CN116108209A - 多媒体内容播放控制方法、装置、计算机设备和存储介质 - Google Patents

多媒体内容播放控制方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116108209A
CN116108209A CN202111322475.9A CN202111322475A CN116108209A CN 116108209 A CN116108209 A CN 116108209A CN 202111322475 A CN202111322475 A CN 202111322475A CN 116108209 A CN116108209 A CN 116108209A
Authority
CN
China
Prior art keywords
knowledge point
learning
target user
explanation
knowledge
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
CN202111322475.9A
Other languages
English (en)
Inventor
李梦瑶
邓澍军
刘思涛
安延鑫
曹晋其
龚渝钧
马俊
王雨
顾志军
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 Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network 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 Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202111322475.9A priority Critical patent/CN116108209A/zh
Publication of CN116108209A publication Critical patent/CN116108209A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43Querying
    • G06F16/435Filtering based on additional data, e.g. user or group profiles
    • 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
    • G09B5/00Electrically-operated educational appliances
    • G09B5/06Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • GPHYSICS
    • G11INFORMATION STORAGE
    • G11BINFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10Digital recording or reproducing
    • G11B20/10527Audio or video recording; Data buffering arrangements
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8402Generation or processing of descriptive data, e.g. content descriptors involving a version number, e.g. version number of EPG data

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开提供了一种多媒体内容播放控制方法、装置、计算机设备和存储介质,其中,该方法包括:响应目标用户针对目标讲解容器的讲解请求,从目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;在当前待讲解的知识点为目标用户的必学知识点的情况下,播放必学知识点的讲解内容;在当前待讲解的知识点为目标用户的选学知识点的情况下,根据目标用户针对选学知识点的预估掌握情况,选择是否跳过选学知识点的讲解内容,以针对目标讲解容器中的下一个待讲解的知识点进行播放控制。

Description

多媒体内容播放控制方法、装置、计算机设备和存储介质
技术领域
本公开涉及在线教育技术领域,具体而言,涉及多媒体内容播放控制方法、装置、计算机设备和存储介质。
背景技术
在学生在线学习知识内容时,学生可以选择自己想要学习的知识点;不同知识点难度或范围可能不同,比如有的知识点难度较高,有的知识点难度较低,有的知识点为扩展知识点(比如,考频较低的知识点)等。
在选择知识点时,由于学生对自己主观认识不清,在学习过程中存在选择的当前知识点与该学生不相匹配的情况,知识点太难或太容易,都会存在浪费学习时间的问题。
发明内容
本公开实施例至少提供一种多媒体内容播放控制方法、装置、计算机设备和存储介质。
第一方面,本公开实施例提供了一种多媒体内容播放控制方法,包括:
响应目标用户针对目标讲解容器的讲解请求,从所述目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;所述目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;
在所述当前待讲解的知识点为所述目标用户的必学知识点的情况下,播放所述必学知识点的讲解内容;
在所述当前待讲解的知识点为所述目标用户的选学知识点的情况下,根据所述目标用户针对所述选学知识点的预估掌握情况,选择是否跳过所述选学知识点的讲解内容,以针对所述目标讲解容器中的下一个待讲解的知识点进行播放控制。
一种可选的实施方式中,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
获取所述目标用户的历史学习行为数据;
将所述目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型,获取所述预估模型输出的所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
