CN111274278A - 辅助学习的方法、装置及可读存储介质 - Google Patents
辅助学习的方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN111274278A CN111274278A CN202010060816.9A CN202010060816A CN111274278A CN 111274278 A CN111274278 A CN 111274278A CN 202010060816 A CN202010060816 A CN 202010060816A CN 111274278 A CN111274278 A CN 111274278A
- Authority
- CN
- China
- Prior art keywords
- learning
- user
- good
- user equipment
- server
- 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 63
- 230000006399 behavior Effects 0.000 claims abstract description 60
- 230000035945 sensitivity Effects 0.000 claims abstract description 60
- 238000011161 development Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种辅助学习的方法、装置及计算机可读存储介质。该辅助学习的方法包括:用户设备采集用户的学习行为数据;用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;用户设备接收服务器发送的好感度信息;用户设备根据好感度信息,确定用户的学习策略。采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。另外,根据用户对学习材料的好感度,制定适合该用户的个性化学习策略,能够帮助该用户提高学习效果。
Description
技术领域
本发明涉及辅助学习技术领域,具体涉及一种辅助学习的方法、装置及计算机可读存储介质。
背景技术
为了更好的帮助学生学习,很多具有辅助功能的应用软件相继产生。但是,这类辅助功能的开发普遍使用机器学习算法,算法难度大、系统复杂度高,从而开发难度较大。另外,使用机器学习算法,前期需要做大量准备工作,比如构建数据仓库等,需要耗费大量的人力物力,成本较高。对于一些轻量级业务场景,其实并不需要高难度和高复杂度的机器学习算法。
发明内容
有鉴于此,本发明实施例提供了一种辅助学习的方法、装置及计算机可读存储介质,开发难度低,成本低,并且能够为不同用户制定个性化学习策略,帮助用户提高学习效果。
根据本发明实施例的第一方面,提供一种辅助学习的方法,包括:用户设备采集用户的学习行为数据;用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;用户设备接收服务器发送的好感度信息;用户设备根据好感度信息,确定用户的学习策略。
在本发明的一个实施例中,学习材料为学习视频,其中,上述用户设备采集用户的学习行为数据,包括:用户设备采集观看学习视频时的用户观看时长及用户操作情况,其中,用户操作情况包括快进操作次数和/或后退操作次数,其中,上述用户设备发送学习行为数据至服务器,包括:用户设备发送用户观看时长及用户操作情况至服务器。
在本发明的一个实施例中,好感度公式表示学习视频总时长、用户观看时长及用户操作情况的关系。
在本发明的一个实施例中,好感度公式为:
在本发明的一个实施例中,不同用户年龄区间对应的好感度公式中的常数a、b、c的值不同;和/或不同学习视频总时长区间对应的好感度公式中的常数a、b、c的值不同。
在本发明的一个实施例中,上述用户设备根据好感度信息,确定用户的学习策略,包括:用户设备根据好感度信息及预设规则,确定用户的学习策略,其中,预设规则表示好感度信息与学习策略之间的对应关系。
在本发明的一个实施例中,学习策略包括游戏式学习策略,用于通过做题游戏检测及巩固用户对学习视频的学习情况,其中,预设规则表示好感度信息与游戏次数之间的对应关系,好感度越高,游戏次数越少。
在本发明的一个实施例中,上述辅助学习的方法还包括:当用户在游戏次数内未能成功闯关时,用户设备重新播放学习视频,以使得用户重新获游戏次数;或者当用户在游戏次数内成功闯关时,用户设备播放下一个学习视频。
在本发明的一个实施例中,上述用户设备发送学习行为数据至服务器,包括:用户设备定时发送学习行为数据至服务器;和/或用户设备在学习视频播放完毕时,发送学习行为数据至服务器。
