CN111651677A - 课程内容推荐方法、装置、计算机设备和存储介质 - Google Patents
课程内容推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111651677A CN111651677A CN202010516722.8A CN202010516722A CN111651677A CN 111651677 A CN111651677 A CN 111651677A CN 202010516722 A CN202010516722 A CN 202010516722A CN 111651677 A CN111651677 A CN 111651677A
- Authority
- CN
- China
- Prior art keywords
- target object
- grade
- target
- current
- comprehensive
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 182
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 117
- 230000004044 response Effects 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000005316 response function Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种用于打地基学习的课程内容推荐方法、装置、计算机设备和存储介质。所述方法包括：确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；获取所述目标对象在解答所述第一测试题时的第一答题结果；根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。采用本方法能够提高课程内容推荐的有效性。
Description
技术领域
本申请涉及数据推荐技术领域，特别是涉及一种课程内容推荐方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展，在线教育也得到了快速的发展。在线教育也成称程教育或在线学习，也就是学生可通过计算机设备接受远程教育的方式。传统的学生通过计算机设备接收教育时，系统通常会给处于同一个年级的学生推荐与该年级匹配的课程内容，且所有处于该年级的学生都接收相同的课程内容进行学习。
然而，传统方式中的课程内容推荐方式，由于不同的学生可能存在不同的学习进度，且不同的学生的学习能力也会有所差异。这样，对于所有同年级的学生都推荐相同的课程内容，不能满足个体差异的特点，导致推荐的课程内容有效性低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够适应于目标对象的特点，给目标对象提供有效的课程内容的课程内容推荐方法、装置、计算机设备和存储介质。
一种课程内容推荐方法，所述方法包括：
确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取所述目标对象在解答所述第一测试题时的第一答题结果；
根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
一种课程内容推荐装置，所述装置包括：
推送模块，用于确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取模块，用于获取所述目标对象在解答所述第一测试题时的第一答题结果；
确定模块，用于根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
所述确定模块，还用于根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
推荐模块，还用于当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取所述目标对象在解答所述第一测试题时的第一答题结果；
根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取所述目标对象在解答所述第一测试题时的第一答题结果；
根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
上述课程内容推荐方法、装置、计算机设备和存储介质，向目标对象推送与当前年级相匹配的第一测试题，以对目标对象的学习能力进行测试。根据目标对象在预设时间段内解答第一测试题时的第一答题结果，可以准确的确定目标对象在当前年级上的综合能力值和综合正答率。进而可根据综合能力值和综合正答率中的至少一种，判断该是否需要降级学习，当需要降级学习时则可向目标对象推荐与需要降级学习的目标年级相匹配的课程内容。这样，当目标对象对当前的知识点的掌握程度不够好时，可向该目标对象推荐更低年级的课程内容，可以有针对性地帮助目标对象进行打地基学习，夯实基础，有助于提升目标对象对课程内容的学习效果，使得推荐的课程内容更加贴合用户需求，大大提高了课程内容推荐的有效性。
附图说明
图1为一个实施例中课程内容推荐方法的应用环境图；
图2为一个实施例中课程内容推荐方法的流程示意图；
图3为一个实施例中根据预设时间段内与目标对象对应的第一答题结果，确定目标对象在当前年级上的综合能力值和综合正答率的步骤的流程示意图；
图4为一个实施例中难度模型的原理示意图；
图5为一个实施例中课程内容推荐装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的课程内容推荐方法，可以应用于如图1所示的应用环境中。其中，用户终端102通过网络与服务器104进行通信。用户终端102和服务器104均可单独用于执行本申请实施例中提供的课程内容推荐方法。用户终端102和服务器104也可协同用于执行本申请实施例中提供的课程内容推荐方法。其中，用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种课程内容推荐方法，以该方法应用于计算机设备为例进行说明，该计算机设备具体可以是图1中的用户终端或服务器，该课程内容推荐方法包括以下步骤：
