[發明專利]線上自動化診斷學習風格系統及方法

在審

• 申請號: 201410509516.9
• 申請日: 2014-09-28
• 公開（公告）號: CN105528505A
• 公開（公告）日: 2016-04-27
• 發明（設計）人: 曾筱倩;胡士鑫
• 申請（專利權）人: 財團法人資訊工業策進會
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 徐金國

1.一種線上自動化診斷學習風格系統，其特征在于，包含：

一學習數據數據庫；

一處理器，其能夠執行一或多個計算機可執行指令；

一網絡通訊裝置；以及

一記憶體，其包含可由該處理器執行的一計算機程序，其中該計算機程序 在由該處理器執行時使該處理器進行以下動作：

經由該網絡通訊裝置接收多個學習平臺所分別傳來的多個信息，并將所述 信息儲存至該學習數據數據庫，其中所述信息中每一者記錄一學習者的至少一 學習行為所對應的相關數據；

判斷該至少一學習行為所屬的學習風格；

篩選所述相關數據中的離群值；

計算所述相關數據剔除該離群值之后的一組數據中的最大值；

計算該組數據中每一者除以該最大值后所得到的轉換數值；

基于該轉換數值以計算該學習者在該學習風格中的評分。

2.根據權利要求1所述的自動化診斷學習風格系統，其特征在于，該處 理器更進行以下動作：

計算所述學習行為的相關數據的平均數；

計算所述學習行為的相關數據的標準差；

將該平均數加上一預定倍數的該標準差以得出一上限值，并將該平均數減 去該預定倍數的該標準差以得出一下限值；以及

將所述學習行為的相關數據中高于該上限值的數據和低于該下限值的數 據作為該離群值。

3.根據權利要求2所述的自動化診斷學習風格系統，其特征在于，該預 定倍數為三倍。

4.根據權利要求1所述的自動化診斷學習風格系統，其特征在于，該轉 換數值被帶入一評分模型以得出該評分。

5.根據權利要求4所述的自動化診斷學習風格系統，其特征在于，該評 分模型是滿足下列關系式：

其中Type_i為在該學習風格中的該至少一學習行為所對應的該相關數據， maxf(Type_i)為該最大值，N_type為在該學習風格中的該至少一學習行為的數 目，Score(Type)為該評分，若該學習風格中的該至少一學習行為為正向時， u_i為1；或是若該學習風格中的該至少一學習行為為負向時，u_i為0。

6.根據權利要求1所述的自動化診斷學習風格系統，其特征在于，該網 絡通訊裝置接收的該信息是符合超文件傳輸協定。

7.一種線上自動化診斷學習風格方法，其特征在于，包含以下步驟：

(a)經由一網絡通訊裝置接收多個學習平臺所分別傳來的多個信息，并將 所述信息儲存至一學習數據數據庫，其中所述信息中每一者記錄一學習者的至 少一學習行為所對應的相關數據；

(b)判斷該至少一學習行為所屬的學習風格；

(c)篩選所述相關數據中的離群值；

(d)計算所述相關數據剔除該離群值之后的一組數據中的最大值；

(e)計算該組數據中每一者除以該最大值后所得到的轉換數值；

(f)基于該轉換數值以計算該學習者在該學習風格中的評分。

8.根據權利要求7所述的自動化診斷學習風格方法，其特征在于，步驟 (c)包含：

計算所述學習行為的相關數據的平均數；

計算所述學習行為的相關數據的標準差；

將該平均數加上一預定倍數的該標準差以得出一上限值，并將該平均數減 去該預定倍數的該標準差以得出一下限值；以及

將所述學習行為的相關數據中高于該上限值的數據和低于該下限值的數 據作為該離群值。

9.根據權利要求8所述的自動化診斷學習風格方法，其特征在于，該預 定倍數為三倍。

10.根據權利要求7所述的自動化診斷學習風格方法，其特征在于，該轉 換數值被帶入一評分模型以得出該評分。