获取所述目标用户的历史答题表现信息,所述历史答题表现信息用于表征用户的历史答题正确率和/或所述用户在历史答题过程中的降级学习时长;
根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
根据所述目标用户针对上一知识点级别的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况;所述上一知识点级别为所述目标讲解容器所对应的知识点级别的上一级别,在各知识点级别中,在上一级别的知识点下包含多个下一级别的知识点。
一种可选的实施方式中,根据以下步骤确定所述当前待讲解的知识点的目标类型,所述目标类型为所述必学知识点或选学知识点:
根据所述当前待讲解的知识点的至少一种属性特征,以及所述必学知识点或所述选学知识点所匹配的目标属性特征,确定所述当前待讲解的知识点的目标类型;
所述属性特征包括难度等级、重要程度、考核频次中的至少一种。
一种可选的实施方式中,根据确定的所述预估掌握情况,选择是否跳过所述选学知识点的讲解内容,包括:
若根据所述预估掌握情况,确定所述目标用户能够掌握所述选学知识点,选择播放所述选学知识点的讲解内容;若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过所述选学知识点的讲解内容。
一种可选的实施方式中,若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过播放所述选学知识点的讲解内容,包括:
若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,向所述目标用户发出提示信息;所述提示信息用于指示所述选学知识点对所述目标用户难度较大,提示是否跳过所述选学知识点的讲解内容;
响应所述目标用户的确认操作,选择跳过所述选学知识点的讲解内容。
第二方面,本公开实施例还提供一种多媒体内容播放控制装置,包括:
知识点确定模块,用于响应目标用户针对目标讲解容器的讲解请求,从所述目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;所述目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;
必学内容播放模块,用于在所述当前待讲解的知识点为所述目标用户的必学知识点的情况下,播放所述必学知识点的讲解内容;
选学内容判断模块,用于在所述当前待讲解的知识点为所述目标用户的选学知识点的情况下,根据所述目标用户针对所述选学知识点的预估掌握情况,选择是否跳过所述选学知识点的讲解内容,以针对所述目标讲解容器中的下一个待讲解的知识点进行播放控制。
一种可选的实施方式中,所述选学内容判断模块,具体用于获取所述目标用户的历史学习行为数据;
将所述目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型,获取所述预估模型输出的所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,所述选学内容判断模块,具体用于获取所述目标用户的历史答题表现信息,所述历史答题表现信息用于表征用户的历史答题正确率和/或所述用户在历史答题过程中的降级学习时长;
根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,所述选学内容判断模块,具体用于根据所述目标用户针对上一知识点级别的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况;所述上一知识点级别为所述目标讲解容器所对应的知识点级别的上一级别,在各知识点级别中,在上一级别的知识点下包含多个下一级别的知识点。
一种可选的实施方式中,所述当前待讲解的知识点的目标类型为所述必学知识点或选学知识点;
所述装置还包括知识点类型确定模块,用于根据所述当前待讲解的知识点的至少一种属性特征,以及所述必学知识点或所述选学知识点所匹配的目标属性特征,确定所述当前待讲解的知识点的目标类型;
所述属性特征包括难度等级、重要程度、考核频次中的至少一种。
一种可选的实施方式中,所述选学内容判断模块,具体用于若根据所述预估掌握情况,确定所述目标用户能够掌握所述选学知识点,选择播放所述选学知识点的讲解内容;若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过所述选学知识点的讲解内容。
一种可选的实施方式中,所述选学内容判断模块,具体用于若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,向所述目标用户发出提示信息;所述提示信息用于指示所述选学知识点对所述目标用户难度较大,提示是否跳过所述选学知识点的讲解内容;
响应所述目标用户的确认操作,选择跳过所述选学知识点的讲解内容。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的多媒体内容播放控制方法的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的多媒体内容播放控制方法的步骤。
关于上述多媒体内容播放控制装置、计算机设备和存储介质的效果描述参见上述多媒体内容播放控制方法的说明,这里不再赘述。
本公开实施例提供的多媒体内容播放控制方法、装置、计算机设备和存储介质,通过响应目标用户针对目标讲解容器的讲解请求,从目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;其中,目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;在当前待讲解的知识点为目标用户的必学知识点的情况下,播放必学知识点的讲解内容。在当前待讲解的知识点为目标用户的选学知识点的情况下,根据目标用户针对选学知识点的预估掌握情况,选择是否跳过选学知识点的讲解内容,以针对目标讲解容器的下一个待讲解的知识点进行播放控制。由于能够预估目标用户对选学知识点的掌握情况,因此,根据预估掌握情况选择目标用户是否跳过选学知识点的讲解内容,如果预估目标用户不能掌握选学知识点,可以直接跳过选学知识点的讲解内容,即目标用户可以不学习该选学知识点的讲解内容,避免浪费学习时间;如果预估目标用户能够掌握选学知识点,则播放选学知识点的讲解内容。因此,本公开实施例能够准确选择出适合目标用户学习的选学知识点,也即目标用户能够掌握的选学知识点,进而有利于提高目标用户针对目标讲解容器的整体学习效率。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,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示出了本公开实施例所提供的一种多媒体内容播放控制方法的流程图;
