CN112419815A - 一种学习路径的规划方法及装置 - Google Patents

一种学习路径的规划方法及装置 Download PDF

Info

Publication number
CN112419815A
CN112419815A CN202011377030.6A CN202011377030A CN112419815A CN 112419815 A CN112419815 A CN 112419815A CN 202011377030 A CN202011377030 A CN 202011377030A CN 112419815 A CN112419815 A CN 112419815A
Authority
CN
China
Prior art keywords
knowledge points
learning
mastered
planning
learning path
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
Application number
CN202011377030.6A
Other languages
English (en)
Inventor
王枫
马镇筠
谢恩
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 Love Theory Technology Co ltd
Original Assignee
Beijing Love Theory 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 Love Theory Technology Co ltd filed Critical Beijing Love Theory Technology Co ltd
Priority to CN202011377030.6A priority Critical patent/CN112419815A/zh
Publication of CN112419815A publication Critical patent/CN112419815A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02Electrically-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
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02Electrically-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
    • G09B7/04Electrically-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 characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种学习路径的规划方法及装置,涉及教育领域,该学习路径的规划方法包括:输出智能测评习题;接收学生根据智能测评习题反馈的习题答案;对习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;根据已掌握知识点、未掌握知识点以及知识点掌握程度进行学习路径规划,得到学习路径。可见,实施这种实施方式,能够为每个学生规划其特定的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。

