CN111861819B - 一种智能默写中评估用户记忆水平的方法及电子设备 - Google Patents

一种智能默写中评估用户记忆水平的方法及电子设备 Download PDF

Info

Publication number
CN111861819B
CN111861819B CN202010568142.3A CN202010568142A CN111861819B CN 111861819 B CN111861819 B CN 111861819B CN 202010568142 A CN202010568142 A CN 202010568142A CN 111861819 B CN111861819 B CN 111861819B
Authority
CN
China
Prior art keywords
word
value
user
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.)
Active
Application number
CN202010568142.3A
Other languages
English (en)
Other versions
CN111861819A (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 CN202010568142.3A priority Critical patent/CN111861819B/zh
Publication of CN111861819A publication Critical patent/CN111861819A/zh
Application granted granted Critical
Publication of CN111861819B publication Critical patent/CN111861819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q50/00—Systems or methods specially adapted for 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

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

Abstract

本发明保护一种智能默写中评估用户记忆水平的方法及电子设备，所述智能默写中评估用户记忆水平的方法，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；计算单词的正确率；根据用户对单词的正确率生成评估用户记忆力水平的档位。所述电子设备，用以实现上述方法，根据用户对所述单词作答的总正确率来确定档位，正确率越高表明用户对单词记忆很快、则档位越高，反之则档位越低。所述档位的生成有效地反映了用户的记忆力水平，解决了无法根据不同用户的不同记忆力水平制定个性化学习计划的技术问题，产生了提升学习效率、更有效地利用学习时间的技术效果，还可以提升用户的学习兴趣从而产生使用户学习的动力。

