CN116127172A - 自适应学习系统及方法 - Google Patents
自适应学习系统及方法 Download PDFInfo
- Publication number
- CN116127172A CN116127172A CN202310133448.XA CN202310133448A CN116127172A CN 116127172 A CN116127172 A CN 116127172A CN 202310133448 A CN202310133448 A CN 202310133448A CN 116127172 A CN116127172 A CN 116127172A
- Authority
- CN
- China
- Prior art keywords
- learning unit
- learning
- searching
- adjustment
- search
- 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.)
- Granted
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
- G06F16/90—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及数据处理领域,尤其涉及一种自适应学习系统及方法,该系统包括获取模块,用以获取待学习内容,并对待学习内容进行存储;分割模块,用以根据学习内容的耦合度对待学习内容进行分割,形成若干学习单元;统计模块,用以统计在进行任意学习单元学习的过程中,掌握学习单元的知识内容所需的辅助网页数据,形成辅助数据量;设置模块,预先设置有第一标准数据量和第二标准数据量;中控模块,用以根据辅助数据量与第一标准数据量和第二标准数据量的关系调整对待学习内容进行分割后进行搜索的策略。本发明在进行学习的过程中对辅助数据量进行一定程度的调整,实现对待学习内容的高效学习,有效降低了对用户的学习监督的局限性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种自适应学习系统及方法。
背景技术
随着网络的不断发展,人们通过客户端进行网络学习已经成为热潮,越来越多的人们采用线上的方式进行学习,不但节约了场地的费用而且能够利用网络资源进行多次回放回听以巩固所学的内容。但是采用网络学习的弊端就是无法对所学内容进行考核,无法确定每个人在学习过程中对知识点的掌握情况。
公开号为CN101231739A的专利文献公开了一种网络学习监控反馈系统,该系统包括控制台、数据库服务器、应用服务器、第一计算机终端、第二计算机终端和第三计算机终端,所述控制台分别与数据库服务器、应用服务器、第一计算机终端、第二计算机终端、第三计算机终端相连,所述数据库服务器与应用服务器相互连接,数据库服务器,其上设有一个数据管理模块,该数据管理模块包括学习者网络学习行为信息库、学习者信息库、课程知识点结构信息库,该数据库服务器提供以上信息库中的数据索引服务和安全与审计服务;应用服务器,其上设有学习行为记录模块、信息统计分析模块、学习决策支持模块,信息预警模块,其中:学习行为记录模块,运行于应用服务器上,真实记录学习者在系统中的网络学习的一切行为的模块,具体包括每次登陆时间、每次退出时间、每个知识点开始时间、每个知识点结束时间、每个知识点的学习情况,在每一句或每一道试题上花费的时间及掌握情况;信息统计分析模块,运行于应用服务器上,根据学习行为记录模块中记录下来的学习者的信息进行表分析,最终归纳-建构学习者的网络学习模型、网络课程知识点评价和建设标准;学习决策支持模块,运行于应用服务器上,基于信息统计分析模块产生对学习者的网络学习提供支持的决策和用于对网络课程开发提供支持的决策;信息预警模块,运行于应用服务器上,对学习内容开发者提供各种学习内容设计的是否合理提供反馈信息的信息预警模块;第一计算机终端,其上设有辅助有效学习反馈信息模块,所述的辅助有效学习反馈信息模块在进行网络学习的学习者的学习时间、学习速度、学习难度、学习强度、学习策略方面提供有益的反馈信息或预警信息,对学习者的网络学习提供各种有利于进行有效学习的辅助信息;第二计算机终端,其上设有课程设计反馈信息模块,所述的课程设计反馈信息模块为网络课程设计者的课程设计是否合理、知识点序列是否合理、学习内容容量是否合理、表现方式是否丰富提供科学合理的反馈;第三计算机终端,其上设有学习内容设计反馈信息模块,所述的学习内容设计反馈信息模块帮助学习内容设计者开发的学习内容的难度、容量,试题的区分度、难度,测试的准确性和效度提供科学合理的反馈,对学习内容开发者提供各种学习内容设计的是否合理提供反馈信息。
