CN112700688A - 一种智能课堂教学辅助系统 - Google Patents

Abstract

本发明公开了一种智能课堂教学辅助系统，属于信息技术领域。本发明所构建的智能课堂教学辅助系统，通过基于知识点的教学方式和反馈处理机制，建立了受课用户终端的用户对授课终端的用户讲解的知识点的及时反馈，同时还通过用户终端实现对教学相关效果的延迟反馈。授课终端用户通过服务器可以查看到对应的反馈，从而使得授课终端的用户可以了解所有授课用户终端的用户对知识点的掌握情况，进而辅助授课终端的用户决定是否增加各个知识点的讲解时间。同时，服务器根据这些反馈构建学生模型，向对应的用户终端提供个人/群体学习跟踪、教学计划推荐和分组推荐功能。本发明的应用，实现了智能化的课堂教学辅助管理。

Description

一种智能课堂教学辅助系统

技术领域

本发明属于信息技术领域，尤其涉及一种用于课堂教学的智能课堂辅助教学系统。

背景技术

智能教室，也称教室反馈系统或即时反馈系统，通常集成了移动计算，普适计算，通信 技术，增强现实，传感器，人工智能(AI)，数据挖掘等方面的先进技术，并在这些技术上为 用户(教师和学生)提供了广泛的教学交互方法。除了提高教学质量，智能教室可以改善学 生的参与度，社交互动，学生的行为，情绪氛围和课堂组织。

在现有技术中，公开号为CN103839450B的中国专利申请公开了一种点击器(Clicker)教 学方法。点击器教学是一种近年来开始流行的教学方式。在课堂上，学生手持一种Clicker无 线手持设备，当授课教师将一个问题及数个备选答案展示在教室的大屏幕后，学生可以通过 点击Clicker上的不同按钮提交其选择，授课教师的电脑会在几秒钟内收集学生提交的信息并 分析出结果，同时进行记录。授课教师可以根据学生的答对率或反馈情况随时对授课内容、 进度等做出调整。也有用智能手机或平板等智能设备代替Clicker的案例。但是，点击器教学 没有无匹配的教学法支持，也无成体系的信息系统支持，所以无法快速评价和量化教学效果， 更无法建立和追踪个人学习模型，无法实现基于全班、群体和个人的教学规划和推荐。

大规模开放在线课程系统(Massive Open Online Course)是当前流行的“互联网+教育”模 式，具有大规模、开放式、网络化的特征，可以通过学习反馈建立个人学习模型，实现个性 化教学。但是，这种方法无法用于线下的传统教学(纯授课教师讲述)，无法用于线下的混合 教学(播放教学视频和授课老师讲述混合)。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种用于教学课堂的智能辅助系统， 从而提高教学效率，实现教学的可量化、可跟踪、可计算和可优化的教学课堂智能管理。

本发明的智能课堂教学辅助系统，包括：授课用户终端(教师终端)、受课用户终端(学 生终端)、显示终端和服务器，其中，授课用户终端、受课用户终端和显示终端分别接入服务 器；

所述授课用户终端包括教学管理模块、课堂反馈管理模块、查询模块和输出显示模块， 其中，教学管理模块用于向服务器上传教学内容、知识点数据、自定义课堂教学计划、考试 计划、自定义分组计划，以及学生成绩；课堂反馈管理模块用于向服务器发送课堂教学内容 的掌握程度的信息采集的开始/终止信号；查询模块用于向服务器发送查询请求信息，查询内 容包括学生模型、推荐课堂教学计划、考试计划、分组计划、课堂教学内容的掌握结果和学 生成绩；输出显示模块用于对服务器返回的当前查询请求的查询结果进行可视化输出显示； 其中，授课用户终端查询的学生成绩包括学生的真实成绩(真实考试成绩)和预测成绩；

所述受课用户终端包括课堂反馈模块、查询模块和输出显示模块，其中课堂反馈模块用 于向服务器上传受课用户对课堂教学内容的掌握程度；查询模块用于向服务器发送查询请求 信息，查询内容包括课堂投票是否正在进行、课堂教学内容的掌握结果、本人的学生模型、 课堂教学计划、分组计划和学生成绩；输出显示模块用于对服务器返回的当前查询请求的查 询结果进行可视化输出显示；其中，受课用户终端查询的学生成绩为学生的真实成绩；

显示终端包括查询模块和输出显示模块，其中，查询模块用于向服务器发送查询请求信 息，查询内容为课堂反馈是否正在进行或者课堂教学内容的掌握结果；输出显示模块用于对 服务器返回的当前查询请求的查询结果进行可视化输出显示；

所述服务器上加载有课堂辅助智能管理程序，该课堂辅助智能管理程序包括用户权限模 块、教学内容模块、推荐模块、课堂服务模块、考试服务模块、学生模型管理模块和知识点 数据库；其中，用户权限模块用于对授课用户终端、受课用户终端和显示终端进行身份验证， 并将通过验证的终端(授课用户终端、受课用户终端和显示终端)接入课堂辅助智能管理程 序中并给予相应权限；

