[發明專利]基于人工智能的學生成績預測方法和系統

在審

• 申請號: 202211375711.8
• 申請日: 2022-11-04
• 公開（公告）號: CN115689024A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 張凱
• 申請（專利權）人: 合肥圓創信息科技有限公司
• 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所(普通合伙) 34273
• 代理人: 徐冬

本發明涉及人工智能技術領域，具體涉及基于人工智能的學生成績預測方法和系統。該方法包括：獲取當前試卷的文本信息，根據文本信息獲取每個試題的試題特征向量；所有試題特征向量組成當前試卷的特征矩陣；試題特征向量包括包含語義信息的低維向量；根據待預測學生的復習資料獲取待預測學生對目標知識點的掌握程度；復習資料包括練習題；根據答題正確的練習題與當前試卷中試題的低維向量的相似度獲取待預測學生的學生特征向量；根據特征矩陣和學生特征向量獲取待預測學生的當前試卷成績預測結果。本發明實施例能夠準確地獲取待預測學生在當前試卷中的成績。

技術領域

本發明涉及人工智能技術領域，具體涉及基于人工智能的學生成績預測方法和系統。

背景技術

學生成績的預測是在線教育領域重要的研究課題，其目的是根據學生的相關信息預測學生未來的學習表現，基于預測結果開展因材施教，優化教學資源配置。

發明人在實踐中，發現上述現有技術存在以下缺陷：

現有技術中有根據學生的行為軌跡，課堂表現以及靠前答題情況進行學生成績預測，但往往忽略了本次試題難度以及歷史試卷考題信息對學生復習情況的指導作用，使得預測結果出現誤差。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種基于人工智能的學生成績預測方法和系統，所采用的技術方案具體如下：

第一方面，本發明一個實施例提供了一種基于人工智能的學生成績預測方法，該方法包括以下步驟：

獲取當前試卷的文本信息，根據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；

根據待預測學生的復習資料獲取所述待預測學生對目標知識點的掌握程度；所述復習資料包括練習題；

根據答題正確的所述練習題與所述當前試卷中試題的低維向量的相似度獲取所述待預測學生的學生特征向量；

根據所述特征矩陣和所述學生特征向量獲取所述學生的所述當前試卷成績預測結果。

優選的，所述試題特征向量還包括試題考察的知識點和難度系數。

優選的，所述難度系數的獲取步驟包括：

根據所有學生在相同編號試題上的歷史失分率獲得所述試題的基準難度系數；

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行語義信息匹配，獲取相似試題；

根據所述基準難度系數、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前試卷的時間間隔獲取所述試題的難度系數。

優選的，所述復習資料還包括解析資料；所述根據待預測學生的復習資料獲取所述學生對目標知識點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，以及每個知識點的關注程度；

獲取所述練習題中每一道習題的知識點特征向量，對所述知識點特征向量進行分類，獲取考察單個知識點的第一類習題和考察多個知識點的第二類習題；

根據考察所述目標知識點的第一類習題的正確率獲取第一掌握程度；根據考察所述目標知識點的第二類習題中所述目標知識點的正確概率獲取第二掌握程度；根據所述第一掌握程度和所述第二掌握程度獲取所述目標知識點的習題掌握程度；

根據所述待預測學生對所述目標知識點的所述關注程度和所述習題掌握程度獲取所述掌握程度。

優選的，所述第一掌握程度的獲取方法為：

根據所述目標知識點在所述練習題中的第一類習題的反饋結果和所述練習題中考察該知識點的習題數量獲取該知識點的所述第一掌握程度。