CN116383455A - 一种学习资源确定方法、装置、电子设备及存储介质 - Google Patents
一种学习资源确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116383455A CN116383455A CN202310389429.3A CN202310389429A CN116383455A CN 116383455 A CN116383455 A CN 116383455A CN 202310389429 A CN202310389429 A CN 202310389429A CN 116383455 A CN116383455 A CN 116383455A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- learning
- resource
- current user
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 239000000463 material Substances 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种学习资源确定方法、装置、电子设备及存储介质,该方法包括:从知识图谱资源库获取本讲次对应的目标题目;获取当前用户针对目标题目的答题结果,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;根据掌握矩阵,确定本讲次中当前用户的薄弱知识点;从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,将第一教学资源展示给当前用户;若当前用户针对第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据目标学习路径推荐相应的第二教学资源给当前用户学习。通过采用上述学习资源确定方法、装置、电子设备及存储介质,解决了无法为用户提供合适的学习资源,造成学习效率低的问题。
Description
技术领域
本申请涉及在线教育技术领域,具体而言,涉及一种学习资源确定方法、装置、电子设备及存储介质。
背景技术
随着计算机技术的普及和移动互联网的快速发展,许多传统行业也逐步朝着互联网化的方向前进,教育行业就是其中的一员。随着在线教育越来越多地普及,各种智能教育产品应运而生,例如:自动判题、作业推荐、练习题推送。
但是,现有的学习资源确定方法中,每位用户在自学过程中的学习能力和学习过程的个体化差异较大,导致无法为用户提供合适的学习资源,造成学习效率低的问题。
发明内容
有鉴于此,本申请的目的在于提供一种学习资源确定方法、装置、电子设备及存储介质,以解决无法为用户提供合适的学习资源,造成学习效率低的问题。
第一方面,本申请实施例提供了一种学习资源确定方法,包括:
从知识图谱资源库中获取本讲次对应的目标题目;
获取当前用户针对目标题目的答题结果,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;
根据掌握矩阵,确定本讲次中当前用户的薄弱知识点;
从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,将第一教学资源展示给当前用户;
若当前用户针对第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据目标学习路径推荐相应的第二教学资源给当前用户学习,第二教学资源为薄弱知识点的关联知识点对应的教学资源。
可选地,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵,包括:针对本讲次中的每个知识点,根据该知识点对应的答题结果确定当前用户对该知识点的掌握程度;根据当前用户对各知识点的掌握程度、对应知识点的学习能力、目标题目的难度及各知识点的复杂度,构建当前用户的掌握矩阵。
可选地,根据掌握矩阵,确定本讲次中当前用户的薄弱知识点,包括:根据掌握矩阵,确定本讲次中当前用户的整体掌握评级;针对每个知识点确定该知识点对应的掌握评分;若整体掌握评级为第一评级,按照掌握评分由高到低的顺序对所有知识点进行排序,选取排名最后一位的知识点作为薄弱知识点;若整体掌握评级为第二评级,选取掌握评分小于评分阈值的知识点作为薄弱知识点。
可选地,从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,包括:按照设定规则对薄弱知识点对应的目标题目的多个题目讲解视频进行排序,选取排名第一位的讲解视频作为目标讲解视频;选取薄弱知识点对应的目标题目的多个难度级别中最低难度作为目标难度,从知识图谱资源库中获取目标难度对应的题目作为新目标题目;将新目标题目以及目标讲解视频作为第一教学资源。
可选地,利用知识图谱资源库规划出目标学习路径,包括:从知识图谱资源库中获取薄弱知识点对应的关联知识点;按照知识点在知识图谱资源库中的关联关系,构建薄弱知识点对应的至少一个候选学习路径;按照预设规则,从至少一个候选学习路径中选取目标学习路径。