Description

一种学习路径的规划方法及装置
技术领域
本申请涉及教育领域,具体而言,涉及一种学习路径的规划方法及装置。
背景技术
目前,随着互联网技术的快速发展,越来越多的互联网产品出现在了人们的面前,其中就包括教育类的互联网产品。在目前的教育类互联网产品中,有一部分产品能够根据教学课本生成教师用的教学方案,以便于教师根据该教学方案进行教学,从而提高教师的教学效果。然而,在实践中发现,该种教学方案是基于学生的平均学习情况确定的,这就使得该种方式适用于所有的学生,也就存在一定的普适性问题。
发明内容
本申请实施例的目的在于提供一种学习路径的规划方法及装置,能够为每个学生规划其特定的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
本申请实施例第一方面提供了一种学习路径的规划方法,包括:
输出智能测评习题;
接收学生根据所述智能测评习题反馈的习题答案;
对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;
根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径。
在上述实现过程中,该方法可以优先输出智能测评习题,并实时检测是否有学生上传了自己对于该智能测评习题的作答答案,以使系统确定该作答答案为习题答案,并进一步根据该习题答案进行分析规划,得到最终的学习路径。可见,实施这种实施方式,能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
进一步地,所述方法还包括:
获取学生的做题过程数据;
获取所述做题过程数据包括的做题时间、连续答对率、重做答对率;
根据所述做题时间、所述连续答对率、所述重做答对率以及预设的权重集合进行计算,得到学生的学习能力值;
根据所述学习能力值对所述学习路径进行调整,得到调整后的学习路径。
在上述实现过程中,该方法还可以进一步获取学生的做题过程数据,并根据该做题过程数据计算出学生的学习能力值,并根据该学习能力之对学习路径进行进一步调整,得到更准确的学习路径。可见,实施这种实施方式,能够获取到更高精度的学习路径,从而有利于提高学生的学习质量和学习效果。
进一步地,所述输出智能测评习题的步骤包括:
获取学生的学段和待检测科目,并根据所述学段和所述待检测科目确定测评习题库;
对所述测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库;
根据预设比例在所述初级习题库和所述高级习题库中进行习题选取,得到智能测评习题;
输出所述智能测评习题。
在上述实现过程中,该方法可以根据学生的学段和待检测科目确定出学生的基础学习信息,并进一步根据该基础学习信息匹配相对应的测试试题,以使学生可以对该试题进行作答,以便于进一步确定该学生的真实学习情况。可见,实施这种实施方式,能够确定最适合的测评习题,以便于进一步确定学生的真实学习情况,从而有利于根据该真实学习情况进行最有效的学习路径规划。
进一步地,所述对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度的步骤包括:
对所述习题答案进行划分,得到有效答案和无效答案;
对所述有效答案进行分析,得到学生的对题库和错题库;
将所述对题库对应的知识点确定为已掌握知识点,并将所述错题库对应的知识点确定为未掌握知识点;
根据所述已掌握知识点和所述未掌握知识点,生成学生的知识点掌握程度。
在上述实现过程中,该方法可以优先根据习题答案进行划分,然后再根据划分结果进一步分析得到学生对于知识点的掌握情况,从而确定出学生的已掌握知识点、未掌握知识点以及知识点掌握程度。可见,实施这种实施方式,能够获取到更加有效的已掌握知识点、未掌握知识点以及知识点掌握程度,从而提高整体学习路径的规划精度。
进一步地,所述根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径的步骤包括:
根据所述已掌握知识点与预存的课程知识图谱进行分析,得到待学习知识点;
根据所述待学习知识点生成第一学习路径,并根据所述未掌握知识点生成第二学习路径;
根据所述第一学习路径、所述第二学习路径、所述第一学习路径和所述第二学习路径中知识点间的递进关系以及所述知识点掌握程度进行分析,得到学习路径。
在上述实现过程中,该方法可以根据已掌握知识点和未掌握知识点进行多次路径规划,然后再通过知识点间的递进关系对多条学习路径进行分析整合,得到最终的学习路径。可见,实施这种实施方式,能够通过拓宽学习路径的分析维度,来提高学习路径的获取精度。
本申请实施例第二方面提供了一种学习路径的规划装置,所述学习路径的规划装置包括:
输出单元,用于输出智能测评习题;
接收单元,用于接收学生根据所述智能测评习题反馈的习题答案;
分析单元,用于对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;
规划单元,用于根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径。
在上述实现过程中,该学习路径的规划装置可以通过多个单元的协同工作完成对学习路径的规划,从而能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
进一步地,所述规划装置还包括:
获取单元,用于获取学生的做题过程数据;
所述获取单元,还用于获取所述做题过程数据包括的做题时间、连续答对率、重做答对率;
计算单元,用于根据所述做题时间、所述连续答对率、所述重做答对率以及预设的权重集合进行计算,得到学生的学习能力值;