根据本发明实施例的第二方面,提供一种辅助学习的方法,包括:服务器接收用户设备发送的用户的学习行为数据;服务器根据学习行为数据和好感度公式,确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;服务器发送好感度信息至用户设备,以使得用户设备根据好感度信息,确定用户的学习策略。
根据本发明实施例的第三方面,提供一种辅助学习的装置,包括:采集模块,用于采集用户的学习行为数据;发送模块,用于发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;接收模块,用于接收服务器发送的好感度信息;确定模块,用于根据好感度信息,确定用户的学习策略。
根据本发明实施例的第四方面,提供一种辅助学习的装置,包括:接收模块,用于接收用户设备发送的用户的学习行为数据;确定模块,用于根据学习行为数据和好感度公式,确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;发送模块,用于发送好感度信息至用户设备,以使得用户设备根据好感度信息,确定用户的学习策略。
根据本发明实施例的第五方面,提供一种计算机可读存储介质,其上存储有计算机可执行指令,可执行指令被处理器执行时实现如上所述的辅助学习的方法。
根据本发明实施例提供的技术方案,通过用户设备采集用户的学习行为数据;用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;用户设备接收服务器发送的好感度信息;用户设备根据好感度信息,确定用户的学习策略。采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。另外,根据用户对学习材料的好感度,制定适合该用户的个性化学习策略,能够帮助该用户提高学习效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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所示为本发明一实施例提供的辅助学习的方法的流程示意图。
图2所示为本发明另一实施例提供的辅助学习的方法的流程示意图。
图3所示为本发明另一实施例提供的辅助学习的方法的流程示意图。
图4所示为本发明一实施例提供的辅助学习的装置的框图。
图5所示为本发明另一实施例提供的辅助学习的装置的框图。
图6所示为本发明一实施例提供的电子设备的框图。
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做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。
图1所示为本发明一实施例提供的辅助学习的方法的流程示意图。该方法可以由用户设备(例如,平板电脑)执行。如图1所示,该方法包括如下内容。
S110:用户设备采集用户的学习行为数据。
应当理解,学习行为数据可以是用户在对学习材料进行学习的过程中的与用户设备的交互行为、学习时长等,本发明对此不作限定。学习材料可以是学习视频、学习文档等,本发明对学习材料的具体形式、具体内容不作限定。
例如,当学习材料为学习视频时,学习行为数据可以是观看学习视频时的用户观看时长和用户操作情况,用户操作情况可以包括后退操作次数和快进操作次数等,本发明对此不作限定。
S120:用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度。
具体地,用户设备可以定时发送学习行为数据至服务器,以避免停电、死机等意外情况导致数据丢失;和/或用户设备可以在一个学习阶段完成时,将学习行为数据发送至服务器,例如,在一个学习视频播放完毕时,发送学习行为数据至服务器。应当理解,本发明对具体发送形式不作具体限定。
服务器中预存有好感度公式,好感度公式用于表征用户对学习材料的好感度。学习行为数据,例如用户观看时长、后退操作次数和快进操作次数等,可以作为好感度公式中的参数,从而服务器利用好感度公式可以计算出用户对学习材料的好感度值。相较于通过机器学习模型得到用户对学习材料的好感度值,好感度公式比较简洁,能够适用于一些不需要高难度和高复杂度的机器学习算法的轻量级业务场景,降低了开发难度,减少了开发成本。
S130:用户设备接收服务器发送的好感度信息。
S140:用户设备根据好感度信息,确定用户的学习策略。
用户设备根据服务器计算出的该用户对学习材料的好感度值,确定适合该用户的个性化学习策略。例如,在本发明的一个实施例中,该用户的学习阶段分为观看视频阶段和做题阶段,即该用户的学习材料为学习视频,当服务器计算得到的用户对学习视频的好感度值较低时,说明该用户不太喜欢观看学习视频的学习方式,因此可以让用户通过做更多的题来进行学习和巩固。而当用户对学习视频的好感度值较高时,说明该用户比较喜欢观看学习视频的学习方式,因此可以让用户主要通过观看学习视频的方式来进行学习。应当理解,上述描述仅为示例性描述,本发明对此不作限定。
