CN112860983B - 一种学习内容推送的方法、系统、设备及可读存储介质 - Google Patents
一种学习内容推送的方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112860983B CN112860983B CN201911184548.5A CN201911184548A CN112860983B CN 112860983 B CN112860983 B CN 112860983B CN 201911184548 A CN201911184548 A CN 201911184548A CN 112860983 B CN112860983 B CN 112860983B
- Authority
- CN
- China
- Prior art keywords
- learning
- behavior data
- learning content
- knowledge
- user
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000006399 behavior Effects 0.000 claims abstract description 83
- 230000003993 interaction Effects 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Health & Medical Sciences (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
本申请公开了一种学习内容推送的方法,包括:获取每个知识点的评分等级;在题库中查找与评分等级对应的学习内容作为目标学习内容,并将目标学习内容推送至客户端;接收客户端反馈的学习行为数据,并根据学习行为数据更新每个知识点的评分等级;根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容至客户端。本申请不需要对用户进行测验来获取对每个知识点的掌握情况,而是根据用户的一系列学习交互行为数据来估计用户在不同知识点上的掌握程度,在提高用户学习效率的同时,提升了用户体验。本申请同时还提供了一种学习内容推送的系统、设备及可读存储介质,具有上述有益效果。
Description
技术领域
本申请涉及学习内容推送领域,特别涉及一种学习内容推送的方法、系统、设备及可读存储介质。
背景技术
近年来,随着科技的进步,网络技术的发展,教学辅助系统愈来愈趋于网络化,各种辅助教学的教学系统应运而生,如何利用这些辅助教学的教学系统来提高教学与学习的效率是广大用户迫切希望解决的问题。
大多数智能终端中设置的学习系统在向用户推送习题时只能根据用户当前的学习内容推送预先设置好的练习题,而用户当前学习的内容中可能包含多个知识点;因此,上述习题推送方式很难针对用户掌握的相对薄弱的知识点进行重点推送,从而容易出现用户将学习时间花费在已掌握的知识点上的情况,降低了用户的学习效率。
传统的解决方案是通过对用户不断进行阶段性测验来获取到用户对每个知识点的掌握情况,然而,由于测试的题目有限,导致对于知识点的检测不够全面,而且单词测试偏差较大,不能代表用户对于知识点的真实掌握程度,同时,过于频繁的阶段性测试会影响用户体验。
因此,如何提高用户的学习效率及提升用户体验是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种学习内容推送的方法、系统、设备及可读存储介质,用于提高用户的学习效率及提升用户体验。
为解决上述技术问题,本申请提供一种学习内容推送的方法,该方法包括:
获取每个知识点的评分等级;其中,所述评分等级用于表示用户对每个所述知识点的掌握情况;
在题库中查找与所述评分等级对应的学习内容作为目标学习内容,并将所述目标学习内容推送至客户端;
接收所述客户端反馈的学习行为数据,并根据所述学习行为数据更新每个所述知识点的评分等级;
根据更新后的所述评分等级筛选重点知识点,并推送与所述重点知识点对应的重点学习内容至所述客户端;其中,所述重点知识点为所述评分等级低于阈值的知识点。
可选的,所述获取每个知识点的评分等级,包括:
获取测试结果;其中,所述测试结果为用户参加包括每个所述知识点的测试得到的结果;
根据项目反应理论模型对所述测试结果进行评分,得到每个所述知识点的评分等级。
可选的,在获取每个知识点的评分等级之前,还包括:
获取学习材料;
对所述学习材料进行预处理,得到所述学习材料中每个知识点的对应的目标学习内容,以及每个所述目标学习内容的等级。
可选的,所述在题库中查找与所述评分等级对应的学习内容作为目标学习内容,包括:
在所述题库中查找与所述评分等级对应等级的学习内容作为所述目标学习内容。
可选的,还包括:
将更新后的所述评分等级高于所述阈值的知识点标记为掌握知识点。