所述规划单元,还用于根据所述学习能力值对所述学习路径进行调整,得到调整后的学习路径。
在上述实现过程中,该学习路径的规划装置能够获取到更高精度的学习路径,从而有利于提高学生的学习质量和学习效果。
进一步地,所述输出单元包括:
获取子单元,用于获取学生的学段和待检测科目,并根据所述学段和所述待检测科目确定测评习题库;
划分子单元,用于对所述测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库;
选取子单元,用于根据预设比例在所述初级习题库和所述高级习题库中进行习题选取,得到智能测评习题;
输出子单元,用于输出所述智能测评习题。
在上述实现过程中,该学习路径的规划装置能够确定最适合的测评习题,以便于进一步确定学生的真实学习情况,从而有利于根据该真实学习情况进行最有效的学习路径规划。
本申请实施例第三方面提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的学习路径的规划方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例第一方面中任一项所述的学习路径的规划方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种学习路径的规划方法的流程示意图;
图2为本申请实施例提供的另一种学习路径的规划方法的流程示意图;
图3为本申请实施例提供的一种学习路径的规划装置的结构示意图;
图4为本申请实施例提供的另一种学习路径的规划装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供了一种学习路径的规划方法的流程示意图。该方法应用于学习路径的获取过程当中,具体的,该方法应用在学生在对未来学习内容进行规划的时候。其中,该学习路径的规划方法包括:
S101、输出智能测评习题。
本实施例中,该方法可以通过输出智能测评链接,以使学生根据该智能测评链接接收到智能测评习题。
在本实施例中,该方法可以通过学习路径的规划装置输出智能测评习题至学生的学习终端。
S102、接收学生根据智能测评习题反馈的习题答案。
本实施例中,习题答案为学生对智能测评习题进行作答之后的作答结果,该作答结果即上述的习题答案。
在本实施例中,习题答案可以理解为用户进行在线测评是给出的作答结果。
S103、对习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度。
本实施例中,已掌握知识点为学生已掌握的知识点,未掌握知识点为学生尚未掌握的知识点,知识点掌握程度为学生对已掌握的知识点的掌握完全程度以及学生对所有知识点的整体掌握程度。
S104、根据已掌握知识点、未掌握知识点以及知识点掌握程度进行学习路径规划,得到学习路径。
本实施例中,学习路径用于表示学生在未来一段时间内需要学习的知识点。
在本实施例中,学生在根据学习路径进行学习的时候,优先学习该学习路径中推荐优先学习的知识点,然后再逐步深入学习该学习路径中其他的后续知识点。
本申请实施例中,该方法的执行主体可以为计算机、服务器等计算装置,对此本实施例中不作任何限定。
在本申请实施例中,该方法的执行主体还可以为智能手机、平板电脑等智能设备,对此本实施例中不作任何限定。
可见,实施本实施例所描述的学习路径的规划方法,能够优先输出智能测评习题,并实时检测是否有学生上传了自己对于该智能测评习题的作答答案,以使系统确定该作答答案为习题答案,并进一步根据该习题答案进行分析规划,得到最终的学习路径。可见,实施这种实施方式,能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
实施例2
请参看图2,图2为本申请实施例提供的一种学习路径的规划方法的流程示意图。如图2所示,其中,该学习路径的规划方法包括:
S201、获取学生的学段和待检测科目,并根据学段和待检测科目确定测评习题库。
本实施例中,该方法可以根据学生的学段和待学习科目(或待检测科目)进行习题库匹配,从而得到与单一科目、单一学段相对应的测评习题库。
S202、对测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库。
本实施例中,该方法可以根据知识点的难度层级与知识点间的递进关系对测评习题库进行细致的层级划分,从而得到对应初级知识点的初级习题库和对应高级知识点的高级习题库。
S203、根据预设比例在初级习题库和高级习题库中进行习题选取,得到智能测评习题。
本实施例中,该方法可以在初级习题库和高级习题库中随机选取习题,从而形成智能测评习题。
在本实施例中,该智能测评习题中初级知识点与高级知识点的数量比例为8:2,且智能测评系统中出现的知识点不允许重复。
S204、输出智能测评习题。
本实施例中,学生通过学习终端接收智能测评习题,并对智能测评习题进行作答,得到习题答案。在得到习题答案之后,发送该习题答案给学习路径的规划装置。
S205、接收学生根据智能测评习题反馈的习题答案。
S206、对习题答案进行划分,得到有效答案和无效答案。
本实施例中,该方法可以在获取到习题答案之后,优先对习题答案进行划分得到有效答案和无效答案,并同时剔除无效答案。
在本实施例中,无效答案可也包括学生的涂抹勾画。进一步的,该无效答案还可以包括学生的蒙对答案,其中,本实施例中对于如何确定习题答案是否为蒙对的答案不做任何限定。
作为一种可选的实施方式,对习题答案进行划分,得到有效答案和无效答案的步骤包括:
划分习题答案得到多个习题子答案;
通过学生对习题子答案的作答时间和答题速度综合判断学生知否在蒙题;
当学生在蒙题时,确定该习题子答案为无效答案。
S207、对有效答案进行分析,得到学生的对题库和错题库。
