一种认知影响因素分析方法及装置制造方法及图纸

本发明专利技术提供了一种认知影响因素分析方法及装置，涉及认知加工过程数据挖掘技术领域。所述认知影响因素分析方法首先获取学习者的学习数据，对所述学习数据进行处理后获得标准学习数据，再基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素。所述认知影响因素分析方法从学习者的学习数据中挖掘学习者认知影响因素，同时利用特征提取器和分类器确定所述认知影响因素，参考了学习者的状态、失误等隐性影响因素，提高了认知影响因素分析的准确性。

A Cognitive Influencing Factor Analysis Method and Device

The invention provides an analysis method and device of cognitive influencing factors, which relates to the technical field of data mining in cognitive processing process. The cognitive influencing factor analysis method first obtains learner's learning data, and then obtains standard learning data after processing the learning data. Based on the standard learning data, feature extractor is used to extract the learner's characteristics, and classifier is used to determine the cognitive image affecting the learner. Noise factors. The cognitive influencing factors analysis method mining learners'cognitive influencing factors from learners' learning data, using feature extractors and classifiers to determine the cognitive influencing factors, referring to the learners'status, errors and other hidden factors, improves the accuracy of the analysis of cognitive influencing factors.

【技术实现步骤摘要】
一种认知影响因素分析方法及装置
本专利技术涉及认知加工过程数据挖掘
，具体而言，涉及一种认知影响因素分析方法及装置。
技术介绍
随着社会和科学技术更新进步速度的迅速加快，人们对知识获取以及教育学习的需求愈发增大，而如何评测学习者的知识获取程度和认真水平则成为了迫切需要解决的问题。传统的测验/考试仅以测验总分作为评价指标，显得过于笼统和概括，现在人们不仅要求测验能在总分数层面进行评价，更希望能深入到被试内部的认知加工层面，为此心理学家们以认知心理学和心理测量学为理论基础，开发出了具有认知诊断功能的心理计量模型(简称认知诊断模型，CDM)，挖掘被试作答过程和测验分数背后的知识结构、加工技能和认知过程，做出更加准确详尽的诊断和评估，从而为采取相应的补救教学提供依据，为因材施教提供指导。认知诊断理论建立在已有测验理论基础之上，但它更为强调测验/测量要深入考察学习者的心理加工过程。而当前的认知诊断是对学习者认知加工过程中所涉及的知识、技能、策略等显性因素进行诊断，对于认知加工过程的研究是鲜有的，然而影响学习者认知加工过程并非只有显性因素，还有学习行为、情感态度、思维方式等隐性因素的影响，这些相关因素对学习者成绩的影响是长远且显著的，然而现有的认知诊断技术无法对影响学习者认知加工过程的多元因素进行挖掘及分析。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种认知影响因素分析方法及装置，以解决上述的现有认知诊断模型无法对学习者的学习行为、情感态度、思维方式等多元因素进行分析的问题。第一方面，本专利技术实施例提供了一种认知影响因素分析方法，所述认知影响因素分析方法包括：获取学习者的学习数据；对所述学习数据进行处理后获得标准学习数据；基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素。综合第一方面，所述学习数据包括每个试题的考察属性、试题得分、答题时间和认知状态，所述对所述学习数据进行处理后获得标准学习数据，包括：根据所述考察属性确定每个试题的属性关联矩阵，根据所述试题得分确定每个试题的作答反应矩阵，根据所述答题时间确定每个试题的作答时间矩阵，根据所述属性关联矩阵与所述认知状态确定每个试题的错误类型；将所述属性关联矩阵、所述作答反应矩阵、所述作答时间矩阵、所述错误类型作为标准学习数据。综合第一方面，在所述对所述学习数据进行处理后获得标准学习数据之后，以及在所述基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素之前，所述认知影响因素分析方法还包括：从所述标准学习数据中获取训练集；根据所述训练集的数据格式确定输入层；根据所述训练集进行特征提取器的无监督逐层训练；在所述特征提取器的顶层添加分类器，基于所述训练集通过所述分类器对所述特征提取器与所述分类器进行参数调节；根据认知影响因素指标体系确定输出层。综合第一方面，在所述根据认知影响因素指标体系确定输出层之后，所述认知影响因素分析方法还包括：采用BP算法对所述特征提取器和所述分类器进行反向微调。综合第一方面，在所述根据认知影响因素指标体系确定输出层之前，所述认知影响因素分析方法还包括：于认知属性、学习行为和情感态度构建所述认知影响因素指标体系。第二方面，本专利技术实施例提供了一种认知影响因素分析装置，所述认知影响因素分析装置包括：学习数据获取模块，用于获取学习者的学习数据；学习数据处理模块，用于对所述学习数据进行处理后获得标准学习数据；认知影响因素确定模块，用于基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素。综合第二方面，所述认知影响因素分析装置还包括模型训练模块，所述模型训练模块包括：训练集提取单元，用于从所述标准学习数据中获取训练集；输入层确定单元，用于根据所述训练集的数据格式确定输入层；逐层训练单元，用于根据所述训练集进行特征提取器的无监督逐层训练；分类器确定单元，用于在所述特征提取器的顶层添加分类器，基于所述训练集通过所述分类器对所述特征提取器与所述分类器进行参数调节；输出层确定单元，用于根据认知影响因素指标体系确定输出层。综合第二方面，所述模型训练模块还包括反向微调单元，所述反向微调单元用于采用BP算法对所述特征提取器和所述分类器进行反向微调。综合第二方面，所述认知影响因素分析装置还包括认知影响因素指标体系构建模块，所述认知影响因素指标体系构建模块用于基于认知属性、学习行为和情感态度构建所述认知影响因素指标体系。第三方面，本专利技术实施例还提供了一种存储介质，所述存储介质存储于计算机内，所述存储介质包括多条指令，所述多条指令被设置成使得所述计算机执行上述的方法。本专利技术提供的有益效果是：本专利技术提供了一种认知影响因素分析方法及装置，所述认知影响因素分析方法将学习者的学习数据转换为标准学习数据后对其进行分析，提高了所述认知影响因素分析方法的分析标准程度和准确性，同时，采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素，不仅仅是从知识状态、技能、策略方面的显性认知属性进行诊断，而是对认知加工过程中诸多显性与隐性的相关因素进行发掘用以对错误进行归因，如行为、心理、情感等，构建多维因素的认知状态影响分析方式并进行多为因素的精准分类，精确地获得影响所述学习者的认真影响因素，从而提高了认知影响因素的分析深度和准确度。本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。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为本专利技术第一实施例提供的一种认知影响因素分析方法的流程示意图；图2为本专利技术第一实施例提供的一种认知影响因素分析模型训练步骤的流程示意图；图3为本专利技术第一实施例提供的一种DBN逐层提取特征步骤的流程示意图；图4为本专利技术第一实施例提供的一种实例中基于DBN的认知影响因素分析模型工作步骤的流程图；图5为本专利技术第二实施例提供的一种认知影响因素分析装置的模块示意图；图6为本专利技术第三实施例提供的一种可应用于本申请实施例中的电子设备的结构框图。图标：100-认知影响因素分析装置；110-学习数据获取模块；120-学习数据处理模块；125-模型训练模块；130-认知影响因素确定模块；140-认知影响因素指标体系构建模块；200-电子设备；201-存储器；202-存储控制器；203-处理器；204-外设接口；205-输入输出单元；206-音频单元；207-显示单元。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。本文档来自技高网...