可选的,在将更新后的所述评分等级高于所述阈值的知识点标记为掌握知识点之后,还包括:
当接收到复习指令时,推送所述掌握知识点对应的目标学习内容。
可选的,根据所述学习行为数据更新每个所述知识点的评分等级,包括:
将所述学习行为数据划分为强交互行为数据和弱交互行为数据;
将所述强交互行为数据对应的知识点的评分等级增加第一预设值;
将所述弱交互行为数据对应的知识点的评分等级增加第二预设值;其中,所述第一预设值大于所述第二预设值。
本申请还提供一种学习内容推送的系统,该系统包括:
第一获取模块,用于获取每个知识点的评分等级;其中,所述评分等级用于表示用户对每个所述知识点的掌握情况;
第一推送模块,用于在题库中查找与所述评分等级对应的学习内容作为目标学习内容,并将所述目标学习内容推送至客户端;
更新模块,用于接收所述客户端反馈的学习行为数据,并根据所述学习行为数据更新每个所述知识点的评分等级;
第二推送模块,用于根据更新后的所述评分等级筛选重点知识点,并推送与所述重点知识点对应的重点学习内容至所述客户端;其中,所述重点知识点为所述评分等级低于阈值的知识点。
本申请还提供一种学习内容推送设备,该学习内容推送设备包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述任一项所述学习内容推送的方法的步骤。
本申请还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述学习内容推送的方法的步骤。
本申请所提供学习内容推送的方法,包括:获取每个知识点的评分等级;其中,评分等级用于表示用户对每个知识点的掌握情况;在题库中查找与评分等级对应的学习内容作为目标学习内容,并将目标学习内容推送至客户端;接收客户端反馈的学习行为数据,并根据学习行为数据更新每个知识点的评分等级;根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容至客户端;其中,重点知识点为评分等级低于阈值的知识点。
本申请所提供的技术方案,通过根据每个知识点的评分等级推送目标学习内容,并根据目标学习内容的学习数据更新每个知识点的评分等级,最后根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容,不需要对用户进行测验来获取对每个知识点的掌握情况,而是根据用户的一系列学习交互行为数据来估计用户在不同知识点上的掌握程度,在提高用户学习效率的同时,提升了用户体验。本申请同时还提供了一种学习内容推送的系统、设备及可读存储介质,具有上述有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种学习内容推送的方法的流程图;
图2为本申请实施例所提供的另一种学习内容推送的方法的流程图;
图3为本申请实施例所提供的一种学习内容推送的系统的结构图;
图4为本申请实施例所提供的另一种学习内容推送的系统的结构图;
图5为本申请实施例所提供的一种学习内容推送设备的结构图。
具体实施方式
本申请的核心是提供一种学习内容推送的方法、系统、设备及可读存储介质,用于提高用户的学习效率及提升用户体验。
为使本申请实施例的目的、技术方案和优点更加清楚,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清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
大多数智能终端中设置的学习系统在向用户推送习题时只能根据用户当前的学习内容推送预先设置好的练习题,而用户当前学习的内容中可能包含多个知识点;因此,上述习题推送方式很难针对用户掌握的相对薄弱的知识点进行重点推送,从而容易出现用户将学习时间花费在已掌握的知识点上的情况,降低了用户的学习效率。
传统的解决方案是通过对用户不断进行阶段性测验来获取到用户对每个知识点的掌握情况,然而,由于测试的题目有限,导致对于知识点的检测不够全面,而且单词测试偏差较大,不能代表用户对于知识点的真实掌握程度,同时,过于频繁的阶段性测试会影响用户体验。故本申请提供了一种学习内容推送的方法,用于解决上述问题。
请参考图1,图1为本申请实施例所提供的一种学习内容推送的方法的流程图。
其具体包括如下步骤:
S101:获取每个知识点的评分等级;
这里提到的评分等级用于表示用户对每个知识点的掌握情况,本申请获取用户对每个知识点的评分等级的意义在于,能够了解到用户目前已掌握的知识点和未掌握的知识点,那么在接下来的学习中,优先学习未掌握的知识点将是此次用户学习的目标,所以本申请根据评分等级推送目标学习内容,以使用户对目标学习内容进行学习,以期掌握目标学习内容中包含的未掌握的知识点。
优选的,这里提到的获取每个知识点的评分等级,其具体可以为:
获取测试结果;其中,测试结果为用户参加包括每个知识点的测试得到的结果;
根据项目反应理论模型对测试结果进行评分,得到每个知识点的评分等级。
