CN112163975A - 智能学习指引和提示方法与系统 - Google Patents

Abstract

本发明提供了智能学习指引和提示方法与系统，其能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

Description

智能学习指引和提示方法与系统

技术领域

本发明涉及智能教育的技术领域，特别涉及智能学习指引和提示方法与系统。

背景技术

目前，学生在学习过程中通常都是根据预先制定的学习大纲来进行的，该学习大纲用于引导学生按照相应的顺序来学习不同类型的知识内容，从而便于学生按照由易到难的顺序来进行知识内容的学习，这能够有效地提高学生的学习效率和学习质量。但是，现有的学习大纲都是按照统一模式预先制定的，其不能针对不同学生的学习需求进行个性化的调整，从而不利于有效地引导学生根据自身的实际学习情况和知识内容本身的特点来进行学习，这大大地限制学生学习的灵活性和降低学生学习的体验性。可见，现有技术需要能够根据学生自身的学习需求和知识内容的特点引导学生进行高效的和个性化的学习的方法。

发明内容

针对现有技术存在的缺陷，本发明提供智能学习指引和提示方法与系统，其通过获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据，并对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息，再获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容；可见，该智能学习指引和提示方法与系统能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

本发明提供智能学习指引和提示方法，其特征在于，其包括如下步骤：

步骤S1，获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据；

步骤S2，对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

步骤S3，获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容；

进一步，在所述步骤S1中，获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据具体包括：

步骤S101，获取来自所述学生的学习需求指令，并对所述学习需求指令进行解析处理，以此确定所述学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

步骤S102，根据所述课程所述学科类型信息和所述课程学习总时长信息，从所述学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

步骤S103，对所述课程学习历史数据和所述课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据；

进一步，在所述步骤S2中，对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

步骤S201，获取所述课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定所述知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示所述课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，p表示所述课程学习历史数据所包含的基础知识点的数量，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示所述课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]；

步骤S202，将所述基础知识点索引标定值与预设知识点索引标定值进行比对，若所述基础知识点索引标定值小于或者等于所述预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

步骤S203，根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，p_m ^j表示保留下来的基础知识点的历史考核出现概率值；z_m表示所述保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为所述保留下来的基础知识点所包含的所有知识点的总数量；

进一步，在所述步骤S3中，获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容具体包括：

步骤S301，获取所述学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为所述课程考试历史数据；

步骤S302，根据所述历史题目知识点及其对应的知识点考试得分，确定所述学生需要进行重新学习的知识点数据；

步骤S303，在预设知识内容数据库中筛选出与所述需要进行重新学习的知识点数据或者所述知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将所述知识内容排列组合成由易到难的课程知识内容。

本发明还提供智能学习指引和提示系统，其特征在于，其包括课程教学相关数据获取模块、知识内容相似度确定模块和课程知识内容重新确定模块；其中，

所述课程教学相关数据获取模块用于获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据；

所述知识内容相似度确定模块用于对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

所述课程知识内容重新确定模块用于获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容；

进一步，所述课程教学相关数据获取模块获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据具体包括：

获取来自所述学生的学习需求指令，并对所述学习需求指令进行解析处理，以此确定所述学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

并根据所述课程所述学科类型信息和所述课程学习总时长信息，从所述学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

再对所述课程学习历史数据和所述课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据；

进一步，所述知识内容相似度确定模块对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

获取所述课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定所述知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示所述课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，p表示所述课程学习历史数据所包含的基础知识点的数量，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示所述课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]；

并将所述基础知识点索引标定值与预设知识点索引标定值进行比对，若所述基础知识点索引标定值小于或者等于所述预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

再根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，

表示保留下来的基础知识点的历史考核出现概率值；z_m表示所述保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为所述保留下来的基础知识点所包含的所有知识点的总数量；

进一步，所述课程知识内容重新确定模块获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容具体包括：

获取所述学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为所述课程考试历史数据；

并根据所述历史题目知识点及其对应的知识点考试得分，确定所述学生需要进行重新学习的知识点数据；

再在预设知识内容数据库中筛选出与所述需要进行重新学习的知识点数据或者所述知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将所述知识内容排列组合成由易到难的课程知识内容。

相比于现有技术，该智能学习指引和提示方法与系统通过获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据，并对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息，再获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容；可见，该智能学习指引和提示方法与系统能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