但是,在学习过程中对用户是否有进行有效学习缺少监控信息,致使对用户的学习监督存在局限性。
发明内容
为此,本发明提供一种自适应学习系统及方法,可以解决对用户的学习监督存在局限性的问题。
为实现上述目的,本发明一方面提供一种自适应学习系统,包括:
获取模块,用以获取待学习内容,并对待学习内容进行存储;
分割模块,与所述获取模块连接,用以根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
统计模块,与所述分割模块连接,用以统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
设置模块,与所述统计模块连接,预先设置有第一标准数据量和第二标准数据量;
中控模块,分别与所述统计模块、所述设置模块以及所述分割模块连接,用以根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略,以使得所述辅助数据量经过调整之后符合要求。
进一步地,所述统计模块包括确定单元、设置单元和判定单元,其中在形成辅助数据量的过程中,所述确定单元用以根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,所述设置单元用以设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
进一步地,所述中控模块根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
进一步地,还包括确定模块,所述确定模块与所述中控模块连接,所述确定模块用以根据所述学习单元的辅助信息数x确定所述学习单元的搜索次数阈值的修正方式,预先设置有第一辅助信息阈值X1及阈值修正系数β,
若x≤X1,则判定无需对所述学习单元的搜索次数阈值进行调节;
若x>X1,则判定需对所述学习单元的搜索次数阈值进行调节,将调节后所述学习单元的第一搜索次数阈值记为S1,所述学习单元的第二搜索次数阈值记为S2,设定S1=S10×(2-β),S2=S20×β;
其中,0.8<β<1;
S10为初始第一搜索次数阈值,S20为初始第二搜索次数阈值;
所述第一搜索次数阈值S1为所述学习单元的搜索次数下限,所述第二搜索次数阈值为S2为所述学习单元的搜索次数上限,且S1<S2。。
进一步地,所述确定模块根据调整后所述学习单元的搜索次数S1与所述学习单元的搜索次数阈值的比对结果判断搜索次数的调节是否有效以确定所述学习单元的搜索次数调整值,
在第一辅助阈值调节条件下,
若S1≤s1≤S2,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为sa,设定sa=s1;
若s1<S1,则判定搜索次数调节无效并设定sa=S1;
若s1>S2,则判定搜索次数调节无效并设定sa=S2;
在第二辅助阈值调节条件下,
若S10≤s1≤S20,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为Sa,设定Sa=S1;
若s1<S10,则判定搜索次数调节无效并设定sa=S10;
若s1>S20,则判定搜索次数调节无效并设定sa=S20;
其中,所述第一辅助阈值调节条件为判定需对所述学习单元的搜索次数阈值进行调节;所述第二辅助阈值调节条件为判定无需对所述学习单元的搜索次数阈值进行调节。
进一步地,所述判定单元还用以预先设置有第一搜索网页量标准G1、第二搜索网页量标准G2,第一用户搜索系数δ1和第二用户搜索系数δ2,G表示实际搜索网页量;
若G≤G1,则判定搜索阶段处于第一搜索区间并采用第一用户搜索调节方式,使用第一用户搜索系数δ1对所述学习单元的搜索次数进行调节;
若G1<G≤G2,则判定搜索阶段处于第二搜索区间并采用第二用户搜索调节方式,无需对学习单元的搜索次数进行调节;
若G>G2,则判定用户处于第三搜索区间并采用第三用户搜索调节方式,使用第二用户搜索系数δ2对所述学习单元的搜索次数进行调节;
其中,G1<G2,0<δ1<1<δ2。
进一步地,所述确定模块还用以根据用户在单个学习单元的实际搜索次数vsi确定对应的所述学习单元的掌握程度以为用户生成学习单元的记忆文本,预先设置有第一掌握度搜索次数VS1和第二掌握度搜索次数VS2,