Description

一种智能默写中评估用户记忆水平的方法及电子设备
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评估用户记忆水平的方法及电子设备。
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，如对于每个单词，用户对其记忆水平不同，导致复习次数和最佳复习间隔时长不同，若不对其进行区分，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评估用户记忆水平的方法及电子设备，至少解决上述一个问题。
本发明保护一种智能默写中评估用户记忆水平的方法，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；
计算单词的正确率；
根据用户对单词的正确率生成评估用户记忆力水平的档位。
采用上述方案，所述用户对单词的正确率包括历史信息中用户作答的正确率和当前用户作答的正确率；根据用户对所述单词作答的总正确率来确定档位，正确率越高表明用户对单词记忆很快、记忆水平很好，则档位越高，反之则档位越低。
进一步地，所述根据用户对单词的正确率生成评估用户记忆力水平的档位包括以下步骤：
将单词的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。
采用上述方案，所述单词的记忆档位值越大，单词的正确率越高，说明用户对单词的记忆水平高，所述记忆档位值能评估用户对单词的记忆水平。
进一步地，所述计算单词的正确率包括以下步骤：
判断此次学习是否为初学或复习，若是，单词的正确率按第一正确率的计算公式计算；所述第一正确率的计算公式为Rrr=Crr/Crt,其中Rrr为用户对单词作答的第一正确率，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数。
采用上述方案，所述复习信息包括用户第一次初学完成之后的复习，因为人类的大脑会产生遗忘，所以需要对所述学习进行复习。通过区分设立初学阶段和再次复习阶段，利用计算答对次数来计算正确率，更合理、全面的来客观计算档位。
进一步地，所述计算单词的正确率包括以下步骤：
判断此次学习是否为测试，若是，单词的正确率按第二正确率的计算公式计算；所述第二正确率的计算公式为：Rrt=（Crr+Cqr）/（Crt+Cqt）,其中，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数，Rrt为第二正确率,Cqr为测试中用户对单词答对的次数，Cqt为测试中用户对单词作答总次数。
采用上述方案，对学习单词进行学习还可以设立测试阶段，测试阶段可以独立于复习阶段而存在，可以在用户完成学习某个章节的单词之后统一对全部单词进行测试，也可以由系统采用定期或者不定期的方式进行抽测，测试阶段的设置可以打破常规复习从而加强用户的学习效果，通过在统计正确率的过程中加入测试信息中的次数，可以使正确率的评价更为客观、权威。
优选地，所述将单词的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包括以下步骤：
划分单词的正确率为10个区间，分别对应1-10的记忆档位值：单词的正确率Rrt小于等于5，档位值为1；Rrt大于5且小于等于15，档位值为2；Rrt大于15且小于等于25，档位值为3；Rrt大于25且小于等于40，档位值为4；Rrt大于40且小于等于60，档位值为5；Rrt大于60且小于等于75，档位值为6；Rrt大于75且小于等于85，档位值为7；Rrt大于85且小于等于93，档位值为8；Rrt大于93且小于等于98，档位值为9；Rrt大于98，档位值为10。
采用上述方案，提供了一种档位值确定的实施方式，将单词的档位根据正确率的不同分为10档，而相邻档位之间的差值会有出现不同的情况，是由于人类记忆的快慢并不是与作答正确率成正比例函数增长，因而更科学合理的实现了档位的划分。
进一步地，所述智能默写中评估用户记忆水平的方法中在步骤计算单词的正确率之前还包括以下步骤：
对单词的答对次数进行调整。
采用上述方案，根据学习时间和最佳复习时间的间隔、单词难度程度等对答对次数进行调整，以便调整单词的正确率，使档位值更贴近用户对单词的实际记忆水平。
进一步地，所述对单词的答对次数进行调整包括以下步骤：
根据学习信息计算用户每次完成单词之后的最佳复习时间点，
根据测试时间点与最佳复习时间点的间隔的关系，增加测试答对次数值。
进一步地，所述测试时间点与最佳复习时间点的间隔的关系，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。
进一步地，所述根据学习信息计算用户每次完成单词之后的最佳复习时间点包括以下步骤：
计算单词的记忆强度值；
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。
采用上述方案，所述单词的记忆强度值反应用户对单词的掌握程度，按照人类遗忘曲线，根据记忆强度值计算复习间隔时长能有效提高学习有效率。
进一步地，所述计算单词的记忆强度值包括以下步骤：
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，根据上述情况给单词的记忆强度赋予不同的值。
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，所述计算单词的记忆强度值包括以下步骤：
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，所述计算单词的记忆强度值包括以下步骤：
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。
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，所述根据复习间隔时长计算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。
进一步地，所述计算单词的记忆强度值包括以下步骤：
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。
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。
本发明另一方面，提供了一种电子设备，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评估用户记忆水平的方法。
本发明的有益效果：
1、所述档位的设置很好的解决了用户因无法了解对不同学习单词的记忆快慢而没有针对性的进行学习的技术问题，达到了提升学习效率、更有效地利用学习时间的技术效果；
2、通过计算测试和复习中作答的正确率很好地解决了正确率统计不完备的技术问题，达到了计算正确率更加准确、全面的效果；通过所述最佳复习时间点的计算，解决了作答正确次数不合理的技术问题，达到了计算计算正确率更加准确、全面的效果；
3、所述难度影响值解决了用户学习时计算未考虑单词难度而造成的记忆强度不准确的问题；
4、所述反应时长影响值解决了用户学习时无法因为反应快慢而确定记忆强度值的技术问题；
5、所述勤奋影响值解决了用户学习时无法因为复习时间的早晚而确定记忆强度值的技术问题；
6、所述测试为用户提供更加多元化而又有效的学习模式；
7、所述最佳时间点的确定解决了用户无法得知何时复习对记忆增强效果做最好的技术问题。
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评估用户记忆水平的方法一种实施方式的示意图；
图2为本发明智能默写中评估用户记忆水平的方法另一种实施方式的示意图；
