[發明專利]一種基于學習成長數據的學習風格畫像生成方法及系統

在審

• 申請號: 202110994227.2
• 申請日: 2021-08-27
• 公開（公告）號: CN113704610A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 劉海;張昭理;趙萬里;張勝強;時振武;童宇航;吳遠芳;李林峰
• 申請（專利權）人: 華中師范大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q50/20
• 代理公司: 武漢東喻專利代理事務所(普通合伙) 42224
• 代理人: 雷霄

本發明公開了一種基于學習成長數據的學習風格畫像生成方法及系統。該方法包括步驟：收集學習成長數據，所述學習成長數據包括從多個數據源獲取的用戶屬性數據和多維用戶行為數據；將所述學習成長數據進行表征化處理，獲得用戶行為表征矩陣；將所述用戶行為表征矩陣輸入到預訓練得到的用戶特征提取模型中，所述用戶特征提取模型基于神經網絡，并用于輸出用戶行為特征向量矩陣；將所述用戶行為特征向量矩陣與學習特征向量相乘，將相乘得到的矩陣作為用戶學習風格畫像。本發明可以利用多個數據源獲取的多維用戶行為數據，提升學習者畫像的準確性和全面性，驅動教育決策科學化、學習方式個性化、教學管理人性化和評價體系全面化。

技術領域

本發明屬于教育信息技術技術領域，更具體地，涉及一種基于學習成長數據的學習風格畫像生成方法及系統。

背景技術

隨著大數據時代的到來，用戶畫像技術被廣泛應用。用戶畫像技術是對用戶進行畫像使其信息標簽化。用戶畫像技術可以幫助企業快速找到用戶群體以及用戶需求等更為廣泛的反饋信息。除此之外，用戶畫像技術的發展對教育領域也產生了許多影響，基于大數據的精確學情診斷、個性化學習分析和智能決策分析支持，提升了教育品質，幫助教師掌握學生真實學習情況。

現有的用戶畫像技術中，學習者無法從自己學習歷程中的客觀數據了解自我學習狀態，從而明確自我學習情況。

發明內容

針對現有技術的至少一個缺陷或改進需求，本發明提供了一種基于學習成長數據的學習風格畫像生成方法及系統，可以利用多個數據源獲取的多維用戶行為數據，提升學習者畫像的準確性和全面性，驅動教育決策科學化、學習方式個性化、教學管理人性化和評價體系全面化。

為實現上述目的，按照本發明的第一方面，提供了一種基于學習成長數據的學習風格畫像生成方法，包括步驟：

收集學習成長數據，所述學習成長數據包括從多個數據源獲取的用戶屬性數據和多維用戶行為數據；

將所述學習成長數據進行表征化處理，獲得用戶行為表征矩陣；

將所述用戶行為表征矩陣輸入到預訓練得到的用戶特征提取模型中，所述用戶特征提取模型基于神經網絡，并用于輸出用戶行為特征向量矩陣；

將所述用戶行為特征向量矩陣與學習特征向量相乘，將相乘得到的矩陣作為用戶學習風格畫像。

優選的，所述多個數據源至少包括線上教學平臺用戶數據庫和線下課堂行為數據庫，所述多維用戶行為數據至少包括文本類型數據、視頻類型數據和音頻類型數據。

優選的，所述表征化處理包括步驟：

對文本類型數據進行分詞處理，將分詞處理后得到的每一個詞采用向量表示，各詞向量組成為文本表征矩陣；

對視頻類型數據進行幀采樣，利用卷積神經網絡將采樣得到的每幀圖像進行向量化，各幀圖像的向量組成為視頻表征矩陣；

對語音類型數據通過預加重、分幀加窗、傅里葉變換處理，獲得語音表征矩陣；

將所述文本表征矩陣、所述視頻表征矩陣和所述語音表征矩陣進行拼接。

優選的，所述學習特征向量預先定義有表征用戶自主學習能力的指標、表征用戶問題分析能力的指標、表征用戶創新能力的指標、表征用戶對國外內容掌握能力的指標、和表征用戶道德素養能力的指標。

優選的，所述用戶特征提取模型基于卷積神經網絡。

優選的，將所述用戶行為特征向量矩陣記為M，M中的行表示用戶，列表示影響用戶學習行為數據因子；

將學習特征向量記為N，N中的行表示學習者學習特點，列表示影響學習者學習特點的學習行為因子；

將相乘后的矩陣記為U，U的元素u_ij表示學習行為i對學習特點j的評分值。