CN111179666B - 基于人工智能的自适应教育系统 - Google Patents
基于人工智能的自适应教育系统 Download PDFInfo
- Publication number
- CN111179666B CN111179666B CN202010097387.2A CN202010097387A CN111179666B CN 111179666 B CN111179666 B CN 111179666B CN 202010097387 A CN202010097387 A CN 202010097387A CN 111179666 B CN111179666 B CN 111179666B
- Authority
- CN
- China
- Prior art keywords
- data
- teaching
- module
- test paper
- test
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 193
- 230000003044 adaptive effect Effects 0.000 claims abstract description 27
- 230000002452 interceptive effect Effects 0.000 claims description 71
- 230000000875 corresponding effect Effects 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 34
- 238000012795 verification Methods 0.000 claims description 31
- 238000007726 management method Methods 0.000 claims description 26
- 230000010354 integration Effects 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 25
- 238000013101 initial test Methods 0.000 claims description 21
- 230000004069 differentiation Effects 0.000 claims description 15
- 238000013136 deep learning model Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000013481 data capture Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 6
- 238000013144 data compression Methods 0.000 claims description 6
- 238000013501 data transformation Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了基于人工智能的自适应教育系统，该基于人工智能的自适应教育系统通过设置教师应用端、学生应用端、线上知识管理端和教育测试端来在教师层面、学生层面、知识数据层面和测试实践层面上分别对教育系统进行相应的人工智能关联调整，以使该自适应教育系统能够根据不同教师对象和/或不同学生对象进行适应性的教育数据和/或教育场景的改变，从而提高该自适应教育系统的教育质量、教育效率和教育智能化水平。
Description
技术领域
本发明涉及智能教育的技术领域，特别涉及基于人工智能的自适应教育系统。
背景技术
随着国家现在大力推行素质教育，学校特别是中小学都改变了原有教学模式，并借助人工智能技术来调整教学内容或者测试方式。但是，上述教学模式的改变都只是采用人工智能技术作为辅助手段，其并未从根本上利用人工智能技术在学生层面、教师层面、知识数据层面和测试实践层面上进行相应的模式调整。由于现有的教育模式都只是局限于对教学内容或者教学实施方式的调整，其并未从教学大数据和教学应用场景等方面对相应的人工智能化管理，这都严重地影响教育系统的教育质量、教育效率和教育智能化水平。
发明内容
