CN114003716A - 面向进化型对象的匹配方法 - Google Patents
面向进化型对象的匹配方法 Download PDFInfo
- Publication number
- CN114003716A CN114003716A CN202111656402.3A CN202111656402A CN114003716A CN 114003716 A CN114003716 A CN 114003716A CN 202111656402 A CN202111656402 A CN 202111656402A CN 114003716 A CN114003716 A CN 114003716A
- Authority
- CN
- China
- Prior art keywords
- environment
- factor
- updated
- question
- value
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请公开了一种面向进化型对象的匹配方法。其中一种面向进化型对象的匹配方法，包括以下步骤：从环境复杂度矩阵中，确定环境复杂度因子；从对象适应能力矩阵中，确定对象适应度因子；确定环境呈现形式因子；确定环境内容因子；根据环境复杂度因子、环境呈现形式因子、环境内容因子，确定环境呈现场景；根据对象适应度因子，确定对象；匹配所述对象与所述环境呈现场景，从而提高匹配的精准度。
Description
技术领域
本申请涉及对象与目标之间匹配的技术领域，尤其涉及到课堂教学中面向进化型对象的匹配方法。
背景技术
现有技术中题目自动推送已经普遍应用于智能课堂教学。利用类似电商零售业普遍使用的“个性化推荐算法”，通过一些数学算法模型，推测出用户可能关联的内容。迁移到题目推荐中，目前常见的推题逻辑是通过题目测试，抓取学生的错题，根据提前预设的题目知识点标签，推送同一标签范围的相关题目。具体的现有技术，可以参考专利公开号为CN110378818A的专利文件。
在实现现有技术的过程中，发明人发现：
现有的试题推荐方法忽视了题目难度和对象认知层次的区分，其推荐的题目很多时候无法和学生个体的学习能力相匹配，学生个体对象和题目环境呈现场景匹配精准度低。
因此，需要提供一种提高对象与环境呈现场景匹配精准度的相关技术方案。
发明内容
本申请实施例提供一种提高对象与环境呈现场景匹配精准度的技术方案，用以解决学生个体对象和题目环境呈现场景匹配精准度低的技术问题。
本申请提供的一种面向进化型对象的匹配方法，包括以下步骤：
从环境复杂度矩阵中，确定环境复杂度因子；
从对象适应能力矩阵中，确定对象适应度因子；
确定环境呈现形式因子；
确定环境内容因子；
根据环境复杂度因子、环境呈现形式因子、环境内容因子，确定环境呈现场景；
根据对象适应度因子，确定对象；
匹配所述对象与所述环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值，不大于预设第二阈值时，
提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，不小于预设第三阈值时，
降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
进一步的，所述环境复杂度矩阵为题目难度矩阵；
所述对象适应能力矩阵为学习者认知层次矩阵；
所述环境呈现形式因子为题型属性值；
所述环境内容因子为知识点属性值。
本申请提供的实施例至少具有以下有益效果：通过结合题目难度和对象认知层次，确保推荐的题目和学生个体的学习能力相匹配，从而有效提高学生个体对象和题目环境呈现场景之间的匹配精准度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的面向进化型对象的匹配方法的流程图；
图2为本申请实施例提供的面向进化型对象的匹配方法还包括的步骤的流程图；
图3为本申请实施例提供的面向进化型对象的匹配方法还包括的另一步骤的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。
请参照图1，为本申请实施例提供的一种面向进化型对象的匹配方法，包括以下步骤：
S100：从环境复杂度矩阵中，确定环境复杂度因子；
S200：从对象适应能力矩阵中，确定对象适应度因子；
S300：确定环境呈现形式因子；
S400：确定环境内容因子；
S500：根据环境复杂度因子、环境呈现形式因子、环境内容因子，确定环境呈现场景；
S600：根据对象适应度因子，确定对象；
S700：匹配所述对象与所述环境呈现场景。
需要指出的是，环境复杂度矩阵可以理解为用于表征所有目标在各个维度的复杂程度的矩阵，环境复杂度因子可以理解为用于表征具体目标的复杂程度等级的属性值，对象适应能力矩阵可以理解为用于表征所有对象的适应能力等级的矩阵，对象适应度因子可以理解为用于表征具体对象的适应能力等级的属性值，环境呈现形式因子可以理解为用于表征具体目标的呈现方式难度等级的属性值，环境内容因子可以理解为用于表征具体目标所包含的具体内容的属性值，环境呈现场景可以理解为根据具体目标的复杂程度等级的属性值、呈现方式的属性值及所包含的具体内容的属性值等确定的具体目标，这里的对象可以理解为具体的对其需要推荐具体目标的具体对象。在一种具体的应用场景中，本申请可以用于智慧课堂的试题推送中。具体的，可以把智慧课堂中用到的题库中的试题进行标准化处理。这里的标准化处理可以是分别按照试题难度、题型和考核的知识点对试题属性进行标准化。这里的环境复杂度矩阵可以是用于表征题库中试题难度的矩阵，这里的环境复杂度因子可以是对应试题属性中的用于表征试题难度等级的属性值，这里的对象适应能力矩阵可以是用于表征所有目标学习者的认知层次的矩阵，这里的对象适应度因子可以是用于表征学习者的认知层次等级的属性值，这里的环境呈现形式因子可以是用于表征试题所属题型的属性值，试题所属题型的属性值可以用于表征试题题型难度等级，这里的环境内容因子可以是用于表征试题所属知识点的属性值，这里的环境呈现场景可以是根据试题的难度、题型及知识点等属性值确定的候选的试题，这里的对象可以是具体的对其需要推荐试题的目标学习者。需要说明的是，试题所属题型的属性值可以从另一个角度表征试题的难度。