图2示出了本公开实施例所提供的一种多媒体内容播放控制的具体流程示意图;
图3示出了本公开实施例所提供的一种多媒体内容播放控制装置的示意图;
图4示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
另外,本公开实施例中的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
经研究发现,在学生在线学习知识内容时,学生可以选择自己想要学习的知识点;不同知识点难度或范围可能不同,比如有的知识点难度较高,有的知识点难度较低,有的知识点为扩展知识点(比如,考频较低的知识点)等。在选择知识点时,由于学生对自己主观认识不清,在学习过程中存在选择的当前知识点与该学生不相匹配的情况,知识点太难或太容易,都会导致浪费学习时间的问题。
基于上述研究,本公开提供了一种多媒体内容播放控制方法,由于能够预估目标用户对选学知识点的掌握情况,因此,根据预估掌握情况选择目标用户是否跳过选学知识点的讲解内容,如果预估目标用户不能掌握选学知识点,可以直接跳过选学知识点的讲解内容,即目标用户可以不学习该选学知识点的讲解内容,避免浪费学习时间;如果预估目标用户能够掌握选学知识点,则播放选学知识点的讲解内容。因此,本公开实施例能够准确选择出适合目标用户学习的选学知识点,也即目标用户能够掌握的选学知识点,进而有利于提高目标用户针对目标讲解容器的整体学习效率。
上述思路是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
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。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种多媒体内容播放控制方法进行详细介绍,本公开实施例所提供的多媒体内容播放控制方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为移动设备、用户终端等。在一些可能的实现方式中,该多媒体内容播放控制方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面以执行主体为终端设备为例对本公开实施例提供的多媒体内容播放控制方法加以说明。
参见图1所示,为本公开实施例提供的一种多媒体内容播放控制方法的流程图,所述方法包括步骤S101~S104,其中:
S101:响应目标用户针对目标讲解容器的讲解请求,从目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点。
其中,目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容。示例性的,目标讲解容器可以为虚拟播放容器,按照逻辑关联先后顺序,可以顺序播放多个知识点对应的讲解内容。其中,具有逻辑关联先后顺序的知识点,比如,目标讲解容器中包括三个知识点,其中,第一个知识点为个位加法运算知识点,第二个知识点为两位加法运算知识点,第三个知识点为三位加法运算知识点。
本步骤中,讲解请求可以为目标用户(比如学生)为学习目标讲解容器内的知识点,所发起的获取知识点对应的讲解内容的请求。讲解内容,例如可以为视频讲解内容或音频讲解内容等。
在本公开以下实施例中,会用到知识点级别的概念。这里,用户学习的知识点体系可以认为是一个知识树,知识树中每个上级节点下可以有多个子节点,如此,实现知识点的多级别管理。知识树中最上级的知识点为一级知识点,往下依次为二级知识点、三级知识点、四级知识点。比如,一级知识点可以是整个的数学知识体系,下面的二级知识点包括计算题解法、应用题解法,计算题解法下面的三级知识点包括加减法运算、乘除法运算等,加减法运算下面的四级知识点包括:个位数加法、两位数加法、三位数加法、个位数减法、两位数减法、三位数减法、个位数加减混合等等;而本公开实施例中的目标讲解容器用于维护具体的知识点对应的讲解内容,可以对应的是四级知识点的内容,比如目标讲解容器所维护的、具有逻辑关系先后顺序的四级知识点对应的讲解内容可以包括:个位数加法的讲解内容、两位数加法的讲解内容、三位数加法的讲解内容。
S102:在当前待讲解的知识点为目标用户的必学知识点的情况下,播放必学知识点的讲解内容。
在S101中的当前待讲解的知识点可能为必学知识点或选学知识点。这里,必学知识点或选学知识点为当前待讲解的知识点的目标类型。本公开实施例中,必学知识点可以为预先设置或确定的、用户需要学习的知识点。在当前待讲解的知识点为目标用户的必学知识点的情况下,系统默认目标用户应该学习必学知识点,因此,直接播放必学知识点的讲解内容。
S103:在当前待讲解的知识点为目标用户的选学知识点的情况下,根据目标用户针对选学知识点的预估掌握情况,选择是否跳过选学知识点的讲解内容,以针对目标讲解容器中的下一个待讲解的知识点进行播放控制。
本公开实施例中,针对选学知识点,为目标用户确认是否有选学的必要,针对必学知识点,则默认是必须学习的知识点。
在具体实施中,可以根据知识点自身的属性特征来确定其目标类型,有业绩确定知识点是选学知识点,还是必学知识点。其中,知识点的属性特征可以包括难度等级、重要程度、考核频次中的至少一种。知识点的难度等级可以根据历史学生作答该知识点对应题目的答题正确率和经验值,将其分为多个难度等级,比如,分为1~5五个难度依次提升的难度等级。知识点的重要程度可以根据老师经验值自定义,比如重要考点,非重要考点等。知识点的考核频次可以根据历年考试针对该知识点的考核频率和经验值,将其分为多个考频等级,比如,高频考点,中频考点和低频考点。