若vsi<VS1,则判定用户掌握程度处于第一掌握程度并生成对应学习单元的全部记忆文本;
若VS1≤vsi<VS2,则判定用户掌握程度处于第二掌握程度并生成对应学习单元的重点记忆文本;
若vsi≥VS2,则判定用户掌握程度处于第三掌握程度并无需生成对应学习单元的记忆文本;
其中,VS1<VS2,所述全部记忆文本为预先存储的对应单个学习单元的记忆文本,所述重点记忆文本为预先存储的对应单个学习单元的记忆文本的重点部分。
另一方面,本发明还提供一种基于如上所述的自适应学习系统的自适应学习方法,包括:
获取待学习内容,并对待学习内容进行存储;
根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
预先设置有第一标准数据量和第二标准数据量;
根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略,以使得所述辅助数据量经过调整之后符合要求。
进一步地,在形成辅助数据量的过程中,根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
进一步地,根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
与现有技术相比,本发明的有益效果在于,通过对待学习内容进行分割成多个学习单元,并且对于每个学习单元在学习过程中需要进行辅助理解的辅助网页数据进行统计,在实际应用中,对于任意学习单元的学习构成对待学习内容的学习,学习单元的掌握程度就是待学习内容的掌握程度,而对于任意学习单元在学习过程中所需要的辅助数据可以是网络数据也可以是本地数据,当辅助数据是网络数据就需要根据学习单元里面的内容关键词进行搜索,以确定对应的学习单元所表达的含义以及知识内容,以帮助学员更好的进行待学习内容的理解和学习,在实际应用中,对于学习单元中的内容关键词进行搜索具有很多种方式和策略,在实际应用中若是需要搜索的内容过多,则会影响对该学习单元的学习进度,因此需要对学习单元进行重新分割以使得对任意学习单元的搜索数据量稳定在一定范围内,搜索内容过少则不利于对学习单元中学习内容的理解,因此本发明在进行学习的过程中对辅助数据量进行一定程度的调整,实现对待学习内容的高效学习,有效降低了对用户的学习监督的局限性。
尤其,通过比较辅助数据量与预先设置的第一辅助数据量D1和第二辅助数据量D2的关系确定对学习单元的搜索次数进行调整的系数,使得针对学习单元进行搜索的次数进行智能调整,使得对于学习单元的辅助数据更为精准,提高用户对学习单元中的学习内容的掌握情况。
尤其,通过学习单元的辅助信息数x与第一辅助信息阈值X1进行比较,并在辅助信息数大于第一辅助信息阈值X1时利用阈值修正系数β调整学习单元的搜索次数阈值,使得搜索次数稳定在预设的范围内,防止对学习内容进行过多的辅助内容增加学习任务,以及学习内容过少,使得学习内容无法被理解和吸收,提高对学习单元的吸收效率。
尤其,通过对搜索次数调节的有效性进行判定,确定学习单元实际的搜索次数调整值,使得针对任意学习单元都能进行高效的辅助信息的搜索,提高对辅助信息的搜索效率,便于用户对学习单元进行更为高效地学习和掌握,提高学习单元的内化效率。
尤其,通过确定实际网页搜索量对应的搜索阶段,并在不同的搜索阶段设置不同的搜索方式,搜索方式的不同带来辅助信息的不同,使用不同的用户搜索系数对学习单元的搜索次数进行调节,实现对搜索次数的精确调整,以实现对学习单元匹配的辅助内容的精准确定,提高对学习单元内容的吸收程度,提高学习效率。
尤其,通过对学习内容的掌握程度来生成基于对应学习单元的记忆文本,便于用户进行重点记忆,来提升对学习单元的掌握情况,在实际应用中用户的搜索次数多,则针对学习单元的拓展则比较多,因此学习的效率高,需要接触的内容也更丰富,本发明通过在搜索次数较多时,则不进行记忆文本的生成,对于搜索次数较少,则需要进行记忆文本的生成,以辅助在进行学习单元的学习过程中的对知识点的吸收和掌握,提高学习效率。
附图说明
图1为本发明实施例提供的一种自适应学习系统的结构示意图;
图2为本发明实施例提供的另一种自适应学习系统的结构示意图;
图3为本发明实施例提供的自适应学习方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,本发明实施例提供的自适应学习系统,包括:
获取模块10,用以获取待学习内容,并对待学习内容进行存储;