以英语学科为例,本申请先让用户参加一次初始的知识点(包括对应的单词及语法)测试,得到测试结果,然后根据项目反应理论模型对该测试结果进行分析,得到用户的每个知识点的评分等级,这里提到的项目反应理论模型,也称潜在特质理论或潜在特质模型,是一种现代心理测量理论模型,其意义在于提供一种统一的评分标准,在利用项目反应理论假设模型对测试结果进行评分时,得到每个知识点的评分等级更为客观。
S102:在题库中查找与评分等级对应的学习内容作为目标学习内容,并将目标学习内容推送至客户端;
这里提到的学习数据,即为用户在学习目标学习内容时的交互数据,以英语学科为例,该学习数据可以包括阅读正文、点击查词、收藏单词、查看释义、阅读文章翻译、阅读文章讲解等;
记录目标学习数据的意义在于对每个知识点的评分等级进行更新,相对于现有技术,本申请不需要通过频繁的测试来获取用户对每个知识点的掌握情况,而是基于用户的一系列学习交互行为数据来估计用户在不同知识点上的掌握程度,在提高用户学习效率的同时,也提升了用户体验。
优选的,在执行步骤S101中所描述的获取每个知识点的评分等级之前,还可以优先执行如下步骤:
获取学习材料;
对学习材料进行预处理,得到学习材料中每个知识点的对应的目标学习内容,以及每个目标学习内容的等级。
进一步的,在此基础上,步骤S102中所描述的在题库中查找与评分等级对应的学习内容作为目标学习内容,其具体可以为:
在题库中查找与评分等级对应等级的学习内容作为目标学习内容。
优选的,以英语学科为例,在一个具体实施例中,可以从三方面衡量一篇英文文章的等级:
1)单词难度分布情况;
2)文章句子长度分布情况;
3)文章内单词逆文本频率指数(Inverse Document Frequency,IDF)分布情况;
可以根据上述评分标准将该文章分为高、中、低三个等级的文章,在此基础上,可以推送与评分等级对应等级的目标学习内容,即根据用户词汇量水平为其推荐难度相近的文章,如为词汇量水平为6000以上的用户推荐高难度文章;为词汇量水平为2000以下的用户推荐低难度文章。
基于上述实施例,本申请能够通过对学习材料进行预处理,得到学习材料中每个知识点的对应的目标学习内容,以及每个目标学习内容的等级,进而为用户推送与评分等级对应等级的目标学习内容,以避免用户学习的学习内容过于困难或过于简单,进而避免影响到用户的学习兴趣。
S103:接收客户端反馈的学习行为数据,并根据学习行为数据更新每个知识点的评分等级;
在获取到用户的学习数据之后,本申请根据学习数据更新每个知识点的评分等级,来确定经过此次学习之后的用户已掌握的知识点和未掌握的知识点,以便筛选重点知识点,并为用户推送与重点知识点对应的重点学习内容,进而提高用户的学习效率。
优选的,这里提到的,根据学习行为数据更新每个知识点的评分等级,其具体可以为:
将学习行为数据划分为强交互行为数据和弱交互行为数据;
将强交互行为数据对应的知识点的评分等级增加第一预设值;
将弱交互行为数据对应的知识点的评分等级增加第二预设值;其中,第一预设值大于第二预设值。
以英语学科为例,这里提到的强交互行为数据,可以包括但不限于查看单词释义、做相关练习题、查看阅读语法讲解、收藏知识点卡片等行为数据,此类行为由用户主动发起,体现用户对单词掌握度的判断,因此对用户知识点的评分等级有较强影响;
而弱交互行为数据可以包括但不限于阅读包含该知识点的文章、听取文本朗读语音等行为数据,此类行为是用户被动学习行为,对用户单词掌握度影响较弱。
进一步的,由于用户与知识点当次交互行为距上一次交互行为时间间隔能够影响知识点掌握,因此还可以考虑时间因素对评分等级的影响,在某一知识点的学习间隔间隔时间过长时,可以采取惩罚机制降低用户对该知识点上的评分等级;
例如,在更新用户单词掌握度之前,依据对同一单词的两次学习行为时间间隔对基础得分进行更新。如果两次行为间隔时间过短(小于1秒),则认为当前行为数据是噪音,不更新对应的单词掌握度;如果间隔时间过长,则需要对单词掌握度减少一定数值;其他情况,根据行为数据基础得分对单词掌握度进行更新。
可选的,当学习行为数据中包括测试行为数据时,还可以根据测试行为结果对知识点的评分等级进行调整;
这里提到的测试行为指的是用户主动进行具有测试性质的行为,以英语学科为例,测试行为可以包括用户进行单词专项测试或解答测验题等。这类行为具有状态(回答正确/错误、单词认识/不认识),因此还可以根据状态调整所涉及到的单词掌握度,正反馈(回答正确,单词认识)则增加单词掌握度得分;否则减少得分。
S104:根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容至客户端。
这里提到的重点知识点为评分等级低于阈值的知识点;以英语学科为例,在对每个单词和语法的评分进行更新后,当用户再次请求学习单词时,过滤难度低于用户词汇量水平的单词,以及用户掌握程度较高的单词,为用户推送难度较高、用户掌握度较差的单词,进而提高用户的学习效率。
