CN111861373A - 一种智能默写中的复习时间计算方法及电子设备 - Google Patents

一种智能默写中的复习时间计算方法及电子设备 Download PDF

Info

Publication number
CN111861373A
CN111861373A CN202010566653.1A CN202010566653A CN111861373A CN 111861373 A CN111861373 A CN 111861373A CN 202010566653 A CN202010566653 A CN 202010566653A CN 111861373 A CN111861373 A CN 111861373A
Authority
CN
China
Prior art keywords
value
word
time point
review
memory
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
Application number
CN202010566653.1A
Other languages
English (en)
Other versions
CN111861373B (zh
Inventor
周海滨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Guoyin Redwood Education Technology Co ltd
Original Assignee
Beijing Guoyin Redwood Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Guoyin Redwood Education Technology Co ltd filed Critical Beijing Guoyin Redwood Education Technology Co ltd
Priority to CN202010566653.1A priority Critical patent/CN111861373B/zh
Publication of CN111861373A publication Critical patent/CN111861373A/zh
Application granted granted Critical
Publication of CN111861373B publication Critical patent/CN111861373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • 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
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供一种智能默写中的复习时间计算方法，包括以下步骤：为用户生成待默写单词的中文释义；获取用户对单词的学习信息，所述学习信息包括单词的记忆强度值；根据单词的记忆强度值计算单词的最佳复习时间点。本发明还提供了一种电子设备，所述记忆强度值代表用户对单词的掌握程度，记忆强度值越高表明用户对所述学习单词的掌握程度就越高，反之则越低；通过单词的记忆强度值计算出复习间隔时长，进而计算出最佳复习时间点，合理地解决了用户盲目复习、无法找到最佳复习时间的技术问题，达到了提高学习效率、有效安排学习计划的技术效果。

