在线学习干预系统技术方案

本发明专利技术涉及一种在线学习干预系统，该系统包括数据收集模块、群体划分模块、策略库形成模块，数据收集模块用于收集若干份历史数据；群体划分模块用于将所述历史数据划分为多个分类群体，以及生成各个学习阶段的分类模型；策略库形成模块用于抽象出每个分类群体的群体特征和干预措施规则，得到每个分类群体的策略集，所有的分类群体的策略集构成学习者策略库。采用上述系统生成的策略库，借助了以往同门课程相同学习阶段所有学习者的经验，不易造成评估偏差。

【技术实现步骤摘要】
在线学习干预系统
本专利技术涉及网络学习
，特别涉及一种在线学习干预系统。
技术介绍
随着网络以及智能手机的普及，在线学习的方式受到越来越多人的认可。在线学习方式由于没有集中式教学和面对面互动，为老师掌握学习者进度和学习效果带来了困难。在教学分离的情况下，对在线学习过程的监督和干预显得尤为重要。公开号为CN108182541的中国专利申请介绍了一种混合学习效果评估干预方法，通过对线下课堂上的视频采集及在线行为等数据进行分析，使用班级的平均数据来评估学生学习效果并采取干预措施。其评估方法中以本班的平均分为参考，只针对本班的情况进行个体评估干预，易造成评估偏差。
技术实现思路
本专利技术解决的第一个问题是如何改善现有技术中易造成评估偏差的不足，为此，本专利技术实施例提供了以下技术方案：一种在线学习干预系统，包括数据收集模块、群体划分模块、策略库形成模块，数据收集模块的数据输出端连接群体划分模块的数据输入端，群体划分模块的数据输出端连接策略库形成模块的数据输入端；数据收集模块用于收集若干份历史数据，一份历史数据包括一个已被干预的学习者的基本信息、学习行为数据及对其所采取的干预策略；群体划分模块用于根据所述学习行为数据，将所述历史数据划分为多个分类群体，以及生成各个学习阶段的分类模型；策略库形成模块用于抽象出每个分类群体的群体特征和干预措施规则，得到每个分类群体的策略集，所有的分类群体的策略集构成学习者策略库。本专利技术解决的第二个问题是现有技术中忽略了教师和教学机构对学习者的影响，为此，本专利技术实施例进一步提供了以下方案：在上述系统中，所述策略库形成模块还用于生成若干条针对教师的干预策略，形成教师策略库；和/或，所述策略库形成模块还用于生成若干条针对教学机构的干预策略，形成教学机构策略库。与现有技术相比，本专利技术具有以下有益效果：1.利用了机器学习技术，能够自动产生有针对性的干预策略，减少人工工作负担(以往大都是人工产生)。2.针对以往在线学习干预只以当前数据为准，未充分考虑以往类似经验的状况，考虑了新产生的待干预者所具有的学习特征特点与历史已被干预的学习者的特点的相似性，从而充分利用以往经验创建策略库，可以使对新待干预者的干预策略产生更有针对性和有效性。历史数据选择使用统一抽象的表达方式进行存储，有助于历史经验的重用，共享。3.增加了现有技术中忽略了教师和教育机构对学习者的影响，三者共同的干预有利于在线学习效果的提高。4.干预措施的制定自动和人工实行相结合，干预措施主动和被动措施的相结合，使得干预措施更加多元化。该系统可用于在线学习，网络教育，远程教育等(在线学习的其他领域)。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术实施例中在线学习干预系统的功能模块图。图2为实施例中所述生成的干预策略库的结构图。图3为实施例中所述一条针对学习者的干预策略的结构示意图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本实施例中提供了一种在线学习干预系统，包括数据收集模块、群体划分模块、策略库形成模块、策略决策模块，数据收集模块的数据输出端连接群体划分模块的数据输入端，群体划分模块的数据输出端连接策略库形成模块的数据输入端，策略决策模块的数据输入端分别连接数据收集模块的数据输出端、策略库形成模块的数据输出端。其中，数据收集模块用于收集已往被干预的学习者的基本信息、学习行为数据和对其所采取的干预策略，作为构建初始策略库的基础数据。当然，数据收集模块还用于收集将被干预的学习者的基本信息和学习行为数据。干预策略包括被干预学习者的学习行为特征和干预措施特征，即是说数据收集模块收集的信息主要包括学习者的基本信息，学习者在线学习行为数据，针对学习者采取的干预措施这三个方面。作为一种举例，学习者的基本信息特征可以表示为：Si＝(ID,sex,classID,schoolID,stage)(1)其中，ID表示为学习者学号，sex为性别,classID表示所在班级，schoolID表示学校(机构)ID,在远程教育中一个学校可能有多个地理位置不同的教学点，学习者所属该校不同教育点，所以此项也可表示为教学点ID；stage表示该数据的来源阶段(即所处的学习阶段)，可以用数字表示，本方法可以在一门课程开课期间阶段性对学习者的状态进行监测和干预，一般地，可以将学习阶段划分为开学1个月(stage＝1)，2个月(半期，stage＝2)，3个月(stage＝3)，学期结束(stage＝4)四种学习阶段，学习结束阶段的数据只用于修改、完善策略库，不再做干预处理。当然，学习阶段的划分可以有不同的形式，例如只划分为半学期和学期结束。作为一种举例，学习者在线学习行为特征可以表示为：Sb＝(stage,day,ontime,stime,aftime,ascore1,ascore2,ascore3,fscore,submit,reply)(2)其中，stage表示该数据的来源阶段(即所处的学习阶段)；day表示该阶段学习者在线天数(天),ontime表示该阶段该学习者在线总时长(分钟)，stime表示该阶段该学习者进行学习课程内容的时间，主要指学习者在学习版块中浏览课程课件和视频的时间等学习资料的时间,aftime表示该学习者作业完成的次数，ascore1、ascore2、ascore3分别表示第1/2/3次作业的分数,通常一个学习阶段最多布置3次作业，若少于3次作业，则对应数据可以用-1表示；若stage＝4,则此处的fscore表示期末成绩,stage＝2时表示中期成绩，在其他阶段表示如果该学习者上一阶段有新增作业的干预措施，fscore表示新增作业的合格次数；submit表示学习者在论坛的发帖数，reply表示学习者在论坛的回帖数。作为一种举例，对学习者的干预措施特征可以表示为：Sa＝(ID，courseID,classID,state,content,atime)(3)其中，ID表示学习者的学号，courseID表示课程编号，classID表示所在班级ID，State表示措施状态，一般地，状态可分为通知、警告两种级别，每种级别的状态又分为站内通知和电话通知两种，此处可以通过编码来表示需要执行的状态，例如00表示站内通知，01表示站内警告，10表示电话通知，11表示电话警告；content表示教学内容,主要记录学习者需要在线浏览的内容范围(以教学单元为单位)，此变量也可以用4位编码来表示学习内容的起止章节，如01本文档来自技高网...