图3为本发明智能默写中评估用户记忆水平的方法再另一种实施方式的示意图；
图4为本发明智能默写中评估用户记忆水平的方法中计算单词的记忆强度值的示意图；
图5为用户进行初学或复习的界面；
图6为用户进行测试的界面。
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；时间点可以采用采用时间戳方式，即从1970年1月1日00:00:00开始到对应时间点所经过的秒数。
实验例
方法一
一种智能默写中评估用户记忆水平的方法，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；
计算单词的正确率；
根据用户对单词的正确率生成评估用户记忆力水平的档位。
所述计算单词的正确率包括以下步骤：
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：
判断此次学习是否为初学或复习，若是，单词的正确率按第一正确率的计算公式计算；所述第一正确率的计算公式为Rrr=Crr/Crt,其中Rrr为用户对单词作答的第一正确率，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数。
判断此次学习是否为测试，若是，单词的正确率按第二正确率的计算公式计算；所述第二正确率的计算公式为：Rrt=（Crr+Cqr）/（Crt+Cqt）,其中，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数，Rrt为第二正确率,Cqr为测试中用户对单词答对的次数，Cqt为测试中用户对单词作答总次数。
分单词的正确率为10个区间，分别对应1-10的记忆档位值：单词的正确率Rrt小于等于5，档位值为1；Rrt大于5且小于等于15，档位值为2；Rrt大于15且小于等于25，档位值为3；Rrt大于25且小于等于40，档位值为4；Rrt大于40且小于等于60，档位值为5；Rrt大于60且小于等于75，档位值为6；Rrt大于75且小于等于85，档位值为7；Rrt大于85且小于等于93，档位值为8；Rrt大于93且小于等于98，档位值为9；Rrt大于98，档位值为10。
优先复习记忆档位值低的单词。
方法二
与方法一大致相同，不同之处在于：
利用档位参与计算最佳复习时间点进行复习，包括以下步骤：
判断作答时长，若作答时长小于等于预设的下限反应时长5，则单词的记忆强度值赋值为第一初始记忆强度值100；若作答时长大于预设的上限反应时长20，则单词的记忆强度值赋值为第二初始记忆强度值13；若作答时长大于所述下限反应时长5且小于等于所述上限反应时长20，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所述上限反应时长20，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的计算公式为：Rd=(1-Mrd/20)×8计算，其中Mrd为默写时长；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；
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，则最佳复习时间点=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。
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，所述测试增加值的计算公式为Sqi=Ai×Sdb，Sdb=18 +12*Meg*0.1，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，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＜1天时，Ai取值1/3，当Txa≤Tit≤Txb时，Ai取值1/2，当Tit＞Txb时，Ai取值1。
具体实验例：年龄15-18岁的志愿者60人，分为3组，每组20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
参考表1结果，组别二、组别三与组别一相比，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，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。
实施例
参考图1，本发明提供了一种智能默写中评估用户记忆水平的方法，包括以下步骤：
S100.为用户生成待默写单词的中文释义，如图5所示的复习界面或图6所示的测试界面；
S200.获取用户对单词的学习信息；
S400.计算单词的正确率；
S500.根据用户对单词的正确率生成评估用户记忆力水平的档位。
采用上述方案，所述用户对单词的正确率包括历史信息中用户作答的正确率和当前用户作答的正确率；根据用户对所述单词作答的总正确率来确定档位，正确率越高表明用户对单词记忆很快、记忆水平很好，则档位越高，反之则档位越低。
参考图2，在本发明的一个优选实施方式中，所述S500.根据用户对单词的正确率生成评估用户记忆力水平的档位包括以下步骤：
S510.将单词的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。
采用上述方案，所述单词的记忆档位值越大，单词的正确率越高，说明用户对单词的记忆水平高，所述记忆档位值能评估用户对单词的记忆水平。
在本发明的一个优选实施方式中，所述S400.计算单词的正确率包括以下步骤：
S410.判断此次学习是否为初学或复习，若是，单词的正确率按第一正确率的计算公式计算；所述第一正确率的计算公式为Rrr=Crr/Crt,其中Rrr为用户对单词作答的第一正确率，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数。
采用上述方案，所述复习信息包括用户第一次初学完成之后的复习，因为人类的大脑会产生遗忘，所以需要对所述学习进行复习。通过区分设立初学阶段和再次复习阶段，利用计算答对次数来计算正确率，更合理、全面的来客观计算档位。
在本发明的一个优选实施方式中，所述S400.计算单词的正确率包括以下步骤：
S420.判断此次学习是否为测试，若是，单词的正确率按第二正确率的计算公式计算；所述第二正确率的计算公式为：Rrt=（Crr+Cqr）/（Crt+Cqt）,其中，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数，Rrt为第二正确率,Cqr为测试中用户对单词答对的次数，Cqt为测试中用户对单词作答总次数。
采用上述方案，对学习单词进行学习还可以设立测试阶段，测试阶段可以独立于复习阶段而存在，可以在用户完成学习某个章节的单词之后统一对全部单词进行测试，也可以由系统采用定期或者不定期的方式进行抽测，测试阶段的设置可以打破常规复习从而加强用户的学习效果，通过在统计正确率的过程中加入测试信息中的次数，可以使正确率的评价更为客观、权威。
在本发明的一个优选实施方式中，所述S510.将单词的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包括以下步骤：
划分单词的正确率为10个区间，分别对应1-10的记忆档位值：单词的正确率Rrt小于等于5，档位值为1；Rrt大于5且小于等于15，档位值为2；Rrt大于15且小于等于25，档位值为3；Rrt大于25且小于等于40，档位值为4；Rrt大于40且小于等于60，档位值为5；Rrt大于60且小于等于75，档位值为6；Rrt大于75且小于等于85，档位值为7；Rrt大于85且小于等于93，档位值为8；Rrt大于93且小于等于98，档位值为9；Rrt大于98，档位值为10。
采用上述方案，提供了一种档位值确定的实施方式，将单词的档位根据正确率的不同分为10档，而相邻档位之间的差值会有出现不同的情况，是由于人类记忆的快慢并不是与作答正确率成正比例函数增长，因而更科学合理的实现了档位的划分。
参考图1，在本发明的一个优选实施方式中，所述智能默写中评估用户记忆水平的方法中在步骤S400.计算单词的正确率之前还包括以下步骤：
S300.对单词的答对次数进行调整。
采用上述方案，根据学习时间和最佳复习时间的间隔、单词难度程度等对答对次数进行调整，以便调整单词的正确率，使档位值更贴近用户对单词的实际记忆水平。
参考图2，在本发明的一个优选实施方式中，所述S300.对单词的答对次数进行调整包括以下步骤：
S310.根据学习信息计算用户每次完成单词之后的最佳复习时间点；
S320.根据测试时间点与最佳复习时间点的间隔的关系，增加测试答对次数值。
参考图3，在本发明的一个优选实施方式中，所述S320.测试时间点与最佳复习时间点的间隔的关系，增加测试答对次数值包括以下步骤：
S321.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。
在本发明的一个优选实施方式中，所述S310.根据学习信息计算用户每次完成单词之后的最佳复习时间点包括以下步骤：
S311.计算单词的记忆强度值；
S312.根据单词的记忆强度值计算复习间隔时长；
S313.根据复习间隔时长计算最佳复习时间点。
采用上述方案，所述单词的记忆强度值反应用户对单词的掌握程度，按照人类遗忘曲线，根据记忆强度值计算复习间隔时长能有效提高学习有效率。
参考图4，在本发明的一个优选实施方式中，所述S311.计算单词的记忆强度值包括以下步骤：
S3111.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。
在本发明的一个优选实施方式中，所述S3111.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，所述第一初始记忆强度值取值范围为90-100或60-90；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，所述第二初始记忆强度值取值范围为1-10或10-20；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。
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。
在本发明的一个优选实施方式中，所述S311.计算单词的记忆强度值包括以下步骤：
S3112.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S3112.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。
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，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S311.计算单词的记忆强度值包括以下步骤：
S3113.根据单词的总错误率对记忆强度值进行修改。
在本发明的一个优选实施方式中，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。
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，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S313.根据复习间隔时长计算最佳复习时间点包括以下步骤：
S3131.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。
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。
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。
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。
在本发明的一个优选实施方式中，所述S313.根据复习间隔时长计算最佳复习时间点包括以下步骤：
S3132.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S312.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。
在本发明的一个优选实施方式中，所述S312.根据单词的记忆强度值计算复习间隔时长包括以下步骤：
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。
在本发明的一个优选实施方式中，所述S311.计算单词的记忆强度值包括以下步骤：
S3114.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。
在本发明的一个优选实施方式中，所述S3114.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，S3115.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，S3116.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。
在本发明的一个优选实施方式中，所述S3115.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。
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。
在本发明的一个优选实施方式中，所述S3116.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。
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。
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，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。
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。
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越少，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S3116.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。
在本发明的一个优选实施方式中，所述S313.根据复习间隔时长计算最佳复习时间点还包括以下步骤：
S3133.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。
本发明另一方面，提供了一种电子设备，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评估用户记忆水平的方法。
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 (6)

1.一种智能默写中评估用户记忆水平的方法，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；
计算单词的正确率；
根据用户对单词的正确率生成评估用户记忆力水平的档位；
在步骤计算单词的正确率之前还包括以下步骤：
对单词的答对次数进行调整；
所述对单词的答对次数进行调整包括以下步骤：
根据学习信息计算用户每次完成单词之后的最佳复习时间点；
根据测试时间点与最佳复习时间点的间隔的关系，增加测试答对次数值；
S310.根据学习信息计算用户每次完成单词之后的最佳复习时间点包括以下步骤：
S311.计算单词的记忆强度值；
S312.根据单词的记忆强度值计算复习间隔时长；
S313.根据复习间隔时长计算最佳复习时间点；
所述单词的记忆强度值反应用户对单词的掌握程度，按照人类遗忘曲线，根据记忆强度值计算复习间隔时长能有效提高学习有效率；所述S311.计算单词的记忆强度值包括以下步骤：
S3111.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；
所述S3111.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，所述第一初始记忆强度值取值范围为90-100或60-90；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，所述第二初始记忆强度值取值范围为1-10或10-20；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；
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；
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；
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；
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；
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；
所述S311.计算单词的记忆强度值包括以下步骤：
S3112.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；
所述S3112.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，所述学习有效时长为用户此次学习单词积累的有效时间，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；
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；
所述S311.计算单词的记忆强度值包括以下步骤：
S3113.根据单词的总错误率对记忆强度值进行修改；
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；
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)。
2.根据权利要求1所述的智能默写中评估用户记忆水平的方法，其特征在于：所述根据用户对单词的正确率生成评估用户记忆力水平的档位包括以下步骤：
将单词的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。
3.根据权利要求1所述的智能默写中评估用户记忆水平的方法，其特征在于：所述计算单词的正确率包括以下步骤：
判断此次学习是否为初学或复习，若是，单词的正确率按第一正确率的计算公式计算；所述第一正确率的计算公式为Rrr=Crr/Crt,其中Rrr为用户对单词作答的第一正确率，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数。
4.根据权利要求1或3所述的智能默写中评估用户记忆水平的方法，其特征在于：所述计算单词的正确率包括以下步骤：
判断此次学习是否为测试，若是，单词的正确率按第二正确率的计算公式计算；所述第二正确率的计算公式为：Rrt=（Crr+Cqr）/（Crt+Cqt）,其中，Crr为复习过程中用户对单词答对的次数，Crt为复习过程中用户对单词作答总次数，Rrt为第二正确率,Cqr为测试中用户对单词答对的次数，Cqt为测试中用户对单词作答总次数。
5.根据权利要求1所述的智能默写中评估用户记忆水平的方法，其特征在于：所述测试时间点与最佳复习时间点的间隔的关系，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。
6.一种电子设备，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1-5任一项所述的智能默写中评估用户记忆水平的方法。
CN202010568142.3A 2020-06-19 2020-06-19 一种智能默写中评估用户记忆水平的方法及电子设备 Active CN111861819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010568142.3A CN111861819B (zh) 2020-06-19 2020-06-19 一种智能默写中评估用户记忆水平的方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010568142.3A CN111861819B (zh) 2020-06-19 2020-06-19 一种智能默写中评估用户记忆水平的方法及电子设备

Publications (2)

Publication Number Publication Date
CN111861819A CN111861819A (zh) 2020-10-30
CN111861819B true CN111861819B (zh) 2024-03-12

Family

ID=72987928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010568142.3A Active CN111861819B (zh) 2020-06-19 2020-06-19 一种智能默写中评估用户记忆水平的方法及电子设备

Country Status (1)

Country Link
CN (1) CN111861819B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003067555A1 (en) * 2002-02-06 2003-08-14 Mintel Learning Technologies, Inc. A system and method to optimize human associative memory and to enhance human memory
WO2011155197A1 (ja) * 2010-06-11 2011-12-15 パナソニック株式会社 聴力判定システム、その方法およびそのプログラム
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
JP2016065987A (ja) * 2014-09-25 2016-04-28 株式会社日立製作所 書き取り教育支援システム
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
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
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
CN109935120A (zh) * 2019-03-15 2019-06-25 山东顺势教育科技有限公司 多核记忆驱动及其记忆方法
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
CN110223570A (zh) * 2019-06-12 2019-09-10 广州壹学车智能信息科技有限公司 一种驾驶理论训练系统及其学习方法
KR20190107540A (ko) * 2018-03-12 2019-09-20 이영식 외국어 학습 관리 시스템 및 학습 방법
CN110276005A (zh) * 2019-06-05 2019-09-24 北京策腾教育科技集团有限公司 一种基于用户在线英语单词交互数据的个性化推荐方法及系统
CN110489454A (zh) * 2019-07-29 2019-11-22 北京大米科技有限公司 一种自适应测评方法、装置、存储介质及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070299319A1 (en) * 2006-06-09 2007-12-27 Posit Science Corporation Cognitive Training Using A Continuous Performance Adaptive Procedure
US20150325138A1 (en) * 2014-02-13 2015-11-12 Sean Selinger Test preparation systems and methods

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003067555A1 (en) * 2002-02-06 2003-08-14 Mintel Learning Technologies, Inc. A system and method to optimize human associative memory and to enhance human memory
WO2011155197A1 (ja) * 2010-06-11 2011-12-15 パナソニック株式会社 聴力判定システム、その方法およびそのプログラム
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
JP2016065987A (ja) * 2014-09-25 2016-04-28 株式会社日立製作所 書き取り教育支援システム
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
KR20190107540A (ko) * 2018-03-12 2019-09-20 이영식 외국어 학습 관리 시스템 및 학습 방법
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
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
CN109935120A (zh) * 2019-03-15 2019-06-25 山东顺势教育科技有限公司 多核记忆驱动及其记忆方法
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
CN110276005A (zh) * 2019-06-05 2019-09-24 北京策腾教育科技集团有限公司 一种基于用户在线英语单词交互数据的个性化推荐方法及系统
CN110223570A (zh) * 2019-06-12 2019-09-10 广州壹学车智能信息科技有限公司 一种驾驶理论训练系统及其学习方法
CN110489454A (zh) * 2019-07-29 2019-11-22 北京大米科技有限公司 一种自适应测评方法、装置、存储介质及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Good Practices for Learning to Recognize Actions Using FV and VLAD;Jianxin Wu et al;《IEEE Transactions on Cybernetics》;20151103;2978 - 2990 *
基于艾宾浩斯遗忘曲线的零售商品模糊关联分析;李桃迎 等;《计算机应用研究》;20180228;第35卷(第2期);462-465 *
艾宾浩斯遗忘曲线对中学生记忆方法的指导意义;李芹;《 中外交流》;20161130(第33期);91-91 *
过度学习对高中生英语词汇长时记忆的影响研究;高琪;《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑》;20181215(第12期);H130-1126 *

Also Published As

Publication number Publication date
CN111861819A (zh) 2020-10-30

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
Dowey et al. Can brief workshop interventions change care staff understanding of challenging behaviours?
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
Freedle et al. Can multiple-choice reading tests be construct-valid? A reply to Katz, Lautenschlager, Blackburn, and Harris
CN110929020A (zh) 基于测试成绩的知识点掌握度分析方法
CN111861372B (zh) 一种单词掌握程度的测试方法及系统
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
CN111861373B (zh) 一种智能默写中的复习时间计算方法及电子设备
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
CN111127271A (zh) 一种用于学情分析的教学方法及系统
CN111861371B (zh) 一种计算单词最佳复习时间的方法及设备
KR20010035136A (ko) 인터넷 인공지능 학습 및 관리 방법
CN111861817B (zh) 一种字母语言听写学习的记忆强度计算方法及系统
Mioduser et al. Using computers to teach remedial spelling to a student with low vision: A case study
Na Do College Instructors Have Implicit Bias toward Latino-Accented English Speakers?.
CN111539588A (zh) 通过修正简答题得分预测学习成果的方法
Armstrong et al. Value added in further education and vocational training in Northern Ireland
Rajamanickam Modern psychophysical and scaling methods and experimentation
CN111861370B (zh) 一种词听最佳复习时间规划的方法及装置
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
CN111861815B (zh) 一种词听学习中评估用户记忆水平的方法及装置
CN111861812B (zh) 一种词听方式的单词记忆强度计算方法及装置
JP3851527B2 (ja) 外国語学習装置

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