可选地,在从知识图谱资源库中获取本讲次对应的目标题目之前,还包括:针对每个学科,确定该学科对应的教学内容;根据内容相似性及内容关联性对教学内容进行聚类分析,将属于同一类别下的教学内容作为一节,创建章节树,或者,按照教学专题特征将教学内容拆分成不同层次的多个目标知识点,按照不同目标知识点之间的层次结构,创建章节树;基于章节树生成体系学习框架,以使当前用户按照体系学习框架进行学习。
可选地,方法还包括:针对每个学科,将该学科拆分成多层次的知识点,确定同层次及不同层次知识点之间的依赖关系;将不同层次的知识点作为节点,按照知识点之间的依赖关系将不同节点连接起来,构建知识图谱;获取学习资源,学习资源包括教学资源、题目资源、素材资源;针对知识图谱中的节点,将该节点与对应的学习资源关联起来生成知识图谱资源库。
第二方面,本申请实施例还提供了一种学习资源确定装置,所述装置包括:
题目获取模块,用于从知识图谱资源库中获取本讲次对应的目标题目;
矩阵构建模块,用于获取当前用户针对目标题目的答题结果,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;
知识点确定模块,用于根据掌握矩阵,确定本讲次中当前用户的薄弱知识点;
第一资源确定模块,用于从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,将第一教学资源展示给当前用户;
第二资源确定模块,用于若当前用户针对第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据目标学习路径推荐相应的第二教学资源给当前用户学习,第二教学资源为薄弱知识点的关联知识点对应的教学资源。
第三方面,本申请实施例还提供一种电子设备,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,当电子设备运行时,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上述的学习资源确定方法的步骤。
第四方面,本申请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如上述的学习资源确定方法的步骤。
本申请实施例带来了以下有益效果:
本申请实施例提供的一种学习资源确定方法、装置、电子设备及存储介质,能够根据当前用户在本讲次中的答题情况确定掌握矩阵,并根据掌握矩阵确定当前用户的薄弱知识点,以从知识图谱资源库中获取该薄弱知识点对应的第一教学资源,及根据目标学习路径获取第二教学资源,与现有技术中的学习资源确定方法相比,解决了无法为用户提供合适的学习资源,造成学习效率低的问题。
为使本申请的上述目的、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申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,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示出了本申请实施例所提供的学习资源确定方法的流程图;
图2示出了本申请实施例所提供的知识图谱的结构示意图;
图3示出了本申请实施例所提供的学习资源确定装置的结构示意图;
图4示出了本申请实施例所提供的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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每个其他实施例,都属于本申请保护的范围。
值得注意的是,在本申请提出之前,随着计算机技术的普及和移动互联网的快速发展,许多传统行业也逐步朝着互联网化的方向前进,教育行业就是其中的一员。随着在线教育越来越多地普及,各种智能教育产品应运而生,例如:自动判题、作业推荐、练习题推送。但是,现有的学习资源确定方法中,每位用户在自学过程中的学习能力和学习过程的个体化差异较大,导致无法为用户提供合适的学习资源,造成学习效率低的问题。
基于此,本申请实施例提供了一种学习资源确定方法,以提高学习资源推荐的准确性,提高自学效率。
请参阅图1,图1为本申请实施例所提供的一种学习资源确定方法的流程图。如图1所示,本申请实施例提供的学习资源确定方法,包括:
步骤S101,从知识图谱资源库中获取本讲次对应的目标题目。
该步骤中,知识图谱资源库可指基于知识图谱建立的学习资源库,知识图谱资源库中包括各个知识点对应的学习资源。
目标题目可指本次课程中发送给当前用户的多道练习题或者测试题。
在本申请实施例中,当前用户为学生,该学生通过智能终端设备上安装的教学应用软件进行自学,在教学应用软件中会设置多个讲次,每个讲次对应多个知识点,这些知识点对应的题目即为本讲次的目标题目。
由于知识图谱资源库中存放了各个知识点对应的题目,因此,可以根据本讲次对应的知识点从知识图谱资源库中获取本讲次对应的多个目标题目。
在一可选实施例中,在从知识图谱资源库中获取本讲次对应的目标题目之前,还包括:针对每个学科,确定该学科对应的教学内容;根据内容相似性及内容关联性对教学内容进行聚类分析,将属于同一类别下的教学内容作为一节,创建章节树,或者,按照教学专题特征将教学内容拆分成不同层次的多个目标知识点,按照不同目标知识点之间的层次结构,创建章节树;基于章节树生成体系学习框架,以使当前用户按照体系学习框架进行学习。
