CN112017080A - 一种学习任务的分配控制方法和系统 - Google Patents

Abstract

本发明提供了一种学习任务的分配控制方法和系统，其方法包括：根据用户的学习进度评分值制定对应的学习任务；获取学习终端上传的使用状态信息；使用状态信息包括学习终端对应的资源数据、标识信息及其所属的用户身份信息；根据使用状态信息，生成每个用户的任务推送列表；根据任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。本发明针对性的布置生成不同学生的学习任务，个性化提升用户的学习效果，降低了可用性。并且，现有教学系统分配学习任务时，根据优先级推送学习任务，降低重复推送，提升使用体验。

Description

一种学习任务的分配控制方法和系统

技术领域

本发明涉及智能化教学技术领域，尤指一种学习任务的分配控制方法和系统。

背景技术

随着计算机网络的发展，教育领域也受其影响越发地向着线上、远程教学发展，教学从线下课堂移到了线上。在目前的教育教学过程中，教师通常会通过教学系统分阶段地布置一些课前或者课后的学习任务，例如课前预习、课后温习、课堂作业以及课后作业等等学习任务的布置等等，如此相结合，以达到教育效果的最优化。

然而，现有教学系统分配学习任务时，只是简单地发布教师指定的学习任务，难以做到针对性的布置，无法有效发挥教育作用，也无法个性化提升用户的学习效果，降低了可用性。并且，现有教学系统分配学习任务时，推送学习任务没有优先级，容易重复推送，使用体验较差。

发明内容

本发明的目的是提供一种学习任务的分配控制方法和系统，实现针对性的布置生成不同学生的学习任务，个性化提升用户的学习效果，降低了可用性。并且，现有教学系统分配学习任务时，根据优先级推送学习任务，降低重复推送，提升使用体验。

本发明提供的技术方案如下：

本发明提供一种学习任务的分配控制方法，包括步骤：

根据用户的学习进度评分值制定对应的学习任务；

获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

根据所述使用状态信息，生成每个用户的任务推送列表；

根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

进一步的，所述根据所述使用状态信息，生成每个用户的任务推送列表具体包括步骤：

将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；所述任务推送列表包括当前用户身份信息对应的各个学习终端推送等级。

进一步的，所述将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表具体包括步骤：

将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

根据所述比较结果生成所述当前标识信息对应学习终端的推送等级；

根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表。

进一步的，所述根据所述比较结果生成所述当前标识信息对应学习终端的推送等级具体包括步骤：

当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端的使用频率和用户需求，根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级；

当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。

进一步的，所述根据用户的学习进度评分值制定对应的学习任务包括步骤：

根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

判断每个学习内容对应的得分值是否大于对应的设定分数；

筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务。

本发明还提供一种学习任务的分配控制系统，包括：分配任务终端和学习终端；所述分配任务终端包括生成模块、获取模块、处理模块和第一通信模块；所述学习终端包括第二通信模块；

所述生成模块，用于根据用户的学习进度评分值制定对应的学习任务；

所述获取模块，用于获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

所述处理模块，与所述获取模块连接，用于根据所述使用状态信息，生成每个用户的任务推送列表；

所述第一通信模块，与所述生成模块、处理模块和第二通信模块连接，根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

进一步的，所述处理模块，用于将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；

其中，所述任务推送列表包括当前用户身份信息对应的各个学习终端推送等级。

进一步的，所述处理模块包括：第一判断单元、第一生成单元、处理单元；

所述第一判断单元，将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

所述第一生成单元，与所述第一判断单元连接，用于根据所述比较结果生成所述当前标识信息对应学习终端的推送等级；

所述处理单元，与所述第一生成单元连接，根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表。

进一步的，所述处理单元包括第一计算子单元和第二计算子单元；

所述获取模块，与所述第一判断单元连接，还用于当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端的使用频率和用户需求；

所述第一计算子单元，与所述获取模块连接，还用于根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级；

所述第二计算子单元，与所述第一判断单元连接，还用于当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。

进一步的，所述生成模块包括：分析单元、第二判断单元、第二生成单元；

所述分析单元，用于根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

所述第二判断单元，与所述分析单元连接，用于判断每个学习内容对应的得分值是否大于对应的设定分数；

所述第二生成单元，与所述判断单元连接，用于筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务。

通过本发明提供的一种学习任务的分配控制方法和系统，能够针对性的布置生成不同学生的学习任务，个性化提升用户的学习效果，降低了可用性。并且，现有教学系统分配学习任务时，根据优先级推送学习任务，降低重复推送，提升使用体验。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种学习任务的分配控制方法和系统的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种学习任务的分配控制方法的一个实施例的流程图；

图2是本发明一种学习任务的分配控制方法的另一个实施例的流程图；

图3是本发明一种学习任务的分配控制方法的另一个实施例的流程图；

图4是本发明一种学习任务的分配控制方法的另一个实施例的流程图；

图5是本发明一种学习任务的分配控制方法的另一个实施例的流程图；

图6是本发明一种学习任务的分配控制系统的一个实施例的结构示意图。

具体实施方式

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，下面将对照附图说明本发明的具体实施方式。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，并获得其他的实施方式。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。

本发明的一个实施例，如图1所示，一种学习任务的分配控制方法，包括：

S1000根据用户的学习进度评分值制定对应的学习任务；

S2000获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

S3000根据所述使用状态信息，生成每个用户的任务推送列表；

S4000根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

具体的，本实施例中，分配任务终端获取每个用户的学习进度评分值，然后根据每个用户的学习进度评分值，单独制定每个用户所属个性化的学习任务。目标学习终端实时监测自身的使用状态信息，并将使用状态信息上传给分配任务终端。分配任务终端获取了使用状态信息后，根据使用状态信息生成每个用户对应的任务推送列表，然后分配任务终端根据任务推送列表中目标学习终端的排列先后顺序，依次推送学习任务至对应的学习终端。