步骤S202，确定与目标对象对应的当前年级，并向目标对象推送与当前年级相匹配的第一测试题。
其中，目标对象具体可以是用户对象，该用户对象具体可以是自然人，如学生；该用户对象也可以是计算机设备可处理的数据对象，比如用户账号所表示的对象。与目标对象对应的当前年级，也就是该目标对象当前所处的学习年级，比如，某学生目前就读初中二年级，这个初中二年级就是该目标对象对应的当前年级。
需要说明的是，计算机设备可预先建立不同年级的各个科目各自对应的测试题库，这些测试题库中的题目与相应年级的相应科目所对应的知识点相关。比如，小学五年级的数学课的教学大纲中指示，小学五年级的学生需掌握知识点A、知识点B和知识点C。那么相应的，教研人员可基于这些知识点编写相应的测试题，以测试学生是否有掌握相应的知识点。可以理解，一道测试题可测试一个知识点，也可测试多个知识点。
具体地，计算机设备可确定目标对象对应的当前年级，并且在有针对性的学习当前科目。进而，计算机设备可从测试题库中挑选与当前年级和当前科目相匹配的第一测试题，并将该第一测试题推送至目标对象所在的用户终端。这样，用户终端可展示该第一测试题，目标对象即可基于展示的第一测试题进行作答。
在一个实施例中，当目标对象购买了当前年级的某类课程后，可学习相应的课程内容。之后计算机设备可对该目标对象推送已经学习过的知识点的第一测试题。
比如，某个学生在学习5年级的数学课。学生在学习完相应的知识点后，计算机设备可向学生推送用于已学习的知识点所对应的第一测试题来测试学生对这些知识点的掌握情况。
步骤S204，获取目标对象在解答第一测试题时的第一答题结果。
其中，第一答题结果是目标对象在解答各第一测试题时的答题结果，该第一答题结果具体可以包括答题时间和答案正确率。可以理解，当第一测试题为选择题或判断题时，该答案正确率就只有100％或0％，也就是答对或答错；而当第一测试题为填空题或简答题时，该答案正确率则根据目标对象填写的答案与标准答案的匹配度来确定，具体可以是0％到100％的区间中的某个数值。
在一个实施例中，当计算机设备是用户终端时，用户终端可直接展示第一测试题，并从展示第一测试题开始记时，直至目标对象选择或者填写了答案时为止，这个时间段就可认为是答题时间。目标对象选择或者填写的答案与标准答案的差异情况就是答案正确率。比如，当目标对象选择或者填写的答案与标准答案相同，则答案正确率为100％；当目标对象选择或者填写的答案与标准答案完全不同，则答案正确率为0％；当目标对象填写的答案与标准答案有部分相同，则答案正确率根据目标对象填写的答案与标准答案的匹配度所确定。
在一个实施例中，当计算机设备为服务器时，服务器可将第一测试题发送至用户终端，通过用户终端进行展示。目标对象可通过用户终端进行答题，用户终端将采集的答题时间和答案正确率发送至服务器。
步骤S206，根据预设时间段内与目标对象对应的第一答题结果，确定目标对象在当前年级上的综合能力值和综合正答率。
其中，综合能力值是多个能力值的综合结果，具体可以是多个能力值的和或者多个能力值的平均值等。能力值与知识点相对应，是用于衡量目标对象对某个知识点的掌握程度的度量。知识点对应的能力值越高，表明目标对象对该知识点的掌握程度越高；知识点对应的能力值越低，表明目标对象对该知识点的掌握程度越低。综合正答率是用户对象在解答多个第一测试题的过程中答对的频率。
具体地，计算机设备获取预设时间段内目标对象在解答多个第一测试题时的第一答题结果，进而根据预设时间段内的第一答题结果来计算目标对象在当前年级上的综合能力值和综合正答率。
可以理解，每个第一测试题都可对应一个或多个知识点。计算机设备可每天获取目标对象的答题情况，也就是第一答题结果，进而根据每天的第一答题结果计算目标对象在相应知识点上的能力值，该能力值表示目标对象对该知识点的掌握情况。
在一个实施例中，第一测试题与当前年级的多个知识点相关。步骤S206，也就是根据预设时间段内与目标对象对应的第一答题结果，确定目标对象在当前年级上的综合能力值和综合正答率的步骤，具体包括以下步骤：
S302，确定各第一测试题各自对应的难度级别、以及各第一测试题各自所属的知识点。
可以理解，计算机设备在构建与各个知识点对应的测试题库时，可根据该测试题所考察的知识点的数量和知识点的难度，确定与该测试题对应的难度级别。比如，预设难度级别包括1至10个级别，难度级别越高，表明该测试题越难，目标对象越不容易做对；难度级别越低，表明该测试题越简单，目标对象越容易做对。
在一个实施例中，计算机设备在构建与各个知识点对应的测试题库时，可预先计算测试题库中各测试题所对应的难度值，进而将计算得到的难度值转换成相对应的难度级别。可以理解，难度值越大，其映射成的难度级别也相对越高；难度值越小，其映射成的难度级别也相对越小。计算机设备可以通过逻辑回归算法和EM(Expectation Maximization，最大期望)算法来确定各个职业测试题的难度值。其中，逻辑回归算法是将各用户的答案对错进行分类。
其中，计算机设备可采用下面的方式计算各个测试题的难度值：
具体地，计算机设备可预先准备训练样本，这些训练样本包括多个用户样本、一些带有难度值的样本测试题。其中，此处的样本测试题的难度值可以由老师通过经验推算得到，并进行人为的设置。
接下来，可通过用户样本来对这些样本测试题进行测试，根据用户样本的响应(响应包括答对或答错)、以及这些样本测试题的难度值来计算得到各用户样本的能力值。各用户样本的能力值具体可以是知识点能力值，也可以是综合能力值。其中，关于能力值的具体计算方式，可参考后面的实施例中的相关内容。
进而，计算机设备可获取需要确定难度值的测试题，通过这多个用户样本分别对这些职业测试题进行测试，得到对应的响应。计算机设备可基于每个用户样本的能力值、对该样本测试题的响应、以及待计算的难度值构建对应的逻辑函数。然后将每个用户样本所对应的逻辑函数进行连乘运算，以构建难度模型，该难度模型实质上是一种函数。计算机设备可将使得该函数的值最大化时的难度值，作为该测试题的难度值。
下面来举例说明某个测试题的难度值的计算方式：第i个用户正确回答某道测试题的概率，遵从逻辑函数