本实施例中,该方法可以分析学生的有效答案,并通过分析得到学生的答对习题库和答错习题库。
S208、将对题库对应的知识点确定为已掌握知识点,并将错题库对应的知识点确定为未掌握知识点。
本实施例中,该方法可以根据答对习题库确定其对应的知识点,并确定该知识点为已掌握知识点。
在本实施例中,该方法可以根据答错习题库确定其对应的知识点,并确定该知识点为未掌握知识点。
S209、根据已掌握知识点和未掌握知识点,生成学生的知识点掌握程度。
本实施例中,该方法可以综合已掌握知识点与未掌握知识点,生成学生的知识点掌握程度。
作为一种可选的实施方式,根据已掌握知识点和未掌握知识点,生成学生的知识点掌握程度的步骤包括:
根据历史学习记录和已掌握知识点确定学生对已掌握知识点的第一掌握程度;
根据历史学习记录和未掌握知识点确定学生对未掌握知识点的第二掌握程度;
综合第一掌握程度和第二掌握程度,生成学生的知识点掌握程度。
在本实施例中,知识点掌握程度可以理解为学生对于该知识点掌握了80%,对全部知识点掌握了40%的数量。
S210、根据已掌握知识点与预存的课程知识图谱进行分析,得到待学习知识点。
本实施例中,课程知识图谱用于表示客观存在的知识点与课程之间的对应关系以及知识点之间的递进关系等内容。
本实施例中,待学习知识点为该方法分析得到的、用于表示学生在目前掌握的知识点基础上可以进一步学习和掌握的知识点。
S211、根据待学习知识点生成第一学习路径,并根据未掌握知识点生成第二学习路径。
本实施例中,第一学习路径用于表示由学生可以进一步掌握的知识点所构成的学习路径。
本实施例中,第二学习路径用于表示由学生未掌握知识点所构成的学习路径。
S212、根据第一学习路径、第二学习路径、第一学习路径和第二学习路径中知识点间的递进关系以及知识点掌握程度进行分析,得到学习路径。
本实施例中,该方法还可以根据学习路径确定对应知识点的习题,并进一步形成课程资料,并推荐该课程资料给学生进行学习。
作为一种可选的实施方式,根据第一学习路径、第二学习路径、第一学习路径和第二学习路径中知识点间的递进关系以及知识点掌握程度进行分析,得到学习路径的步骤包括:
根据第一学习路径、第二学习路径以及第一学习路径和第二学习路径中知识点间的递进关系进行分析得到中间学习路径;
根据知识点掌握程度对中间学习路径中的知识点进行占比调控,得到学习路径;其中,学习路径中学生未掌握透彻的知识点的整体占比中间学习路径中学生未掌握透彻的知识点的整体占比要高。
实施这种实施方式,能够针对学生未掌握透彻的知识点进行推荐学习,以便于学生对该知识点进行学习巩固。
S213、获取学生的做题过程数据。
S214、获取做题过程数据包括的做题时间、连续答对率、重做答对率。
S215、根据做题时间、连续答对率、重做答对率以及预设的权重集合进行计算,得到学生的学习能力值。
S216、根据学习能力值对学习路径进行调整,得到调整后的学习路径。
可见,实施本实施例所描述的学习路径的规划方法,能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
实施例3
请参看图3,图3为本申请实施例提供的一种学习路径的规划装置的结构示意图。如图3所示,该学习路径的规划装置包括:
输出单元310,用于输出智能测评习题;
接收单元320,用于接收学生根据智能测评习题反馈的习题答案;
分析单元330,用于对习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;
规划单元340,用于根据已掌握知识点、未掌握知识点以及知识点掌握程度进行学习路径规划,得到学习路径。
本申请实施例中,对于学习路径的规划装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的学习路径的规划装置,能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
实施例4
请一并参阅图4,图4是本申请实施例提供的一种学习路径的规划装置的结构示意图。其中,图4所示的学习路径的规划装置是由图3所示的学习路径的规划装置进行优化得到的。如图4所示,规划装置还包括:
获取单元350,用于获取学生的做题过程数据;
获取单元350,还用于获取做题过程数据包括的做题时间、连续答对率、重做答对率;
计算单元360,用于根据做题时间、连续答对率、重做答对率以及预设的权重集合进行计算,得到学生的学习能力值;
规划单元340,还用于根据学习能力值对学习路径进行调整,得到调整后的学习路径。
作为一种可选的实施方式,输出单元310包括:
第一获取子单元311,用于获取学生的学段和待检测科目,并根据学段和待检测科目确定测评习题库;
第一划分子单元312,用于对测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库;
第一选取子单元313,用于根据预设比例在初级习题库和高级习题库中进行习题选取,得到智能测评习题;
第一输出子单元314,用于输出智能测评习题。
作为一种可选的实施方式,分析单元330包括:
第二划分子单元331,用于对习题答案进行划分,得到有效答案和无效答案;
第二分析子单元332,用于对有效答案进行分析,得到学生的对题库和错题库;
第二确定子单元333,用于将对题库对应的知识点确定为已掌握知识点,并将错题库对应的知识点确定为未掌握知识点;
第二生成子单元334,用于根据已掌握知识点和未掌握知识点,生成学生的知识点掌握程度。
作为一种可选的实施方式,规划单元340包括:
第三分析子单元341,用于根据已掌握知识点与预存的课程知识图谱进行分析,得到待学习知识点;
第三生成子单元342,用于根据待学习知识点生成第一学习路径,并根据未掌握知识点生成第二学习路径;
第三分析子单元341,还用于根据第一学习路径、第二学习路径、第一学习路径和第二学习路径中知识点间的递进关系以及知识点掌握程度进行分析,得到学习路径。
本申请实施例中,对于学习路径的规划装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的学习路径的规划装置,能够实时获取学生的学习情况,并制定准确的、有针对性的学习路径,有助于学生的学习生活,从而解决了目前教学方案普适性较低的问题。
本申请实施例提供了一种电子设备,包括存储器以及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行本申请实施例1或实施例2中任一项学习路径的规划方法。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行本申请实施例1或实施例2中任一项学习路径的规划方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种学习路径的规划方法,其特征在于,包括:
输出智能测评习题;
接收学生根据所述智能测评习题反馈的习题答案;
对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;
根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径。
2.根据权利要求1所述的学习路径的规划方法,其特征在于,所述方法还包括:
获取学生的做题过程数据;
获取所述做题过程数据包括的做题时间、连续答对率、重做答对率;
根据所述做题时间、所述连续答对率、所述重做答对率以及预设的权重集合进行计算,得到学生的学习能力值;
根据所述学习能力值对所述学习路径进行调整,得到调整后的学习路径。
3.根据权利要求1所述的学习路径的规划方法,其特征在于,所述输出智能测评习题的步骤包括:
获取学生的学段和待检测科目,并根据所述学段和所述待检测科目确定测评习题库;
对所述测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库;
根据预设比例在所述初级习题库和所述高级习题库中进行习题选取,得到智能测评习题;
输出所述智能测评习题。
4.根据权利要求1所述的学习路径的规划方法,其特征在于,所述对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度的步骤包括:
对所述习题答案进行划分,得到有效答案和无效答案;
对所述有效答案进行分析,得到学生的对题库和错题库;
将所述对题库对应的知识点确定为已掌握知识点,并将所述错题库对应的知识点确定为未掌握知识点;
根据所述已掌握知识点和所述未掌握知识点,生成学生的知识点掌握程度。
5.根据权利要求1所述的学习路径的规划方法,其特征在于,所述根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径的步骤包括:
根据所述已掌握知识点与预存的课程知识图谱进行分析,得到待学习知识点;
根据所述待学习知识点生成第一学习路径,并根据所述未掌握知识点生成第二学习路径;
根据所述第一学习路径、所述第二学习路径、所述第一学习路径和所述第二学习路径中知识点间的递进关系以及所述知识点掌握程度进行分析,得到学习路径。
6.一种学习路径的规划装置,其特征在于,所述学习路径的规划装置包括:
输出单元,用于输出智能测评习题;
接收单元,用于接收学生根据所述智能测评习题反馈的习题答案;
分析单元,用于对所述习题答案进行分析,得到已掌握知识点、未掌握知识点和知识点掌握程度;
规划单元,用于根据所述已掌握知识点、所述未掌握知识点以及所述知识点掌握程度进行学习路径规划,得到学习路径。
7.根据权利要求6所述的学习路径的规划装置,其特征在于,所述规划装置还包括:
获取单元,用于获取学生的做题过程数据;
所述获取单元,还用于获取所述做题过程数据包括的做题时间、连续答对率、重做答对率;
计算单元,用于根据所述做题时间、所述连续答对率、所述重做答对率以及预设的权重集合进行计算,得到学生的学习能力值;
所述规划单元,还用于根据所述学习能力值对所述学习路径进行调整,得到调整后的学习路径。
8.根据权利要求6所述的学习路径的规划装置,其特征在于,所述输出单元包括:
获取子单元,用于获取学生的学段和待检测科目,并根据所述学段和所述待检测科目确定测评习题库;
划分子单元,用于对所述测评习题库中的测评习题进行层级划分,得到初级习题库和高级习题库;
选取子单元,用于根据预设比例在所述初级习题库和所述高级习题库中进行习题选取,得到智能测评习题;
输出子单元,用于输出所述智能测评习题。
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的学习路径的规划方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至5任一项所述的学习路径的规划方法。
CN202011377030.6A 2020-11-30 2020-11-30 一种学习路径的规划方法及装置 Pending CN112419815A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011377030.6A CN112419815A (zh) 2020-11-30 2020-11-30 一种学习路径的规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011377030.6A CN112419815A (zh) 2020-11-30 2020-11-30 一种学习路径的规划方法及装置

Publications (1)

Publication Number Publication Date
CN112419815A true CN112419815A (zh) 2021-02-26

Family

ID=74829126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011377030.6A Pending CN112419815A (zh) 2020-11-30 2020-11-30 一种学习路径的规划方法及装置

Country Status (1)

Country Link
CN (1) CN112419815A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239180A (zh) * 2021-07-13 2021-08-10 北京神州泰岳智能数据技术有限公司 学习路径生成方法、装置、电子设备及存储介质
CN114530064A (zh) * 2022-02-22 2022-05-24 北京思明启创科技有限公司 一种基于视频的书法练习方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109215426A (zh) * 2018-10-26 2019-01-15 刘晓蓓 一种学生学习情况分析系统及其使用方法
CN109299882A (zh) * 2018-10-11 2019-02-01 四川生学教育科技有限公司 一种成绩分析、诊断预测和学习资源推送方法及平台
CN109993453A (zh) * 2019-04-10 2019-07-09 沈阳哲航信息科技有限公司 一种探究式测评系统及方法
CN110263020A (zh) * 2019-06-20 2019-09-20 广州市教育研究院 在线学习测验题库管理系统及管理方法
CN110990707A (zh) * 2019-12-09 2020-04-10 北京爱论答科技有限公司 一种学习内容推送的方法、系统、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299882A (zh) * 2018-10-11 2019-02-01 四川生学教育科技有限公司 一种成绩分析、诊断预测和学习资源推送方法及平台
CN109215426A (zh) * 2018-10-26 2019-01-15 刘晓蓓 一种学生学习情况分析系统及其使用方法
CN109993453A (zh) * 2019-04-10 2019-07-09 沈阳哲航信息科技有限公司 一种探究式测评系统及方法
CN110263020A (zh) * 2019-06-20 2019-09-20 广州市教育研究院 在线学习测验题库管理系统及管理方法
CN110990707A (zh) * 2019-12-09 2020-04-10 北京爱论答科技有限公司 一种学习内容推送的方法、系统、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239180A (zh) * 2021-07-13 2021-08-10 北京神州泰岳智能数据技术有限公司 学习路径生成方法、装置、电子设备及存储介质
CN114530064A (zh) * 2022-02-22 2022-05-24 北京思明启创科技有限公司 一种基于视频的书法练习方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109903617B (zh) 个性化练习方法和系统
Chang et al. Modeling Exercise Relationships in E-Learning: A Unified Approach.
Shen et al. Assessing student's dynamic knowledge state by exploring the question difficulty effect
CN109509126A (zh) 一种基于用户学习行为的个性化试题推荐方法
JP6247628B2 (ja) 学習管理システムおよび学習管理方法
Bolsinova et al. A test for conditional independence between response time and accuracy
García et al. Using Bayesian networks to detect students’ learning styles in a web-based education system
Köhler et al. Dealing with item nonresponse in large‐scale cognitive assessments: The impact of missing data methods on estimated explanatory relationships
Pardos et al. Learning what works in ITS from non-traditional randomized controlled trial data
CN112419815A (zh) 一种学习路径的规划方法及装置
CN111126552A (zh) 一种智能学习内容推送方法及系统
CN110929020A (zh) 基于测试成绩的知识点掌握度分析方法
CN115358897B (zh) 一种基于电子学生证的学生管理方法、系统、终端及存储介质
Herlambang et al. Intelligent computing system to predict vocational high school student learning achievement using Naï ve Bayes algorithm
Scarlatos et al. Process-BERT: A framework for representation learning on educational process data
Gorbunova Testing Methodology in the Student Learning Process.
Goyal et al. An intuitionistic fuzzy approach to classify the user based on an assessment of the learner's knowledge level in e-learning decision-making
CN111967276A (zh) 翻译质量评估方法及装置、电子设备、存储介质
CN114691856B (zh) 题目推荐方法、装置、设备及介质
CN111127271A (zh) 一种用于学情分析的教学方法及系统
Mahnane et al. Automatic detection of learning styles based on dynamic Bayesian network in adaptive e-learning system
Pelánek et al. Modeling students' learning and variability of performance in problem solving
van der Palm et al. A Flexible Latent Class Approach to Estimating Test‐Score Reliability
CN112131427A (zh) 一种练习套题的获取方法及系统
Azevedo et al. Application of pattern recognition techniques for MathE questions difficulty level definition

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: 20210226

RJ01 Rejection of invention patent application after publication