其中，学习任务指派者包括老师、家长等等，分配任务终端包括手机、电脑、平板等等。学习终端包括智能台灯(具有摄像头、麦克风、扬声器中的任意一种或者多种，且还包括无线通信模块的台灯)、平板、手机、智能手表(具有摄像头、麦克风、扬声器中的任意一种或者多种，且还包括无线通信模块的手表)等等。

通过本实施例，分配任务终端根据每个用户不同的学习进度评分值，能够面对不同的用户制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的根据学习任务帮助用户学习，能够提升用户的学习效果，提升可用性。分配任务终端能够根据使用状态信息生成任务推送列表，从而根据任务推送列表，将学习任务按照推送等级的高低顺序依次推送至对应的学习终端处，避免将学习任务同步分发至一个用户的所有学习终端处，减少重复推送学习任务的概率，降低不必要的推送浪费。

本发明的一个实施例，如图2所示，一种学习任务的分配控制方法，包括：

S1000根据用户的学习进度评分值制定对应的学习任务；

S2000获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

S3100将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；所述任务推送列表包括当前用户身份信息对应的各个学习终端推送等级；

S4000根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。每个学习终端向分配任务终端上传自身使用状态信息的上传周期，可根据用户自身需要和习惯设定。资源数据包括但是不限于剩余电量数据、剩余内存数据、剩余GPU数据、剩余CPU数据、网络数据。

分配任务终端获取到学习终端上传的使用状态信息后，根据使用状态信息所对应用户身份信息以及标识信息分别保存至不同的文件夹，并且用户身份信息文件夹包括若干个标识信息文件夹，每个标识信息文件夹包括资源数据。例如，某个用户甲的用户身份信息为ID-1使用平板P1和智能台灯T1进行学习，平板P1的标识信息为MA1C1，智能台灯T1的标识信息为MA1C2。那么平板P1向分配任务终端上传自身的使用状态信息A1(使用状态信息A1包括资源数据ZA1、标识信息MA1C1和用户的用户身份信息ID-1)，智能台灯T1向分配任务终端上传自身的使用状态信息A2(使用状态信息A2包括资源数据ZA2、标识信息MA1C2和用户的用户身份信息ID-1)，分配任务终端获取到平板P1和智能台灯T1上传的使用状态信息后，由于根据使用状态信息A1和使用状态信息A2分析得到均属于同一用户甲，因此针对用户甲的身份信息建立一个大文件夹D1，而用户甲使用平板P1和智能台灯T1进行学习，在大文件D1中根据学习终端的标识信息分别建立命名为MA1C1的子文件夹，以及命名为MA1C2的子文件夹，其中，MA1C1的子文件夹中储存资源数据ZA1，MA1C2的子文件夹中储存资源数据ZA2。

分配任务终端将获取的使用状态信息分类储存后，将每个标识信息对应的每项资源数据分别输入至预先训练得到的资源分配模型中，由资源分配模型进行分析输出对应的比较结果，由于资源数据与标识信息相互关联，标识信息与用户身份信息相互关联，因此可以将资源数据对应的比较结果与资源数据对应的用户身份信息关联绑定。从而，当资源分配模型分析得到对应的比较结果后，能够生成对比任务推送列表。任务推送列表包括所有用户的所有学习终端的推送顺序。

示例性的，用户甲使用平板P1(标识信息为MAC1)和智能台灯T1(标识信息为MAC2)进行学习，平板P1向分配任务终端上传自身的使用状态信息A1，智能台灯T1向分配任务终端上传自身的使用状态信息A2。用户乙使用平板P2(标识信息为MAC3)和智能台灯T2(标识信息为MAC4)进行学习，平板P2向分配任务终端上传自身的使用状态信息A3，智能台灯T2向分配任务终端上传自身的使用状态信息A4。分配任务终端将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应比较结果，然后根据比较结果及其对应的用户身份信息，生成对应用户甲的任务推送列表L1和对应用户乙的任务推送列表L2。假设任务推送列表L1为：平板P1推送等级大于智能台灯T1推送等级，任务推送列表L2为：平板P2推送等级小于智能台灯T2推送等级。那么分配任务终端生成用户甲的学习任务C1后，先向平板P1推送学习任务C1，然后再向智能台灯T1推送学习任务C1。分配任务终端生成用户乙的学习任务C2后，先向智能台灯T2推送学习任务C2，然后再向平板P2推送学习任务C2。如果学习任务C1和学习任务C2同时产生，那么分配任务终端可以同时先向平板P1推送学习任务C1的同时，向智能台灯T2推送学习任务C2，然后再向智能台灯T1推送学习任务C1的同时，向平板P2推送学习任务C2。

通过本实施例，分配任务终端能够根据使用状态信息生成任务推送列表，从而根据任务推送列表，将学习任务按照推送等级的高低顺序依次推送至对应的学习终端处，避免将学习任务同步分发至一个用户的所有学习终端处，减少重复推送学习任务的概率，降低不必要的推送浪费，而且分布式按照推送等级推送学习任务，也能够降低分配任务终端集中式分发学习任务的任务量，解决了分配任务终端集中式分发学习任务所导致的资源浪费，或者由于集中式分发导致学习任务下发卡顿的问题，避免了资源浪费的同时，提升学习任务分发的有效性，进而提升使用体验。