根据本发明实施例提供的技术方案,通过用户设备采集用户的学习行为数据;用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;用户设备接收服务器发送的好感度信息;用户设备根据好感度信息,确定用户的学习策略。采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。另外,根据用户对学习材料的好感度,制定适合该用户的个性化学习策略,能够帮助该用户提高学习效果。
在本发明的一个实施例中,学习材料为学习视频,其中,上述用户设备采集用户的学习行为数据,包括:用户设备采集观看学习视频时的用户观看时长及用户操作情况,其中,用户操作情况包括快进操作次数和/或后退操作次数,其中,上述用户设备发送学习行为数据至服务器,包括:用户设备发送用户观看时长及用户操作情况至服务器。
在本发明的一个实施例中,好感度公式表示学习视频总时长、用户观看时长及用户操作情况的关系。例如,好感度公式可以为:
应当理解,上述好感度描述仅为示例性描述,本发明对好感度公式不作具体限定。
服务器中可以预设有至少一个好感度公式,本发明对好感度公式的个数不作限定。其中,不同用户年龄区间对应的好感度公式可以不同,不同学习视频总时长区间对应的好感度公式也可以不同,本发明对比不作限定。
具体地,可以体现为:不同用户年龄区间对应的好感度公式中的常数a、b、c的值不同;不同学习视频总时长区间对应的好感度公式中的常数a、b、c的值不同。
例如,针对不同用户年龄区间,用户年龄在0~2岁之间,对应好感度公式1;用户年龄在2~4岁之间,对应好感度公式2;用户年龄在4岁以上,对应好感度公式3,以此类推。应当理解,上述描述仅为示例性描述,本发明对用户年龄的区间划分不作具体限定。
另外,针对不同的学习视频总时长区间,(0,2]分钟的视频对应好感度公式4,(2,5]分钟的视频对应好感度公式5,(5,10]分钟的视频对应好感度公式6,以此类推。应当理解,上述描述仅为示例性描述,本发明对学习视频总时长的区间划分不作限定。
以不同的学习视频总时长对应的好感度公式为例,(0,2]分钟的视频对应的好感度公式可以为:
(2,5]分钟的视频对应的好感度公式可以为:
应当理解,上述描述仅为示例性描述,本发明对a、b、c的具体取值不作限定。
具体地,当服务器接收用户设备发送的用户观看时长及用户操作情况后,首先可以根据获取到的用户年龄及学习视频总时长,选择对应的好感度公式;然后根据接收到的用户设备采集的用户观看时长、用户后退操作次数、用户快进操作次数,计算出该用户对学习视频的好感度值。通过对不同用户年龄、不同学习视频总时长采用不同的好感度公式,能够提高准确率,为用户制定更适合的个性化学习策略,帮助该用户提高学习效果。
在本发明的一个实施例中,上述用户设备根据好感度信息,确定用户的学习策略,包括:用户设备根据好感度信息及预设规则,确定用户的学习策略,其中,预设规则表示好感度信息与学习策略之间的对应关系。
用户设备存储有预设规则,不同的好感度值对应不同的学习策略。
例如,学习策略为游戏式学习策略,用于通过做题游戏检测及巩固用户对学习视频的学习情况,其中,预设规则表示好感度信息与游戏次数之间的对应关系,例如,如表1所示。好感度越高,游戏次数越少;好感度值越低,游戏次数越多。
表1
视频长度 | 好感度区间 | 规则序号 | 规则详情 |
(0,2]分钟 | [12,18) | 1 | 游戏次数无数次 |
(0,2]分钟 | [18,24) | 2 | 游戏次数6次,失败则重新观看视频 |
(0,2]分钟 | [24,30) | 3 | 游戏次数5次,失败则重新观看视频 |
(0,2]分钟 | [30,36) | 4 | 游戏次数4次,失败则重新观看视频 |
(0,2]分钟 | [36,42) | 5 | 游戏次数3次,失败则重新观看视频 |
(0,2]分钟 | [42,48) | 6 | 游戏次数2次,失败则重新观看视频 |
(0,2]分钟 | [48,+∞) | 7 | 游戏次数1次,失败则重新观看视频 |
(2,5]分钟 | [20,30) | 1 | 游戏次数无数次 |
(2,5]分钟 | [30,40) | 2 | 游戏次数6次,失败则重新观看视频 |
(2,5]分钟 | [40,50) | 3 | 游戏次数5次,失败则重新观看视频 |
(2,5]分钟 | [50,60) | 4 | 游戏次数4次,失败则重新观看视频 |
(2,5]分钟 | [60,70) | 5 | 游戏次数3次,失败则重新观看视频 |
(2,5]分钟 | [70,80) | 6 | 游戏次数2次,失败则重新观看视频 |
(2,5]分钟 | [80,+∞) | 7 | 游戏次数1次,失败则重新观看视频 |
应当理解,上述预设规则详情仅为示例性描述,本发明对此不作限定。另外,开发人员可以根据用户实际使用情况,调整好感度公式中的常数a、b、c的值或预设规则中的游戏次数,以使得利用好感度公式计算得出的好感度值更准确,有助于为用户制定更合适的个性化学习策略。
