The invention provides a student DNA identity information definition method recommended for personalized learning program, which describes the overall learning situation of the students as a DNA tensor, through a phased statistical analysis of the degree coefficient of all the knowledge points in the students' learning career and the realization of the three-dimensional visualization, and intuitively shows the students at each stage. The overall learning situation, the long and short board and the time used, can be carried out by the intelligent extraction test paper in the test question bank system according to the condition of the long and short board, and then the change values of the understanding degree coefficient of the corresponding knowledge point are calculated according to the execution of the students, and the DNA tensor of the student is updated. According to the comparison users, To a certain extent, it can be concluded which user's learning path is the best learning path, and it can also deduce which knowledge points have the front and back causality.
【技术实现步骤摘要】
面向个性化学习方案推荐的学生DNA身份信息定义方法
本专利技术涉及人工智能与大数据
,更为具体地,涉及一种面向个性化学习方案推荐的学生DNA身份信息定义方法。
技术介绍
随着互联网技术的普及,大数据时代的来临,网络教育得到了迅速的发展,面对目前积累的TB甚至PB级的海量数字教育资源,数据挖掘类似的大数据信息处理技术需求日益迫切。教育资源推送是现代教育技术以网络为载体所引导的教育模式和教学方法改革的产物,旨在探索一种面向学生和教师,提供优质的信息资源的服务模式。而个性化推荐又是此研究中的热门领域,把个性化推荐与教育资源结合,运用相关大数据挖掘技术提取学习者的学习行为特点,为每一位用户量身定制合理有效的学习方案。在现代教育中,因技术和资源整合方法的缺失,学生无法直观的察觉出自身知识的薄弱点,从而在择试题时无法做到有针对性的练习;并且在学习过程中未有效的利用好知识点的之间的因果关系,导致不能快速的提高成绩。
技术实现思路
鉴于上述问题,本专利技术的目的是提供一种面向个性化学习方案推荐的学生DNA身份信息定义方法,以解决上述
技术介绍
所指出的问题。本专利技术提供的面向个性化学习方案推荐的学生DNA身份信息定义方法,包括:步骤S1:统计学生在某个学习阶段的知识点集合;步骤S2:利用BP神经网络计算知识点集合中每个知识点对应的理解程度系数;其中,在利用BP神经网络计算知识点集合中每个知识点对应的理解程度系数的过程中,包括:步骤S21:将习题的正确率和完成速率作为BP神经网络的输入,将知识点对应的理解程度系数作为BP神经网络的输出,建立BP神经网络输入与输出的对应关系, ...
【技术保护点】
一种面向个性化学习方案推荐的学生DNA身份信息定义方法,包括:步骤S1:统计学生在某个学习阶段的知识点集合;步骤S2:利用BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数;其中,在利用所述BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数的过程中,包括:步骤S21:将习题的正确率和完成速率作为所述BP神经网络的输入,将知识点对应的理解程度系数作为所述BP神经网络的输出,建立所述BP神经网络输入与输出的对应关系,确定训练样本集;步骤S22:将所述训练样本中的所有理解程度系数进行数据归一化处理;步骤S23:构建三层BP神经网络模型;其中,设定输入层的神经元为i个,输出层的神经元为k个,隐含层的神经元为j个;所述隐含层的节点函数为S型函数,所述输出层的节点函数为线性函数,令所述输入层到所述隐含层的权值为Wij,所述隐含层的节点阈值为bj,所述隐含层至所述输出层的权值为
【技术特征摘要】
1.一种面向个性化学习方案推荐的学生DNA身份信息定义方法,包括:步骤S1:统计学生在某个学习阶段的知识点集合;步骤S2:利用BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数;其中,在利用所述BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数的过程中,包括:步骤S21:将习题的正确率和完成速率作为所述BP神经网络的输入,将知识点对应的理解程度系数作为所述BP神经网络的输出,建立所述BP神经网络输入与输出的对应关系,确定训练样本集;步骤S22:将所述训练样本中的所有理解程度系数进行数据归一化处理;步骤S23:构建三层BP神经网络模型;其中,设定输入层的神经元为i个,输出层的神经元为k个,隐含层的神经元为j个;所述隐含层的节点函数为S型函数,所述输出层的节点函数为线性函数,令所述输入层到...
【专利技术属性】
技术研发人员:李太福,张堃,唐海红,辜小花,黄迪,黄勇,何光敏,宋健军,胡志轩,何江,刘湘,
申请(专利权)人:重庆科技学院,重庆市九龙坡区天宝实验学校,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。