针对现有技术存在的缺陷，本发明提供基于人工智能的自适应教育系统，该基于人工智能的自适应教育系统包括教师应用端、学生应用端、线上知识管理端、教育测试端和中央控制端；其中，该线上知识管理端用于存储相应的教学知识数据以及对该教学知识数据进行适应性的整合变换处理；该学生应用端用于采集学生对象的相关学习状态数据以及提供相应的学生学习互动界面；该中央控制端用于对该相关学习状态数据和经该整合变换处理的教学知识数据进行智能学习处理，以确定相应的教学方案数据和测试方案数据；该教师应用端用于提供相应的教师教学互动界面以及根据该教学方案数据实施不同模式的教学方案；该教育测试端用于根据该测试方案数据实施不同模式的测试方案；可见，该基于人工智能的自适应教育系统通过设置教师应用端、学生应用端、线上知识管理端和教育测试端来在教师层面、学生层面、知识数据层面和测试实践层面上分别对教育系统进行相应的人工智能关联调整，以使该自适应教育系统能够根据不同教师对象和/或不同学生对象进行适应性的教育数据和/或教育场景的改变，从而提高该自适应教育系统的教育质量、教育效率和教育智能化水平。
本发明提供基于人工智能的自适应教育系统，其特征在于：
所述基于人工智能的自适应教育系统包括教师应用端、学生应用端、线上知识管理端、教育测试端和中央控制端；其中，
所述线上知识管理端用于存储相应的教学知识数据以及对所述教学知识数据进行适应性的整合变换处理；
所述学生应用端用于采集学生对象的相关学习状态数据以及提供相应的学生学习互动界面；
所述中央控制端用于对所述相关学习状态数据和经所述整合变换处理的教学知识数据进行智能学习处理，以确定相应的教学方案数据和测试方案数据；
所述教师应用端用于提供相应的教师教学互动界面以及根据所述教学方案数据实施不同模式的教学方案；
所述教育测试端用于根据所述测试方案数据实施不同模式的测试方案；
进一步，所述线上知识管理端包括教学知识数据抓取模块、教学知识数据更新模块和教学知识数据整合变换模块；其中，
所述教学知识数据抓取模块根据实时教学需求，进行线上模式的教学知识数据抓取，以此获得相应的教学知识源数据；
所述教学知识数据更新模块用于根据历史教学知识数据与所述教学知识源数据之间的差异化状态，更新生成相应的目标教学知识数据；
所述教学知识数据整合变换模块用于对所述目标教学知识数据进行所述整合变换处理；
进一步，所述教学知识数据抓取模块包括数据抓取片区确定子模块和数据抓取模块；其中，
所述数据抓取片区确定子模块用于确定进行所述教学知识数据抓取对应的线上数据区域；
所述数据抓取模块用于在所述线上数据区域中抓取获得所述教学知识源数据；
或者，
所述教学知识数据更新模块包括差异化对比子模块和数据更新子模块；其中，
所述差异化对比子模块用于对所述历史教学知识数据与所述教学知识源数据两者进行数据对比处理，以此获得两者之间的所述差异化状态；
所述数据更新子模块用于对根据所述差异化状态，对所述历史教学知识数据和所述教学知识源数据依次进行数据去重和数据合并的处理，以此更新生成所述目标教学知识数据；
或者，
所述教学知识数据整合变换模块包括数据变换子模块和数据压缩子模块；其中，
所述数据变换子模块用于对所述目标教学知识数据进行数据多模态的变换处理，以此获得多模态知识数据；
所述数据压缩子模块用于对所述多模态知识数据进行关于数据维度的压缩处理，以此获得满足预设压缩条件的压缩整合教学知识数据；
进一步，所述学生应用端包括学习状态数据采集模块和学习互动界面模块；其中，
所述学习状态数据采集模块用于采集所述学生对象的相关学习状态数据；
所述学习互动界面模块用于对所述学生对象提供实体模式或/和虚拟模式的学习互动界面；
进一步，所述学习状态数据采集模块包括历史学习数据采集子模块、学生学习历史状态采集子模块和历史学习场景数据采集子模块；其中，
所述历史学习数据采集子模块用于采集所述学生对象在历史学习过程中对应的历史学习文本数据、音频数据和视频数据中的至少一者；
所述学生学习历史状态采集子模块用于采集所述学生对象在历史学习过程中对应的动作信息和/或影像信息；
所述历史学习场景数据采集子模块用于采集所述学生对象在历史学习过程中对应的环境场景信息；
或者，
所述学习互动界面模块包括第一实体互动界面子模块和第一虚拟互动界面子模块；其中，
所述第一实体互动界面子模块用于提供关于知识学习的触摸式互动操作和/或动作感应式互动操作；
所述第一虚拟互动界面子模块用于提供关于知识学习的音频式互动操作和/或视频式互动操作；
进一步，所述教师应用端包括教学状态数据采集模块和教学互动界面模块；其中，
所述教学状态数据采集模块用于采集教学过程的相关教学状态数据；
所述教学互动界面模块用于在教学过程中提供实体模式和/或虚拟模式的教学互动界面；
进一步，所述教学状态数据采集模块包括历史教学数据采集子模块、教学历史状态采集子模块和历史教学场景数据采集子模块；其中，
所述历史教学数据采集子模块用于采集在历史教学过程中对应的历史教学文本数据、音频数据和视频数据中的至少一者；
所述教学历史状态采集子模块用于采集在历史教学过程中对应的动作信息和/或影像信息；
所述历史教学场景数据采集子模块用于采集在历史教学过程中对应的环境场景信息；
或者，
所述教学互动界面模块包括第二实体互动界面子模块和第二虚拟互动界面子模块；其中，
所述第二实体互动界面子模块用于提供针对教学过程的触摸式互动操作和/或动作感应是互动操作；