本发明的一个实施例，如图3所示，一种学习任务的分配控制方法，包括：

S1000根据用户的学习进度评分值制定对应的学习任务；

S2000获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

S3110将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

S3120根据所述比较结果生成所述当前标识信息对应学习终端的推送等级；

S3130根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表；

S4000根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。分配任务终端将获取的当前标识信息对应的所有资源数据，输入至预先训练得到的资源分配模型中，由资源分配模型进行比较每项资源数据是否满足其对应的预设条件。资源分配模型输出对应的比较结果后，分配任务终端根据当前标识信息对应每项资源数据的比较结果，生成当前标识信息对应学习终端的推送等级。如此反复，依次将每个标识信息对应的每项资源数据输入至资源分配模型，由资源分配模型分别输出每个标识信息所对应每项资源数据的比较结果。这样，分配任务终端就能够根据所有学习终端上传的使用状态信息，分析得到每个学习终端的推送等级，进而生成每个用户对应的任务推送列表。

本发明的一个实施例，如图4所示，一种学习任务的分配控制方法，包括：

S1000根据用户的学习进度评分值制定对应的学习任务；

S2000获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

S3110将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

S3121当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端的使用频率和用户需求，根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级；

S3122当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级；

S3130根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表；

S4000根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。分配任务终端获取所有学习终端在不同的样本资源数据状态下的信息接收响应速率和任务执行速率。将样本资源数据进行训练得到对应的资源分配模型，资源分配模型训练得到不同资源数据对应的资源分配标准。每项资源数据对应的资源分配标准为：剩余电量数据需要大于U％、剩余内存数据需要大于V％、剩余GPU数据需要大于W％、剩余CPU数据需要大于M％、网络数据需要大于N％。

资源分配模型为神经网络模型，且训练该资源分配模型时使用的样本资源数据包括剩余电量数据样本、剩余内存数据样本、剩余CPU数据样本、剩余GPU数据样本和网络数据样本，输出样本包括资源分配标准样本。本发明并不对资源分配模型的训练过程进行限定。示意性的，终端操作系统获取到当前剩余电量数据为“50％”、剩余内存数据为“1.5GB”，将上述数据输入资源分配模型后，得到资源分配模型输出的资源分配标准。

当所有资源数据分别满足对应的预设条件时，根据使用记录和用户需求确定每个标识信息对应学习终端的推送等级。示例性的，假设资源分配标准为剩余电量数据需要大于50％、剩余内存数据需要大于50％和剩余CPU数据需要大于40％。并且，剩余电量数据、剩余内存数据、剩余CPU数据分别对应的权重系数为0.6、0.2、0.2。假如用户丙使用智能手表S1(标识信息为MAC5)和智能台灯T3(标识信息为MAC6)进行学习，智能手表S1向分配任务终端上传自身的使用状态信息A5(资源数据中的剩余电量数据为70％、剩余内存数据为80％和剩余CPU数据为65％)，智能台灯T3向分配任务终端上传自身的使用状态信息A6(资源数据中的剩余电量数据为60％、剩余内存数据为60％和剩余CPU数据为60％)。那么分配任务终端可以通过资源分配模型比较得到标识信息MAC5和标识信息MAC6对应的剩余电量数据均满足对应预设电量条件阈值，标识信息MAC5和标识信息MAC6对应的剩余内存数据均满足对应预设内存条件阈值，标识信息MAC5和标识信息MAC6对应的剩余CPU数据均满足对应预设CPU条件阈值。因此，分配任务终端判断智能手表S1和智能台灯T3对应的所有资源数据分别满足对应的预设条件。此时，分配任务终端当前标识信息对应的使用记录，然后获取当前标识信息对应学习终端的使用频率和用户需求，根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级。其中，当前标识信息对应的使用记录统计当前标识信息使用次数，使用次数越多则使用频率越大。如果用户基于增加其他学习终端的使用率，减少学习终端的空闲率考虑，则使用频率越小的学习终端其对应的推送等级越高。如果用户基于使用习惯，避免学习操作不熟练而降低学习效率考虑，则使用频率越大的学习终端其对应的推送等级越高。

当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，得到每项资源数据对应的权重值，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。示例性的，假设资源分配标准为剩余电量数据需要大于50％、剩余内存数据需要大于50％和剩余CPU数据需要大于40％。假如用户丙使用智能手表S1(标识信息为MAC5)和智能台灯T3(标识信息为MAC6)进行学习，智能手表S1向分配任务终端上传自身的使用状态信息A5(资源数据中的剩余电量数据为40％、剩余内存数据为80％和剩余CPU数据为65％)，智能台灯T3向分配任务终端上传自身的使用状态信息A6(资源数据中的剩余电量数据为70％、剩余内存数据为60％和剩余CPU数据为25％)。那么分配任务终端可以通过资源分配模型比较得到标识信息MAC5对应的剩余电量数据不满足对应预设电量条件阈值，标识信息MAC5对应的剩余内存数据满足对应预设内存条件阈值，标识信息MAC5对应的剩余CPU数据满足对应预设CPU条件阈值。标识信息MAC6对应的剩余电量数据不满足对应预设电量条件阈值，标识信息MAC6对应的剩余内存数据满足对应预设内存条件阈值，标识信息MAC6对应的剩余CPU数据不满足对应预设CPU条件阈值。因此，分配任务终端判断智能手表S1和智能台灯T3对应的资源数据满足预设条件的类型不同，但是项数相同。此时，分配任务终端计算得到标识信息MAC5对应的总权重值K1＝0.6×40％+0.2×80％+0.2×65％＝0.53，标识信息MAC6对应的总权重值K2＝0.6×70％+0.2×60％+0.2×25％＝0.59，由于根据总权重值作为推送等级，且K2＞K1，因此智能台灯T3的推送等级大于智能手表S1的推送等级。分配任务终端生成用户丙的学习任务后，先向智能台灯T3推送学习任务C3，再向智能手表S1推送学习任务C3。

通过本实施例，能够针对不同的比较结果差异性的计算确定当前标识信息对应学习终端的推送等级。这样，在满足预设条件的资源数据的项数和类型均相同的情况下，能够满足学习终端及时接收到分配任务终端下发的学习任务，并执行相应学习任务的同时，还能够根据用户的使用记录和用户需求确定推送等级，从而满足用户的个性化需求。在满足预设条件的资源数据的项数和类型中至少一个不相同的情况下，进行权重计算从而确定推送等级，这样能够满足学习终端及时接收到分配任务终端下发的学习任务的目的。

本发明的一个实施例，如图5所示，一种学习任务的分配控制方法，包括：

S1100根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

S1200判断每个学习内容对应的得分值是否大于对应的设定分数；

S1300筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务；

S2000获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

S3000根据所述使用状态信息，生成每个用户的任务推送列表；

S4000根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

具体的，分配任务终端根据学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值，由于学生学习内容可以是一个，也可以是多个，因此分配任务终端判断当前学习内容对应的得分值是否大于其对应的设定分数，判断完当前学习内容后，如果学习内容的数量大于一个，则切换至下一个学习内容继续进行判断，直至所有的学习内容判断结束为止，将所有的判断结果记录下来，筛选出得分值小于其对应的设定分数的所有学习内容得到目标学习集，然后根据目标学习集针对性的制定学习任务。

示例性的，分配任务终端根据学习进度评分值，分析得到某一学生甲的数学科目的得分值为0.86，英语科目的得分值为0.66，假设数学科目、英语科目、化学科目和生物科目的设定分数分别为0.9、0.9、0.8、0.8，那么比较可以得到数学科目、英语科目、生物科目的得分值小于其对应的设定分数，因此目标学习集包括数学科目、英语科目、生物科目，则根据目标学习集制定的学习任务则是数学+英语+生物学习任务。其他设定分数的设置亦在本发明保护范围，在此不再一一赘述。

优选的，筛选得分值小于对应设定分数的所需学习内容，计算得到所需学习内容的得分值与其对应设定分值的差值。根据差值按照大小顺序制定对应的学习任务，使得差值与学习时间成正比。即差值越低的学习内容在学习任务中学习时间越短，反之，差值越高的学习内容在学习任务中学习时间越长。示例性的通过比较计算，能够计算得到数学科目、英语科目、生物科目的得分值分别与其对应的设定分数之间的差值为0.04、0.34和0.02，因此，可以分析得到英语科目必须加强学习强度，而数学科目和生物科目次之，因此，对学生甲制定的学习任务为数学科目、英语科目、生物科目的时长分别为T1、T2、T3，且T2＞T1＞T3。

通过本实施例，根据每个学习内容的得分值和设定分数进行比较得到目标学习集，并根据目标学习集制定学习任务，能够根据学生的学习内容和学习情况，针对性进行计算得到每一项学习内容的得分值，从而得到学生的学习进度评分值，便于后续根据每个学生不同的学习进度评分值，能够面对不同的学生制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的进行强化训练，以便提升学生的学习效率，大大提高学生的学习效果。

优选的，获取当前用户的学习内容和学习情况；所述学习情况包括所述学习内容对应的完成时效和正确率。根据评估标准中的权重值对所述完成时效和正确率进行权重计算，得到所述学习内容对应的得分值，将所述学习内容及其对应的得分值进行汇总，得到所述当前用户对应的学习进度评分值。

具体的，完成时效为完成该学习内容所花费的时长除以规定时长。记录每个用户的学习内容，根据用户日常的学习结果进行评分，计算得到每个学习内容的完成时效和正确率，获取学习内容和学习情况的方式可以通过手动获取，也可以通过自动获取。手动获取的方式包括学习任务指派者将用户的学习内容和学习情况手动录入至分配任务终端。自动获取的方式包括很多，例如用户的所有学习终端(学习机、智能台灯、平板、手机、智能手表等等)等等记录用户学习内容，然后学习终端根据用户日常的学习结果进行批改评分得到学习情况，最后学习终端将学习内容和学习情况上传给学习任务指派者的分配任务终端。任何获取用户的学习内容和学习情况的方式均在本发明的保护范围内，在此不再一一赘述。评估标准包括有根据学习任务指派者预先设定的完成时效的权重值和正确率的权重值，并且每项学习内容完成时效所对应的权重值可以相同，也可以不同，每项学习内容正确率所对应的权重值可以相同，也可以不同。

分配任务终端获取当前用户的所有学习内容和每个学习内容对应的学习情况，然后，分配任务终端根据预先设置的评估标准，对当前学习内容对应的完成时效和正确率分别进行权重计算得到当前学习内容对应的得分值。分配任务终端计算得到每个学习内容对应的得分值，然后将当前用户的所有学习内容及其对应的得分值进行汇总，得到当前用户的学习进度评分值。

此外，分配任务终端根据任务推送列表，向推送等级最高的学习终端推送学习任务，当接收到等级最高的学习终端反馈的响应信息时，停止推送学习任务，当未接收到等级最高的学习终端反馈的响应信息时，根据任务推送列表，向下一推送等级的学习终端推送学习任务，直至任务推送列表中任意一个推送等级的学习终端向分配任务终端反馈其响应信息后结束推送。

通过本实施例，能够根据用户的学习内容和学习情况，针对性进行计算得到每一项学习内容的得分值，从而得到用户的学习进度评分值，便于后续根据每个用户不同的学习进度评分值，能够面对不同的用户制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的进行强化训练，以便提升用户的学习效率，大大提高用户的学习效果。