分割模块20,与所述获取模块连接,用以根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
统计模块30,与所述分割模块连接,用以统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
设置模块40,与所述统计模块连接,预先设置有第一标准数据量和第二标准数据量;
中控模块50,分别与所述统计模块、所述设置模块以及所述分割模块连接,用以根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略,以使得所述辅助数据量经过调整之后符合要求。
具体而言,本发明实施例通过对待学习内容进行分割成多个学习单元,并且对于每个学习单元在学习过程中需要进行辅助理解的辅助网页数据进行统计,在实际应用中,对于任意学习单元的学习构成对待学习内容的学习,学习单元的掌握程度就是待学习内容的掌握程度,而对于任意学习单元在学习过程中所需要的辅助数据可以是网络数据也可以是本地数据,当辅助数据是网络数据就需要根据学习单元里面的内容关键词进行搜索,以确定对应的学习单元所表达的含义以及知识内容,以帮助学员更好的进行待学习内容的理解和学习,在实际应用中,对于学习单元中的内容关键词进行搜索具有很多种方式和策略,在实际应用中若是需要搜索的内容过多,则会影响对该学习单元的学习进度,因此需要对学习单元进行重新分割以使得对任意学习单元的搜索数据量稳定在一定范围内,搜索内容过少则不利于对学习单元中学习内容的理解,因此本发明实施例在进行学习的过程中对辅助数据量进行一定程度的调整,实现对待学习内容的高效学习。
具体而言,如图2所示,所述统计模块30包括确定单元31、设置单元32和判定单元33,其中在形成辅助数据量的过程中,所述确定单元用以根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,所述设置单元用以设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
具体而言,本发明实施例通过对统计模块的具体功能进行了限定,通过设定确定单元来确定是否对学习单元进行搜索次数调节,搜索次数的调节以为着搜索内容的增加,对于搜索内容的理解和学习会增加学习单元的学习时长,通过对学习单元的搜索次数调节次数百分比是否符合搜索调节次数百分比标准进行判定,确定搜索过程中的搜索策略,提高对学习单元进行搜索的内容确定的精准性。
具体而言,所述中控模块根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<
α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
具体而言,本发明实施例通过比较辅助数据量与预先设置的第一辅助数据量D1和第二辅助数据量D2的关系确定对学习单元的搜索次数进行调整的系数,使得针对学习单元进行搜索的次数进行智能调整,使得对于学习单元的辅助数据更为精准,提高用户对学习单元中的学习内容的掌握情况。
具体而言,还包括确定模块,所述确定模块与所述中控模块连接,所述确定模块用以根据所述学习单元的辅助信息数x确定所述学习单元的搜索次数阈值的修正方式,预先设置有第一辅助信息阈值X1及阈值修正系数β,
若x≤X1,则判定无需对所述学习单元的搜索次数阈值进行调节;
若x>X1,则判定需对所述学习单元的搜索次数阈值进行调节,将调节后所述学习单元的第一搜索次数阈值记为S1,所述学习单元的第二搜索次数阈值记为S2,设定S1=S10×(2-β),S2=S20×β;
其中,0.8<β<1;
S10为初始第一搜索次数阈值,S20为初始第二搜索次数阈值;
所述第一搜索次数阈值S1为所述学习单元的搜索次数下限,所述第二搜索次数阈值为S2为所述学习单元的搜索次数上限,且S1<S2。
具体而言,本发明实施例通过学习单元的辅助信息数x与第一辅助信息阈值X1进行比较,并在辅助信息数大于第一辅助信息阈值X1时利用阈值修正系数β调整学习单元的搜索次数阈值,使得搜索次数稳定在预设的范围内,防止对学习内容进行过多的辅助内容增加学习任务,以及学习内容过少,使得学习内容无法被理解和吸收,提高对学习单元的吸收效率。
具体而言,所述确定模块根据调整后所述学习单元的搜索次数S1与所述学习单元的搜索次数阈值的比对结果判断搜索次数的调节是否有效以确定所述学习单元的搜索次数调整值,
在第一辅助阈值调节条件下,
若S1≤s1≤S2,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为sa,设定sa=s1;
