CN116450801A - 编程学习方法、装置、设备和存储介质 - Google Patents

编程学习方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN116450801A
CN116450801A CN202310317519.1A CN202310317519A CN116450801A CN 116450801 A CN116450801 A CN 116450801A CN 202310317519 A CN202310317519 A CN 202310317519A CN 116450801 A CN116450801 A CN 116450801A
Authority
CN
China
Prior art keywords
learner
programming
learning
behavior data
mode
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
CN202310317519.1A
Other languages
English (en)
Inventor
王宇航
尤振宇
孙洪伟
邓周
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 Siming Qichuang Technology Co ltd
Original Assignee
Beijing Siming Qichuang 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 Siming Qichuang Technology Co ltd filed Critical Beijing Siming Qichuang Technology Co ltd
Priority to CN202310317519.1A priority Critical patent/CN116450801A/zh
Publication of CN116450801A publication Critical patent/CN116450801A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种编程学习方法、装置、设备和存储介质，涉及编程教育技术领域，该编程方法包括：获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。通过上述技术方案，实现了根据学习方的学习过程产生的行为数据进行精准化、个性化内容推荐，大规模的提供针对学习方个体特性的个性化内容服务，可以让学习方将所学知识真正得到应用和检验，达成更高的学习目标。

Description

编程学习方法、装置、设备和存储介质
技术领域
本发明涉及编程教育技术领域，尤其涉及编程学习方法、装置、设备和存储介质。
背景技术
随着素质教育的不断推进和生活水平的提高，越来越多的人开始学习编程，学习编程不仅对数学和科学知识方面有帮助，而且对于语言、创造力和社会交流等方面都能有积极和重要的作用。
现有技术中，传统的编程需要通过普通的看视频、刷题学习大量的指令、函数名等内容，是一个复杂而艰难的过程，不宜很快的上手，容易丢失进一步学习编程的兴趣，且仅靠视频学习和普通的练习难以达到更高的学习目标。
发明内容
本发明提供了一种编程学习方法、装置、设备和存储介质，以实现编程学习的个性化指导。
第一方面，提供了一种编程学习方法，该方法包括：
获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；
根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。
第二方面，提供了一种编程学习装置，该装置包括：
学习行为数据获取模块，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；
掌握情况确定模块，用于根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。
第三方面，本发明实施例还提供一种编程学习系统，该系统包括：
编程学习平台，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况；
学习方客户端，用于学习方在编程模式下对推荐内容进行学习，并产生学习行为数据。
第四方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的编程学习方法。
第五方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的编程学习方法。
本发明实施例的技术方案，通过从编程知识图谱中确定推荐内容，并获取学习方在任一编程模式下对推荐内容的学习行为数据，并根据获取的学习行为数据确定学习方对推荐内容中存在的编程知识的当前掌握情况。上述技术方案实现了根据学习方的学习过程产生的行为数据进行精准化、个性化内容推荐，提升教学质量的同时，可以大规模的提供针对学习方个体特性的个性化内容服务。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种编程学习方法的流程图；
图2是根据本发明实施例二提供的一种编程学习方法的流程图；
图3是根据本发明实施例三提供的一种编程学习方法的流程图；
图4是根据本发明实施例四提供的一种编程学习方法的流程图；
图5是根据本发明实施例五提供的一种编程学习装置的结构示意图；
图6是实现本发明实施例的编程学习方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“当前”、“历史”、“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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
此外，还需要说明的是，本发明的技术方案中，所涉及的学习行为数据等的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
实施例一
图1为本发明实施例一提供了一种编程学习方法的流程图，本实施例可适用于编程教学场景下如何对学习方进行个性化指导教学的情况，该方法可以由编程学习装置来执行，该编程学习装置可以采用硬件和/或软件的形式实现，该编程学习装置可集成于承载编程学习功能的电子设备中，例如客户端设备或服务器设备中编程平台，其中客户端设备可以是平板电脑和台式电脑等。如图1所示，该方法包括：
S110、获取学习方在编程模式下对推荐内容的学习行为数据。
其中，推荐内容从编程知识图谱中确定。
其中，学习方是指需要进行编程学习的一方，例如可以是学生等。