在一种具体的实施过程中，这里的应用场景可以是智慧课堂进行英语阅读相关的课堂活动，并采用国际英语阅读标准作为题目难度和学生阅读能力评价基准，比如采用蓝思值。根据ARCS理论，将试题按题型划分难度等级，并以此设置用于表征试题所属题型难度的属性值。蓝思值是一种广泛用于衡量学生英语阅读水平和标识英语阅读试题难度的一套标准，ARCS理论是被广泛运用于传统教学课程以及线上教学课堂的游戏化学习动机理论。这里的应用场景也可以是智慧课堂进行数学教学相关的课堂活动，并采用自定义的标准作为题目难度和学生数学能力评价基准。可以根据实际教学理论，将数学试题按题型划分难度等级，并以此设置用于表征试题所属题型难度的属性值。显然，这里的应用场景还可以是智慧课堂进行语文教学相关的课堂活动，并采用自定义的标准作为题目难度和学生语文能力评价基准。可以根据实际教学理论，将语文试题按题型划分难度等级，并以此设置用于表征试题所属题型难度的属性值。在具体的进行试题推送时，从表征题库中试题难度的矩阵中，确定试题的难度等级；从表征所有目标学习者的认知层次的矩阵中，确定对象的认知层次等级；确定试题所属题型的属性值；确定试题所属知识点的属性值；根据试题的难度等级、试题所属题型的属性值、试题所属知识点的属性值，确定可能用于推送给目标对象的候选试题；根据对象的认知层次等级，确定具体的对其需要推荐试题的目标学习者；匹配目标学习者与候选试题。其中，试题的难度等级、对象的认知层次等级均可以根据具体的课程进行量化，如涉及英语阅读时可以用具体的蓝思值进行量化，也可以用其他现有的评价标准进行量化，或者根据实际的教学数据进行自定义量化值。通过结合试题的多个维度属性和目标对象的认知层次，确保推荐的题目和学生个体的学习能力相匹配，有效提高了学生个体对象和题目之间的匹配精准度。
进一步的，请参照图2，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
S801：计算所述对象在所述环境呈现场景表现的结果值；
S901：当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
SA01：更新环境内容因子，形成更新后的环境内容因子；
SB01：根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
SC01：匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。提升环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值提高到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步操作的参考分值。提升环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值提高到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值不小于设置的参考分值时，将表征试题难度等级的属性值提高到相邻数值，得到题目难度等级高一级的题目难度属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，例如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。初始的推荐给目标学习者的匹配到的试题题目难度假设为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如大于等于80分；假设设置的参考分值为80分，则测试分值不小于设置的参考分值，此时将表征试题难度等级的属性值即蓝思值500L提高到相邻数值，得到题目难度等级高一级的题目难度属性值，如蓝思值600L；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值600L、试题所属题型的属性值即表征题型为选择题的题型难度值2、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，请参照图3，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
S802：计算所述对象在所述环境呈现场景表现的结果值；
S902：当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
SA02：更新环境内容因子，形成更新后的环境内容因子；
SB02：根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
SC02：匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。提升环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值提高到相邻的属性值大小。在具体的智慧课堂的试题推送应用场景中，本申请中的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步具体操作的参考分值。提升环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值提高到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值不小于设置的参考分值时，将表征试题题型难度等级的属性值提高到相邻数值，得到题型难度等级高一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如大于等于80分；假设设置的参考分值为80分，则测试分值不小于设置的参考分值，将表征试题的题型难度等级的属性值提高到相邻数值，得到题目的题型难度等级高一级的题目题型难度的属性值，如表征填空题的题型难度值3；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据题目难度属性值即蓝思值500L、更新后的试题所属题型的属性值即表征填空题的题型难度值3、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值，不大于预设第二阈值时，