在实施中,可以根据实际需要来设定选学知识点所匹配的目标属性特征。示例性的,选学知识点的目标属性特征可以为难度等级大于或等于预设等级,并且属于高频考点、中频考点或低频考点中的任一个;或者,难度等级小于预设等级,并且属于低频考点;或者,重要程度为非重要考点。必学知识点的目标属性特征可以包括难度等级为小于预设等级,并且属于中频考点或高频考点;或者,重要程度为重要考点。其中,预设等级可以根据实际应用场景和/或经验值设定,本公开实施例不进行具体限定。
确定当前待讲解的知识点的目标类型,具体的,可以根据当前待讲解的知识点的至少一种属性特征,以及必学知识点或选学知识点所匹配的目标属性特征,确定当前待讲解的知识点的目标类型。
示例性的,如果确定当前待讲解的知识点的难度等级大于或等于预设等级,并且属于高频考点、中频考点或低频考点中的任一个,则可以确定当前待讲解的知识点为选学知识点。如果确定当前待讲解的知识点的难度等级小于预设等级,并且属于低频考点,则可以确定当前待讲解的知识点为选学知识点。如果确定当前待讲解的知识点的难度等级为小于预设等级,并且属于中频考点或高频考点,则可以确定当前待讲解的知识点为必学知识点。如果确定当前待讲解的知识点的重要程度为重要考点,则可以确定当前待讲解的知识点为必学知识点;如果确定当前待讲解的知识点的重要程度为非重要考点,则可以确定当前待讲解的知识点为选学知识点。
在当前待讲解的知识点的目标类型指示当前待讲解的知识点为必学知识点的情况下,直接播放当前待讲解的知识点的讲解内容。当前待讲解的知识点的目标类型指示当前待讲解的知识点为选学知识点的情况下,还需要进一步确定目标用户针对选学知识点的预估掌握情况。若根据预估掌握情况,确定目标用户能够掌握选学知识点,选择播放选学知识点的讲解内容;若根据预估掌握情况,确定目标用户无法掌握选学知识点,选择跳过选学知识点的讲解内容。
这里,预估掌握情况用于指示目标用户对选学知识点的预估掌握情况,具体的,可以是预估出的目标用户针对目标讲解容器内多个选学知识点的掌握情况;或者,也可以是预估出的目标用户针对目标讲解容器当前待讲解的选学知识点的掌握情况。
在一些实施例中,如果确定目标用户能够掌握的该选学知识点,则可以播放当前待讲解的知识点的讲解内容;如果确定目标用户无法掌握该选学知识点,为了避免浪费学习时间,可以选择跳过当前待讲解的知识点的讲解内容,并针对目标讲解容器的下一待讲解的知识点,循环执行S102和S103,直到目标讲解容器内知识点的讲解内容学习完毕,或者,响应目标用户的结束请求,停止循环。
在一些实施例中,如果预估掌握情况是预估出的目标用户针对目标讲解容器内全部选学知识点的掌握情况,则在确定目标用户无法掌握全部选学知识点的情况下,跳过目标讲解容器内全部选学知识点的讲解内容,播放目标讲解容器内必学知识点的讲解内容;在确定目标用户能够掌握全部选学知识点的情况下,播放目标讲解容器内必学知识点和全部选学知识点的讲解内容。
示例性的,在确定的预估掌握情况为选学知识点的上一级别知识点的预估掌握情况的情况下,比如,选学知识点为两位数加法运算,上一级别知识点包括加法运算,在根据目标用户针对加减法运算的历史学习行为数据(比如可以包括对个位数加法的学习行为数据、对个位数减法的学习行为数据等),确定目标用户针对上一级别知识点的学习情况较差的情况下,可以直接跳过目标讲解容器内全部选学知识点的学习。
下面详细说明针对S103中确定目标用户针对选学知识点的预估掌握情况的方式,具体的:
方式1、利用预估模型进行确定,比如,预估模型输出预估掌握情况。
方式2、利用目标用户的历史答题表现信息进行确定。
针对方式1,预估掌握情况可以是通过预估模型输出的信息。具体实施时,获取目标用户的历史学习行为数据;将目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型,获取预估模型输出的目标用户针对选学知识点的预估掌握情况。
其中,预估模型可以是利用历史用户的历史学习行为数据训练得到的。预估模型输出的预估掌握情况可以包括目标用户对选学知识点的掌握程度,可以用百分数表示。示例性的,可以利用百分数表示预估模型输出的目标用户对选学知识点的预估掌握情况,之后,与预设预估值进行比较,如果小于,则确定预估掌握情况为目标用户无法掌握选学知识点;如果大于或等于,则确定预估掌握情况为目标用户能够掌握选学知识点。
历史学习行为数据,例如,可以包括对包含选学知识点的题目的历史答题正确率、历史答题时间等;对包含选学知识点的历史课程的听课情况,比如注意力是否集中,课程快进/快退情况等;对包含选学知识点的历史课程的课堂反馈,比如选学知识点讲解“太简单了”/“太复杂了”,或者,选学知识点讲解“进度太快了”/“进度太慢了”等。
这里,在将目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型之前,还可以对预估模型的输出结果进行准确度测试,即预估模型置信度,如果模型置信度低于预设置信度,则说明该预估模型输出的预估掌握情况的准确度不满足条件,之后,不再利用预估模型输出预估掌握情况。具体实施时,基于最近预设时长内各个历史用户的历史学习行为数据,对预估模型进行准确度测试;在确定预估模型的准确度大于设定阈值的情况下,将目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型。
其中,预设置信度和设定阈值可以根据经验值设定,本公开实施例不进行具体限定。
在确定预估模型的准确度小于或等于设定阈值的情况下,可以利用方式2,即利用目标用户的历史答题表现信息,确定目标用户针对选学知识点的预估掌握情况。
针对方式2,首先,可以获取目标用户的历史答题表现信息;之后,可以根据目标用户的历史答题表现信息和针对选学知识点而设定的答题表现参考信息,确定目标用户针对选学知识点的预估掌握情况。
其中,历史答题表现信息用于表征用户的历史答题正确率和/或用户在历史答题过程中的降级学习时长。答题表现参考信息可以为历史答题表现信息的参考信息,比如历史答题正确率的参考信息,即预设的最小正确率;或者,降级学习时长的参考信息,即预设的最大降级学习时长等。
在一些实施例中,可以根据目标用户的历史答题正确率与预设的最小正确率之间的比较结果,和/或目标用户的降级学习时长与预设的最大降级学习时长之间的比较结果,确定目标用户针对选学知识点的预估掌握情况。
历史答题表现信息中的历史答题正确率可以包括目标用户针对与选学知识点(四级知识点)相关联的知识点的历史答题正确率。示例性的,历史答题正确率可以为针对选学知识点的上一级别知识点对应的历史题目的答题正确率;和/或,可以为目标讲解容器内已经播放过的选学知识点对应的历史题目的答题正确率。
