一种基于三维知识网络的学习者学习轨迹量化方法技术

一种基于三维知识网络的学习者学习轨迹量化方法。本发明专利技术提供的方法包括以下实现步骤：1、构建完整的基于知识点的知识网络；2、依据教学要求构建基于知识网络的教学大纲；3、依据教学大纲构建学习路径；4、详细记录个体学习者依据学习路径学习的轨迹并反馈到系统；5、系统通过记录每个学习者的学习轨迹形成所有学习者的历史学习轨迹；系统对所有学习者的学习轨迹做多维数据分析，推断学习者群体总体学习能力，评估大纲覆盖知识点的难度、内容覆盖的广度与深度与学习群体匹配的合理性，量化评估教学大纲的难度合理性；6、依据个人学习轨迹与群体的学习轨迹及对其进行分析的结果，量化评估某个学习者的学习投入时间、投入效果及学习能力，从而优化规划或调整该学习者的个性化学习路径中需要覆盖的知识点的广度与深度。

【技术实现步骤摘要】
一种基于三维知识网络的学习者学习轨迹量化方法
本专利技术涉及在线或者网络教学领域，更具体地，涉及一种基于三维知识网络的学习者学习轨迹量化方法。
技术介绍
现有的大部分慕课(MOOC)和微课(SPOC)教育平台，虽克服了传统教育的一些问题，但依然存在很多问题未能克服，如：①未能为使用者构建有针对性的完整知识网络，而仅停留在简单的以课程为单位进行授课和提供服务；②未能充分挖掘知识点的关联性并围绕知识点及其关联性构建学习路径，记录学习轨迹；③未能提供有效工具贯彻因人而异或者因材施教的教育理念；对知识点的难度值没有实现量化，只是简单的将知识点划分为简单、比较难、很难等等程度；④有些系统虽也有设置难度系数，但所设定的难度系数都是一个固定值。对于测试阈值，也通常设置一个固定值。比如如果是百分制，测试阈值通常设为固定值，如60分，未能把知识点的难度值与真正的测试阈值进行关联分析。一个知识点如果依据群体学习的记录被发现很容易被大多数人掌握，相关参数应该动态更新，如其难度系数降低时，其测试阈值应该增加。传统教育或者传统在线教育系统只能对学生做综合评估和排名，未能个性化记录并指出其相关知识的强项与弱项，未能与具体知识点关联，未能在宏观与微观不同的精细度上实现对学生学习能力的综合、完整评价与评比，如实现学校层面、市县层面、全省层面的综合评比与细化比较。学生的学习轨迹没有详细记录，也没有进行多维数据分析与量化比较，未能有效评估学生知识点覆盖的广度、深度等情况、未能精准评估学生学习能力、学习习惯、投入时间的合理性。学习者也无法快速获得到自己的学习进度快慢、学习效果对比与反馈。专利技术内容本专利技术为解决以上现有技术提供的方法未能将学生得分与具体知识点及其难度关联、未能对学习轨迹实现量化比较的缺陷，提供了一种学习轨迹量化比较方法。为实现以上专利技术目的，采用的技术方案是：一种基于三维知识网络的学习者学习轨迹量化方法，其特征在于，包括以下步骤：S1：利用知识点构建一个三维知识网络，三维知识网络使用有向无权图G＝{V,E}表示，其中V表示知识点集合，E表示知识点之间的前后驱或者父子关系集合；S2:依据学习群体M的教学要求构建基于三维知识网络的教学大纲PM；S3:依据教学大纲PM为学习者S构建学习路径RMS；S4:学习者S依据学习路径RMS及其个人达到的学习状态挑选新知识点Vk进行学习；S5:通过与学习者S进行交互，详细记录和保存学习者S依据学习路径RMS学习知识点的轨迹并反馈到系统；S6:依据学习者S的学习轨迹与群体的学习轨迹以及对它们进行多维数据分析的结果，量化评估学习者S的学习投入时间、投入效果及学习能力并提供与学习群体的量化性比较指标，优化规划或调整学习者S的学习路径RMS中需要覆盖的知识点的广度与深度；S7:依据所有学习者的学习轨迹，由量化模型更新学习知识点的难度量化值和测试阈值；S8:系统按照预先设定的条件满足时，对所有学习者的学习轨迹做多维数据分析，推断学习者群体总体学习能力，评估教学大纲覆盖知识点的难度、内容覆盖的广度和深度与学习群体匹配的合理性，量化评估教学大纲的难度合理性；按系统建议及专家意见更新教学大纲，然后跳转回S3；如果系统预先设定的条件还不满足，跳转回到S4。