Description

一种智能默写中的复习时间计算方法及电子设备
技术领域：
本发明涉及智能记忆方法技术领域，尤其涉及一种智能默写中的复习时间计算方法及电子设备。
背景技术：
随着社会发展，知识在社会体系中越来越重要，当下社会没有知识作为支撑则难立足。故人们认识到知识能够改变一切。现在社会的每个家庭对于教育的投入占整体家庭收入比例较大。无论是学校教育或是兴趣自学，在学习外语的过程中，特别是字母语言，如英语、法语、德语等，单词的拼写较难，导致学生在单词默写时存在一定的困难，如漏写、多写或写错。并且，往往不能很好地掌握单词的记忆方法，只能拿着书本死记硬背，久而久之，就失去了学习兴趣，很多学生就是因为没办法坚持记单词，而不能很好的掌握外语。单纯地让学生自己背诵单词或抄写单词的效率并不高，没有比较合理的机制或表示方法来对单词进行针对性复习，如每个单词的复习时间间隔，致使学习者无法掌握重点以及合理的学习顺序，不能有效地学习单词。
有鉴于此，提出本发明。
发明内容：
本发明提供一种智能默写中的复习时间计算方法及电子设备，至少解决上述一个问题。
本发明提供一种智能默写中的复习时间计算方法，包括以下步骤：
为用户生成待默写单词的中文释义；
获取用户对单词的学习信息，所述学习信息包括单词的记忆强度值；
根据单词的记忆强度值计算单词的最佳复习时间点。
采用上述方案，所述学习信息包括初学的学习信息，还可以包括复习和/或测试的学习信息，根据用户初次的学习信息会赋予单词不同的记忆强度值，所述记忆强度值代表用户对单词的掌握程度，记忆强度值越高表明用户对所述学习单词的掌握程度就越高，反之则越低；通过单词的记忆强度值计算出复习间隔时长，进而计算出最佳复习时间点，在以后的复习阶段，或是测试阶段，每次学习该单词时，根据学习信息更新单词的记忆强度值，重新计算最佳复习时间点。
所述最佳复习时间点能够综合考虑用户对单词的掌握情况，参考人类遗忘曲线，学习疲劳值等，从而提供最佳合理的复习时间，所述最佳复习时间点对记忆增强效果最好，累积的记忆强度最大，帮助用户更有效地学习单词，掌握单词的默写。
进一步地，所述获取用户对单词的学习信息包括以下步骤：
判断单词是否首次学习，判断是否默写正确，判断是否超出预设的反应时长，给单词的记忆强度赋予不同的值。
采用上述方案，用户遇到的单词可能是初次学习的新词、也可能是再次学习的旧词，即使都为默写正确，新词和旧词的掌握程度也不一样，不同的作答时间也反应不同的掌握程度，所以针对上述不同情况对单词加以区分，可以更合理的计算记忆强度值及最佳复习时间点。
进一步地，所述判断单词是否首次学习，判断是否默写正确，判断是否超出预设的反应时长，根据上述情况给单词的记忆强度赋予不同的值包括以下步骤：
判断单词是否为新词，若为新词：
判断单词是否作答正确，若答对：
判断作答时长，若作答时长小于等于预设的下限反应时长，则单词的记忆强度值赋值为第一初始记忆强度值；若作答时长大于预设的上限反应时长，则单词的记忆强度值赋值为第二初始记忆强度值；若作答时长大于所述下限反应时长且小于等于所述上限反应时长，则单词的记忆强度值赋值为第三初始记忆强度值，所述第三初始记忆强度值利用作答时间进行计算，并与作答时间成负相关；所述第一初始记忆强度值＞所述第三初始记忆强度值＞第二初始记忆强度值；
若单词作答错误，单词的记忆强度值为第二初始记忆强度值；
若不为新词；
判断单词是否作答正确，若答对；
判断作答时长是否小于所述上限反应时长，若是，则单词的记忆强度值＝原来的记忆强度值+第一固定值+反应时长影响值，所述反应时长影响值利用作答时长计算，且与作答时长负相关；若否，则单词的记忆强度值＝原来的记忆强度值+第一固定值；
若答错，则单词的记忆强度值＝原来的记忆强度值＝原来的记忆强度值-第二固定值。
采用上述方案，所述第一初始记忆强度值表明用于对该单词掌握程度高，能快速答对，属于熟词领域，所述第二初始记忆强度值和第三初始记忆强度值较第一初始记忆强度值低，表明用户对该单词未熟练掌握，属于生词领域；增加的第一固定值表明用户对所述生词的掌握程度增加，减小的第二固定值表明用户对所述生词的掌握程度降低；所述第一固定值、第二固定值、上限反应时长、下限反应时长可以根据人类遗忘曲线进行设定；增加的反应时长影响值表明用户能较快回忆作答，掌握程度较高，增加记忆强度值对此情况加以反映。所述记忆强度值根据单词是否为新词、是否答对、用户作答时长来更加细致、准确地反应用户对该单词的掌握程度，便于针对不同的记忆强度值划分更适合的最佳复习时间点、更细致地区别地复习计划，帮助用户更有效地掌握单词。
进一步地，所述获取用户对单词的学习信息还包括以下步骤：
根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改。
优选地，所述根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改包括以下步骤：
判断用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，若是，判断单词是否答对，若答对，则单词的记忆强度值＝原来的记忆强度值+疲劳影响值，若答错，单词的记忆强度值＝原来的记忆强度值-疲劳影响值；
所述疲劳影响值根据学习有效时长进行计算，所述疲劳影响值与所述学习有效时长成负相关。
其中，所述原来的记忆强度值为上一次计算获得的记忆强度值，上一次计算可以为上次学习计算，也可以为这次学习，计算其他影响值后得到的，即所述所述原来的记忆强度值为这次计算前现有的记忆强度值。所述学习有效时长为用户此次学习单词积累的有效时间，例如此次用户从一个小时前开始进行单词学习，但期间有半个小时未进行任何操作，则该单词的学习有效时长为半小时。
采用上述方案，用户越长时间学习，疲劳对作答影响程度越大，而不是用户真实的掌握水平，所述学习有效时长越大，所述疲劳影响值越小，答对时增加的记忆强度值或答错减少的记忆强度值越小，所述记忆强度值的变化越小，较为科学地对记忆强度值进行修正。
进一步地，所述获取用户对单词的学习信息还包括以下步骤：
根据单词的总错误率对记忆强度值进行修改。
进一步地，所述根据单词的总错误率对记忆强度值进行修改包括以下步骤：
判断判断单词是否作答正确，若是，则单词的记忆强度值＝原来的记忆强度值+难度影响值；若否，则单词的记忆强度值＝原来的记忆强度值-难度影响值；
所述难度影响值根据单词的总错误率进行计算，并与单词的总错误率成正相关。
采用上述方案，所述难度影响值与单词的总错误率成正相关，即所述单词的总错误率越大，所述难度影响值越大，越难的单词，当用户答对时，表明用户掌握程度越高，当用户答错时，表明用户掌握程度越低，需要更多的学习，较为科学的对单词的记忆强度值进行修正。
进一步地，所述根据单词的记忆强度值计算单词的最佳复习时间点包括以下步骤：
根据单词的记忆强度值计算复习间隔时长，所述复习间隔时长与单词的记忆强度值正相关；
根据复习间隔时长计算最佳复习时间点。
采用上述方案，单词的记忆强度值越大，说明用户对该单词的掌握程度越高，可延后学习，即复习间隔时长越大，符合人类遗忘曲线，帮助用户更有效率地学习单词。
进一步地，所述根据复习间隔时长计算最佳复习时间点包括以下步骤：
复习阶段，判断单词是否为新词，若不为新词，则判断单词是否作答正确，若答错，则最佳复习时间点＝上次学习计算的最佳复习时间点+复习间隔时长，若答对，则最佳复习时间点＝当前学习时间点+复习间隔时长；若为新词，则佳复习时间点＝当前学习时间点+复习间隔时长。
其中，所述最佳复习时间点为用户学习完某单词后，下一次复习的最佳时间点，所述复习间隔时长为本次学习的当前时间点距离下一次复习的最佳时间点的时间段，所述当前学习时间点是用户学习该单词时的时间点，可能早于上次学习计算的复习的最佳时间点，也可能晚于上次学习计算的复习的最佳时间点。
采用上述方案，通过用户对不同单词的不同学习情况，生成不同的最佳复习时间点，当用户答错时，说明用户对该单词的掌握程度低，如果有上次学习计算的复习的最佳时间点，按照上次学习计算的复习的最佳时间点计算的最佳复习时间点，修正用户的复习时间，使其更符合人类遗忘曲线，更好地提高单词的掌握程度。
进一步地，所述根据单词的记忆强度值计算单词的最佳复习时间点包括以下步骤：
当用户按照最佳复习时间点在同一天连续多次正确作答时，调整最佳复习时间点到下一个最佳记忆时间点。
其中，下一个最佳记忆时间点为用户隔一段时间出现的最佳记忆时间点，如每天早上六点为人类记忆最好的时间点，或者根据用户个性设定的每天的记忆最好的时间点，可以用户自行设定，也可以根据以往学习过程正确率较高出现的时间点。
采用上述方案，在用户复习所述学习单词的过程中，当所述学习单词连续三次的最佳复习时间点都出现在同一天且用户在所述同一天内连续三次全部答对，则对所述学习单词有较好的短时记忆，今天再进行学习的意义不大，参考人类遗忘曲线和人类生物特性，在下一个最佳记忆时间点进行学习更有更好的记忆效果，更好地提高学习效率。
进一步地，所述根据单词的记忆强度值计算复习间隔时长包括以下步骤：
判断单词的记忆强度值是否大于等于熟词阈值，若是，不计算复习间隔时长和最佳复习时间点，单词的记忆强度值赋予熟词阈值。
其中，所述熟词阈值为预设的值，记忆强度值达到所述熟词阈值表明该单词已经熟练掌握，如果计算得到的记忆强度值超过熟词阈值，将其修改成熟词阈值。
采用上述方案，若单词的记忆强度值大于等于熟词阈值，表明用户对单词的掌握程度很高，暂不需要进行复习，可以把时间放在其他掌握程度较低的单词学习上，也节省了计算步骤，提高计算效率。
进一步地，所述智能默写中的复习时间计算方法，还包括以下步骤：
根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
进一步地，所述根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
