个用户的所述用户档案；其中所述至少一个用户属于所述第一组用户。

Images