构造分层学习空间的方法技术

一种构造分层学习空间的方法，包括先对学科技能进行分类，识别技能间的并列或包含关系；再根据不同的种类相应分层，并从第一层开始逐层逐个单元根据微技能关系，调用“生成平面学习空间函数”生成多个平面的学习空间；调用“组合平面学习空间成分层多维学习空间”函数组合生成多维分层立体学习空间。本发明专利技术提供的构造分层学习空间的方法，对学科涉及的知识点进行构造，形成学习空间，根据对知识点掌握程度不同实现渐进式学习。还能实现对所掌握的知识点进行客观评价，了解对知识点掌握程度，实现针对性地学习。

Method of Constructing Hierarchical Learning Space

A method of constructing hierarchical learning space includes classifying subject skills first, identifying the juxtaposition or inclusion relationship between skills; then stratifying according to different types, and calling \generating plane learning space function\ to generate multi-plane learning space according to micro-skill relationship one by one from the first level; and calling \combining plane learning space with multiple layers of components\ The function combination of dimension learning space generates multi-dimension hierarchical three-dimensional learning space. The method of constructing hierarchical learning space provided by the invention constructs knowledge points involved in the subject, forms learning space, and realizes progressive learning according to different mastery degree of knowledge points. It can also realize the objective evaluation of knowledge points, understand the degree of knowledge points, and achieve targeted learning.

【技术实现步骤摘要】
构造分层学习空间的方法
本专利技术涉及一种制定学习计划的方法，尤其涉及一种对学科(如数学)涉及的知识点进行构造，形成学习空间，根据对知识点掌握程度不同实现渐进式，和针对性地学习。
技术介绍
KS-CAT是基于学习空间理论的计算机化自适应测试。学习空间首先是将一个领域的知识都解析成一个问题的集合，每个问题都有正确的答案，其次用一个学生在理想条件下能够正确回答该域内问题的集合来呈现他的“知识状态”，所有可能的(按学科逻辑，由专家确定)知识状态的集合称为学习空间。计算机化的自适应测试(CAT)是针对传统所有学生使用相同题目的“峰形”、“矩形”纸笔测验的不足而提出的，具体规则是根据各个学生的能力水平，向其提供适合于他们水平的不同测验题目，快速精确地得到被测主体的知识状态或能力水平，KS-CAT就是用来诊断被试的掌握模式、多维离散认知状态。实现KS-CAT涉及到的算法主要有三个：根据专家确定的离散知识点以及关联生成学习空间的算法，使用知识空间自适应评估被试知识状态的算法，以及使用知识空间自适应引导被试学习的算法。生成学习空间的算法通常用QUERY(《学习空间：跨学科的应用数学》[M]，世界图书出版广东有限公司，2016年9月)，这是一个输入所有离散知识点，再逐个询问专家任意组合的关系以及计算机由此得到所有可能的推理，删除大量不存在的知识状态(即如果学生没有掌握前提知识点，则不可能掌握后续的知识点)，从而生成一个由什么也没有掌握的空集状态，一次增加一个知识点，逐步扩大到全部知识点掌握的状态。这样的进阶的状态集合就称为学习空间。然而，QUERY在实际运用中有非常大的问题，一方面，一个有四、五百个知识点的学习空间是很常见的，但是QUERY在有50个知识点时候就需要向专家询问的次数多达几万，因此无法用于大规模数量的学习空间生成；另一方面，QUERY生成的学习空间是单层的，意味着无论对于优等生还是差生，知识点的大小是一样的，所以优等生会觉得考的太琐碎，差生会觉得考的跳度太大，一个点到另外一个点难以一下子学会。针对QUERY的第一个问题，在确定离散知识点的时候，专家就可以依据认知逻辑将知识点的并列和前提关系确定好，因此一起输入的有离散的知识点及其关系，就可以生成学习空间了，通过我们的案例实践，可以发现这样不再需要再次询问专家问题，效率大大提高，而且适用于大规模知识点空间的生成。针对QUERY的第二个问题，我们在收集专家离散知识点的时候就已经分层，这样，最后生成的学习空间有按照很大跨度前进的路径，也有按照很小跨度前进的路径，无论是优等生，还是中等生，还是差生，无论是中考复习，还是课前预习，还是单元回顾，还是期末复习，学生都能找到适合自己学习能力的路径。
技术实现思路
本专利技术的一个目的在于提供一种构造分层学习空间的方法，对知识点及其关系进行构造，利于渐进式地对知识点的学习。本专利技术的另一个目的在于提供一种构造分层学习空间的方法，对知识点及其关系进行构造，利于对人们所掌握的知识点进行评价。本专利技术提供的一种构造分层学习空间的方法，包括：先对学科技能进行分类，识别技能间的并列或包含关系；再根据不同的种类相应分层，并从第一层开始逐层逐个单元根据微技能关系，调用“生成平面学习空间函数”生成多个平面的学习空间；生成平面学习空间函数：(1)输入一单元的全部微技能及其关系：Q＝{ai},i＝1,...,|Q|，表示该单元内全部微技能。Ρ+＝{(ai,aj)|ai<aj,ai∈Q,aj∈Q}，表示该单元内全部的前提关系，包含于(<)，即小于号前面的内容是小于号后面微技能的前提，或者说必经的先学内容，如果学生没有掌握前提知识点ai，则不可能掌握后续的知识点aj。(2)初始化学习空间初始化的学习空间，并按元素个数从左到右排列并连接，表示该单元所有微技能的组合。(3)由初始学习空间删去所有关系得到的不可能状态Ρ+＝{(ai,aj)|ai<aj,ai∈Q,aj∈Q}，输入的所有关系对。所有包含aj但不包含ai的子集，由关系对(ai,aj)可以删去的知识状态。即κ中删掉Dκ(Ρ+)后剩下的集合。(4)输出生成的平面学习空间κ。(5)逐个单元遍历。调用“组合平面学习空间成分层多维学习空间”函数组合生成多维分层立体学习空间。将得到的所有平面学习空间κ调用“组合平面学习空间生成分层立体学习空间。(1)输入各层平面学习空间κ；(2)从顶层开始，逐层用低一层的平面学习空间去连接任意相邻的两个点，连接规则是左边的点到右边的点所增加的微技能用下一层的该单元的学习空间连接，初始状态与初始状态合并为一点，最终状态与最终状态合并为一点。本专利技术技术方案实现的有益效果：本专利技术提供的构造分层学习空间的方法，对学科涉及的知识点进行构造，形成学习空间，根据对知识点掌握程度不同实现渐进式学习。还能实现对所掌握的知识点进行客观评价，了解对知识点掌握程度，实现针对性地学习。附图说明图1为本专利技术一种构造分层学习空间的方法的流程示意图；图2为本专利技术一种构造分层学习空间方法的算法流程图；图3为本专利技术初始化的学习空间的一实施例示意图；图4为本专利技术删除一关系对得到的不可能状态一实施例示意图；图5为本专利技术删除一关系对得到的不可能状态另一实施例示意图；图6为本专利技术删除一关系对得到的不可能状态另一实施例示意图；图7为本专利技术删除一关系对得到的不可能状态另一实施例示意图；图8为本专利技术删除所有关系对到的不可能状态一实施例示意图；图9为本专利技术删除所有关系对得到的不可能状态另一实施例示意图；图10为调用“生成平面学习空间函数”得到的单元a平面学习空间示意图；图11为调用“生成平面学习空间函数”得到的单元b平面学习空间示意图；图12为调用“生成平面学习空间函数”得到的单元c平面学习空间示意图；图13为调用“生成平面学习空间函数”得到的单元d平面学习空间示意图；图14为调用“生成平面学习空间函数”得到的单元e平面学习空间示意图；图15为单元a的平面空间连接示意图；图16为调用“组合平面学习空间成分层三维学习空间”函数组合生成三维分层立体学习空间示意图。具体实施方式以下结合附图详细描述本专利技术的技术方案。本专利技术实施例仅用以说明本专利技术的技术方案而非限制，尽管参照较佳实施例对本专利技术进行了详细说明，本领域的普通技术人员应当理解，可以对专利技术的技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的精神和范围，其均应涵盖在本专利技术的权利要求范围中。如图1和图2所示，本专利技术提供一种构建分层学习空间的方法，还包括：对学科技能进行分类，识别技能间的并列或包含关系。先从第一层开始逐层逐个单元根据微技能和关系，调用“生成平面学习空间函数”生成多个平面的学习空间。生成平面学习空间函数：(1)输入一单元的全部微技能及其关系：(1)Q＝{ai},i＝1,...,|Q|，表示该单元内全部微技能。Ρ+＝{(ai,aj)|ai<aj,ai∈Q,aj∈Q}，表示该单元内全部的前提关系，包含于(<)，即小于号前面的内容是小于号后面微技能的前提，或者说必经的先学内容，如果学生没有掌握前提知识点ai，则不可能掌握后续的知识点aj。(2)初始化学习空间初始化的学习空间，并按元素个数从左到右排列并连接，表示该单元所有微技能的组合，详见图本文档来自技高网...