对单词进行复习，根据复习结果、复习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改；
对单词进行测试，根据测试结果、记忆强度值、测试时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
采用上述方案，用户对单词的学习包括初学、复习和测试，所述学习信息可以包括初学信息、复习信息和测试信息，都会对记忆强度值造成影响，初学阶段对记忆强度值进行首次赋值，复习阶段根据复习结果、复习时间点与最佳时间点的关系等情况对记忆强度值进行增减，充分考虑复习时间对记忆强度值的影响，参考人类遗忘曲线对记忆强度值进行合理地修正。测试阶段模拟考试，将多个随机或某单元的单词汇集在一起进行作答，最后进行评分，根据作答对错对记忆强度值进行修改，尤其是对记忆强度值较高的单词能脱离复习间隔进行掌握程度考查，检验记忆强度值是否与掌握程度匹配，使记忆强度值得到合理地修正。
进一步地，所述根据复习结果、复习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
判断单词是否作答正确，若答对，则判断当前复习时间点是否超过最佳复习时间点，若是，则单词的记忆强度值＝原来的记忆强度值+勤奋影响值，若答错，则判断当前复习时间点是否超过最佳复习时间点，若否，则单词的记忆强度值＝原来的记忆强度值-勤奋影响值，所述勤奋影响值与复习时间差值正相关。
其中，所述复习时间差值为当前复习时间点与最佳复习时间点差值的绝对值。
优选地，所述勤奋影响值的计算公式可以为：Dli＝|Trc-Tbr|×Mdg，其中Dli为勤奋影响值，Mdg为勤奋指数影响记忆强度系数，Tbr为最佳复习时间点，Trc为当前复习时间点。
采用上述方案，当用户超过最佳复习时间点越长，遗忘地越多，此时用户答对，说明用户对该单词的掌握程度更高，记忆强度值应增加得更多；当用户越早于最佳复习时间点去复习，用户本应遗忘地越少，但此时用户答错，说明用户对该单词的掌握程度越低，记忆强度应减少地更多。根据用户的复习时间与最佳复习时间点的差值来修正记忆强度值，合理的考虑了人类遗忘规律的影响。
进一步地，根据测试结果、记忆强度值、测试时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
判断单词测试是否答对，若答对：
判断单词的记忆强度值是否低于熟词阈值，若是，根据测试时间点与最佳复习时间点的间隔赋予多种测试增加值，单词的记忆强度值＝原来的记忆强度值+测试增加值；
若答错：
判断单词的记忆强度值是否低于熟词阈值，若是，单词的记忆强度值＝原来的记忆强度值-测试减少值，若否，单词的记忆强度值赋予第二初始记忆强度值。
采用上述方案，利用测试信息对不同记忆强度值的单词的记忆强度值进行调整，使其更合理地反应用户的实际掌握情况；测试时答对，表明用户对单词的掌握程度增加，考虑测试时间点与最佳复习时间点的关系将测试增加值进行细分，使得记忆强度值的评价更细致，更合理；测试时答错，如果记忆强度值表明用户已对该单词掌握，但实际测试时答错，说明记忆强度值与用户实际掌握的情况不匹配，需要重新进行学习，如果记忆强度值表明用户对该单词的掌握程度较低，测试答错，说明用户需要更多的学习。
进一步地，所述根据测试时间点与最佳复习时间点的间隔赋予多种测试增加值包括以下步骤：
判断测试时间点是否超过最佳复习时间点，若是：
判断测试时间点与最佳复习时间点的间隔，若测试时间点与最佳复习时间点的间隔小于预设的间隔下限，则测试增加值赋予第一测试增加值；
若测试时间点与最佳复习时间点的间隔大于等于所述间隔下限且小于等于预设的间隔上限，则测试增加值赋予第二测试增加值；
若测试时间点与最佳复习时间点的间隔大于所述间隔上限，则测试增加值赋予第三测试增加值；
所述第一测试增加值＜第二测试增加值＜第三测试增加值。
采用上述方案，测试时间点超过最佳复习时间点越长时，根据人类遗忘曲线，用户对该单词遗忘地越多，但此时答对，说明用户对该单词的掌握程度更高，相对应的，测试等价值越高，记忆强度值越大，所述测试增加值能对记忆强度值进行合理的修正，计算方法采用对测试时间点与最佳复习时间点的间隔进行分类，简化了计算，提高计算效率。
进一步地，所述根据复习间隔时长计算最佳复习时间点还包括以下步骤：
测试阶段，判断单词测试是否答对，若答对，则判断记忆强度值是否低于熟词阈值，若是，则最佳复习时间点＝测试时间点+复习间隔时长；若否，最佳复习时间点不改变；
若答错，则判断记忆强度值是否低于熟词阈值，若是，则判断测试时间点是否超过最佳复习时间点，若超过，则最佳复习时间点＝上一次学习计算的最佳复习时间点+复习间隔时长，若未超过，则最佳复习时间点＝测试时间点+复习间隔时长；若否，则最佳复习时间点赋予测试时间点。
其中最佳复习时间点赋予测试时间点为测试完成后为最佳复习时间点，建议立即进行复习。
采用上述方案，测试会影响记忆强度值，进而影响复习间隔时长，再进而影响最佳复习时间点，同时复习时间点与最佳复习时间点的关系也会对记忆造成影响，因为，所述最佳复习时间点为因为测试的影响在最佳复习时间点上调整的最佳复习时间点用户在测试中同样会对单词进行记忆，根据人类遗忘曲线对最佳复习时间点进行合理调整。
本发明还保护一种电子设备，所述电子设备包括存储器及处理器，所述存储器上至少有一条指令，所述至少一条指令由所述处理器加载并执行，以实现上述智能默写中的复习时间计算方法。
本发明的有益效果：
1、所述最佳复习时间点能够综合考虑用户对单词的掌握情况，参考人类遗忘曲线，学习疲劳值等，从而提供最佳合理的复习时间，所述最佳复习时间点对记忆增强效果最好，累积的记忆强度最大，帮助用户更有效地学习单词，掌握单词的默写；
2、所述记忆强度值根据单词是否为新词、是否答对、用户作答时长来更加细致、准确地反应用户对该单词的掌握程度，便于针对不同的记忆强度值划分更适合的最佳复习时间点、更细致地区别地复习计划，帮助用户更有效地掌握单词；
3、所述疲劳影响值、难度影响值、勤奋影响值较为科学地对记忆强度值进行修正；
4、所述记忆档位值表现为用户针对该单词的记忆速度的快慢，实现个性化记忆；
5、记忆强度值通过学习时间点与最佳复习时间点关系进行调整，使其与用户对单词的掌握程度更匹配。
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为本发明智能默写中的复习时间计算方法一种实施方式的流程图；
图2为本发明智能默写中的复习时间计算方法另一种实施方式的流程图；
图3为本发明智能默写中的复习时间计算方法再另一种实施方式的流程图；
图4为本发明智能默写中的复习时间计算方法复习阶段一种实施方式的流程图；
图5为本发明智能默写中的复习时间计算方法测试阶段一种实施方式的流程图；
图6为用户进行初学或复习一种实施方式时的界面；
图7为用户进行测试时一种实施方式的界面；
图8为本发明判断执行过程示意图。
具体实施方式：
这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
文中所述单词可以指但不限于英文单词，为方便统一计算，涉及时长的运算单位统一为秒。
实验例
方法一
一种智能默写中的复习时间计算方法，包括以下步骤：
为用户生成待默写单词的中文释义；
获取用户对单词的学习信息，所述学习信息包括单词的记忆强度值；
所述获取用户对单词的学习信息包括以下步骤：
判断单词是否为新词，若为新词：
判断单词是否作答正确，若答对：
对用户在5秒以(包括5秒)内默写正确，标记为熟词，赋予第一初始记忆强度值100；当用户默写时间超过20秒，赋予第二初始记忆强度值13；当用户默写时间大于5秒、小于等于20秒时，依然默写正确，赋予用户对单词的记忆强度值为第三初始记忆强度值，第三初始记忆强度值因为默写时长的不同可以根据公式I＝40-(D3-5)×2计算，I为第三初始记忆强度值，5＜D3≤20，D3为实际反应时长；
若单词作答错误，单词的记忆强度值为第二初始记忆强度值13；
若不为新词：
判断单词是否作答正确，若答对：
判断作答时长是否小于20秒，若是，则单词的记忆强度值＝原来的记忆强度值+第一固定值12+反应时长影响值，所述反应时长影响值利用作答时长计算，且与作答时长负相关；若否，则单词的记忆强度值＝原来的记忆强度值+第一固定值12；所述反应时长影响值的计算公式为：Rd＝(1-Mrd/Da)×Srd,其中Mrd为默写时长，Srd为反应时长影响记忆强度基础值，取值为8，Rd为反应时长影响值，Da为上限反应时长，取值为20，所述反应时长影响值的计算公式为：Rd＝(1-Mrd/20)×8；
若答错，则单词的记忆强度值＝原来的记忆强度值＝原来的记忆强度值-第二固定值12。
判断单词是否为新词，若不为新词，则判断单词是否作答正确，若答错，则最佳复习时间点＝上次学习计算的最佳复习时间点+复习间隔时长，若答对，则最佳复习时间点＝当前学习时间点+复习间隔时长；若为新词，则佳复习时间点＝当前学习时间点+复习间隔时长。复习间隔时长D＝C1×ep，P＝(C2×Sn/10)+C3，C1为幂值系数2，e为自然常数，P为幂值，C2为强度系数1，Sn为当前记忆强度值，C3为幂值常量2。
方法二
与方法一相似，不同点在于：所述获取用户对单词的学习信息还包括以下步骤：
判断用户学习单词时的学习有效时长是否超过预设的疲劳设定时长30min，若是，判断单词是否答对，若答对，则单词的记忆强度值＝原来的记忆强度值+疲劳影响值，若答错，单词的记忆强度值＝原来的记忆强度值-疲劳影响值；所述疲劳影响值的计算公式为：Fa＝(1-Fi)×Mfa,Fi＝De/Ds,其中Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值5，De为学习有效时长，Ds为疲劳设定时长为30×60。
方法三
与方法二相似，不同点在于：所述获取用户对单词的学习信息还包括以下步骤：