具体地,可以根据用户对视频的好感度值,确定好感度区间;根据好感度区间确定该用户的游戏次数,即,该用户在游戏中有“几条命”。用户的好感度值越高,说明该用户越喜欢视频学习这种形式,因此游戏次数越少,游戏次数消耗完后,需要重新观看学习视频来获得游戏次数。用户的好感度值越低,说明该用户越不喜欢视频学习这种形式,因此游戏次数越多,最多可以达到无数次,可以使用户通过做题游戏学习知识,提高学习效果。
在本发明的一个实施例中,上述辅助学习的方法还包括:当用户在游戏次数内未能成功闯关时,用户设备重新播放学习视频,以使得用户重新获游戏次数;或者当用户在游戏次数内成功闯关时,用户设备播放下一个学习视频。
例如,做题游戏中有5道题,当这5道题全部回答正确时,该做题游戏闯关成功。当其中任一题回答错误时,则需要重新闯关。当游戏次数消耗完后,则需要重新获得游戏次数进行闯关。在本发明的一个实施例中,当用户闯关失败并重新闯关时,可以沿用第一次用户好感度值和规则,无需重新计算用户的好感度值。应当理解,本发明对此不作具体限定。
图2所示为本发明另一实施例提供的辅助学习的方法的流程示意图。该方法可以由用户设备(例如,平板电脑)执行。如图2所示,该方法包括如下内容。
S210:在视频阶段,用户设备采集用户观看学习视频时的用户观看时长、用户后退次数和用户快进次数。
用户的每个学习阶段可以包括视频学习阶段和游戏学习阶段。在视频学习阶段,用户通过观看学习视频学习新知识,例如,英文新单词。当视频循环播放n次后,用户可以通过点击用户界面中的“下一个”进入游戏学习阶段。在游戏训练环节,通过做游戏答题的方式检测与巩固观看视频后的学习成果。例如,用户根据听到的英文发音,选择对应的静态图片或动态图片。
当视频学习阶段包括两个小视频时,可以将这两个小视频视为一个大视频,进行用户观看时长、用户后退次数和用户快进次数统计,并进行好感度计算。应当理解,本发明对此不作具体限定。
S220:用户设备将采集到的用户观看时长、用户后退次数和用户快进次数发送至服务器。
具体地,用户设备定时将采集到的用户观看时长、用户后退次数和用户快进次数发送至服务器,以及在该学习视频结束时,将其发送至服务器。
服务器将用户观看时长、用户后退次数和用户快进次数代入预存的好感度公式,计算出该用户对学习视频的好感度值,并发送至用户设备。
S230:在游戏阶段,用户设备接收服务器发送的好感度值,并根据预设规则,确定该用户在游戏阶段的游戏次数。
好感度值越高,用户游戏次数越少;好感度值越低,用户游戏次数越多。
S240:当用户在游戏次数内未能成功闯关时,用户设备重新播放该学习视频,以使得用户重新获得游戏次数。
例如,做题游戏中有5道题,当这5道题全部回答正确时,该做题游戏闯关成功。当其中任一题回答错误时,则需要重新闯关。当游戏次数消耗完后,则需要重新观看学习视频获得游戏次数进行闯关。
S250:当用户在游戏次数内成功闯关时,用户设备播放下一个学习视频。
当用户在规定游戏次数内成功闯关时,则可以进入下一个学习阶段,观看下一个学习阶段的学习视频。
根据本发明实施例提供的技术方案,通过采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。另外,根据用户对学习材料的好感度,制定适合该用户的个性化学习策略,能够帮助该用户提高学习效果。
图3所示为本发明另一实施例提供的辅助学习的方法的流程示意图。该方法可以由计算机设备(例如,服务器)执行。如图3所示,该方法包括如下内容。
S310:服务器接收用户设备发送的用户的学习行为数据。
S320:服务器根据学习行为数据和好感度公式,确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度。
S330:服务器发送好感度信息至用户设备,以使得用户设备根据好感度信息,确定用户的学习策略。
根据本发明实施例提供的技术方案,通过采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图4所示为本发明一实施例提供的辅助学习的装置的框图。如图4所示,该辅助学习的装置400包括:
采集模块410,用于采集用户的学习行为数据;
发送模块420,用于发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;
接收模块430,用于接收服务器发送的好感度信息;
确定模块440,用于根据好感度信息,确定用户的学习策略。
根据本发明实施例提供的技术方案,通过用户设备采集用户的学习行为数据;用户设备发送学习行为数据至服务器,以使得服务器根据学习行为数据和好感度公式确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;用户设备接收服务器发送的好感度信息;用户设备根据好感度信息,确定用户的学习策略。采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。另外,根据用户对学习材料的好感度,制定适合该用户的个性化学习策略,能够帮助该用户提高学习效果。