提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值、预设第二阈值可以理解为用于确定下一步操作的两个参考值，假设预设第一阈值为第一参考值，预设第二阈值为第二参考值。提升环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值提高到相邻的属性值大小。提升环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值提高到相邻的属性值大小。在本申请的另一种智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。这里的预设第一阈值、预设第二阈值可以理解为用于确定下一步操作的两个参考分值，假设预设第一阈值为第一参考分值，预设第二阈值为第二参考分值。提升环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值提高到相邻的属性值大小，提升环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值提高到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值不小于设置的第一参考分值，且不大于设置的第二参考分值时，将表征试题难度等级的属性值提高到相邻数值，得到题目难度等级高一级的题目难度属性值；或者将表征试题题型难度等级的属性值提高到相邻数值，得到题型难度等级高一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、试题所属题型的属性值、更新后的试题所属知识点的属性值，或者根据题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于85分；假设设置的第一参考分值为80分，第二参考分值为90分，则第一参考分值≤测试分值≤第二参考分值，将表征试题难度等级的属性值即蓝思值500L提高到相邻数值，得到题目难度等级高一级的题目难度属性值，如蓝思值600L，或者将表征试题的题型难度等级的属性值提高到相邻数值，得到题目的题型难度等级高一级的题目题型难度的属性值，如表征填空题的题型难度值3；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值600L、试题所属题型的属性值即表征题型为选择题的题型难度值2、更新后的试题所属知识点的属性值，或者根据题目难度属性值即蓝思值500L、更新后的试题所属题型的属性值即表征填空题的题型难度值3、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。提升环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值提高到相邻的属性值大小。提升环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值提高到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步操作的参考分值。提升环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值提高到相邻的属性值大小，提升环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值提高到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值不小于设置的参考分值时，将表征试题难度等级的属性值提高到相邻数值，得到题目难度等级高一级的题目难度属性值；当测试分值不小于设置的参考分值时，还将表征试题题型难度等级的属性值提高到相邻数值，得到题型难度等级高一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于85分；假设设置的参考分值为80分，则参考分值≤测试分值，将表征试题难度等级的属性值即蓝思值500L提高到相邻数值，得到题目难度等级高一级的题目难度属性值（蓝思值600L），将表征试题的题型难度等级的属性值提高到相邻数值，得到题目的题型难度等级高一级的题目题型难度的属性值，如表征填空题的题型难度值3；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值600L、更新后的试题所属题型的属性值即表征填空题的题型难度值3、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。降低环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值降低到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步操作的参考分值。降低环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值降低到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值小于设置的参考分值时，将表征试题难度等级的属性值降低到相邻数值，得到题目难度等级低一级的题目难度属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，例如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于70分；假设设置的参考分值为80分，则测试分值小于设置的参考分值，此时将表征试题难度等级的属性值即蓝思值500L降低到相邻数值，得到题目难度等级低一级的题目难度属性值，如蓝思值400L；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值400L、试题所属题型的属性值即表征题型为选择题的题型难度值2、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。降低环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值降低到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步操作的参考分值。