具体的,为了给用户提供系统的学习内容,在教学应用软件中还提供了供用户学习的章节树,用户可以根据章节树的编排内容进行体系化学习。其中,章节树是按照章、节、讲次的结构进行编排的。
在针对某一学科构建章节树时,可采用如下方式:第一、获取不同地区的地区教材,并根据地区教材进行章节树编排,然后根据当前用户所在地区,显示与该地区对应的章节树。
第二、在教材相同或者教材大致相同的情况下,可根据内容相似性及内容关联性对教材内容进行聚类分析,例如:将教材中不同章节但具有前后关联的教学内容划分为一类,作为一节,基于聚类分析后划分的章、节、讲次创建章节树。或者,确定多个教学专题,确定每个教学专题的专题特征,例如:教学专题为三角函数,则按照该教学专题特征将教学内容拆分成三角函数对应的多个目标知识点,根据粒度的不同将这些目标知识点归属于不同的层次,假设,共分为两个层次,则每个第一层知识点下可对应多个第二层知识点。然后,可将每个专题作为一章,将每个第一层知识点作为一节,将每节下的一个或多个对应的第二层知识点作为一个讲次,创建章节树。
第三、根据教学目的和场景构建专项章节树。这里,根据教学目的和场景从章节树种选取一个或者多个子章节树,对选取的子章节树进行重构,生成专项章节树。例如:针对某个易错题,由于该题目较为复杂,可以通过构建对应的专项章节树来帮助用户进行系统学习。
在一可选实施例中,方法还包括:针对每个学科,将该学科拆分成多层次的知识点,确定同层次及不同层次知识点之间的依赖关系;将不同层次的知识点作为节点,按照知识点之间的依赖关系将不同节点连接起来,构建知识图谱;获取学习资源,学习资源包括教学资源、题目资源、素材资源;针对知识图谱中的节点,将该节点与对应的学习资源关联起来生成知识图谱资源库。
这里,教学资源包括但不限于:教材大纲、课程体系、教学目标、授课课件、讲解视频。
题目资源包括但不限于:课前练习题、课后练习题、随堂小测试、考试题。
素材资源包括但不限于:音频视频、图片、文本、趣味动画、互动游戏。
具体的,在获取本讲次的目标题目之前,先要构建知识图谱资源库。以3年级上学期语文为例,将该学科拆分为多个知识点,在拆分时需要考虑知识点的大小粒度,这里根据课程时长来确定知识点的大小粒度,例如:一堂课为40分钟,这40分钟内可以讲好的知识点为3个,则如果一学期为80节语文课,则可将3年级上学期语文拆分为240个知识点。
然后,按照循序渐进的教学原则,确定不同知识点之间的依赖关系,例如:先对知识点A进行教学后,才能对知识点B进行教学,则知识点A和知识点B之间为先后关系,再例如:知识点A和知识点B可并行教学,则两者为并行关系。
将确定的知识点作为第一层知识点,针对每个第一层知识点,分析该知识点所有可能的解题思路,然后按照题目的解法对该知识点进行细分,每个细分类为一个题模,将题模作为第二层知识点。另外,不同题模之间也存在先后、并行等依赖关系,需要在构建知识图谱前确定题模之间的依赖关系。以方程求解问题为例,第一种题模为分解方程后再求解,第二种为直接利用根式计算公式求解,由于分解方程相比于根式计算公式更简单且先于后者学习,因此,确定第一种题模与第二种题模之间为先后关系。
在确定同层次知识点之间的依赖关系以及不同层次知识点之间的依赖关系后,开始构建知识图谱。下面参照图2来介绍知识图谱。
图2示出了本申请实施例所提供的知识图谱的结构示意图。
如图2所示,用圆圈来表示知识图谱中的节点,黑色圆圈表示第一层知识点,白色圆圈表示第二层知识点。知识点211与知识点212之间通过带有箭头的线段连接,箭头指向表示先后关系,即知识点211在知识点212之后教学。同时,用线段将第一层知识点与第二层知识点连接起来,知识点211对应知识点221、知识点222及知识点223,知识点212对应知识点224及知识点225。另外,用虚线表示不同第二层知识点之间的依赖关系,用不带箭头的虚线表示并行关系,用带箭头的虚线表示先后关系,知识点223在知识点222之后教学。
构建知识图谱之后,针对知识图谱中的节点,将该节点对应的学习资源与该知识点节点对应存储起来,例如:分别将该节点对应的教学资源的资源ID、题目资源的资源ID、素材资源的资源ID与该节点相关联。将每个节点与对应的学习资源关联起来后即可生成知识图谱资源库。
步骤S102,获取当前用户针对目标题目的答题结果,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵。
该步骤中,掌握矩阵可指用于反映当前用户针对本讲次中各知识点掌握程度的矩阵。
示例性的,掌握矩阵为二维矩阵,第一维度为知识点标识,第二维度为用于反映掌握程度的多个评价项目。
在本申请实施例中,当前用户针对本讲次的多个目标题目进行解答并提交答案后,教学应用软件会获取答题结果,并根据答题结果构建反映知识点掌握程度的掌握矩阵。
在一可选实施例中,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵,包括:针对本讲次中的每个知识点,根据该知识点对应的答题结果确定当前用户对该知识点的掌握程度;根据当前用户对各知识点的掌握程度、对应知识点的学习能力、目标题目的难度及各知识点的复杂度,构建当前用户的掌握矩阵。
这里,掌握程度可指知识点的掌握程度得分,掌握程度得分用于从做题得分的角度评价当前用户对知识点的掌握程度。掌握程度不仅与本讲次中目标题目的得分有关,还与该用户在该知识点上的历史题目的得分有关。