在本发明的一个实施例中,学习材料为学习视频,其中,采集模块410还用于采集观看学习视频时的用户观看时长及用户操作情况,其中,用户操作情况包括快进操作次数和/或后退操作次数,其中,发送模块420还用于发送用户观看时长及用户操作情况至服务器。
在本发明的一个实施例中,好感度公式表示学习视频总时长、用户观看时长及用户操作情况的关系。
在本发明的一个实施例中,好感度公式为:
在本发明的一个实施例中,不同用户年龄区间对应的好感度公式中的常数a、b、c的值不同;和/或不同学习视频总时长区间对应的好感度公式中的常数a、b、c的值不同。
在本发明的一个实施例中,确定模块440还用于根据好感度信息及预设规则,确定用户的学习策略,其中,预设规则表示好感度信息与学习策略之间的对应关系。
在本发明的一个实施例中,学习策略包括游戏式学习策略,用于通过做题游戏检测及巩固用户对学习视频的学习情况,其中,预设规则表示好感度信息与游戏次数之间的对应关系,好感度越高,游戏次数越少。
在本发明的一个实施例中,上述辅助学习的装置还包括播放模块450,用于当用户在游戏次数内未能成功闯关时,重新播放学习视频,以使得用户重新获游戏次数;或者当用户在游戏次数内成功闯关时,播放下一个学习视频。
在本发明的一个实施例中,发送模块420还用于定时发送学习行为数据至服务器;和/或在学习视频播放完毕时,发送学习行为数据至服务器。
图5所示为本发明另一实施例提供的辅助学习的装置的框图。如图5所示,该辅助学习的装置500包括:
接收模块510,用于接收用户设备发送的用户的学习行为数据;
确定模块520,用于根据学习行为数据和好感度公式,确定用户的好感度信息,其中,好感度公式用于表征用户对学习材料的好感度;
发送模块530,用于发送好感度信息至用户设备,以使得用户设备根据好感度信息,确定用户的学习策略。
根据本发明实施例提供的技术方案,通过采用好感度公式计算用户对学习材料的好感度值,开发难度低、成本低,能够适用于轻量级应用场景。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
图6所示为本发明一实施例提供的电子设备600的框图。
参照图6,电子设备600包括处理组件610,其进一步包括一个或多个处理器,以及由存储器620所代表的存储器资源,用于存储可由处理组件610的执行的指令,例如应用程序。存储器620中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件610被配置为执行指令,以执行上述辅助学习的方法。
电子设备600还可以包括一个电源组件被配置为执行电子设备600的电源管理,一个有线或无线网络接口被配置为将电子设备600连接到网络,和一个输入输出(I/O)接口。电子设备600可以操作基于存储在存储器1420的操作系统,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM,FreeBSDTM或类似。
一种非临时性计算机可读存储介质,当存储介质中的指令由上述电子设备600的处理器执行时,使得上述电子设备600能够执行上述辅助学习的方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序校验码的介质。
另外,还需要说明的是,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案所记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
需要注意的是,以上列举的仅为本发明的具体实施例,显然本发明不限于以上实施例,随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形,均应属于本发明的保护范围。
应当理解,本发明实施例中提到的第一、第二等限定词,仅仅为了更清楚地描述本发明实施例的技术方案使用,并不能用以限制本发明的保护范围。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种辅助学习的方法,其特征在于,包括:
用户设备采集用户的学习行为数据;
所述用户设备发送所述学习行为数据至服务器,以使得所述服务器根据所述学习行为数据和好感度公式确定所述用户的好感度信息,其中,所述好感度公式用于表征所述用户对学习材料的好感度;
所述用户设备接收所述服务器发送的所述好感度信息;
所述用户设备根据所述好感度信息,确定所述用户的学习策略。
2.根据权利要求1所述的方法,其特征在于,所述学习材料为学习视频,其中,所述用户设备采集用户的学习行为数据,包括:
所述用户设备采集观看学习视频时的用户观看时长及用户操作情况,其中,所述用户操作情况包括快进操作次数和/或后退操作次数,