本发明的一个实施例，如图6所示，一种学习任务的分配控制系统，包括：分配任务终端1和学习终端2；所述分配任务终端1包括生成模块11、获取模块14、处理模块12和第一通信模块13；所述学习终端2包括第二通信模块21；

所述生成模块11，用于根据用户的学习进度评分值制定对应的学习任务；

所述获取模块14，用于获取学习终端2上传的使用状态信息；所述使用状态信息包括所述学习终端2对应的资源数据、标识信息、用户身份信息；

所述处理模块12，与所述获取模块14连接，用于根据所述使用状态信息，生成每个用户的任务推送列表；

所述第一通信模块13，与所述生成模块11、处理模块12和第二通信模块21连接，根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端2，直至接收到学习终端2的响应信息后结束推送。

具体的，本实施例中，分配任务终端1获取每个用户的学习进度评分值，然后根据每个用户的学习进度评分值，单独制定每个用户所属个性化的学习任务。目标学习终端2实时监测自身的使用状态信息，并将使用状态信息上传给分配任务终端1。分配任务终端1获取了使用状态信息后，根据使用状态信息生成每个用户对应的任务推送列表，然后分配任务终端1根据任务推送列表中目标学习终端2的排列先后顺序，依次推送学习任务至对应的学习终端2。

其中，学习任务指派者包括老师、家长等等，分配任务终端1包括手机、电脑、平板等等。学习终端2包括智能台灯(具有摄像头、麦克风、扬声器中的任意一种或者多种，且还包括无线通信模块的台灯)、平板、手机、智能手表(具有摄像头、麦克风、扬声器中的任意一种或者多种，且还包括无线通信模块的手表)等等。

通过本实施例，分配任务终端1根据每个用户不同的学习进度评分值，能够面对不同的用户制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的根据学习任务帮助用户学习，能够提升用户的学习效果，提升可用性。分配任务终端1能够根据使用状态信息生成任务推送列表，从而根据任务推送列表，将学习任务按照推送等级的高低顺序依次推送至对应的学习终端2处，避免将学习任务同步分发至一个用户的所有学习终端2处，减少重复推送学习任务的概率，降低不必要的推送浪费。

基于前述实施例，包括：

所述处理模块12，用于将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；

其中，所述任务推送列表包括当前用户身份信息对应的各个学习终端2推送等级。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。每个学习终端2向分配任务终端1上传自身使用状态信息的上传周期，可根据用户自身需要和习惯设定。资源数据包括但是不限于剩余电量数据、剩余内存数据、剩余GPU数据、剩余CPU数据、网络数据。

分配任务终端1获取到学习终端2上传的使用状态信息后，根据使用状态信息所对应用户身份信息以及标识信息分别保存至不同的文件夹，并且用户身份信息文件夹包括若干个标识信息文件夹，每个标识信息文件夹包括资源数据。例如，某个用户甲的用户身份信息为ID-1使用平板P1和智能台灯T1进行学习，平板P1的标识信息为MA1C1，智能台灯T1的标识信息为MA1C2。那么平板P1向分配任务终端1上传自身的使用状态信息A1(使用状态信息A1包括资源数据ZA1、标识信息MA1C1和用户的用户身份信息ID-1)，智能台灯T1向分配任务终端1上传自身的使用状态信息A2(使用状态信息A2包括资源数据ZA2、标识信息MA1C2和用户的用户身份信息ID-1)，分配任务终端1获取到平板P1和智能台灯T1上传的使用状态信息后，由于根据使用状态信息A1和使用状态信息A2分析得到均属于同一用户甲，因此针对用户甲的身份信息建立一个大文件夹D1，而用户甲使用平板P1和智能台灯T1进行学习，在大文件D1中根据学习终端2的标识信息分别建立命名为MA1C1的子文件夹，以及命名为MA1C2的子文件夹，其中，MA1C1的子文件夹中储存资源数据ZA1，MA1C2的子文件夹中储存资源数据ZA2。

分配任务终端1将获取的使用状态信息分类储存后，将每个标识信息对应的每项资源数据分别输入至预先训练得到的资源分配模型中，由资源分配模型进行分析输出对应的比较结果，由于资源数据与标识信息相互关联，标识信息与用户身份信息相互关联，因此可以将资源数据对应的比较结果与资源数据对应的用户身份信息关联绑定。从而，当资源分配模型分析得到对应的比较结果后，能够生成对比任务推送列表。任务推送列表包括所有用户的所有学习终端2的推送顺序。

示例性的，用户甲使用平板P1(标识信息为MAC1)和智能台灯T1(标识信息为MAC2)进行学习，平板P1向分配任务终端1上传自身的使用状态信息A1，智能台灯T1向分配任务终端1上传自身的使用状态信息A2。用户乙使用平板P2(标识信息为MAC3)和智能台灯T2(标识信息为MAC4)进行学习，平板P2向分配任务终端1上传自身的使用状态信息A3，智能台灯T2向分配任务终端1上传自身的使用状态信息A4。分配任务终端1将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应比较结果，然后根据比较结果及其对应的用户身份信息，生成对应用户甲的任务推送列表L1和对应用户乙的任务推送列表L2。假设任务推送列表L1为：平板P1推送等级大于智能台灯T1推送等级，任务推送列表L2为：平板P2推送等级小于智能台灯T2推送等级。那么分配任务终端1生成用户甲的学习任务C1后，先向平板P1推送学习任务C1，然后再向智能台灯T1推送学习任务C1。分配任务终端1生成用户乙的学习任务C2后，先向智能台灯T2推送学习任务C2，然后再向平板P2推送学习任务C2。如果学习任务C1和学习任务C2同时产生，那么分配任务终端1可以同时先向平板P1推送学习任务C1的同时，向智能台灯T2推送学习任务C2，然后再向智能台灯T1推送学习任务C1的同时，向平板P2推送学习任务C2。

通过本实施例，分配任务终端1能够根据使用状态信息生成任务推送列表，从而根据任务推送列表，将学习任务按照推送等级的高低顺序依次推送至对应的学习终端2处，避免将学习任务同步分发至一个用户的所有学习终端2处，减少重复推送学习任务的概率，降低不必要的推送浪费，而且分布式按照推送等级推送学习任务，也能够降低分配任务终端1集中式分发学习任务的任务量，解决了分配任务终端1集中式分发学习任务所导致的资源浪费，或者由于集中式分发导致学习任务下发卡顿的问题，避免了资源浪费的同时，提升学习任务分发的有效性，进而提升使用体验。

基于前述实施例，所述处理模块12包括：第一判断单元、第一生成单元、处理单元；

所述第一判断单元，将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

所述第一生成单元，与所述第一判断单元连接，用于根据所述比较结果生成所述当前标识信息对应学习终端2的推送等级；

所述处理单元，与所述第一生成单元连接，根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。分配任务终端1将获取的当前标识信息对应的所有资源数据，输入至预先训练得到的资源分配模型中，由资源分配模型进行比较每项资源数据是否满足其对应的预设条件。资源分配模型输出对应的比较结果后，分配任务终端1根据当前标识信息对应每项资源数据的比较结果，生成当前标识信息对应学习终端2的推送等级。如此反复，依次将每个标识信息对应的每项资源数据输入至资源分配模型，由资源分配模型分别输出每个标识信息所对应每项资源数据的比较结果。这样，分配任务终端1就能够根据所有学习终端2上传的使用状态信息，分析得到每个学习终端2的推送等级，进而生成每个用户对应的任务推送列表。

基于前述实施例，所述处理单元包括第一计算子单元和第二计算子单元；

所述获取模块14，与所述第一判断单元连接，还用于当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端2的使用频率和用户需求；

所述第一计算子单元，与所述获取模块14连接，还用于根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端2的推送等级；

所述第二计算子单元，与所述第一判断单元连接，还用于当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。

具体的，本实施例中与上述实施例相同的部分在此不再一一赘述。分配任务终端1获取所有学习终端2在不同的样本资源数据状态下的信息接收响应速率和任务执行速率。将样本资源数据进行训练得到对应的资源分配模型，资源分配模型训练得到不同资源数据对应的资源分配标准。每项资源数据对应的资源分配标准为：剩余电量数据需要大于U％、剩余内存数据需要大于V％、剩余GPU数据需要大于W％、剩余CPU数据需要大于M％、网络数据需要大于N％。

资源分配模型为神经网络模型，且训练该资源分配模型时使用的样本资源数据包括剩余电量数据样本、剩余内存数据样本、剩余CPU数据样本、剩余GPU数据样本和网络数据样本，输出样本包括资源分配标准样本。本发明并不对资源分配模型的训练过程进行限定。示意性的，终端操作系统获取到当前剩余电量数据为“50％”、剩余内存数据为“1.5GB”，将上述数据输入资源分配模型后，得到资源分配模型输出的资源分配标准。

当所有资源数据分别满足对应的预设条件时，根据使用记录和用户需求确定每个标识信息对应学习终端2的推送等级。示例性的，假设资源分配标准为剩余电量数据需要大于50％、剩余内存数据需要大于50％和剩余CPU数据需要大于40％。并且，剩余电量数据、剩余内存数据、剩余CPU数据分别对应的权重系数为0.6、0.2、0.2。假如用户丙使用智能手表S1(标识信息为MAC5)和智能台灯T3(标识信息为MAC6)进行学习，智能手表S1向分配任务终端1上传自身的使用状态信息A5(资源数据中的剩余电量数据为70％、剩余内存数据为80％和剩余CPU数据为65％)，智能台灯T3向分配任务终端1上传自身的使用状态信息A6(资源数据中的剩余电量数据为60％、剩余内存数据为60％和剩余CPU数据为60％)。那么分配任务终端1可以通过资源分配模型比较得到标识信息MAC5和标识信息MAC6对应的剩余电量数据均满足对应预设电量条件阈值，标识信息MAC5和标识信息MAC6对应的剩余内存数据均满足对应预设内存条件阈值，标识信息MAC5和标识信息MAC6对应的剩余CPU数据均满足对应预设CPU条件阈值。因此，分配任务终端1判断智能手表S1和智能台灯T3对应的所有资源数据分别满足对应的预设条件。此时，分配任务终端1当前标识信息对应的使用记录，然后获取当前标识信息对应学习终端2的使用频率和用户需求，根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端2的推送等级。其中，当前标识信息对应的使用记录统计当前标识信息使用次数，使用次数越多则使用频率越大。如果用户基于增加其他学习终端2的使用率，减少学习终端2的空闲率考虑，则使用频率越小的学习终端2其对应的推送等级越高。如果用户基于使用习惯，避免学习操作不熟练而降低学习效率考虑，则使用频率越大的学习终端2其对应的推送等级越高。

当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，得到每项资源数据对应的权重值，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。示例性的，假设资源分配标准为剩余电量数据需要大于50％、剩余内存数据需要大于50％和剩余CPU数据需要大于40％。假如用户丙使用智能手表S1(标识信息为MAC5)和智能台灯T3(标识信息为MAC6)进行学习，智能手表S1向分配任务终端1上传自身的使用状态信息A5(资源数据中的剩余电量数据为40％、剩余内存数据为80％和剩余CPU数据为65％)，智能台灯T3向分配任务终端1上传自身的使用状态信息A6(资源数据中的剩余电量数据为70％、剩余内存数据为60％和剩余CPU数据为25％)。那么分配任务终端1可以通过资源分配模型比较得到标识信息MAC5对应的剩余电量数据不满足对应预设电量条件阈值，标识信息MAC5对应的剩余内存数据满足对应预设内存条件阈值，标识信息MAC5对应的剩余CPU数据满足对应预设CPU条件阈值。标识信息MAC6对应的剩余电量数据不满足对应预设电量条件阈值，标识信息MAC6对应的剩余内存数据满足对应预设内存条件阈值，标识信息MAC6对应的剩余CPU数据不满足对应预设CPU条件阈值。因此，分配任务终端1判断智能手表S1和智能台灯T3对应的资源数据满足预设条件的类型不同，但是项数相同。此时，分配任务终端1计算得到标识信息MAC5对应的总权重值K1＝0.6×40％+0.2×80％+0.2×65％＝0.53，标识信息MAC6对应的总权重值K2＝0.6×70％+0.2×60％+0.2×25％＝0.59，由于根据总权重值作为推送等级，且K2＞K1，因此智能台灯T3的推送等级大于智能手表S1的推送等级。分配任务终端1生成用户丙的学习任务后，先向智能台灯T3推送学习任务C3，再向智能手表S1推送学习任务C3。

通过本实施例，能够针对不同的比较结果差异性的计算确定当前标识信息对应学习终端2的推送等级。这样，在满足预设条件的资源数据的项数和类型均相同的情况下，能够满足学习终端2及时接收到分配任务终端1下发的学习任务，并执行相应学习任务的同时，还能够根据用户的使用记录和用户需求确定推送等级，从而满足用户的个性化需求。在满足预设条件的资源数据的项数和类型中至少一个不相同的情况下，进行权重计算从而确定推送等级，这样能够满足学习终端2及时接收到分配任务终端1下发的学习任务的目的。

基于前述实施例，所述生成模块11包括：分析单元、第二判断单元、第二生成单元；

所述分析单元，用于根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

所述第二判断单元，与所述分析单元连接，用于判断每个学习内容对应的得分值是否大于对应的设定分数；

所述第二生成单元，与所述判断单元连接，用于筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务。

具体的，分配任务终端1根据学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值，由于学生学习内容可以是一个，也可以是多个，因此分配任务终端1判断当前学习内容对应的得分值是否大于其对应的设定分数，判断完当前学习内容后，如果学习内容的数量大于一个，则切换至下一个学习内容继续进行判断，直至所有的学习内容判断结束为止，将所有的判断结果记录下来，筛选出得分值小于其对应的设定分数的所有学习内容得到目标学习集，然后根据目标学习集针对性的制定学习任务。

示例性的，分配任务终端1根据学习进度评分值，分析得到某一学生甲的数学科目的得分值为0.86，英语科目的得分值为0.66，假设数学科目、英语科目、化学科目和生物科目的设定分数分别为0.9、0.9、0.8、0.8，那么比较可以得到数学科目、英语科目、生物科目的得分值小于其对应的设定分数，因此目标学习集包括数学科目、英语科目、生物科目，则根据目标学习集制定的学习任务则是数学+英语+生物学习任务。其他设定分数的设置亦在本发明保护范围，在此不再一一赘述。

优选的，筛选得分值小于对应设定分数的所需学习内容，计算得到所需学习内容的得分值与其对应设定分值的差值。根据差值按照大小顺序制定对应的学习任务，使得差值与学习时间成正比。即差值越低的学习内容在学习任务中学习时间越短，反之，差值越高的学习内容在学习任务中学习时间越长。示例性的通过比较计算，能够计算得到数学科目、英语科目、生物科目的得分值分别与其对应的设定分数之间的差值为0.04、0.34和0.02，因此，可以分析得到英语科目必须加强学习强度，而数学科目和生物科目次之，因此，对学生甲制定的学习任务为数学科目、英语科目、生物科目的时长分别为T1、T2、T3，且T2＞T1＞T3。

通过本实施例，根据每个学习内容的得分值和设定分数进行比较得到目标学习集，并根据目标学习集制定学习任务，能够根据学生的学习内容和学习情况，针对性进行计算得到每一项学习内容的得分值，从而得到学生的学习进度评分值，便于后续根据每个学生不同的学习进度评分值，能够面对不同的学生制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的进行强化训练，以便提升学生的学习效率，大大提高学生的学习效果。

优选的，获取当前用户的学习内容和学习情况；所述学习情况包括所述学习内容对应的完成时效和正确率。根据评估标准中的权重值对所述完成时效和正确率进行权重计算，得到所述学习内容对应的得分值。将所述学习内容及其对应的得分值进行汇总，得到所述当前用户对应的学习进度评分值。

具体的，完成时效为完成该学习内容所花费的时长除以规定时长。记录每个用户的学习内容，根据用户日常的学习结果进行评分，计算得到每个学习内容的完成时效和正确率，获取学习内容和学习情况的方式可以通过手动获取，也可以通过自动获取。手动获取的方式包括学习任务指派者将用户的学习内容和学习情况手动录入至分配任务终端1。自动获取的方式包括很多，例如用户的所有学习终端2(学习机、智能台灯、平板、手机、智能手表等等)等等记录用户学习内容，然后学习终端2根据用户日常的学习结果进行批改评分得到学习情况，最后学习终端2将学习内容和学习情况上传给学习任务指派者的分配任务终端1。任何获取用户的学习内容和学习情况的方式均在本发明的保护范围内，在此不再一一赘述。评估标准包括有根据学习任务指派者预先设定的完成时效的权重值和正确率的权重值，并且每项学习内容完成时效所对应的权重值可以相同，也可以不同，每项学习内容正确率所对应的权重值可以相同，也可以不同。

分配任务终端1获取当前用户的所有学习内容和每个学习内容对应的学习情况，然后，分配任务终端1根据预先设置的评估标准，对当前学习内容对应的完成时效和正确率分别进行权重计算得到当前学习内容对应的得分值。分配任务终端1计算得到每个学习内容对应的得分值，然后将当前用户的所有学习内容及其对应的得分值进行汇总，得到当前用户的学习进度评分值。

此外，分配任务终端1根据任务推送列表，向推送等级最高的学习终端2推送学习任务，当接收到等级最高的学习终端2反馈的响应信息时，停止推送学习任务，当未接收到等级最高的学习终端2反馈的响应信息时，根据任务推送列表，向下一推送等级的学习终端2推送学习任务，直至任务推送列表中任意一个推送等级的学习终端2向分配任务终端1反馈其响应信息后结束推送。

通过本实施例，能够根据用户的学习内容和学习情况，针对性进行计算得到每一项学习内容的得分值，从而得到用户的学习进度评分值，便于后续根据每个用户不同的学习进度评分值，能够面对不同的用户制定针对性的学习任务，能有效发挥教育作用，并且针对性、差异性的进行强化训练，以便提升用户的学习效率，大大提高用户的学习效果。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种学习任务的分配控制方法，其特征在于，包括步骤：

根据用户的学习进度评分值制定对应的学习任务；

获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

根据所述使用状态信息，生成每个用户的任务推送列表；

根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

2.根据权利要求1所述的学习任务的分配控制方法，其特征在于，所述根据所述使用状态信息，生成每个用户的任务推送列表具体包括步骤：

将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；所述任务推送列表包括当前用户身份信息对应的各个学习终端推送等级。

3.根据权利要求2所述的学习任务的分配控制方法，其特征在于，所述将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表具体包括步骤：

将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

根据所述比较结果生成所述当前标识信息对应学习终端的推送等级；

根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表。

4.根据权利要求3所述的学习任务的分配控制方法，其特征在于，所述根据所述比较结果生成所述当前标识信息对应学习终端的推送等级具体包括步骤：

当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端的使用频率和用户需求，根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级；

当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。

5.根据权利要求1-4任一项所述的学习任务的分配控制方法，其特征在于，所述根据用户的学习进度评分值制定对应的学习任务包括步骤：

根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

判断每个学习内容对应的得分值是否大于对应的设定分数；

筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务。

6.一种学习任务的分配控制系统，其特征在于，包括：分配任务终端和学习终端；所述分配任务终端包括生成模块、获取模块、处理模块和第一通信模块；所述学习终端包括第二通信模块；

所述生成模块，用于根据用户的学习进度评分值制定对应的学习任务；

所述获取模块，用于获取学习终端上传的使用状态信息；所述使用状态信息包括所述学习终端对应的资源数据、标识信息、用户身份信息；

所述处理模块，与所述获取模块连接，用于根据所述使用状态信息，生成每个用户的任务推送列表；

所述第一通信模块，与所述生成模块、处理模块和第二通信模块连接，根据所述任务推送列表，按照推送等级的从高至低的顺序推送学习任务至对应的学习终端，直至接收到学习终端的响应信息后结束推送。

7.根据权利要求6所述的学习任务的分配控制系统，其特征在于：

所述处理模块，用于将每个标识信息对应的每项资源数据，分别输入至资源分配模型得到对应的比较结果，根据所述比较结果及其对应的用户身份信息，生成对应任务推送列表；

其中，所述任务推送列表包括当前用户身份信息对应的各个学习终端推送等级。

8.根据权利要求7所述的学习任务的分配控制系统，其特征在于，所述处理模块包括：第一判断单元、第一生成单元、处理单元；

所述第一判断单元，将当前标识信息对应的每项资源数据输入至资源分配模型，通过所述资源分配模型比较每项资源数据是否满足其对应的预设条件；

所述第一生成单元，与所述第一判断单元连接，用于根据所述比较结果生成所述当前标识信息对应学习终端的推送等级；

所述处理单元，与所述第一生成单元连接，根据所述用户身份信息、标识信息及其对应的推送等级，生成每个用户对应的任务推送列表。

9.根据权利要求8所述的学习任务的分配控制系统，其特征在于，所述处理单元包括第一计算子单元和第二计算子单元；

所述获取模块，与所述第一判断单元连接，还用于当所有资源数据分别满足对应的预设条件时，获取当前标识信息对应学习终端的使用频率和用户需求；

所述第一计算子单元，与所述获取模块连接，还用于根据所述使用频率和用户需求，确定所述当前标识信息对应学习终端的推送等级；

所述第二计算子单元，与所述第一判断单元连接，还用于当任意一个资源数据不满足对应的预设条件时，对当前标识信息对应的每项资源数据进行权重计算，根据每项资源数据的权重值进行求和计算得到总权重值，将总权重值作为当前标识信息对应的推送等级。

10.根据权利要求6-9任一项所述的学习任务的分配控制系统，其特征在于，所述生成模块包括：分析单元、第二判断单元、第二生成单元；

所述分析单元，用于根据所述学习进度评分值分析得到学生的所有学习内容，以及每个学习内容对应的得分值；

所述第二判断单元，与所述分析单元连接，用于判断每个学习内容对应的得分值是否大于对应的设定分数；

所述第二生成单元，与所述判断单元连接，用于筛选得分值小于对应设定分数的所需学习内容得到目标学习集，根据所述目标学习集制定对应的学习任务。

Images