上述方案中，本专利技术所提供的基于三维知识网络的学习者学习轨迹量化方法。学习者S通过系统规划的学习路径RMS有序地RMS中的知识点。系统记录学习者S学习过程产生的轨迹数据，如学习时长，学习知识点内容达到的广度与深度、学习进展速度、练习效果、评测成绩。系统可依据学习者群体的学习轨迹数据，及时更新各知识点的难度量化值和测试阈值。系统通过比对个体学习者与相关学习群体的轨迹数据，利用多维数据分析，可推断个体学习者的知识点覆盖情况、学习能力、学习习惯、投入时间的合理性，从而支持系统规划学习者结合其个体情况与知识点难度规划新的学习路线，个性化优化学习者应该覆盖的知识点范围及这些知识点的广度与深度。优选地，步骤S1中，所述的知识网络是基于知识点及知识点间的关系构建的网络，知识点间的关系包含5种关系，分别是父子关系、依赖关系、支撑关系、兄弟关系、相关关系；所述的知识点包括但不限于知识点编号、知识点名称、关键字、知识点简介、标签、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注。优选地，步骤S2中，所述的教学大纲PM是有向无权图G的一个子网。PM是知识网络G的一个子网，会维持知识网络G的对应内部知识点间的关系。PM内的知识点间有前后关系或者父子关系。PM可能是单个连通的子网，也可能是由多个非连通的子网构成。优选地，步骤S3中，所述的学习路径RMS是一个覆盖了教学大纲所有知识点并设定了知识点先后学习顺序的有向知识点图。学习者S应该依据基于教学大纲PM构建的个性化学习路径RMS按顺序学习相关知识点。优选地，步骤S4中，所述学习者S的学习轨迹由其已经学习的知识点及其痕迹的集合组成。优选地，步骤S5中，所述的学习轨迹是围绕知识点来构建的，由学习者S在学习该知识点过程中产生的各种详细信息组成，这些信息包括但不限于学习时长、学习知识点所覆盖的深度与广度、练习结果、评测结果。个体学习者的所有学习轨迹组成其自身的历史学习轨迹。所有学习者的所有学习轨迹组成学习者群体的历史学习轨迹。优选地，步骤S6中，所述的量化性比较指标包括但不限于学习时间投入对比、学习进度快慢对比、学习效果对比。优选地，步骤S7中，所述的量化模型包括多维度知识点难度量化模型和多维度知识点测试阈值量化模型，其中多维度知识点难度量化模型更新的难度量化值主要依据但不限于要求掌握的程度、重要程度、更新前的难度量化值来进行计算；多维知识点测试阈值量化模型更新的测试阈值主要依据但不限于高于测试阈值的比例、所需学习时长分布、知识点的种类和相关知识点来进行反馈式更新。学习时长分布需要依靠他人的反馈进行统计分析。优选地，步骤S8中，所述的预先设定的条件是由系统管理员设置的，预设条件为一定的时间间隔，或者学习该知识点的学习者数量达到一定阈值。与现有技术相比，本专利技术的有益效果是：本专利技术所提供的学习轨迹量化方法，学习者S通过系统规划的学习路径RMS有序地学习路径RMS中的知识点。系统记录学习者S学习过程产生的轨迹数据，如学习时长，学习知识点内容达到的广度与深度、学习进展速度、练习效果、评测成绩。系统可依据学习者群体的学习轨迹数据，及时更新各知识点的难度量化值和测试阈值。系统通过比对个体学习者与相关学习群体的轨迹数据，利用多维度数据分析，推断个体学习者的知识点覆盖情况、学习能力、学习习惯、投入时间的合理性，从而支持系统结合学习者的个体情况与知识点难度为其规划新的或者优化现有的学习路线，个性化优化其应该覆盖的知识点范围及这些知识点的广度与深度。附图说明图1为方法的逻辑框架示意图。图2为知识网络的示例图。图3为学习轨迹的示例图。图4为步骤S6～S8的流程图。图5为多个学习者的学习轨迹的示意图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；以下结合附图和实施例对本文档来自技高网...