或者,确定历史答题正确率的方式还可以根据实际应用场景设定,本公开实施例不进行具体限定,不脱离本公开的范围,本领域技术人员可以确定历史答题正确率的方式做出适应性调整,这些调整都应落在本公开的范围内。历史答题正确率越高表示目标用户对选学知识点的掌握情况越好,即越能够掌握选学知识点。
答题表现参考信息中的预设的最小正确率可以为统计的能够掌握选学知识点的用户的历史答题正确率的最小值。因此,可以根据目标用户的历史答题正确率与预设的最小正确率之间的比较结果,在目标用户的历史答题正确率小于预设的最小正确率的情况下,确定目标用户对选学知识点的预估掌握情况为无法掌握选学知识点。在目标用户的历史答题正确率大于或等于预设的最小正确率的情况下,确定目标用户对选学知识点的预估掌握情况为能够掌握选学知识点。
历史答题表现信息中的降级学习时长可以包括但不仅限于:目标用户针对与选学知识点关联的部分知识点对应的历史讲解内容的回退行为时长、暂停行为时长、减速行为时长中的至少一种。确定历史降级学习时长的方式还可以根据实际应用场景设定,本公开实施例不进行具体限定,不脱离本公开的范围,本领域技术人员可以针对确定历史降级学习时长的方式做出适应性调整,这些调整都应落在本公开的范围内。
其中,回退行为时长,比如目标用户重复播放已经播放过的某一讲解内容的总时长;暂停行为时长,比如目标用户将讲解内容暂停播放的时长;减速行为时长,比如目标用户慢速(比如0.5倍速)播放视频讲解内容的总时长。
答题表现参考信息中的预设的最大降级学习时长可以为统计的能够掌握选学知识点的用户的降级学习时长的最大值。因此,还可以根据目标用户的降级学习时长与预设的最大降级学习时长之间的比较结果,在目标用户的降级学习时长大于预设的最大降级学习时长的情况下,确定目标用户对选学知识点的预估掌握情况为无法掌握选学知识点。在目标用户的降级学习时长小于或等于预设的最大降级学习时长的情况下,确定目标用户对选学知识点的预估掌握情况为能够掌握选学知识点。
在一些实施例中,还可以根据目标用户针对上一知识点级别的历史答题表现信息和针对选学知识点而设定的答题表现参考信息,确定目标用户针对选学知识点的预估掌握情况。
其中,上一知识点级别可以为目标讲解容器所对应的知识点级别的上一级别,在各知识点级别中,在上一级别的知识点下包含多个下一级别的知识点。
目标用户针对上一知识点级别的历史答题表现信息,包括目标用户针对上一知识点级别的历史答题正确率和/或降级学习时长。针对上一知识点级别对应的历史答题正确率,例如,可以为目标用户所作答的上一知识点级别下的各个题目的平均答题正确率。针对上一知识点级别对应的降级学习时长,例如,可以为目标用户针对上一知识点级别对应的历史讲解内容的回退行为时长、暂停行为时长、减速行为时长中的一种,或者,多种时长之和。
具体实施时,可以根据目标用户针对上一知识点级别的历史答题正确率与预设的最小正确率之间的比较结果,和/或目标用户针对上一知识点级别的降级学习时长占比与预设的最大降级学习时长占比之间的比较结果,确定目标用户针对选学知识点的预估掌握情况。
示例性的,在上一知识点级别的历史答题正确率小于预设的最小正确率,和/或上一知识点级别的降级学习时长占比大于预设的最大降级学习时长的情况下,确定目标用户对选学知识点的预估掌握情况为无法掌握选学知识点。在上一知识点级别的历史答题正确率大于或等于预设的最小正确率,和/或上一知识点级别的降级学习时长占比小于或等于预设的最大降级学习时长的情况下,确定目标用户对选学知识点的预估掌握情况为能够掌握选学知识点。
这里,由于上一知识点级别包括目标讲解容器中全部的选学知识点,因此,在统计上一知识点级别的历史答题正确率和降级学习时长时,使用的历史学习行为数据中既可以包括上一知识点级别对应的其它讲解容器中知识点的学习行为数据,也可以包括针对目标讲解容器中已经学习过的必学知识点和选学知识点的学习行为数据。如果只使用上一知识点级别对应的其它讲解容器中知识点的学习行为数据,这里得到的预估掌握情况,可以是针对目标讲解容器内所有选学知识点的,如果除了使用上一知识点级别对应的其它讲解容器中知识点的学习行为数据,还使用当前目标讲解容器中已经学习过的必学知识点和选学知识点的学习行为数据,此时可以实现对选学知识点的掌握情况进行更实时地预估。
在一些实施例中,可以根据目标讲解容器内已经播放过的知识点的讲解内容,实时更新目标用户对当前待讲解的选学知识点的预估掌握情况。具体可以参见以下方式更新目标用户对当前待讲解的选学知识点的预估掌握情况:
方式1、可以利用预估模型,输入目标用户已经学习过的必学知识点和选学知识点对应的讲解内容的听课情况,比如注意力是否集中,课程快进/快退情况等;和/或,输入目标用户已经学习过的必学知识点和选学知识点对应的讲解内容的课堂反馈,比如目标讲解容器内播放过的选学知识点讲解“太简单了”/“太复杂了”,或者,讲解“进度太快了”/“进度太慢了”等;和/或,输入目标用户的历史学习行为数据。之后,获取预估模型输出的目标用户对当前待讲解的选学知识点的预估掌握情况。
方式2、可以利用目标讲解容器内已经播放过的知识点的历史答题正确率;和/或,利用目标讲解容器内已经播放过的知识点对应的讲解内容的降级学习时长。示例性的,在历史答题正确率小于预设的最小正确率,和/或,降级学习时长大于预设的最大降级学习时长的情况下,确定目标用户对当前待讲解的选学知识点的预估掌握情况为无法掌握选学知识点。在历史答题正确率大于或等于预设的最小正确率,和/或,降级学习时长占比小于或等于预设的最大降级学习时长的情况下,确定目标用户对当前待讲解的选学知识点的预估掌握情况为能够掌握选学知识点。
参见图2所示,其为一种多媒体内容播放控制的具体流程示意图,包括S201~S206,其中:
S201:针对目标讲解容器当前待讲解的知识点,判断当前待讲解的知识点的目标类型;如果目标类型指示为必学知识点,则执行S207;如果目标类型指示为选学知识点,则执行S202。
S202:确定目标用户针对选学知识点的预估掌握情况。
这里,确定目标用户针对当前待讲解的选学知识点的预估掌握情况可以参见上述确定预估掌握情况的说明,重复部分在此不再赘述。
S203:根据确定的选学知识点的预估掌握情况,判断是否跳过选学知识点的讲解内容;在判断结果为不跳过选学知识点的讲解内容的情况下,执行S204;在判断结果为跳过选学知识点的讲解内容的情况下,执行S205。
S204:播放选学知识点的讲解内容。
S205:跳过选学知识点的讲解内容。