所述第二虚拟互动界面子模块用于提供针对教学过程的音频式互动操作和/或视频式互动操作；
进一步，所述教育测试端包括测试源数据抓取模块、试卷整理模块、试卷验证模块和试卷调整模块；其中，
所述测试源数据抓取模块用于在预设测试基础数据库中抓取相应类型的测试源数据；
所述试卷整理模块用于对所述测试源数据进行多维度组合整理，以此获得初始试卷材料；
所述试卷验证模块用于对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理；
所述试卷调整模块用于根据所述验证处理的结果，对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的调整处理，以生成目标试卷材料；
进一步，所述试卷整理模块包括试卷内容维度确定子模块和试卷内容组合子模块；其中，
所述试卷内容维度确定子模块用于根据预设测试纲要，确定关于所述测试源数据的测试模式维度；
所述试卷内容组合子模块用于根据所述测试模式维度，对所述测试源数据进行所述多维度组合整理，以此获得所述初始试卷材料；
或者，
所述试卷验证模块包括试卷深度学习模型构建子模块和深度学习验证子模块；其中，
所述试卷深度学习模型构建子模块用于构建关于试卷内容重复度、区分度和难度的深度学习模型；
所述深度学习验证子模块用于通过所述深度学习模型对所述初始试卷材料进行所述验证处理；
进一步，所述试卷验证模块用于对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理，其中，所述试卷验证模块对所述初始试卷材料进行关于试卷难度的验证具体过程如下：
步骤S1，根据下面公式，计算试卷主观题难度系数，
在上述公式中，w1为所述试卷主观题难度系数，n为主观题的数目，N为学生总数目，si为第i道主观题答对人数；
步骤S2，根据下面公式，计算试卷客观题难度系数，
在上述公式中，w2为所述试卷客观题难度系数，m为客观题数目，N为学生总数目，fjc为第j个学生在第c道客观题的得分，Zc为第c道客观题的总分；
步骤S3，根据下面公式，计算学生所在区域教育水平系数，
在上述公式中，δ为学生所在区域教育水平系数，a为学生所在区域的省份在全国所有省份中的教育水平排名，G为全国参与教育水平排名的省份总数目；
步骤S4，根据下面公式，计算试卷整体难度系数，
在上述公式中，k为所述试卷整体难度系数，δ为学生所在区域教育水平系数，w1为所述试卷主观难度系数，w2为所述试卷客观题难度系数；
步骤S5，确定所述试卷的难度程度，具体为，
当所述试卷整体难度系数k为预设范围内，则确定所述试卷的难度程度为适中，当所述试卷整体难度系数k小于所述预设范围，则确定所述试卷的难度程度为较小，当所述试卷整体难度系数k大于所述预设范围，则确定所述试卷的难度程度为较大；
进一步，所述中央控制端包括通信总接口模块、云端存储模块和服务器模块；其中，
所述通信总接口模块用于实现所述教师应用端、所述学生应用端、所述线上知识管理端和所述教育测试端之间的数据通信；
所述云端存储模块用于存储所述教师应用端、所述学生应用端、所述线上知识管理端和所述教育测试端各自的运行数据；
所述服务器模块用于提供针对所述教师应用端、所述学生应用端、所述线上知识管理端或者所述教育测试端的控制指示操作。
相比于现有技术，该基于人工智能的自适应教育系统包括教师应用端、学生应用端、线上知识管理端、教育测试端和中央控制端；其中，该线上知识管理端用于存储相应的教学知识数据以及对该教学知识数据进行适应性的整合变换处理；该学生应用端用于采集学生对象的相关学习状态数据以及提供相应的学生学习互动界面；该中央控制端用于对该相关学习状态数据和经该整合变换处理的教学知识数据进行智能学习处理，以确定相应的教学方案数据和测试方案数据；该教师应用端用于提供相应的教师教学互动界面以及根据该教学方案数据实施不同模式的教学方案；该教育测试端用于根据该测试方案数据实施不同模式的测试方案；可见，该基于人工智能的自适应教育系统通过设置教师应用端、学生应用端、线上知识管理端和教育测试端来在教师层面、学生层面、知识数据层面和测试实践层面上分别对教育系统进行相应的人工智能关联调整，以使该自适应教育系统能够根据不同教师对象和/或不同学生对象进行适应性的教育数据和/或教育场景的改变，从而提高该自适应教育系统的教育质量、教育效率和教育智能化水平。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于人工智能的自适应教育系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的基于人工智能的自适应教育系统的结构示意图。该基于人工智能的自适应教育系统包括教师应用端、学生应用端、线上知识管理端、教育测试端和中央控制端；其中，
该线上知识管理端用于存储相应的教学知识数据以及对该教学知识数据进行适应性的整合变换处理；