教学内容模块用于将授课用户终端上传的知识点数据存储到知识点数据库，以及存储授 课用户终端上传的教学内容，并将教学内容与知识点数据库中的知识点数据进行关联；

课堂服务模块用于和授课用户终端、受课用户终端和显示终端进行课堂教学内容的掌握 程度的信息交互，基于授课用户终端发起课堂教学内容的掌握程度的信息采集，基于受课用 户终端的反馈获取每个受课用户对当前课堂教学内容的掌握程度，并量化及统计每个学生对 于当前课堂的教学内容所关联的各知识点的掌握程度，得到课堂教学内容的掌握结果；

学生模型管理模块读取课堂服务模块的课堂教学内容的掌握结果，以及考试服务模块中 的学生历史成绩，生成学生模型并实时更新，以供课堂辅助智能管理程序的其它模块读取； 其中，所述学生模型包括每个学生对于每个知识点的掌握程度的量化结果；

考试服务模块用于授课用户终端和受课用户终端进行考试相关数据信息的交互，采集学 生的历史考试成绩，同时根据学生模型管理模块中的学生模型预测受课用户下一次考试的成 绩并将预测成绩发送给授课用户终端；

推荐模块用于根据预设的推荐方式，基于学生模型管理模块中的学生模型和考试服务模 块中的预测成绩生成推荐教学计划，并与授课用户终端进行确认(认可当前推荐教学计划或 对其进行修改)，再推送给受课用户终端。

进一步的，推荐模块还用于基于预设的分组规则，根据学生模型对学生进行分组处理， 生成推荐分组方案并经授课用户终端的确认处理后，再推送给受课用户终端。

进一步的，服务器的课堂服务模块与授课用户终端、受课用户终端之间采用课堂投票的 方式实现课堂教学内容的掌握程度的信息交互；即课堂反馈管理模块为课堂投票管理模块， 课堂反馈模块为课堂投票模块；其中，授课用户终端通过课堂反馈管理模块向服务器发送课 堂投票开始/终止信号，受课用户终端通过课堂反馈模块向服务器发送课堂投票选择；服务器 的课堂服务模块基于课堂投票结果得到课堂教学内容的掌握结果。

进一步的，服务器的课堂服务模块与授课用户终端、受课用户终端之间采用课堂测试的 方式实现课堂教学内容的掌握程度的信息交互；其中，授课用户终端通过教学管理模块预先 发送课堂测试计划到服务器；且授课用户终端通过课堂反馈管理模块向服务器发送测试开始/ 终止信号，受课用户终端通过课堂反馈模块向服务器发送课堂测试答案，服务器的课堂服务 模块基于课堂测试答案得到课堂教学内容的掌握结果。

进一步的，本发明可接入服务器的终端还包括第三方用户终端，例如家长用户。该第三 方用户终端包括查询模块和输出显示模块，其中，查询模块用于向服务器发送查询请求信息， 查询内容包括与第三方用户权项匹配的学生的学生模型和真实成绩；输出显示模块用于对服 务器返回的当前查询请求的查询结果进行可视化输出显示。

基于本发明的智能课堂教学辅助系统实现对教学课堂的智能管理的工作过程如下：

(1)系统初始化。

授课用户终端通过教学管理模块向服务器上传教学内容以及知识点数据；

服务器接收授课用户终端的上传数据，并通过教学内容模块将教学内容存储到本地，以 及将知识点数据存储到知识点数据库，并将当前接收的教学内容与知识点数据库中的知识点 进行关联；以及通过考试服务模块采集所有学生过往成绩数据并发送给学生模型管理模块， 通过学生模型管理模块生成初始的学生模型；

(2)每堂课前：

服务器的推荐模块根据当前的学生模型和知识点情况生成推荐教学计划并将计划推送给 授课用户终端。

授课用户终端接收服务器传来的推荐教学计划，若无修改，则通过教学管理模块向服务 器返回确认消息，若需要修改，则通过教学管理模块对推荐教学计划进行修改并发送给服务 器，由服务器将授课用户终端确认或修改的教学计划推送给受课用户终端，从而使得对应的 学生获悉。

(3)课堂中：

授课用户终端通过课堂投票管理模块发送课堂投票开始信号给服务器，服务器接收到课 堂投票开始信号，通过课堂服务模块开通课堂投票通道，开始接收受课用户终端的课堂投票 数据；

受课用户终端通过课堂投票模块向服务器发送课堂投票选择，服务器接收学生终端发送 的课堂投票选择，并通过课堂服务模块对接收的课堂投票选择进行存储，实时统计学生的投 票选择，将投票选择结果发送给请求课堂投票结果的终端进行展示。

当需要结束课堂投票时，授课用户终端通过课堂投票管理模块发送课堂投票终止信号给 服务器，从而触发服务器的课堂服务模块关闭投票通道，以及触发学生模型管理模块根据学 生的投票选择结果更新学生模型。

(4)考试前：

授课用户终端通过教学管理模块向服务器上传考试计划，服务器根据的考试服务模块从 学生模型管理模块获取当前的学生模型，并结合当前考试计划，生成学生预测成绩并推送给 授课用户终端；

(5)考试后：

授课用户终端通过教学管理模块输入学生的考试成绩，并发送给服务器；

服务器的学生模型管理模块根据当前考试成绩更新学生模型。

其中，所述教学内容包含教学大纲、教学PPT、教学视频等；所述知识点数据包括知识 点ID，名称，难度，预计教学时间等；所述学生模型包括每个学生对于每个知识点的具体掌 握程度。

