[發明專利]一種K12教育耦合實現個性化學習的方法

有效

• 申請號: 201711216353.5
• 申請日: 2017-11-28
• 公開（公告）號: CN107833170B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 李康;單江濤
• 申請（專利權）人: 廣東墨痕教育科技有限公司
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/9535;G06K9/62
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 談杰

本發明公開了一種K12教育耦合實現個性化學習的方法，屬于教育教學技術領域，所要解決的技術問題是，目前，現有個性化學習工具只從挖掘學生興趣愛好出發，這對于正在接觸基礎教育的中小學生具有很嚴重的片面性，無法滿足中小學生教育基礎知識的全面性，具體步驟如下：（1）、數據采集；（2）、z?score規范化；（3）、特征選擇；（4）、SVM分類模型。個性化學習，是通過對特定孩子的全方位評價發現和解決孩子所存在的學習問題，為孩子量身定制不同于別人的學習策略和學習方法，讓孩子有效的學習，使得接觸學習的中小學生，能夠全方面的進行基礎性學習，避免中小學生出現某一科基礎薄弱的情況。

技術領域

本發明涉及互聯網技術領域，具體為一種K12教育耦合實現個性化學習的方法。

背景技術

隨著信息技術與教育的深度融合，使教育領域中的大數據獲得了更為廣闊的應用空間。教育大數據使教育研究從宏觀群體走向微觀個體，提供精準、個性化的教育，實現以數據驅動的“因材施教”。

目前，現有個性化學習工具只從挖掘學生興趣愛好出發，適應學生的興趣愛好在這一領域培養學習，但這對于正在接觸基礎教育的中小學生具有很嚴重的片面性，無法滿足中小學生教育基礎知識的全面性。

發明內容

本發明的目的在于提供一種K12教育耦合實現個性化學習的方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：

本發明公開了一種K12教育耦合實現個性化學習的方法，具體步驟如下：

(1)、數據采集：利用信息化教育工具收集學生課堂、課外學習數據，例如：課堂測試正確率、搶答次數、課堂筆記記錄次數、課堂筆記查閱次數等，以及學生實際科目的強弱；

(2)、z-score規范化：變換后各維特征有0均值，單位方差，也叫z-score規范化(零均值規范化)，計算方式是將特征值減去均值，除以標準差；

(3)、特征選擇：利用皮爾遜相關系數分析自變量與因變量之間的相關性，根據計算出皮爾遜相關系數得出自變量與因變量之間的相關程度；

(4)、SVM分類模型：利用learn核函數把科目按興趣分為兩類。

作為優選，所述的步驟(1)中，所述的利用信息化教育工具收集學生課堂、課外學習數據，是通過用戶登錄校園教育平臺，然后通過課堂測試、課堂搶答、筆記記錄和筆記查閱記錄學生每一堂課的各項數據。

與現有技術相比，本發明的有益效果是：

在本發明所述的K12教育耦合實現個性化學習的方法中，個性化學習，是通過對特定孩子的全方位評價發現和解決孩子所存在的學習問題，為孩子量身定制不同于別人的學習策略和學習方法，讓孩子有效的學習，使得接觸學習的中小學生，能夠全方面的進行基礎性學習，避免中小學生出現某一科基礎薄弱的情況。

附圖說明

圖1是學生課堂、課外學習數據采集系統流程圖。

具體實施方式

本發明公開了一種K12教育耦合實現個性化學習的方法，具體步驟如下：

(1)、數據采集：利用信息化教育工具收集學生課堂、課外學習數據，例如：課堂測試正確率、搶答次數、課堂筆記記錄次數、課堂筆記查閱次數等，以及學生實際科目的強弱；

(2)、z-score規范化：變換后各維特征有0均值，單位方差，也叫z-score規范化(零均值規范化)，計算方式是將特征值減去均值，除以標準差；

(3)、特征選擇：利用皮爾遜相關系數分析自變量與因變量之間的相關性，根據計算出皮爾遜相關系數得出自變量與因變量之間的相關程度；