该学生应用端用于采集学生对象的相关学习状态数据以及提供相应的学生学习互动界面；
该中央控制端用于对该相关学习状态数据和经该整合变换处理的教学知识数据进行智能学习处理，以确定相应的教学方案数据和测试方案数据；
该教师应用端用于提供相应的教师教学互动界面以及根据该教学方案数据实施不同模式的教学方案；
该教育测试端用于根据该测试方案数据实施不同模式的测试方案。
优选地，该线上知识管理端包括教学知识数据抓取模块、教学知识数据更新模块和教学知识数据整合变换模块；其中，
该教学知识数据抓取模块根据实时教学需求，进行线上模式的教学知识数据抓取，以此获得相应的教学知识源数据；
该教学知识数据更新模块用于根据历史教学知识数据与该教学知识源数据之间的差异化状态，更新生成相应的目标教学知识数据；
该教学知识数据整合变换模块用于对该目标教学知识数据进行该整合变换处理。
优选地，该教学知识数据抓取模块包括数据抓取片区确定子模块和数据抓取模块；其中，
该数据抓取片区确定子模块用于确定进行该教学知识数据抓取对应的线上数据区域；
该数据抓取模块用于在该线上数据区域中抓取获得该教学知识源数据。
优选地，该教学知识数据更新模块包括差异化对比子模块和数据更新子模块；其中，
该差异化对比子模块用于对该历史教学知识数据与该教学知识源数据两者进行数据对比处理，以此获得两者之间的该差异化状态；
该数据更新子模块用于对根据该差异化状态，对该历史教学知识数据和该教学知识源数据依次进行数据去重和数据合并的处理，以此更新生成该目标教学知识数据
优选地，该教学知识数据整合变换模块包括数据变换子模块和数据压缩子模块；其中，
该数据变换子模块用于对该目标教学知识数据进行数据多模态的变换处理，以此获得多模态知识数据；
该数据压缩子模块用于对该多模态知识数据进行关于数据维度的压缩处理，以此获得满足预设压缩条件的压缩整合教学知识数据。
优选地，该学生应用端包括学习状态数据采集模块和学习互动界面模块；其中，
该学习状态数据采集模块用于采集该学生对象的相关学习状态数据；
该学习互动界面模块用于对该学生对象提供实体模式或/和虚拟模式的学习互动界面。
优选地，该学习状态数据采集模块包括历史学习数据采集子模块、学生学习历史状态采集子模块和历史学习场景数据采集子模块；其中，
该历史学习数据采集子模块用于采集该学生对象在历史学习过程中对应的历史学习文本数据、音频数据和视频数据中的至少一者；
该学生学习历史状态采集子模块用于采集该学生对象在历史学习过程中对应的动作信息和/或影像信息；
该历史学习场景数据采集子模块用于采集该学生对象在历史学习过程中对应的环境场景信息。
优选地，该学习互动界面模块包括第一实体互动界面子模块和第一虚拟互动界面子模块；其中，
该第一实体互动界面子模块用于提供关于知识学习的触摸式互动操作和/或动作感应式互动操作；
该第一虚拟互动界面子模块用于提供关于知识学习的音频式互动操作和/或视频式互动操作。
优选地，该教师应用端包括教学状态数据采集模块和教学互动界面模块；其中，
该教学状态数据采集模块用于采集教学过程的相关教学状态数据；
该教学互动界面模块用于在教学过程中提供实体模式和/或虚拟模式的教学互动界面。
优选地，该教学状态数据采集模块包括历史教学数据采集子模块、教学历史状态采集子模块和历史教学场景数据采集子模块；其中，
该历史教学数据采集子模块用于采集在历史教学过程中对应的历史教学文本数据、音频数据和视频数据中的至少一者；
该教学历史状态采集子模块用于采集在历史教学过程中对应的动作信息和/或影像信息；
该历史教学场景数据采集子模块用于采集在历史教学过程中对应的环境场景信息
优选地，该教学互动界面模块包括第二实体互动界面子模块和第二虚拟互动界面子模块；其中，
该第二实体互动界面子模块用于提供针对教学过程的触摸式互动操作和/或动作感应是互动操作；
该第二虚拟互动界面子模块用于提供针对教学过程的音频式互动操作和/或视频式互动操作。
优选地，该教育测试端包括测试源数据抓取模块、试卷整理模块、试卷验证模块和试卷调整模块；其中，
该测试源数据抓取模块用于在预设测试基础数据库中抓取相应类型的测试源数据；
该试卷整理模块用于对该测试源数据进行多维度组合整理，以此获得初始试卷材料；
该试卷验证模块用于对该初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理；
该试卷调整模块用于根据该验证处理的结果，对该初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的调整处理，以生成目标试卷材料。
优选地，该试卷整理模块包括试卷内容维度确定子模块和试卷内容组合子模块；其中，
该试卷内容维度确定子模块用于根据预设测试纲要，确定关于该测试源数据的测试模式维度；
该试卷内容组合子模块用于根据该测试模式维度，对该测试源数据进行该多维度组合整理，以此获得该初始试卷材料