判断判断单词是否作答正确，若是，则单词的记忆强度值＝原来的记忆强度值+难度影响值；若否，则单词的记忆强度值＝原来的记忆强度值-难度影响值；所述难度影响值计算公式为：Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，Dm为学习数据计算难度，Am为人工标注难度，Rwr为用户复习过程中对所述生词默写的错误率，λ为难度标记5，Crw为用户复习过程中对所述生词默写错误的次数，Crt为用户复习过程中对所述生词默写的总次数。
方法四
与方法三相似，不同点在于：判断单词是否作答正确，若答对，则判断当前复习时间点是否超过最佳复习时间点，若是，则单词的记忆强度值＝原来的记忆强度值+勤奋影响值，若答错，则判断当前复习时间点是否超过最佳复习时间点，若否，则单词的记忆强度值＝原来的记忆强度值-勤奋影响值，所述勤奋影响值的计算公式可以为：Dli＝|Trc-Tbr|×Mdg，其中Dli为勤奋影响值，Mdg为勤奋指数影响记忆强度系数4，Tbr为最佳复习时间点，Trc为当前复习时间点。
年龄15-18岁的志愿者50人，分为5组，每组10人，学习相同的英语单词500个，学习时间2周；各组别的学习方法及学习结束后的测试结果如下表:
表1采用不同的学习方法得到的测试结果
Figure BDA0002547868600000091
参考表1结果，组别二至组别五与组别一相比，正确率明显提高(P<0.01)，说明对单词进行初始记忆强度的划分，根据记忆强度值计算最佳复习时间点，能帮助用户更好地进行针对性学习，提高学习的有效性；组别三至组别五与组别二相比，记忆强度值≥100的单词的正确率明显提高(P<0.01)，说明通过对记忆强度值利用疲劳程度、单词难易程度等更精细地对记忆强度程度进行划分，以便使记忆强度值更准确反映用户的实际掌握情况。
实施例
参考图1，本发明提供一种智能默写中的复习时间计算方法，包括以下步骤：
S100.为用户生成待默写单词的中文释义；
S200.获取用户对单词的学习信息，所述学习信息包括单词的记忆强度值；
S300.根据单词的记忆强度值计算单词的最佳复习时间点。
采用上述方案，所述学习信息包括初学的学习信息，还可以包括复习和/或测试的学习信息，根据用户初次的学习信息会赋予单词不同的记忆强度值，所述记忆强度值代表用户对单词的掌握程度，记忆强度值越高表明用户对所述学习单词的掌握程度就越高，反之则越低；通过单词的记忆强度值计算出复习间隔时长，进而计算出最佳复习时间点，在以后的复习阶段，或是测试阶段，每次学习该单词时，根据学习信息更新单词的记忆强度值，重新计算最佳复习时间点。
所述最佳复习时间点能够综合考虑用户对单词的掌握情况，参考人类遗忘曲线，学习疲劳值等，从而提供最佳合理的复习时间，所述最佳复习时间点对记忆增强效果最好，累积的记忆强度最大，帮助用户更有效地学习单词，掌握单词的默写。
参考图2，在本发明的一个优选实施方式中，所述S200.获取用户对单词的学习信息包括以下步骤：
S210.判断单词是否首次学习，判断是否默写正确，判断是否超出预设的反应时长，给单词的记忆强度赋予不同的值。
采用上述方案，用户遇到的单词可能是初次学习的新词、也可能是再次学习的旧词，即使都为默写正确，新词和旧词的掌握程度也不一样，不同的作答时间也反应不同的掌握程度，所以针对上述不同情况对单词加以区分，可以更合理的计算记忆强度值及最佳复习时间点。
参考图3，在本发明的一个优选实施方式中，所述S210.判断单词是否首次学习，判断是否默写正确，判断是否超出预设的反应时长，根据上述情况给单词的记忆强度赋予不同的值包括以下步骤：
S211.判断单词是否为新词，若为新词：
S212.判断单词是否作答正确，若答对：
S2121.判断作答时长，若作答时长小于等于预设的下限反应时长，则S2122.单词的记忆强度值赋值为第一初始记忆强度值；若作答时长大于预设的上限反应时长，则S2123.单词的记忆强度值赋值为第二初始记忆强度值；若作答时长大于所述下限反应时长且小于等于所述上限反应时长，则S2124.单词的记忆强度值赋值为第三初始记忆强度值，所述第三初始记忆强度值利用作答时间进行计算，并与作答时间成负相关；所述第一初始记忆强度值＞所述第三初始记忆强度值＞第二初始记忆强度值；
若单词作答错误，S2123.单词的记忆强度值为第二初始记忆强度值；
若不为新词：
S213.判断单词是否作答正确，若答对：
S2131.判断作答时长是否小于所述上限反应时长，若是，则S2132.单词的记忆强度值＝原来的记忆强度值+第一固定值+反应时长影响值，所述反应时长影响值利用作答时长计算，且与作答时长负相关；若否，则S2133.单词的记忆强度值＝原来的记忆强度值+第一固定值；
若答错，则S2134.单词的记忆强度值＝原来的记忆强度值＝原来的记忆强度值-第二固定值。
采用上述方案，所述第一初始记忆强度值表明用于对该单词掌握程度高，能快速答对，属于熟词领域，所述第二初始记忆强度值和第三初始记忆强度值较第一初始记忆强度值低，表明用户对该单词未熟练掌握，属于生词领域；增加的第一固定值表明用户对所述生词的掌握程度增加，减小的第二固定值表明用户对所述生词的掌握程度降低；所述第一固定值、第二固定值、上限反应时长、下限反应时长可以根据人类遗忘曲线进行设定；增加的反应时长影响值表明用户能较快回忆作答，掌握程度较高，增加记忆强度值对此情况加以反映。所述记忆强度值根据单词是否为新词、是否答对、用户作答时长来更加细致、准确地反应用户对该单词的掌握程度，便于针对不同的记忆强度值划分更适合的最佳复习时间点、更细致地区别地复习计划，帮助用户更有效地掌握单词。
在本发明的一个优选实施方式中，第三初始记忆强度值，计算公式为I＝40-(D3-5)×2，I为第三初始记忆强度值，D3为反应时长。
采用上述方案，所述第三初始记忆强度值与反应时长成负相关，即反应时长越大，所述第三初始记忆强度值越小，表明用户对该单词的掌握程度越低，此公式的常量参考人类遗忘曲线进行设定的。
在本发明的一个优选实施方式中，所述反应时长影响值的计算公式为：Rd＝(1-Mrd/Da)×Srd,其中Mrd为作答时长，Srd为反应时长影响记忆强度基础值，取值为1-10，Rd为反应时长影响值，Da为上限反应时长。具体地，Da取值为10-20。
采用上述方案，所述反应时长影响值与所述作答时长负相关，即作答时长的值越大，所述反应时长影响值越小，用户对该单词的掌握程度越低。
参考图2，在本发明的一个优选实施方式中，所述S200.获取用户对单词的学习信息还包括以下步骤：
S220.根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改。
参考图4，在本发明的一个优选实施方式中，所述S220.根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改包括以下步骤：
S221.判断用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，若是，S213.判断单词是否答对，若答对，则S2211.单词的记忆强度值＝原来的记忆强度值+疲劳影响值，若答错，S2212.单词的记忆强度值＝原来的记忆强度值-疲劳影响值；
所述疲劳影响值根据学习有效时长进行计算，所述疲劳影响值与所述学习有效时长成负相关。
其中，所述学习有效时长为用户此次学习单词积累的有效时间，例如此次用户从一个小时前开始进行单词学习，但期间有半个小时未进行任何操作，则该单词的学习有效时长为半小时。
采用上述方案，用户越长时间学习，疲劳对作答影响程度越大，而不是用户真实的掌握水平，所述学习有效时长越大，所述疲劳影响值越小，答对时增加的记忆强度值或答错减少的记忆强度值越小，所述记忆强度值的变化越小，较为科学地对记忆强度值进行修正。
在本发明的一个优选实施方式中，所述疲劳影响值的计算公式为：Fa＝(1-Fi)×Mfa,Fi＝De/Ds,其中Fa为疲劳影响值，Fi为疲劳指数，Mfa为疲劳指数影响记忆强度基础值，De为学习有效时长，Ds为疲劳设定时长，根据人类遗忘规律，可将Ds设定为30分钟，即30×60，对于本领域技术人员来说，还可以取半小时到一个小时的任意值。所述疲劳指数影响记忆强度基础值Mfa可以根据整体赋值情况和人类遗忘曲线进行设定，可取值1-10，如取值5。
采用上述方案，所述疲劳影响值与学习有效时长成负相关，所述学习有效时长越大，所述疲劳影响值越小。
参考图2，在本发明的一个优选实施方式中，所述S200.获取用户对单词的学习信息还包括以下步骤：
S230.根据单词的总错误率对记忆强度值进行修改。
参考图4，在本发明的一个优选实施方式中，所述S230.根据单词的总错误率对记忆强度值进行修改包括以下步骤：
S213.判断判断单词是否作答正确，若是，则S231.单词的记忆强度值＝原来的记忆强度值+难度影响值；若否，则S232.单词的记忆强度值＝原来的记忆强度值-难度影响值；
所述难度影响值根据单词的总错误率进行计算，并与单词的总错误率成正相关。
采用上述方案，所述难度影响值与单词的总错误率成正相关，即所述单词的总错误率越大，所述难度影响值越大，越难的单词，当用户答对时，表明用户掌握程度越高，当用户答错时，表明用户掌握程度越低，需要更多的学习，较为科学的对单词的记忆强度值进行修正。
在本发明的一个优选实施方式中，所述难度影响值计算公式为：
Df＝Dti×Mdt,Dti＝(Dm+Am),Dm＝Rwr×λ,Rwr＝Crw/Crt；
所述Df为难度影响值，Dti为难度指数，Mdt为难度指数影响记忆强度基础值，取值为1-10，Dm为学习数据计算难度，Am为人工标注难度，可取值1-10或10-20或20-30，Rwr为用户复习过程中对所述生词作答的错误率，λ为难度标记系数，取值为1-10，Crw为用户复习过程中对所述生词答错的次数，Crt为用户复习过程中对所述生词作答的总次数，所述难度影响值计算公式为：Df＝Dti×Mdt,Dti＝(Dm+Am)。