学习能力用于表征该知识点下相邻讲次之间掌握程度的提升幅度。其中,该知识点下相邻的讲次可以是连续的两个讲次,也可以是间隔开的两个讲次,但其对于该知识点来说是相邻的讲次。
目标题目的难度可指目标题目的难度等级,在本申请实施例中,每个知识点下的题目可以分为多个难度等级,从该知识点下选取某一难度等级的题目作为目标题目。
知识点的复杂度可指知识点本身的难易程度,知识点的复杂度表征了该知识点的学习成本高低。
具体的,当前用户提交本讲次中目标题目的答案后,针对本讲次中的每个知识点,计算本讲次该知识点的答题得分与题目难度系数的乘积得到本讲次掌握程度得分,将本讲次掌握程度得分与一定历史时间范围内当前用户对该知识点的多个掌握程度得分的权重和,得到当前用户对于该知识点的总掌握程度得分,其中,距离本讲次时间越近的答题得分的权重越高,距离本讲次时间越远的答题得分的权重越低。这样得到的掌握程度得分可以更全面、准确地反映当前用户对于该知识点的掌握程度。
计算该知识点下的总掌握程度得分、目标题目的难度对应的难度分数、该知识点的复杂度对应的复杂度分数的权重和得到第一掌握评分。第一掌握评分是基于当前用户对于该知识点的题目的做题情况得到的。显然,只根据做题情况来评价当前用户针对该知识点的掌握矩阵是不准确的。
由于同一用户对于不同知识点的学习能力是不同的,同一用户对于同一知识点学习过程中提升水平是不同的,需在确定当前用户的掌握矩阵时,将用户对于该知识点的学习能力考虑在内。因此,在确定第一掌握评分之后,可构建当前用户针对该知识点的学习能力曲线。这里,计算该知识点下历史讲次中的掌握程度提升幅度,将提升幅度对应的曲线作为学习能力曲线,将学习能力曲线以及各讲次对应的题目难度等级输入预测神经网络模型计算得出当前用户在本讲次中该知识点的预测掌握程度得分。将其他用户预测掌握程度得分与当前用户的预测掌握程度得分进行排序,得到当前用户的预测排名,将其他用户本讲次下目标题目的掌握程度与当前用户本讲次下目标题目的掌握程度进行排序,得到实际排名。
将实际排名与预测排名进行比较,根据比较结果确定当前用户在该知识点上是否达到预期的学习效果。若未达到预期学习效果,则在第一掌握评分的基础上减去相应的分数得到第二掌握评分,若达到预期学习效果,则在第一掌握评分的基础上增加相应的分数得到第二掌握评分。若第二掌握评分在设定分数区间内确定当前用户掌握该知识点,例如:第二掌握评分大于70,则确定当前用户掌握该知识点,否则确定当前用户未掌握该知识点,或者按照第二掌握评分对应的分数区间确定当前用户对该知识点的掌握评级,将掌握评级的取值作为掌握矩阵中该知识点的取值。
步骤S103,根据掌握矩阵,确定本讲次中当前用户的薄弱知识点。
该步骤中,假设本讲次共涉及6个知识点,这掌握矩阵是针对这6个知识点构建的,可以根据掌握矩阵确定出当前用户在本讲次中的薄弱知识点。
在一可选实施例中,根据掌握矩阵,确定本讲次中当前用户的薄弱知识点,包括:根据掌握矩阵,确定本讲次中当前用户的整体掌握评级;针对每个知识点确定该知识点对应的掌握评分;若整体掌握评级为第一评级,按照掌握评分由高到低的顺序对所有知识点进行排序,选取排名最后一位的知识点作为薄弱知识点;若整体掌握评级为第二评级,选取掌握评分小于评分阈值的知识点作为薄弱知识点。
具体的,假设6个知识点中共有1个知识点为未掌握,则计算得到未掌握率占比为1/6=0.1667,然后设定第一评级阈值及第二评级阈值的取值。如果未掌握率小于第一评级阈值,确定整体掌握评级为第一评级,如果未掌握率大于第一评级阈值小于第二评级阈值,确定整体掌握评级为第二评级,如果未掌握率大于第二评级阈值,确定整体掌握评级为第三评级。其中,掌握评分包括第一掌握评分及第二掌握评分。
若整体掌握评级为第一评级,按照第二掌握评分由高到低的顺序对所有知识点进行排序,选取排名最后一位的知识点作为薄弱知识点。若整体掌握评级为第二评级,选取第二掌握评分小于评分阈值的知识点作为薄弱知识点。若整体掌握评级为第三评级,所有知识点均作为薄弱知识点。
步骤S104,从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,将第一教学资源展示给当前用户。
该步骤中,第一教学资源可指薄弱知识点对应的教学资源,第一教学资源用于提升用户对薄弱知识点的掌握。
示例性的,第一教学资源可以是教学资源,例如:例题讲解视频、知识点讲解视频;可以是题目资源,例如:练习题;还可以是素材资源。
在本申请实施例中,由于每个知识点均与各自的学习资源相关联,因此,在确定薄弱知识点之后,就可以从知识图谱资源库中寻找薄弱知识点对应的学习资源,该学习资源即为第一教学资源。在将第一教学资源展示给当前用户时,可以根据掌握评分的分值确定推送资源的先后顺序,如果分值低于设定阈值,说明当前用户并未真正理解该知识点,此时先推送知识点讲解类资源及素材资源,讲解类资源能够更好地提升当前用户对于知识点的理解,素材类资源可以增加学习的趣味性及互动性,然后再推送相应的练习题。如果分值高于设定阈值,说明当前用户对知识点理解水平还可以,但是对于解题思路不清晰,此时可以推送例题讲解视频及素材资源,然后再推荐后续练习题。可见,在确定掌握矩阵后,本申请不是简单地直接推送练习题或者讲解视频,而是根据掌握评分,对用户对该知识点的掌握水平进行精确定位,以向用户推荐更合适该用户的学习资源。