(也可称作响应函数)，其中D为常量1.7，θi是第i个用户的能力值，b是测试题的难度值。对应的，错误回答某道测试题的概率为
(可称作响应函数)。其中，第i个用户对该题目的响应记为ui。如果用户的响应是正确的，则ui＝1。如果用户的响应是错误的，则ui＝0。n个用户对该题目的响应矢量为u＝<u1,u2,u3...un>。计算机设备对该测试题的响应为u的概率为
参考图4，图4为一个实施例中难度模型的原理示意图。当用户答对这个测试题时，在不同难度值下，用户的响应函数表现为图3中P2和P3类似的曲线；当用户答错这个测试题时，在不同难度值下，用户的响应函数表现为图3中Q1类似的曲线。其中，该响应函数反映了答对或答错的概率。计算机设备可将一组用户所对应的响应函数进行连乘运算，得到
也就是图3中的L(b)曲线。计算机设备可将该L(b)曲线的峰值所对应的难度值作为该测试题的难度值。
在一个实施例中，计算机设备根据所计算得到的每道测试题对应的难度值，确定对应的难度级别。比如计算机设备挑选的三个测试学生的能力值分别为0.07、0.25以及0.09，可得到各自对应的Pi和Qi的值。由于对应的响应分别为<0,1,1>，因而可得到，当
取得最大值时，对应的难度值b为-0.27，将该难度值进行标准化，可得到标准化后的难度值为0.43。比如，计算机设备可将此时标准化难度值为0.43的职业测试题的难度级别划分为4级，当然，计算机设备也可采用其他的方式进行级别的划分，本申请实施例对此不做限定。
S304，根据各知识点下的第一测试题分别对应的第一答题结果和难度级别，计算与各知识点分别对应的知识点能力值。
其中，第一答题结果具体可包括答案正确率，在其他的一些实施例下，还可包括答题时间等。与知识点对应的知识点能力值，用于反映目标对象对该知识点的掌握程度。可以理解，与某个知识点对应的知识点能力值越高，表明目标对象对该知识点的掌握程度越高；与某个知识点对应的知识点能力值越低，表明目标对象对该知识点的掌握程度越低。
在一个实施例中，步骤S304，也就是根据各知识点下的所述第一测试题分别对应的第一答题结果和难度级别，计算与各知识点分别对应的知识点能力值，包括：确定每个知识点分别对应的第一测试题；对于每个知识点，分别基于项目反映理论模型，根据各知识点所对应第一测试题的难度级别、第一答题结果、以及所述目标对象的能力值，确定与各知识点分别对应的目标函数；对于每个知识点，将使得相应目标函数最大化时的能力值，作为用于表征所述目标对象对所述知识点的掌握程度的知识点能力值。
具体地，计算机设备可通过以下方式来计算与各知识点分别对应的知识点能力值。比如，与某个知识点对应的第一测试题包括m道测试题，计算机设备可基于项目反映理论模型，根据各知识点所对应第一测试题的难度级别、第一答题结果、以及目标对象的能力值，确定与各知识点分别对应的目标函数。计算机设备可通过以下公式构建目标函数：
其中，Pj表示该目标对象正确回答第j道测试题的概率，
其中D为常量1.7，θ是第该目标对象的知识点能力值，bj是该知识点下属的第j道测试题的难度值(该难度值可通过难度级别转换得到)。对应的，错误回答某道测试题的概率为
其中，该目标对象对第j道题目的响应记为uj。如果目标对象的响应是正确的，则uj＝1。如果目标对象的响应是错误的，则uj＝0。计算机设备将使得L(θ)最大化时的θ的值作为该目标对象在该知识点下的知识点能力值。
比如，当目标对象对某知识点的5道测试题的各响应分别为u＝<0,1,1,0,1>，表示用户的第2题、3题和5题回答正确，第1题和4题回答错误。此时，计算机设备根据
求解目标对象的知识点能力值，具体可以是将L(θ)可以取到最大值时的θ作为目标对象在该知识点下的知识点能力值，或者将最大值时的θ再进行标准化处理后得到对应的知识点能力值，本申请实施例对此不做限定。比如，计算得到的θ为1.11，计算机设备可对该值进行标准化处理，得到对应的标准化后的知识点能力值为0.75。其中，标准化的处理方式可通过对
求导得到。其中，能力值的范围可以是0～1，或者其他范围，本申请实施例对此不做限定。
这样，对于每个知识点，均可基于项目反映理论模型，根据各知识点所对应第一测试题的难度级别、第一答题结果，来计算得到对应的知识点能力值，该知识点能力值可以准确的衡量目标对象对相应知识点的掌握程度，将抽象的能力反映到了具象化的数值上面，扩展了方案的应用。
在另一个实施例中，计算机设备可根据与各第一测试题分别对应的答题时间、答案正确率和难度级别，计算与各第一测试题分别对应的能力值。可以理解，答题时间与标准答题时间的差值与能力值呈负相关，也就是答题时间与标准答题时间越接近，相应的能力值越高；答案正确率与能力值呈正相关，也就是答案正确率越高，相应的能力值越高；难度级别与能力值呈正相关，也就是第一测试题的难度级别越高，相应的能力值越高。
在一个实施例中，计算机设备可通过对答题时间、答案正确率和难度级别进行运算，得到目标对象在该第一测试题上的能力值。比如，计算机设备可先计算答题时间与标准答题时间的时间差值，将答案正确率除以时间差值后，再乘以难度级别，得到对应的能力值。当然，计算机设备也可采用其他的计算方式计算能力值，只要该能力值与时间差值呈负相关、该能力值与答案正确率呈正相关、该能力值与难度级别呈正相关即可，本申请实施例对此不作限定。
S306，根据与各知识点分别对应的知识点能力值，确定目标对象在当前年级上的综合能力值。
具体地，计算机设备可根据各个知识点各自对应的权重和知识点能力值，计算得到目标对象在当前年级上的综合能力值。
在一个实施例中，计算机设备可根据各个知识点各自对应的权重和相应的知识点能力值，进行加权求和计算，得到目标对象在当前年级上的综合能力值。其中，各个知识点所对应的加权求和的系数可预先设置好，各个知识点所对应的加权求和的系数可以相同，也可以根据各个知识点的重要程度而有所差异，本申请实施例对此不做限定。这样，根据各个知识点各自对应的权重和相应的知识点能力值，可以准确地计算得到目标对象在当前年级上的综合能力值。
S308，根据预设时间段内目标对象已解答的多个第一测试题各自对应的答案正确率，确定目标对象在当前年级上的综合正答率。