【技术保护点】
一种基于三维知识网络的学习者学习轨迹量化方法，其特征在于，包括以下步骤：S1：利用知识点构建一个三维知识网络，三维知识网络使用有向无权图G＝{V,E}表示，其中V表示知识点集合，E表示知识点之间的前后驱或者父子关系集合；S2:依据学习群体M的教学要求构建基于三维知识网络的教学大纲PM；S3:依据教学大纲PM为学习者S构建学习路径RMS；S4:学习者S依据学习路径RMS及其个人达到的学习状态挑选新知识点Vk进行学习；S5:通过与学习者S进行交互，详细记录和保存学习者S依据学习路径RMS学习知识点的轨迹并反馈到系统；S6:依据学习者S的学习轨迹与群体的学习轨迹以及对它们进行多维数据分析的结果，量化评估学习者S的学习投入时间、投入效果及学习能力并提供与学习群体的量化性比较指标，优化规划或调整学习者S的学习路径RMS中需要覆盖的知识点的广度与深度；S7:依据所有学习者的学习轨迹，由量化模型更新学习知识点的难度量化值和测试阈值；S8:系统按照预先设定的条件满足时，对所有学习者的学习轨迹做多维数据分析，推断学习者群体总体学习能力，评估教学大纲覆盖知识点的难度、内容覆盖的广度和深度与学习群体匹配的合理性，量化评估教学大纲的难度合理性；按系统建议及专家意见更新教学大纲，然后跳转回S3；如果系统预先设定的条件还不满足，跳转回到S4。...

【技术特征摘要】
1.一种基于三维知识网络的学习者学习轨迹量化方法，其特征在于，包括以下步骤：S1：利用知识点构建一个三维知识网络，三维知识网络使用有向无权图G＝{V,E}表示，其中V表示知识点集合，E表示知识点之间的前后驱或者父子关系集合；S2:依据学习群体M的教学要求构建基于三维知识网络的教学大纲PM；S3:依据教学大纲PM为学习者S构建学习路径RMS；S4:学习者S依据学习路径RMS及其个人达到的学习状态挑选新知识点Vk进行学习；S5:通过与学习者S进行交互，详细记录和保存学习者S依据学习路径RMS学习知识点的轨迹并反馈到系统；S6:依据学习者S的学习轨迹与群体的学习轨迹以及对它们进行多维数据分析的结果，量化评估学习者S的学习投入时间、投入效果及学习能力并提供与学习群体的量化性比较指标，优化规划或调整学习者S的学习路径RMS中需要覆盖的知识点的广度与深度；S7:依据所有学习者的学习轨迹，由量化模型更新学习知识点的难度量化值和测试阈值；S8:系统按照预先设定的条件满足时，对所有学习者的学习轨迹做多维数据分析，推断学习者群体总体学习能力，评估教学大纲覆盖知识点的难度、内容覆盖的广度和深度与学习群体匹配的合理性，量化评估教学大纲的难度合理性；按系统建议及专家意见更新教学大纲，然后跳转回S3；如果系统预先设定的条件还不满足，跳转回到S4。2.根据权利要求1所述的一种基于三维知识网络的学习者学习轨迹量化方法，其特征在于：步骤S1中，所述的知识网络是基于知识点及知识点间的关系构建的网络，知识点间的关系包含5种关系，分别是父子关系、依赖关系、支撑关系、兄弟关系、相关关系；所述的知识点包括但不限于知识点编号、知识点名称、关键字、知识点简介、标签、重要程度、知识点难度、考试频率、知识点类型、参考资料、学习建议、关联知识点、学习资料、测试题、测试阈值、知识点内容、备注识点难度、考试频率、知识点类型、参考资料、学习...

【专利技术属性】
技术研发人员：温武少，刘勤意，白微，陈军祥，秦景辉，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44