降低环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值降低到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值小于设置的参考分值时，将表征试题题型难度等级的属性值降低到相邻数值，得到题型难度等级低一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于70分；假设设置的参考分值为80分，则测试分值小于设置的参考分值，将表征试题的题型难度等级的属性值降低到相邻数值，得到题目的题型难度等级低一级的题目题型难度的属性值，如表征判断题的题型难度值1；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据题目难度属性值即蓝思值500L、更新后的试题所属题型的属性值即表征判断题的题型难度值1、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，不小于预设第三阈值时，
降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值、预设第三阈值可以理解为用于确定下一步操作的两个参考值，假设预设第一阈值为第一参考值，预设第三阈值为第三参考值。降低环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值降低到相邻的属性值大小。降低环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值降低到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值、预设第三阈值可以理解为用于确定下一步操作的两个参考分值，假设预设第一阈值为第一参考分值，预设第三阈值为第三参考分值。降低环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值降低到相邻的属性值大小，降低环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值降低到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值小于设置的第一参考分值，且不小于设置的第三参考分值时，将表征试题难度等级的属性值降低到相邻数值，得到题目难度等级低一级的题目难度属性值；或者将表征试题题型难度等级的属性值降低到相邻数值，得到题型难度等级低一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、试题所属题型的属性值、更新后的试题所属知识点的属性值，或者根据题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于70分；假设设置的第一参考分值为80分，第三参考分值为60分，则第一参考分值＞测试分值≥第三参考分值，将表征试题难度等级的属性值即蓝思值500L降低到相邻数值，得到题目难度等级低一级的题目难度属性值，如蓝思值400L，或者将表征试题的题型难度等级的属性值降低到相邻数值，得到题目的题型难度等级低一级的题目题型难度的属性值，如表征判断题的题型难度值1；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值400L、试题所属题型的属性值即表征题型为选择题的题型难度值2、更新后的试题所属知识点的属性值，或者根据题目难度属性值即蓝思值500L、更新后的试题所属题型的属性值即表征判断题的题型难度值1、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
可以理解的是，这里的结果值可以理解为具体对象根据匹配的具体目标执行预设动作后计算得到的相应的评价值。预设第一阈值可以理解为用于确定下一步操作的参考值。降低环境复杂度因子一个单位可以理解为将用于表征具体目标的复杂程度等级的属性值降低到相邻的属性值大小。降低环境呈现形式因子一个单位可以理解为将用于表征具体目标的呈现方式难度等级的属性值降低到相邻的属性值大小。在智慧课堂的试题推送应用场景中，这里的结果值可以理解为目标学习者根据匹配的试题进行测试后计算得到的相应的测试分值。预设第一阈值可以理解为用于确定下一步操作的参考分值。降低环境复杂度因子一个单位可以理解为将用于表征试题难度等级的属性值降低到相邻的属性值大小，降低环境呈现形式因子一个单位可以理解为将用于表征试题题型难度等级的属性值降低到相邻的属性值大小。在一种具体的实施过程中，目标学习者根据匹配的试题进行测试，根据测试结果计算得到对应的测试分值；当测试分值小于设置的参考分值时，将表征试题难度等级的属性值降低到相邻数值，得到题目难度等级低一级的题目难度属性值；当测试分值小于设置的参考分值时，将表征试题题型难度等级的属性值降低到相邻数值，得到题型难度等级低一级的属性值；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值、更新后的试题所属题型的属性值、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。具体到英语阅读试题推送场景时，根据ARCS理论，可以将推送的题目按照题型划分为3个难度，如：设置第一题型为判断题，如“判断正误”，难度值为1；第二题型为选择题，如“四选一选择题”，难度值为2；第三题型为填空题，如“4-6个内容的填空题”，难度值为3等三种不同的题目类型。例如：初始的推荐给目标学习者的匹配到的试题题目难度为蓝思值500L、题型难度值为2的选择题，目标学习者输入答案进行测试，根据测试结果计算得到对应的测试分值，如等于70分；假设设置的参考分值为80分，则测试分值＜参考分值，将表征试题难度等级的属性值即蓝思值500L降低到相邻数值，得到题目难度等级低一级的题目难度属性值（蓝思值400L），将表征试题的题型难度等级的属性值降低到相邻数值，得到题目的题型难度等级低一级的题目题型难度的属性值，如表征判断题的题型难度值1；更新试题所属知识点的属性值，得到新的试题所属知识点的属性值；根据更新后的题目难度属性值即蓝思值400L、更新后的试题所属题型的属性值即表征判断题的题型难度值1、更新后的试题所属知识点的属性值，确定并更新用于推送给目标学习者的候选试题；匹配目标学习者与更新后的候选试题。通过对试题测试结果进一步分析，并以此反馈到下一推送试题的更新过程中，可以确保推荐的题目和学生个体的学习能力进一步匹配，进一步提高了学生个体对象和题目之间的匹配精准度。