具体地，计算机设备可根据预设时间段内目标对象已解答的多个第一测试题各自对应的答案正确率，确定目标对象在当前年级上的综合正答率。比如，计算机设备可将答案正确率大于等于预设阈值的第一测试题，作为目标对象解答正确的第一测试题；而将答案正确率小于预设阈值的第一测试题，作为目标对象解答错误的第一测试题。该预设阈值比如50％。进而，计算机设备可根据吗，目标对象解答正确的第一测试题的数量，与预设时间段内目标对象已解答的第一测试题的总数量的比值，作为得到目标对象在当前年级上的综合正答率。
上述实施例中，根据预设时间段内目标对象在解答多个第一测试题时的第一答题结果，可以准确地计算出与该目标对象对应的综合能力值和综合正答率。这样计算得到的综合能力值和综合正答率可以稳定的衡量目标对象当前所具备的学习能力。
举例说明，计算机设备可获取一段时间(比如5天内)该学生解答在当前年级的某个科目课程的第一测试题时，在各个第一测试题中所表现出的能力值，进而，计算机设备可对与多个第一测试题分别对应的能力值，评估该学生在当前年级的这门课上的综合能力值。该综合能力值可用于衡量学生对这个年级的这门课程的整体掌握情况。此外，计算机设备还可以记录这段时间内，该学生答题的对错情况，计算得到综合正答率。
步骤S208，根据目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与目标对象当前的学习能力相匹配的目标年级。
具体地，计算机设备可根据目标对象在当前年级上的综合能力值和/或综合正答率，来确定与目标对象当前的学习能力相匹配的目标年级。该目标年级具体可以是比当前年级要低的年级，也可以是当前年级。
在一个实施例中，计算机设备可根据综合正答率以及综合能力值来确定目标对象是否需要降级学习。具体可以是，当综合正答率小于第一阈值，以及综合能力值小于第二阈值中的至少一个条件满足时，计算机设备就可判定目标对象需要降级学习；否则与目标对象当前的学习能力相匹配的目标年级就是当前年级，也就是该目标对象可继续学习当前年级的这门课程。
在一个实施例中，当计算机设备判断目标对象需要降级学习时，计算机设备可根据该目标对象的综合能力值和综合正答率确定该目标对象具体需要降到哪个目标年级。
具体可以是，计算机设备根据综合正答率的大小，或综合能力值的大小，来确定与目标对象当前的学习能力相匹配的目标年级。比如，当目标对象的综合正答率低于80％，则降一个年级，该目标年级比当前年级低一个年级；当综合正答率低于70％，则降两个年级，也就是该目标年级比当前年级低两个年级。
步骤S210，当目标年级低于当前年级时，向目标对象推荐与目标年级相匹配的课程内容。
具体地，当与目标对象当前的学习能力相匹配的目标年级低于当前年级时，计算机设备可获取与目标年级相匹配的课程内容并推荐至目标对象。目标对象所在的用户终端则可展示并播放该课程内容，这样，目标对象就可根据推荐的课程内容进行有针对性的学习，以夯实基础知识。
在一个实施例中，当目标年级等于当前年级时，获取属于当前年级、且相应难度级别高于预设级别的拓展内容；将获取的拓展内容推荐给目标对象。
在一个实施例中，当与目标对象当前的学习能力相匹配的目标年级为当前年级时，说明该目标对象对知识点的掌握情况满足当前年级的要求，则不需要降级学习。计算机设备可向该目标对象推荐当前年级的拔高题，也就是难度级别更高的拓展内容，可帮助该目标对象提升学习能力。这样就可因材施教，对基础情况不同的目标对象，推荐与其当前学习能力相匹配的内容，可以提升用户对知识点的吸收率以及对知识点的掌握程度。
上述课程内容推荐方法，向目标对象推送与当前年级相匹配的第一测试题，以对目标对象的学习能力进行测试。根据目标对象在预设时间段内解答第一测试题时的第一答题结果，可以准确的确定目标对象在当前年级上的综合能力值和综合正答率。进而可根据综合能力值和综合正答率中的至少一种，判断该是否需要降级学习，当需要降级学习时则可向目标对象推荐与需要降级学习的目标年级相匹配的课程内容。这样，当目标对象对当前的知识点的掌握程度不够好时，可向该目标对象推荐更低年级的课程内容，可以有针对性地帮助目标对象进行打地基学习，夯实基础，有助于提升目标对象对课程内容的学习效果，使得推荐的课程内容更加贴合用户需求，大大提高了课程内容推荐的有效性。减少了因推荐不准确而产生的用户反复发起请求，减少了服务器与终端间的无效交互，可以减少用户终端的资源处理量和耗电量。
在一个实施例中，步骤S210，也就是当目标年级低于当前年级时，向目标对象推荐与目标年级相匹配的课程内容的步骤具体包括：当目标年级低于当前年级时，向目标对象推送与目标年级相匹配的第二测试题；第二测试题与目标年级的多个知识点相关；根据目标对象在解答第二测试题时的第二答题结果，确定目标对象在目标年级上未掌握的薄弱知识点；向目标对象推荐与薄弱知识点相关，且属于目标年级的课程内容。
具体地，当与该目标对象当前的学习能力相匹配的目标年级低于当前年级时，计算机设备可获取与目标年级相匹配的第二测试题，并向目标对象推送第二测试题。
当计算机设备是用户终端时，用户终端可直接展示第二测试题，并采集目标对象在解答各个第二测试题时的第二答题结果。若该计算机设备是服务器，服务器可将第二测试题发送至用户终端，使得用户终端展示第二测试题，并采集目标对象在解答各个第二测试题时的第二答题结果。用户终端可将第二答题结果反馈至服务器。
进一步地，当计算机设备获取到目标对象在解答第二测试题时的第二答题结果后，可根据第二答题结果计算与各个第二测试题对应的能力值。其中，与每个第二测试题对应的能力值的计算方式可参考前述实施例中基于第一答题结果计算与第一测试题对应的能力值的计算方式，本申请实施例在此不再赘述。
可以理解，每个第二测试题都可用于测试目标对象对一个或多个知识点的掌握情况，因而，每个第二测试题都会对应一个或多个知识点。进而，对于目标年级中的每个知识点，计算机设备可确定与该知识点对应的所有的第二测试题，进而根据与该知识点对应的所有的第二测试题各自对应的能力值，计算与该知识点对应的知识点能力值。其中，知识点能力值的计算方式，具体可以是对属于同一个知识点的第二测试题所对应的能力值进行求和或求平均值计算等，本申请实施例对此不作限定。
进一步地，计算机设备可根据目标对象在目标年级中各个知识点上的知识点能力值，确定目标对象在目标年级上未掌握的薄弱知识点。比如，计算机设备可将相应知识点能力值低于阈值的知识点，作为该目标对象在目标年级上未掌握的知识点，也就是薄弱知识点，需要重新学习。进而计算机设备可有针对性的向该目标对象推送与薄弱知识点相关，且属于目标年级的课程内容。
