[發明專利]一種基于深度強化學習的群體教學推薦系統

有效

• 申請號: 202210028554.7
• 申請日: 2022-01-11
• 公開（公告）號: CN114595923B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 楊騰杰;左琳;陳柯弟;劉念伯
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q10/067
• 分類號: G06Q10/067;G06Q50/20;G09B5/08;G06N3/047;G06N3/08
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周劉英

本發明公開了一種基于深度強化學習的群體教學推薦系統，屬于教育和信息技術領域。本發明通過課堂的投票、問答、作業和測驗等交互方法采集學生數據，為給定的學生群體提供整體收益最大的教學計劃，其整體收益可以用多目標優化函數表示，具體可以包括但不限于及格率、優秀率、平均分等。本發明使用深度強化學習方法為教師進行目標導向的教學路徑規劃，能夠處理大規模的復雜數據。同時將花費大部分時間的訓練過程放在了課前和課后，在課堂中，通過學生的課堂反饋，教師能夠立即獲得推薦的教學知識點。

技術領域

本發明涉及教育和信息技術領域，具體涉及一種基于深度強化學習的群體教學推薦系統。

背景技術

在傳統的課堂教學中，教師往往根據經驗來安排學習內容，因為學生的學習細節是看不見的，不受控制的。當然，老師可能會有各種各樣的信息，包括問答、課堂評估，以及學生的面部表情、手勢和身體動作，以評估學生的學習表現。但這些信息往往是粗略的，不能涵蓋每個學生或跟蹤每個人的學習細節，這使得教師往往無法在細粒度上設計教學路徑。教學輔助系統的發展，緩解了教師所面臨的困難。教學輔助系統提供了多樣的師生交互方法，并可以記錄交互信息，教師可以通過這些交互信息來更加精確深入的了解學生情況。另一方面，教學輔助系統還可以為教師或學生提供推薦的教學計劃或學習計劃，更大程度緩解教師的工作壓力。

公開號為CN?112700688A的專利申請公開了一種智能課堂教學輔助系統。通過課堂的投票等交互方法采集學生學習數據，再以這些數據為基礎對學生進行建模追蹤，最后根據全班學生的模型給出推薦的教學計劃。但是其推薦算法是，基于當前學生模型，模擬各種教學計劃中學生的學習過程，最后選擇模擬效果最好的作為推薦的教學計劃。為了獲得更好的推薦效果，需要盡可能的模擬所有可能的教學計劃下的情況，這帶來的大量的計算量和時間的消耗。在更多的學生和更多的知識點的情況下，所產生的長時間等待可能是無法接受的，導致教師無法在課堂上獲得及時反饋。

發明內容

本發明提供了一種基于深度強化學習的群體教學推薦系統，可用于提升群體教學推薦的處理效率。

本發明采用的技術方案如下：

一種基于深度強化學習的群體教學推薦系統，該系統包括：用戶終端、知識點管理模塊，學生數據管理模塊，學生模型模塊，預訓練模塊和群體教學推薦模塊；

所述用戶終端用于教師或學生登錄系統，為用戶與系統的交互輸入和輸出終端；

所述知識點管理模塊用于教師用戶錄入知識點數據，并將知識點數據發送至學生模型模塊和預訓練模塊群體教學推薦模塊；

所述學生數據管理模塊用于學生用戶錄入學生基礎數據，并將學生基礎數據發送至學生模型模塊；以及用于在課堂中采集學生課堂反饋并發送給群體教學推薦模塊；

所述學生模型模塊根據預置的創建策略，基于當前錄入的知識點數據和學生基礎數據創建學生模型并發送至預訓練模塊；

所述預訓練模塊以學生模型模塊創建的學生模型為學習主體，以知識點管理模塊和學生數據管理模塊發送的數據為訓練數據，對預置的初始群體推薦模型進行訓練，得到訓練好的群體推薦模型；所述初始群體推薦模型包括第一神經網絡模型和第二神經網絡模型，所述第一和第二神經網絡模型包括輸入層、至少一層隱藏層和輸出層，其中，輸入層為學生課堂反饋數據序列，隱藏層為能夠處理序列輸入的神經網絡，第一神經網絡模型的輸出層用于輸出當前課程的各知識點的推薦度；第二神經網絡模型的輸出層用于輸出當前課堂教學的評價值，即當前已執行的教學行為的評價值；所述群體教學推薦模塊調用預訓練模塊訓練好的群體推薦模型，在課程教學過程中結合課程的每一堂課的學生課堂反饋輸出教學推薦信息并發送給對應的教師用戶；以及保存生數據管理模塊采集的學生課堂反饋；在課程教學過程中按照配置的模型更新周期，基于當前周期保存的學生課堂反饋對群體推薦模型進行更新訓練；

輸出教學推薦信息包括下一堂課的推薦知識點和當前學生課堂反饋數據序列的評價值，其中下一堂課的推薦知識點為推薦度最大的知識點；