进一步的，在本申请提供的一种优选实施方式中，所述环境复杂度矩阵为题目难度矩阵；
所述对象适应能力矩阵为学习者认知层次矩阵；
所述环境呈现形式因子为题型属性值；
所述环境内容因子为知识点属性值。
需要指出的是，环境复杂度矩阵可以理解为用于表征所有目标的复杂程度的矩阵，对象适应能力矩阵可以理解为用于表征所有对象的适应能力等级的矩阵，环境呈现形式因子可以理解为用于表征具体目标的呈现方式难度等级的属性值，环境内容因子可以理解为用于表征具体目标所包含的具体内容的属性值。在智慧课堂的试题推送应用场景中，这里的环境复杂度矩阵可以进一步限定为题目难度矩阵，用于表征题目的试题难度。这里的对象适应能力矩阵可以进一步限定为学习者认知层次矩阵，用于表征学习者的认知层次。这里的环境呈现形式因子可以进一步限定为题型属性值，用于表征试题类型。显然，试题类型的不同直接影响到题型难度，这里的题型属性值从另一方面可以直接体现题型难度，也可以理解为题型难度值。这里的环境内容因子可以进一步限定为知识点属性值，用于表征对应试题所要考察的知识点。显然，这里的知识点可以按照相应的具体学习内容进行提前设置。通过将相应的影响试题匹配精准度的影响因素进行量化，可以有效提高试题匹配的精准度。
本申请提供的实施例至少具有以下有益效果：通过结合题目难度和对象认知层次，确保推荐的题目和学生个体的学习能力相匹配，从而有效提高学生个体对象和题目环境呈现场景之间的匹配精准度。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种面向进化型对象的匹配方法，其特征在于，包括以下步骤：
从环境复杂度矩阵中，确定环境复杂度因子；
从对象适应能力矩阵中，确定对象适应度因子；
确定环境呈现形式因子；
确定环境内容因子；
根据环境复杂度因子、环境呈现形式因子、环境内容因子，确定环境呈现场景；
根据对象适应度因子，确定对象；
匹配所述对象与所述环境呈现场景。
2.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
3.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
4.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值，不大于预设第二阈值时，
提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
5.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值不小于预设第一阈值时，提升环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值不小于预设第一阈值时，提升环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
6.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
7.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
8.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，不小于预设第三阈值时，
降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；或
降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、环境呈现形式因子、更新后的环境内容因子，或根据环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
9.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述匹配方法，还包括：
计算所述对象在所述环境呈现场景表现的结果值；
当所述结果值小于预设第一阈值时，降低环境复杂度因子一个单位，形成更新后的环境复杂度因子；
当所述结果值小于预设第一阈值时，降低环境呈现形式因子一个单位，形成更新后的环境呈现形式因子；
更新环境内容因子，形成更新后的环境内容因子；
根据更新后的环境复杂度因子、更新后的环境呈现形式因子、更新后的环境内容因子，确定更新后的环境呈现场景；
匹配所述对象与所述更新后的环境呈现场景。
10.如权利要求1所述的面向进化型对象的匹配方法，其特征在于，所述环境复杂度矩阵为题目难度矩阵；
所述对象适应能力矩阵为学习者认知层次矩阵；
所述环境呈现形式因子为题型属性值；
所述环境内容因子为知识点属性值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111656402.3A CN114003716A (zh) | 2021-12-31 | 2021-12-31 | 面向进化型对象的匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111656402.3A CN114003716A (zh) | 2021-12-31 | 2021-12-31 | 面向进化型对象的匹配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114003716A true CN114003716A (zh) | 2022-02-01 |
Family
ID=79932394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111656402.3A Pending CN114003716A (zh) | 2021-12-31 | 2021-12-31 | 面向进化型对象的匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114003716A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110039245A1 (en) * | 2009-08-14 | 2011-02-17 | Ronald Jay Packard | Systems and methods for producing, delivering and managing educational material |
| CN110909035A (zh) * | 2019-10-31 | 2020-03-24 | 艾小本科技(武汉)有限公司 | 个性化复习题集生成方法、装置、电子设备及存储介质 |
| CN111782815A (zh) * | 2019-04-04 | 2020-10-16 | 北京三好互动教育科技有限公司 | 一种知识测评的方法、装置、存储介质及电子设备 |
| CN111914176A (zh) * | 2020-08-07 | 2020-11-10 | 腾讯科技（深圳）有限公司 | 题目的推荐方法及装置 |
-
2021
- 2021-12-31 CN CN202111656402.3A patent/CN114003716A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110039245A1 (en) * | 2009-08-14 | 2011-02-17 | Ronald Jay Packard | Systems and methods for producing, delivering and managing educational material |
| CN111782815A (zh) * | 2019-04-04 | 2020-10-16 | 北京三好互动教育科技有限公司 | 一种知识测评的方法、装置、存储介质及电子设备 |
| CN110909035A (zh) * | 2019-10-31 | 2020-03-24 | 艾小本科技(武汉)有限公司 | 个性化复习题集生成方法、装置、电子设备及存储介质 |
| CN111914176A (zh) * | 2020-08-07 | 2020-11-10 | 腾讯科技（深圳）有限公司 | 题目的推荐方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Smith-Sebasto et al. | Designing a Likert-type scale to predict environmentally responsible behavior in undergraduate students: A multistep process | |
| Impara et al. | Teachers' ability to estimate item difficulty: A test of the assumptions in the Angoff standard setting method | |
| Bard | Quality assessment of cartographic generalisation | |
| Kolen | Linking assessments: Concept and history | |
| CN112184500A (zh) | 基于深度学习和知识图谱的课外学习辅导系统及实现方法 | |
| CN109977230B (zh) | 适合自适应教学的选择题错因分析方法 | |
| CN111858906B (zh) | 习题推荐方法、装置、电子设备及计算机可读存储介质 | |
| Maaliw III et al. | Classification of Learning Styles in Virtual Learning Environment Using J48 Decision Tree. | |
| CN110399558B (zh) | 一种试题推荐方法和系统 | |
| CN110929020B (zh) | 基于测试成绩的知识点掌握度分析方法 | |
| CN114913729B (zh) | 一种选题方法、装置、计算机设备和存储介质 | |
| Holmes | Unidimensionality and vertical equating with the Rasch model | |
| Pratama et al. | Data literacy assessment instrument for preparing 21 Cs literacy: preliminary study | |
| CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
| Alkas Ulusoy et al. | Analyzing the Statistical Reasoning Levels of Pre-Service Elementary School Teachers in the Context of a Model Eliciting Activity. | |
| CN105786898A (zh) | 一种领域本体的构建方法和装置 | |
| Shankar | Pedagogy of Bayes’ rule, confusion matrix, transition matrix, and receiver operating characteristics | |
| KR20210158578A (ko) | 온라인 학습관리 시스템 및 애플리케이션 | |
| CN116340624A (zh) | 自适应学习信息推荐方法、装置、设备及存储介质 | |
| CN111160606A (zh) | 试题难度预测方法及相关装置 | |
| CN110910043A (zh) | 一种试卷信息的分析方法 | |
| CN113239669B (zh) | 试题难度预测方法 | |
| JP2019185343A (ja) | 問題分析システム、方法、およびプログラム | |
| CN114003716A (zh) | 面向进化型对象的匹配方法 | |
| CN114461786B (zh) | 一种学习路径生成方法和系统 |
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 |