所述课堂教学计划包括每节课预计教学的知识点和每个知识点的推荐教学时间。

所述课堂投票开始信号包括投票的知识点序号和已教学时间；所述课堂投票选择可以设 置为对相关知识点学习情况的多种定量描述中，如从“完全不懂”到“完全掌握”或0％到 100％，可以选择其中之一；所述存储的学生投票选择包括学生学号、投票的知识点序号、学 生的课堂投票选择，此次课堂投票的编号等；所述课堂投票统计包括对于投票知识点处于各 种掌握度的学生的人数和所占比例。

所述考试计划包括考试时间和考试中每个知识点的分数占比；所述学生预测成绩包括所 有学生在考试中每个知识点的预测得分。

且在每堂课前，服务器的推荐模块还会根据学生模型生成推荐的学生分组方案并推送给 授课用户终端，授课用户终端通过教学管理模块对推荐的分组方案进行反馈，包括选择不分 组、按推荐分组或修改分组方案，服务器收到后通过推荐模块推送给受课用户终端。其中， 分组计划包括每个小组的成员名单。

进一步的，在课堂中，还可用课堂测试代替课堂投票。即将授课用户终端的课堂投票管 理模块替换为课堂测试管理模块，受课用户终端的课堂投票模块替换为课堂测试模块。首先， 授课用户终端通过教学管理模块预先发送课堂测试计划到服务器。在课堂中，授课用户终端 通过课堂测试管理模块发送测试开始信号到服务器。服务器接收信号后通过教学管理模块将 课堂测试计划分发给受课用户终端。受课用户终端通过课堂测试模块发送课堂测试答案到服 务器。服务器接收答案并通过课堂管理模块对其进行统计，以及将统计信息推送给所有请求 课堂测试结果的终端。显示终端接收服务器发送的统计信息进行大屏幕展示。授课用户终端 通过课堂测试管理模块发送课堂测试终止信号给服务器。从而触发服务器的课堂服务模块关 闭答案接收通道，以及触发学生模型管理模块根据学生的测试答题结果更新学生模型。所述 课堂测试计划包括每个知识点的教学之后的测试题目；所述课堂测试统计包括对于测试知识 点的问题处于各种正确率的学生的人数和所占比例；所述存储的学生回答包括学生学号、知 识点序号、测试题目，学生的回答等。

本发明中，授课用户终端可以任意时刻向服务器上传教学内容；向服务器发送修改课堂 教学计划、课堂测试计划、考试计划、分组计划，服务器接收到后更新计划，并进行推送； 向服务器发送查询请求信息，查询内容包括学生模型、推荐课堂教学计划、课堂测试计划、 考试计划、分组计划、课堂投票结果、课堂测试回答和学生成绩；根据接收到的服务器发送 的与所述查询请求信息对应的各种信息进行展示。受课用户终端可以任意时刻向服务器发送 查询请求信息，查询内容包括课堂投票是否正在进行、课堂投票结果、课堂测试是否正在进 行、本人的学生模型、课堂教学计划、分组计划和学生成绩；根据接收到的服务器发送的与 所述查询请求信息对应的课堂投票进行状态、课堂投票结果、课堂测试进行状态、本人的学 生模型、课堂教学计划、分组计划和学生成绩进行展示。显示终端可以任意时刻向服务器发 送查询请求信息，查询内容为课堂教学计划、教学内容查看请求、课堂投票是否正在进行、 课堂测试是否正在进行和课堂投票结果；根据接收到的服务器发送的与所述查询请求信息对 应的课堂教学计划、教学内容、课堂投票进行状态、课堂测试进行状态和课堂投票结果进行 展示。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明所构建的智能课堂教学辅助系统，通过基于知识点(Knowledge Point，KP)的教学方 式和反馈处理机制，建立了受课用户终端的用户对授课终端的用户讲解的知识点的及时反馈， 同时还通过用户终端实现对考试成绩、家庭作业完成情况等教学相关效果的延迟反馈。授课 终端用户通过服务器可以查看到对应的反馈，从而使得授课终端的用户可以了解所有授课用 户终端的用户对知识点的掌握情况，进而辅助授课终端的用户决定是否增加各个知识点的讲 解时间。同时，服务器根据这些反馈构建学生模型，向对应的用户终端提供个人/群体学习跟 踪、教学计划推荐和分组推荐功能。本发明的应用，使得在课堂教学时，每当教师完成一个 知识点的教学，教师可通过授课终端发起一个投票，学生通过其所采用的受课用户终端(例 如手机或手环等)进行自评并上传至服务器。服务器收集信息后，执行对所构建的学生模型 的更新，计算出最佳教学方案和分组方案并推送给教师采用的授课用户终端，教师可通过授 课用户终端根据当前接收的推送方案修改教学计划。同时，教师和学生通过各自的用户终端 可在系统中随时查看学生当前对各个知识点的掌握情况，教师还可以看到每个学生在之后的 考试中的预测成绩。从而实现智能化的课堂教学辅助管理。

附图说明

图1为本发明提供的一种智能课堂教学辅助系统的课前计划部分流程图；

图2为本发明提供的一种智能课堂教学辅助系统的课堂投票部分流程图；

图3为本发明提供的一种智能课堂教学辅助系统的结构示意图；

图4为本发明提供的一种智能课堂教学辅助系统中的学生模型的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作 进一步地详细描述。

参见图1和图2，本发明的智能教学辅助系统包括：用户终端、显示终端(教室大屏幕) 和服务器，用户终端和显示终端分别与服务器相连，且用户终端包括两类：授课用户终端(即 教师终端)受课用户终端(即学生终端)。教师终端可以是加载了指定应用程序的智能手机， 或者专门定制的终端设备；学生终端可以是加载了指定应用程序的智能手机、手环或手表， 亦或者是专门定制的终端设备。

其中，教师终端用于：向服务器发送自定义课堂教学计划、考试计划、自定义分组计划 和学生成绩；向服务器发送课堂投票开始信号或课堂投票终止信号；向服务器发送查询请求 信息，查询内容包括学生模型、推荐课堂教学计划、考试计划、分组计划、课堂投票结果和 学生成绩；以及根据接收到的服务器发送的与所述查询请求信息对应的各种信息进行可视化 输出显示。

学生终端用于：向服务器发送课堂投票选择；向服务器发送查询请求信息，查询内容包 括课堂投票是否正在进行、课堂投票结果、本人的学生模型、课堂教学计划、分组计划和学 生成绩；根据接收到的服务器发送的与所述查询请求信息对应的课堂投票进行状态或课堂投 票结果进行可视化输出显示。

显示终端用于：向服务器发送查询请求信息，查询内容为课堂投票是否正在进行或者课 堂投票结果；根据接收到的服务器发送的与所述查询请求信息对应的课堂投票进行状态或课 堂投票结果进行可视化输出显示。

服务器用于：接收到教师终端发送的课堂投票开始信号，开通课堂投票通道，开始接收 学生终端的课堂投票数据；接收学生终端发送的课堂投票选择并存储；接收到教师终端发送 的课堂投票结束信号后关闭课堂投票通道；接收终端(教师终端和/或学生终端)发送的投票 结果查询请求，向终端发送课堂投票结果；根据存储的学生终端的课堂投票选择统计课堂投 票结果；根据所有的学生课堂投票选择和学生成绩生成当前的学生模型，即更新已有的学生 模型，并根据当前的学生模型计算推荐课堂教学计划、推荐分组计划。

在教师终端中，显示的学生模型包括每个学生对于每个知识点的具体掌握程度；课堂教 学计划包括每节课预计教学的知识点和每个知识点的推荐教学时间；考试计划包括考试时间 和考试中每个知识点的分数占比；分组计划包括每个小组的成员名单；课堂投票开始信号包 括投票的知识点序号和已教学时间；课堂投票结果包括对于投票知识点处于各种掌握度的学 生的人数和所占比例；生成绩包括所有学生在考试中每个知识点的得分。

在学生终端中，显示的课堂投票选择的选项为“0％”、“25％”、“50％”、“75％”、“100％” 中的一个；本人学生模型包括该学生对于每个知识点的掌握程度。

在服务器中，存储的学生终端发送的课堂投票选择包括学生学号、投票的知识点序号、 学生的课堂投票选择和此次课堂投票的编号。

在本发明的智能课堂教学辅助系统中，服务器还用于对教师终端和学生终端以及显示终 端进行身份验证，将通过验证的教师终端、学生终端和显示终端接入课堂辅助智能管理程序。

本发明的智能教学辅助系统的工作流程为：

第一步：量化：由授课教师或其他相关人员对待授课内容(授课教师讲述内容或播放视 频内容)包含的知识点进行信息量化，得到授课内容的知识点信息，包含每个知识点的名称， 知识点难度(划分成不同的难度等级或者基于预置的难度映射规则映射成知识点难度值)，相 关知识点和预计教学时间。

第二步：教学：教师根据预定教学计划开展教学活动，在每一阶段教学完成后发起针对 所教学知识点的课堂投票。

例如，教师发起的投票内容为“你认为你对于该知识点掌握了多少？请从下面5个选项 中选出最符合的一项”，学生可从“0％”、“25％”、“50％”、“75％”、“100％”中选择一项提 交。

第三步：响应：在教师发起投票之后，学生进行投票，服务器给出即时反馈。教师可根 据学生的反馈调整教学计划。同时，完成作业和考试后的结果也作为一种延时反馈。保存收 集到的各种学生反馈。

对于及时反馈，当服务器接收到投票结果查询请求时，可以采用饼图的输出形式对其进 行展示，如图3所示，包括每种选择的学生人数所占比例。

而延时反馈中的考试结果作为重要反馈指标，其中考试结果包括所有学生在考试中每个 知识点的分数的获取情况。

第四步：建模：服务器结合所有收集到的数据，对学生进行建模。模型内容包含学生对 于每个知识点的掌握情况，学生的个人能力评估。

其中，收集到的数据包含性格调查问卷的结果，学生以往成绩，学生每次投票数据。

本具体实施方式中，学生建模使用的学生模型为改进后的贝叶斯知识跟踪模型，在原有 模型的基础上添加了知识点关联矩阵和学生自评准确率两个参数，弥补了原模型忽略知识点 之间的关联性和过于依赖考试的不足。

第五步：计划：根据学生模型计算出一个对于整体而言最优的教学计划和分组方案并推 送给教师，教师可对教学计划进行调整。

第六步：追踪：教师和学生可以随时查看学生模型，实时掌握学生情况。

其中，第五步计算出的计划会反馈给第二步的教学，第六步的追踪是追踪的第四步中构 建的学生模型。

参见图4，本具体是方式中采用的改进后的贝叶斯知识追踪模型包括：

(1)学生的ID：即学生的身份标识符。

(2)知识点状态：定义ki表示当前学生对于第i个知识点的掌握度，其中ki的取值为0 或1，为0表示完全不会，为1表示完全掌握。

(3)个性指标：分为两部分，一部分为学生的学习指标，包含学习效率和考试参数，并 定义li表示当前学生对于第i个知识点的基础学习效率，其中，0＜li＜1，数值越小表示效率 越低；定义Ti(gi，si)表示对于第i个知识点的考试相关参数，其中，gi表示该学生掌握了 第i个知识点但在考试时做错了相关题目的概率，si表示该学生没有掌握第i个知识点但在考 试时做对了相关题目的概率；另一部分为学生的其他个性指标，包含性别、协作能力、学习 习惯、性格外向评价等，可基于调查问卷的方式对这些指标进行量化。

(4)其他信息：上述以外的学生信息，与学生的学习过程无关。

课程开始时对模型进行初始化，具体初始化过程如下：

(1)学生的ID：学生的自带属性。

(2)知识点状态：在一门课程刚开始时，设定学生对于所有知识点的掌握度都为0。

(3)个性指标：根据学生以前的成绩，将所有知识点的基础学习效率设置为同一个值， 如学生在上一门课程中满分100的考试中取得了85分，则这个值按比例取0.85；考试相关参 数通过学生自评以前的试卷总结得到；个性参数通过性格调查问卷分析总结得到。

(4)其他信息：学生的自带属性。

因为学生模型会随着课程的进行不断进行更新，因此对于初始化中存在的部分误差可以 容忍。

本发明生成的学生模型，比贝叶斯知识追踪模型新增了知识点关联矩阵和学生自评准确 率两个参数。定义M表示知识点关联矩阵，其元素m_i，j表示知识点j作为知识点i的前置知识 点以及两者之间的关联度，其中，0＜m_i，j＜1，且数值越小表示关联度越小，课程开始时关 联矩阵由教师给出，即教师终端对知识点关联矩阵进行初始化；定义Acci表示学生对第i个知 识点的自评准确率，其值为掌握度ki与自评掌握度(学生通过学生终端输入)的比值。且在 学生模型初始化时，自评准确率可以根据学生以往自评与以往考试成绩得出即以往自评与以 往考试成绩的比值。

本具体实施方式中，所设置的学生模型在后续的更新和成绩预测都基于下述五个基本公 式实现：

(1)真实学习率：

其中，

表示学生对于知识点i的真实学习效 率。

(2)学习公式：

通过这次学习之前的知识点掌握情况和真实学习 效率来计算学生这次学习之后对于该知识点的掌握情况。

(3)做对概率公式：C(q_i)＝k_i(1-s_i)+(1-k_i)g_i，计算学生做知识点i的相关题目q做对的概率，即q_i表示知识点i的相关题目，C(q_i)表示题目q_i的做对概率。

(4)做错概率公式：W(q_i)＝k_is_i+(1-k_i)(1-g_i)，计算学生当前做知识点i的相关 题目q做对的概率，即W(q_i)表示题目q_i的做错概率。

(5)成绩预测公式：

其中，score(q_i)表示题目q_i的分值 (即试卷分值，由教师在教师终端输入考试信息的时输入)，num表示知识点的个数，grade表 示学生的预测成绩。

参见图4，本具体实施方式中，对学生模型的更新包括：

(1)学习更新：在每次教学完成后，教师终端会向服务器发送一个提示信号(可以直接 将课堂投票结束信号作为教学完成的提示信号，也可以设置单独的教学完成的提示信号)，从 而触发服务器根据当前教学知识点和教学时间对学生模型进行自动更新。即基于学习公式对 每个知识点的掌握度进行更新，基于预设的单位教学时间，统计每个知识点所包括的单位教 学时间数量num_t，从而进行num_t次学习更新。例如将单位教学时间设置为10分钟。

(2)自评更新：在每次课堂投票之后，服务器根据投票结果和学生自评准确率对学生模 型进行更新。更新方法为，计算学生自评结果(即投票结果或课堂测试结果)与学生自评准 确率的乘积，得到学生自评更新结果。

同时由于自评更新时肯定有学习更新，将自评更新结果上下浮动指定百分比(优选为20％) 得到一个检测区间，若学习更新的结果处于该检测区间内，则取学习更新的结果作为新的k_i， 即知识点状态；若学习更新的结果小于整个检测区间，则取区间的下边界作为新的k_i，反之 则取检测区间的上边界作为新的k_i。若学习更新的结果不处于区间中，在更新了k_i之后，根 据更新前后的k_i，根据更新公式

将更新后的k_i的值代入公式左侧k_i，更新前 的k_i的值代入公式右侧的k_i，计算出真实学习效率(即基于掌握度更新公式的逆推计算)，再 根据得到的真实学习效率结合公式

进行逆推计算，得到更新后的基础学 习效率l_i。

(3)考试更新：在每次考试之后，当教师终端上传完考试结果后，会触发服务器根据考 试结果对学生模型进行更新。更新采用最大似然法，最大似然公式为：

其中，O表示当前考试结果集(即真实的考试成绩集)，K表示知识点状态集合(即知识点掌握度集合)，L表示基础学习效率集合，T表示考试相关参数集合， m表示做对的题目数量，n为做错的题目数量。通过使最大似然函数最大来得到此时的K， 以这个结果来对所有知识点进行更新。并基于两次考试更新的K以及学习时间对学习效率按知识点序列依次进行更新。

更新时，首先对每个知识点的掌握度根据公式

进行更 新，其中，学习时间通过各知识点的累计课堂数n来体现，即n表示当前知识点的课堂数， 计算时，将当前考试更新后的k_i的值代入公式左侧k_i，上次考试更新后的k_i的值代入公式右侧 的k_i，计算出真实学习效率；

然后，再根据得到的真实学习效率结合公式

进行逆推计算，得到更 新后的基础学习效率l_i；

同时根据当前的自评和考试结果的比值来更新自评准确率，从而得到更新后的自评准率 率集合Acc。

在本本具体实施方式中，服务器采用生成树状图的方式来生成推荐的教学计划，在树状 图中，根节点表示当前时刻，每上一节课树状图就加深一层，每个节点的各个子节点表示下 节课的一种教学安排。从根节点到叶节点的每一条路径都代表一种整体的教学计划，通过对 每个叶节点取得的成就进行评估，选出最好的一条路径即教学计划推送给教师终端。其中， 选择的依据可以设置为：

根据学生当前状态(即相关知识点的掌握度)和每条路径代表的教学计划，根据学习公 式计算出学生在完成教学计划后的状态。然后根据成绩预测公式计算出学生的预测成绩。成 就主要分为三个方面：平均预测成绩，及格率，优秀率。平均预测成绩越高越好，及格率需 高于九成，优秀率需高于一成。

设置奖励：reword＝w₁G+w₂ min(P，0.9n)+w₃min(E，0.1n)，其中w₁、w₂、w₃分别表示：平均预测成绩、及格率、优秀率所对应的奖励的权重，本实施例中设置为(1，50，20)， G表示学生的平均预测成绩，n表示学生总人数，P表示预测成绩为及格的学生人数，E表示 预测成绩为优秀的人数。通过对比所有叶节点的reward，选出最高的一个作为推荐教学计划。

本具体实施方式中，在进行教学计划的推荐处理时，由于某些学生具有相似的知识点情 况，服务器使用K-means算法，根据学生的知识点将学生分为十类。这样，在每个学生类别 中，服务器只需要随机选一个学生作为代表来进行更新，就可以减少计算开销。首先，随机 生成十个学生模型的状态作为中心，然后计算每个中心与每个学生的真实状态的差距，假设 有一百位学生，将最接近这个中心的十个学生划成一类。这样就生成了十类学生，然后在每 类学生中，计算学生状态的平均值作为新的中心，重复之前的分类过程。不断迭代，直到分 类稳定不变，得到需要的分类结果。优选的，服务器可以使用遗传算法来生成推荐的分组方 案。分组时遵循两个基本原则：组内异质性和组间同质性。组内异质性意味着同一组中的学 生应具有一定的差异，从而发挥互补作用。小组之间的同质性意味着两个不同小组的总体情 况应尽可能相同，以便更好地安排学习任务来最大程度地提高所有学生的合作效率。就成绩 而言，学生分为两个团队：混合能力团队和均等能力团队。系统将成绩优秀的学生和成绩较 差学生合并为混合能力团队，以扩大学生之间的差异。同样，将中等成绩的学生分组为同等 能力的团队，以减少学生之间的差异。这样，通过调整组中混合能力团队与相等能力团队的 比率，可以在一定程度上满足这两个分组原则。除了学生的成就，学生的个性和性别参数也 考虑在内。每组中的男女人数一致，或者当他们都是相同性别时，分组效果更好。

遗传算法是一种随机优化算法，它模拟自然演化和自然随机选择的过程。它从最初的种 群开始，其中每个人都有一系列的基因或遗传算子。计算个体的适应性以确定个体基因组将 被传给下一代的可能性，并且通过遗传算子的操作实现交叉和突变功能的组合。之后，再次 计算后代的适应度并将其添加到迭代中。通过这种持续发展，最终选择出最佳解决方案。

在本具体实施方式中，服务器将每个学生的情况作为一个基因，用G(S，P，C，W， X)表示。其中，S是学习成绩得分，P是性格外向得分，C是协作能力得分，W是学习习惯 得分，而X是学生的性别得分。由于一堂课的学生通常具有相似的年龄，因此服务器在生成推 荐的分组方案时，不在分组中考虑年龄得分。然后，通过服务器执行以下步骤来完成分组任 务：

(1)对所有学生进行课前考试，以收集学生的成绩和个性分数，并根据考试结果定义学 生基因。例如，如果一个人表现出色，性格开朗，良好的合作能力，学习习惯不好，是女性， 那么用G((8，8，9)，7，8，3，10)来表示，(8，8，9)是从她以前的考试中得到的结果。

(2)将所有学生放进一个排列中I(G1，G2…)，每个可能的排列代表一个个体。每一代 都有多个个体。在一个排列中，服务器按顺序将固定数量的学生组成一个小组，例如每6个 学生组成一组，其中前一半小组为混合能力组，剩下的为同等能力组。

(3)计算当前代中每个个体的适应度。适应度包括三个部分：成绩适合度，个性适合度 和性别适合度，即成绩适合度，个性适合度和性别适合度的加权和。成绩适合度指的是混合 能力组的成绩距离之和减去同等能力组的成绩距离之和。成绩距离指小组的成绩方差。同样， 服务器将计算每个团队的个性适应度。个性适应度是所有团队之间个性距离的总和。个性距 离指小组的个性得分方差。最后，为不同的性别指定固定的得分，来计算性别适合读，例如 将男性和女性的得分分别设置为0分和10分。性别适合度是所有小组的性别距离的和，性格 距离指小组性别得分总和与30的差的绝对值。

(4)服务器将具有高度适应性的个体传入下一代，即适应度大于或等于指定适应度阈值 的个体传入下一代。同时通过交叉组合和变异来实现进化并增加生物多样性。交叉组合是个 体的自我交叉，即混合能力组中适应度最小的组和同等能力组中具有最大适应度的组交换位 置，这样可以实现适应度的提高。同时将个体排序循环左移，以完成变异操作。

(5)重复步骤3和步骤4。通过连续的迭代演化和变异，最终的适应性将逐渐收敛。最 后服务器将具有最高适应度的个体代表的分组方案推送给教师终端。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述， 均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过 程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (10)

1.一种智能课堂教学辅助系统，包括：授课用户终端、受课用户终端、显示终端和服务器，其中，授课用户终端、受课用户终端和显示终端分别接入服务器；

所述授课用户终端包括教学管理模块、课堂反馈管理模块、查询模块和输出显示模块，其中，教学管理模块用于向服务器上传教学内容、知识点数据、自定义课堂教学计划、考试计划、自定义分组计划，以及学生成绩；课堂反馈管理模块用于向服务器发送课堂教学内容的掌握程度的信息采集的开始/终止信号；查询模块用于向服务器发送查询请求信息，查询内容包括学生模型、推荐课堂教学计划、考试计划、分组计划、课堂教学内容的掌握结果和学生成绩；输出显示模块用于对服务器返回的当前查询请求的查询结果进行可视化输出显示；其中，授课用户终端查询的学生成绩包括学生的真实成绩和预测成绩；

所述受课用户终端包括课堂反馈模块、查询模块和输出显示模块，其中课堂反馈模块用于向服务器上传受课用户对课堂教学内容的掌握程度；查询模块用于向服务器发送查询请求信息，查询内容包括课堂投票是否正在进行、课堂教学内容的掌握结果、本人的学生模型、课堂教学计划、分组计划和学生成绩；输出显示模块用于对服务器返回的当前查询请求的查询结果进行可视化输出显示；其中，受课用户终端查询的学生成绩为学生的真实成绩；

显示终端包括查询模块和输出显示模块，其中，查询模块用于向服务器发送查询请求信息，查询内容为课堂反馈是否正在进行或者课堂教学内容的掌握结果；输出显示模块用于对服务器返回的当前查询请求的查询结果进行可视化输出显示；

所述服务器上加载有课堂辅助智能管理程序，该课堂辅助智能管理程序包括用户权限模块、教学内容模块、推荐模块、课堂服务模块、考试服务模块、学生模型管理模块和知识点数据库；其中，用户权限模块用于对授课用户终端、受课用户终端和显示终端进行身份验证，并将通过验证的终端接入课堂辅助智能管理程序中并给予相应权限；

教学内容模块用于将授课用户终端上传的知识点数据存储到知识点数据库，以及存储授课用户终端上传的教学内容，并将教学内容与知识点数据库中的知识点数据进行关联；

课堂服务模块用于和授课用户终端、受课用户终端和显示终端进行课堂教学内容的掌握程度的信息交互，基于授课用户终端发起课堂教学内容的掌握程度的信息采集，基于受课用户终端的反馈获取每个受课用户对当前课堂教学内容的掌握程度，并量化及统计每个学生对于当前课堂的教学内容所关联的各知识点的掌握程度，得到课堂教学内容的掌握结果；

学生模型管理模块读取课堂服务模块的课堂教学内容的掌握结果，以及考试服务模块中的学生历史成绩，生成学生模型并实时更新，以供课堂辅助智能管理程序的其它模块读取；其中，所述学生模型包括每个学生对于每个知识点的掌握程度的量化结果；

考试服务模块用于授课用户终端和受课用户终端进行考试相关数据信息的交互，采集学生的历史考试成绩，同时根据学生模型管理模块中的学生模型预测受课用户下一次考试的成绩并将预测成绩发送给授课用户终端；

推荐模块根据预设的推荐方式，基于学生模型管理模块中的学生模型和考试服务模块中的预测成绩生成推荐教学计划，并与授课用户终端进行确认，再推送给受课用户终端。

2.如权利要求1所述的系统，其特征在于，服务器的推荐模块还用于基于预设的分组规则，根据学生模型对学生进行分组处理，生成推荐分组方案并经授课用户终端的确认处理后，再推送给受课用户终端。

