[發(fā)明專利]學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法及裝置

在審

• 申請?zhí)枺?/td>: 202011073828.1
• 申請日: 2020-10-09
• 公開（公告）號: CN112016767A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 路偉;李光杰;須佶成;李川;鄒瑾;汪巖
• 申請（專利權(quán)）人: 北京高思博樂教育科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20;H04L29/08
• 代理公司: 北京方韜法業(yè)專利代理事務(wù)所(普通合伙) 11303
• 代理人: 黨小林

1.一種學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，包括：

對學(xué)生的歷史學(xué)習(xí)歷程、知識(shí)點(diǎn)掌握程度、學(xué)習(xí)能力進(jìn)行綜合評估；

依據(jù)知識(shí)圖譜，以及綜合評估結(jié)果，向?qū)W生推薦最優(yōu)學(xué)習(xí)路徑；

由預(yù)先訓(xùn)練的AI教師模塊給出學(xué)生對考試題目的掌握情況概率分布的預(yù)測；

根據(jù)預(yù)測結(jié)果向?qū)W生推薦合適的課后練習(xí)題。

2.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，對學(xué)生的歷史學(xué)習(xí)歷程進(jìn)行綜合評估，包括：

對單個(gè)學(xué)生的學(xué)習(xí)行為數(shù)據(jù)進(jìn)行收集和結(jié)構(gòu)化；以及

對學(xué)生學(xué)習(xí)過程中出現(xiàn)的異常數(shù)據(jù)進(jìn)行修正。

3.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，對學(xué)生的知識(shí)點(diǎn)掌握程度進(jìn)行綜合評估，包括：

利用深度學(xué)習(xí)理論，進(jìn)行深度學(xué)習(xí)多層網(wǎng)絡(luò)的構(gòu)建；

根據(jù)學(xué)生的歷史學(xué)習(xí)行為，利用深度學(xué)習(xí)多層網(wǎng)絡(luò)挖掘?qū)W生對每一個(gè)知識(shí)點(diǎn)的掌握程度和熟練度。

4.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，對學(xué)生的學(xué)習(xí)能力進(jìn)行綜合評估，包括：

對學(xué)生對知識(shí)點(diǎn)的掌握程度、課后習(xí)題的做題內(nèi)容、學(xué)生的愛好、學(xué)生的生活習(xí)慣以及對英語主題感興趣程度進(jìn)行全方面評估。

5.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，依據(jù)知識(shí)圖譜，以及綜合評估結(jié)果，向?qū)W生推薦最優(yōu)學(xué)習(xí)路徑，包括：

根據(jù)對歷史學(xué)習(xí)歷程、知識(shí)點(diǎn)掌握程度、學(xué)習(xí)能力的綜合評估結(jié)果進(jìn)行決策，獲取推薦的最優(yōu)學(xué)習(xí)路徑。

6.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，對AI教師模塊的預(yù)先訓(xùn)練操作，包括：

將學(xué)生的做題記錄和題目的題干文本內(nèi)容作為基礎(chǔ)，采用自然語言技術(shù)對題干進(jìn)行編碼，作為模型對題干文本內(nèi)容的理解；

將題目涉及的知識(shí)點(diǎn)進(jìn)行編碼，作為算法模型對不同知識(shí)點(diǎn)的理解程度分析；

對每一個(gè)學(xué)生的學(xué)習(xí)狀態(tài)和不同知識(shí)點(diǎn)的掌握程度進(jìn)行編碼，為學(xué)生進(jìn)行個(gè)性化最優(yōu)學(xué)習(xí)路徑的學(xué)習(xí)提供基礎(chǔ)條件。

7.根據(jù)權(quán)利要求1所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，根據(jù)預(yù)測結(jié)果向?qū)W生推薦合適的課后練習(xí)題，包括：

將基于學(xué)生的學(xué)習(xí)表現(xiàn)，預(yù)測學(xué)生未來對不同知識(shí)點(diǎn)下的不同題目的掌握情況，然后基于對題目的概率預(yù)測結(jié)果，使用層次聚類算法和決策算法進(jìn)行難度等級劃分；

老師每節(jié)課講授的知識(shí)點(diǎn)范圍、授課內(nèi)容等內(nèi)容進(jìn)行融合，綜合前面對學(xué)生的能力評估和最優(yōu)路徑定制結(jié)果，將部分題目剔除；

采用決策樹算法并按照課后習(xí)題的規(guī)范，做出最后環(huán)節(jié)的出題決策；

根據(jù)出題決策結(jié)果，給出課后練習(xí)題。

8.根據(jù)權(quán)利要求7所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，難度等級劃分包括：超級簡單、簡單、中等、難度、超級難度。

9.根據(jù)權(quán)利要求8所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法，其特征在于，被提出的題目包括：超級簡單及超級難度的題目。

10.一種學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃裝置，其特征在于，包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序，

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)根據(jù)權(quán)利要求1至9任意一項(xiàng)所述的學(xué)習(xí)路線的動(dòng)態(tài)規(guī)劃方法。