CN111861374A - 一种外语复习机制及装置 - Google Patents

一种外语复习机制及装置 Download PDF

Info

Publication number
CN111861374A
CN111861374A CN202010566670.5A CN202010566670A CN111861374A CN 111861374 A CN111861374 A CN 111861374A CN 202010566670 A CN202010566670 A CN 202010566670A CN 111861374 A CN111861374 A CN 111861374A
Authority
CN
China
Prior art keywords
review
word
value
memory
time point
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
CN202010566670.5A
Other languages
English (en)
Other versions
CN111861374B (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 CN202010566670.5A priority Critical patent/CN111861374B/zh
Publication of CN111861374A publication Critical patent/CN111861374A/zh
Application granted granted Critical
Publication of CN111861374B publication Critical patent/CN111861374B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/109Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093Calendar-based scheduling for persons or groups
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass
    • G09B19/06Foreign languages
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-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

本发明涉及智能记忆方法技术领域,尤其涉及一种外语复习机制及装置,包括:接收对单词的学习信息,所述学习信息包括所述单词的记忆强度值、时间信息;根据所述学习信息得出最佳复习时间点;输出复习模式种类选择请求,所述复习模式种类包括整体复习模式和部分复习模式;接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习;接收对所述单词的复习信息,根据所述复习信息重置所述单词的记忆强度值,重置所述单词的学习信息。生成不同的当前记忆强度值,通过复习模式的选择,生成更加适合学习者的复习计划,再重置记忆强度值计算出不同阶段的所述最佳复习时间点,提高对不同学习者的适用性,提高学习者在不同学习阶段的学习效率。

Description

一种外语复习机制及装置
技术领域:
本发明涉及智能记忆方法技术领域,尤其涉及一种外语复习机制及装置。
背景技术:
在近几十年以来,学习外语成为一种潮流,学习外语的队伍越来越大。
而作为外语学习者,单词的记忆是整个学习过程中的最基础部分也是最重要的一部分, 但是在学习者的学习过程中,常常会遇到记过的单词过一段时间遗忘的问题,目前缺少一种 外语复习机制,无法针对个人学习情况而有针对性的制定复习计划,导致降低学习效率,从 而不能有效地记忆单词。
有鉴于此,提出本发明。
发明内容:
本发明提供一种外语复习机制及装置以解决上述至少一个技术问题。
本发明提供一种外语复习机制,包括:
接收对单词的学习信息,所述学习信息包括所述单词的记忆强度值、时间信息;
根据所述学习信息得出最佳复习时间点;
输出复习模式种类选择请求,所述复习模式种类包括整体复习模式和部分复习模式;
接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习;
接收对所述单词的复习信息,根据所述复习信息重置所述单词的记忆强度值,重置所述 单词的学习信息。
采用上述方案,根据对不同单词的不同学习情况会生成不同的当前记忆强度值,通过复 习模式的选择,生成更加适合学习者的复习计划,再重置记忆强度值计算出不同阶段的所述 最佳复习时间点,提高对不同学习者的适用性,再重置记忆强度值,提高学习者在不同学习 阶段的学习效率。
进一步地,接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习的步骤 包括:
判断所述复习模式种类的选择是整体复习模式或部分复习模式;
若选择整体复习模式,根据所述最佳复习时间点输出所述复习计划;
若选择部分复习模式,将所述单词按照最佳复习时间点前后排序;
提取部分单词,根据所述部分单词的最佳复习时间点输出所述复习计划。
采用上述方案,通过所述部分复习的设置,实现对单词的部分复习,所述部分单词可以 是整体单词的10%、50%、80%或整体单词中的10个、50个、100个,实现对复习词汇量的 控制,有助于帮助课程计划更顺利的执行,提高教学计划的多样性,提高学习效率。
优选地,所述提取部分单词的步骤还包括:
接收记忆强度值阈值参数;
接收所述单词的记忆强度值;
判断所述单词的记忆强度值是否大于所述记忆强度值阈值参数;
若是,所述单词不加入所述复习计划;
若否,判断所述单词是否已经存在所述复习计划中;
若存在,所述单词不再加入所述复习计划;
若不存在,所述单词加入所述复习计划。
采用上述方案,将记忆强度值小于或等于所述记忆强度值阈值参数的单词列为必须复习 的单词,加入所述复习计划,避免记忆强度值较低的单词被遗漏,由于没有进行复习造成遗 忘,影响学习进度,降低学习效率。
进一步地,所述复习信息包括当前复习时间点,接收对所述单词的复习信息的步骤包括:
判断所述当前复习时间点是否晚于最佳复习时间点;
若是,按照第一方案重置所述单词的记忆强度值;
若否,按照第二方案重置所述单词的记忆强度值。
采用上述方案,对最佳复习时间点前后的复习情况采用不同的方案计算记忆强度值,提 高记忆强度值对真实学习情况的反映程度,提高学习效率。
进一步地,所述复习信息还包括复习作答结果,所述按照第一方案重置所述单词的记忆 强度值包括步骤:
判断所述复习作答结果是否正确;
若是,则单词的记忆强度值=原来的记忆强度值+勤奋影响值;
若否,则单词的记忆强度值=原来的记忆强度值。
进一步地,所述按照第二方案重置所述单词的记忆强度值包括步骤:
判断所述复习作答结果是否正确;
若是,则单词的记忆强度值=原来的记忆强度值;
若否,则单词的记忆强度值=原来的记忆强度值-勤奋影响值。
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,所述勤奋影响值的计算公式为: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。
进一步地,所述接收对单词的学习信息包括以下步骤:
判断单词是否首次学习,判断学习结果是否正确,判断所述时间信息是否大于预设的反 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,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,判断单词是否首次学习,判断是否学习结果正确,判断所述时间信息是否大 于预设的反应时长,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;
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。
优选地,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。
进一步地,所述接收对单词的学习信息还包括步骤:
根据用户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。
进一步地,所述根据用户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。
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,所述接收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。
优选地,所述难度影响值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,根据所述学习信息得出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;
根据复习间隔时长计算最佳复习时间点。
优选地,所述复习间隔时长与单词的记忆强度值正相关。
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,则最佳复习时间点=当前学习时间点+复习间 隔时长。
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,根据所述学习信息得出最佳复习时间点还包括步骤:
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。
采用上述方案,在用户复习所述单词的过程中,当所述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。
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,所述外语复习机制还包括测试阶段,所述学习信息还包括测试信息,所述测 试阶段对单词的记忆强度值进行修改。
进一步地,所述测试阶段对单词的记忆强度值进行修改,包括步骤:
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:
输出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。
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。
优选地,所述第一测试增加值<第二测试增加值<第三测试增加值。
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。
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。
本发明还保护一种应用所述外语复习机制的装置,包括:存储器、处理器及存储在存储 器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的方法。
综上所述,本发明具有以下有益效果:
1.本发明提供的外语复习机制,根据对不同单词的不同学习情况会生成不同的当前记忆 强度值,通过复习模式的选择,对学习者的复习量进行控制,制定更优的复习计划,再重置 记忆强度值计算出不同阶段的所述最佳复习时间点,提高对不同学习者的适用性,再重置记 忆强度值,提高学习者在不同学习阶段的学习效率;
2.本发明提供的外语复习机制,通过所述部分复习模式的设置,实现对单词的部分复习, 所述部分复习可以是整体单词的10%、50%、80%或整体单词中的10个、50个、100个,有 助于帮助课程计划更顺利的执行,提高教学计划的多样性,提高学习效率;
3.本发明提供的外语复习机制,将记忆强度值小于或等于所述记忆强度值阈值参数的单 词列为必须复习的单词,加入所述复习计划,避免记忆强度值较低的单词被遗漏,由于没有 进行复习造成遗忘,影响学习进度,降低学习效率;
4.本发明提供的外语复习机制,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,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,提高学习效率。
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为本发明外语复习机制一种实施方式的流程图;
图2为本发明外语复习机制另一种实施方式的流程图;
图3为本发明外语复习机制一种优选实施方式的流程图;
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。
参考图1,本发明提供一种外语复习机制,包括:
接收对单词的学习信息,所述学习信息包括所述单词的记忆强度值、时间信息;
根据所述学习信息得出最佳复习时间点;
输出复习模式种类选择请求,所述复习模式种类包括整体复习模式和部分复习模式;
接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习;
接收对所述单词的复习信息,根据所述复习信息重置所述单词的记忆强度值,重置所述 单词的学习信息。
采用上述方案,根据对不同单词的不同学习情况会生成不同的当前记忆强度值,通过复 习模式的选择,生成更加适合学习者的复习计划,再重置记忆强度值计算出不同阶段的所述 最佳复习时间点,提高对不同学习者的适用性,再重置记忆强度值,提高学习者在不同学习 阶段的学习效率。
参考图2,在本实施例的一个优选实施方式中,接收所述复习模式种类的选择,根据复 习模式生成复习计划进行复习的步骤包括:
判断所述复习模式种类的选择是整体复习模式或部分复习模式;
若选择整体复习模式,根据所述最佳复习时间点输出所述复习计划;
若选择部分复习模式,将所述单词按照最佳复习时间点前后排序;
提取部分单词,根据所述部分单词的最佳复习时间点输出所述复习计划。
在具体实施过程中,所述部分单词可以是整体单词的10%、50%、80%或整体单词中的10 个、50个、100个。
在具体实施过程中,所述部分复习可以是整体单词的10%、50%、80%或整体单词中的10 个、50个、100个;当所述部分复习是整体单词的10%、50%或80%时,提取整体单词中所述 最佳复习时间点前10%、50%或80%的单词进入复习计划;当所述部分复习是整体单词的10 个、50个、100个时,提取整体单词中所述最佳复习时间点靠前的前10个、50个、100个 单词进入复习计划。
采用上述方案,通过所述部分复习模式的设置,实现对单词的部分复习,实现对复习词 汇量的控制,有助于帮助课程计划更顺利的执行,提高教学计划的多样性,提高学习效率。
参考图3,在本实施例的一个优选实施方式中,所述提取部分单词的步骤还包括:
接收记忆强度值阈值参数;
接收所述单词的记忆强度值;
判断所述单词的记忆强度值是否大于所述记忆强度值阈值参数;
若是,所述单词不加入所述复习计划;
若否,判断所述单词是否已经存在所述复习计划中;
若存在,所述单词不再加入所述复习计划,避免同一个单词在复习计划中重复出现;
若不存在,所述单词加入所述复习计划。
采用上述方案,将记忆强度值小于或等于所述记忆强度值阈值参数的单词列为必须复习 的单词,加入所述复习计划,避免记忆强度值较低的单词被遗漏,由于没有进行复习造成遗 忘,影响学习进度,降低学习效率。
在具体实施过程中,将记忆强度值小于或等于所述记忆强度值阈值参数的单词列为必须 复习的单词,将记忆强度值小于或等于所述记忆强度值阈值参数的单词加入原有的复习计划 中。
在具体实施过程中,将记忆强度值小于或等于所述记忆强度值阈值参数的单词可以为2 个,当所述部分单词是整体单词的10%、50%、80%或整体单词中的10个、50个、100个时, 最终复习计划的复习量为10%+2、50%+2、80%+2或12个、52个、102个。
在本实施例的一个优选实施方式中,所述输出复习模式种类选择请求的步骤之前还包 括:
接收单词数量阈值参数;
判断整体单词数量是否小于所述单词数量阈值参数;
若是,不进行模式选择,进入整体复习模式。
在具体实施过程中,所述单词数量阈值参数可以为50、80、100等。
采用上述方案,当单词总量较少时,整体复习所需时间较短,整体复习和部分复习所需 时间相差较小,节省选择时间,提高学习效率。
在本实施例的一个优选实施方式中,所述复习信息包括当前复习时间点,接收对所述单 词的复习信息的步骤包括:
判断所述当前复习时间点是否晚于最佳复习时间点;
若是,按照第一方案重置所述单词的记忆强度值;
若否,按照第二方案重置所述单词的记忆强度值。
采用上述方案,对最佳复习时间点前后的复习情况采用不同的方案计算记忆强度值,提 高记忆强度值对真实学习情况的反映程度,提高学习效率。
在具体实施过程中,所述复习信息还包括复习作答结果,所述按照第一方案重置所述单 词的记忆强度值包括步骤:
判断所述复习作答结果是否正确;
若是,则单词的记忆强度值=原来的记忆强度值+勤奋影响值;
若否,则单词的记忆强度值=原来的记忆强度值。
在具体实施过程中,所述按照第二方案重置所述单词的记忆强度值包括步骤:
判断所述复习作答结果是否正确;
若是,则单词的记忆强度值=原来的记忆强度值;
若否,则单词的记忆强度值=原来的记忆强度值-勤奋影响值。
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。
在具体实施过程中,所述勤奋影响值的计算公式为: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。
在具体实施过程中,所述接收对单词的学习信息包括以下步骤:
判断单词是否首次学习,判断是否学习结果正确,判断所述时间信息是否大于预设的反 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,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。
在具体实施过程中,判断单词是否首次学习,判断是否学习结果正确,判断所述时间信 息是否大于预设的反应时长,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;
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。
在本实施例的一个优选实施方式中,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。
在本实施例的一个优选实施方式中,所述第三初始记忆强度值的计算公式为 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。
在本实施例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。
在具体实施过程中,所述接收对单词的学习信息还包括步骤:
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。
在具体实施过程中,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。
在具体实施过程中,所述学习有效时长为用户此次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。
在本实施例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。
在具体实施过程中,所述接收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。
在具体实施过程中,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
在具体实施过程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为用户复习过程中和初次学习中对所述生词答错的次数之和,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。
在具体实施过程中,根据所述学习信息得出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单词。
在具体实施过程中,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。
在具体实施过程中,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,则最佳复习时间点=当前学习时间点+复习间 隔时长。
在具体实施过程中,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。
在具体实施过程中,根据所述学习信息得出最佳复习时间点还包括步骤:
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。
在具体实施过程中,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,在用户复习所述单词的过程中,当所述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。
在具体实施过程中,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。
在具体实施过程中,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。
在本实施例的一个优选实施方式中,所述外语复习机制还包括测试阶段,所述学习信息 还包括测试信息,所述测试阶段对单词的记忆强度值进行修改。
在具体实施过程中,所述测试阶段对单词的记忆强度值进行修改,包括步骤:
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。
在具体实施过程中,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。
在本实施例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。
在本实施例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。
在本实施例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。
在具体实施过程中,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:
输出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。
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。
在本实施例的一个优选实施方式中,所述第一测试增加值<第二测试增加值<第三测试 增加值。
在本实施例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。
在具体实施过程中,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。
在具体实施过程中,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。
在具体实施过程中,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。
在具体实施过程中,所述总正确率的计算公式可以为:Rrt=Crr+Cqr/Crt+Cqt,其中Crr 为复习过程中和初学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 过程中和初学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。
本发明还提供了一种应用所述外语复习机制的装置,包括:存储器、处理器及存储在存 储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的方法。
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。
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。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。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解 决前述技术问题。
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(ROM,Read-Only Memory)、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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些 实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理 可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被 限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的 范围,对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这 些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原 理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会 被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽 的范围。

Claims (10)

1.一种外语复习机制,其特征在于,包括:
接收对单词的学习信息,所述学习信息包括所述单词的记忆强度值、时间信息;
根据所述学习信息得出最佳复习时间点;
输出复习模式种类选择请求,所述复习模式种类包括整体复习模式和部分复习模式;
接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习;
接收对所述单词的复习信息,根据所述复习信息重置所述单词的记忆强度值,重置所述单词的学习信息。
2.根据权利要求1所述的外语复习机制,其特征在于,接收所述复习模式种类的选择,根据复习模式生成复习计划进行复习的步骤包括:
判断所述复习计划种类的选择是整体复习或部分复习;
若选择整体复习模式,根据所述最佳复习时间点输出所述复习计划;
若选择部分复习模式,将所述单词按照最佳复习时间点前后排序;
提取部分单词,根据所述部分单词的最佳复习时间点输出所述复习计划。
3.根据权利要求2所述的外语复习机制,其特征在于,所述提取部分单词的步骤还包括:
接收记忆强度值阈值参数;
接收所述单词的记忆强度值;
判断所述单词的记忆强度值是否大于所述记忆强度值阈值参数;
若是,所述单词不加入所述复习计划;
若否,判断所述单词是否已经存在所述复习计划中;
若存在,所述单词不再加入所述复习计划;
若不存在,所述单词加入所述复习计划。
4.根据权利要求1-3任一项所述的外语复习机制,其特征在于,所述复习信息包括当前复习时间点,接收对所述单词的复习信息的步骤包括:
判断所述当前复习时间点是否晚于最佳复习时间点;
若是,按照第一方案重置所述单词的记忆强度值;
若否,按照第二方案重置所述单词的记忆强度值。
5.根据权利要求4所述的外语复习机制,其特征在于,所述复习信息还包括复习作答结果,所述按照第一方案或第二方案重置所述单词的记忆强度值包括步骤:
第一方案:判断所述复习作答结果是否正确;若是,则单词的记忆强度值=原来的记忆强度值+勤奋影响值;若否,则单词的记忆强度值=原来的记忆强度值;
第二方案:判断所述复习作答结果是否正确;若是,则单词的记忆强度值=原来的记忆强度值;若否,则单词的记忆强度值=原来的记忆强度值-勤奋影响值。
6.根据权利要求2或5所述的外语复习机制,其特征在于,所述接收对单词的学习信息包括以下步骤:
判断单词是否首次学习,判断学习结果是否正确,判断所述时间信息是否大于预设的反应时长,给单词的记忆强度赋予不同的值。
7.根据权利要求6所述的外语复习机制,其特征在于,根据所述学习信息得出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;
根据复习间隔时长计算最佳复习时间点。
8.根据权利要求7所述的外语复习机制,其特征在于,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。
9.根据权利要求1、7或8所述的外语复习机制,其特征在于,所述外语复习机制还包括测试阶段,所述学习信息还包括测试信息,所述测试阶段对单词的记忆强度值进行修改。
10.一种应用所述外语复习机制的装置,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1-9任一项的方法。
CN202010566670.5A 2020-06-19 2020-06-19 一种外语复习机制及装置 Active CN111861374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010566670.5A CN111861374B (zh) 2020-06-19 2020-06-19 一种外语复习机制及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010566670.5A CN111861374B (zh) 2020-06-19 2020-06-19 一种外语复习机制及装置

Publications (2)

Publication Number Publication Date
CN111861374A true CN111861374A (zh) 2020-10-30
CN111861374B CN111861374B (zh) 2024-02-13

Family

ID=72986957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010566670.5A Active CN111861374B (zh) 2020-06-19 2020-06-19 一种外语复习机制及装置

Country Status (1)

Country Link
CN (1) CN111861374B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094404A (zh) * 2021-04-22 2021-07-09 山东顺势教育科技有限公司 一种大数据采集多核参数自适应分时记忆驱动方法及系统
CN117114940A (zh) * 2023-10-24 2023-11-24 山东爱书人家庭教育科技有限公司 一种资源匹配方法、系统、装置及介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003050781A2 (en) * 2001-12-12 2003-06-19 Cerego Cayman, Inc. System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills
JP2008191226A (ja) * 2007-02-01 2008-08-21 Shigehiro Matsuda 反復学習方法およびプログラム
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
KR20160103660A (ko) * 2015-02-25 2016-09-02 주식회사 티쓰리엔터테인먼트 수준별 맞춤 주기반복을 통한 외국어 학습 시스템 및 그 방법
CN106485357A (zh) * 2016-10-13 2017-03-08 张凯锋 一种通过评分量化记忆强度的方法
CN106600237A (zh) * 2016-12-23 2017-04-26 云南中医学院 一种辅助记忆中医药书籍的方法和装置
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
CN109597808A (zh) * 2018-10-29 2019-04-09 清远墨墨教育科技有限公司 一种根据单词难度的单词排序方法及学习方法
CN109918637A (zh) * 2018-10-09 2019-06-21 上海博中机电科技有限公司 一种学习活动的多功能评价方法
CN110097484A (zh) * 2019-04-28 2019-08-06 赵玉芝 一种可防止遗忘的辅助类多核驱动记忆引擎
CN110533988A (zh) * 2018-05-24 2019-12-03 王佳丽 辅助记忆单词的系统和方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003050781A2 (en) * 2001-12-12 2003-06-19 Cerego Cayman, Inc. System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills
JP2008191226A (ja) * 2007-02-01 2008-08-21 Shigehiro Matsuda 反復学習方法およびプログラム
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
KR20160103660A (ko) * 2015-02-25 2016-09-02 주식회사 티쓰리엔터테인먼트 수준별 맞춤 주기반복을 통한 외국어 학습 시스템 및 그 방법
CN106485357A (zh) * 2016-10-13 2017-03-08 张凯锋 一种通过评分量化记忆强度的方法
CN106600237A (zh) * 2016-12-23 2017-04-26 云南中医学院 一种辅助记忆中医药书籍的方法和装置
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
CN110533988A (zh) * 2018-05-24 2019-12-03 王佳丽 辅助记忆单词的系统和方法
CN109918637A (zh) * 2018-10-09 2019-06-21 上海博中机电科技有限公司 一种学习活动的多功能评价方法
CN109597808A (zh) * 2018-10-29 2019-04-09 清远墨墨教育科技有限公司 一种根据单词难度的单词排序方法及学习方法
CN110097484A (zh) * 2019-04-28 2019-08-06 赵玉芝 一种可防止遗忘的辅助类多核驱动记忆引擎

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
FERNANDO: "Rosell-Aguilar, Autonomous language learning through a mobile application: a user evaluation of the busuu app", COMPUTER ASSISTED LANGUAGE LEARNIN, vol. 31, no. 8, pages 854 - 881 *
GUAQUETA 等: "The Use of Language Learning Apps as a Didactic Tool for EFL Vocabulary Building", ENGLISH LANGUAGE TEACHING, pages 61 - 71 *
JAROSLAV KACETL 等: "Use of Smartphone Applications in English Language Learning—A Challenge for Foreign Language Education", EDUC SCI, vol. 9, no. 3, pages 1 - 7 *
仇艳红: ""敏特记忆引擎"支撑下的英语词汇教学", 中国优秀硕士学位论文全文数据库, pages 20 - 23 *
茹韶燕 等: "基于深度学习的英语单词学习系统应用研究", 电脑编程技巧与维护, vol. 2020, no. 2, pages 133 - 134 *
蔡乐 等: "基于遗忘曲线的自适应词汇记忆模型", 微型电脑应用, no. 5, pages 16 - 19 *
袁霁雯: "Android 平台下英语单词记忆软件的设计与实现", 信息技术, vol. 42, no. 12, pages 108 - 110 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094404A (zh) * 2021-04-22 2021-07-09 山东顺势教育科技有限公司 一种大数据采集多核参数自适应分时记忆驱动方法及系统
CN117114940A (zh) * 2023-10-24 2023-11-24 山东爱书人家庭教育科技有限公司 一种资源匹配方法、系统、装置及介质

Also Published As

Publication number Publication date
CN111861374B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN110704732A (zh) 基于认知诊断的时序性习题推荐方法
CN111861374A (zh) 一种外语复习机制及装置
CN111861372B (zh) 一种单词掌握程度的测试方法及系统
KR20190064911A (ko) 학습 문항 추천 장치 및 그 방법
CN111815267B (zh) 一种外语学习及复习的方法及装置
CN110288878B (zh) 自适应学习方法及装置
CN113808698A (zh) 计算机化社会适应训练方法及系统
CN113051930A (zh) 基于Bert模型的意图识别方法、装置及相关设备
CN107992318A (zh) 应用程序升级方法、装置、存储介质和处理器
CN111861371B (zh) 一种计算单词最佳复习时间的方法及设备
CN113094404B (zh) 一种大数据采集多核参数自适应分时记忆驱动方法及系统
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
CN111861817B (zh) 一种字母语言听写学习的记忆强度计算方法及系统
Agarwal et al. Contextual Derivation of Stable BKT Parameters for Analysing Content Efficacy.
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
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
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
CN111861815B (zh) 一种词听学习中评估用户记忆水平的方法及装置
CN111861373B (zh) 一种智能默写中的复习时间计算方法及电子设备
Wang et al. POEM: a personalized online education scheme based on reinforcement learning
CN111862707A (zh) 一种语言互译学习中评估用户记忆水平的方法及设备
KR20010035136A (ko) 인터넷 인공지능 학습 및 관리 방법
CN111967276A (zh) 翻译质量评估方法及装置、电子设备、存储介质
CN111861375B (zh) 一种单词听写最佳复习时间的计算方法及系统

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