基于上述技术方案,本申请所提供的一种学习内容推送的方法,通过根据每个知识点的评分等级推送目标学习内容,并根据目标学习内容的学习数据更新每个知识点的评分等级,最后根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容,不需要对用户进行测验来获取对每个知识点的掌握情况,而是根据用户的一系列学习交互行为数据来估计用户在不同知识点上的掌握程度,在提高用户学习效率的同时,提升了用户体验。
针对于上一实施例的步骤S104,其中所描述根据更新后的评分等级筛选重点知识点,其具体也可以为如图2所示的步骤,下面结合图2进行说明。
请参考图2,图2为本申请实施例所提供的另一种学习内容推送的方法的流程图。
其具体包括以下步骤:
S201:将更新后的评分等级高于阈值的知识点标记为掌握知识点。
这里提到的掌握知识点即为系统认为的用户已经掌握的知识点,需要说明的是,在本申请实施例中,步骤S201和步骤S202之间的顺序关系并不是一成不变的,步骤S202也可以在步骤S201之前,这仅为本申请实施例提供的一种优选方式;
优选的,在将更新后的评分等级高于阈值的知识点标记为掌握知识点之后,在接收到复习指令时,还可以为用户推送该掌握知识点对应的目标学习内容,以使用户能够对已掌握的知识点进行复习。
优选的,在推送与重点知识点对应的重点学习内容之后,在接收到测试指令时,还可以为用户推送掌握知识点对应的测试题,以测试用户是否已经掌握了所有的掌握知识点,实现对已学习的掌握知识点的查缺补漏。
请参考图3,图3为本申请实施例所提供的一种学习内容推送的系统的结构图。
该系统可以包括:
第一获取模块100,用于获取每个知识点的评分等级;其中,评分等级用于表示用户对每个知识点的掌握情况;
第一推送模块200,用于在题库中查找与评分等级对应的学习内容作为目标学习内容,并将目标学习内容推送至客户端;
更新模块300,用于接收客户端反馈的学习行为数据,并根据学习行为数据更新每个知识点的评分等级;
第二推送模块400,用于根据更新后的评分等级筛选重点知识点,并推送与重点知识点对应的重点学习内容至客户端;其中,重点知识点为评分等级低于阈值的知识点。
请参考图4,图4为本申请实施例所提供的另一种学习内容推送的系统的结构图。
该第一获取模块100可以包括:
获取子模块,用于获取测试结果;其中,测试结果为用户参加包括每个知识点的测试得到的结果;
评分子模块,用于根据项目反应理论模型对测试结果进行评分,得到每个知识点的评分等级。
该系统还可以包括:
第二获取模块,用于获取学习材料;
预处理模块,用于对学习材料进行预处理,得到学习材料中每个知识点的对应的目标学习内容,以及每个目标学习内容的等级。
该第一推送模块200可以包括:
推送子模块,用于在题库中查找与评分等级对应等级的学习内容作为目标学习内容。
该系统还可以包括:
标记模块,用于将更新后的评分等级高于阈值的知识点标记为掌握知识点。
该系统还可以包括:
第三推送模块,用于当接收到复习指令时,推送掌握知识点对应的目标学习内容。
该更新模块300可以包括:
划分子模块,用于将所述学习行为数据划分为强交互行为数据和弱交互行为数据;
第一增加子模块,用于将所述强交互行为数据对应的知识点的评分等级增加第一预设值;
第二增加模块,用于将所述弱交互行为数据对应的知识点的评分等级增加第二预设值;其中,所述第一预设值大于所述第二预设值。
由于系统部分的实施例与方法部分的实施例相互对应,因此系统部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
请参考图5,图5为本申请实施例所提供的一种学习内容推送设备的结构图。
该学习内容推送设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)522(例如,一个或一个以上处理器)和存储器532,一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对装置中的一系列指令操作。更进一步地,处理器522可以设置为与存储介质530通信,在学习内容推送设备500上执行存储介质530中的一系列指令操作。
学习内容推送设备500还可以包括一个或一个以上电源525,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口558,和/或,一个或一个以上操作系统541,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述图1至图2所描述的学习内容推送的方法中的步骤由学习内容推送设备基于该图5所示的结构实现。