在一可选实施例中,从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,包括:按照设定规则对薄弱知识点对应的目标题目的多个题目讲解视频进行排序,选取排名第一位的讲解视频作为目标讲解视频;选取薄弱知识点对应的目标题目的多个难度级别中最低难度作为目标难度,从知识图谱资源库中获取目标难度对应的题目作为新目标题目;将新目标题目以及目标讲解视频作为第一教学资源。
具体的,首先确定设定规则的具体内容,设定规则可以是点赞数量,还可以是播放数量。以设定规则为点赞数量为例,将当薄弱知识点对应的多个题目讲解视频按照点赞数量由多到少的顺序进行排序,选取点赞数量最多的讲解视频作为目标讲解视频。
由于是薄弱知识点为了提升用户的学习积极性并提升学习信心,直接将最低难度级别作为目标难度级别,并从目标难度级别对应的多个题目中选取新目标题目,以降低用户对于做错题目的挫败感。
步骤S105,若当前用户针对第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据目标学习路径推荐相应的第二教学资源给当前用户学习,第二教学资源为薄弱知识点的关联知识点对应的教学资源。
该步骤中,路径推荐要求可指掌握评分要求。
目标学习路径可指学习资源的推荐路径,目标学习路径用于指示与薄弱知识点相关联的其他知识点。
在本申请实施例中,当前用户未掌握薄弱知识点可能是因为该薄弱知识点本身未掌握,也可能是与薄弱知识点具有关联关系的前序知识点未掌握导致的。为此,首先推荐第一教学资源,如果第一教学资源推荐之后,用户在观看教学讲解视频以及做完最低难度的练习题后,重新计算此时的第二掌握评分,如果第二掌握评分低于设定值,例如:将目标题目对应的第二掌握评分作为设定值,说明当前用户可能是前序知识点未掌握导致的,因此,从知识图谱资源库中获取与薄弱知识点具有关联关系的其他知识点,将这些知识点按照依赖关系组成学习路径,以根据学习路径确定第二教学资源。
在一可选实施例中,利用知识图谱资源库规划出目标学习路径,包括:从知识图谱资源库中获取薄弱知识点对应的关联知识点;按照知识点在知识图谱资源库中的关联关系,构建薄弱知识点对应的至少一个候选学习路径;按照预设规则,从至少一个候选学习路径中选取目标学习路径。
具体的,按照知识点之间的依赖关系组成学习路径可能是多条,即多条候选学习路径。以薄弱知识点为C为例,假设确定了2条候选学习路径,分别是A-C-D以及B-C-D,则可以利用随机游走策略,随机选择一条候选学习路径作为目标学习路径,或者基于policy规则设定业务策略后,按照设定规则选择一条候选学习路径作为目标学习路径,或者,基于强化学习方法选择收益最高的一条候选学习路径作为目标学习路径。
确定目标学习路径之后,将目标路径中薄弱知识点之前的知识点对应的教学资源作为第二教学资源,例如:目标学习路径为A-C-D时,知识点A对应的教学资源为第二教学资源。
与现有技术中学习资源确定方法相比,本申请能够能够根据当前用户在本讲次中的答题情况确定掌握矩阵,并根据掌握矩阵确定当前用户的薄弱知识点,以从知识图谱资源库中获取该薄弱知识点对应的第一教学资源,及根据目标学习路径获取第二教学资源,解决了无法为用户提供合适的学习资源,造成学习效率低的问题。
基于同一发明构思,本申请实施例中还提供了与学习资源确定方法对应的学习资源确定装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述学习资源确定方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图3,图3为本申请实施例所提供的一种学习资源确定装置的结构示意图。如图3中所示,所述学习资源确定装置300包括:
题目获取模块301,用于从知识图谱资源库中获取本讲次对应的目标题目;
矩阵构建模块302,用于获取当前用户针对目标题目的答题结果,基于答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;
知识点确定模块303,用于根据掌握矩阵,确定本讲次中当前用户的薄弱知识点;
第一资源确定模块304,用于从知识图谱资源库中获取与薄弱知识点对应的第一教学资源,将第一教学资源展示给当前用户;
第二资源确定模块305,用于若当前用户针对第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据目标学习路径推荐相应的第二教学资源给当前用户学习,第二教学资源为薄弱知识点的关联知识点对应的教学资源。
请参阅图4,图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示,所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时,可以执行如上述图1所示方法实施例中的学习资源确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请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可以执行如上述图1所示方法实施例中的学习资源确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