【技术保护点】
1.一种认知影响因素分析方法，其特征在于，所述认知影响因素分析方法包括：获取学习者的学习数据；对所述学习数据进行处理后获得标准学习数据；基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素。

【技术特征摘要】
1.一种认知影响因素分析方法，其特征在于，所述认知影响因素分析方法包括：获取学习者的学习数据；对所述学习数据进行处理后获得标准学习数据；基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素。2.根据权利要求1所述的认知影响因素分析方法，其特征在于，所述学习数据包括每个试题的考察属性、试题得分、答题时间和认知状态，所述对所述学习数据进行处理后获得标准学习数据，包括：根据所述考察属性确定每个试题的属性关联矩阵，根据所述试题得分确定每个试题的作答反应矩阵，根据所述答题时间确定每个试题的作答时间矩阵，根据所述属性关联矩阵与所述认知状态确定每个试题的错误类型；将所述属性关联矩阵、所述作答反应矩阵、所述作答时间矩阵、所述错误类型作为标准学习数据。3.根据权利要求1所述的认知影响因素分析方法，其特征在于，在所述对所述学习数据进行处理后获得标准学习数据之后，以及在所述基于所述标准学习数据采用特征提取器提取所述学习者的特征，基于所述特征采用分类器确定影响所述学习者的认知影响因素之前，所述认知影响因素分析方法还包括：从所述标准学习数据中获取训练集；根据所述训练集的数据格式确定输入层；根据所述训练集进行特征提取器的无监督逐层训练；在所述特征提取器的顶层添加分类器，基于所述训练集通过所述分类器对所述特征提取器与所述分类器进行参数调节；根据认知影响因素指标体系确定输出层。4.根据权利要求3所述的认知影响因素分析方法，其特征在于，在所述根据认知影响因素指标体系确定输出层之后，所述认知影响因素分析方法还包括：采用BP算法对所述特征提取器和所述分类器进行反向微调。5.根据权利要求3所述的认知影响因素...

【专利技术属性】
技术研发人员：黄涛，刘三女牙，杨宗凯，杨华利，耿晶，胡小芳，张浩，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42