[發明專利]一種學科知識智能學習方法

在審

• 申請號: 202210453877.0
• 申請日: 2022-04-27
• 公開（公告）號: CN115063265A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 徐繼寧;李志軍;宋浩;龔博
• 申請（專利權）人: 北方工業大學
• 主分類號: G06Q50/20
• 分類號: G06Q50/20;G06F16/9535
• 代理公司: 北京卓愛普專利代理事務所(特殊普通合伙) 11920
• 代理人: 王玉松

本發明涉及一種學科知識智能學習方法,構建包含顯性能力標簽數據、隱性能力標簽數據和試題類型標簽數據的標簽數據庫，創建顯性能力和隱性能力之間的關聯關系；進行知識單元劃分，每個知識單元對應一個測試單元；并將試題進行編號標注和標簽設置；當監控到用戶學完當前知識單元時，并根據預設規則從與當前知識單元相應的試題內調取與當前能力相適配的試題,設置為測試試題并形成測試單元進行推薦；當監控到用戶完成測試單元后，更新相應用戶的當前能力值。本發明提供的智能學習方法可以實現測試試題的個性化推送，有針對性的提升個人能力，并可以根據測試結果更新用戶的能力值，提高用戶的學習效果。

技術領域

本發明屬于知識學習領域，特別涉及一種學科知識智能學習方法。

背景技術

目前，教育教學改革正在朝著能力導向的方向快速發展，試題作為傳統的檢測學生學習情況的重要方式，一般情況下只是按照知識點進行劃分(或標注)，其測試結果通常只能反應學生針對知識的掌握程度，難以評定學生的學習能力。另一個方面，每個學習章節均包含有相應的試題庫，每個知識點的考核可以通過不同的題型方式進行體現，例如選擇題、判斷題，應用題或者論述題，但是不同類型的試題所需要的能力會有所不同；現有的傳統試題均是固定的，每個學習者需要做的試題均相同，也不利于學習者的能力的提升，尤其是弱勢能力的提升。

發明內容

為了解決上述問題，本發明提供了一種學科知識智能學習方法，具體方案如下：

一種學科知識智能學習方法，其特征在于，包括如下步驟：

S1、構建標簽數據庫，其中包括顯性能力標簽數據、隱性能力標簽數據和試題類型標簽數據；

S2、創建顯性能力和隱性能力之間的關聯關系；

S3、將學科知識進行知識單元劃分，每個知識單元具有唯一ID，將學科知識的試題進行編號標注和標簽設置，形成包含帶有編號和標簽試題的試題庫，編號中包含有對應知識單元的ID值；

S4、將每個知識單元對應一個測試單元，測試單元內包含有推薦的測試試題；

S5、當監控到用戶學完當前知識單元時，獲取用戶與當前知識單元相對應的當前各顯性能力的能力值M_i，并根據預設規則從與當前知識單元相應的試題內調取與當前能力相適配的試題,設置為測試試題并形成測試單元進行推薦；

S6、當監控到用戶完成測試單元后，根據用戶的測試結果更新相應用戶的當前能力值M_i。

本發明所提供的學科知識智能學習方法，根據能力屬性對試題進行標簽設置，并將學科知識按照知識單元進行劃分，每個知識單元具有與其ID值相同的試題；根據用戶的能力值獲取相應的試題形成測試單元推送給用戶，根據不同用戶的不同能力現狀，可以實現測試試題的個性化推送，有針對性的提升個人能力，并可以根據測試結果更新用戶的能力值，提高用戶的學習效果。

進一步地，顯性能力和隱性能力之間的關聯關系為其中“＝”表示相關聯，n為與當前顯性能力相關聯的隱性能力的個數，α_j為隱性能力在當前與顯性能力關聯關系中的權重系數，即顯性能力與隱性能力之間的關聯可以用公式進行描述，其中“+”可以表示不同隱性能力的并列性；其中的權重系數即為相關聯的程度。

進一步地，S5步驟具體為：

S501、當監控到用戶學完當前知識單元時，獲取用戶與當前知識單元相對應的當前各顯性能力的能力值M_i；并對能力值M_i按照由高到低的順序進行排序，獲取能力值最高的高顯性能力和能力值最低的低顯性能力；

S502、根據高顯性能力的標簽，獲取與高顯性能力具有關聯關系的a個隱性能力

S503、調取包含相應隱性能力標簽的R個試題設置為測試試題，形成測試單元，并進行推薦。