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、装置和单元的具体工作过程,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,所揭露的系统、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,所述单元的划分,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,多个单元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通信接口,装置或单元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,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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)执行本申请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,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,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申请揭露的技术范围内,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申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种学习资源确定方法,其特征在于,包括:
从知识图谱资源库中获取本讲次对应的目标题目;
获取当前用户针对所述目标题目的答题结果,基于所述答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;
根据所述掌握矩阵,确定本讲次中当前用户的薄弱知识点;
从知识图谱资源库中获取与所述薄弱知识点对应的第一教学资源,将所述第一教学资源展示给当前用户;
若当前用户针对所述第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据所述目标学习路径推荐相应的第二教学资源给当前用户学习,所述第二教学资源为所述薄弱知识点的关联知识点对应的教学资源。
2.根据权利要求1所述的方法,其特征在于,所述基于所述答题结果构建当前用户针对本讲次中各知识点的掌握矩阵,包括:
针对本讲次中的每个知识点,根据该知识点对应的答题结果确定当前用户对该知识点的掌握程度;
根据当前用户对各知识点的掌握程度、对应知识点的学习能力、目标题目的难度及各知识点的复杂度,构建当前用户的掌握矩阵。
3.根据权利要求1所述的方法,其特征在于,所述根据所述掌握矩阵,确定本讲次中当前用户的薄弱知识点,包括:
根据所述掌握矩阵,确定本讲次中当前用户的整体掌握评级;
针对每个知识点确定该知识点对应的掌握评分;
若所述整体掌握评级为第一评级,按照掌握评分由高到低的顺序对所有知识点进行排序,选取排名最后一位的知识点作为薄弱知识点;
若所述整体掌握评级为第二评级,选取掌握评分小于评分阈值的知识点作为薄弱知识点。
4.根据权利要求1所述的方法,其特征在于,所述从知识图谱资源库中获取与所述薄弱知识点对应的第一教学资源,包括:
按照设定规则对薄弱知识点对应的目标题目的多个题目讲解视频进行排序,选取排名第一位的讲解视频作为目标讲解视频;
选取薄弱知识点对应的目标题目的多个难度级别中最低难度作为目标难度,从知识图谱资源库中获取所述目标难度对应的题目作为新目标题目;
将新目标题目以及目标讲解视频作为第一教学资源。
5.根据权利要求1所述的方法,其特征在于,所述利用知识图谱资源库规划出目标学习路径,包括:
从知识图谱资源库中获取所述薄弱知识点对应的关联知识点;
按照知识点在知识图谱资源库中的关联关系,构建薄弱知识点对应的至少一个候选学习路径;
按照预设规则,从所述至少一个候选学习路径中选取目标学习路径。
6.根据权利要求1所述的方法,其特征在于,在所述从知识图谱资源库中获取本讲次对应的目标题目之前,还包括:
针对每个学科,确定该学科对应的教学内容;
根据内容相似性及内容关联性对所述教学内容进行聚类分析,将属于同一类别下的教学内容作为一节,创建章节树,或者,按照教学专题特征将教学内容拆分成不同层次的多个目标知识点,按照不同目标知识点之间的层次结构,创建章节树;
基于所述章节树生成体系学习框架,以使当前用户按照所述体系学习框架进行学习。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对每个学科,将该学科拆分成多层次的知识点,确定同层次及不同层次知识点之间的依赖关系;
将不同层次的知识点作为节点,按照知识点之间的依赖关系将不同节点连接起来,构建知识图谱;
获取学习资源,所述学习资源包括教学资源、题目资源、素材资源;
针对知识图谱中的节点,将该节点与对应的学习资源关联起来生成知识图谱资源库。
8.一种学习资源确定装置,其特征在于,包括:
题目获取模块,用于从知识图谱资源库中获取本讲次对应的目标题目;
矩阵构建模块,用于获取当前用户针对所述目标题目的答题结果,基于所述答题结果构建当前用户针对本讲次中各知识点的掌握矩阵;