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为本发明提供的智能学习指引和提示方法的流程示意图。

图2为本发明提供的智能学习指引和提示系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，为本发明实施例提供的智能学习指引和提示方法的流程示意图。该智能学习指引和提示方法包括如下步骤：

步骤S1，获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据；

步骤S2，对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

步骤S3，获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容。

上述技术方案的有益效果为：该智能学习指引和提示方法能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

优选地，在该步骤S1中，获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据具体包括：

步骤S101，获取来自该学生的学习需求指令，并对该学习需求指令进行解析处理，以此确定该学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

步骤S102，根据该课程该学科类型信息和该课程学习总时长信息，从该学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

步骤S103，对该课程学习历史数据和该课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据。

上述技术方案的有益效果为：通过对来自学生的学习需求指令进行解析处理能够全面地获得学生需要学习的课程类型信息和课程学习总时长信息，以便于准确地筛选得到相匹配的课程学习历史数据和课程考试历史数据，从而保证准确的理解学生的实际学习需求。

优选地，在该步骤S2中，对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

步骤S201，获取该课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定该知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示该课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，并且当i的取值越高，对应知识点的难度越高，p表示该课程学习历史数据所包含的基础知识点的数量，该基础知识点可为但不限于是不同学科包含的学科入门知识内容，比如数学学科包含的微积分入门知识内容等，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示该课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]，该所有知识点是指学生在过去课程学习过程中学习得到的所有知识点内容；

步骤S202，将该基础知识点索引标定值与预设知识点索引标定值进行比对，若该基础知识点索引标定值小于或者等于该预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

步骤S203，根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，该平均考核概率值是基于学生过去所有考试结果的大数据统计得到的每一个基础知识点的平均考试出现几率值，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，该预设标签码是基于该基础知识点各自的数据比特量多少进行设定的，数据比特量越多的基础知识点对应的预设标签码越靠前，即具有最大数据比特量的基础知识点的预设标签码为正整数1，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，

表示保留下来的基础知识点的历史考核出现概率值；z_m表示该保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为该保留下来的基础知识点所包含的所有知识点的总数量。

上述技术方案的有益效果为：通过上述公式(1)和(2)分别计算得到该知识点的基础知识点索引标定值和确定保留下来的基础知识点对应的知识点内容相关度，能够全面地根据不同知识点的难易程度对其进行索引标定和选择并保留与学生的学习需求最为相关的知识点，从而有效地和准确地缩小引导学生进行学习的知识点范围和提高学生的学习效率。

优选地，在该步骤S3中，获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容具体包括：

步骤S301，获取该学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为该课程考试历史数据；

步骤S302，根据该历史题目知识点及其对应的知识点考试得分，确定该学生需要进行重新学习的知识点数据；

步骤S303，在预设知识内容数据库中筛选出与该需要进行重新学习的知识点数据或者该知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将该知识内容排列组合成由易到难的课程知识内容。

上述技术方案的有益效果为：根据学生在课程考试历史数据中关于不同类型的题目知识点的考试得分情况，重新确定学生需要学习的知识点数据，能够引导学生对自身知识点薄弱的环节进行强化学习，从而最大限度地提高学生的学习效果。

参阅图2，为本发明实施例提供的智能学习指引和提示系统的结构示意图。该智能学习指引和提示包括课程教学相关数据获取模块、知识内容相似度确定模块和课程知识内容重新确定模块；其中，

该课程教学相关数据获取模块用于获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据；

该知识内容相似度确定模块用于对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

该课程知识内容重新确定模块用于获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容。

上述技术方案的有益效果为：该智能学习指引和提示系统能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

优选地，该课程教学相关数据获取模块获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据具体包括：

获取来自该学生的学习需求指令，并对该学习需求指令进行解析处理，以此确定该学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

并根据该课程该学科类型信息和该课程学习总时长信息，从该学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

再对该课程学习历史数据和该课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据。

上述技术方案的有益效果为：通过对来自学生的学习需求指令进行解析处理能够全面地获得学生需要学习的课程类型信息和课程学习总时长信息，以便于准确地筛选得到相匹配的课程学习历史数据和课程考试历史数据，从而保证准确的理解学生的实际学习需求。

优选地，该知识内容相似度确定模块对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

获取该课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定该知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示该课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，并且当i的取值越高，对应知识点的难度越高，p表示该课程学习历史数据所包含的基础知识点的数量，该基础知识点可为但不限于是不同学科包含的学科入门知识内容，比如数学学科包含的微积分入门知识内容等，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示该课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]，该所有知识点是指学生在过去课程学习过程中学习得到的所有知识点内容；

并将该基础知识点索引标定值与预设知识点索引标定值进行比对，若该基础知识点索引标定值小于或者等于该预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

再根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，该平均考核概率值是基于学生过去所有考试结果的大数据统计得到的每一个基础知识点的平均考试出现几率值，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，该预设标签码是基于该基础知识点各自的数据比特量多少进行设定的，数据比特量越多的基础知识点对应的预设标签码越靠前，即具有最大数据比特量的基础知识点的预设标签码为正整数1，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，

表示保留下来的基础知识点的历史考核出现概率值；z_m表示该保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为该保留下来的基础知识点所包含的所有知识点的总数量。

上述技术方案的有益效果为：通过上述公式(1)和(2)分别计算得到该知识点的基础知识点索引标定值和确定保留下来的基础知识点对应的知识点内容相关度，能够全面地根据不同知识点的难易程度对其进行索引标定和选择并保留与学生的学习需求最为相关的知识点，从而有效地和准确地缩小引导学生进行学习的知识点范围和提高学生的学习效率。

优选地，该课程知识内容重新确定模块获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容具体包括：

获取该学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为该课程考试历史数据；

并根据该历史题目知识点及其对应的知识点考试得分，确定该学生需要进行重新学习的知识点数据；

再在预设知识内容数据库中筛选出与该需要进行重新学习的知识点数据或者该知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将该知识内容排列组合成由易到难的课程知识内容。

上述技术方案的有益效果为：根据学生在课程考试历史数据中关于不同类型的题目知识点的考试得分情况，重新确定学生需要学习的知识点数据，能够引导学生对自身知识点薄弱的环节进行强化学习，从而最大限度地提高学生的学习效果。

从上述实施例记载的内容可知，该智能学习指引和提示方法与系统通过获取来自学生的学习需求指令，并根据该学习需求指令，确定该学生的课程学习历史数据和课程考试历史数据，并对该课程学习历史数据进行分析处理，以此确定该课程学习历史数据包含的不同知识点之间的知识内容相关度信息，再获取该学生的课程考试历史数据，并根据该课程考试历史数据和该知识内容相关度信息，确定该学生在后续需要学习的课程知识内容；可见，该智能学习指引和提示方法与系统能够根据来自学生的学习需求指令，确定学生的课程学习历史数据和课程考试历史数据，再对该课程学习历史数据和该课程考试历史数据进行分析处理，以此得到不同知识点之间的知识内容相关度信息，并最终确定学生在后续需要学习的课程知识内容，其能够从学生自身学习需求出发，并引导学生根据自身的实际学习情况和知识内容本身的特点进行学习，从而大大地提高学生学习的灵活性和改善学生的学习体验性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.智能学习指引和提示方法，其特征在于，其包括如下步骤：

步骤S1，获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据；

步骤S2，对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

步骤S3，获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容。

2.如权利要求1所述的智能学习指引和提示方法，其特征在于：

在所述步骤S1中，获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据具体包括：

步骤S101，获取来自所述学生的学习需求指令，并对所述学习需求指令进行解析处理，以此确定所述学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

步骤S102，根据所述课程所述学科类型信息和所述课程学习总时长信息，从所述学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

步骤S103，对所述课程学习历史数据和所述课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据。

3.如权利要求2所述的智能学习指引和提示方法，其特征在于：

在所述步骤S2中，对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

步骤S201，获取所述课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定所述知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示所述课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，p表示所述课程学习历史数据所包含的基础知识点的数量，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示所述课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]；

步骤S202，将所述基础知识点索引标定值与预设知识点索引标定值进行比对，若所述基础知识点索引标定值小于或者等于所述预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

步骤S203，根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，

表示保留下来的基础知识点的历史考核出现概率值；z_m表示所述保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为所述保留下来的基础知识点所包含的所有知识点的总数量。

4.如权利要求3所述的智能学习指引和提示方法，其特征在于：

在所述步骤S3中，获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容具体包括：

步骤S301，获取所述学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为所述课程考试历史数据；

步骤S302，根据所述历史题目知识点及其对应的知识点考试得分，确定所述学生需要进行重新学习的知识点数据；

步骤S303，在预设知识内容数据库中筛选出与所述需要进行重新学习的知识点数据或者所述知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将所述知识内容排列组合成由易到难的课程知识内容。

5.智能学习指引和提示系统，其特征在于，其包括课程教学相关数据获取模块、知识内容相似度确定模块和课程知识内容重新确定模块；其中，所述课程教学相关数据获取模块用于获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据；

所述知识内容相似度确定模块用于对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息；

所述课程知识内容重新确定模块用于获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容。

6.如权利要求5所述的智能学习指引和提示系统，其特征在于：

所述课程教学相关数据获取模块获取来自学生的学习需求指令，并根据所述学习需求指令，确定所述学生的课程学习历史数据和课程考试历史数据具体包括：

获取来自所述学生的学习需求指令，并对所述学习需求指令进行解析处理，以此确定所述学生需要进行课程学习的课程所属学科类型信息和课程学习总时长信息；

并根据所述课程所述学科类型信息和所述课程学习总时长信息，从所述学生的线上学习历史记录中筛选得到匹配相应学科类型和相应学习时间范围的课程学习历史数据和课程考试历史数据；

再对所述课程学习历史数据和所述课程考试历史数据进行数据降噪处理和数据压缩处理，从而获得规范化的课程学习历史数据和课程考试历史数据。

7.如权利要求6所述的智能学习指引和提示系统，其特征在于：

所述知识内容相似度确定模块对所述课程学习历史数据进行分析处理，以此确定所述课程学习历史数据包含的不同知识点之间的知识内容相关度信息具体包括：

获取所述课程学习历史数据所包含的所有知识点的难易度信息，并根据下面公式(1)确定所述知识点对应的基础知识点索引标定值Index(p_i,z_n)：

在上述公式(1)中，exp表示以自然常数e为底的指数函数，N表示所述课程学习历史数据所包含的所有知识点的数量，i表示知识点的难易度量化值、且其取值为1-5之间的任意正整数，p表示所述课程学习历史数据所包含的基础知识点的数量，p_i和p_i-1分别表示难易度量化值为i和i-1的基础知识点的数量，z_n和z_n-1分别表示所述课程学习历史数据所包含的所有知识点的数量为n和n-1时、所有知识点对应的相关度衡量值、并且z_n和z_n-1取值范围均为(0，1]；

并将所述基础知识点索引标定值与预设知识点索引标定值进行比对，若所述基础知识点索引标定值小于或者等于所述预设知识点索引标定值，则保留其对应的基础知识点，否则，剔除其对应的基础知识点；

再根据下面公式(2)确定保留下来的基础知识点对应的知识点内容相关度Net(r,δ_j)：

在上述公式(2)中，j表示保留下来的基础知识点的平均考核概率值、且其取值为[0，100％]，r表示保留下来的基础知识点的预设标签码、且其取值为正整数，x表示保留下来的基础知识点对应的学习课程章节的编号，y表示学习课程章节的页码编号，r_x表示学习课程章节的编号为x时对应的保留下来的基础知识点的预设标签码，r_y表示学习课程章节的页码编号为y时对应保留下来的基础知识点的预设标签码，δ_j表示考核概率值为j的对应保留下来的基础知识点的数量，

表示保留下来的基础知识点的历史考核出现概率值；z_m表示所述保留下来的基础知识点所包含的所有知识点的数量为m时、所有知识点对应的相关度衡量值；M为所述保留下来的基础知识点所包含的所有知识点的总数量。

8.如权利要求7所述的智能学习指引和提示系统，其特征在于：

所述课程知识内容重新确定模块获取所述学生的课程考试历史数据，并根据所述课程考试历史数据和所述知识内容相关度信息，确定所述学生在后续需要学习的课程知识内容具体包括：

获取所述学生的课程考试出现的历史题目知识点及其对应的知识点考试得分，以此作为所述课程考试历史数据；

并根据所述历史题目知识点及其对应的知识点考试得分，确定所述学生需要进行重新学习的知识点数据；

再在预设知识内容数据库中筛选出与所述需要进行重新学习的知识点数据或者所述知识内容相关度Net(r,δ_j)相匹配的知识内容，并根据筛选得到的知识内容各自的难易程度，将所述知识内容排列组合成由易到难的课程知识内容。

Images