[發(fā)明專利]一種基于大數(shù)據(jù)的知識點掌握概率計算方法

在審

• 申請?zhí)枺?/td>: 201710150965.2
• 申請日: 2017-03-14
• 公開（公告）號: CN107133196A
• 公開（公告）日: 2017-09-05
• 發(fā)明（設(shè)計）人: 陳冬華;范亮
• 申請（專利權(quán)）人: 杭州博世數(shù)據(jù)網(wǎng)絡(luò)有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06Q10/06;G06Q50/20
• 代理公司: 杭州慧亮知識產(chǎn)權(quán)代理有限公司33259
• 代理人: 秦曉剛

技術(shù)領(lǐng)域

本發(fā)明涉及在線學(xué)習(xí)診斷方法。

背景技術(shù)

隨著網(wǎng)絡(luò)的發(fā)展，用戶的學(xué)習(xí)與網(wǎng)絡(luò)緊密聯(lián)系起來。很多學(xué)校和教育機(jī)構(gòu) 都設(shè)計了在線教學(xué)與試題系統(tǒng)，為了使用戶可以通過在線練習(xí)試題，了解對相 關(guān)知識點的掌握情況，現(xiàn)有技術(shù)采用了很多方法。

公開號為104317825A的中國發(fā)明專利申請公開了一種知識點量化分析方 法，包括：S101、在數(shù)據(jù)庫中獲得已設(shè)置好的試題包含的各知識點數(shù)據(jù)，并設(shè) 置每個知識點占該試題內(nèi)容的權(quán)重記為X權(quán)；S102、在數(shù)據(jù)庫中根據(jù)不同類型 考試獲得的知識點來源，設(shè)置各知識點來源的權(quán)重記為Y權(quán)；S103、通過選取 待檢測用戶的某道試題實際得分成績和該試題中設(shè)置的各知識點X權(quán)數(shù)據(jù)，計 算各知識點標(biāo)準(zhǔn)分記為S；S104、根據(jù)知識點標(biāo)準(zhǔn)分S和Y權(quán)更新知識點評價 成績記為V_n，計算公式如下，V_n＝S×Y+V_n-1×(100％-Y)；其中，n為自然數(shù)，知 識點評價成績初始值V₀＝500，V_n-1為當(dāng)前知識點評價成績。

但是，上述分析方法完全依賴于做題的結(jié)果，無法做到全面、客觀的反應(yīng) 用戶對于某知識點的掌握情況。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題就是提供一種基于大數(shù)據(jù)的知識點掌握概率計 算方法，可以更加全面、真實的反應(yīng)用戶對于某知識點的掌握情況。

為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：一種基于大數(shù)據(jù)的知識 點掌握概率計算方法，

計算公式為P(θ)＝1/(1+e^(b-θ))；

b表示每個題目的難度系數(shù)，針對該知識點的每個題目，對全平臺用戶預(yù) 先設(shè)定統(tǒng)一的難度系數(shù)標(biāo)準(zhǔn)，每個題目的難度系數(shù)確定包括如下步驟：

步驟一，利用確認(rèn)樣本大小，；

步驟二，根據(jù)每道題所抽取的用戶樣本，計算出每道題的平均正確率，對 正確率最低P_min的題目難度系數(shù)賦值為1，正確率最高P_max的題目難度系數(shù)賦值為 0.01，而對于正確率為m的題目難度系數(shù)確定的方法為 K＝1-(1-0.01)·(m-P_min)/(P_max-P_min)；

θ表示評定用戶的能力參數(shù)，θ的計算方法為：選取該知識點最近n題且 n≥20，計算ln(答題正確數(shù)/答題錯誤數(shù))；

e＝2.71828。

作為優(yōu)選，步驟一利用確認(rèn)樣本數(shù)，其中d為允許的估算 誤差0.5％，α＝1-95％＝0.05，Z_a/2通過查標(biāo)準(zhǔn)正太分布表獲得，上側(cè)面積α /2＝0.05/2＝0.025，則對應(yīng)的Z值Z_0.025＝1.96，π為根據(jù)歷史答題數(shù)據(jù)確定的全國 該題目的正確率；每個地區(qū)的樣本數(shù)＝確定的樣本數(shù)*(本地區(qū)回答問題的學(xué)生 人數(shù)/回答該問題的所有學(xué)生人數(shù))。

作為優(yōu)選，每個題目的難度系數(shù)每間隔一個月重新計算并更新。

作為優(yōu)選，θ的計算選取該知識點最近30題。

作為優(yōu)選，在計算θ時，當(dāng)答題正確數(shù)為0或者答題錯誤數(shù)為0時，答題 正確數(shù)或答題錯誤數(shù)采用修正值0.5。

本發(fā)明依據(jù)整個平臺用戶的大數(shù)據(jù)分析，對于知識點達(dá)標(biāo)的評價方法依據(jù) 項目反應(yīng)原理(IRT)的1PL模型的P(θ)值進(jìn)行計算，對于知識點的掌握判定， 從題目的客觀難度、用戶學(xué)習(xí)能力入手，更加全面、真實的反應(yīng)用戶對于某知 識點的掌握情況。

具體實施方式

項目反應(yīng)理論(Item Response Theory，IRT)是一系列心理統(tǒng)計學(xué)模型的 總稱，是針對經(jīng)典測量理論(Classical Test Theory，簡稱CTT)的局限性提出來 的。IRT是用來分析考試成績或者問卷調(diào)查數(shù)據(jù)的數(shù)學(xué)模型，這些模型的目標(biāo)是 來確定的潛在心理特征(latent trait)是否可以通過測試題被反應(yīng)出來，以及測試 題和被測試者之間的互動關(guān)系。

現(xiàn)代遠(yuǎn)程教育以計算機(jī)網(wǎng)絡(luò)為基礎(chǔ)來實施教學(xué)的各個環(huán)節(jié)，有著信息化水 平高的特點。這一特殊的教學(xué)環(huán)境非常有利于項目反應(yīng)原理(又稱IRT，Item Response Theory)發(fā)揮優(yōu)勢，提高教學(xué)質(zhì)量。

遺忘曲線由德國心理學(xué)家艾賓浩斯(H.Ebbinghaus)研究發(fā)現(xiàn)，這條曲線告訴 人們在學(xué)習(xí)中的遺忘是有規(guī)律的，遺忘的進(jìn)程很快，并且先快后慢。