优选地，该试卷验证模块包括试卷深度学习模型构建子模块和深度学习验证子模块；其中，
该试卷深度学习模型构建子模块用于构建关于试卷内容重复度、区分度和难度的深度学习模型；
该深度学习验证子模块用于通过该深度学习模型对该初始试卷材料进行该验证处理。
优选地，该试卷验证模块用于对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理，其中，所述试卷验证模块对所述初始试卷材料进行关于试卷难度的验证具体过程如下：
步骤S1，根据下面公式，计算试卷主观题难度系数，
在上述公式中，w1为该试卷主观题难度系数，n为主观题的数目，N为学生总数目，si为第i道主观题答对人数；
步骤S2，根据下面公式，计算试卷客观题难度系数，
在上述公式中，w2为该试卷客观题难度系数，m为客观题数目，N为学生总数目，fjc为第j个学生在第c道客观题的得分，Zc为第c道客观题的总分；
步骤S3，根据下面公式，计算学生所在区域教育水平系数，
在上述公式中，δ为学生所在区域教育水平系数，a为学生所在区域的省份在全国所有省份中的教育水平排名，G为全国参与教育水平排名的省份总数目；
步骤S4，根据下面公式，计算试卷整体难度系数，
在上述公式中，k为该试卷整体难度系数，δ为学生所在区域教育水平系数，w1为该试卷主观难度系数，w2为该试卷客观题难度系数；
步骤S5，确定该试卷的难度程度，具体为，
当该试卷整体难度系数k为预设范围内，则确定该试卷的难度程度为适中，当该试卷整体难度系数k小于所述预设范围，则确定该试卷的难度程度为较小，当该试卷整体难度系数k大于所述预设范围，则确定该试卷的难度程度为较大。
在上述过程中，将该试卷分主观题和客观题两大部分来确定该试卷的难度程度，首先计算主观题的难度系数，然后计算客观题的难度系数，接着综合主观题的难度系数和客观题的难度系数得到该试卷的整体难度系数，最后根据该试卷的整体难度系数确定所述试卷的难度程度，通过上述技术方案，不仅可以根据学生正确率和得分情况得到所述试卷的难度程度，而且综合考虑客观题和主观题的区别，此外还考虑到不同地区教育水平存在的差异，使得计算的结果更加具有信服力。
优选地，该中央控制端包括通信总接口模块、云端存储模块和服务器模块；其中，
该通信总接口模块用于实现该教师应用端、该学生应用端、该线上知识管理端和该教育测试端之间的数据通信；
该云端存储模块用于存储该教师应用端、该学生应用端、该线上知识管理端和该教育测试端各自的运行数据；
该服务器模块用于提供针对该教师应用端、该学生应用端、该线上知识管理端或者该教育测试端的控制指示操作。
从上述实施例的内容可知，该基于人工智能的自适应教育系统通过设置教师应用端、学生应用端、线上知识管理端和教育测试端来在教师层面、学生层面、知识数据层面和测试实践层面上分别对教育系统进行相应的人工智能关联调整，以使该自适应教育系统能够根据不同教师对象和/或不同学生对象进行适应性的教育数据和/或教育场景的改变，从而提高该自适应教育系统的教育质量、教育效率和教育智能化水平。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于人工智能的自适应教育系统，其特征在于：
所述基于人工智能的自适应教育系统包括教师应用端、学生应用端、线上知识管理端、教育测试端和中央控制端；其中，
所述线上知识管理端用于存储相应的教学知识数据以及对所述教学知识数据进行适应性的整合变换处理；
所述学生应用端用于采集学生对象的相关学习状态数据以及提供相应的学生学习互动界面；
所述中央控制端用于对所述相关学习状态数据和经所述整合变换处理的教学知识数据进行智能学习处理，以确定相应的教学方案数据和测试方案数据；
所述教师应用端用于提供相应的教师教学互动界面以及根据所述教学方案数据实施不同模式的教学方案；
所述教育测试端用于根据所述测试方案数据实施不同模式的测试方案；
所述教育测试端包括测试源数据抓取模块、试卷整理模块、试卷验证模块和试卷调整模块；其中，
所述测试源数据抓取模块用于在预设测试基础数据库中抓取相应类型的测试源数据；
所述试卷整理模块用于对所述测试源数据进行多维度组合整理，以此获得初始试卷材料；
所述试卷验证模块用于对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理；
所述试卷调整模块用于根据所述验证处理的结果，对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的调整处理，以生成目标试卷材料；
所述试卷验证模块用于对所述初始试卷材料进行关于试卷内容重复度、区分度和难度中至少一者的验证处理，其中，所述试卷验证模块对所述初始试卷材料进行关于试卷难度的验证具体过程如下：
步骤S1，根据下面公式，计算试卷主观题难度系数，
在上述公式中，w1为所述试卷主观题难度系数，n为主观题的数目，N为学生总数目，si为第i道主观题答对人数；
步骤S2，根据下面公式，计算试卷客观题难度系数，
在上述公式中，w2为所述试卷客观题难度系数，m为客观题数目，N为学生总数目，fjc为第j个学生在第c道客观题的得分，Zc为第c道客观题的总分；
步骤S3，根据下面公式，计算学生所在区域教育水平系数，
在上述公式中，δ为学生所在区域教育水平系数，a为学生所在区域的省份在全国所有省份中的教育水平排名，G为全国参与教育水平排名的省份总数目；
步骤S4，根据下面公式，计算试卷整体难度系数，
在上述公式中，k为所述试卷整体难度系数，δ为学生所在区域教育水平系数，w1为所述试卷主观难度系数，w2为所述试卷客观题难度系数；
步骤S5，确定所述试卷的难度程度，具体为，
当所述试卷整体难度系数k为预设范围内，则确定所述试卷的难度程度为适中，当所述试卷整体难度系数k小于所述预设范围，则确定所述试卷的难度程度为较小，当所述试卷整体难度系数k大于所述预设范围，则确定所述试卷的难度程度为较大。
2.如权利要求1所述的基于人工智能的自适应教育系统，其特征在于：
所述线上知识管理端包括教学知识数据抓取模块、教学知识数据更新模块和教学知识数据整合变换模块；其中，
所述教学知识数据抓取模块根据实时教学需求，进行线上模式的教学知识数据抓取，以此获得相应的教学知识源数据；
所述教学知识数据更新模块用于根据历史教学知识数据与所述教学知识源数据之间的差异化状态，更新生成相应的目标教学知识数据；
所述教学知识数据整合变换模块用于对所述目标教学知识数据进行所述整合变换处理。
3.如权利要求2所述的基于人工智能的自适应教育系统，其特征在于：
所述教学知识数据抓取模块包括数据抓取片区确定子模块和数据抓取模块；其中，
所述数据抓取片区确定子模块用于确定进行所述教学知识数据抓取对应的线上数据区域；
所述数据抓取模块用于在所述线上数据区域中抓取获得所述教学知识源数据；
或者，
所述教学知识数据更新模块包括差异化对比子模块和数据更新子模块；其中，
所述差异化对比子模块用于对所述历史教学知识数据与所述教学知识源数据两者进行数据对比处理，以此获得两者之间的所述差异化状态；
所述数据更新子模块用于对根据所述差异化状态，对所述历史教学知识数据和所述教学知识源数据依次进行数据去重和数据合并的处理，以此更新生成所述目标教学知识数据；
或者，
所述教学知识数据整合变换模块包括数据变换子模块和数据压缩子模块；其中，
所述数据变换子模块用于对所述目标教学知识数据进行数据多模态的变换处理，以此获得多模态知识数据；
所述数据压缩子模块用于对所述多模态知识数据进行关于数据维度的压缩处理，以此获得满足预设压缩条件的压缩整合教学知识数据。
4.如权利要求1所述的基于人工智能的自适应教育系统，其特征在于：
所述学生应用端包括学习状态数据采集模块和学习互动界面模块；其中，
所述学习状态数据采集模块用于采集所述学生对象的相关学习状态数据；
所述学习互动界面模块用于对所述学生对象提供实体模式或/和虚拟模式的学习互动界面。
5.如权利要求4所述的基于人工智能的自适应教育系统，其特征在于：
所述学习状态数据采集模块包括历史学习数据采集子模块、学生学习历史状态采集子模块和历史学习场景数据采集子模块；其中，
所述历史学习数据采集子模块用于采集所述学生对象在历史学习过程中对应的历史学习文本数据、音频数据和视频数据中的至少一者；
所述学生学习历史状态采集子模块用于采集所述学生对象在历史学习过程中对应的动作信息和/或影像信息；
所述历史学习场景数据采集子模块用于采集所述学生对象在历史学习过程中对应的环境场景信息；
或者，
所述学习互动界面模块包括第一实体互动界面子模块和第一虚拟互动界面子模块；其中，
所述第一实体互动界面子模块用于提供关于知识学习的触摸式互动操作和/或动作感应式互动操作；
所述第一虚拟互动界面子模块用于提供关于知识学习的音频式互动操作和/或视频式互动操作。
6.如权利要求1所述的基于人工智能的自适应教育系统，其特征在于：
所述教师应用端包括教学状态数据采集模块和教学互动界面模块；其中，
所述教学状态数据采集模块用于采集教学过程的相关教学状态数据；
所述教学互动界面模块用于在教学过程中提供实体模式和/或虚拟模式的教学互动界面。
7.如权利要求6所述的基于人工智能的自适应教育系统，其特征在于：
所述教学状态数据采集模块包括历史教学数据采集子模块、教学历史状态采集子模块和历史教学场景数据采集子模块；其中，
所述历史教学数据采集子模块用于采集在历史教学过程中对应的历史教学文本数据、音频数据和视频数据中的至少一者；
所述教学历史状态采集子模块用于采集在历史教学过程中对应的动作信息和/或影像信息；
所述历史教学场景数据采集子模块用于采集在历史教学过程中对应的环境场景信息；
或者，
所述教学互动界面模块包括第二实体互动界面子模块和第二虚拟互动界面子模块；其中，
所述第二实体互动界面子模块用于提供针对教学过程的触摸式互动操作和/或动作感应是互动操作；
所述第二虚拟互动界面子模块用于提供针对教学过程的音频式互动操作和/或视频式互动操作。
8.如权利要求1所述的基于人工智能的自适应教育系统，其特征在于：
所述试卷整理模块包括试卷内容维度确定子模块和试卷内容组合子模块；其中，
所述试卷内容维度确定子模块用于根据预设测试纲要，确定关于所述测试源数据的测试模式维度；
所述试卷内容组合子模块用于根据所述测试模式维度，对所述测试源数据进行所述多维度组合整理，以此获得所述初始试卷材料；
或者，
所述试卷验证模块包括试卷深度学习模型构建子模块和深度学习验证子模块；其中，
所述试卷深度学习模型构建子模块用于构建关于试卷内容重复度、区分度和难度的深度学习模型；
所述深度学习验证子模块用于通过所述深度学习模型对所述初始试卷材料进行所述验证处理。
9.如权利要求1所述的基于人工智能的自适应教育系统，其特征在于：
所述中央控制端包括通信总接口模块、云端存储模块和服务器模块；其中，
所述通信总接口模块用于实现所述教师应用端、所述学生应用端、所述线上知识管理端和所述教育测试端之间的数据通信；
所述云端存储模块用于存储所述教师应用端、所述学生应用端、所述线上知识管理端和所述教育测试端各自的运行数据；
所述服务器模块用于提供针对所述教师应用端、所述学生应用端、所述线上知识管理端或者所述教育测试端的控制指示操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010097387.2A CN111179666B (zh) | 2020-02-17 | 2020-02-17 | 基于人工智能的自适应教育系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010097387.2A CN111179666B (zh) | 2020-02-17 | 2020-02-17 | 基于人工智能的自适应教育系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111179666A CN111179666A (zh) | 2020-05-19 |
| CN111179666B true CN111179666B (zh) | 2021-07-20 |
Family
ID=70651290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010097387.2A Active CN111179666B (zh) | 2020-02-17 | 2020-02-17 | 基于人工智能的自适应教育系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179666B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112419810B (zh) * | 2020-11-13 | 2023-01-20 | 雷恩友力数据科技南京有限公司 | 基于自适应认知交互的精准控制智慧教育方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1932795A (zh) * | 2006-10-10 | 2007-03-21 | 青岛中科恒信信息技术有限公司 | 考试试卷智能命题组卷系统 |
| CN101350014A (zh) * | 2007-07-19 | 2009-01-21 | 兰茂恩 | 基于智能pda的信息搭载转移及驻留技术 |
| CN102522015B (zh) * | 2011-11-28 | 2013-11-13 | 上海欣方智能系统有限公司 | 基于移动互联网的远程培训系统及其工作方法 |
| CN105761183A (zh) * | 2016-03-14 | 2016-07-13 | 成都爱易佰网络科技有限公司 | 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 |
| CN106326417A (zh) * | 2016-08-24 | 2017-01-11 | 冯玉国 | 一种试题数据处理方法及系统 |
| CN109300349A (zh) * | 2018-11-23 | 2019-02-01 | 齐珂 | 一种基于网络学习平台的高效远程教育管理系统 |
| CN110069707A (zh) * | 2019-03-28 | 2019-07-30 | 广州创梦空间人工智能科技有限公司 | 一种人工智能自适应互动教学系统 |
| CN110364043A (zh) * | 2019-07-23 | 2019-10-22 | 湖南纸云互动智能科技有限公司 | 一种纸云智能教育系统及使用方法 |
| CN110531849A (zh) * | 2019-08-16 | 2019-12-03 | 广州创梦空间人工智能科技有限公司 | 一种基于5g通信的增强现实的智能教学系统 |
-
2020
- 2020-02-17 CN CN202010097387.2A patent/CN111179666B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111179666A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021159775A1 (zh) | 音频分离网络的训练方法、音频分离方法、装置及介质 | |
| CN110364049B (zh) | 一种具有偏离度自动反馈数据闭环纠偏控制的专业技能实训辅助教学系统及辅助教学方法 | |
| CN109766427B (zh) | 一种基于协同注意力的虚拟学习环境智能问答方法 | |
| CN114020929B (zh) | 一种基于课程知识图谱的智慧教育系统平台设计方法 | |
| CN112699283B (zh) | 试卷生成方法及装置 | |
| CN111258433A (zh) | 基于虚拟场景的教学互动系统 | |
| CN113610235A (zh) | 一种基于深度知识追踪的适应性学习支持装置及方法 | |
| CN112527993B (zh) | 一种跨媒体层次化深度视频问答推理框架 | |
| CN113392640B (zh) | 一种标题确定方法、装置、设备及存储介质 | |
| CN112949562A (zh) | 智适应学习方法及系统 | |
| CN114971425B (zh) | 数据库信息监控方法、装置、设备及存储介质 | |
| CN117150151A (zh) | 一种基于大语言模型的错题分析及试题推荐系统和方法 | |
| CN111179666B (zh) | 基于人工智能的自适应教育系统 | |
| Liu et al. | An improved method of identifying learner's behaviors based on deep learning | |
| CN116110091A (zh) | 一种线上学习状态监测系统 | |
| CN111243373B (zh) | 全景化的模拟教学系统 | |
| CN113282840A (zh) | 一种训练采集综合管理平台 | |
| CN111241165B (zh) | 一种基于大数据的人工智能教育系统及数据处理方法 | |
| CN116631041A (zh) | 一种基于表情识别的智慧教室交互方法及系统 | |
| CN116361655A (zh) | 模型训练方法、标准问题的预测方法、装置、设备及介质 | |
| Zhou et al. | Design of online education big data platform based on data mining and data collection technology | |
| CN112163119B (zh) | 大数据在线教育平台网课优化方法、系统及电子设备 | |
| CN108764533A (zh) | 基于虹膜识别的预测迟到概率的学校考勤系统及方法 | |
| CN114936281A (zh) | 基于大数据的试题动态分类方法、装置、设备及存储介质 | |
| CN115081880A (zh) | 一种基于区块链的物联网儿童学习监测方案 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230727 Address after: No. D, Floor 5, Scientific Research Building (Hetai Business Center), Yunnan Academy of Social Sciences, No. 577, Huancheng West Road, Xishan District, Kunming City, 650000, Yunnan Province Patentee after: Yunnan Xunsheng Technology Co.,Ltd. Address before: Room 203, 2 / F, building 2, Xitou Chuangzhi center, 239 Shuanglong Road, Jiangcun street, Xihu District, Hangzhou City, Zhejiang Province, 310000 Patentee before: Zhejiang Chuangke Network Technology Co.,Ltd. |