若s1<S1,则判定搜索次数调节无效并设定sa=S1;
若s1>S2,则判定搜索次数调节无效并设定sa=S2;
在第二辅助阈值调节条件下,
若S10≤s1≤S20,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为Sa,设定Sa=S1;
若s1<S10,则判定搜索次数调节无效并设定sa=S10;
若s1>S20,则判定搜索次数调节无效并设定sa=S20;
其中,所述第一辅助阈值调节条件为判定需对所述学习单元的搜索次数阈值进行调节;所述第二辅助阈值调节条件为判定无需对所述学习单元的搜索次数阈值进行调节。
具体而言,本发明实施例通过对搜索次数调节的有效性进行判定,确定学习单元实际的搜索次数调整值,使得针对任意学习单元都能进行高效的辅助信息的搜索,提高对辅助信息的搜索效率,便于用户对学习单元进行更为高效地学习和掌握,提高学习单元的内化效率。
具体而言,所述判定单元还用以预先设置有第一搜索网页量标准G1、第二搜索网页量标准G2,第一用户搜索系数δ1和第二用户搜索系数δ2,G表示实际搜索网页量;
若G≤G1,则判定搜索阶段处于第一搜索区间并采用第一用户搜索调节方式,使用第一用户搜索系数δ1对所述学习单元的搜索次数进行调节;
若G1<G≤G2,则判定搜索阶段处于第二搜索区间并采用第二用户搜索调节方式,无需对学习单元的搜索次数进行调节;
若G>G2,则判定用户处于第三搜索区间并采用第三用户搜索调节方式,使用第二用户搜索系数δ2对所述学习单元的搜索次数进行调节;
其中,G1<G2,0<δ1<1<δ2。
具体而言,本发明实施例通过确定实际网页搜索量对应的搜索阶段,并在不同的搜索阶段设置不同的搜索方式,搜索方式的不同带来辅助信息的不同,使用不同的用户搜索系数对学习单元的搜索次数进行调节,实现对搜索次数的精确调整,以实现对学习单元匹配的辅助内容的精准确定,提高对学习单元内容的吸收程度,提高学习效率。
具体而言,所述确定模块还用以根据用户在单个学习单元的实际搜索次数vsi确定对应的所述学习单元的掌握程度以为用户生成学习单元的记忆文本,预先设置有第一掌握度搜索次数VS1和第二掌握度搜索次数VS2,
若vsi<VS1,则判定用户掌握程度处于第一掌握程度并生成对应学习单元的全部记忆文本;
若VS1≤vsi<VS2,则判定用户掌握程度处于第二掌握程度并生成对应学习单元的重点记忆文本;
若vsi≥VS2,则判定用户掌握程度处于第三掌握程度并无需生成对应学习单元的记忆文本;
其中,VS1<VS2,所述全部记忆文本为预先存储的对应单个学习单元的记忆文本,所述重点记忆文本为预先存储的对应单个学习单元的记忆文本的重点部分。
具体而言,本发明实施例通过对学习内容的掌握程度来生成基于对应学习单元的记忆文本,便于用户进行重点记忆,来提升对学习单元的掌握情况,在实际应用中用户的搜索次数多,则针对学习单元的拓展则比较多,因此学习的效率高,需要接触的内容也更丰富,本发明实施例通过在搜索次数较多时,则不进行记忆文本的生成,对于搜索次数较少,则需要进行记忆文本的生成,以辅助在进行学习单元的学习过程中的对知识点的吸收和掌握,提高学习效率。
具体而言,如图3所示,本发明实施例还提供一种基于如上所述的自适应学习系统的自适应学习方法,该方法包括:
步骤S100:获取待学习内容,并对待学习内容进行存储;
步骤S200:根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
步骤S300:统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
步骤S400:预先设置有第一标准数据量和第二标准数据量;
步骤S500:根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略。
具体而言,在形成辅助数据量的过程中,根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
具体而言,根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
具体而言,本发明实施例提供的自适应学习方法依赖于自适应学习系统,能够实现相同的技术方案,达到相同的技术效果,在此不再赘述。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自适应学习系统,其特征在于,包括:
获取模块,用以获取待学习内容,并对待学习内容进行存储;
分割模块,与所述获取模块连接,用以根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
统计模块,与所述分割模块连接,用以统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
设置模块,与所述统计模块连接,预先设置有第一标准数据量和第二标准数据量;
中控模块,分别与所述统计模块、所述设置模块以及所述分割模块连接,用以根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略,以使得所述辅助数据量经过调整之后符合要求。
2.根据权利要求1所述的自适应学习系统,其特征在于,所述统计模块包括确定单元、设置单元和判定单元,其中在形成辅助数据量的过程中,所述确定单元用以根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,所述设置单元用以设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,所述判定单元则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
3.根据权利要求2所述的自适应学习系统,其特征在于,
所述中控模块根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
4.根据权利要求3所述的自适应学习系统,其特征在于,
还包括确定模块,所述确定模块与所述中控模块连接,所述确定模块用以根据所述学习单元的辅助信息数x确定所述学习单元的搜索次数阈值的修正方式,预先设置有第一辅助信息阈值X1及阈值修正系数β,
若x≤X1,则判定无需对所述学习单元的搜索次数阈值进行调节;
若x>X1,则判定需对所述学习单元的搜索次数阈值进行调节,将调节后所述学习单元的第一搜索次数阈值记为S1,所述学习单元的第二搜索次数阈值记为S2,设定S1=S10×(2-β),S2=S20×β;
其中,0.8<β<1;
S10为初始第一搜索次数阈值,S20为初始第二搜索次数阈值;
所述第一搜索次数阈值S1为所述学习单元的搜索次数下限,所述第二搜索次数阈值为S2为所述学习单元的搜索次数上限,且S1<S2。
5.根据权利要求4所述的自适应学习系统,其特征在于,
所述确定模块根据调整后所述学习单元的搜索次数S1与所述学习单元的搜索次数阈值的比对结果判断搜索次数的调节是否有效以确定所述学习单元的搜索次数调整值,
在第一辅助阈值调节条件下,
若S1≤s1≤S2,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为sa,设定sa=s1;
若s1<S1,则判定搜索次数调节无效并设定sa=S1;
若s1>S2,则判定搜索次数调节无效并设定sa=S2;
在第二辅助阈值调节条件下,
若S10≤s1≤S20,则判定搜索次数调节有效,将所述学习单元的搜索次数调整值记为Sa,设定Sa=S1;
若s1<S10,则判定搜索次数调节无效并设定sa=S10;
若s1>S20,则判定搜索次数调节无效并设定sa=S20;
其中,所述第一辅助阈值调节条件为判定需对所述学习单元的搜索次数阈值进行调节;所述第二辅助阈值调节条件为判定无需对所述学习单元的搜索次数阈值进行调节。
6.根据权利要求5所述的自适应学习系统,其特征在于,
所述判定单元还用以预先设置有第一搜索网页量标准G1、第二搜索网页量标准G2,第一用户搜索系数δ1和第二用户搜索系数δ2,G表示实际搜索网页量;
若G≤G1,则判定搜索阶段处于第一搜索区间并采用第一用户搜索调节方式,使用第一用户搜索系数δ1对所述学习单元的搜索次数进行调节;
若G1<G≤G2,则判定搜索阶段处于第二搜索区间并采用第二用户搜索调节方式,无需对学习单元的搜索次数进行调节;
若G>G2,则判定用户处于第三搜索区间并采用第三用户搜索调节方式,使用第二用户搜索系数δ2对所述学习单元的搜索次数进行调节;
其中,G1<G2,0<δ1<1<δ2。
7.根据权利要求6所述的自适应学习系统,其特征在于,
所述确定模块还用以根据用户在单个学习单元的实际搜索次数vsi确定对应的所述学习单元的掌握程度以为用户生成学习单元的记忆文本,预先设置有第一掌握度搜索次数VS1和第二掌握度搜索次数VS2,
若vsi<VS1,则判定用户掌握程度处于第一掌握程度并生成对应学习单元的全部记忆文本;