3.如权利要求1所述的系统，其特征在于，还包括接入服务器的第三方用户终端，所述第三方用户终端包括查询模块和输出显示模块，其中，查询模块用于向服务器发送查询请求信息，查询内容包括与第三方用户权项匹配的学生的学生模型和真实成绩；输出显示模块用于对服务器返回的当前查询请求的查询结果进行可视化输出显示。

4.如权利要求1所述的系统，其特征在于，服务器的课堂服务模块与授课用户终端、受课用户终端之间采用课堂投票的方式实现课堂教学内容的掌握程度的信息交互；

其中，授课用户终端通过课堂反馈管理模块向服务器发送课堂投票开始/终止信号，受课用户终端通过课堂反馈模块向服务器发送课堂投票选择；服务器的课堂服务模块基于课堂投票结果得到课堂教学内容的掌握结果。

5.如权利要求1所述的系统，其特征在于，服务器的课堂服务模块与授课用户终端、受课用户终端之间采用课堂测试的方式实现课堂教学内容的掌握程度的信息交互；

其中，授课用户终端通过教学管理模块预先发送课堂测试计划到服务器；且授课用户终端通过课堂反馈管理模块向服务器发送测试开始/终止信号，受课用户终端通过课堂反馈模块向服务器发送课堂测试答案，服务器的课堂服务模块基于课堂测试答案得到课堂教学内容的掌握结果。

6.如权利要求1至5任一项所述的系统，其特征在于，所述学生模型包括学生的身份标识符、知识点状态和个性指标；

其中，知识点状态用于记录学生对于每个知识点的掌握度ki，对于任意知识点i，若掌握，则当前知识点的掌握度ki为1；否则掌握度ki为0；

个性指标包括：每个知识点的学习效率li、考试参数Ti(gi，si)，以及个人指标，其中，学习效率、为0～1之间的量化值，且学习效率的数值越小表示效率越低考试参数，gi掌握度ki为1但考试时做错了与知识点i相关的题目的概率，si表示掌握度ki为0但考试时做对了与知识点i相关的题目的概率。

7.如权利要求6所述的系统，其特征在于，所述学生模型的更新包括：

学习更新：

在每次教学完成后，基于预设的单位教学时间，统计每个知识点所包括的单位教学时间数量num_t，对学生模型进行num_t次学习更新：根据掌握度更新公式

对每个知识点的掌握度进行更新，其中真实学习效率

自评更新：

在每次课堂教学内容的掌握程度反馈之后，根据课堂教学内容的掌握结果和学生自评准确率对学生模型进行更新，包括：计算学生自评结果与学生自评准确率的乘积，得到学生自评更新结果；同时将自评更新结果上下浮动指定百分比得到一个检测区间，若学习更新的结果处于检测区间内，则取学习更新的结果作为新的k_i，若学习更新的结果小于整个检测区间，则取检测区间的下边界作为新的k_i，若学习更新的结果大于整个检测区间，则检测区间的上边界作为新的k_i；

若学习更新的结果不处于检测区间中，在更新k_i之后，根据更新前后的k_i，根据公式

将更新后的k_i的值代入公式左侧k_i，更新前的k_i的值代入公式右侧的k_i，计算出真实学习效率，再根据得到的真实学习效率结合公式

进行逆推计算，得到更新后的基础学习效率l_i；

考试更新：

在每次考试之后，采用最大似然法获取当前的学生的所有知识点状态，得到学生的知识点掌握度集合K；

并基于两次考试更新的知识点掌握度K对学习效率按知识点序列依次进行更新：对每个知识点的掌握度根据公式

进行更新，其中，n表示第i个知识点的累计课堂数，将当前考试更新后的k_i的值代入公式左侧k_i，上次考试更新后的k_i的值代入公式右侧的k_i，计算出真实学习效率；再根据该真实学习效率结合公式

进行逆推计算，得到更新后的基础学习效率l_i；

同时，根据当前的自评和考试结果的比值来更新自评准确率。

8.如权利要求1所述的系统，其特征在于，服务器的推荐模块采用生成树状图的方式来生成推荐的教学计划，在树状图中，根节点表示当前时刻，每上一节课树状图就加深一层，每个节点的各个子节点表示下节课的一种教学安排；从根节点到叶节点的每一条路径则表示一种教学计划；

基于考试服务模块计算的预测成绩对每个叶节点取得的成就进行量化，并将累计成就最好的一条路径所对应的教学计划作为荐教学计划。

9.如权利要求1所述的系统，其特征在于，服务器的推荐模块采用K-means算法基于学生对每个知识点的掌握度对学生进行分组，生成推荐分组方案。

10.如权利要求1所述的系统，其特征在于，服务器的推荐模块采用遗传算法对学生进行分组，生成推荐分组方案；

在生成分组方案时，将每个学生描述为G(S，P，C，W，X)，其中，S表示学习成绩得分，P表示性格外向得分，C表示协作能力得分，W表示学习习惯得分，X表示学生的性别得分；学生的个体适应度为学习成绩适合度、个性适合度和性别适合度的加权和。

Images