[發(fā)明專利]計算機數(shù)字化教學資源的調(diào)取系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201910952135.0
• 申請日: 2019-10-09
• 公開（公告）號: CN110675297B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計）人: 王亞利
• 申請（專利權(quán)）人: 濟源職業(yè)技術(shù)學院
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/435;G06N3/04;G06N3/08;G06F16/40;G06F40/143
• 代理公司: 南京北辰聯(lián)和知識產(chǎn)權(quán)代理有限公司 32350
• 代理人: 衛(wèi)麟

一種計算機數(shù)字化教學資源的調(diào)取系統(tǒng)及方法。本發(fā)明對教學資源和題庫資源按照學科知識體系建立其對應(yīng)的標記向量Q＝{q₁,q₂,…,q_|N|}，利用該向量標識資源與對應(yīng)編號的要點之間的相關(guān)程度。在用戶登錄系統(tǒng)后，根據(jù)對用戶教學進度矩陣K＝(N,R,G)的最終，通過卷積神經(jīng)網(wǎng)絡(luò)模型CNN確認用戶所需要進一步學習或訓練的教學資源或題庫資源，根據(jù)訓練結(jié)果更新有用戶對學科知識體系中的各個要點的掌握情況。本發(fā)明利用矩陣實現(xiàn)對學科內(nèi)知識點之間邏輯聯(lián)系的表征，按照學科內(nèi)部邏輯，結(jié)合用戶自身特點，通過卷積神經(jīng)網(wǎng)絡(luò)模型CNN篩選適合的教學資源和題庫資源進行學習。本發(fā)明能夠使使用者的學習過程更為系統(tǒng)化，能夠引導(dǎo)使用者了解學科內(nèi)部知識點之間的邏輯聯(lián)系，因而教學效果更好。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機數(shù)字化資源應(yīng)用領(lǐng)域，具體而言涉及一種計算機數(shù)字化教學資源的調(diào)取系統(tǒng)及方法。

背景技術(shù)

現(xiàn)有的教學資源包括由各種媒體素材庫、題庫、案例庫、課件庫等。各種教學資源，由于其資源類型和存儲方式不同，會導(dǎo)致管理和調(diào)取上的困難。目前，針對各類教學資源，通常采用的管理和調(diào)取方式，主要是建立文件目錄進行管理。這種管理方式存在以下問題：

1、文件目錄中關(guān)鍵詞的選擇會顯著影響檢索效率。由于教學資源信息數(shù)量龐大，很難通過幾個關(guān)鍵詞明確教學資源所對應(yīng)的知識點。尤其，針對課件、案例等資源，單個資源內(nèi)所涵蓋的知識點往往很密集，很難通過有限的關(guān)鍵詞準確對應(yīng)至這種綜合性教學資源的中對應(yīng)該關(guān)鍵詞的準確位置。因此，現(xiàn)有教學資源的管理方式，其不利于檢索，不利于對教學資源的綜合應(yīng)用。

2、現(xiàn)有的文件目錄無法明確教學資源中所對應(yīng)的知識點，很難針對相關(guān)知識點進行綜合性、系統(tǒng)化的演示、教學和訓練。對教學資源之間邏輯聯(lián)系和知識體系的梳理，很大程度上依舊依賴于教育工作者自身素養(yǎng)。現(xiàn)有教學資源，其教學效果個體差別很大，同學課后整理復(fù)習梳理知識體系難度大。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提供一種計算機數(shù)字化教學資源的調(diào)取系統(tǒng)及方法，本發(fā)明利用矩陣表示學科知識體系中各要點之間的聯(lián)系，依據(jù)該聯(lián)系以及使用者狀況通過卷積神經(jīng)網(wǎng)絡(luò)篩選適合的資源供使用者學習，從而使得其學校更為系統(tǒng)高效。本發(fā)明具體采用如下技術(shù)方案。

首先，為實現(xiàn)上述目的，提出一種計算機數(shù)字化教學資源的調(diào)取方法，其步驟包括：第一步，登錄賬號；第二步，調(diào)取當前賬號所對應(yīng)的教學進度矩陣K＝(N,R,G)；其中，N＝{n₁,n₂,…,n_|N|}表示學科知識體系中的各個要點的集合，其下標表示要點的編號，其中|N|表示要點的總數(shù)，R＝{r₁,r₂,…,r_|N|}表示學科知識體系中的各個要點之間的邏輯聯(lián)系矩陣，G＝{g₁,g₂,…,g_|N|}表示當前賬號對學科知識體系中的各個要點的掌握情況；第二步，根據(jù)G＝{g₁,g₂,…,g_|N|}顯示當前賬號對學科知識體系中的各個要點的掌握情況，根據(jù)各個要點之間的邏輯聯(lián)系矩陣R采用卷積神經(jīng)網(wǎng)絡(luò)模型CNN提取所述當前賬號對學科知識體系中的各個要點的掌握情況G所對應(yīng)的特征信息第三步，對第二步中所提取出來的特征信息進行max-pooling處理，獲得特征向量，對特征向量中各元素數(shù)值按照Softmax函數(shù)進行提取，根據(jù)提取的特征向量中的元素所對應(yīng)的要點g_i，1≤i≤|N|，調(diào)取并輸出對應(yīng)的教學資源，調(diào)取對應(yīng)題庫資源進行訓練并對訓練結(jié)果進行評分；第四步，根據(jù)訓練評分結(jié)果a＝{a₁,a₂,…,a_|N|}，更新當前賬號對學科知識體系中的各個要點的掌握情況G＝{g₁,g₂,…,g_|N|}+{a₁,a₂,…,a_|N|}；第五步，重復(fù)上述第一步至第四步，直至當前賬號退出登錄。