采用上述方案，难度影响值可以包括人工标注难度和学习数据计算难度，所述难度影响值与单词的总错误率成正相关，即所述单词的总错误率越大，所述难度影响值越大，同时进行人工标注来修正难度影响值，防止出现异常值。
参考图2，在本发明的一个优选实施方式中，所述根据单词的记忆强度值计算单词的最佳复习时间点包括以下步骤：
S310.根据单词的记忆强度值计算复习间隔时长，所述复习间隔时长与单词的记忆强度值正相关；
S320.根据复习间隔时长计算最佳复习时间点。
采用上述方案，单词的记忆强度值越大，说明用户对该单词的掌握程度越高，可延后学习，即复习间隔时长越大，符合人类遗忘曲线，帮助用户更有效率地学习单词。
在本发明的一个优选实施方式中，所述复习间隔时长的计算公式为：Dr＝C1×ep，P＝(C2×Sn)+C3，其中Dr为复习间隔时长，C1为幂值系数，e为自然常数，P为幂值，C2为强度系数，Sn为单词的记忆强度值，C3为幂值常量。
采用上述方案，C1、C2、C3的值都是根据人类遗忘规律进行设定，可取值1-10,10-20，指数函数符合人类遗忘曲线，合理的对复习间隔时长进行计算。
参考图3和图4，在本发明的一个优选实施方式中，所述S320.根据复习间隔时长计算最佳复习时间点包括以下步骤：
复习阶段，S211.判断单词是否为新词，若不为新词，则S213.判断单词是否作答正确，若答错，则S301.最佳复习时间点＝上次学习计算的最佳复习时间点+复习间隔时长，若答对，则S302.最佳复习时间点＝当前学习时间点+复习间隔时长；若为新词，则S302.佳复习时间点＝当前学习时间点+复习间隔时长。
其中，所述最佳复习时间点为用户学习完某单词后，下一次复习的最佳时间点，所述复习间隔时长为本次学习的当前时间点距离下一次复习的最佳时间点的时间段，所述当前学习时间点是用户学习该单词时的时间点，可能早于上次学习计算的复习的最佳时间点，也可能晚于上次学习计算的复习的最佳时间点。
采用上述方案，通过用户对不同单词的不同学习情况，生成不同的最佳复习时间点，当用户答错时，说明用户对该单词的掌握程度低，如果有上次学习计算的复习的最佳时间点，按照上次学习计算的复习的最佳时间点计算的最佳复习时间点，修正用户的复习时间，使其更符合人类遗忘曲线，更好地提高单词的掌握程度。
参考图2，在本发明的一个优选实施方式中，所述S300.根据单词的记忆强度值计算单词的最佳复习时间点包括以下步骤：
S330.当用户按照最佳复习时间点在同一天连续多次正确作答时，调整最佳复习时间点到下一个最佳记忆时间点。
其中，下一个最佳记忆时间点为用户隔一段时间出现的最佳记忆时间点，如每天早上六点为人类记忆最好的时间点，或者根据用户个性设定的每天的记忆最好的时间点，可以用户自行设定，也可以根据以往学习过程正确率较高出现的时间点。
采用上述方案，在用户复习所述学习单词的过程中，当所述学习单词连续三次的最佳复习时间点都出现在同一天且用户在所述同一天内连续三次全部答对，则对所述学习单词有较好的短时记忆，今天再进行学习的意义不大，参考人类遗忘曲线和人类生物特性，在下一个最佳记忆时间点进行学习更有更好的记忆效果，更好地提高学习效率。
在本发明的一个优选实施方式中，所述S310.根据单词的记忆强度值计算复习间隔时长包括以下步骤：
判断单词的记忆强度值是否大于等于熟词阈值，若是，不计算复习间隔时长和最佳复习时间点，单词的记忆强度值赋予熟词阈值。
其中，所述熟词阈值为预设的值，记忆强度值达到所述熟词阈值表明该单词已经熟练掌握，如果计算得到的记忆强度值超过熟词阈值，将其修改成熟词阈值。
采用上述方案，若单词的记忆强度值大于等于熟词阈值，表明用户对单词的掌握程度很高，暂不需要进行复习，可以把时间放在其他掌握程度较低的单词学习上，也节省了计算步骤，提高计算效率。
参考图1，在本发明的一个优选实施方式中，所述智能默写中的复习时间计算方法，还包括以下步骤：
S400.根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
参考图2，在本发明的一个优选实施方式中，所述S400.根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
S410.对单词进行复习，根据复习结果、复习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改；
S420.对单词进行测试，根据测试结果、记忆强度值、测试时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
采用上述方案，用户对单词的学习包括初学、复习和测试，所述学习信息可以包括初学信息、复习信息和测试信息，都会对记忆强度值造成影响，初学阶段对记忆强度值进行首次赋值，复习阶段根据复习结果、复习时间点与最佳时间点的关系等情况对记忆强度值进行增减，充分考虑复习时间对记忆强度值的影响，参考人类遗忘曲线对记忆强度值进行合理地修正。测试阶段模拟考试，将多个随机或某单元的单词汇集在一起进行作答，最后进行评分，根据作答对错对记忆强度值进行修改，尤其是对记忆强度值较高的单词能脱离复习间隔进行掌握程度考查，检验记忆强度值是否与掌握程度匹配，使记忆强度值得到合理地修正。
参考图4和图6，在本发明的一个优选实施方式中，所述S410.根据复习结果、复习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
S213.判断单词是否作答正确，若答对，则S411.判断当前复习时间点是否超过最佳复习时间点，若是，则S412.单词的记忆强度值＝原来的记忆强度值+勤奋影响值，若答错，则S411.判断当前复习时间点是否超过最佳复习时间点，若否，则S413.单词的记忆强度值＝原来的记忆强度值-勤奋影响值，所述勤奋影响值与复习时间差值正相关。
其中，所述复习时间差值为当前复习时间点与最佳复习时间点差值的绝对值。
在本发明的一个优选实施方式中，所述勤奋影响值的计算公式可以为：Dli＝|Trc-Tbr|×Mdg，其中Dli为勤奋影响值，Mdg为勤奋指数影响记忆强度系数，Tbr为最佳复习时间点，Trc为当前复习时间点。
采用上述方案，当用户超过最佳复习时间点越长，遗忘地越多，此时用户答对，说明用户对该单词的掌握程度更高，记忆强度值应增加得更多；当用户越早于最佳复习时间点去复习，用户本应遗忘地越少，但此时用户答错，说明用户对该单词的掌握程度越低，记忆强度应减少地更多。根据用户的复习时间与最佳复习时间点的差值来修正记忆强度值，合理的考虑了人类遗忘规律的影响。
参考图5和图7，在本发明的一个优选实施方式中，根据S420.测试结果、记忆强度值、测试时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
S421.判断单词测试是否答对，若答对：
S422.判断单词的记忆强度值是否低于熟词阈值，若是，S423.根据测试时间点与最佳复习时间点的间隔赋予多种测试增加值，单词的记忆强度值＝原来的记忆强度值+测试增加值；
若答错：
S422.判断单词的记忆强度值是否低于熟词阈值，若是，S425.单词的记忆强度值＝原来的记忆强度值-测试减少值，若否，S426.单词的记忆强度值赋予第二初始记忆强度值。
采用上述方案，利用测试信息对不同记忆强度值的单词的记忆强度值进行调整，使其更合理地反应用户的实际掌握情况；测试时答对，表明用户对单词的掌握程度增加，考虑测试时间点与最佳复习时间点的关系将测试增加值进行细分，使得记忆强度值的评价更细致，更合理；测试时答错，如果记忆强度值表明用户已对该单词掌握，但实际测试时答错，说明记忆强度值与用户实际掌握的情况不匹配，需要重新进行学习，如果记忆强度值表明用户对该单词的掌握程度较低，测试答错，说明用户需要更多的学习。
在本发明的一个优选实施方式中，S425.所述根据测试时间点与最佳复习时间点的间隔赋予多种测试增加值包括以下步骤：
S4231.判断测试时间点是否超过最佳复习时间点，若是：
S4232.判断测试时间点与最佳复习时间点的间隔，若测试时间点与最佳复习时间点的间隔小于预设的间隔下限，则S4233.测试增加值赋予第一测试增加值；
若测试时间点与最佳复习时间点的间隔大于等于所述间隔下限且小于等于预设的间隔上限，则S4234.测试增加值赋予第二测试增加值；
若测试时间点与最佳复习时间点的间隔大于所述间隔上限，则S4235.测试增加值赋予第三测试增加值；
所述第一测试增加值＜第二测试增加值＜第三测试增加值。
采用上述方案，测试时间点超过最佳复习时间点越长时，根据人类遗忘曲线，用户对该单词遗忘地越多，但此时答对，说明用户对该单词的掌握程度更高，相对应的，测试等价值越高，记忆强度值越大，所述测试增加值能对记忆强度值进行合理的修正，计算方法采用对测试时间点与最佳复习时间点的间隔进行分类，简化了计算，提高计算效率。
在本发明的一个优选实施方式中，所述测试增加值的计算公式为Sqi＝Ai×Sdb，其中Sqi为测试增加值，Meg为记忆档位值，Sdb为测试增加基础值，Ai为测试增加系数，根据测试时间点Tq与最佳复习时间点Tbr的间隔Tit(Tit＝Tq-Tbr)取值不同，当Tit＜Txa时，Ai取值A1，当Txa≤Tit≤Txb时，Ai取值A2，当Tit＞Txb时，Ai取值A3，且，A1＜A2＜A3，其中Txa为预设的间隔下限，Txb为预设的间隔上限,A1＜A2＜A3取值范围为1-10，Meg取值范围为1-10。
在本发明的一个优选实施方式中，所述测试增加值的计算方法包括以下步骤：
将单词的总正确率划分不同的区间，各区间相比，区间内的最大值越大，该区间赋予的记忆档位值越大；
根据记忆档位值计算测试增加值，所述记忆档位值与测试增加值正相关。
采用上述方案，所述记忆档位值，表现为用户针对该单词的记忆速度的快慢，当单词的总正确率越高时，所述记忆档位值越高，表明用户对该单词掌握速度越快，需要学习的次数可减少，表现为记忆强度值增加得越大，实现每个用户针对每个单词的个性化记忆；所述记忆档位值是利用总正确率分类获得的，简化计算，提高计算效率。
优选地，所述测试增加值的计算公式为Sqi＝Ai×Sdb，Sdb＝Amr×Meg+Bmr，其中Sqi为测试增加值，Meg为记忆档位值，可以认为设定，也可以根据正确率进行计算，Sdb为测试增加基础值，Ai为测试增加系数，Amr为档位相关系数，Bmr为档位修正系数，各系数可根据人类遗忘曲线进行设定或计算，更优选地，测试增加系数Ai，根据测试时间点Tq与最佳复习时间点Tbr的间隔Tit(Tit＝Tq-Tbr)取值不同，当Tit＜Txa时，Ai取值A1，当Txa≤Tit≤Txb时，Ai取值A2，当Tit＞Txb时，Ai取值A3，且，A1＜A2＜A3，其中Txa为预设的间隔下限，Txb为预设的间隔上限。
采用上述方案，所述记忆档位值与测试增加值成一元一次方程函数关系，所述记忆档位值越大，所述测试增加值越大。
在本发明的一个优选实施方式中，所述单词的总正确率的计算方法包括以下步骤：
每次学习作答时，判断单词的记忆强度值是否低于熟词阈值，若是，累积作答总次数与答对次数；
判断测试时间点与最佳复习时间点的间隔是否超过预设的答对间隔下限时长，若是，增加测试答对次数值；
计算单词的总正确率。
采用上述方案，所述间隔下限时长为根据人类遗忘曲线设定的值，超过它进行测试，本来遗忘地较多，但是答对，表明用户对该单词掌握程度比原计划中更高，对应的，测试答对次数值增加，单词的总正确率增加，测试增加值增加，单词的记忆强度值增加，合理地调整了记忆强度值，使其与用户对单词的实际掌握程度更匹配。
在本发明的一个优选实施方式中，增加测试答对次数值包括以下步骤：
判断测试时间点与最佳复习时间点的间隔是否超过预设的答对间隔上限时长，若是，所述测试答对次数值增加的值为第一增加次数值；
若否，所述测试答对次数值增加的值为第二增加次数值，所述第二增加次数值根据测试时间点计算，并与测试时间点成正相关。
其中，测试时间点与最佳复习时间点的间隔为测试时间点减去最佳复习时间点的值，当测试时间点晚于所述最佳复习时间点，该值为正值，当测试时间点早于所述最佳复习时间点，该值为负值。
采用上述方案，在一定范围内，测试时间点与最佳复习时间点的间隔越大，用户本应该遗忘地越多，但用户答对，表明用户的掌握程度越高，相对应的，测试答对次数值越大，测试增加值越大，单词的记忆强度值越大；同时，不能超限制地增加测试答对次数值，会造成异常值，比如隔了很长一段时间测试答对，导致计算的答对次数过大，正确次数比总作答次数都大，采用上述方法能合理地调整了记忆强度值，使其与用户对单词的实际掌握程度更匹配。
优选地，所述总正确率的计算公式可以为：Rrt＝(Crr+Cqr)/(Crt+Cqt),其中Crr为复习过程中用户答对的总次数，Cqr为测试答对次数值，Crt为用户在复习过程中对作答的总次数，Cqt为用户测试作答总次数，Cqr根据当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit(Tit＝Tq-Tbr)确定：
当Tit＜-Dra时，Cqr不增加；当Tit＞Dra，Cqr增加第一增加次数值；当-Dra≤Tit≤Dra，Cqr增加第二增加次数值，所述第二增加次数值＝Bra+Tit/Dra，其中-Dra为答对间隔下限时长，Dra为答对间隔上限时长，Bra为设定的答对增加参数修正值，所述第一增加次数值为第二增加次数值的最大值，所述Dra取值1-10天或10-20天，当Dra取值7天时，即Dra＝7×24×60×60。
采用上述方案，利用当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit进行增加次数值的计算比利用测试时间点的具体值计算更简单，占用内存少，计算效率高，最佳复习时间点和测试时间点的单位为秒，测试时间点的具体值会非常的大，给计算带来麻烦；另外，在最佳复习时间点前后间隔相同的值Dra设定上下限，利用Tit的正负值实现在一定范围内，最佳复习时间点左右两侧的增加次数值计算的统一，简化了计算，提高计算效率。
在本发明的一个优选实施方式中，所述测试减少值的计算方法包括以下步骤：
根据测试答错次数和测试作答总次数计算单词的测试作答错误率；
根据单词的测试作答错误率计算所述测试减少值，所述测试减少值与单词的作答错误率正相关。
采用上述方案，单词的测试作答错误率越高表明用户对该单词掌握程度越低，需要更多的学习，相应的，减少的测试减少值约大，使得记忆强度值越低，对记忆强度值进行合理调整，使其与用户实际掌握程度相匹配。
在本发明的一个优选实施方式中，所述根据测试答错次数和测试作答总次数计算单词的测试作答错误率包括以下步骤：
获取单词的测试答错次数和测试作答总次数；
判断测试时间点与最佳复习时间点的间隔是否超过预设的答错间隔下限时长，若是，增加答错次数值。
采用上述方案，测试时间点与最佳复习时间点的间隔越小，说明用户按照人类遗忘曲线遗忘地约少，此时答错，说明用户对该单词的掌握程度更低，相应的，增加答错次数值越大，使计算的测试作答错误率越高，使测试减少值越大，使记忆强度值越小，所述记忆强度值能根据测试结果进行合理修正。
在本发明的一个优选实施方式中，所述测试减少值的计算公式为
Sqr＝Amd×Rqw+Bmd,Rqw＝Cqw/Cqt；
其中Sqr为测试减少值，Rqw为测试作答错误率，Cqt为测试作答总次数,Cqw为测试答错次数，Amd为测试减少相关系数，Bmd为测试减少修正值，其中测试答错次数值Cqw，根据当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit(Tit＝Tq-Tbr)确定：
当Tit＜-Drb时，Cqw增加第三增加次数值；当Tit＞Drb，Cqw不增加；当-Drb≤Tit≤Drb，Cqw增加第四增加次数值，所述第四增加次数值＝Brb+Tit/Drb，其中-Drb为答错间隔下限时长，Drb为答错间隔上限时长，Brb为设定的答错增加参数修正值，所述第三增加次数值为第四增加次数值的最大值，所述Drb取值1-10天或10-20天。
采用上述方案，所述测试减少值与测试作答错误率成一元一次方程函数关系，所述测试作答错误率越大，所述测试减少值越大，利用当前测试时间点Tq和最佳复习时间点Tbr之间的时间间隔Tit进行答错增加次数值的计算比利用测试时间点的具体值计算更简单，占用内存少，计算效率高，最佳复习时间点和测试时间点的单位为秒，测试时间点的具体值会非常的大，给计算带来麻烦；另外，在最佳复习时间点前后间隔相同的值Drb设定上下限，利用Tit的正负值实现在一定范围内，最佳复习时间点左右两侧的增加次数值计算的统一，简化了计算，提高计算效率。同时，不能超限制地增加测试答错次数值，会造成异常值，比如提前很长一段时间测试答错，导致计算的答错次数值过大，答错次数比总作答次数都大，采用上述方法能合理地调整了记忆强度值，使其与用户对单词的实际掌握程度更匹配。
在本发明的一个优选实施方式中，判断单词的记忆强度值是否低于熟词阈值，若是，判断单词是否答对，若是，记忆强度值＝原来的记忆强度值+档位影响增加值；
若否，记忆强度值＝原来的记忆强度值-档位影响减少值。
采用上述方案，利用档位计算记忆强度值，进而影响最佳复习时间点，表明参考用户对单词的记忆水平进行复习安排，增加对每个单词的个性化记忆。
在本发明的一个优选实施方式中，所述档位影响增加值的计算公式可以为Gl＝Meg×Reg,其中Meg为记忆档位值，可人为设定也可根据正确率计算，Reg为答对引擎常数，G1为档位影响增加值，答对引擎常数Reg根据人类遗忘规律进行确定，本实施方式中可以取值为0-1或1-10，优选地，取值0.6。
在本发明的一个优选实施方式中，所述档位影响减少值的计算公式可以为G2＝Weg×Crw/Crt,其中Weg为答错引擎常数，Crw为复习中单词答错次数，Crt为复习中单词作答的总次数，G2为档位影响减少值，答对引擎常数Weg根据人类遗忘规律进行确定，可以取值1-10，本实施方式中可以取值为7.5。
参考图5，在本发明的一个优选实施方式中，所述S320.根据复习间隔时长计算最佳复习时间点还包括以下步骤：
测试阶段，421.判断单词测试是否答对，若答对，则S422.判断记忆强度值是否低于熟词阈值，若是，则S427.最佳复习时间点＝测试时间点+复习间隔时长；若否，最佳复习时间点不改变；
若答错，则S422.判断记忆强度值是否低于熟词阈值，若是，则S428.判断测试时间点是否超过最佳复习时间点，若超过，则S4281.最佳复习时间点＝上一次学习计算的最佳复习时间点+复习间隔时长，若未超过，则S427.最佳复习时间点＝测试时间点+复习间隔时长；若否，则S429.最佳复习时间点赋予测试时间点。
其中最佳复习时间点赋予测试时间点为测试完成后为最佳复习时间点，建议立即进行复习。
采用上述方案，测试会影响记忆强度值，进而影响复习间隔时长，再进而影响最佳复习时间点，同时复习时间点与最佳复习时间点的关系也会对记忆造成影响，因为，所述最佳复习时间点为因为测试的影响在最佳复习时间点上调整的最佳复习时间点用户在测试中同样会对单词进行记忆，根据人类遗忘曲线对最佳复习时间点进行合理调整。
参考图8所示，在本发明的一些实施方式中，系统会依照图中所示对单词执行每个步骤中的判断，然后对于判断结果分别进行参数的赋予；第一步判断是否为新单词，根据判断结果判断用户是否答对，并对作答结果进行参数的赋予，最后进行复习时间的计算并储存。
本发明还保护一种电子设备，所述电子设备包括存储器及处理器，所述存储器上至少有一条指令，所述至少一条指令由所述处理器加载并执行，以实现上述智能默写中的复习时间计算方法。
应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
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。