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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、设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块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全部或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,功能调用装置,或者网络设备等)执行本申请各个实施例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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种学习内容推送的方法、系统、设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,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 (9)
1.一种学习内容推送的方法,其特征在于,包括:
获取每个知识点的评分等级;其中,所述评分等级用于表示用户对每个所述知识点的掌握情况;
在题库中查找与所述评分等级对应的学习内容作为目标学习内容,并将所述目标学习内容推送至客户端;
接收所述客户端反馈的学习行为数据,并根据所述学习行为数据更新每个所述知识点的评分等级;
根据更新后的所述评分等级筛选重点知识点,并推送与所述重点知识点对应的重点学习内容至所述客户端;其中,所述重点知识点为所述评分等级低于阈值的知识点;
其中,根据所述学习行为数据更新每个所述知识点的评分等级,包括:
将所述学习行为数据划分为强交互行为数据和弱交互行为数据;其中,所述强交互行为数据包括查看单词释义、做练习题、查看阅读语法讲解和收藏知识点卡片,所述强交互行为数据对应的行为由用户主动发起;所述弱交互行为数据包括阅读包含知识点的文章和听取文本朗读语音,所述弱交互行为数据对应的行为是用户被动学习行为;
将所述强交互行为数据对应的知识点的评分等级增加第一预设值;
将所述弱交互行为数据对应的知识点的评分等级增加第二预设值;其中,所述第一预设值大于所述第二预设值;
其中,还包括:根据用户对知识点当次交互行为距上一次交互行为的时间间隔采取惩罚机制降低用户对知识点的评分等级。
2.根据权利要求1所述的方法,其特征在于,所述获取每个知识点的评分等级,包括:
获取测试结果;其中,所述测试结果为用户参加包括每个所述知识点的测试得到的结果;
根据项目反应理论模型对所述测试结果进行评分,得到每个所述知识点的评分等级。
3.根据权利要求1所述的方法,其特征在于,在获取每个知识点的评分等级之前,还包括:
获取学习材料;
对所述学习材料进行预处理,得到所述学习材料中每个知识点的对应的目标学习内容,以及每个所述目标学习内容的等级。
4.根据权利要求3所述的方法,其特征在于,所述在题库中查找与所述评分等级对应的学习内容作为目标学习内容,包括:
在所述题库中查找与所述评分等级对应等级的学习内容作为所述目标学习内容。
5.根据权利要求1所述的方法,其特征在于,还包括:
将更新后的所述评分等级高于所述阈值的知识点标记为掌握知识点。
6.根据权利要求5所述的方法,其特征在于,在将更新后的所述评分等级高于所述阈值的知识点标记为掌握知识点之后,还包括:
当接收到复习指令时,推送所述掌握知识点对应的目标学习内容。
7.一种学习内容推送的系统,其特征在于,包括:
第一获取模块,用于获取每个知识点的评分等级;其中,所述评分等级用于表示用户对每个所述知识点的掌握情况;
第一推送模块,用于在题库中查找与所述评分等级对应的学习内容作为目标学习内容,并将所述目标学习内容推送至客户端;
更新模块,用于接收所述客户端反馈的学习行为数据,并根据所述学习行为数据更新每个所述知识点的评分等级;
第二推送模块,用于根据更新后的所述评分等级筛选重点知识点,并推送与所述重点知识点对应的重点学习内容至所述客户端;其中,所述重点知识点为所述评分等级低于阈值的知识点;
所述更新模块包括:
划分子模块,用于将所述学习行为数据划分为强交互行为数据和弱交互行为数据;其中,所述强交互行为数据包括查看单词释义、做练习题、查看阅读语法讲解和收藏知识点卡片,所述强交互行为数据对应的行为由用户主动发起;所述弱交互行为数据包括阅读包含知识点的文章和听取文本朗读语音,所述弱交互行为数据对应的行为是用户被动学习行为;
第一增加子模块,用于将所述强交互行为数据对应的知识点的评分等级增加第一预设值;
第二增加模块,用于将所述弱交互行为数据对应的知识点的评分等级增加第二预设值;其中,所述第一预设值大于所述第二预设值;
其中,学习内容推送的系统还包括:用于根据用户对知识点当次交互行为距上一次交互行为的时间间隔采取惩罚机制降低用户对知识点的评分等级的模块。
8.一种学习内容推送设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述学习内容推送的方法的步骤。