编程模式是指不同难度等级且不同形式的编程学习方式；不同编程模型的难度不同；同一编程模式下不同学习方所学习的内容难度不同。可选的，编程模式可以包括课前准备模式、闯关式课程模式、错题本模式、阶段测评模式、拓展课堂模式、自由创作模式、加练题模式、赛事模式以及在线对战模式等。需要说明的是，课前准备模式、闯关式课程模式、错题本模式、阶段测评模式、拓展课堂模式、自由创作模式、加练题模式、赛事模式以及在线对战模式的难度等级依次递增，每个难度的编程模式都有与之对应的教学目标，学习方通过在难度递增的编程模式的教学目标下进行编程学习逐步提升与教学目标对应的自身的学习目标，可选的，学习目标由高到低可以包括：记忆、理解、应用、分析、评价以及创造。
示例性的，课前准备模式、闯关式课程模式以及错题本模式的教学目标为记忆和理解。课前准备模式为闯关式课程模式开始前的课堂评测，一般第一课是开放性题目，考察编程的一些认知，不涉及知识点，从第二课开始，编程平台会根据学习方对上节课知识点的测评情况自动生成与上节课知识点对应的试题，主要是对上节课知识点的回顾，考核学习方对主要知识点的记忆和理解。闯关式课堂模式通过闯关的方式实现课程学习，每一课的教学，通常会设置第一预设数量个主要知识点，过程中会存在剧情引入；学习方以第一视角参与剧情，帮助剧情中的人物角色完成任务，剧情引入后会讲解第一个使用到的知识点，用视频讲解+闯关+试题为一个小闭环完成对知识点的学习；一个知识点通常会设置第二预设数量个小闭环，每个闭环的交互形式有差异，且会轻微的提升闯关难度，配合及时反馈，可以让学习方及时获得成就感，通过在编程平台对战的方式检查学习方对知识点的理解和掌握程度。错题本模式中包含了学习方在课前准备和闯关式课堂中首次答错的所有试题，学习方需要对错题进行重新练习且至少需要同一知识点的试题答对第一预设次数以上，除了将错题重练之外，编程平台还会根据错题的知识点生成不同类型的试题。比如学习方在“移动多少步”这个知识点的选择题考察错误时，编程平台会根据这个知识点调整变量值生成一段新的代码，产生选择题或填空让学习方作答，针对每个错题，编程平台会生成至少第三预设数量道对应的试题，以考察学习方的是否真正理解和掌握。具体的，编程平台可以基于如下方式生成试题：
编程平台读取知识点对应的题目配置，根据题目配置中的变量范围生成新试题的题目变量值；
通过数据库中知识点关联的描述集合，随机选取一段描述按照描述配置的关键词组，生成新试题的题目描述；
根据配置中预设的计算公式生成当前新试题的题目答案。
其中，若新试题为填空题，则根据题目配置中的关键词组选取该新试题所对应的题目答案；若新试题为选择题，则根据该新题目描述所配置的答案集生成该新试题所对应的选项(即题目答案)。
如果学习方在一个知识点的测评错误次数连续超过第二预设次数，编程平台会弹出知识点讲解视频让学习方再次学习，使学习方更好的学习和理解下一步的学习内容，避免学习方在未掌握的知识点越来越多的情况下去进行下一步的学习而产生厌学心理。其中，第一预设数量、第二预设数量、第三预设数量、第一预设次数、第二预设次数可以由本领域技术人员根据实际情况设定。
示例性的，阶段测评模式的教学目标为记忆、理解和应用。阶段测评模式会对每个章节设置主要考核的知识点，阶段测评测试考核学习方对章节主要知识点的掌握情况，一般设置于每个章节最后一节课，测评内容并非只有单一知识点的运用，而是对整个章节所学知识点以及之前章节所学的知识点的综合运用。阶段测评的形式主要是基础试题做答和关卡闯关，基础试题的主题偏向于游戏化。在所学知识点范围内编程平台根据所学知识点自动生成测评试题，并设置答题时限，比如在规定的预设时长内完成固定数量的测试题，针对每道测试题设置倒计时，一方面测评学员对于知识点的掌握情况，另一方面测评学习方在短时间的应变能力和逻辑思考能力，使测评过程更有趣味性和挑战性，基础试题的考核通关后，进入到闯关环节，是对本Level所学知识点的综合应用，闯关环节通常会带一个主题，比如控制小核桃移动躲避炮台发射的炮弹营救桃子，要求学习方必须使用本章节所学的主要知识点，配合其他已学知识点完成闯关。其中，预设时长、固定数量可以由本领域技术人员根据实际情况设定。
示例性的，拓展课堂模式的教学目标为应用和分析。拓展课堂根据学习方的学习行为数据，生成与学习方学习行为数据匹配的半开放的主题训练或关卡通关训练；学习方需要按要求完成一个或多个训练项目。当学习方在项目或挑战过程中遇到困难时，比如学习方在一个关卡或项目中持续时间过长，编程平台会触发提示，学习方可以在提示中找到关卡所需要用的知识点的讲解示例或代码应用示例，还可以根据提示选择降低项目或关卡的通关难度。本实施例可实现实时预监测各个学习方，为各个学习方提供个性化内容推荐。
示例性的，自由创作模式的教学目标为应用、分析和评价。相比拓展课堂模式，自由创作模式的自由度和开放度更高。自由创作模式并不限制课程中学到的知识点，功能上除了提供给学习方自由创作的功能之外，该编程平台将预设半创作项目，其中预设半创作项目中包含预设代码，学习方可以在预设代码的基础上继续创作；同时该编程平台还设置了分享和预览功能，学习方之间还可以互相预览和分享创作项目，可以将感兴趣的项目代码下载下来继续进行创作。具体的，可以通过设置权限方式实现，例如可以是学习方在创作后，以分享链接的形式分享给其他学习方，收到地址(链接)的学习方访问该链接时,编程平台会检测该链接的分享有效性，若检测通过后为被分享方添加当前作品的权限,该权限包括但不限于查看权限、运行权限、编辑权限。
进一步的，在自由创作模式中学习方除了编写代码之外，还可以将编程代码与硬件结合，将编写的好的代码下载到硬件上，比如跑马灯、小汽车，机器人等，结合硬件进行编程，真正的做到将代码应用于实践。具体的，编程平台设置了代码转换模块，该模块通过添加预设代码和修改对应函数的名称使原有的代码适配硬件运行；对代码转换成功后，将代码下载到硬件上进行运行。
此外，在自由创作模式中，学习方可将自己编写的项目代码上传到展示区，学习方之间可以相互之间进行评价，并对一些优秀的项目进行置顶显示。需要说明的是，优秀的项目可以在不同的学习方的web端直接运行，从而实现全端运行。
示例性的，加练题模式的教学目标为记忆和理解。加练题模式考察的是对若干知识点的综合运用，比如获取学生在编程练习过程中出现的错误代码，涉及多个知识点，根据所涉及知识点的范围推送加练题目给对应的学习方。实际的编程项目除了编写代码之外，更是一个代码调试的过程，通过运行代码查看效果去判断代码在运行过程中哪个环节出现了问题以及思考代码运行的效率，以强化学员的实战意识。
示例性的，赛事模式的教学目标为应用以及分析；在线对战模式的教学目标为应用、分析、评价和创造。
本实施例中的编程模式可为学习方提供全方位的测评及练习，使学习方先对编程知识记忆和理解，并将学到的编程知识反复运用和检验，灵活的运用学到的编程知识，循序渐进的达成最终的学习目标。
所谓编程知识图谱是指包含所有编程学习内容的图谱。可选的，编程知识图谱包括至少一个编程知识类别；编程知识类别包括至少一个编程知识点；知识点对应至少一个内容资源；内容资源包括下述至少一项：知识点讲解视频、试题和练习关卡；编程知识点是编程知识图谱中不可分割的最小粒度；不同编程知识点之间具有带箭头的边，表示编程知识点的学习顺序。
所谓学习行为数据是指在编程模式下进行编程学习的行为数据。可选的，学习行为数据包括下述至少一项：对知识点讲解视频的第一学习行为数据、练习关卡的第二学习行为数据、试题的第三学习行为数据和程序编写数据；其中，第一学习行为数据是指学习方在观看知识点讲解视频时所涉及的行为数据；第二学习行为数据是指学习方通过练习关卡进行编程学习时所涉及的行为数据；第三学习行为数据是指学习方在解答编程题目时所涉及的行为数据。其中，第一学习行为数据可以包括观看时长和/或观看次数；第二学习行为数据可以包括下述至少一项：停留时长、尝试次数、是否查看辅助提示和是否回看知识点讲解视频；第三学习行为数据可以包括下述至少一项：初次答题时长、初次答题正确率和再答题正确率。
所谓推荐内容是指编程模式中所呈现给学习方的学习内容；可选的，推荐内容可以是根据学习方的能力水平推荐的适合学习方的编程知识点，可从编程知识图谱中确定。
一种可选方式，推荐内容从编程知识图谱中确定，包括：获取学习方在编程模式下的历史学习行为数据；根据历史学习行为数据，确定学习方的学习行为和能力画像；根据学习方的学习行为和能力画像，从编程知识图谱中确定推荐内容，并将推荐内容推送至学习方。
其中，历史学习行为数据是指历史情况下在编程模式中进行编程学习的行为数据。
具体的，可以获取学习方在编程模式下的历史学习行为数据，之后，可以基于能力画像确定模型，根据历史学习行为数据，确定学习方的学习行为和能力画像，进而根据学习方的学习行为和能力画像，从编程知识图谱中为学习方确定对应的推荐内容，并将推荐内容推送至学习方。其中，能力画像确定模型可以基于机器学习算法得到。
除此之外，每个编程模式的初始阶段，编程平台可以供不同的学习方将课包(即最基础的学习内容)下载至学习方本地，也就是说，编程平台中都存在一套适配所有学习方的最基础的学习内容，可以应对学习方网络不畅或其他异常情况学习方无法获取推荐内容的兜底方案。
具体的，响应于学习方在编程平台中任一编程模式下的学习操作，获取学习方在编程模式下对推荐内容的学习行为数据。其中，学习操作可以为点击、快进、拖动、输入操作等。
S120、根据学习行为数据，确定学习方对编程知识的当前掌握情况。
其中，当前掌握情况是指学习方在当前编程模式下对编程知识的学习掌握情况；可选的，可以以分数、等级等形式表示。
具体的，可以基于掌握情况确定模型，根据学习行为数据，确定学习方对编程知识的当前掌握情况。其中掌握情况确定模型可以基于深度学习算法得到。
本发明实例，通过从编程知识图谱中确定推荐内容，并获取学习方在任一编程模式下对推荐内容的学习行为数据，并根据获取的学习行为数据确定学习方对推荐内容中存在的编程知识的当前掌握情况，实现了根据学习方的学习过程产生的行为数据进行精准化、个性化内容推荐，提升教学质量的同时，可以大规模的提供针对学习方个体特性的个性化内容服务，可以让学习方将所学知识真正得到应用和检验，达成更高的学习目标。
实施例二
图2为本发明实施例二提供的一种编程学习方法的流程图，本实施例在上述实施例的基础上进一步细化，提供了根据学习行为数据，确定学习方对编程知识的当前掌握情况的具体步骤。如图2所示，该方法包括：
S210、获取学习方在编程模式下对推荐内容的学习行为数据。
其中，推荐内容从编程知识图谱中确定。
S220、根据学习行为数据，确定学习方在预设维度的维度评分。
其中，预设维度是指在编程模式下评判编程学习质量的维度；可选的，预设维度可以包括下述至少一个维度：严谨力、逻辑力、专注力、知识力和创造力。维度评分是指在编程模式下对编程学习过程在预设维度的评分情况；需要说明的是，不同的预设维度对应维度评分规则不同。
一种可选方式，可以基于预设维度评分计算规则，根据学习行为数据，确定学习方在预设维度的维度评分。例如，可以根据随堂测分数和通关次数均值在本期学习方中的排名百分比，确定严谨力维度的维度评分，例如可以通过如下公式确定：
严谨力维度的维度评分＝70+[随堂测分数*0.6+(1-通关次数均值在本期学习方中的排名百分比)*40]*0.3。
又如，可以根据学习方在线时长在本期学习方中的排名百分比、该学习方连续最大通关数占比和该学习方一次通关比例，确定逻辑力维度的维度评分，例如可以通过如下公式确定：
逻辑力维度的维度评分＝70+[(1-该学习方在线时长在本期学习方中的排名百分比)*80+学习方连续最大通关数占比*10+学习方一次通关比例*10]*0.3。
又如，可以根据学习方的在线时长以及完课总时长，确定专注力维度的维度评分，例如可以通过如下公式确定：
专注力维度的维度评分＝70+(学习方在线时长/学习方的完课总时长)*30。
又如，知识力维度的维度评分可以是根据学习方对每个知识点的的首次答题正确率设置一百分比权重，该百分比权重代表学习方对该知识点的掌握情况，根据学习方对错误知识点的巩固，更新对错误知识点首次答题正确率的百分比权重。
再如，创造力维度的维度评分可以是根据自由创作模式和在线对战模式产生的项目数量以及课导和班主任的点评分数综合确定。
其中，创造力维度的维度评分可以是1-10分制。
又一种可选方式，还可以基于五力模型，根据学习行为数据，确定学习方在预设维度的维度评分。具体的，可以将预设维度对应的学习行为数据输入五力模型中，经过模型处理，得到学习方在预设维度的维度评分。
其中，五力模型可以基于机器学习算法，根据历史学习行为数据，训练得到。具体的，首先准备模型学习所需的训练数据，将学习方的历史学习行为数据分为5个等级(A、B+、B、B-、C)，选取A、B+、B等级对应的历史学习行为数据作为正样本，B-、C等级对应的历史学习行为数据作为负样本。
进一步的，五力模型包括两部分，一部分为评分卡模型，另一部分为分数转换模型；其中，评分卡模型可以采用logistic模型，具体如下述公式：
其中，表示胜率，p表示正样本概率；ω1,ω2,…,ωi,…,ωn分别表示模型需要求的参数；x1,x2,…,i,…,xn分别表示输入的训练数据。
进而，分数转换模型可以通过如下公式实现：
score＝A-B*ln(odds)
其中，score表示最终输出的维度评分；A、B分别为分数转换模型中的参数。其中，参数A和B的确定涉及如下两个前提：1)在某个预设维度的基准score，记为P0；2)当odds翻倍时，score减少值，记为PDO(point of double odds)。
基于上述两个前提可以得到如下两个公式：
P0＝A-B*ln(odds)
PDO＝A-B*ln(2*odds)
基于上述两个公式，可以求解得到A＝P0+B*ln(2*odds)。
综上可以得到五力模型。需要说明的是，在得到score后，还可以根据学习方的分布情况，将score线性映射到0-100分。
具体的，根据学习方在任一模式下某一节课的学习行为数据对学习方在学习过程中的不同维度进行评分，以得出学习方在学习过程中的综合评价。示例性的，可以基于五力模型，根据学习方在闯关式课程模式中每一节课的学习行为数据计算出学习方在该节课的五力评分，在学习方触发该节课的课程完课时，五力评分会被学习报告调用，编程平台会对学员在该节课的综合表现给出评价。
S230、根据维度评分，确定学习方对编程知识的当前掌握情况。
具体的，根据不同维度的评分确定学习方对于编程知识点的当前掌握情况。例如专注力维度的维度评分可以看出学习方在知识点的学习停留时长，逻辑力维度的维度评分可以代表学习方对于知识点消化和理解的能力；不同学习方的学习能力、学习效率以及对于知识点的接受能力是不一样的，通过五力模型计算出的五力评分可以一定程度的体现出学习方对于知识点的掌握情况。
可选的，在根据维度评分，确定学习方对编程知识的当前掌握情况之后还可以根据维度评分，重新从编程知识图谱中确定推荐内容。
示例性的，逻辑力评分可以代表学习方对于知识点消化和理解的能力，对于逻辑力排名高的学习方可以在后续课程的学习中推荐学习难度较高的知识点。
本发明实例，通过学习行为数据确定学习方在预设维度的维度评分，根据预设维度的评分给学习方推送适合自身的内容推荐，实现了根据学习方的学习过程产生的行为数据进行精准化、个性化内容推荐，提升教学质量的同时，可以大规模的提供针对学习方个体特性的个性化内容服务，可以让学习方将所学知识真正得到应用和检验，达成更高的学习目标。
实施例三
图3为本发明实施例三提供的一种编程学习方法的流程图，本实施例在上述实施例的基础上进一步细化，提供了若编程模式为赛事模式，获取学习方在编程模式下对推荐内容的学习行为数据的具体步骤。如图3所示，该方法包括：
S310、确定学习方对应的赛事级别。
其中，赛事级别是指赛事的难度等级。可选的，赛事级别可根据学习方的掌握知识点范围和历史掌握情况来确定，例如，某一级赛事会考核知识点ABCDE，而学习方a已经学过的知识点包含ABCDEF，包含了赛事要考核的知识点，则评定学员a可以该参加该级赛事。
S320、获取学习方在赛事模式下对应赛事级别的学习行为数据。
其中，赛事模式属于编程模式的一种；可选的，赛事模式中的赛事题库包含了依据知识点标签统计的历年各项赛考真题，编程平台可以根据带有知识点标签的历史赛考真题的知识点分布情况，合理预测未来赛考的知识点分布情况并自动生成模拟试题。
可选的，能够参加赛事模式的学习方只有通过编程学习过程达到预设编程水平的学习方。可选的，预设编程水平可由编程平台合理化进行设置。
具体的，获取学习方提交的赛事模式下对应赛事级别的程序编写数据(即程序代码)。
S330、基于预设代码指标，根据学习行为数据，确定学习方对编程知识的当前掌握情况。
其中，预设代码指标可以是指代码的可读性、简洁性、可扩展性以及可复用性，用以评判编程代码的质量水平。
具体的，根据学习方在赛事模式对应的赛事级别提交的程序代码，从代码的可读性、简洁性、可扩展性以及可复用性，对提交的程序代码进行打分以及提出建议。
可选的，对提交的程序代码进行打分以及提出建议之后，还包括：
学习方可以根据提出的建议对上次提交的程序代码进行加工和提交，提交后会再次打分和评价，形成一个循环的闭环，促使学习方提高代码的质量。
本发明实例中，参加赛事模式的学习方具有了一定水平的编程能力，通过提交、加工以及再提交的过程，使学习方在保证程序代码可运行的基础上，不断提高代码的质量，使学习方所写的代码符合预设代码指标。
实施例四
图4为本发明实施例四提供的一种编程学习方法的流程图，本实施例在上述实施例的基础上进一步细化，提供了若编程模式为在线对战模式，获取学习方在编程模式下对推荐内容的学习行为数据的具体步骤。如图4所示，该方法包括：
S410、响应于学习方对在线对战模式下子作战模式的选择操作，确定目标对战子模式。
其中，在线对战模式属于编程模式的一种。可选的，在线对战模式以游戏化的形式展现，在该模式中可以实现学习方和学习方之间进行实时合作和/或对战。
其中，子作战模式可以包括单人模式和多人模式，可选的，多人模式下游戏角色的数量就是参加学习方的数量。
可选的，学习方可以在在线对战模式下选择单人模式或是多人模式；相应的，编程平台可以将学习方所选择的单人模式或多人模式确定为目标对战子模式。例如，可以通过学习方的学习行为数据，为学习方推荐对应的游戏，其中，该游戏可以是多人模式；进一步的，可以为学习方提供实力相当的队友或者对手。
S420、响应于学习方对目标作战子模式子游戏角色的选择操作，确定目标游戏角色。
其中，游戏角色是指在线对战模式中需要被控制完成对战的角色，被学习方选择的游戏角色，即为该学习方对应的目标游戏角色。
选择操作可以是指学习方在编程平台中的点击等操作。
具体的，学习方在编程平台中在线对战模型中点击其所想要的游戏角色；相应的，编程平台将该游戏角色作为该学习方的目标游戏角色。例如，若在多人模式下，编程平台还可以对各学习方进行匹配，为同一场景下不同学习方分配对应的游戏角色。又如，在合作模式下，可以按照游戏的任务列表为不同的目标游戏角色(学习方)分配不同的任务，或者，可以响应于不同学习方(目标游戏角色)对任务的选择操作，实现游戏任务的分配。进而，每个学习方所编写的代码(行为控制代码)会控制相应的角色完成对应的任务。
S430、获取学习方编写的对目标游戏角色的行为控制代码。
其中，行为控制代码是指符合游戏规则的控制目标游戏角色的逻辑程序代码，由学习方产生；需要说明的是，目标游戏角色产生的所有动作必须依据该逻辑程序代码，示例性的，如果想要控制目标游戏角色移动，首先逻辑程序代码中必须存在控制目标游戏角色移动的规则代码，例如，当接收到键盘键入的上下左右指令时，目标游戏角色会向上下左右进行移动的控制代码。
具体的，学习方可以根据具体的项目任务，编写对目标游戏角色的行为控制代码，点击界面中的运行按钮，即将行为控制代码上传至编程平台；相应的，编程平台获取到相应的场景下目标游戏角色行为控制代码后，开始运行所述代码。
进一步的，编程平台的服务端运行目标游戏角色的行为控制代码，同时采集游戏运行日志，其中，游戏运行日志通过长连接的方式传递给学习方；学习方的客户端收到通过长连接传递的日志数据，根据日志数据获取到角色指令，操作游戏角色进行播放。需要说明的是，学习方拿到的视频数据比较大，本实施例中编程平台返给学习方的仅仅是关键帧的数据。
进一步的，还可以预定义一套关键帧指令(游戏角色的指令，即关键指令)，关键帧指令在系统内部运行之后，会以日志的形式将关键帧指令输出到学习方的客户端；相应的，客户端收到关键帧指令，根据该关键帧指令进行执行实现游戏运行效果的播放，其中关键帧指令是客户端与服务端协商的关键帧指令。
可选的，学习方可以根据所掌握的编程知识(并不局限于课程中所涉及的编程知识)按照自身的思维逻辑任意编写对应目标游戏角色的行为控制代码，以增加在线对战模式的自由度，具体可以是，学习方编写的代码通过接收入参的方式得到游戏场景中提供的环境数据，例如，游戏场景中子弹的位置、速度、角度等信息；收到所述入参数据后，学习方在该环境中设计游戏角色的执行策略，例如怎样的情况要加速、怎样的情况要左转、怎样的情况要射击等，这些策略的目标是高效赢得游戏胜利。需要说明的是，该平台以事件驱动的方式判断运行结果，对学习方执行策略不做限定，进而实现学习方设计方案的多样化。在线对战的自主度比较高。这样可以尽情发挥学习方的创造能力，并将行为控制代码上传至编程平台；或者在编程平台中编写对应的行为控制代码。相应的，编程平台可以获取到学习方编写的对目标游戏角色的行为控制代码。
S440、根据行为控制代码，确定目标游戏角色的目标执行动作，以控制目标游戏角色执行目标执行动作，直至游戏结束，并记录游戏过程。
其中，目标执行动作是指目标游戏角色依据行为控制代码所做出的与行为控制代码对应的执行动作，例如执行、左转或右转等。
具体的，编程平台可以基于预设代码动作转换规则，根据学习方编写的行为控制代码，生成可以控制目标游戏角色游戏的目标执行动作，进而控制目标游戏角色执行对应的目标执行动作，直至游戏结束。需要说明的是，编程平台中的游戏项目均会有描述游戏目标、游戏角色、游戏角色的入参出参定义、以及出参对应的指令；学习方可以了解游戏角色的入参含义和出参对应的指令，例如输出左转表示控制角色左转，输出抓取表示控制角色抓取宝石等。这样在学习方提交代码后，运行输出的命令会被编程平台转换成相应的动作指令传递给游戏角色，比如学习方输出左转，编程平台转换成游戏输出左转，即实现学习方代码控制游戏角色的动作。
于此同时，编程平台还可以记录整个游戏过程，便于学习方后续复盘等，即发给学习方的执行指令，服务端(编程平台)会实时保存，用于后续的分享或复盘。
此外，需要说明的是，编程平台提供视频功能，可以在多人模式下，使得学习方可以通过视频的方式与其他学习方实时进行沟通游戏策略生成行为控制代码完成游戏挑战。也即，此时多人模式为协作模式，不同学习方之间可以进行目标的讨论；编程平台分配任务时，将任务拆分为多块。学习方一方面可以通过视频功能，沟通任务的具体分配方式或者是讨论具体的实现逻辑等；另外还可以在游戏编辑过程中，通过指令的形式将代码同步展示给协作方，协作方可以看到其代码的实时变动。需要说明的是本实施例中协作方只能看到代码编辑过程，但是不能直接编写对方代码，确保学习方的代码均为自行编辑，避免作弊行为。要说明的是，视频功能是编程平台中独立的功能。
S450、根据游戏过程和行为控制代码，确定学习方对编程知识的当前掌握情况。
一种可选方式，可以根据游戏过程中任务的完成情况以及行为控制代码的质量，确定学习方对编程知识的当前掌握情况。例如，可以根据游戏过程中任务的完成情况确定任务执行分数，并基于代码评价指标，确定行为控制代码的质量分数，之后将任务执行分数和质量分数相加的结果作为学习方对编程知识的当前掌握情况。
一些例子，若在线对战模式发布了一个抓取宝石的任务，则谁能用时最少，使用的代码量少，运行速度更快，谁将获胜。若在线对战模式模拟了一个团队合作共同完成一个游戏项目，比如黄金矿工游戏，看团队合作是否能共同产出一个好玩的游戏，且所有的代码合并到一个项目依旧可以流畅运行。这一部分除了要考察代码编写质量，还要考虑代码质量的量化指标，整体是否符合可读性、简洁性、可扩展性、可复用性这四个指标，真正做到通过所学知识进行创造。具体的，对于可读性，通过枚举用户定义的函数名称和变量名称与功能模块名称对比来判断学习方定义的名称是不是通俗易懂；对于简洁性，通过代码行数设计打分区间，例如5行可以结束，超过5行的代码分数就低。对于可复用性，通过对提交的代码进行切分，识别出学习方定义的类的个数，抽象出的功能函数的个数来判断可复用性。对于可扩展性，检测学习方代码中的相同代码的数量，如果相同代码的数量偏高，说明复用性较差。
又一种可选方式，还可以将游戏中游戏任务的完成得分，作为五力模型的输入，经过五力模型处理，输出最终知识点掌握得分，即学习方对其行为控制代码中涉及编程知识的当前掌握情况。
本发明实施例，通过引入游戏化的编程过程和体验，在体验上解决学习方在学习过程趣味性不强的问题，且可以和多个学习方进行在线对战和合作，使学习过程有互动、有氛围感，且学习方的行为控制代码在服务器统一运行不用下载多余的客户端。
在上述实施例的基础上，作为本发明的一种可选方式，还可以为不同学习方分配设定的内存空间。为不同学习方分配各自独立的内存空间以运行各自目标游戏角色的行为控制代码，避免了因某一学习方提交的行为控制代码运行时，持续占用CPU导致内存空间超载，实现了CPU和内存的相互隔离，避免不同学习方的行为控制代码运行时相互之间产生影响；也就是说，为了保证系统的安全性，为了避免学习方程序出现内存和CPU上的问题导致系统不稳定的问题，对学习方的程序使用的内存和CPU进行了隔离，比如一个学习方程序使用大量的内存，如果不隔离会影响系统其他学习方的程序使用内存，隔离后每个程序使用自己的内存和CPU，相互之间不会影响。同时学习方生成的行为控制代码可以交给远程服务器进行运行，无需学习方下载单独的编程语言运行环境的客户端。
需要说明的是，一般本地学习编程方式需要复杂的编程环境配置环节，本实施例中在线对战应及时性要求较高，用户复杂多样，因此，选择远程服务器运行的方式，仅需要在服务端配置多语言的编程环境，即可以提供PC、手机、ipad等多端多语言的运行效果。
实施例五
图5为本发明实施例5提供的一种编程学习装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种编程学习方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置包括：
学习行为数据获取模块510，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，推荐内容从编程知识图谱中确定。
掌握情况确定模块520，用于根据学习行为数据，确定学习方对编程知识的当前掌握情况。
本发明实施例，通过从编程知识图谱中确定推荐内容，并获取学习方在任一编程模式下对推荐内容的学习行为数据，并根据获取的学习行为数据确定学习方对推荐内容中存在的编程知识的当前掌握情况，实现了根据学习方的学习过程产生的行为数据进行精准化、个性化内容推荐，提升教学质量的同时，可以大规模的提供针对学习方个体特性的个性化内容服务，可以让学习方将所学知识真正得到应用和检验，达成更高的学习目标。
可选的，编程知识图谱包括至少一个编程知识类别；编程知识类别包括至少一个编程知识点；知识点对应至少一个内容资源；内容资源包括下述至少一项：知识点讲解视频、试题和练习关卡。
可选的，掌握情况确定模块520具体用于：
根据学习行为数据，确定学习方在预设维度的维度评分；
根据维度评分，确定学习方对编程知识的当前掌握情况。
可选的，学习行为数据获取模块510具体用于：
确定学习方对应的赛事级别；
获取学习方在赛事模式下对应赛事级别的学习行为数据。
可选的，掌握情况确定模块520还具体用于：
基于预设代码指标，根据学习行为数据，确定学习方对编程知识的当前掌握情况。
可选的，学习行为数据获取模块510还具体用于：
响应于学习方对在线对战模式下子作战模式的选择操作，确定目标作战子模式；
响应于学习方对目标作战子模式子游戏角色的选择操作，确定目标游戏角色；
获取学习方所编写的对目标游戏角色的行为控制代码。
可选的，掌握情况确定模块520还具体用于：
根据行为控制代码，确定目标游戏角色的目标执行动作，以控制目标游戏角色执行目标执行动作，直至游戏结束，并记录游戏过程；
根据游戏过程和行为控制代码，确定学习方对编程知识的当前掌握情况。
可选的，该装置还包括：
内存空间分配模块，用于为不同学习方分配设定的内存空间。
可选的，学习行为数据包括下述至少一项：对知识点讲解视频的第一学习行为数据、练习关卡的第二学习行为数据、试题的第三学习行为数据和程序编写数据；其中，第一学习行为数据包括观看时长和/或观看次数；第二学习行为数据包括下述至少一项：停留时长、尝试次数、是否查看辅助提示和是否回看知识点讲解视频；第三学习行为数据包括下述至少一项：初次答题时长、初次答题正确率和再答题正确率。
本发明实施例所提供的编程学习装置可执行本发明任意实施例所提供的编程学习方法，具备执行编程学习方法相应的功能模块和有益效果。
在上述实施例的基础上，本发明还提供一种编程学习系统，该编程学习系统包括：
编程学习平台，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况；
学习方客户端，用于学习方在编程模式下对推荐内容进行学习，并产生学习行为数据。可选的，学习方客户端可以是移动终端中应用程序。
进一步的，编程学习平台可以包括课前准备模块、闯关式课程模块、错题本模块、阶段测评模块、拓展课堂模块、自由创作模块、加练题模块、赛事模块以及在线对战模块。其中，课前准备模块对应提供课前准备模式的相关内容；闯关式课程模块对应提供闯关式课程模式的相关内容；错题本模块对应提供错题本模式的相关内容；阶段测评模块对应提供阶段测评模式的相关内容；拓展课堂模块对应提供拓展课堂模式的相关内容；自由创作模块对应提供自由创作模式的相关内容；加练题模块对应提供加练题模式的相关内容；赛事模块对应提供赛事模式的相关内容；在线对战模块对应提供在线对战模式的相关内容。
实施例六
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如编程学习方法。
在一些实施例中，编程学习方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的编程学习方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行编程学习方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与学习方的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向学习方显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，学习方可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与学习方的交互；例如，提供给学习方的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自学习方的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形学习方界面或者网络浏览器的学习方计算机，学习方可以通过该图形学习方界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (13)

1.一种编程学习方法，其特征在于，包括：
获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；
根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。
2.根据权利要求1所述的方法，其特征在于，所述编程知识图谱包括至少一个编程知识类别；所述编程知识类别包括至少一个编程知识点；所述知识点对应至少一个内容资源；所述内容资源包括下述至少一项：知识点讲解视频、试题和练习关卡。
3.根据权利要求1所述的方法，其特征在于，所述根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况，包括：
根据所述学习行为数据，确定所述学习方在预设维度的维度评分；
根据所述维度评分，确定所述学习方对编程知识的当前掌握情况。
4.根据权利要求1所述的方法，其特征在于，若所述编程模式为赛事模式；所述获取学习方在编程模式下对推荐内容的学习行为数据，包括：
确定所述学习方对应的赛事级别；
获取所述学习方在赛事模式下对应赛事级别的学习行为数据。
5.根据权利要求4所述的方法，其特征在于，根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况，包括：
基于预设代码指标，根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。
6.根据权利要求1所述的方法，其特征在于，所述编程模式为在线对战模式；所述获取学习方在编程模式下对推荐内容的学习行为数据，包括：
响应于所述学习方对所述在线对战模式下子作战模式的选择操作，确定目标作战子模式；
响应于所述学习方对所述目标作战子模式子游戏角色的选择操作，确定目标游戏角色；
获取所述学习方所编写的对所述目标游戏角色的行为控制代码。
7.根据权利要求6所述的方法，其特征在于，所述根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况，包括：
根据所述行为控制代码，确定所述目标游戏角色的目标执行动作，以控制所述目标游戏角色执行所述目标执行动作，直至游戏结束，并记录游戏过程；
根据所述游戏过程和所述行为控制代码，确定所述学习方对编程知识的当前掌握情况。
8.根据权利要求1所述的方法，其特征在于，还包括：
为不同学习方分配设定的内存空间。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述学习行为数据包括下述至少一项：对知识点讲解视频的第一学习行为数据、练习关卡的第二学习行为数据、试题的第三学习行为数据和程序编写数据；其中，所述第一学习行为数据包括观看时长和/或观看次数；所述第二学习行为数据包括下述至少一项：停留时长、尝试次数、是否查看辅助提示和是否回看知识点讲解视频；所述第三学习行为数据包括下述至少一项：初次答题时长、初次答题正确率和再答题正确率。
10.一种编程学习装置，其特征在于，包括：
学习行为数据获取模块，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；
掌握情况确定模块，用于根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况。
11.一种编程学习系统，其特征在于，包括：
编程学习平台，用于获取学习方在编程模式下对推荐内容的学习行为数据；其中，所述推荐内容从编程知识图谱中确定；根据所述学习行为数据，确定所述学习方对编程知识的当前掌握情况；
学习方客户端，用于学习方在编程模式下对推荐内容进行学习，并产生学习行为数据。
12.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的编程学习方法。
13.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的编程学习方法。
CN202310317519.1A 2023-03-29 2023-03-29 编程学习方法、装置、设备和存储介质 Pending CN116450801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310317519.1A CN116450801A (zh) 2023-03-29 2023-03-29 编程学习方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310317519.1A CN116450801A (zh) 2023-03-29 2023-03-29 编程学习方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN116450801A true CN116450801A (zh) 2023-07-18

Family

ID=87123077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310317519.1A Pending CN116450801A (zh) 2023-03-29 2023-03-29 编程学习方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN116450801A (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090112989A1 (en) * 2007-10-24 2009-04-30 Microsoft Corporation Trust-based recommendation systems
CN102129504A (zh) * 2010-01-12 2011-07-20 深圳市世纪凯旋科技有限公司 一种网络博弈游戏的实现方法及系统
CN106227809A (zh) * 2016-07-22 2016-12-14 广东小天才科技有限公司 一种试题的推送方法及装置
CN106909682A (zh) * 2017-03-03 2017-06-30 盐城工学院 题库设计方法及系统
CN109410676A (zh) * 2018-11-28 2019-03-01 国家电网公司 一种安全资格认证考试方法、系统及设备
CN112016767A (zh) * 2020-10-09 2020-12-01 北京高思博乐教育科技股份有限公司 学习路线的动态规划方法及装置
CN112507140A (zh) * 2021-02-08 2021-03-16 深圳市阿卡索资讯股份有限公司 一种个性化智能学习推荐方法、装置、设备及存储介质
CN112529155A (zh) * 2020-12-07 2021-03-19 华中师范大学 动态知识掌握建模方法、建模系统、存储介质及处理终端
CN112596731A (zh) * 2020-12-29 2021-04-02 中国科学技术大学 一种融合智能教育的编程教学系统及方法
CN112991847A (zh) * 2021-03-03 2021-06-18 深圳市一号互联科技有限公司 基于人工智能驱动的全方位多功能的智能编程教学系统
CN113657723A (zh) * 2021-07-26 2021-11-16 弘成科技发展有限公司 知识点掌握情况诊断方法、试题推荐方法及装置
WO2021253480A1 (zh) * 2020-06-19 2021-12-23 平安科技（深圳）有限公司 习题智能推荐方法、装置、计算机设备及存储介质
CN114546876A (zh) * 2022-02-28 2022-05-27 北京高途云集教育科技有限公司 一种在线编程学习辅助方法、装置、设备及存储介质
CN115222112A (zh) * 2022-06-30 2022-10-21 北京达佳互联信息技术有限公司 一种行为预测方法、行为预测模型的生成方法及电子设备
CN115687657A (zh) * 2022-11-15 2023-02-03 杭州电子科技大学 一种以知识图谱辅助的试题推荐方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090112989A1 (en) * 2007-10-24 2009-04-30 Microsoft Corporation Trust-based recommendation systems
CN102129504A (zh) * 2010-01-12 2011-07-20 深圳市世纪凯旋科技有限公司 一种网络博弈游戏的实现方法及系统
CN106227809A (zh) * 2016-07-22 2016-12-14 广东小天才科技有限公司 一种试题的推送方法及装置
CN106909682A (zh) * 2017-03-03 2017-06-30 盐城工学院 题库设计方法及系统
CN109410676A (zh) * 2018-11-28 2019-03-01 国家电网公司 一种安全资格认证考试方法、系统及设备
WO2021253480A1 (zh) * 2020-06-19 2021-12-23 平安科技（深圳）有限公司 习题智能推荐方法、装置、计算机设备及存储介质
CN112016767A (zh) * 2020-10-09 2020-12-01 北京高思博乐教育科技股份有限公司 学习路线的动态规划方法及装置
CN112529155A (zh) * 2020-12-07 2021-03-19 华中师范大学 动态知识掌握建模方法、建模系统、存储介质及处理终端
CN112596731A (zh) * 2020-12-29 2021-04-02 中国科学技术大学 一种融合智能教育的编程教学系统及方法
CN112507140A (zh) * 2021-02-08 2021-03-16 深圳市阿卡索资讯股份有限公司 一种个性化智能学习推荐方法、装置、设备及存储介质
CN112991847A (zh) * 2021-03-03 2021-06-18 深圳市一号互联科技有限公司 基于人工智能驱动的全方位多功能的智能编程教学系统
CN113657723A (zh) * 2021-07-26 2021-11-16 弘成科技发展有限公司 知识点掌握情况诊断方法、试题推荐方法及装置
CN114546876A (zh) * 2022-02-28 2022-05-27 北京高途云集教育科技有限公司 一种在线编程学习辅助方法、装置、设备及存储介质
CN115222112A (zh) * 2022-06-30 2022-10-21 北京达佳互联信息技术有限公司 一种行为预测方法、行为预测模型的生成方法及电子设备
CN115687657A (zh) * 2022-11-15 2023-02-03 杭州电子科技大学 一种以知识图谱辅助的试题推荐方法

Similar Documents

Publication Publication Date Title
Stiller et al. Game-based learning of the structure and functioning of body cells in a foreign language: Effects on motivation, cognitive load, and performance
Bharathi et al. AI-driven adaptive learning for enhancing business intelligence simulation games
Howland et al. Learning to communicate computationally with Flip: A bi-modal programming language for game creation
Despeisse Games and simulations in industrial engineering education: a review of the cognitive and affective learning outcomes
Ketamo et al. Conceptual change takes time: Game based learning cannot be only supplementary amusement
Briffa et al. Improved students’ performance within gamified learning environment: A meta-analysis study
Zhan et al. A systematic literature review of game-based learning in Artificial Intelligence education
Rosario et al. An exploratory review of design principles in constructivist gaming learning environments
Rosmansyah et al. A 3D multiuser virtual learning environment for online training of agriculture surveyors
Rumeser et al. Lessons learned from implementing project management games
Kittur et al. Serious games in engineering: The current state, trends, and future
McLaren et al. Digital learning games in Artificial Intelligence in Education (AIED): A review
Sotnik et al. Gamification in science: game platforms for learning
CN113935618A (zh) 下棋能力的测评方法、装置、电子设备及存储介质
Chen et al. Effectiveness of AI-assisted game-based learning on science learning outcomes, intrinsic motivation, cognitive load, and learning behavior
Atorf et al. Study on enhancing learnability of a serious game by implementing a pedagogical agent
CN116450801A (zh) 编程学习方法、装置、设备和存储介质
Jovanov et al. State competitions in informatics and the supporting online learning and contest management system with collaboration and personalization features MENDO
CN114186696A (zh) 一种ai训练教学的可视化系统及方法
Osunde et al. Motivationally Appealing Computer Science e-Learning Games: An Inclusive Design Approach
Gill et al. Effects of Augmented Reality Gamification on Students’ Intrinsic Motivation and Performance
Birchall et al. The periodic table of elements via an XNA-powered serious game
CN112634691A (zh) 一种变电运检仿真培训装置
Muñoz et al. Gamification in Virtual reality Environments for the integration of Highly Effective Teams
Liu et al. Understanding Student Navigation Patterns in Game-Based Learning.

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