若VS1≤vsi<VS2,则判定用户掌握程度处于第二掌握程度并生成对应学习单元的重点记忆文本;
若vsi≥VS2,则判定用户掌握程度处于第三掌握程度并无需生成对应学习单元的记忆文本;
其中,VS1<VS2,所述全部记忆文本为预先存储的对应单个学习单元的记忆文本,所述重点记忆文本为预先存储的对应单个学习单元的记忆文本的重点部分。
8.一种基于权利要求1-7任一项所述的自适应学习系统的自适应学习方法,其特征在于,包括:
获取待学习内容,并对待学习内容进行存储;
根据学习内容的耦合度对所述待学习内容进行分割,形成若干学习单元;
统计在进行任意学习单元学习的过程中,掌握所述学习单元的知识内容所需的辅助网页数据,形成辅助数据量;
预先设置有第一标准数据量和第二标准数据量;
根据所述辅助数据量与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略,以使得所述辅助数据量经过调整之后符合要求。
9.根据权利要求8所述的自适应学习方法,其特征在于,
在形成辅助数据量的过程中,根据单个所述学习单元的搜索次数调节次数百分比a确定是否对学习单元进行搜索次数调节,设定搜索次数调节次数百分比a=n1/N1,预先设置有搜索调节次数百分比标准A1,其中,A1>30%,n1为所述学习单元的搜索次数调节次数,N1为所述学习单元的搜索次数,
若a>A1,则判定所述学习单元的搜索次数调节次数百分比符合搜索调节次数百分比标准;
若a≤A1,则判定所述学习单元的搜索次数调节次数百分比不符合搜索调节次数百分比标准。
10.根据权利要求9所述的自适应学习方法,其特征在于,
根据所述辅助数据量d与所述第一标准数据量和第二标准数据量的关系调整对所述待学习内容进行分割后进行搜索的策略包括:
预先设置有第一辅助数据量D1、第二辅助数据量D2,第一搜索次数调节系数α1和第二搜索次数调节系数α2,其中,D1<D2,0<α1<1<α2;
若d<D1,则判定采用第一搜索次数调节系数α2调整所述学习单元的搜索次数,将调整后所述学习单元的搜索次数记为s1,设定s1=α2×s0;
若D1≤d<D2,则判定无需对所述学习单元的搜索次数进行调节,设定s1=s0;
若d≥D2,则判定采用第二搜索次数调节系数α1调整所述学习单元的搜索次数,设定s1=α1×s0;
其中,s0为所述学习单元的调整前的搜索次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133448.XA CN116127172B (zh) | 2023-02-16 | 2023-02-16 | 自适应学习系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133448.XA CN116127172B (zh) | 2023-02-16 | 2023-02-16 | 自适应学习系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116127172A true CN116127172A (zh) | 2023-05-16 |
CN116127172B CN116127172B (zh) | 2023-09-26 |
Family
ID=86294065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310133448.XA Active CN116127172B (zh) | 2023-02-16 | 2023-02-16 | 自适应学习系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116127172B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231739A (zh) * | 2007-01-18 | 2008-07-30 | 上海新思维教育发展有限公司 | 一种网络学习监控反馈系统 |
CN106326083A (zh) * | 2015-07-01 | 2017-01-11 | 马颐中 | 一种学习程度记录装置 |
CN112700688A (zh) * | 2020-12-25 | 2021-04-23 | 电子科技大学 | 一种智能课堂教学辅助系统 |
CN113516574A (zh) * | 2021-07-27 | 2021-10-19 | 北京爱学习博乐教育科技有限公司 | 基于大数据与深度学习的自适应学习系统及其构建方法 |
-
2023
- 2023-02-16 CN CN202310133448.XA patent/CN116127172B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231739A (zh) * | 2007-01-18 | 2008-07-30 | 上海新思维教育发展有限公司 | 一种网络学习监控反馈系统 |
CN106326083A (zh) * | 2015-07-01 | 2017-01-11 | 马颐中 | 一种学习程度记录装置 |
CN112700688A (zh) * | 2020-12-25 | 2021-04-23 | 电子科技大学 | 一种智能课堂教学辅助系统 |
CN113516574A (zh) * | 2021-07-27 | 2021-10-19 | 北京爱学习博乐教育科技有限公司 | 基于大数据与深度学习的自适应学习系统及其构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116127172B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20060286540A1 (en) | Automated essay scoring | |
US20110270883A1 (en) | Automated Short Free-Text Scoring Method and System | |
CN103544663A (zh) | 网络公开课的推荐方法、系统和移动终端 | |
CN109299245B (zh) | 知识点召回的方法和装置 | |
CN102880600A (zh) | 基于通用知识网络的词语语义倾向性预测方法 | |
WO2008028421A1 (fr) | Procédés permettant d'obtenir une nouvelle chaîne de caractères codés, système et procédé de saisie et dispositif de génération de base de mots | |
CN116059646B (zh) | 一种交互式专家指导系统 | |
CN112395391B (zh) | 概念图谱构建方法、装置、计算机设备及存储介质 | |
KR20200119393A (ko) | 챗봇을 위한 학습 데이터 추천 장치 및 방법 | |
CN112596731A (zh) | 一种融合智能教育的编程教学系统及方法 | |
CN113342955A (zh) | 一种问答语句的处理方法、装置及电子设备 | |
WO2021239078A1 (zh) | 领域识别的方法、交互的方法、电子设备及存储介质 | |
CN114529351A (zh) | 一种商品类目预测方法、装置、设备及存储介质 | |
CN116127172B (zh) | 自适应学习系统及方法 | |
JP3472032B2 (ja) | 情報フィルタ装置及び情報フィルタ方法 | |
US20060099562A1 (en) | Learning system and method | |
CN116361655A (zh) | 模型训练方法、标准问题的预测方法、装置、设备及介质 | |
CN116541711A (zh) | 模型训练方法、课程推荐方法、装置、设备及介质 | |
CN110705318A (zh) | 一种机器翻译引擎测评优选方法及系统 | |
CN111369294B (zh) | 软件造价估算方法及装置 | |
CN113901203A (zh) | 一种文本分类方法、装置、电子设备及存储介质 | |
CN115050484A (zh) | 基于防疫布控场景建模的分析预判方法及系统 | |
US11475222B2 (en) | Automatically extending a domain taxonomy to the level of granularity present in glossaries in documents | |
CN114239539A (zh) | 一种英语作文离题检测方法及装置 | |
CN113011162A (zh) | 一种指代消解方法、装置、电子设备及介质 |
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 |