知识点确定模块,用于根据所述掌握矩阵,确定本讲次中当前用户的薄弱知识点;
第一资源确定模块,用于从知识图谱资源库中获取与所述薄弱知识点对应的第一教学资源,将所述第一教学资源展示给当前用户;
第二资源确定模块,用于若当前用户针对所述第一教学资源的反馈信息满足路径推荐要求,利用知识图谱资源库规划出目标学习路径,根据所述目标学习路径推荐相应的第二教学资源给当前用户学习,所述第二教学资源为所述薄弱知识点的关联知识点对应的教学资源。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至7中任一项所述的学习资源确定方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机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运行时执行如权利要求1至7中任一项所述的学习资源确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389429.3A CN116383455A (zh) | 2023-04-12 | 2023-04-12 | 一种学习资源确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310389429.3A CN116383455A (zh) | 2023-04-12 | 2023-04-12 | 一种学习资源确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116383455A true CN116383455A (zh) | 2023-07-04 |
Family
ID=86978578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310389429.3A Pending CN116383455A (zh) | 2023-04-12 | 2023-04-12 | 一种学习资源确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116383455A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116561260A (zh) * | 2023-07-10 | 2023-08-08 | 北京十六进制科技有限公司 | 一种基于语言模型的习题生成方法、设备及介质 |
CN117056612A (zh) * | 2023-10-11 | 2023-11-14 | 广东信聚丰科技股份有限公司 | 基于ai辅助的备课资料数据推送方法及系统 |
CN117649319A (zh) * | 2023-12-11 | 2024-03-05 | 广州工程技术职业学院 | 基于海运危险品归类的智能教学方法及装置、设备、介质 |
CN117648449A (zh) * | 2024-01-30 | 2024-03-05 | 青岛培诺教育科技股份有限公司 | 基于知识图谱的自适应推送方法、系统、设备和介质 |
CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
-
2023
- 2023-04-12 CN CN202310389429.3A patent/CN116383455A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116561260A (zh) * | 2023-07-10 | 2023-08-08 | 北京十六进制科技有限公司 | 一种基于语言模型的习题生成方法、设备及介质 |
CN117056612A (zh) * | 2023-10-11 | 2023-11-14 | 广东信聚丰科技股份有限公司 | 基于ai辅助的备课资料数据推送方法及系统 |
CN117056612B (zh) * | 2023-10-11 | 2023-12-08 | 广东信聚丰科技股份有限公司 | 基于ai辅助的备课资料数据推送方法及系统 |
CN117649319A (zh) * | 2023-12-11 | 2024-03-05 | 广州工程技术职业学院 | 基于海运危险品归类的智能教学方法及装置、设备、介质 |
CN117649319B (zh) * | 2023-12-11 | 2024-06-04 | 广州工程技术职业学院 | 基于海运危险品归类的智能教学方法及装置、设备、介质 |
CN117648449A (zh) * | 2024-01-30 | 2024-03-05 | 青岛培诺教育科技股份有限公司 | 基于知识图谱的自适应推送方法、系统、设备和介质 |
CN117648449B (zh) * | 2024-01-30 | 2024-05-14 | 青岛培诺教育科技股份有限公司 | 基于知识图谱的自适应推送方法、系统、设备和介质 |
CN117672027A (zh) * | 2024-02-01 | 2024-03-08 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