上述实施例中，当确定目标对象需要降级学习时，可通过第二测试题找出目标对象未掌握的薄弱知识点，从而向目标对象推荐与薄弱知识点相关的课程内容。这样，通过打地基的学习方式，当目标对象在学习当前年级的课程较为吃力时，可以退回到低年级，找到自己的薄弱知识点有针对性的学习，一步一步夯实基础，从而提高学习效率。
在一个实施例中，第一测试题与当前年级的多个知识点相关。步骤S210，也就是当目标年级低于当前年级时，向目标对象推荐与目标年级相匹配的课程内容的步骤，具体包括：当目标年级低于当前年级时，根据各第一测试题所对应的第一答题结果，确定目标对象在当前年级上与各知识点分别的知识点能力值；根据知识点能力值，从与当前年级的多个知识点中筛选出目标对象在当前年级上未掌握的关键知识点；根据目标对象在当前年级上未掌握的关键知识点，从知识点图谱中追溯到目标年级中与关键知识点相关联的薄弱知识点，作为目标对象在目标年级上未掌握的薄弱知识点；向目标对象推荐与薄弱知识点相关，且属于目标年级的课程内容。
具体地，计算机设备可根据各个第一测试题各自对应的第一答题结果，计算与各个第一测试题对应的能力值。可以理解，每个第一测试题都可用于测试目标对象对一个或多个知识点的掌握情况，因而，每个第一测试题都会对应一个或多个知识点。进而，对于每个知识点，计算机设备可确定与该知识点对应的所有的第一测试题，进而根据与该知识点对应的所有的第一测试题各自对应的能力值，计算与该知识点对应的知识点能力值。
进一步地，计算机设备可根据目标对象在当前年级的各个知识点上的知识点能力值，确定目标对象在当前年级上未掌握的关键知识点。比如，计算机设备可将相应知识点能力值低于阈值的知识点，作为该目标对象在当前年级未掌握的知识点，也就是关键知识点。进而，按照预先建立的知识点图谱，计算机设备可追溯到目标年级中与各个关键知识点相关联的知识点，这些追溯到的相关联的知识点，也可以认为是目标对象未掌握的薄弱知识点，需要重新学习。进而计算机设备可有针对性的向该目标对象推送与薄弱知识点相关，且属于目标年级的课程内容。
需要说明的是，知识点图谱反映了不同知识点间的关联联系，对于不同年级所对应的知识点，往往是有关联关系的。比如，知识点A是小学5年级需要掌握的知识点；知识点D是小学6年级需要掌握的知识点。而知识点A是知识点D的基础知识点，那么在知识点图谱中知识点A和知识点D之间就具有关联关系，如果某个学生未掌握知识点D，那么可以通过追根溯源的方式查找到与知识点D相关，且更基础的知识点A，可以推测该学生可能也未掌握该知识点A。那么就可向该学生推荐与知识点A相关的学习内容，在学生掌握了知识点A后再学习知识点D就会更高效一些。
在一个实施例中，计算机设备通过知识点图谱查找到与关键知识点相关的知识点后，可基于查找到的知识点确定相匹配的，且属于当前年级的第二测试题，通过第二测试题进一步筛选目标对象未掌握的薄弱知识，可以缩小范围，快速且准确的定位到目标对象在目标年级上未掌握的薄弱知识点。
上述实施例中，当判定目标对象需要降级时，可根据该目标对象在当前年级测试的知识点的知识点能力值的情况，找到该目标对象在当前年级的未掌握的关键知识点。再根据知识点图谱，追溯到目标年级中与相应关键知识点相关联的薄弱知识点。进而可优先向目标对象推送追溯到的与薄弱知识点相关的课程内容，从基础开始补习，提高目标对象的学习效率。
在一个实施例中，该课程内容推荐方法还包括升级课程内容推荐的步骤，该步骤具体包括：在目标对象学习属于目标年级的课程内容之后，向目标对象推送与目标年级相匹配的第三测试题；根据目标对象在解答第三测试题时的第三答题结果，确定目标对象在目标年级上的综合能力值和综合正答率；当根据目标对象在目标年级上的综合能力值和综合正答率中的至少一种确定满足升级条件时，向目标对象推荐比目标年级高一个年级的中间年级的课程内容；中间年级不高于当前年级。
具体地，在目标对象学习了与目标年级对应的课程内容之后，计算机设备可向该目标对象推送相应的第三测试题。进而，计算机设备可根据目标对象在解答各个第三测试题时的第三答题结果，确定目标对象在目标年级上的综合能力值和综合正答率。其中，关于目标对象在目标年级上的综合能力值和综合正答率的计算方式，可参考前述实施例中提及的根据第一答题结果确定目标对象在当前年级上的综合能力值和综合正答率的计算方式，本申请实施例在此不再赘述。
当计算机设备根据目标对象在目标年级上的综合能力值和综合正答率中的至少一种确定满足升级条件时，计算机设备可向目标对象推荐比目标年级高一个年级的中间年级的课程内容，该中间年级不高于当前年级。这样，目标对象在满足升级条件时刻一级一级的升级学习，直到升到当前年级为止。
其中，根据目标对象在目标年级上的综合能力值和综合正答率中的至少一种确定满足升级条件，具体可以是综合能力值大于预设的某个阈值(比如80％)，或者综合正答率大于预设的某个阈值(比如80％，或其他的数值)，在这种情况下，可以认为该目标对象掌握了目标年级的相关的知识点。
在一个实施例中，当计算机设备在确定目标对象满足升级条件时，可向目标对象与中间年级相关的第四测试题，以测试目标用户在中间年级上的未掌握的薄弱知识点，从而计算机设备向目标对象推荐与中间年级相关的，且与薄弱知识点相关的课程内容。
举例说明，某个学生当前为小学5年级，当需要降级到小学3年级进行学习时，如果测试表明该学生已经掌握了3年级的知识点了，那么该学生可升级到4年级。计算机设备向该学生推荐4年级的测试题，查找该学生在4年级上的薄弱知识点，从而向该学生推荐相应的课程内容。学生学习结束后会再进行测试，来判断是否掌握了相应知识点。如果掌握了就升级到5年级，未掌握的话继续学习或降到3年级。
上述实施例中，当目标对象在学习了属于目标年级的课程内容，当前的学习能力符合升级条件时，可向该目标对象推送高一个年级的课程内容，以帮助该目标对象进行有针对性的学习。这样，就可以一层一层的进行补习，直至该学生的知识水平达到当前年级的水平，大大提高了目标对象的学习效率和学习效果。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种课程内容推荐装置500，包括：推送模块501、获取模块502和确定模块503，其中：
推送模块501，用于确定与目标对象对应的当前年级，并向目标对象推送与当前年级相匹配的第一测试题。