【技术保护点】
1.一种构造分层学习空间的方法，其特征在于包括：先对学科技能进行分类，识别技能间的并列或包含关系；再根据不同的种类相应分层，并从第一层开始逐层逐个单元根据微技能关系，调用“生成平面学习空间函数”生成多个平面的学习空间；调用“组合平面学习空间成分层多维学习空间”函数组合生成多维分层立体学习空间。

【技术特征摘要】
1.一种构造分层学习空间的方法，其特征在于包括：先对学科技能进行分类，识别技能间的并列或包含关系；再根据不同的种类相应分层，并从第一层开始逐层逐个单元根据微技能关系，调用“生成平面学习空间函数”生成多个平面的学习空间；调用“组合平面学习空间成分层多维学习空间”函数组合生成多维分层立体学习空间。2.根据权利要求1所述的构造分层学习空间的方法，其特征在于所述的生成平面学习空间函数包括：1)输入一单元的全部微技能及其关系：Q＝{ai},i＝1,...,|Q，表示该单元内全部微技能；Ρ+＝{(ai,aj)|ai<aj,ai∈Q,aj∈Q}，表示该单元内全部的前提关系，即小于号前面的内容是小于号后面微技能的前提，或者说必经的先学内容，如果学生没有掌握前提知识点ai，则不可能掌握后续的知识点aj；2)初始化学习空间初始化的学习空间，并按元素个数从左到右排列并连接，表示该单...

【专利技术属性】
技术研发人员：朱娅梅，
申请(专利权)人：上海智而仁信息科技有限公司，
类型：发明
国别省市：上海,31