[發(fā)明專利]線上自動化診斷學(xué)習(xí)風(fēng)格系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201410509516.9
• 申請日: 2014-09-28
• 公開（公告）號: CN105528505A
• 公開（公告）日: 2016-04-27
• 發(fā)明（設(shè)計）人: 曾筱倩;胡士鑫
• 申請（專利權(quán)）人: 財團法人資訊工業(yè)策進會
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京律誠同業(yè)知識產(chǎn)權(quán)代理有限公司 11006
• 代理人: 徐金國

技術(shù)領(lǐng)域

本發(fā)明是有關(guān)于一種學(xué)習(xí)風(fēng)格診斷方法，尤指利用線上學(xué)習(xí)行為即時偵測 的演算法。

背景技術(shù)

學(xué)習(xí)是透過教授或體驗而獲得知識、技術(shù)、態(tài)度或價值的過程，從而導(dǎo)致 可量度的穩(wěn)定的行為變化，更準(zhǔn)確一點來說是建立新的精神結(jié)構(gòu)或?qū)徱曔^去的 精神結(jié)構(gòu)。

傳統(tǒng)的學(xué)習(xí)風(fēng)格診斷方法多為透過紙本問卷方式進行診斷。然而，紙本問 卷無法即時的偵測學(xué)習(xí)者的學(xué)習(xí)風(fēng)格。

由此可見，上述現(xiàn)有的紙本問卷方式顯然仍存在不便與缺陷，而有待加以 進一步改進。為了解決前述問題，相關(guān)領(lǐng)域莫不費盡心思來謀求解決之道，但 長久以來一直未見適用的方式被發(fā)展完成。因此，如何能即時掌握學(xué)習(xí)者的學(xué) 習(xí)風(fēng)格狀態(tài)，實屬當(dāng)前重要研發(fā)課題之一，亦成為當(dāng)前相關(guān)領(lǐng)域極需改進的目 標(biāo)。

發(fā)明內(nèi)容

本發(fā)明的一方面是在提供一種線上自動化診斷學(xué)習(xí)風(fēng)格系統(tǒng)及線上自動 化診斷學(xué)習(xí)風(fēng)格方法，以解決先前技術(shù)的問題。

本發(fā)明所提供的線上自動化診斷學(xué)習(xí)風(fēng)格系統(tǒng)包含學(xué)習(xí)數(shù)據(jù)數(shù)據(jù)庫、處理 器、網(wǎng)絡(luò)通訊裝置與記憶體。處理器能夠執(zhí)行一或多個計算機可執(zhí)行指令，記 憶體包含可由該處理器執(zhí)行的一計算機程序，其中該計算機程序在由該處理器 執(zhí)行時使該處理器進行以下動作：經(jīng)由該網(wǎng)絡(luò)通訊裝置接收多個學(xué)習(xí)平臺所分 別傳來的多個信息，并將所述信息儲存至該學(xué)習(xí)數(shù)據(jù)數(shù)據(jù)庫，其中所述信息中 每一者記錄一學(xué)習(xí)者的至少一學(xué)習(xí)行為所對應(yīng)的相關(guān)數(shù)據(jù)；判斷該至少一學(xué)習(xí) 行為所屬的學(xué)習(xí)風(fēng)格；篩選所述相關(guān)數(shù)據(jù)中的離群值；計算所述相關(guān)數(shù)據(jù)剔除 該離群值之后的一組數(shù)據(jù)中的最大值；計算該組數(shù)據(jù)中每一者除以該最大值后 所得到的轉(zhuǎn)換數(shù)值；基于該轉(zhuǎn)換數(shù)值以計算該學(xué)習(xí)者在該學(xué)習(xí)風(fēng)格中的評分。

于一實施例中，該處理器更進行以下動作：計算所述學(xué)習(xí)行為的相關(guān)數(shù)據(jù) 的平均數(shù)；計算所述學(xué)習(xí)行為的相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)差；將該平均數(shù)加上預(yù)定倍數(shù) 的該標(biāo)準(zhǔn)差以得出上限值，并將該平均數(shù)減去該預(yù)定倍數(shù)的該標(biāo)準(zhǔn)差以得出下 限值；將所述學(xué)習(xí)行為的相關(guān)數(shù)據(jù)中高于該上限值的數(shù)據(jù)和低于該下限值的數(shù) 據(jù)作為該離群值。

于一實施例中，該預(yù)定倍數(shù)為三倍。

于一實施例中，該轉(zhuǎn)換數(shù)值被帶入評分模型以得出該評分。

于一實施例中，該評分模型是滿足下列關(guān)系式：

，其中Type_i為在該學(xué)習(xí)風(fēng)格中的該至少一學(xué)習(xí)行為所對應(yīng)的該相關(guān)數(shù)據(jù)， maxf(Type_i)為該最大值，N_type為在該學(xué)習(xí)風(fēng)格中的該至少一學(xué)習(xí)行為的數(shù) 目，Score(Type)為該評分，若該學(xué)習(xí)風(fēng)格中的該至少一學(xué)習(xí)行為為正向時， u_i為1；或是若該學(xué)習(xí)風(fēng)格中的該至少一學(xué)習(xí)行為為負向時，u_i為0。

于一實施例中，該網(wǎng)絡(luò)通訊裝置接收的該信息是符合超文件傳輸(HTTP) 協(xié)定。

另一方面，本發(fā)明所提供的自動化診斷學(xué)習(xí)風(fēng)格方法包含以下步驟：(a) 經(jīng)由網(wǎng)絡(luò)通訊裝置接收多個學(xué)習(xí)平臺所分別傳來的多個信息，并將所述信息儲 存至學(xué)習(xí)數(shù)據(jù)數(shù)據(jù)庫，其中所述信息中每一者記錄一學(xué)習(xí)者的至少一學(xué)習(xí)行為 所對應(yīng)的相關(guān)數(shù)據(jù)；(b)判斷該至少一學(xué)習(xí)行為所屬的學(xué)習(xí)風(fēng)格；(c)篩選所 述相關(guān)數(shù)據(jù)中的離群值；(d)計算所述相關(guān)數(shù)據(jù)剔除該離群值之后的一組數(shù)據(jù) 中的最大值；(e)計算該組數(shù)據(jù)中每一者除以該最大值后所得到的轉(zhuǎn)換數(shù)值； (f)基于該轉(zhuǎn)換數(shù)值以計算該學(xué)習(xí)者在該學(xué)習(xí)風(fēng)格中的評分。

于一實施例中，步驟(c)包含：計算所述學(xué)習(xí)行為的相關(guān)數(shù)據(jù)的平均數(shù)； 計算所述學(xué)習(xí)行為的相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)差；將該平均數(shù)加上預(yù)定倍數(shù)的該標(biāo)準(zhǔn)差 以得出上限值，并將該平均數(shù)減去該預(yù)定倍數(shù)的該標(biāo)準(zhǔn)差以得出下限值；將所 述學(xué)習(xí)行為的相關(guān)數(shù)據(jù)中高于該上限值的數(shù)據(jù)和低于該下限值的數(shù)據(jù)作為該 離群值。

于一實施例中，該預(yù)定倍數(shù)為三倍。

于一實施例中，該轉(zhuǎn)換數(shù)值被帶入評分模型以得出該評分。

于一實施例中，該評分模型是滿足下列關(guān)系式：