9.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述学习内容推送的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184548.5A CN112860983B (zh) | 2019-11-27 | 2019-11-27 | 一种学习内容推送的方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184548.5A CN112860983B (zh) | 2019-11-27 | 2019-11-27 | 一种学习内容推送的方法、系统、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112860983A CN112860983A (zh) | 2021-05-28 |
CN112860983B true CN112860983B (zh) | 2023-11-24 |
Family
ID=75985814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184548.5A Active CN112860983B (zh) | 2019-11-27 | 2019-11-27 | 一种学习内容推送的方法、系统、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112860983B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113254629B (zh) * | 2021-06-07 | 2022-07-26 | 重庆第二师范学院 | 一种基于人工智能的学习内容推荐方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067849A (zh) * | 2017-04-21 | 2017-08-18 | 杭州博世数据网络有限公司 | 基于云教学平台的家长端系统 |
CN107256650A (zh) * | 2017-06-20 | 2017-10-17 | 广东小天才科技有限公司 | 一种习题推送方法、系统及终端设备 |
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 |
CN109800301A (zh) * | 2019-01-23 | 2019-05-24 | 广东小天才科技有限公司 | 一种薄弱知识点的挖掘方法及学习设备 |
CN109903617A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化练习方法和系统 |
CN110019686A (zh) * | 2019-04-11 | 2019-07-16 | 北京任学教育科技有限公司 | 知识点掌握度的确定方法、装置、设备和存储介质 |
CN110147428A (zh) * | 2019-04-11 | 2019-08-20 | 北京任学教育科技有限公司 | 知识点掌握度的更新方法、装置、设备和存储介质 |
CN110162713A (zh) * | 2019-05-31 | 2019-08-23 | 成都鼎晟数智科技有限公司 | 基于卷积神经网络的自适应学习内容推荐方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9378647B2 (en) * | 2013-08-20 | 2016-06-28 | Chegg, Inc. | Automated course deconstruction into learning units in digital education platforms |
KR102104660B1 (ko) * | 2018-04-23 | 2020-04-24 | 주식회사 에스티유니타스 | 사용자 맞춤형 학습 컨텐츠 제공 시스템 및 방법 |
-
2019
- 2019-11-27 CN CN201911184548.5A patent/CN112860983B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067849A (zh) * | 2017-04-21 | 2017-08-18 | 杭州博世数据网络有限公司 | 基于云教学平台的家长端系统 |
CN107256650A (zh) * | 2017-06-20 | 2017-10-17 | 广东小天才科技有限公司 | 一种习题推送方法、系统及终端设备 |
CN109903617A (zh) * | 2017-12-11 | 2019-06-18 | 北京三好互动教育科技有限公司 | 个性化练习方法和系统 |
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 |
