[發明專利]一種領域知識點結構缺陷智能診斷方法

有效

• 申請號: 202010831440.7
• 申請日: 2020-08-18
• 公開（公告）號: CN111949882B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 張慶生;周元哲;楊迪;房鵬軍
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q50/20;G09B7/04;G09B7/08
• 代理公司: 西安匯恩知識產權代理事務所(普通合伙) 61244
• 代理人: 張偉花

本發明提供了一種領域知識點結構缺陷智能診斷方法，包括：管理員在服務器中預設領域知識點和相應的測試題目；用戶對服務器中預設的測試題目進行作答，服務器對用戶的作答情況建立用戶知識能力模型，服務器根據用戶知識能力模型對管理員預設的知識點中的測試題目重新篩選，并將篩選后的題目推給用戶重新作答，直至用戶完全掌握該領域知識點為止。本發明通過管理員終端對后臺服務器中的領域知識點和對應的測試題目的預設，在用戶終端完成測試題目作答后，根據作答信息建立或者修改用戶知識能力模型，然后根據用戶的知識能力模型推薦給用戶測試題目，從而進行有針對性的訓練，提高領域知識水平和技能。

技術領域

本發明屬于知識點結構診斷方法技術領域，具體涉及一種領域知識點結構缺陷智能診斷系統。

背景技術

在如今的大數據時代，在線教育發展迅猛，能夠為學生隨時隨地提供學習內容和練習題目，幫助學生鞏固學習的知識，然而，由于試題資源數量龐大，學生想在有限的時間內完成所有的練習試題幾乎不可能。因此，如何幫助學生在浩如煙海的試題資源中找到針對其薄弱知識點的練習題目進行訓練是一個重要的問題。

當前多數推薦系統主要應用于商品推薦，其采用協同過濾算法。協同過濾是商品推薦系統中最成功的個性化推薦算法，應用十分廣泛。在商品特征屬性有條件獨立或條件基本獨立的情況下，普通的協同過濾算法準確率很高。但是，現實中在很多情況下各特征屬性間往往條件并不獨立，而是具有較強的相關性，這樣就限制了協同過濾算法的準確推薦能力。例如，在領域知識題目推薦系統中，領域知識相關的題目所涉及的知識點之間往往具有很強的關聯性和因果性，若采用傳統的協同過濾算法推薦題目，往往無法準確推薦適合學生當前領域知識水平的題目。另外，采用協同過濾算法來推薦題目，往往推薦的題目是學生最容易做出來的練習題，這種推薦對學生來說沒有任何意義和價值。

發明內容

本發明所要解決的技術問題在于針對上述現有技術的不足，提供一種領域知識點結構缺陷智能診斷系統，以解決上述背景技術中提出的問題。

為解決上述技術問題，本發明采用的技術方案是：

第一方面，本發明提供一種領域知識點結構缺陷智能診斷方法，包括；

管理員在服務器中預設領域知識點和相應的測試題目；

用戶對服務器中預設的測試題目進行作答，服務器對用戶的作答情況建立用戶知識能力模型；

服務器根據用戶知識能力模型對管理員預設的知識點中的測試題目重新篩選，并將篩選后的題目推給用戶重新作答，作答后對用戶知識能力模型進行修改，再次重復篩選推送并根據用戶作答情況修改模型，直至用戶完全掌握該領域知識點為止。

優選的，所述管理員具體為具有保證領域知識點及其關系正確性的領域知識專項教學的教學工作者，同時在服務器中預設領域知識點和相應的測試題目時，還能對該領域知識點的測試題目執行增加、刪除、修改和查找的操作。

優選的，所述教學工作者完成領域知識點和相應的測試題目預設后，還要將孤立的領域知識節點建立連接，形成領域知識點節點圖，建立節點間的連接關系，形成領域的知識結構圖，具體為一個貝葉斯網絡，即保證知識點節點圖為一個有向無環圖。

優選的，所述用戶具體為領域知識點學習者，學習者對服務器中測試題目進行作答完成領域知識點的能力水平測試，測試完成后，服務器根據學生的能力測試情況，為該學生建立知識能力模型，通過該知識能力模型確定該學生對課程相關知識節點的掌握情況。

優選的，通過該知識能力模型確定該學生對課程相關知識節點的掌握情況具體的方式為：當學習者有未掌握的知識節點時，服務器中的推薦引擎模塊結合領域知識節構，即貝葉斯網絡和知識能力模型預測出的這些未掌握的知識節點所能掌握的概率，然后根據這些知識點和所能掌握的概率選擇服務器中對應的題目推薦給學習者練習，直到學習者掌握所有知識點為止，其中，當系統認定學生掌握了所有知識節點后，學生則完成該領域知識點的掌握。