CN117672027B (zh) * | 2024-02-01 | 2024-04-30 | 青岛培诺教育科技股份有限公司 | 一种vr教学方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116383455A (zh) | 一种学习资源确定方法、装置、电子设备及存储介质 | |
US10720078B2 (en) | Systems and methods for extracting keywords in language learning | |
Wan et al. | A learner oriented learning recommendation approach based on mixed concept mapping and immune algorithm | |
Wauters et al. | Adaptive item‐based learning environments based on the item response theory: Possibilities and challenges | |
CN111274411A (zh) | 课程推荐方法、装置、电子设备及可读存储介质 | |
US9446314B2 (en) | Vector-based gaming content management | |
Nafea et al. | ULEARN: Personalized course learning objects based on hybrid recommendation approach | |
Anjewierden et al. | Examining the relation between domain-related communication and collaborative inquiry learning | |
Kulaglić et al. | Influence of learning styles on improving efficiency of adaptive educational hypermedia systems | |
CN116258613B (zh) | 课程规划方法、课程规划设备和可读存储介质 | |
Mejbri et al. | Educational system based on simulation and intelligent conversation | |
Jin et al. | Exercises recommendation in adaptive learning system | |
KR20220065722A (ko) | 점수 확률분포 형태 통일화를 통해 평가 가능한 문제를 추천하는 학습 문제 추천 시스템 및 이것의 동작방법 | |
KR20210105272A (ko) | 교육적 요소를 예측하는 사전학습 모델링 시스템 및 방법 | |
Yulian et al. | Technology acceptance of augmented reality to attitude and self-efficacy in learning English | |
US20120100519A1 (en) | Training system | |
Walek et al. | HIERARCHICAL SYSTEM FOR EVALUATING TESTS IN AN E-LEARNING SYSTEM USING AN EXPERT SYSTEM | |
Kholod et al. | Development of learning content selection agent based on the progress of the participant for training courses with gamification | |
Pujari et al. | Profile Based Electronic Learning Content Aggregation and Delivery System Using Self Learning Satisfaction Index of User as Feedback | |
CN115271520A (zh) | 听说等级测评方法、装置、电子设备和存储介质 | |
CN112836034A (zh) | 虚拟教学方法、装置和电子设备 | |
CN113987359A (zh) | 一种基于知识图谱评分预测的养老护理行业课程推荐方法 | |
KASHIMA et al. | Estimating the difficulty of exercises for inactive students in user-based e-learning | |
Kseibat | Adaptive intelligent tutoring for teaching modern standard Arabic | |
Fetajı et al. | ASSESSMENT OF MOBILE LEARNING PERFORMANCE |
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 |