CN117114940A - 一种资源匹配方法、系统、装置及介质 - Google Patents

一种资源匹配方法、系统、装置及介质 Download PDF

Info

Publication number
CN117114940A
CN117114940A CN202311380611.9A CN202311380611A CN117114940A CN 117114940 A CN117114940 A CN 117114940A CN 202311380611 A CN202311380611 A CN 202311380611A CN 117114940 A CN117114940 A CN 117114940A
Authority
CN
China
Prior art keywords
learning
time
module
calculation
stage
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
CN202311380611.9A
Other languages
English (en)
Inventor
孙弋
赵子彧
宋洋
李岩
王煜
孙久勇
王晓静
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.)
Shandong Love Bookren Family Education Technology Co ltd
Original Assignee
Shandong Love Bookren Family Education 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 Shandong Love Bookren Family Education Technology Co ltd filed Critical Shandong Love Bookren Family Education Technology Co ltd
Priority to CN202311380611.9A priority Critical patent/CN117114940A/zh
Publication of CN117114940A publication Critical patent/CN117114940A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q50/2057—Career enhancement or continuing education service
    • 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种资源匹配方法、系统、装置及介质，涉及资源匹配的技术领域，其中资源匹配方法包括信息上传、建立储存数据库、选择、建立推荐学习模型、阶段划分、第一阶段学习、吸收能力计算、初次判断、初次计算、二次计算、二次判断、原计划的第n阶段学习、变计划的第n阶段学习等步骤；资源匹配系统包括储存数据库、上传模块、推荐学习模块、阶段划分模块、阶段学习模块、计算模块Ⅰ、计算模块Ⅱ、判断模块Ⅰ、学习匹配模块Ⅰ、及学习匹配模块Ⅱ、选择模块以及输入模块；根据学生学习后的吸收能力，重新匹配学生的学习时间以及复习时间，进而能够使得学生最大程度的吸收了解学习的内容。

Description

一种资源匹配方法、系统、装置及介质
技术领域
本发明涉及资源匹配的技术领域，尤其是涉及一种资源匹配方法、系统、装置及介质。
背景技术
教育资源个性化匹配系统根据用户情况及需求精准匹配教育资源，用户主要是学生，教育资源则由大量教材资料、辅导资料、讲义课件、图书刊物、授课音视频、习题册、考试试题等数字化资源组成；根据学生的年级或爱好等匹配系统中的教育资源，并将教育资源推送至用户终端。
通常，现有的学习系统，根据学生选择的课程，学生选择学完此课程的时间，系统计算出学生每天用在课程内容学习上的时间，学生每天用在课程内容学习上的时间包括对课程的学习时间、复习时间以及测试时间（即：在规定的时间内完成学习任务、复习任务以及测试任务），学生每天都根据系统分配的学习时间、复习时间以及测试时间进行学习。
但是，由于学生在学习课程时，由于每个学生对课程的学习理解能力不同，当学生根据规定的时间进行学习、复习和测试，当一个学生的吸收能力较差时，可能会导致学生对学习的课程内容无法理解，导致学生每天进行学习后都会有大量的学习难点没有充分的时间去吸收消化，以至于积累更多的难点，进而降低学生的学习效率。
发明内容
为了能够使得学生最大程度的吸收消化所学习的内容，提高学习效率，本发明提供一种资源匹配方法、系统、装置及介质。
第一方面，本发明提供的一种资源匹配方法，采用如下的技术方案：
一种资源匹配方法，包括以下步骤：
信息上传：向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；
建立储存数据库：储存信息上传步骤中上传的课程类别Z的信息；
选择：学生根据个人喜好选择要学习的课程类别Z，家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；
建立推荐学习模型：推荐学习模型如下：
；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1；
阶段划分：将学习分为M个阶段，每个阶段的学习天数均为t；
第一阶段学习：学生根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；
吸收能力计算：计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：
；
初次判断：若K1≥K时，则执行原计划的第n阶段学习步骤，若K1＜K时，则执行初次计算以及变计划的第n阶段学习步骤；
初次计算：对第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：；第一测试时间C2的计算模型为：/>；
原计划的第n阶段学习：按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行吸收能力计算步骤；
变计划的第n阶段学习：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行吸收能力计算步骤。
可选地，所述初次计算后还设置有二次计算步骤；
二次计算：根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：。
可选的，所述初次计算后还设置有二次判断步骤；
二次判断：当时，则执行二次计算步骤，当/>时，则执行反馈步骤；
反馈：反馈学习计划不合理，需重新调整学习计划，并执行选择步骤。
可选的，所述反馈步骤中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：。
第二方面，本发明提供的一种资源匹配系统，采用如下的技术方案：
一种资源匹配系统，包括学习终端以及匹配终端，所述学习终端与所述匹配终端电信号连接，所述匹配终端包括储存数据库、上传模块、推荐学习模块、阶段划分模块、阶段学习模块、计算模块Ⅰ、计算模块Ⅱ、判断模块Ⅰ、学习匹配模块Ⅰ以及学习匹配模块Ⅱ，所述学习终端包括选择模块以及输入模块：
上传模块：输出端与储存数据库的输入端电信号连接，向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；
储存数据库：输出端与选择模块的输入端电信号连接，用于储存上传模块上传的信息；
选择模块：输入端与储存数据库的输出端电信号连接，输出端与输入模块的输入端电信号连接，用于学生根据个人喜好选择要学习的课程类别Z；
输入模块：输出端与推荐学习模块的输入端电信号连接，用于家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；
推荐学习模块：输入端还与储存数据库的输出端电信号连接，用于调用储存数据库中的数据，输出端与阶段划分模块的输入端电信号连接，用于建立推荐学习模型，建立的推荐学习模型如下：；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1；
阶段划分模块：输出端与阶段学习模块的输入端电信号连接，用于将学习分为M个阶段，并使每个阶段的学习天数均为t；
阶段学习模块：输出端与计算模块Ⅰ的输入端电信号连接，根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；
计算模块Ⅰ：输出端与判断模块Ⅰ的输入端电信号连接，用于计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：；
判断模块Ⅰ：输出端与计算模块Ⅱ的输入端电信号连接，若K1≥K时，则将信息传递至学习匹配模块Ⅰ，若K1＜K时，则将信息传递至学习匹配模块Ⅱ以及计算模块Ⅱ；
计算模块Ⅱ：输出端与学习匹配模块Ⅱ的输入端电信号连接，用于第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：/>；
学习匹配模块Ⅰ：按照建立推荐学习模块中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行计算模块Ⅰ；
学习匹配模块Ⅱ：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行计算模块Ⅰ。
可选的，所述匹配终端还包括计算模块Ⅲ；
计算模块Ⅲ：输入端与计算模块Ⅱ的输出端电信号连接，用于根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：。
可选的，所述匹配终端还包括判断模块Ⅱ以及反馈模块；
判断模块Ⅱ：输入端计算模块Ⅱ的输出端电信号连接，输出端与计算模块Ⅲ的输入端以及反馈模块的输入端电信号连接，当时，则将判断结果传递至计算模块Ⅲ，当/>时，则将判断结果传递至反馈模块；
反馈模块：反馈学习计划不合理，需重新调整学习计划，并将反馈信息传递至输入模块。
可选的，所述反馈模块中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：。
第三方面，本发明提供一种资源匹配装置，采用如下技术方案：
一种装置，包括处理器以及储存器，所述储存器用于存储计算机程序，所述处理器用于执行所述储存器存储的计算机程序，以使所述装置执行如第一方面所述的方法。
第四方面，本发明提供的一种资源匹配介质，采用如下的技术方案：
一种介质，其上存储有计算机程序；所述计算机程序被处理器执行时实现如第一方面所述的方法。
综上所述，本发明包括以下至少一种有益技术效果：
1. 根据学生学习后的吸收能力，重新匹配学生的学习时间以及复习时间，进而能够使得学生最大程度的吸收了解学习的内容。
2. 通过在时间t内对学生的学习能力K1进行计算，得出学生的学习能力是否达标，通过学习能力K1，重新分配学生的学习时间、复习时间以及测试时间，在学生的吸收能力较差时，增加学生的复习时间，进而提高学生完成学习内容的质量。
3.为了确保学生能够对主课程完成学习，在减少学习时间时，即减少辅课程的学习时间，使得在总花费时间不变的情况下，增加复习时间，进而提供充足的复习时间让学生吸收所学习的内容。
4．当学生吸收能力很差时，需要较长的复习时间对学习的内容进行吸收，则系统推荐学生或家长重新输入每天的学习时长，以确保能够完成对主课程的学习。
附图说明
图1是本申请实施例1的流程图；
图2是实施例2的系统图；
图3是实施例3的总线通信结构示意图。
具体实施方式
以下结合图1至图3对本发明作进一步详细说明。
实施例1：本实施例公开了一种资源匹配方法，参照图1，一种资源匹配方法包括以下步骤：
S1：信息上传：向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；（例如：在教学中60%为及格，70%为良好，80%为优秀，系统中以优秀对K取值）。
S2：建立储存数据库：储存信息上传步骤中上传的课程类别Z的信息。
S3：选择：学生根据个人喜好选择要学习的课程类别Z，家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；（例如：信息上传步骤中总的课程学习时长为T0+T1+……Tn，当输入Q时，能计算出学习总天数D，当输入D时，能计算出每天的总花费时间Q）
S4：建立推荐学习模型：推荐学习模型如下：
；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1（例如：测试时间与学习时间成正比关系，学习时间越多，需要测试的内容越多，需要的测试时间越多）。
S5：阶段划分：将学习分为M个阶段，每个阶段的学习天数均为t。
S6：第一阶段学习：学生根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；（例如：阶段划分步骤中将学习划分为5个阶段，每个阶段为10天，统计10天的测试成绩）。
S7：吸收能力计算：计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：
。
S8：初次判断：若K1≥K时，则执行原计划的第n阶段学习步骤，若K1＜K时，则执行初次计算以及变计划学习步骤；（例如：K为0.8，当计算的K1为0.9时，就按建立推荐学习模型中的每天用在学习上的时间X1，每天用在复习上的时间F1，每天用在测试上的时间C1的时间分配方式进行学习，学习第二个阶段后再次对K1进行计算，当K1为0.7时，就重新确定学习时间、复习时间以及测试时间之间的比值）。
S9：初次计算：对第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：；第一测试时间C2的计算模型为：/>；（例如：在信息选择步骤中Q的值为13时，K为0.8，A为0.1，则建立推荐学习模型步骤中计算出的X1为10，F1为2，C1为1，当吸收能力变为K1为0.7时，计算出X2为9.3，F2为2.77，C2为0.93；所以就减小了学习时间，增加了复习时间，由于学习时间减少，进而使得测试时间减少）。
S10：二次判断：当时，则执行二次计算步骤并执行变计划的第n阶段学习步骤，当/>时，则执行反馈步骤；
S11：二次计算：根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：；（当初次计算步骤中的学习时间减少后，为了完成主课程的学习任务，对主课程的学习时间不变，减少的学习时间为辅课程的学习时间；例如：在K为0.8、X1为10时，主课程的学习时间与辅课程1以及辅课程2的时间比值为7:2:1，当第一学习时间X2相对于X1减小时，全部的辅课程学习时间为9.3-7=2.3，将全部的辅课程学习时间2.3按照2:1分配给辅课程1以及辅课程2）。
S12：反馈：反馈学习计划不合理，需重新调整学习计划，在反馈时向家长或学生推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：；并执行选择步骤；（例如：当吸收能力K1较小时，导致学习时间减少，当学习时间不能够供主课程学习时，向家长或反馈信息，即学生不能够在每天的学习时间X2的情况下，学习完主课程，系统会向家长推送建议重新输入每天花费的时长Q1）。
S13：原计划的第n阶段学习：按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行吸收能力计算步骤。
S14：变计划的第n阶段学习：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行吸收能力计算步骤。
本实施例一种资源匹配方法的实施原理为：
系统端向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K，学生根据个人喜好选择要学习的课程类别Z，家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D，当信息上传步骤以及学生选择步骤完成后，系统建立推荐学习模型，推荐学习模型为：
；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1，之后系统将学习分为M个阶段，每个阶段的学习天数均为t，学生开始按照推荐学习模型进行第一阶段的学习，第一阶段的学习方式为：学生根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，系统录每天学习后的测试成绩Pi，第一阶段学习完成后，计算学生在学习天数t内对课程的吸收能力K1，若K1≥K时，则继续按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行吸收能力计算步骤，当K1＜K时，对第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：/>；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：/>，当/>时，再根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，并按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行吸收能力计算步骤；当/>时，系统反馈给家长或学生信息，反馈学习计划不合理，需重新调整学习计划，在反馈时向家长或学生推送建议每天花费的时长Q1；由于学生现根据系统拟定的时间计划进行天数为t的时间学习，当检测到学生的吸收能力较小时，系统及时修改学习计划，进而使得学生能够有充足的复习时间去复习所学习的内容，进而提高学生对学习内容的吸收量。
实施例2：本实施例公开了一信息推荐系统，参照图2，信息推荐系统包括学习终端以及匹配终端，所述学习终端与所述匹配终端电信号连接，所述匹配终端包括储存数据库、上传模块、推荐学习模块、阶段划分模块、阶段学习模块、计算模块Ⅰ、计算模块Ⅱ、计算模块Ⅲ、判断模块Ⅰ、判断模块Ⅱ、反馈模块、学习匹配模块Ⅰ以及学习匹配模块Ⅱ，所述学习终端包括选择模块以及输入模块：
上传模块：输出端与储存数据库的输入端电信号连接，向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；
储存数据库：输出端与选择模块的输入端电信号连接，用于储存上传模块上传的信息；
选择模块：输入端与储存数据库的输出端电信号连接，输出端与输入模块的输入端电信号连接，用于学生根据个人喜好选择要学习的课程类别Z；
输入模块：输出端与推荐学习模块的输入端电信号连接，用于家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；
推荐学习模块：输入端还与储存数据库的输出端电信号连接，用于调用储存数据库中的数据，输出端与阶段划分模块的输入端电信号连接，用于建立推荐学习模型，建立的推荐学习模型如下：；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1；
阶段划分模块：输出端与阶段学习模块的输入端电信号连接，用于将学习分为M个阶段，并使每个阶段的学习天数均为t；
阶段学习模块：输出端与计算模块Ⅰ的输入端电信号连接，根据建立推荐学习模型中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；
计算模块Ⅰ：输出端与判断模块Ⅰ的输入端电信号连接，用于计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：；
判断模块Ⅰ：输出端与计算模块Ⅱ的输入端电信号连接，若K1≥K时，则将信息传递至学习匹配模块Ⅰ，若K1＜K时，则将信息传递至学习匹配模块Ⅱ以及计算模块Ⅱ；
计算模块Ⅱ：输出端与判断模块Ⅱ的输入端电信号连接，用于第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：。
判断模块Ⅱ：输入端计算模块Ⅱ的输出端电信号连接，输出端与计算模块Ⅲ的输入端以及反馈模块的输入端电信号连接，当时，则将判断结果传递至计算模块Ⅲ，当/>时，则将判断结果传递至反馈模块。
计算模块Ⅲ：输入端与计算模块Ⅱ的输出端电信号连接，用于根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：。
反馈模块：反馈学习计划不合理，需重新调整学习计划，在反馈过程中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：；并将反馈信息传递至输入模块。
学习匹配模块Ⅰ：按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行计算模块Ⅰ；
学习匹配模块Ⅱ：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行计算模块Ⅰ。
本实施例一种资源匹配系统的实施原理为：
上传模块向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K，储存数据库储存上传模块上传的信息，学生通过选择模块向储存数据库中选择要学习的课程类别Z，学生或家长通过输入模块输入每天花费的时长Q，或者，家长或学生输入学习总天数D，推荐学习模块调用储存数据库中的数据，建立推荐学习模型，；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1，阶段划分模块将学习分为M个阶段，并使每个阶段的学习天数均为t，学生根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi，计算模块计算学生在学习天数t内对课程的吸收能力K1，判断模块对K1进行判断，若K1≥K时，则按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行计算模块Ⅰ，若K1＜K时，则将信息传递至计算模块Ⅱ，计算模块Ⅱ对第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：/>；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：/>，之后，判断模块Ⅱ对X2进行判断，/>时，则将判断结果传递至计算模块Ⅲ，计算模块Ⅲ根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：/>，并按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行计算模块Ⅰ，当/>时，则将判断结果传递至反馈模块，反馈模块反馈学习计划不合理，需重新调整学习计划，在反馈过程中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：/>；并将反馈信息传递至输入模块。
实施例3：本实施例公开了一种资源匹配装置，参照图3，信息推荐装置包括：
储存器，用于储存计算机程序；
处理器，用于执行储存器储存的计算机程序，进而实现实施例1中所述的方法。
储存器可以包括用于储存数据或指令的大容量储存器。举例来说而非限制，储存器可以包括硬盘、软盘、闪存、光盘、磁光盘、磁带或者两个或更多个以上这些的组合。在合适的情况下，储存器可包括可移除或不可移除(或固定)的介质。在合适的情况下，储存器可在数据处理装置的内部或外部。在特定实施例中，储存器是非易失性固态储存器。在特定实施例中，储存器包括只读储存器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EBROM)或者两个或更多个以上这些的组合。
实施例4：本实施例公开了一种用于资源匹配的计算机储存介质，其中，该计算机储存介质存储有程序，该程序执行时能够实现实施例1中所记载的方法的部分或全部步骤。
以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (10)

1.一种资源匹配方法，其特征在于：包括以下步骤：
信息上传：向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；
建立储存数据库：储存信息上传步骤中上传的课程类别Z的信息；
选择：学生根据个人喜好选择要学习的课程类别Z，家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；
建立推荐学习模型：推荐学习模型如下：
；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1；
阶段划分：将学习分为M个阶段，每个阶段的学习天数均为t；
第一阶段学习：学生根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；
吸收能力计算：计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：
；
初次判断：若K1≥K时，则执行原计划的第n阶段学习步骤，若K1＜K时，则执行初次计算以及变计划的第n阶段学习步骤；
初次计算：对第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：/>；
原计划的第n阶段学习：按照建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行吸收能力计算步骤；
变计划的第n阶段学习：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行吸收能力计算步骤。
2.根据权利要求1所述的一种资源匹配方法，其特征在于：所述初次计算后还设置有二次计算步骤；
二次计算：根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：。
3.根据权利要求2所述的一种资源匹配方法，其特征在于：所述初次计算后还设置有二次判断步骤；
二次判断：当时，则执行二次计算步骤并执行变计划的第n阶段学习步骤，当时，则执行反馈步骤；
反馈：反馈学习计划不合理，需重新调整学习计划，并执行选择步骤。
4.根据权利要求3所述的一种资源匹配方法，其特征在于：所述反馈步骤中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：。
5.一种资源匹配系统，应用权利要求1-4中任意一项所述的资源匹配方法，其特征在于：包括学习终端以及匹配终端，所述学习终端与所述匹配终端电信号连接，所述匹配终端包括储存数据库、上传模块、推荐学习模块、阶段划分模块、阶段学习模块、计算模块Ⅰ、计算模块Ⅱ、判断模块Ⅰ、学习匹配模块Ⅰ以及学习匹配模块Ⅱ，所述学习终端包括选择模块以及输入模块：
上传模块：输出端与储存数据库的输入端电信号连接，向储存数据库中上传课程类别Z，所述课程类别Z中包括1个主课程z0以及N个辅课程z1、z2……zn，确定主课程z0的总学习时长T0以及辅课程z1、z2……zn的总学习时长T1、T2……Tn，向储存数据库中上传学生的标准学习能力K；
储存数据库：输出端与选择模块的输入端电信号连接，用于储存上传模块上传的信息；
选择模块：输入端与储存数据库的输出端电信号连接，输出端与输入模块的输入端电信号连接，用于学生根据个人喜好选择要学习的课程类别Z；
输入模块：输出端与推荐学习模块的输入端电信号连接，用于家长或学生输入每天花费的时长Q，或者，家长或学生输入学习总天数D；
推荐学习模块：输入端还与储存数据库的输出端电信号连接，用于调用储存数据库中的数据，输出端与阶段划分模块的输入端电信号连接，用于建立推荐学习模型，建立的推荐学习模型如下：；式中，X1为每天用在学习上的时间，F1为每天用在复习上的时间，C1为每天用在测试上的时间，A为比例系数，且A满足0＜A＜1；
阶段划分模块：输出端与阶段学习模块的输入端电信号连接，用于将学习分为M个阶段，并使每个阶段的学习天数均为t；
阶段学习模块：输出端与计算模块Ⅰ的输入端电信号连接，根据建立推荐学习模型步骤中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的方式进行第一阶段天数为t的方式进行需学习，并记录每天学习后的测试成绩Pi；
计算模块Ⅰ：输出端与判断模块Ⅰ的输入端电信号连接，用于计算学生在学习天数t内对课程的吸收能力K1，吸收能力K1的计算模型如下：；
判断模块Ⅰ：输出端与计算模块Ⅱ的输入端电信号连接，若K1≥K时，则将信息传递至学习匹配模块Ⅰ，若K1＜K时，则将信息传递至学习匹配模块Ⅱ以及计算模块Ⅱ；
计算模块Ⅱ：输出端与学习匹配模块Ⅱ的输入端电信号连接，用于第一学习时间X2、第一复习时间F2以及第一测试时间C2进行计算，第一学习时间X2的计算模型为：；第一复习时间F2的计算模型为：/>；第一测试时间C2的计算模型为：；
学习匹配模块Ⅰ：按照建立推荐学习模块中的每天用在学习上的时间X1、每天用在复习上的时间F1、每天用在测试上的时间C1的时间分配方式进行学习，之后再次执行计算模块Ⅰ；
学习匹配模块Ⅱ：按照第一学习时间X2、第一复习时间F2以及第一测试时间C2的时间分配方式进行学习，之后再次执行计算模块Ⅰ。
6.根据权利要求5所述的一种资源匹配系统，其特征在于：所述匹配终端还包括计算模块Ⅲ；
计算模块Ⅲ：输入端与计算模块Ⅱ的输出端电信号连接，用于根据初次计算步骤中的第一学习时间X2，计算辅课程zn的学习时间Tzn，辅课程zn的学习时间Tzn的计算模型如下：。
7.根据权利要求5所述的一种资源匹配系统，所述匹配终端还包括判断模块Ⅱ以及反馈模块；
判断模块Ⅱ：输入端计算模块Ⅱ的输出端电信号连接，输出端与计算模块Ⅲ的输入端以及反馈模块的输入端电信号连接，当时，则将判断结果传递至计算模块Ⅲ，当时，则将判断结果传递至反馈模块；
反馈模块：反馈学习计划不合理，需重新调整学习计划，并将反馈信息传递至输入模块。
8.根据权利要求7所述的一种资源匹配系统，其特征在于：所述反馈模块中还推送建议每天花费的时长Q1，建议每天花费的时长Q1的计算模型如下：。
9.一种资源匹配装置，其特征在于：包括处理器以及储存器，所述储存器用于存储计算机程序，所述处理器用于执行所述储存器存储的计算机程序，以使所述装置执行如权利要求1-4中任意一项所述的方法。
10.一种用于资源匹配的计算机储存介质，其特征在于：其上存储有计算机程序；其特征在于：所述计算机程序被处理器执行时实现如权利要求1-4中任意一项所述的方法。
CN202311380611.9A 2023-10-24 2023-10-24 一种资源匹配方法、系统、装置及介质 Pending CN117114940A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311380611.9A CN117114940A (zh) 2023-10-24 2023-10-24 一种资源匹配方法、系统、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311380611.9A CN117114940A (zh) 2023-10-24 2023-10-24 一种资源匹配方法、系统、装置及介质

Publications (1)

Publication Number Publication Date
CN117114940A true CN117114940A (zh) 2023-11-24

Family

ID=88804234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311380611.9A Pending CN117114940A (zh) 2023-10-24 2023-10-24 一种资源匹配方法、系统、装置及介质

Country Status (1)

Country Link
CN (1) CN117114940A (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009047804A (ja) * 2007-08-16 2009-03-05 Foresight:Kk 学習支援システム
CN102063812A (zh) * 2010-08-19 2011-05-18 北京安博在线软件有限公司 自适应优化计算机辅助学习系统与方法
CN105701748A (zh) * 2016-04-06 2016-06-22 王彦章 一种用于学生的复习管理系统及方法
US20160217701A1 (en) * 2015-01-23 2016-07-28 Massachusetts Institute Of Technology System And Method For Real-Time Analysis And Guidance Of Learning
CN105869474A (zh) * 2015-01-23 2016-08-17 上海达钮信息科技有限公司 一种响应式教学设计方法及系统
CN109388744A (zh) * 2017-08-11 2019-02-26 北京龙之门网络教育技术股份有限公司 一种自适应学习推荐方法及装置
CN109637233A (zh) * 2019-02-12 2019-04-16 湖南文动力教育科技有限公司 一种智能教学的方法及系统
KR20190107637A (ko) * 2019-09-09 2019-09-20 주식회사 그로티 학습 스케줄 관리 시스템 및 그 방법
CN111815267A (zh) * 2020-06-19 2020-10-23 北京国音红杉树教育科技有限公司 一种外语学习及复习的方法及装置
CN111861374A (zh) * 2020-06-19 2020-10-30 北京国音红杉树教育科技有限公司 一种外语复习机制及装置
CN112396330A (zh) * 2020-11-24 2021-02-23 中教云智数字科技有限公司 一种基于机器学习的学习方案规划方法
CN112632393A (zh) * 2020-12-30 2021-04-09 北京博海迪信息科技有限公司 课程推荐方法、装置及电子设备
CN114139053A (zh) * 2021-11-29 2022-03-04 广东开放大学（广东理工职业学院） 基于学分银行和大数据分析的终身学习资源智能推送系统
CN114742677A (zh) * 2022-04-14 2022-07-12 南京邮电大学 一种基于融媒体的教学辅助互动平台
CN115147254A (zh) * 2022-09-05 2022-10-04 小白智能科技（长春）股份有限公司 一种用于主动引导辅导孩子学习的机器人及其控制方法
CN115879701A (zh) * 2022-11-24 2023-03-31 读书郎教育科技有限公司 一种基于智慧课堂的课堂时长自适应调整系统
CN116012203A (zh) * 2022-12-22 2023-04-25 读书郎教育科技有限公司 一种教学资源匹配系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009047804A (ja) * 2007-08-16 2009-03-05 Foresight:Kk 学習支援システム
CN102063812A (zh) * 2010-08-19 2011-05-18 北京安博在线软件有限公司 自适应优化计算机辅助学习系统与方法
US20160217701A1 (en) * 2015-01-23 2016-07-28 Massachusetts Institute Of Technology System And Method For Real-Time Analysis And Guidance Of Learning
CN105869474A (zh) * 2015-01-23 2016-08-17 上海达钮信息科技有限公司 一种响应式教学设计方法及系统
CN105701748A (zh) * 2016-04-06 2016-06-22 王彦章 一种用于学生的复习管理系统及方法
CN109388744A (zh) * 2017-08-11 2019-02-26 北京龙之门网络教育技术股份有限公司 一种自适应学习推荐方法及装置
CN109637233A (zh) * 2019-02-12 2019-04-16 湖南文动力教育科技有限公司 一种智能教学的方法及系统
KR20190107637A (ko) * 2019-09-09 2019-09-20 주식회사 그로티 학습 스케줄 관리 시스템 및 그 방법
CN111815267A (zh) * 2020-06-19 2020-10-23 北京国音红杉树教育科技有限公司 一种外语学习及复习的方法及装置
CN111861374A (zh) * 2020-06-19 2020-10-30 北京国音红杉树教育科技有限公司 一种外语复习机制及装置
CN112396330A (zh) * 2020-11-24 2021-02-23 中教云智数字科技有限公司 一种基于机器学习的学习方案规划方法
CN112632393A (zh) * 2020-12-30 2021-04-09 北京博海迪信息科技有限公司 课程推荐方法、装置及电子设备
CN114139053A (zh) * 2021-11-29 2022-03-04 广东开放大学（广东理工职业学院） 基于学分银行和大数据分析的终身学习资源智能推送系统
CN114742677A (zh) * 2022-04-14 2022-07-12 南京邮电大学 一种基于融媒体的教学辅助互动平台
CN115147254A (zh) * 2022-09-05 2022-10-04 小白智能科技（长春）股份有限公司 一种用于主动引导辅导孩子学习的机器人及其控制方法
CN115879701A (zh) * 2022-11-24 2023-03-31 读书郎教育科技有限公司 一种基于智慧课堂的课堂时长自适应调整系统
CN116012203A (zh) * 2022-12-22 2023-04-25 读书郎教育科技有限公司 一种教学资源匹配系统

Similar Documents

Publication Publication Date Title
Talbert Inverting the linear algebra classroom
US20110318723A1 (en) Studying system and method with virtual cards
CN105959736A (zh) 辅导视频的推荐方法及装置
WO2016197855A1 (zh) 一种学习心得推荐方法及装置
US20180005540A1 (en) Dynamic and adaptive learning system generator
CN110288878B (zh) 自适应学习方法及装置
CN110619772A (zh) 一种数据处理方法、装置、设备及介质
Majogoro et al. Self-employment intention among university students: testing Ajzen's theory of planned behaviour (TPB)
CN111210685A (zh) 知识掌握情况的测试方法、装置和设备
CN117114940A (zh) 一种资源匹配方法、系统、装置及介质
Rahmah et al. High school students’ mathematical problem solving skills based on Krulik and Rudnick steps reviewed from thinking style
CN107480894A (zh) 在线教学系统的评分提示方法、装置、服务器及存储介质
Andrews Econ FilmMaking: an experiential, problem-based, multimedia project for microeconomics
CN107909517A (zh) 多媒体数据处理方法和装置、存储介质及处理器
CN107527306A (zh) 在线教学系统的任务提示方法、装置、服务器及存储介质
Al-Zahrani Perceptions concerning information technology (IT) innovations and IT training in university libraries in Saudi Arabia
CN112667692A (zh) 一种数据处理方法、装置及电子设备
Estes et al. Is Cheese Food Really Food? aka Some Conscious Alternatives to Overprocessing Experience.
Stoica et al. TAKING THE PULSE OF THE CLASSROOM WITH RESPONSE TECHNOLOGY.
Peng et al. Efficacy of flipping the college career planning course--A finance career planning course
Borissova et al. Generation of e-Learning tests with different degree of complexity by combinatorial optimization
Baghdadchi et al. Active Techniques Implemented in an Introductory Signal Processing Course to Help Students Achieve Higher Levels of Learning.
Oliveira et al. A comparative study of the estimators for the demand of Engineering Courses in Portugal
CN112765406A (zh) 学习资源规划方法、电子设备及计算机存储介质
Johnson Alumni programming in the age of technology

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