[發明專利]一種試題作答得分率的預測方法及相關裝置

在審

• 申請號: 202011626419.X
• 申請日: 2020-12-31
• 公開（公告）號: CN112785039A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 李旭浩;沙晶;付瑞吉;王士進;魏思;胡國平
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 李申

本申請公開了一種試題作答得分率的預測方法及相關裝置，該試題作答得分率的預測方法包括：獲取到試題序列、作答序列以及試題序列對應的時間序列；其中，試題序列的多個試題的題目類型為至少一種；計算得到試題序列對應的試題序列特征表示、作答序列對應的作答記錄序列特征表示以及時間序列對應的時間序列特征表示；對試題序列特征表示、作答記錄序列特征表示以及時間序列特征表示進行融合，以得到當前試題表示；基于當前試題表示對待預測試題的作答得分率進行預測，得到待預測試題的預測得分率。通過上述方式，本申請中的試題作答得分率的預測方法能夠對不同類型的試題進行預測，可擴展性較好，適應場景廣，且綜合考慮了作答時間的影響。

技術領域

本申請涉及輔助教學的技術領域，尤其涉及一種試題作答得分率的預測方法及相關裝置。

背景技術

在傳統的班級教學模式中，老師是以班級為單位，同時對幾十名學生進行教學，意在使教學內容和教學時間方面有統一的規定和要求，使教學能有計劃、有組織地進行，能多為社會培養人才。但是，這樣的教學模型無法兼顧學生個人的興趣，愛好，能力等的差異，而且很難全面照顧到優生，差生的學習和發展。因而，根據學生自身的學習特點，對不同的學生采用不同的方法，即因材施教，將無疑能夠克服傳統班級教學模式的缺點，使得全體學生都能夠得到發展，也即，需要在不改變教學模型的情況下，智能診斷每一學生的薄弱環節，使得后續的練習和學習更有針對性，大大提升了學生的學習效率，做到因材施“練”。

其中，現有技術中針對學生薄弱點的診斷，通常是針對每一個學生的歷史作答記錄(包含題目信息x和作答記錄a)(x₁，a₁)，(x₂，a₂)，…， (x_n-1，a_n-1)，采用QKV模型，預測當前題目x_n該學生能否答對。在QKV 模型中，Q_n為當前題目x_n的表示，K_i為歷史作答題目x_i(i＝1，2，...， n-1)的表示，V_i為歷史作答(x_i，a_i)(i＝1，2，...，n-1)的表示。通過Q_n與K_i的attention(注意力機制)交互，得到當前題目與歷史題目的相關程度c_i，因而歷史作答記錄對當前題目是否答對的影響表示為所有c_i*V_i的求和，即學生能力。最后，QKV模型能夠根據該表示，預測當前題目x_n能否答對。實際應用中，薄弱點的診斷基于錨點(一類題目) 圖譜，每個錨點均有一定量的具有代表性的題目。對錨點下的所有題目，用上述模型得到預測結果，并統計正確率。如果正確率低于某個閾值，則認為該錨點為學生薄弱點。

然而，上述方式在一些場景下，取得了不錯的效果，但是仍然存在一些缺點：1)依賴于錨點圖譜，由于圖譜中的題目是固定的，因而研究的對象為閉集，可擴展性較差；2)錨點為一類題目，適應場景單一； 3)Q和K對于題目的表示是固定的，表示能力弱，且無法進一步微調； 4)未考慮歷史作答記錄中的時間信息。

發明內容

本申請提供了一種試題作答得分率的預測方法及相關裝置，該試題作答得分率的預測方法能夠有效解決現有試題作答得分率的預測方法依賴于錨點圖譜，研究的對象為閉集，可擴展性較差，適應場景單一，未考慮歷史作答記錄中的時間信息的問題。