Claims (10)

1.一种智能默写中的复习时间计算方法，其特征在于：包括以下步骤：
为用户生成待默写单词的中文释义；
获取用户对单词的学习信息，所述学习信息包括单词的记忆强度值；
根据单词的记忆强度值计算单词的最佳复习时间点。
2.根据权利要求1所述的智能默写中的复习时间计算方法，其特征在于：所述获取用户对单词的学习信息包括以下步骤：
判断单词是否首次学习，判断是否默写正确，判断是否超出预设的反应时长，给单词的记忆强度赋予不同的值。
3.根据权利要求1所述的智能默写中的复习时间计算方法，其特征在于：所述获取用户对单词的学习信息还包括以下步骤：
根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改。
4.根据权利要求3所述的智能默写中的复习时间计算方法，其特征在于：所述根据用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，对记忆强度值进行修改包括以下步骤：
判断用户学习单词时的学习有效时长是否超过预设的疲劳设定时长，若是，判断单词是否答对，若答对，则单词的记忆强度值＝原来的记忆强度值+疲劳影响值，若答错，单词的记忆强度值＝原来的记忆强度值-疲劳影响值；
所述疲劳影响值根据学习有效时长进行计算，所述疲劳影响值与所述学习有效时长成负相关。
5.根据权利要求1-4任一项所述的智能默写中的复习时间计算方法，其特征在于：所述获取用户对单词的学习信息还包括以下步骤：
根据单词的总错误率对记忆强度值进行修改。
6.根据权利要求1所述的智能默写中的复习时间计算方法，其特征在于：所述根据单词的记忆强度值计算单词的最佳复习时间点包括以下步骤：
根据单词的记忆强度值计算复习间隔时长，所述复习间隔时长与单词的记忆强度值正相关；
根据复习间隔时长计算最佳复习时间点。
7.根据权利要求6所述的智能默写中的复习时间计算方法，其特征在于：所述根据复习间隔时长计算最佳复习时间点包括以下步骤：
复习阶段，判断单词是否为新词，若不为新词，则判断单词是否作答正确，若答错，则最佳复习时间点＝上次学习计算的最佳复习时间点+复习间隔时长，若答对，则最佳复习时间点＝当前学习时间点+复习间隔时长；若为新词，则佳复习时间点＝当前学习时间点+复习间隔时长。
8.根据权利要求1所述的智能默写中的复习时间计算方法，其特征在于：所述智能默写中的复习时间计算方法，还包括以下步骤：
根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
9.根据权利要求8所述的智能默写中的复习时间计算方法，其特征在于：所述根据学习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改包括以下步骤：
对单词进行复习，根据复习结果、复习时间点与最佳复习时间点的关系对单词的记忆强度值进行修改；
对单词进行测试，根据测试结果、记忆强度值、测试时间点与最佳复习时间点的关系对单词的记忆强度值进行修改。
10.一种电子设备，其特征在于：所述电子设备包括存储器及处理器，所述存储器上至少有一条指令，所述至少一条指令由所述处理器加载并执行，以实现如权利要求1-9任一项所述智能默写中的复习时间计算方法。
CN202010566653.1A 2020-06-19 2020-06-19 一种智能默写中的复习时间计算方法及电子设备 Active CN111861373B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010566653.1A CN111861373B (zh) 2020-06-19 2020-06-19 一种智能默写中的复习时间计算方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010566653.1A CN111861373B (zh) 2020-06-19 2020-06-19 一种智能默写中的复习时间计算方法及电子设备