S206:判断下一个待讲解的知识点的目标类型,若下一待讲解的知识点的目标类型指示为必学知识点,则执行S207;若下一待讲解的知识点的目标类型指示为选学知识点,则执行S203,直到完成目标讲解容器内需要学习的知识点的讲解。
S207:播放必学知识点的讲解内容。
针对S205,在判断结果指示跳过选学知识点的学习的情况下,可以直接跳过对选学知识点对应的讲解内容的播放,能够提高目标用户对目标讲解容器内讲解内容的学习效率。
或者,还可以先请求目标用户的同意,在确定目标用户同意跳过对选学知识点的讲解内容的学习的情况下,再跳过对选学知识点的讲解内容的播放,综合考虑目标用户的主观意愿,能够降低判断结果误判导致目标用户漏学知识点的情况的发生。在一些实施例中,若根据预估掌握情况,确定目标用户无法掌握选学知识点的情况下,还可以向目标用户发出提示信息;其中,提示信息用于指示选学知识点对目标用户难度较大,提示选择是否跳过选学知识点的讲解内容;响应目标用户的确认操作,选择跳过选学知识点的讲解内容。
通过上述S101~S103,由于能够预估目标用户对选学知识点的掌握情况,因此,根据预估掌握情况选择目标用户是否跳过选学知识点的讲解内容,如果预估目标用户不能掌握选学知识点,可以直接跳过选学知识点的讲解内容,即目标用户可以不学习该选学知识点的讲解内容,避免浪费学习时间;如果预估目标用户能够掌握选学知识点,则播放选学知识点的讲解内容。因此,本公开实施例能够准确选择出适合目标用户学习的选学知识点,也即目标用户能够掌握的选学知识点,进而有利于提高目标用户针对目标讲解容器的整体学习效率。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与多媒体内容播放控制方法对应的多媒体内容播放控制装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述多媒体内容播放控制方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图3所示,为本公开实施例提供的一种多媒体内容播放控制装置的示意图,所述装置包括:知识点确定模块301、必学内容播放模块302和选学内容判断模块303;其中,
知识点确定模块301,用于响应目标用户针对目标讲解容器的讲解请求,从所述目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;所述目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;
必学内容播放模块302,用于在所述当前待讲解的知识点为所述目标用户的必学知识点的情况下,播放所述必学知识点的讲解内容;
选学内容判断模块303,用于在所述当前待讲解的知识点为所述目标用户的选学知识点的情况下,根据所述目标用户针对所述选学知识点的预估掌握情况,选择是否跳过所述选学知识点的讲解内容,以针对所述目标讲解容器中的下一个待讲解的知识点进行播放控制。
一种可选的实施方式中,所述选学内容判断模块303,具体用于获取所述目标用户的历史学习行为数据;
将所述目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型,获取所述预估模型输出的所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,所述选学内容判断模块303,具体用于获取所述目标用户的历史答题表现信息,所述历史答题表现信息用于表征用户的历史答题正确率和/或所述用户在历史答题过程中的降级学习时长;
根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况。
一种可选的实施方式中,所述选学内容判断模块303,具体用于根据所述目标用户针对上一知识点级别的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况;所述上一知识点级别为所述目标讲解容器所对应的知识点级别的上一级别,在各知识点级别中,在上一级别的知识点下包含多个下一级别的知识点。
一种可选的实施方式中,所述当前待讲解的知识点的目标类型为所述必学知识点或选学知识点;
所述装置还包括知识点类型确定模块304,用于根据所述当前待讲解的知识点的至少一种属性特征,以及所述必学知识点或所述选学知识点所匹配的目标属性特征,确定所述当前待讲解的知识点的目标类型;
所述属性特征包括难度等级、重要程度、考核频次中的至少一种。
一种可选的实施方式中,所述选学内容判断模块303,具体用于若根据所述预估掌握情况,确定所述目标用户能够掌握所述选学知识点,选择播放所述选学知识点的讲解内容;若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过所述选学知识点的讲解内容。
一种可选的实施方式中,所述选学内容判断模块303,具体用于若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,向所述目标用户发出提示信息;所述提示信息用于指示所述选学知识点对所述目标用户难度较大,提示是否跳过所述选学知识点的讲解内容;
响应所述目标用户的确认操作,选择跳过所述选学知识点的讲解内容。
关于多媒体内容播放控制装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述多媒体内容播放控制方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本申请实施例还提供了一种计算机设备。参照图4所示,为本申请实施例提供的计算机设备的结构示意图,包括:
处理器41、存储器42和总线43。其中,存储器42存储有处理器41可执行的机器可读指令,处理器41用于执行存储器42中存储的机器可读指令,所述机器可读指令被处理器41执行时,处理器41执行下述步骤:S101:响应目标用户针对目标讲解容器的讲解请求,从目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;S102:在当前待讲解的知识点为目标用户的必学知识点的情况下,播放必学知识点的讲解内容;S103:在当前待讲解的知识点为目标用户的选学知识点的情况下,根据目标用户针对选学知识点的预估掌握情况,选择是否跳过选学知识点的讲解内容,以针对目标讲解容器中的下一个待讲解的知识点进行播放控制。