CN109800301A (zh) * | 2019-01-23 | 2019-05-24 | 广东小天才科技有限公司 | 一种薄弱知识点的挖掘方法及学习设备 |
CN110019686A (zh) * | 2019-04-11 | 2019-07-16 | 北京任学教育科技有限公司 | 知识点掌握度的确定方法、装置、设备和存储介质 |
CN110147428A (zh) * | 2019-04-11 | 2019-08-20 | 北京任学教育科技有限公司 | 知识点掌握度的更新方法、装置、设备和存储介质 |
CN110162713A (zh) * | 2019-05-31 | 2019-08-23 | 成都鼎晟数智科技有限公司 | 基于卷积神经网络的自适应学习内容推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112860983A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lalor et al. | Building an evaluation scale using item response theory | |
CN111274411A (zh) | 课程推荐方法、装置、电子设备及可读存储介质 | |
CN110991645A (zh) | 一种基于知识模型的自适应学习方法、系统及存储介质 | |
US20150044659A1 (en) | Clustering short answers to questions | |
CN108664599B (zh) | 智能问答方法、装置、智能问答服务器及存储介质 | |
CN112784608B (zh) | 试题推荐方法、装置、电子设备和存储介质 | |
CN111651676B (zh) | 基于能力模型进行职业推荐的方法、装置、设备和介质 | |
CN106780204A (zh) | 一种用于试题题库的评估方法及装置 | |
Lee et al. | Use of training, validation, and test sets for developing automated classifiers in quantitative ethnography | |
CN111723870B (zh) | 基于人工智能的数据集获取方法、装置、设备和介质 | |
Suzuki et al. | An approach for evaluating and suggesting method names using n-gram models | |
CN111192170B (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN109615009A (zh) | 一种学习内容推荐方法及电子设备 | |
CN110852071B (zh) | 知识点检测方法、装置、设备及可读存储介质 | |
Liu et al. | Identifying effortful individuals with mixture modeling response accuracy and response time simultaneously to improve item parameter estimation | |
CN112860983B (zh) | 一种学习内容推送的方法、系统、设备及可读存储介质 | |
Acheampong et al. | Answer triggering of factoid questions: A cognitive approach | |
Bernius et al. | Towards the automation of grading textual student submissions to open-ended questions | |
Augenstein | Joint information extraction from the web using linked data | |
CN114240705A (zh) | 一种题库信息处理方法 | |
Dado et al. | On the adoption of social network analysis methods in CSCL research–a network analysis | |
CN113704422A (zh) | 一种文本推荐方法、装置、计算机设备和存储介质 | |
CN113569091A (zh) | 视频数据的处理方法、装置 | |
CN111930911A (zh) | 一种快速领域问答方法及其装置 | |
CN111507084A (zh) | 一种语句难度确定方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |