[發(fā)明專利]基于人工智能的學(xué)生成績預(yù)測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211375711.8
• 申請日: 2022-11-04
• 公開（公告）號: CN115689024A
• 公開（公告）日: 2023-02-03
• 發(fā)明（設(shè)計）人: 張凱
• 申請（專利權(quán)）人: 合肥圓創(chuàng)信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20
• 代理公司: 合肥初云專利代理事務(wù)所(普通合伙) 34273
• 代理人: 徐冬

1.基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，包括以下步驟：

獲取當(dāng)前試卷的文本信息，根據(jù)所述文本信息獲取每個試題的試題特征向量；所有所述試題特征向量組成所述當(dāng)前試卷的特征矩陣；所述試題特征向量包括包含語義信息的低維向量；

根據(jù)待預(yù)測學(xué)生的復(fù)習(xí)資料獲取所述待預(yù)測學(xué)生對目標(biāo)知識點(diǎn)的掌握程度；所述復(fù)習(xí)資料包括練習(xí)題；

根據(jù)答題正確的所述練習(xí)題與所述當(dāng)前試卷中試題的低維向量的相似度獲取所述待預(yù)測學(xué)生的學(xué)生特征向量；

根據(jù)所述特征矩陣和所述學(xué)生特征向量獲取所述待預(yù)測學(xué)生的所述當(dāng)前試卷成績預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述試題特征向量還包括試題考察的知識點(diǎn)和難度系數(shù)。

3.根據(jù)權(quán)利要求2所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述難度系數(shù)的獲取步驟包括：

根據(jù)所有學(xué)生在相同編號試題上的歷史失分率獲得所述試題的基準(zhǔn)難度系數(shù)；

將所述試題的所述低維向量與歷史試卷中各試題的低維向量進(jìn)行語義信息匹配，獲取相似試題；

根據(jù)所述基準(zhǔn)難度系數(shù)、所述試題與所述相似試題的匹配程度、以及所述相似試題與所述當(dāng)前試卷的時間間隔獲取所述試題的難度系數(shù)。

4.根據(jù)權(quán)利要求1所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述復(fù)習(xí)資料還包括解析資料；所述根據(jù)待預(yù)測學(xué)生的復(fù)習(xí)資料獲取所述學(xué)生對目標(biāo)知識點(diǎn)的掌握程度的獲取步驟包括：

獲取所述解析資料的所有知識點(diǎn)，以及每個知識點(diǎn)的關(guān)注程度；

獲取所述練習(xí)題中每一道習(xí)題的知識點(diǎn)特征向量，對所述知識點(diǎn)特征向量進(jìn)行分類，獲取考察單個知識點(diǎn)的第一類習(xí)題和考察多個知識點(diǎn)的第二類習(xí)題；

根據(jù)考察所述目標(biāo)知識點(diǎn)的第一類習(xí)題的正確率獲取第一掌握程度；根據(jù)考察所述目標(biāo)知識點(diǎn)的第二類習(xí)題中所述目標(biāo)知識點(diǎn)的正確概率獲取第二掌握程度；根據(jù)所述第一掌握程度和所述第二掌握程度獲取所述目標(biāo)知識點(diǎn)的習(xí)題掌握程度；

根據(jù)所述待預(yù)測學(xué)生對所述目標(biāo)知識點(diǎn)的所述關(guān)注程度和所述習(xí)題掌握程度獲取所述掌握程度。

5.所述根據(jù)權(quán)利要求4所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述第一掌握程度的獲取方法為：

根據(jù)所述目標(biāo)知識點(diǎn)在所述練習(xí)題中的第一類習(xí)題的反饋結(jié)果和所述練習(xí)題中考察該知識點(diǎn)的習(xí)題數(shù)量獲取所述目標(biāo)知識點(diǎn)的所述第一掌握程度。

6.根據(jù)權(quán)利要求4所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述第二掌握程度的獲取步驟包括：

當(dāng)考察所述目標(biāo)知識點(diǎn)的所述第二類習(xí)題中的單個習(xí)題結(jié)果正確時，所述目標(biāo)知識點(diǎn)的正確概率為1；

當(dāng)考察所述目標(biāo)知識點(diǎn)的所述第二類習(xí)題中的單個習(xí)題結(jié)果錯誤時，根據(jù)所述目標(biāo)知識點(diǎn)的所述第一掌握程度和該習(xí)題中所有知識點(diǎn)的所述第一掌握程度獲取所述目標(biāo)知識點(diǎn)的正確概率；

根據(jù)所述正確概率和考察所述目標(biāo)知識點(diǎn)的習(xí)題數(shù)量獲取所述目標(biāo)知識點(diǎn)的所述第二掌握程度。

7.根據(jù)權(quán)利要求1所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述學(xué)生特征向量的獲取方法為：

獲取所述練習(xí)題中結(jié)果正確的每個習(xí)題的低維向量，計算所述試題特征向量中的低維向量與所述習(xí)題的低維向量的相似度，獲取相似度指標(biāo)；對于每一個試題，以大于閾值的所述相似度指標(biāo)中的最大值作為所述試題的特征向量指標(biāo)，根據(jù)所有所述知識點(diǎn)的掌握程度和所有所述特征向量指標(biāo)獲取所述學(xué)生特征向量。

8.根據(jù)權(quán)利要求1所述的基于人工智能的學(xué)生成績預(yù)測方法，其特征在于，所述當(dāng)前試卷成績預(yù)測結(jié)果的獲取步驟包括：

根據(jù)所述試題特征向量獲取每個試題考察的知識點(diǎn)，基于所述學(xué)生特征向量獲得所述學(xué)生對每個試題考察的知識點(diǎn)的掌握程度；

對于每個試題考察的每個知識點(diǎn)，當(dāng)所述學(xué)生對其掌握程度大于試題估計難度時，該知識點(diǎn)的得分加預(yù)設(shè)值，根據(jù)所述試題考察的所有知識點(diǎn)的得分之和與該試題的分值獲取所述學(xué)生在所述試題上的理想分值；

所有試題的所述理想分值之和為所述學(xué)生的所述當(dāng)前試卷成績預(yù)測結(jié)果。

9.基于人工智能的學(xué)生成績預(yù)測系統(tǒng)，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)如權(quán)利要求1～8任意一項所述基于人工智能的學(xué)生成績預(yù)測方法的步驟。