其中,所述用户设备发送所述学习行为数据至服务器,包括:
所述用户设备发送所述用户观看时长及所述用户操作情况至服务器。
3.根据权利要求2所述的方法,其特征在于,所述好感度公式表示学习视频总时长、所述用户观看时长及所述用户操作情况的关系。
5.根据权利要求4所述的方法,其特征在于,不同用户年龄区间对应的好感度公式中的常数a、b、c的值不同;和/或
不同学习视频总时长区间对应的好感度公式中的常数a、b、c的值不同。
6.根据权利要求2至5中任一项所述的方法,其特征在于,所述用户设备根据所述好感度信息,确定所述用户的学习策略,包括:
所述用户设备根据所述好感度信息及预设规则,确定所述用户的学习策略,其中,所述预设规则表示所述好感度信息与所述学习策略之间的对应关系。
7.根据权利要求6所述的方法,其特征在于,所述学习策略包括游戏式学习策略,用于通过做题游戏检测及巩固所述用户对所述学习视频的学习情况,其中,所述预设规则表示所述好感度信息与游戏次数之间的对应关系,好感度越高,游戏次数越少。
8.根据权利要求7所述的方法,其特征在于,还包括:
当所述用户在所述游戏次数内未能成功闯关时,所述用户设备重新播放所述学习视频,以使得所述用户重新获得所述游戏次数;或者
当所述用户在所述游戏次数内成功闯关时,所述用户设备播放下一个学习视频。
9.根据权利要求2所述的方法,其特征在于,所述用户设备发送所述学习行为数据至服务器,包括:
所述用户设备定时发送所述学习行为数据至所述服务器;和/或
所述用户设备在所述学习视频播放完毕时,发送所述学习行为数据至所述服务器。
10.一种辅助学习的方法,其特征在于,包括:
服务器接收用户设备发送的用户的学习行为数据;
所述服务器根据所述学习行为数据和好感度公式,确定所述用户的好感度信息,其中,所述好感度公式用于表征所述用户对学习材料的好感度;
所述服务器发送所述好感度信息至所述用户设备,以使得所述用户设备根据所述好感度信息,确定所述用户的学习策略。
11.一种辅助学习的装置,其特征在于,包括:
采集模块,用于采集用户的学习行为数据;
发送模块,用于发送所述学习行为数据至服务器,以使得所述服务器根据所述学习行为数据和好感度公式确定所述用户的好感度信息,其中,所述好感度公式用于表征所述用户对学习材料的好感度;
接收模块,用于接收所述服务器发送的所述好感度信息;
确定模块,用于根据所述好感度信息,确定所述用户的学习策略。
12.一种辅助学习的装置,其特征在于,包括:
接收模块,用于接收用户设备发送的用户的学习行为数据;
确定模块,用于根据所述学习行为数据和好感度公式,确定所述用户的好感度信息,其中,所述好感度公式用于表征所述用户对学习材料的好感度;
发送模块,用于发送所述好感度信息至所述用户设备,以使得所述用户设备根据所述好感度信息,确定所述用户的学习策略。
13.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1至10中任一项所述的辅助学习的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060816.9A CN111274278A (zh) | 2020-01-19 | 2020-01-19 | 辅助学习的方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010060816.9A CN111274278A (zh) | 2020-01-19 | 2020-01-19 | 辅助学习的方法、装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111274278A true CN111274278A (zh) | 2020-06-12 |
Family
ID=71001768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010060816.9A Pending CN111274278A (zh) | 2020-01-19 | 2020-01-19 | 辅助学习的方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274278A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035982A (zh) * | 2014-05-28 | 2014-09-10 | 小米科技有限责任公司 | 多媒体资源推荐方法及装置 |
CN106375086A (zh) * | 2016-08-27 | 2017-02-01 | 张春萍 | 一种基于大数据的互联网教学系统的运行方法 |
US20180260718A1 (en) * | 2017-03-10 | 2018-09-13 | Adobe Systems Incorporated | Application Tool Recommendations |