上述存储器42包括内存421和外部存储器422;这里的内存421也称内存储器,用于暂时存放处理器41中的运算数据,以及与硬盘等外部存储器422交换的数据,处理器41通过内存421与外部存储器422进行数据交换,当计算机设备运行时,处理器41与存储器42之间通过总线43通信,使得处理器41在执行上述方法实施例中所提及的执行指令。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的多媒体内容播放控制方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行时实现上述的多媒体内容播放控制方法的步骤。其中,计算机程序产品可以是任何能实现上述多媒体内容播放控制方法的产品,该计算机程序产品中对现有技术做出贡献的部分或全部方案可以以软件产品(例如软件开发包(Software Development Kit,SDK))的形式体现,该软件产品可以被存储在一个存储介质中,通过包含的计算机指令使得相关设备或处理器执行上述多媒体内容播放控制方法的部分或全部步骤。
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,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,所述模块的划分,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,又例如,多个模块或组件可以结合,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通信接口,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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开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。
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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开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)执行本公开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(Read-OnlyMemory,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。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种多媒体内容播放控制方法,其特征在于,包括:
响应目标用户针对目标讲解容器的讲解请求,从所述目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;所述目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;
在所述当前待讲解的知识点为所述目标用户的必学知识点的情况下,播放所述必学知识点的讲解内容;
在所述当前待讲解的知识点为所述目标用户的选学知识点的情况下,根据所述目标用户针对所述选学知识点的预估掌握情况,选择是否跳过所述选学知识点的讲解内容,以针对所述目标讲解容器中的下一个待讲解的知识点进行播放控制。
2.根据权利要求1所述的方法,其特征在于,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
获取所述目标用户的历史学习行为数据;
将所述目标用户的历史学习行为数据输入到预先训练的选学知识点掌握情况的预估模型,获取所述预估模型输出的所述目标用户针对所述选学知识点的预估掌握情况。
3.根据权利要求1所述的方法,其特征在于,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
获取所述目标用户的历史答题表现信息,所述历史答题表现信息用于表征用户的历史答题正确率和/或所述用户在历史答题过程中的降级学习时长;
根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况。
4.根据权利要求3所述的方法,其特征在于,根据所述目标用户的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况,包括:
根据所述目标用户针对上一知识点级别的历史答题表现信息和针对所述选学知识点而设定的答题表现参考信息,确定所述目标用户针对所述选学知识点的预估掌握情况;所述上一知识点级别为所述目标讲解容器所对应的知识点级别的上一级别,在各知识点级别中,在上一级别的知识点下包含多个下一级别的知识点。
5.根据权利要求1~4任一所述的方法,其特征在于,根据以下步骤确定所述当前待讲解的知识点的目标类型,所述目标类型为所述必学知识点或选学知识点:
根据所述当前待讲解的知识点的至少一种属性特征,以及所述必学知识点或所述选学知识点所匹配的目标属性特征,确定所述当前待讲解的知识点的目标类型;
所述属性特征包括难度等级、重要程度、考核频次中的至少一种。
6.根据权利要求1所述的方法,其特征在于,根据确定的所述预估掌握情况,选择是否跳过所述选学知识点的讲解内容,包括:
若根据所述预估掌握情况,确定所述目标用户能够掌握所述选学知识点,选择播放所述选学知识点的讲解内容;若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过所述选学知识点的讲解内容。
7.根据权利要求6所述的方法,其特征在于,若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,选择跳过播放所述选学知识点的讲解内容,包括:
若根据所述预估掌握情况,确定所述目标用户无法掌握所述选学知识点,向所述目标用户发出提示信息;所述提示信息用于指示所述选学知识点对所述目标用户难度较大,提示是否跳过所述选学知识点的讲解内容;
响应所述目标用户的确认操作,选择跳过所述选学知识点的讲解内容。
8.一种多媒体内容播放控制装置,其特征在于,包括:
知识点确定模块,用于响应目标用户针对目标讲解容器的讲解请求,从所述目标讲解容器中按照知识点的讲解顺序确定当前待讲解的知识点;所述目标讲解容器用于维护具有逻辑关联先后顺序的知识点对应的讲解内容;
必学内容播放模块,用于在所述当前待讲解的知识点为所述目标用户的必学知识点的情况下,播放所述必学知识点的讲解内容;
选学内容判断模块,用于在所述当前待讲解的知识点为所述目标用户的选学知识点的情况下,根据所述目标用户针对所述选学知识点的预估掌握情况,选择是否跳过所述选学知识点的讲解内容,以针对所述目标讲解容器中的下一个待讲解的知识点进行播放控制。
9.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的多媒体内容播放控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一项所述的多媒体内容播放控制方法的步骤。
CN202111322475.9A 2021-11-09 2021-11-09 多媒体内容播放控制方法、装置、计算机设备和存储介质 Pending CN116108209A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111322475.9A CN116108209A (zh) 2021-11-09 2021-11-09 多媒体内容播放控制方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111322475.9A CN116108209A (zh) 2021-11-09 2021-11-09 多媒体内容播放控制方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116108209A true CN116108209A (zh) 2023-05-12

Family

ID=86262518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111322475.9A Pending CN116108209A (zh) 2021-11-09 2021-11-09 多媒体内容播放控制方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116108209A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596716A (zh) * 2023-05-23 2023-08-15 深圳市新风向科技股份有限公司 一种网络学习管理方法、系统、存储介质及智能终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596716A (zh) * 2023-05-23 2023-08-15 深圳市新风向科技股份有限公司 一种网络学习管理方法、系统、存储介质及智能终端
CN116596716B (zh) * 2023-05-23 2024-01-30 深圳市新风向科技股份有限公司 一种网络学习管理方法、系统、存储介质及智能终端

Similar Documents

Publication Publication Date Title
CN109389870B (zh) 一种应用于电子教学中的数据自适应调整方法及其装置
CN108664649B (zh) 知识内容推送方法、装置和推送服务器
CN111914176B (zh) 题目的推荐方法及装置
WO2023071505A1 (zh) 一种题目推荐方法、装置、计算机设备和存储介质
CN109300349A (zh) 一种基于网络学习平台的高效远程教育管理系统
US10354543B2 (en) Implementing assessments by correlating browsing patterns
CN111081106A (zh) 一种作业推送的方法、系统、设备和存储介质
CN109886848B (zh) 数据处理的方法、装置、介质和电子设备
CN116108209A (zh) 多媒体内容播放控制方法、装置、计算机设备和存储介质
CN113409174A (zh) 知识点测评方法和装置
Botelho et al. The prediction of student first response using prerequisite skills
KR20160082078A (ko) 교육 서비스 시스템
JP6397146B1 (ja) 学習支援装置及びプログラム
CN110990707A (zh) 一种学习内容推送的方法、系统、设备及存储介质
CN109885727A (zh) 资料推送方法、装置、电子设备及系统
TW201816706A (zh) 具個人化學習路徑自動產生機制之學習規劃方法與學習規劃系統
Ostrow et al. Optimizing Partial Credit Algorithms to Predict Student Performance.
Rajamani et al. An adaptive assessment system to compose serial test sheets using item response theory
CN113469508B (zh) 基于数据分析的个性化教育管理系统、方法、介质
Azhar et al. Optimizing Representations and Policies for Question Sequencing Using Reinforcement Learning.
CN114841157A (zh) 基于数据分析的线上互动方法、系统、设备及存储介质
KR102385073B1 (ko) 점수 확률분포 형태 통일화를 통해 평가 가능한 문제를 추천하는 학습 문제 추천 시스템 및 이것의 동작방법
JP7244056B2 (ja) 実技レベルの達成条件の判定装置、判定方法、プログラム、および記録媒体
US11122343B2 (en) Personalized video interjections based on learner model and learning objective
CN112528221A (zh) 一种基于连续矩阵分解的知识与能力二元追踪方法

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