Publications (2)

Publication Number Publication Date
CN111861373A true CN111861373A (zh) 2020-10-30
CN111861373B CN111861373B (zh) 2024-02-23

Family

ID=72986932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010566653.1A Active CN111861373B (zh) 2020-06-19 2020-06-19 一种智能默写中的复习时间计算方法及电子设备

Country Status (1)

Country Link
CN (1) CN111861373B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08179683A (ja) * 1994-12-21 1996-07-12 Gengo Kyoiku Sogo Kenkyusho:Kk 英単語学習装置
CN101201812A (zh) * 2006-12-14 2008-06-18 英业达股份有限公司 通过计算机可执行的辅助学习语言单词的系统及其方法
CN102750840A (zh) * 2011-04-18 2012-10-24 英业达股份有限公司 辅助背诵单词的系统及其方法
CN103413478A (zh) * 2013-07-09 2013-11-27 复旦大学 记忆单词智能学习方法与系统
CN104134374A (zh) * 2014-05-06 2014-11-05 天津工业大学 一种基于词句排序动态评估掌握程度的电子词典方法
CN106571073A (zh) * 2016-07-27 2017-04-19 张法春 一种英语单词语根形音记忆方法
CN106846980A (zh) * 2017-02-15 2017-06-13 山东顺势教育科技有限公司 一种记忆引擎系统
KR20190006409A (ko) * 2017-07-10 2019-01-18 박윤규 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법
CN109522560A (zh) * 2018-11-27 2019-03-26 龙马智芯（珠海横琴）科技有限公司 用于单词记忆的方法、计算机可读存储介质及计算机设备
CN109767366A (zh) * 2019-01-08 2019-05-17 汪胜利 一种实时扫描分析单词记忆效果的计算机雷达系统
CN110473438A (zh) * 2019-07-30 2019-11-19 北京捷足先登教育科技有限公司 一种基于定量化分析的单词辅助学习系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08179683A (ja) * 1994-12-21 1996-07-12 Gengo Kyoiku Sogo Kenkyusho:Kk 英単語学習装置
CN101201812A (zh) * 2006-12-14 2008-06-18 英业达股份有限公司 通过计算机可执行的辅助学习语言单词的系统及其方法
CN102750840A (zh) * 2011-04-18 2012-10-24 英业达股份有限公司 辅助背诵单词的系统及其方法
CN103413478A (zh) * 2013-07-09 2013-11-27 复旦大学 记忆单词智能学习方法与系统
CN104134374A (zh) * 2014-05-06 2014-11-05 天津工业大学 一种基于词句排序动态评估掌握程度的电子词典方法
CN106571073A (zh) * 2016-07-27 2017-04-19 张法春 一种英语单词语根形音记忆方法
CN106846980A (zh) * 2017-02-15 2017-06-13 山东顺势教育科技有限公司 一种记忆引擎系统
KR20190006409A (ko) * 2017-07-10 2019-01-18 박윤규 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법
CN109522560A (zh) * 2018-11-27 2019-03-26 龙马智芯（珠海横琴）科技有限公司 用于单词记忆的方法、计算机可读存储介质及计算机设备
CN109767366A (zh) * 2019-01-08 2019-05-17 汪胜利 一种实时扫描分析单词记忆效果的计算机雷达系统
CN110473438A (zh) * 2019-07-30 2019-11-19 北京捷足先登教育科技有限公司 一种基于定量化分析的单词辅助学习系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚金娇: "借助记忆规律攻破英语词汇教学难关", 《英语画刊(高级版)》, no. 13, 5 May 2020 (2020-05-05), pages 68 - 69 *
王正海: "遗忘规律在单词记忆中的运用", 《商情(科学教育家)》, no. 5, 15 May 2008 (2008-05-15), pages 38 *
石元鹏等: "浅谈记忆与外语教学", 《学理论》, no. 6, 20 February 2015 (2015-02-20), pages 217 - 218 *

Also Published As

Publication number Publication date
CN111861373B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
WO2018212397A1 (ko) 시험 점수를 추정하는 방법, 장치 및 컴퓨터 프로그램
KR20220136952A (ko) 복수의 시험 도메인에 적용되는 전이요소로 학습된 인공지능 모델을 통해 사용자의 실력을 평가하는 장치, 시스템 및 그것의 동작방법
CN111861372B (zh) 一种单词掌握程度的测试方法及系统
WO2019146753A1 (ja) 脳活動を利用した語学能力評価装置、及び語学能力評価システム
CN111861374B (zh) 一种外语复习机制及装置
CN111815267B (zh) 一种外语学习及复习的方法及装置
CN110472227B (zh) 一种词汇掌握程度评估方法、装置、终端设备及存储介质
CN111861373B (zh) 一种智能默写中的复习时间计算方法及电子设备
CN111861817B (zh) 一种字母语言听写学习的记忆强度计算方法及系统
CN111861371B (zh) 一种计算单词最佳复习时间的方法及设备
CN111861814B (zh) 一种字母语言听写学习中记忆水平的评估方法及系统
CN111861819B (zh) 一种智能默写中评估用户记忆水平的方法及电子设备
Belov Robust detection of examinees with aberrant answer changes
Mioduser et al. Using computers to teach remedial spelling to a student with low vision: A case study
CN114691856A (zh) 题目推荐方法、装置、设备及介质
CN111861813B (zh) 一种智能默写记忆强度的计算方法及电子设备
CN111861816B (zh) 一种语言互译学习中用于计算单词记忆强度的方法及设备
CN111861375B (zh) 一种单词听写最佳复习时间的计算方法及系统
CN111861370B (zh) 一种词听最佳复习时间规划的方法及装置
CN111861812B (zh) 一种词听方式的单词记忆强度计算方法及装置
KR20120011107A (ko) 언어 영역의 학습 정도를 진단하기 위한 시스템 및 방법
CN111028853A (zh) 一种口语表达力评估方法及系统
JP3851527B2 (ja) 外国語学習装置
CN111861815B (zh) 一种词听学习中评估用户记忆水平的方法及装置
WO2022250171A1 (ko) 교육적 요소를 예측하는 사전학습 모델링 시스템 및 방법

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