获取模块502，用于获取目标对象在解答第一测试题时的第一答题结果。
确定模块503，用于根据预设时间段内与目标对象对应的第一答题结果，确定目标对象在当前年级上的综合能力值和综合正答率。
确定模块503，还用于根据目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与目标对象当前的学习能力相匹配的目标年级。
推送模块501，还用于当目标年级低于当前年级时，向目标对象推荐与目标年级相匹配的课程内容。
在一个实施例中，第一测试题与当前年级的多个知识点相关；确定模块503，还用于确定各第一测试题各自对应的难度级别、以及各第一测试题各自所属的知识点；根据各知识点下的第一测试题分别对应的第一答题结果和难度级别，计算与各知识点分别对应的知识点能力值；根据与各知识点分别对应的知识点能力值，确定目标对象在当前年级上的综合能力值；根据预设时间段内目标对象已解答的多个第一测试题各自对应的答案正确率，确定目标对象在当前年级上的综合正答率。
在一个实施例中，确定模块503，还用于确定每个知识点分别对应的第一测试题；对于每个知识点，分别基于项目反映理论模型，根据各知识点所对应第一测试题的难度级别、第一答题结果、以及目标对象的能力值，确定与各知识点分别对应的目标函数；对于每个知识点，将使得相应目标函数最大化时的能力值，作为用于表征目标对象对知识点的掌握程度的知识点能力值。
在一个实施例中，推送模块501，还用于当目标年级低于当前年级时，向目标对象推送与目标年级相匹配的第二测试题；第二测试题与目标年级的多个知识点相关；根据目标对象在解答第二测试题时的第二答题结果，确定目标对象在目标年级上未掌握的薄弱知识点；向目标对象推荐与薄弱知识点相关，且属于目标年级的课程内容。
在一个实施例中，第一测试题与当前年级的多个知识点相关。推送模块501，还用于当目标年级低于当前年级时，根据各第一测试题所对应的第一答题结果，确定目标对象在当前年级上与各知识点分别的知识点能力值；根据知识点能力值，从与当前年级的多个知识点中筛选出目标对象在当前年级上未掌握的关键知识点；根据目标对象在当前年级上未掌握的关键知识点，从知识点图谱中追溯到目标年级中与关键知识点相关联的薄弱知识点，作为目标对象在目标年级上未掌握的薄弱知识点；向目标对象推荐与薄弱知识点相关，且属于目标年级的课程内容。
在一个实施例中，推送模块501，还用于在目标对象学习属于目标年级的课程内容之后，向目标对象推送与目标年级相匹配的第三测试题；根据目标对象在解答第三测试题时的第三答题结果，确定目标对象在目标年级上的综合能力值和综合正答率；当根据目标对象在目标年级上的综合能力值和综合正答率中的至少一种确定满足升级条件时，向目标对象推荐比目标年级高一个年级的中间年级的课程内容；中间年级不高于当前年级。
在一个实施例中，推送模块501，还用于当目标年级等于当前年级时，获取属于当前年级、且相应难度级别高于预设级别的拓展内容；将获取的拓展内容推荐给目标对象。
上述课程内容推荐装置，向目标对象推送与当前年级相匹配的第一测试题，以对目标对象的学习能力进行测试。根据目标对象在预设时间段内解答第一测试题时的第一答题结果，可以准确的确定目标对象在当前年级上的综合能力值和综合正答率。进而可根据综合能力值和综合正答率中的至少一种，判断该是否需要降级学习，当需要降级学习时则可向目标对象推荐与需要降级学习的目标年级相匹配的课程内容。这样，当目标对象对当前的知识点的掌握程度不够好时，可向该目标对象推荐更低年级的课程内容，可以有针对性地帮助目标对象进行打地基学习，夯实基础，有助于提升目标对象对课程内容的学习效果，使得推荐的课程内容更加贴合用户需求，大大提高了课程内容推荐的有效性。
关于课程内容推荐装置的具体限定可以参见上文中对于课程内容推荐方法的限定，在此不再赘述。上述课程内容推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器或者终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种课程内容推荐方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种课程内容推荐方法，其特征在于，所述方法包括：
确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取所述目标对象在解答所述第一测试题时的第一答题结果；
根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
2.根据权利要求1所述的方法，其特征在于，所述第一测试题与所述当前年级的多个知识点相关；所述根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率，包括：
确定各所述第一测试题各自对应的难度级别、以及各第一测试题各自所属的知识点；
根据各知识点下的所述第一测试题分别对应的第一答题结果和难度级别，计算与各知识点分别对应的知识点能力值；
根据与各知识点分别对应的知识点能力值，确定所述目标对象在当前年级上的综合能力值；
根据预设时间段内所述目标对象已解答的多个第一测试题各自对应的答案正确率，确定所述目标对象在当前年级上的综合正答率。
3.根据权利要求2所述的方法，其特征在于，所述根据各知识点下的所述第一测试题分别对应的第一答题结果和难度级别，计算与各知识点分别对应的知识点能力值，包括：
确定每个知识点分别对应的第一测试题；
对于每个知识点，分别基于项目反映理论模型，根据各知识点所对应第一测试题的难度级别、第一答题结果、以及所述目标对象的能力值，确定与各知识点分别对应的目标函数；
对于每个知识点，将使得相应目标函数最大化时的能力值，作为用于表征所述目标对象对所述知识点的掌握程度的知识点能力值。
4.根据权利1所述的方法，其特征在于，所述当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容，包括：
当所述目标年级低于所述当前年级时，向所述目标对象推送与所述目标年级相匹配的第二测试题；所述第二测试题与所述目标年级的多个知识点相关；
根据所述目标对象在解答所述第二测试题时的第二答题结果，确定所述目标对象在目标年级上未掌握的薄弱知识点；