【技术保护点】
1.一种在线学习干预系统，其特征在于，包括数据收集模块、群体划分模块、策略库形成模块，数据收集模块的数据输出端连接群体划分模块的数据输入端，群体划分模块的数据输出端连接策略库形成模块的数据输入端；数据收集模块用于收集若干份历史数据，一份历史数据包括一个已被干预的学习者的基本信息、学习行为数据及对其所采取的干预策略；群体划分模块用于根据所述学习行为数据，将所述历史数据划分为多个分类群体，以及生成各个学习阶段的分类模型；策略库形成模块用于抽象出每个分类群体的群体特征和干预措施规则，得到每个分类群体的策略集，所有的分类群体的策略集构成学习者策略库。

【技术特征摘要】
1.一种在线学习干预系统，其特征在于，包括数据收集模块、群体划分模块、策略库形成模块，数据收集模块的数据输出端连接群体划分模块的数据输入端，群体划分模块的数据输出端连接策略库形成模块的数据输入端；数据收集模块用于收集若干份历史数据，一份历史数据包括一个已被干预的学习者的基本信息、学习行为数据及对其所采取的干预策略；群体划分模块用于根据所述学习行为数据，将所述历史数据划分为多个分类群体，以及生成各个学习阶段的分类模型；策略库形成模块用于抽象出每个分类群体的群体特征和干预措施规则，得到每个分类群体的策略集，所有的分类群体的策略集构成学习者策略库。2.根据权利要求1所述的系统，其特征在于，群体划分模块包括聚类子模块和分类模型训练子模块；所述聚类子模块用于对部分数量的历史数据进行聚类，形成初步的分类群体；所述分类模型训练子模块用于对所述初步的分类群体进行学习训练，得到各个学习阶段的分类模型，并将剩余数量的历史数据分类到不同的分类群体中。3.根据权利要求1所述的系统，其特征在于，所述干预策略包括学习行为特征和干预措施特征；所述策略库形成模块在形成一个分类群体的策略集时，以任意干预措施特征为参考，找出具有相同干预措施特征值的若干条干预策略，并总结出该若干条干预策略所共有的学习行为特征，将所述共有的学习行为特征和所述相同干措施略特征值组成一条干预策略，由所有的干预措施特征得到的若干条干预策略组成策略集。4.根据权利要求1所述的系统，其特征在于，所述策略库形成模块还用于生成若干条针对教师的干预策略，形成教师策略库；和/或，所述策略库形成模块还用于生成若干条针对教学机构的干预策略，形成教学机构策略库。5.根据权利要求1-4任一所述的系统，其特征在于，还包括策略决策模块；所述数据收集模块还用于收集待干预的学习者的新数据，所述新数据包括待干预的学习者的基本信息和学习行为数据；所述策略决策模块用于根据待干预的学习者的学...

【专利技术属性】
技术研发人员：王祖俪，王娟，蔺冰，吴春旺，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川,51