[發明專利]一種學生布魯姆掌握度評估方法、系統及存儲介質

在審

• 申請號: 202011449802.2
• 申請日: 2020-12-09
• 公開（公告）號: CN112527821A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張帥;于丹;李雪;魏澤林;馬壯
• 申請（專利權）人: 大連東軟教育科技集團有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245;G06F16/28;G06N3/04;G06N3/08;G09B25/00
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 陳麗;李洪福

本發明公開了一種學生布魯姆掌握度評估方法、系統及存儲介質，該方法包括：構建并訓練深度知識追蹤模型；當學生產生新的學習行為時，通過訓練好的深度知識追蹤模型對學生在各個習題上的做題正確率進行預測；基于所述學生在各個習題上的做題正確率的預測結果評估該學生在當前時刻的知識點布魯姆掌握度。本發明能夠通過學生的學習行為序列與深度知識追蹤方法對知識點的布魯姆掌握度進行建模，直觀地表征學生在知識點粒度上的能力信息和掌握程度，且能夠部署至在線教育及混合教育平臺中，對學生的學習能力變化及認知狀態變化進行有效表征，達到了布魯姆操作的目的。

技術領域

本發明涉及人工智能技術領域，特別是涉及一種學生布魯姆掌握度評估方法、系統及存儲介質。

背景技術

布魯姆認知模型是由美國教育心理學家本杰明布魯姆提出的一種分類法，將教育者的教學目標進行分類，以便能有效地達成各個目標。布魯姆認知模型包含六個等級，分別為：知道、理解、應用、分析、綜合、評價。布魯姆理論能夠有效地指導教學過程，對學生的認知過程進行更為合理的描述，但往往需要大量的專家知識。由于在線教育及混改教育領域會產生大量的結構化與非結構化學習行為數據，如何能夠智能地對學生的知識點布魯姆掌握度進行建模面臨困境，導致布魯姆模型理論難以在應用場景中落地。

發明內容

本發明提供了一種學生布魯姆掌握度評估方法、系統及存儲介質，該方法利用學生學習行為序列和深度知識追蹤算法對學生的知識點布魯姆掌握度進行建模，并定義了一種布魯姆操作來達到對知識點的掌握度進行定量評估的目的。布魯姆操作是一種從學生學習行為到其所達到的布魯姆認知層級的轉換計算，其輸入為該學生的學習行為序列，輸出為學習效果相對應的布魯姆認知層級。

為了達到上述發明目的，本發明提供了以下技術方案：

本發明提供了一種學生布魯姆掌握度評估方法，所述方法包括：

構建并訓練深度知識追蹤模型；所述深度知識追蹤模型通過對學生能力、試題難度及做題正確率之間的潛在關系進行建模得到，所述深度知識追蹤模型通過學生的學習行為序列訓練；

當學生產生新的學生行為時，通過訓練好的深度知識追蹤模型對學生在各個習題上的做題正確率進行預測；

確定學生身份標識及待評估的知識點；

從關系型數據庫中查詢所有教學資源，并提取所有考察此知識點的習題；

按照習題的布魯姆考察等級對試題進行分組；

對每個分組內的所有習題的考察難度進行歸一化；

將抽取的習題與深度知識追蹤模型對該學生答對各道習題的預測概率進行匹配，并根據歸一化后的考察難度進行加權；將加權結果作為該知識點在對應布魯姆等級下的布魯姆評分；

為每個布魯姆等級下的布魯姆掌握度設置閾值，根據布魯姆評分評估該學生在此知識點上所達到的布魯姆等級。

進一步地，構建并訓練深度知識追蹤模型，包括：

構建LSTM網絡，并對網絡的結構參數進行初始化；

讀取學生的學習行為信息，包括習題信息和學習結果，使用一位有效編碼方法對學生學習行為進行編碼，形成學習行為嵌入層；所述學習行為嵌入層長度為2N，N為題庫習題總數；

讀取上一時刻LSTM隱含層狀態；若處于冷啟動階段，則需要對隱含層的狀態進行初始化；所述LSTM隱含層狀態包括：LSTM單元狀態值和LSTM隱含狀態值；

將學習行為嵌入層以及上一時刻隱含層狀態輸入至LSTM網絡中，計算并存儲當前時刻LSTM隱含層狀態；