向所述目标对象推荐与所述薄弱知识点相关，且属于目标年级的课程内容。
5.根据权利要求1所述的方法，其特征在于，所述第一测试题与所述当前年级的多个知识点相关；所述当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容，包括：
当所述目标年级低于所述当前年级时，根据各第一测试题所对应的第一答题结果，确定所述目标对象在当前年级上与各知识点分别的知识点能力值；
根据所述知识点能力值，从与所述当前年级的多个知识点中筛选出所述目标对象在当前年级上未掌握的关键知识点；
根据所述目标对象在当前年级上未掌握的关键知识点，从知识点图谱中追溯到目标年级中与所述关键知识点相关联的薄弱知识点，作为所述目标对象在目标年级上未掌握的薄弱知识点；
向所述目标对象推荐与所述薄弱知识点相关，且属于目标年级的课程内容。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述目标对象学习属于所述目标年级的课程内容之后，向所述目标对象推送与所述目标年级相匹配的第三测试题；
根据所述目标对象在解答所述第三测试题时的第三答题结果，确定所述目标对象在目标年级上的综合能力值和综合正答率；
当根据所述目标对象在目标年级上的综合能力值和综合正答率中的至少一种确定满足升级条件时，向所述目标对象推荐比所述目标年级高一个年级的中间年级的课程内容；所述中间年级不高于所述当前年级。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
当所述目标年级等于所述当前年级时，获取属于所述当前年级、且相应难度级别高于预设级别的拓展内容；
将获取的所述拓展内容推荐给所述目标对象。
8.一种课程内容推荐装置，其特征在于，所述装置包括：
推送模块，用于确定与目标对象对应的当前年级，并向所述目标对象推送与所述当前年级相匹配的第一测试题；
获取模块，用于获取所述目标对象在解答所述第一测试题时的第一答题结果；
确定模块，用于根据预设时间段内与所述目标对象对应的第一答题结果，确定所述目标对象在当前年级上的综合能力值和综合正答率；
所述确定模块，还用于根据所述目标对象在当前年级上的综合能力值和综合正答率中的至少一种，确定与所述目标对象当前的学习能力相匹配的目标年级；
所述推送模块，还用于当所述目标年级低于所述当前年级时，向所述目标对象推荐与所述目标年级相匹配的课程内容。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010516722.8A CN111651677B (zh) | 2020-06-09 | 2020-06-09 | 课程内容推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010516722.8A CN111651677B (zh) | 2020-06-09 | 2020-06-09 | 课程内容推荐方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111651677A true CN111651677A (zh) | 2020-09-11 |
| CN111651677B CN111651677B (zh) | 2023-05-30 |
Family
ID=72349033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010516722.8A Active CN111651677B (zh) | 2020-06-09 | 2020-06-09 | 课程内容推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111651677B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131427A (zh) * | 2020-09-29 | 2020-12-25 | 北京爱论答科技有限公司 | 一种练习套题的获取方法及系统 |
| CN112860756A (zh) * | 2021-04-23 | 2021-05-28 | 平安科技（深圳）有限公司 | 基于习题测试的学习资源推荐方法、装置及计算机设备 |
| CN113378044A (zh) * | 2021-06-04 | 2021-09-10 | 苏州众言网络科技股份有限公司 | 题目匹配方法及平台 |
| CN114254122A (zh) * | 2021-12-13 | 2022-03-29 | 京东方数字科技有限公司 | 测试题的生成方法、装置、电子设备和可读存储介质 |
| CN117035693A (zh) * | 2023-09-28 | 2023-11-10 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
| CN108763342A (zh) * | 2018-05-14 | 2018-11-06 | 北京比特智学科技有限公司 | 学习资源分配方法和装置 |
| 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 |
| CN110688574A (zh) * | 2019-09-25 | 2020-01-14 | 湖南新云网科技有限公司 | 一种学习内容推荐的方法、系统、设备及可读存储介质 |
-
2020
- 2020-06-09 CN CN202010516722.8A patent/CN111651677B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
| CN108763342A (zh) * | 2018-05-14 | 2018-11-06 | 北京比特智学科技有限公司 | 学习资源分配方法和装置 |
| 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 |