CN109242553A (zh) * | 2018-08-22 | 2019-01-18 | 平安科技(深圳)有限公司 | 一种用户行为数据推荐方法、服务器及计算机可读介质 |
CN109885595A (zh) * | 2019-01-17 | 2019-06-14 | 平安城市建设科技(深圳)有限公司 | 基于人工智能的课程推荐方法、装置、设备及存储介质 |
-
2020
- 2020-01-19 CN CN202010060816.9A patent/CN111274278A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104035982A (zh) * | 2014-05-28 | 2014-09-10 | 小米科技有限责任公司 | 多媒体资源推荐方法及装置 |
CN106375086A (zh) * | 2016-08-27 | 2017-02-01 | 张春萍 | 一种基于大数据的互联网教学系统的运行方法 |
US20180260718A1 (en) * | 2017-03-10 | 2018-09-13 | Adobe Systems Incorporated | Application Tool Recommendations |
CN109242553A (zh) * | 2018-08-22 | 2019-01-18 | 平安科技(深圳)有限公司 | 一种用户行为数据推荐方法、服务器及计算机可读介质 |
CN109885595A (zh) * | 2019-01-17 | 2019-06-14 | 平安城市建设科技(深圳)有限公司 | 基于人工智能的课程推荐方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10945043B2 (en) | Methods and apparatus to create a panel of media device users | |
CN108270738B (zh) | 一种视频处理方法及网络设备 | |
US9278288B2 (en) | Automatic generation of a game replay video | |
CN106210770B (zh) | 一种显示弹幕信息的方法和装置 | |
CN108721898B (zh) | 帧率的确定方法和装置、存储介质、电子装置 | |
CN103718166A (zh) | 信息处理设备、信息处理方法和计算机程序产品 | |
CN104202668B (zh) | 视频广告的过滤方法和装置 | |
CN106604078B (zh) | 一种网络视频推荐方法及装置 | |
CN109299326B (zh) | 视频推荐方法及装置、系统、电子设备以及存储介质 | |
CN110047513B (zh) | 一种视频监测方法、装置、电子设备和存储介质 | |
CN110602518A (zh) | 直播推荐方法、装置、电子设备及可读存储介质 | |
JP6520361B2 (ja) | コンテンツ活用支援方法、コンテンツ活用支援プログラム、及びコンテンツ活用支援装置 | |
CN108847259A (zh) | 短视频制作方法、装置、电子设备及计算机存储介质 | |
CN115671746A (zh) | 游戏风格分类 | |
CN108632667B (zh) | 一种多媒体文件的解码方法及终端 | |
CN114024737B (zh) | 确定直播间刷量的方法、装置及计算机可读存储介质 | |
CN110465074B (zh) | 一种信息提示方法及装置 | |
US20220036427A1 (en) | Method for managing immersion level and electronic device supporting same | |
CN111400539B (zh) | 语音问卷的处理方法、装置和系统 | |
CN106156270B (zh) | 多媒体数据推送方法及装置 | |
CN113296666A (zh) | 主播曝光数据上报方法、装置、终端设备及存储介质 | |
CN110381359B (zh) | 一种视频处理方法、装置、计算机设备及存储介质 | |
CN111274278A (zh) | 辅助学习的方法、装置及可读存储介质 | |
KR101876769B1 (ko) | 동영상 제공 및 리워드 시스템, 이를 위한 장치 및 방법 | |
CN110806909A (zh) | 一种应用程序页面掉帧信息确定方法、装置及电子设备 |
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 |