CN111831919A - 课程规划方法、装置、存储介质及系统 - Google Patents
课程规划方法、装置、存储介质及系统 Download PDFInfo
- Publication number
- CN111831919A CN111831919A CN202010731742.7A CN202010731742A CN111831919A CN 111831919 A CN111831919 A CN 111831919A CN 202010731742 A CN202010731742 A CN 202010731742A CN 111831919 A CN111831919 A CN 111831919A
- Authority
- CN
- China
- Prior art keywords
- course
- systems
- planning
- class
- weak
- 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 46
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 230000004044 response Effects 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
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q50/2053—Education institution selection, admissions, or financial aid
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种课程规划方法、装置、存储介质及系统，方法包括：获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成；读取学生的知识点掌握度；根据所述知识点掌握度，规划不同类型的课程体系；将规划好的不同类型的课程体系存储至搜索服务器。本发明的方法结合BKT和课程体系推荐的算法，减少了繁琐的人工分析和筛选工作，进一步体现了人工智能时代的产物的优势；而且在一定程度上提升了推荐课程的合理性，使得推荐给学生的课程更具效果。
Description
技术领域
本发明涉及智能教研教学技术领域，具体涉及一种课程规划方法、装置、存储介质及系统。
背景技术
在在线教育领域中，如何提高一个学生的成绩是非常关键的，这样是可以直接体现教育产品的优势的。为了提高学生的成绩，往往需要去从历史库的数据中进行分析比对，综合考虑多种因素，但现有工作基本上都离不开人工去分析和筛选，这种方法不仅花费大量的人力和时间成本，而且跟现在快速的迭代速度格格不入，毕竟时间是最宝贵的资源，而且持续的人工分析工作也很容易出现一些遗漏情况。
发明内容
针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种针对不同年级学科推荐合适的课程体系的课程规划方法、装置、存储介质及系统，实时、准确地为学生推荐课程体系。
为实现上述目的，第一方面，本发明实施例提供了一种课程规划方法，包括：
获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成；
读取学生的知识点掌握度；
根据所述知识点掌握度，规划不同类型的课程体系；
将规划好的不同类型的课程体系存储至搜索服务器。
进一步，所述学生的知识点掌握度通过BKT模型计算得到。
进一步，所述不同类型的课程体系，具体包括：薄弱类课程体系、新知类课程体系和补足类课程体系；其中
所述薄弱类课程体系的推荐方法为：
以当前月份为准，往前推6个月，依据时间和年级排序模型，计算6个月内所有课程体系的知识点掌握度；
对知识点掌握度进行升序排序，从中筛选出知识点掌握度最低的5个课程体系记为薄弱课程体系，若不满5个，则记为X个，其中X为实际的课程体系的个数；
所述新知类课程体系的推荐方法为：
以当前月份为准，往后推6个月，取40-X个课程体系为新知类课程体系；
所述补足类课程体系推荐方法为：
若薄弱类课程体系和新知类课程体系所选取的课程体系不满40个，则以当前月份为准，按月往前推依次取课程体系，取到总数满40个为止。
进一步，所述学生学习信息包括：学生id、学科、年级和教材版本。
进一步，在规划不同类型的课程体系之后，还包括：
接收客户端发送的课程体系获取请求；
根据所述课程体系获取请求查询所述搜索服务器以得到查询结果；
将所述查询结果实时发送至所述客户端。。
第二方面，本发明实施例提供了一种课程规划装置，包括课程体系筛选模块和课程体系规划模块；其中
所述课程体系筛选模块用于获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成；
所述课程体系规划模块用于：
读取学生的知识点掌握度；
根据所述知识点掌握度，规划不同类型的课程体系；
将规划好的不同类型的课程体系存储至搜索服务器。
进一步，所述学生的知识点掌握度通过BKT模型计算得到。
进一步，所述不同类型的课程体系，具体包括：薄弱类课程体系、新知类课程体系和补足类课程体系；其中
所述薄弱类课程体系的推荐方法为：
以当前月份为准，往前推6个月，依据时间和年级排序模型，计算6个月内所有课程体系的知识点掌握度；
对知识点掌握度进行升序排序，从中筛选出知识点掌握度最低的5个课程体系记为薄弱课程体系，若不满5个，则记为X个，其中X为实际的课程体系的个数；
所述新知类课程体系的推荐方法为：
以当前月份为准，往后推6个月，取40-X个课程体系为新知类课程体系；
所述补足类课程体系推荐方法为：
若薄弱类课程体系和新知类课程体系所选取的课程体系不满40个，则以当前月份为准，按月往前推依次取课程体系，取到总数满40个为止。
进一步，所述学生学习信息包括：学生id、学科、年级和教材版本。
第三方面，本发明实施例提供了另一种课程规划装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行第一方面所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
第五方面，本发明实施例还提供了一种课程规划系统，包括课程规划装置、接口服务器、搜索服务器及客户端，所述接口服务器分别与所述搜索服务器和客户端通信，所述课程规划装置与所述搜索服务器通信。其中，该课程规划装置如上述第三方面所述。
实施本发明实施例，结合BKT和课程体系推荐的算法，减少了繁琐的人工分析和筛选工作，进一步体现了人工智能时代的产物的优势。而且在一定程度上提升了推荐课程的合理性，使得推荐给学生的课程更具效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的课程规划方法的流程示意图；
图2是本发明实施例提供的课程规划系统的结构示意图；
图3是图2所示课程规划装置的一种结构示意图；
图4是课程规划装置的另一种结构示意图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到所描述条件或事件”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到所描述条件或事件”或“响应于检测到所描述条件或事件”。
本发明的发明构思是：为克服现有的人工从历史库的数据中进行分析、比对、筛选效率低下的问题，通过结合BKT和课程体系推荐的算法，减少繁琐的人工分析和筛选工作，在一定程度上提升了推荐课程的合理性，使得推荐给学生的课程更具效果，能够稳定提升学生成绩。
请参考图1，本发明实施例提供的课程规划方法包括：
S101：获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成。
在对学生进行课程规划之前，学生先要进行测评。学生上完测评课后，利用大数据技术，将课程体系数据从hive库中落到elasticsearch集群，得到预设的课程集群。elasticsearch是一种nosql数据库，更是一种高性能的搜索引擎，可以支撑高并发以及亿万级别的数据存储，也可以横向扩展，提升系统性能。
在对学生规划对应的课程体系时，需要获取到的学生学习信息包括学生id、学科、年级和教材版本。例如，学生姓名、学生学号、数学学科、初二年级，使用的教材为人教版教材。通过学生学习从预设的课程集群中筛选出对应的课程体系后，课程体系内的知识点按照教材知识体系或者学习时间顺序排序。
S102：读取学生的知识点掌握度。
学生的知识点掌握度通过BKT模型计算得到，存储在redis库中。BKT模型算法是基于贝叶斯网络的学生知识点追踪模型。
BKT是对不同的的知识点进行建模的，理论上来说，训练数据有多少个知识点，就有多少组对应的(L0,T,G,S)参数，其中，L0表示学生的未开始做这道题目时，或者未开始连续这项知识点的时候，学生的掌握程度如何(即掌握这个知识点的概率是多少)，一般可以从训练数据里面求平均值获得，也可以使用经验，比如一般来说掌握的程度是对半概率，那么L0＝0.5；T表示学生经过做题练习后，知识点从不会到学会的概率；G表示学生没掌握这项知识点，但是还是猜对的概率；S表示学生实际上掌握了这项知识点，但是还是给做错了的概率。通过这4个参数，可以构造一个BKT模型，然后对这个BKT模型进行训练之后，最终可以用于判断学生对于相应的知识点的掌握程度。
S103：根据所述知识点掌握度，规划不同类型的课程体系。
具体的，所述不同类型的课程体系，具体包括：薄弱类课程体系、新知类课程体系和补足类课程体系。
所述薄弱类课程体系的推荐方法为：
以当前月份为准，往前推6个月，依据时间和年级排序模型，计算6个月内所有课程体系的知识点掌握度；
对知识点掌握度进行升序排序，从中筛选出知识点掌握度最低的5个课程体系记为薄弱课程体系，若不满5个，则记为X个，其中X为实际的课程体系的个数。
这里取数据可能存在跨年级但不会跨学段，比如当前是初二上学期，往前推6个月时间，可能就会到初一下学期，但不会从初一下学期跨到小学6年级。
所述新知类课程体系的推荐方法为：
以当前月份为准，往后推6个月，取40-X个课程体系为新知类课程体系。
所述补足类课程体系推荐方法为：
若薄弱类课程体系和新知类课程体系所选取的课程体系不满40个，则以当前月份为准，按月往前推依次取课程体系，取到总数满40个为止。
若前两种课程体系选取的课程体系不满40个，从当前的月份往前推，例如当前月份是8月份，按月往前推就是在7月份、6月份依次取课程体系，直到取到课程体系总数满40个为止。
S104：将规划好的不同类型的课程体系存储至搜索服务器。
S105：接收客户端发送的课程体系获取请求；
S106：根据所述课程体系获取请求查询所述搜索服务器以得到查询结果；
S107：将所述查询结果实时发送至所述客户端。
教师或者学生通过客户端向接口服务器发送课程体系获取请求，课程体系获取请求中至少包括学生姓名、学生id等基本信息。接口服务器根据课程体系获取请求提取搜索服务器内对应的规划好的不同类型的课程体系，将查询结果实时地发送至客户端。
最后，客户端将返回的数据展示给用户。查询到的结果可以显示在教师的客户端中，帮助老师调研和备课。查询的结果也可以展示给学生和家长，综合平台其它系统了解的学生知识点掌握程度等信息，帮助学生了解其知识的薄弱点和需要突破的重点，为其建立针对的课外辅导和复习方案。
从以上描述可以看出，实施本发明实施例的课程规划方法，结合BKT和课程体系推荐的算法，减少了繁琐的人工分析和筛选工作，进一步体现了人工智能时代的产物的优势。而且在一定程度上提升了推荐课程的合理性，使得推荐给学生的课程更具效果。
基于相同的发明构思，本发明实施例提供了一种课程规划系统。如图2所示，该系统包括课程规划装置100、接口服务器200、搜索服务器300及客户端400，所述接口服务器200分别与所述搜索服务器300和客户端400通信，所述课程规划装置100与所述搜索服务器300通信。
进一步的，如图3所示，作为本发明一种优选的实施方式，课程规划装置100包括课程体系筛选模块10、课程体系规划模块11和查询模块12。
其中，课程体系筛选模块10具体用于：
获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成。
课程体系规划模块11具体用于：
读取学生的知识点掌握度；
根据所述知识点掌握度，规划不同类型的课程体系；
将规划好的不同类型的课程体系存储至搜索服务器300。
查询模块12具体用于：
接收客户端400发送的课程体系获取请求；
根据所述课程体系获取请求查询所述搜索服务器300以得到查询结果；
将所述查询结果实时发送至所述客户端400。
可选地，如图4所示，在本发明的另一优选实施例中，课程规划装置可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述课程规划方法实施例部分的方法。
应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的课程规划方法方法的实施例中所描述的实现方式，在此不再赘述。
需要说明的是，关于本实施例中课程规划系统及装置的更为具体的工作流程，请参考前述方法实施例部分，在此不再赘述。
进一步地，对应于前述方法实施例部分，本发明实施例还提供了一种可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现上述课程规划方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。另外，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，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
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，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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，或者该技术方案的全部或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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种课程规划方法，其特征在于，包括：
获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成；
读取学生的知识点掌握度；
根据所述知识点掌握度，规划不同类型的课程体系；
将规划好的不同类型的课程体系存储至搜索服务器。
2.根据权利要求1所述的一种课程规划方法，其特征在于，所述学生的知识点掌握度通过BKT模型计算得到。
3.根据权利要求1所述的一种课程规划方法，其特征在于，所述不同类型的课程体系，具体包括：薄弱类课程体系、新知类课程体系和补足类课程体系；其中
所述薄弱类课程体系的推荐方法为：
以当前月份为准，往前推6个月，依据时间和年级排序模型，计算6个月内所有课程体系的知识点掌握度；
对知识点掌握度进行升序排序，从中筛选出知识点掌握度最低的5个课程体系记为薄弱课程体系，若不满5个，则记为X个，其中X为实际的课程体系的个数；
所述新知类课程体系的推荐方法为：
以当前月份为准，往后推6个月，取40-X个课程体系为新知类课程体系；
所述补足类课程体系推荐方法为：
若薄弱类课程体系和新知类课程体系所选取的课程体系不满40个，则以当前月份为准，按月往前推依次取课程体系，取到总数满40个为止。
4.根据权利要求1所述的一种课程规划方法，其特征在于，所述学生学习信息包括：学生id、学科、年级和教材版本。
5.根据权利要求1所述的一种课程规划方法，其特征在于，在规划不同类型的课程体系之后，还包括：
接收客户端发送的课程体系获取请求；
根据所述课程体系获取请求查询所述搜索服务器以得到查询结果；
将所述查询结果实时发送至所述客户端。
6.一种课程规划装置，其特征在于，包括课程体系筛选模块和课程体系规划模块；其中
所述课程体系筛选模块用于获取学生学习信息，根据所述学生学习信息从预设的课程集群中筛选出对应的课程体系，所述课程体系由多个知识点组成；
所述课程体系规划模块用于：
读取学生的知识点掌握度；
根据所述知识点掌握度，规划不同类型的课程体系；
将规划好的不同类型的课程体系存储至搜索服务器。
7.根据权利要求6所述的一种课程规划装置，其特征在于：所述学生的知识点掌握度通过BKT模型计算得到。
8.根据权利要求6所述的一种课程规划装置，其特征在于：所述不同类型的课程体系，具体包括：薄弱类课程体系、新知类课程体系和补足类课程体系；其中
所述薄弱类课程体系的推荐方法为：
以当前月份为准，往前推6个月，依据时间和年级排序模型，计算6个月内所有课程体系的知识点掌握度；
对知识点掌握度进行升序排序，从中筛选出知识点掌握度最低的5个课程体系记为薄弱课程体系，若不满5个，则记为X个，其中X为实际的课程体系的个数；
所述新知类课程体系的推荐方法为：
以当前月份为准，往后推6个月，取40-X个课程体系为新知类课程体系；
所述补足类课程体系推荐方法为：
若薄弱类课程体系和新知类课程体系所选取的课程体系不满40个，则以当前月份为准，按月往前推依次取课程体系，取到总数满40个为止。
9.根据权利要求6所述的一种课程规划装置，其特征在于：所述学生学习信息包括：学生id、学科、年级和教材版本。
10.一种课程规划装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010731742.7A CN111831919A (zh) | 2020-07-27 | 2020-07-27 | 课程规划方法、装置、存储介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010731742.7A CN111831919A (zh) | 2020-07-27 | 2020-07-27 | 课程规划方法、装置、存储介质及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111831919A true CN111831919A (zh) | 2020-10-27 |
Family
ID=72925010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010731742.7A Pending CN111831919A (zh) | 2020-07-27 | 2020-07-27 | 课程规划方法、装置、存储介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111831919A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
| CN115277832A (zh) * | 2022-06-28 | 2022-11-01 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109409742A (zh) * | 2018-10-26 | 2019-03-01 | 成佳颖 | 一种学生自主学习分析系统及其使用方法 |
| CN109903201A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化培养方案生成方法和系统 |
| CN109902128A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于大数据的学习路径规划方法、装置、设备和存储介质 |
| CN109919810A (zh) * | 2019-01-22 | 2019-06-21 | 山东科技大学 | 在线学习系统中的学生建模与个性化课程推荐方法 |
-
2020
- 2020-07-27 CN CN202010731742.7A patent/CN111831919A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109903201A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化培养方案生成方法和系统 |
| CN109409742A (zh) * | 2018-10-26 | 2019-03-01 | 成佳颖 | 一种学生自主学习分析系统及其使用方法 |
| CN109902128A (zh) * | 2019-01-17 | 2019-06-18 | 平安科技（深圳）有限公司 | 基于大数据的学习路径规划方法、装置、设备和存储介质 |
| CN109919810A (zh) * | 2019-01-22 | 2019-06-21 | 山东科技大学 | 在线学习系统中的学生建模与个性化课程推荐方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
| CN115277832A (zh) * | 2022-06-28 | 2022-11-01 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
| CN115277832B (zh) * | 2022-06-28 | 2023-07-21 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jamie | Using computer simulation methods to teach statistics: A review of the literature | |
| Cigdem | Effects of students’ characteristics on online learning readiness: A vocational college example | |
| Pedace | Econometrics for dummies | |
| CN101772792B (zh) | 自适应教学和学习的系统 | |
| CN110389969A (zh) | 提供定制的学习内容的系统和方法 | |
| CN102598085B (zh) | 用于生成、递送和管理教育资料的系统和方法 | |
| CN112464659A (zh) | 基于知识图谱的辅助教学方法、装置、设备及存储介质 | |
| Petkovic et al. | Setap: Software engineering teamwork assessment and prediction using machine learning | |
| CN110400117A (zh) | 一种错题的提醒方法、电子设备及存储介质 | |
| Jung et al. | International Computer and Information Literacy Study: ICILS 2013 User Guide for the International Database. | |
| CN107481567B (zh) | 学生的阅读能力测评方法、装置及设备 | |
| CN111831919A (zh) | 课程规划方法、装置、存储介质及系统 | |
| Sousa et al. | A game for process mapping in office and knowledge work | |
| Vakaliuk et al. | The use of massive open online courses in teaching the fundamentals of programming to software engineers | |
| Berikan et al. | Investigating “problem-solving with datasets” as an implementation of computational thinking: A literature review | |
| CN111932414A (zh) | 一种培训管理系统及方法、计算机存储介质、电子设备 | |
| Zaini et al. | Assessing strategies of building information modeling (BIM) implementation in Sarawak Construction Industry | |
| CN107430824B (zh) | 用于评价响应的半自动系统和方法 | |
| Dorn et al. | Becoming experts: Measuring attitude development in introductory computer science | |
| Johnson | Scaling up: Introducing undergraduates to data science early in their college careers | |
| Ohrndorf et al. | Measurement of pedagogical content knowledge: students' knowledge and conceptions | |
| Perez et al. | Implementation of a test constructor utilizing a calibrated item bank using 3PL-IRT model | |
| CN112465227A (zh) | 一种授课资料获取方法及装置 | |
| Vaughan | Teaching statistical concepts with student-specific datasets | |
| CN112231373A (zh) | 知识点数据的处理方法、装置、设备和计算机可读介质 |
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 |