| CN110688574A (zh) * | 2019-09-25 | 2020-01-14 | 湖南新云网科技有限公司 | 一种学习内容推荐的方法、系统、设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 季益龙;张闪闪;赵俞凌;: "基于微课程的自主学习系统设计与实现――以计算机编程类课程为例" * |
| 谭忠兵;罗回彬;刘丽;李嘉明;卢学文;: "基于微信的计算机应用基础课程练习与测试系统设计" * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112131427A (zh) * | 2020-09-29 | 2020-12-25 | 北京爱论答科技有限公司 | 一种练习套题的获取方法及系统 |
| CN112131427B (zh) * | 2020-09-29 | 2023-11-03 | 北京爱论答科技有限公司 | 一种练习套题的获取方法及系统 |
| CN112860756A (zh) * | 2021-04-23 | 2021-05-28 | 平安科技（深圳）有限公司 | 基于习题测试的学习资源推荐方法、装置及计算机设备 |
| CN113378044A (zh) * | 2021-06-04 | 2021-09-10 | 苏州众言网络科技股份有限公司 | 题目匹配方法及平台 |
| CN114254122A (zh) * | 2021-12-13 | 2022-03-29 | 京东方数字科技有限公司 | 测试题的生成方法、装置、电子设备和可读存储介质 |
| CN117035693A (zh) * | 2023-09-28 | 2023-11-10 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
| CN117035693B (zh) * | 2023-09-28 | 2024-02-09 | 北京未来基因教育科技有限公司 | 一种课程生成方法、装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111651677B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111651677B (zh) | 课程内容推荐方法、装置、计算机设备和存储介质 | |
| US10885803B2 (en) | System and method for real-time analysis and guidance of learning | |
| US10354544B1 (en) | Predicting student proficiencies in knowledge components | |
| CN110472060B (zh) | 题目推送方法、装置、计算机设备和存储介质 | |
| CN111651676B (zh) | 基于能力模型进行职业推荐的方法、装置、设备和介质 | |
| CN112508334B (zh) | 融合认知特性及试题文本信息的个性化组卷方法及系统 | |
| CN111179675A (zh) | 个性化练习题推荐方法、系统、计算机设备以及存储介质 | |
| CN111858906B (zh) | 习题推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN112184089B (zh) | 试题难度预测模型的训练方法、装置、设备及存储介质 | |
| Jere | Investigating university academics behavioural intention in the adoption of e-learning in a time of COVID-19 | |
| CN111159419A (zh) | 基于图卷积的知识追踪数据处理方法、系统和存储介质 | |
| CN113409174A (zh) | 知识点测评方法和装置 | |
| CN106485585A (zh) | 用于等级评定的方法及系统 | |
| CN110209797A (zh) | 英语分级阅读材料自动推荐方法及装置 | |
| CN114429212A (zh) | 智能学习知识能力跟踪方法、电子设备及存储介质 | |
| JP2018205354A (ja) | 学習支援装置、学習支援システム及びプログラム | |
| CN108073603B (zh) | 作业分发方法及装置 | |
| CN114254122A (zh) | 测试题的生成方法、装置、电子设备和可读存储介质 | |
| CN111932160A (zh) | 知识掌握信息处理方法、装置、计算机设备及存储介质 | |
| CN112419815A (zh) | 一种学习路径的规划方法及装置 | |
| CN111898803A (zh) | 一种习题预测方法、系统、设备及存储介质 | |
| CN111553555A (zh) | 培训方法、装置、计算机设备和存储介质 | |
| CN111062626A (zh) | 能力水平评估方法、装置、设备及存储介质 | |
| CN114357297A (zh) | 学生画像构建及学习资源分发方法、计算机设备及存储介质 | |
| US20230360552A1 (en) | Method, apparatus, device and medium for information updating |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai, 200030 Applicant after: Shanghai squirrel classroom Artificial Intelligence Technology Co.,Ltd. Address before: 9 / F and 10 / F, building 2, No. 188, Yizhou Road, Xuhui District, Shanghai, 200030 Applicant before: SHANGHAI YIXUE EDUCATION TECHNOLOGY Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |