CN111932415A - 一种语言自适应分级学习的方法及装置 - Google Patents
一种语言自适应分级学习的方法及装置 Download PDFInfo
- Publication number
- CN111932415A CN111932415A CN202010798110.2A CN202010798110A CN111932415A CN 111932415 A CN111932415 A CN 111932415A CN 202010798110 A CN202010798110 A CN 202010798110A CN 111932415 A CN111932415 A CN 111932415A
- Authority
- CN
- China
- Prior art keywords
- test
- learner
- learning
- level
- language
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 175
- 230000003044 adaptive effect Effects 0.000 claims abstract description 49
- 230000015654 memory Effects 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000013102 re-test Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000003745 diagnosis Methods 0.000 description 13
- 239000002609 medium Substances 0.000 description 10
- 230000007547 defect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006854 communication Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013215 result calculation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- 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
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例公开了一种语言自适应分级学习的方法及装置。本申请实施例提供的技术方案，根据学习者输入的个人基本信息来确定其基础语言能力，然后通过预先构建完成的自适应题库来对学习者进行进一步的语言等级以及能力水平进行测试，由于预先构建完成的自适应题库中，各个题目包括有多个维度的能力标签，故而可以实现对学习者的全方位的能力测试，最终确定对应学习者的语言等级以及能力水平；便于后续平台能够针对学习者进行个性化学习方案的定制，大大提高了学生的学习效率和效果。
Description
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种语言自适应分级学习的方法及装置。
背景技术
目前，个性化学习是未来教育发展的趋势，它是当代教育领域积极倡导的学习理念和模式，它注重学习者的个体差异，采取恰当的学习手段满足学习者个性化的学习需求。在线语言学习平台具有培训范围广、效率高、不受时间地点等约束的优势。面对的用户群体广，不同的人群水平层次不齐，且“听说读写”各语言技能发展也不均衡。
传统的在线语言学习平台，主要通过视频公开课、教材电子化等学习资源单向展示的形式，无法根据学习者的水平和学习行为进行个性化的学习资源推荐。现有的在线学习平台，类似于班级教学，不管学习者对所学的知识点是否掌握，均推送相同的学习资源。由于学习者的个体差异大，掌握程度也不尽相同。造成了学习者的效率和效果显著降低。
近年，随着个性化学习流行，出现了基于理科结构化知识点的学习资源推荐系统。但是，不同于理科结构化的知识体系，文科特别是语言学习的自适应题库的建设，要远远难于理科。目前，针对在线个性化的语言学习，大多数学习平台都是采用教师“一对一”在线教学的方式实现。但是优秀教师的资源有限，该方式效率低、成本高。因此，设计一种能够更具针对性学习的方案成为本领域技术人员亟待解决的技术问题。
发明内容
本申请实施例提供一种语言自适应分级学习的方法及装置，通过构建自适应的测试题库来完成对学习者的语言等级以及能力水平的测试；便于后续针对学生在语言方面具体的能力进行定制化资源匹配服务。
在第一方面，本申请实施例提供了一种语言自适应分级学习的方法，包括：
接收学习者的个人基本信息；
根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
进一步的，在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源，所述资源学习库包括课程资源，所述课程资源包括多个能力标签。
进一步的，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
响应于管理人员触发的考核操作，向学习者发送对应的能力考核任务；
接收学习者完成的所述能力考核任务的考核结果；
根据所述考核结果对相应学习者的语言等级以及能力水平进行更新。
进一步的，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
响应于管理人员的数据调用指令调取对应学习者的学习进度以及考试情况。
进一步的，本方法还包括：
接收对应学习者在资源中心的学习过程中的学习行为，并根据所述学习行为对学生的能力水平进行更新，并根据更新后的能力水平为对应学生匹配相应的学习内容。
进一步的，所述基本信息包括年龄、学业背景和语言等级考试情况；所述测试题目包括听力题目、说话题目、阅读题目和写作题目；
所述接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，包括：
接收学习者根据所述测试题目得到作答内容；
调用语音测评服务、语音合成服务、作文评测服务来对所述作答内容进行测评以得到对应的测试结果。
进一步的，在所述接收学习者根据所述测试题目得到的测试结果之前，还包括：
监测学习者在分级测试过程中的选题策略，根据所述选题策略动态修改测试量表，所述动态修改测试量表包括修改测试难度；
在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
接收学习者的重新测试请求，根据所述重新测试请求对学习者进行分级测试。
在第二方面，本申请实施例提供了一种语言自适应分级学习的装置，包括：
第一接收模块：用于接收学习者的个人基本信息；
测试模块：用于根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
第二接收模块：用于接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
确定模块：用于根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
在第三方面，本申请实施例提供了一种电子设备，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的语言自适应分级学习的方法。
在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的语言自适应分级学习的方法。
本申请实施例根据学习者输入的个人基本信息来确定其基础语言能力，然后通过预先构建完成的自适应题库来对学习者进行进一步的语言等级以及能力水平进行测试，由于预先构建完成的自适应题库中，各个题目包括有多个维度的能力标签，故而可以实现对学习者的全方位的能力测试，最终确定对应学习者的语言等级以及能力水平；便于后续平台能够针对学习者进行个性化学习方案的定制，大大提高了学生的学习效率和效果。
附图说明
图1是本申请实施例提供的一种语言自适应分级学习的方法的流程图；
图2是本申请实施例提供的测试结果计算的流程示意图
图3是本申请实施例提供的能力水平更新的流程示意图；
图4是本申请实施例提供的一种语言自适应分级学习的装置的结构示意图；
图5是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
传统的在线语言学习平台，主要通过视频公开课、教材电子化等学习资源单向展示的形式，无法根据学习者的水平和学习行为进行个性化的学习资源推荐。现有的在线学习平台，类似于班级教学，不管学习者对所学的知识点是否掌握，均推送相同的学习资源。由于学习者的个体差异大，掌握程度也不尽相同。造成了学习者的效率和效果显著降低。基于此，本申请实施例根据学习者输入的个人基本信息来确定其基础语言能力，然后通过预先构建完成的自适应题库来对学习者进行进一步的语言等级以及能力水平进行测试，由于预先构建完成的自适应题库中，各个题目包括有多个维度的能力标签，故而可以实现对学习者的全方位的能力测试，最终确定对应学习者的语言等级以及能力水平；便于后续平台能够针对学习者进行个性化学习方案的定制，大大提高了学生的学习效率和效果。
图1给出了本申请实施例提供的一种语言自适应分级学习的方法的流程图，本实施例中提供的语言自适应分级学习的方法可以由语言自适应分级学习的设备执行，该语言自适应分级学习的设备可以通过软件和/或硬件的方式实现，该语言自适应分级学习的设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该语言自适应分级学习的设备可以是电脑，手机，平板或后台服务器等。
下述以后台服务器为执行语言自适应分级学习的方法的设备为例，进行描述。参照图1，该语言自适应分级学习的方法具体包括：
S101：接收学习者的个人基本信息。
本步骤主要是为了获取到学习者的个人基本信息，然后根据个人基本信息确定对应的测试难度。比如学习者A，他已经进行过语言等级考试并确定其等级为二级，此时则可以为其匹配等级为二级的难度的题目。
更为优选的，所述基本信息包括年龄、学业背景和语言等级考试情况；在本申请实施例中可以通过叠加多种维度的影响因素来对学习者的情况进行鉴定。因为对一个人的语言能力的影响是多个方面的，比如年龄、学业背景等，虽然这些没有语言等级考试情况可以直接反应一个人的语言能力，但是其可以间接反应一个人的能力，比如对应学习者是高中文化水平，还是大学文化水平，也会产生一定的差异，这种情况在对应学生没有参加相应考试时，可以作为主要的判断依据。个人基本信息的维度划分的越细致，则会对对应学习者的评判越准确。
S102：根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签。
本步骤主要是为对应的分级确定测试量表，每个级别对应的测试量表是不同，比如本身语言能力较强的，那么为其匹配的测试量表的难度也会相对较大，本身语言能力相对较弱的，那么为其匹配的测试量表的难度则相对较小。本申请根据个人的实际需求来进行测试量表难度的调整。
在进行分级测试时，对应的题目是从预先构建完成的测试题库中选取得到的，这里所说的测试题库也即是自适应题库，自适应题库中包括有题目信息和对应的二级标注点信息；题目也即是考核的具体内容，二级标注点内容则由多种维度信息，比如可以标注对应体现的知识点和体现的能力点，这道题目考察的是对那个知识点的掌握以及这道题目考察的是对细节能力的体现，还是对概括能力的体现等等；通过上述多维度的信息标注，则当学习者做完相关题目时，可以对学习者的能力进行全方位的解析，根据能力缺陷来进行相关学习视频的推荐。
更为优选的，在所述接收学习者根据所述测试题目得到的测试结果之前，还包括：
监测学习者在分级测试过程中的选题策略，根据所述选题策略动态修改测试量表，所述动态修改测试量表包括修改测试难度；
由于直接根据个人基本信息得到的结果并不一定的准确，有可能在进行信息匹配时，匹配得到的测试题目相对简单或者相对较难，因为在本申请实施例中通过增加对学习者选题策略的监测来实现难度的调整。比如在学习者做题过程中，刚开始处于难度等级为D，如果前五道题目都作对了且用时较短，那么说明D等级的难度对于相应学习者来说较为简单，则需要提升对应的难度等级。此时，可以将测试题目的难度等级调整为C，如果接下来还是连续5道题目均在较短时间内容做完，则将对应的难度等级调整为B。通过监测学习者的选题策略来动态修改测试量表，也即是修改测试题目的难度，进而使得最终检测得到的结果更为的精准。
S103：接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签。
本步骤主要接收学习者发送的作答内容，在测试过程中有多种方式来进行测试，可以直接对其进行简单地语言测试，也可以对其进行全方位的语言测试。最主要的方面有听说读写四个方面，可以针对四个方面设置有不同的题目。
具体的，图2是本申请实施例提供的测试结果计算的流程示意图，如图2所示，所述测试题目包括听力题目、说话题目、阅读题目和写作题目；
所述接收学习者根据所述测试题目得到的作答内容，并根据所述作答内容得到相应的测试结果，包括：
S1031：接收学习者根据所述测试题目得到的作答内容；
S1032：调用语音测评服务、语音合成服务、作文评测服务来对所述作答内容进行测评以得到对应的测试结果。
上述主要针对不同的题目调用不同的服务来进行识别；当涉及到的听力题目时，可以直接通过测试者根据作答结果来反应其听力题目怎么样；当涉及到说话题目时，也即是语音对话题目，通过麦克风获取到学习者的语音信息，然后调用语音测评服务来对语音信息进行识别，最终确定用户的发音情况，可以确定其发音是否标准，其对话内容是否妥当等。除了语音测评之外，还可以对其写作题目进行测评，进行写作题目测试时，可以通过两种方式来识别，一种是测试者在线上进行作答，可以通过键盘输入对应的信息来进行测试，然后调用作文测评服务来对其进行作文评测；另一种是测试者可以通过手写来进行作答，然后通过摄像头拍摄到的对应的内容，然后进行文字识别以及作文的评测。上述服务不单单可以在进行测试时调用，还可以在后续进一步学习检测时进行调用，通过不断的测评修改，使得每个学习者能够得到一对一的辅导，特别是可以针对于每个学习者不同的方向来进行对应诊断自测。
S104：根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
通过学习者的作答结果来确定学习者的语言等级；这个作答结果指的是最终这次测评得到的分数以及难度情况，通过分数和难度情况来确定学习者对应的语言等级。除了进行难度等级的确定之外，还可以进行能力水平的测试，现有的测试方式仅仅可以得到一个分数，如果在没有教师辅导的情况下，并不能针对于某一种具体的情况来确定当前学习者能力缺失的地方。如果没有教师辅导，某到题目错就是错了，但是错误的原因没有人可以对其进行进一步的分析，这时候对于学习者来说是处于一种盲目的状态，而如果有教师辅导，那么教师可以直接分析出具体的原因来帮助学习者巩固知识。但是在本申请的方案则有所不同，在本申请的方案中，通过提前对这些题目进行二级标注来确定这道题目所要考察的内容是什么，然后通过不断收集学习者的作答情况，能够进一步确定学习者全方位的语言能力情况。比如，对一个题目可以打上多个二级能力标签，可以是细节题目或者概括题目或者知识题目等等，通过上述标签，如果最终测试的结果细节掌握能力相对较弱的话，那么则为其匹配更多的细节方面的学习视频供其学习来进行针对性提高，如果是知识性内容知晓相对较少的话，则可以为其匹配更多的知识性内容来对其进行针对性提高。通过将题目测验，得到其语言等级情况，以及具体的能力缺陷点进而完成对应的学习。针对不同水平推荐个性化学习资源的流程，即根据学习者能力知识点掌握的情况，推荐相对薄弱知识点的学习资源。
本申请实施例的方案涉及利用项目反应理论(Item-Response-Theory)，以计算机为辅助工具，首先为每位少数民族地区国家通用语言学习者构建个性化分级诊断测试。再次，根据诊断的测试结果，得出学习者的实际水平，为学习者制定个性化的学习计划。最后，根据计划，为学习者推荐个性化学习资源进行学习。从而达到提升学习者语言能力的目的。
更为优选的，在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
接收学习者的重新测试请求，根据所述重新测试请求对学习者进行分级测试。
由于测试并不能够完全反应真实情况，有可能存在一定的偏差，当有学习者对其测试得到的语言等级并不认同时，可以通过再一次的测试重新进行等级确定。也即是，如果学习者对其诊断结果有异议，可申请再次诊断。能力诊断同时会初始化学习者模型，根据其诊断结果确定其能力水平以及初始个性化学习资源。在本申请实施例中，学习者模型包括学习者能力情况。
更为优选的，在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源，所述资源学习库包括课程资源，所述课程资源包括多个能力标签。
测试是为了更好的进行学习提高，如果单单进行能力测试最终得到的可能只是让学习者了解到自己的能力缺陷，因此，在本申请实施例中，不单单使得其能够了解到对应的能力缺陷，还能够通过本平台内集成的资源来使得其针对具体的能力进行提高。在申请的系统中，不单单针对于测试题目确定相应的能力标签，还针对于学习资源匹配同样类型的能力标签，目的是为了使得两者处于同样的评价体系内，这样最终确定了学习的能力缺陷之后，可以直接无缝的匹配推荐对应的学习内容给相应学习者。
在本申请实施例中，当得到对应的能力水平之后，可以为其匹配数量不同的课时内容，由于学习者的情况不同，通过本申请的能力标签分析可以确定更为准确的学习课时。当学习完对应的课时时，则可以进行再一次的升级测试。学习者可在课程体系中从其诊断的初始能力层级(如中级)开始学习，每个能力层级包含数量不等的课时，每个课时包含根据能力层级要求而制作的课程资源。学习者完成所有课时后即可发起升级测试，测试通过进入下一层级的学习阶段。在本申请实施例的方案中通过诊断-学习-测试，形成了学习的闭环，从而大幅度提升了学习效率和效果。
更为优选的，本方法还包括：
接收对应学习者在资源中心的学习过程中的学习行为，并根据所述学习行为对学生的能力水平进行更新，并根据更新后的能力水平为对应学生匹配相应的学习内容。
除了通过系统来针对其能力缺陷来进行学习资源匹配来说，学习者在学习课程内容的同时，也可以进入资源中心自主学习。资源中心的学习内容，由个性化学习资源推荐引擎根据学习者模型推荐，学习过程中也会根据学习行为不断更新学生模型。如基础语音模块中，推荐引擎根据该学习者过往口语发音练习的学习行为，有针对性的为其推荐易发音出错的资源。本系统利用先进的AI云平台中的语音评测服务、作文评测服务、语音合成服务等人工智能技术，个性化提升学习者的听说读写能力。也即是在学习过程中也不断的优化学习者模型，得到其更为精准的能力水平情况，然后为其匹配推荐更为合适的资源来进行学习提高。
更为优选的，图3是本申请实施例提供的能力水平更新的流程示意图，如图3所示，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
S105：响应于管理人员触发的考核操作，向学习者发送对应的能力考核任务；
S106：接收学习者完成的所述能力考核任务的考核结果；
S107：根据所述考核结果对相应学习者的语言等级以及能力水平进行更新。
除了需要学习者具备一定的自觉性之外，还可以给管理人员设置一定的接口来使得其能够完整了解学习者整体的学习情况，
当在实际交流过程中发现某个学生已经具备进入下一层级的情况的时候，可以通过管理人员主动发起考核操作来对相应的学习者来进行测试；然后通过考核结果来对其语言等级以及能力水平进行更新，然后重新为其匹配合适的资源来进行学习。也即是在经过一段时间的学习后，可由管理人员发起考核任务，学习者在考试中心接收到考试任务后完成一次自适应测试，系统自动上传考试结果至后台管理中心。
更为优选的，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
响应于管理人员的数据调用指令调取对应学习者的学习进度以及考试情况。
除了可以进行学习者的测试以及学习资源匹配之外，还可以对其整体的学习进度以及情况进行数据调用。通过管理人员的数据调用指令可以使得管理人员能够更加方便的了解学生的学习进度以及考试情况，便于师资力量相对较少学校使用。在本申请实施例中，管理人员可监控所有学习者的学习和考试情况，也可查看全局统计信息。后台学习数据和前台埋点收集的数据可通过大数据分析平台进行数据挖掘分析，形成每个学习者的学习行为模型，可供上述资源的个性化学习使用。本申请实施例的方案建立了基于知识点的诊断自测体系，通过自测-专项训练-模拟考试闭环，根据用户能力特征制定用户的学习计划，形成自适应的个性化学习系统。
本申请实施的主要技术优势如下：一、基于项目反应理论对学习者进行能力的诊断和测量。二、构建了自适应学习的题库系统，完成二级能力点的学习资源推荐。三、通过诊断-学习-测试，形成了学习的闭环，从而大幅度提升了学习效率和效果。
本申请实施例的方法和系统为提高学习效率和模拟测试效果，提出自适应的个性化学习，系统对于每一个用户来都是独特的，每个人都可以得到针对性的测试以及资源推荐；对用户在学习前进行诊断自测，通过一定的诊断算法得到用户当前的语言能力，并推荐当前能力不足处对应的知识点，用户可以专门针对这些知识点去进行专项训练，一段时间后达到熟练的程度，即可再进行自测，重新检测不足和专项训练，大幅度提升学习效率。本申请实施例的方案提出了一种基于计算机人工智能、大数据的汉语自适应的分级学习方法。首先建立自适应的诊断题库，可以根据项目反应理论针对不同学习者给予分级。再次，基于诊断结果，对学习者进行分级，根据结构化的课程资源体系，推荐学习资源进行学习。最后，记录学习者的学习数据和学习行为，根据结果和相关行为，不断更新定制的学习计划。从而达到语言学习的个性化学习的目的。在本申请实施例的方案中通过自适应诊断题库的建设、学习者的分级标准、结构化学习资源课程体系、学习数据和行为的分析来对学习者的情况进行全方面分析，使得其在没有教师一对一教学的情况下，也能够得到充分资源来对自己语言能力进行提高。
本申请实施例根据学习者输入的个人基本信息来确定其基础语言能力，然后通过预先构建完成的自适应题库来对学习者进行进一步的语言等级以及能力水平进行测试，由于预先构建完成的自适应题库中，各个题目包括有多个维度的能力标签，故而可以实现对学习者的全方位的能力测试，最终确定对应学习者的语言等级以及能力水平；便于后续平台能够针对学习者进行个性化学习方案的定制，大大提高了学生的学习效率和效果。
在上述实施例的基础上，图4为本申请实施例提供的一种语言自适应分级学习的装置的结构示意图。参考图4，本实施例提供的语言自适应分级学习的装置具体包括：
第一接收模块21：用于接收学习者的个人基本信息；
测试模块22：用于根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
第二接收模块23：用于接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
确定模块24：用于根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
本申请实施例根据学习者输入的个人基本信息来确定其基础语言能力，然后通过预先构建完成的自适应题库来对学习者进行进一步的语言等级以及能力水平进行测试，由于预先构建完成的自适应题库中，各个题目包括有多个维度的能力标签，故而可以实现对学习者的全方位的能力测试，最终确定对应学习者的语言等级以及能力水平；便于后续平台能够针对学习者进行个性化学习方案的定制，大大提高了学生的学习效率和效果。
本申请实施例提供的语言自适应分级学习的装置可以用于执行上述实施例提供的语言自适应分级学习的方法，具备相应的功能和有益效果。
图5是本申请实施例提供的一种电子设备的结构示意图，参照图5，该电子设备包括：处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器31的数量可以是一个或者多个，该电子设备中的存储器32的数量可以是一个或者多个。该电子设备的处理器31、存储器32、通信模块33、输入装置34及输出装置35可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的语言自适应分级学习的方法对应的程序指令/模块(例如，语言自适应分级学习的装置中的第一接收模块21、测试模块22、第二接收模块23和确定模块24)。存储器32可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的语言自适应分级学习的方法。
输入装置34可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例提供的语言自适应分级学习的方法，具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器31执行时用于执行一种语言自适应分级学习的方法，该语言自适应分级学习的方法包括：
接收学习者的个人基本信息；
根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器31执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的语言自适应分级学习的方法，还可以执行本申请任意实施例所提供的语言自适应分级学习的方法中的相关操作。
上述实施例中提供的语言自适应分级学习的装置、存储介质及电子设备可执行本申请任意实施例所提供的语言自适应分级学习的方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的语言自适应分级学习的方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种语言自适应分级学习的方法，其特征在于，包括：
接收学习者的个人基本信息；
根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
接收学习者根据所述测试题目得到的作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
2.根据权利要求1所述的语言自适应分级学习的方法，其特征在于，在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源，所述资源学习库包括课程资源，所述课程资源包括多个能力标签。
3.根据权利要求2所述的语言自适应分级学习的方法，其特征在于，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
响应于管理人员触发的考核操作，向学习者发送对应的能力考核任务；
接收学习者完成的所述能力考核任务的考核结果；
根据所述考核结果对相应学习者的语言等级以及能力水平进行更新。
4.根据权利要求2所述的语言自适应分级学习的方法，其特征在于，在所述根据所述能力水平和预先构建的资源学习库为对应的学习者匹配相应的课程资源之后，还包括：
响应于管理人员的数据调用指令调取对应学习者的学习进度以及考试情况。
5.根据权利要求1所述的语言自适应分级学习的方法，其特征在于，本方法还包括：
接收对应学习者在资源中心的学习过程中的学习行为，并根据所述学习行为对学生的能力水平进行更新，并根据更新后的能力水平为对应学生匹配相应的学习内容。
6.根据权利要求1所述的语言自适应分级学习的方法，其特征在于，所述基本信息包括年龄、学业背景和语言等级考试情况；所述测试题目包括听力题目、说话题目、阅读题目和写作题目；
所述接收学习者根据所述测试题目得到的作答内容，并根据所述作答内容得到相应的测试结果，包括：
接收学习者根据所述测试题目得到的作答内容；
调用语音测评服务、语音合成服务、作文评测服务来对所述作答内容进行测评以得到对应的测试结果。
7.根据权利要求1-6中任意一项所述的语言自适应分级学习的方法，其特征在于，在所述接收学习者根据所述测试题目得到的测试结果之前，还包括：
监测学习者在分级测试过程中的选题策略，根据所述选题策略动态修改测试量表，所述动态修改测试量表包括修改测试难度；
在所述根据所述测试结果确定对应的用户的语言等级以及能力水平之后，还包括：
接收学习者的重新测试请求，根据所述重新测试请求对学习者进行分级测试。
8.一种语言自适应分级学习的装置，其特征在于，包括：
第一接收模块：用于接收学习者的个人基本信息；
测试模块：用于根据所述个人基本信息确定进行分级测试的测试量表，所述测试量表包括测试题目，所述测试题目从预先构建完成的测试题库中选取得到，所述测试题目包括至少一个能力标签；
第二接收模块：用于接收学习者根据所述测试题目得到作答内容，并根据所述作答内容得到相应的测试结果，所述测试结果包括题目作答结果和能力标签；
确定模块：用于根据所述题目作答结果和能力标签确定对应的学习者的语言等级以及能力水平。
9.一种电子设备，其特征在于，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的语言自适应分级学习的方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的语言自适应分级学习的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010798110.2A CN111932415A (zh) | 2020-08-10 | 2020-08-10 | 一种语言自适应分级学习的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010798110.2A CN111932415A (zh) | 2020-08-10 | 2020-08-10 | 一种语言自适应分级学习的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111932415A true CN111932415A (zh) | 2020-11-13 |
Family
ID=73307494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010798110.2A Pending CN111932415A (zh) | 2020-08-10 | 2020-08-10 | 一种语言自适应分级学习的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111932415A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112396925A (zh) * | 2020-12-16 | 2021-02-23 | 西北民族大学 | 一种公共英语学习交流平台 |
| CN113205717A (zh) * | 2021-05-07 | 2021-08-03 | 江苏熙枫教育科技有限公司 | 基于深度学习的英语口语训练方法 |
| CN114822118A (zh) * | 2021-01-22 | 2022-07-29 | 财团法人语言训练测验中心 | 一种提升个人语言听读能力的系统及方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
| CN102750844A (zh) * | 2012-03-16 | 2012-10-24 | 深圳市爱慧思科技有限公司 | 一种基于互联网的在线学习评估方法和系统 |
| CN104978630A (zh) * | 2015-06-19 | 2015-10-14 | 百度在线网络技术（北京）有限公司 | 一种智能测试方法和装置 |
| CN108447326A (zh) * | 2018-04-02 | 2018-08-24 | 华北水利水电大学 | 一种英语教学语言学习系统 |
| CN109118091A (zh) * | 2018-08-15 | 2019-01-01 | 南京光辉互动网络科技股份有限公司 | 一种艺术素质测评系统 |
| CN109255031A (zh) * | 2018-09-20 | 2019-01-22 | 苏州友教习亦教育科技有限公司 | 基于知识图谱的数据处理方法 |
| CN109254991A (zh) * | 2018-10-23 | 2019-01-22 | 北京语言大学 | 一种语言学习方法及装置 |
| CN110009956A (zh) * | 2019-04-22 | 2019-07-12 | 上海乂学教育科技有限公司 | 英语语法自适应学习方法及学习装置 |
| CN110490467A (zh) * | 2019-08-22 | 2019-11-22 | 常州易学网络科技有限公司 | 一种中小学生学业能力测评方法及系统 |
| CN110796911A (zh) * | 2018-08-01 | 2020-02-14 | 世学(深圳)科技有限公司 | 一种自动产生测试题目的语言学习系统及其语言学习方法 |
| CN111241243A (zh) * | 2020-01-13 | 2020-06-05 | 华中师范大学 | 面向知识测量的试题、知识、能力张量构建与标注方法 |
| CN111401082A (zh) * | 2018-12-14 | 2020-07-10 | 世学(深圳)科技有限公司 | 一种智能个性化二语学习方法、终端及计算机可读存储介质 |
-
2020
- 2020-08-10 CN CN202010798110.2A patent/CN111932415A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
| CN102750844A (zh) * | 2012-03-16 | 2012-10-24 | 深圳市爱慧思科技有限公司 | 一种基于互联网的在线学习评估方法和系统 |
| CN104978630A (zh) * | 2015-06-19 | 2015-10-14 | 百度在线网络技术（北京）有限公司 | 一种智能测试方法和装置 |
| CN108447326A (zh) * | 2018-04-02 | 2018-08-24 | 华北水利水电大学 | 一种英语教学语言学习系统 |
| CN110796911A (zh) * | 2018-08-01 | 2020-02-14 | 世学(深圳)科技有限公司 | 一种自动产生测试题目的语言学习系统及其语言学习方法 |
| CN109118091A (zh) * | 2018-08-15 | 2019-01-01 | 南京光辉互动网络科技股份有限公司 | 一种艺术素质测评系统 |
| CN109255031A (zh) * | 2018-09-20 | 2019-01-22 | 苏州友教习亦教育科技有限公司 | 基于知识图谱的数据处理方法 |
| CN109254991A (zh) * | 2018-10-23 | 2019-01-22 | 北京语言大学 | 一种语言学习方法及装置 |
| CN111401082A (zh) * | 2018-12-14 | 2020-07-10 | 世学(深圳)科技有限公司 | 一种智能个性化二语学习方法、终端及计算机可读存储介质 |
| CN110009956A (zh) * | 2019-04-22 | 2019-07-12 | 上海乂学教育科技有限公司 | 英语语法自适应学习方法及学习装置 |
| CN110490467A (zh) * | 2019-08-22 | 2019-11-22 | 常州易学网络科技有限公司 | 一种中小学生学业能力测评方法及系统 |
| CN111241243A (zh) * | 2020-01-13 | 2020-06-05 | 华中师范大学 | 面向知识测量的试题、知识、能力张量构建与标注方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112396925A (zh) * | 2020-12-16 | 2021-02-23 | 西北民族大学 | 一种公共英语学习交流平台 |
| CN114822118A (zh) * | 2021-01-22 | 2022-07-29 | 财团法人语言训练测验中心 | 一种提升个人语言听读能力的系统及方法 |
| CN113205717A (zh) * | 2021-05-07 | 2021-08-03 | 江苏熙枫教育科技有限公司 | 基于深度学习的英语口语训练方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Owan et al. | Exploring the potential of artificial intelligence tools in educational measurement and assessment | |
| Long | Inside the “black box”: Methodological issues in classroom research on language learning | |
| US20160293036A1 (en) | System and method for adaptive assessment and training | |
| US20080057480A1 (en) | Multimedia system and method for teaching basal math and science | |
| CN111932415A (zh) | 一种语言自适应分级学习的方法及装置 | |
| Fancsali et al. | Intelligent Instructional Hand Offs. | |
| Jong et al. | Diagnostic and remedial learning strategy based on conceptual graphs | |
| Akyildiz et al. | The cognitive coaching-supported reflective teaching approach in English Language teaching: Academic and permanence success. | |
| Khadjieva et al. | Flipped classroom strategy effects on students' achievements and motivation: evidence from CPFS level 2 students at Wiut | |
| Alber et al. | Automated assessment in massive open online courses | |
| CN113408810A (zh) | 智能课程管理系统 | |
| Adedoja et al. | Influence of age and training on planning instruction using mobiles phones by pre-service social studies teachers | |
| US10453354B2 (en) | Automatically generated flash cards | |
| RU2649289C1 (ru) | Способ коррекции содержания и количества информации учебного материала | |
| Drăgulănescu et al. | Online Teaching–Analysis and solutions instrumented by quality engineering methods | |
| De Mel et al. | Online Learning Self-Efficacy of Undergraduates: Evidence from A University in Sri Lanka | |
| Rizakhojayeva et al. | Professional Foreign Language Training in the Context of the Digital University: Example of Modeling and Experimental Validation. | |
| Wen | Research on Foreign Language Cloud-based Examination Driven by Intelligent Technology | |
| Pradhan et al. | My Science Tutor—Learning Science with a Conversational Virtual Tutor | |
| Sevindik et al. | Using algorithms for evaluation in web based distance education | |
| Butcher et al. | Adopting an online curriculum planning tool: Facilitation for teachers’ thinking about student-centered pedagogy and technology integration | |
| Pavel | TBLT in practice: The task-based language teaching approach | |
| Ayotunde et al. | THE IMPACT OF ARTIFICIAL INTELLIGENCE IN FOREIGN LANGUAGE LEARNING USING LEARNING MANAGEMENT SYSTEMS: A SYSTEMATIC | |
| Sidhu et al. | Smart web data analytics quiz and tests system | |
| Muzaza et al. | Testing and Evaluation Towards Teaching and Testing |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201113 |