基于行为数据的学习力指数模型构建方法、装置及设备制造方法及图纸

本发明专利技术实施例涉及数据处理技术领域，具体公开了一种基于行为数据的学习力指数模型构建方法、装置及设备，该方法包括：获取第一预设时间段内学生学习过程中的所有历史行为数据；接收工作人员输入的多个候选学习力指标；依据所述历史行为数据，采用降维方法对所述多个候选学习力指标进行降维，获取至少两个最终学习力指标；接收所述工作人员输入的与每一个最终学习力指标对应的权重值；根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型。利用该学习力指数模型对学生的学习力进行测评时，能够保证数据的多元化；获取方式方便，客观，做到细颗粒度的过程性跟踪与监控。

【技术实现步骤摘要】
基于行为数据的学习力指数模型构建方法、装置及设备
本专利技术实施例涉及数据处理
，具体涉及一种基于行为数据的学习力指数模型构建方法、装置及设备。
技术介绍
随着学生家长对学生学习成绩的重视度越来越高，学生家长已经不仅仅将注意力放在学生成绩上，更多的是拓展到学生的学习能力、创造力、学习动力以及学习毅力等各个方面影响学生学习成绩的因素上。而学生也希望从不同的角度了解到自己的不足。教育行业的工作人员为了适应家长和学生的需求，也采取的一定的措施。例如，精锐教育等一些教育机构实行了对学生的学习力进行测评，而且精锐教育是众多采用学习力模型对学生进行学习素质评估的公司中的典型代表。精锐教育由哈佛北大精英创立，致力于中小学学生的个性化教育。精锐学习力研究团队与华师大心理测量研究人员经过多年探索，参照国际权威的非智力因素、学习风格等经典测评量表，将学习力转化成各项可以用数据衡量的指标，构建了“学习力(PowerLearning，简称PLI)智能测评”模型。该模型围绕学习动力、学习能力、学习毅力三个维度设置了问题，学生需登录测评智能学习设备完成测评问卷方可获知测评结果。PLI测评模型对于教师掌握学生学习素养，调整教学方案，实行个性化教育有一定的指导意义，但也存在三个方面的问题：第一，数据来源单一，依赖于学生参与量表答题；每次获取学习力指数必须填写一次问卷，数据获取不便；第二、客观性不足，不能真实反映学生学习状态；学生参与量表答题，存在一定的主观判断，答案填写存在随意性，不能准确客观的反映真实学习状态；第三、过程性不足，不能实时动态的刻画学生的学习进展；PLI测评注重周期性的阶段性的结果测评，无法做到细颗粒度的过程性跟踪与监控。
技术实现思路
为此，本专利技术实施例提供一种基于行为数据的学习力指数模型构建方法、装置及设备，以解决现有技术中由于PLI测评过程中，存在上述数据来源单一、客观性不足以及过程性不足等的问题。为了实现上述目的，本专利技术的实施方式提供如下技术方案：在本专利技术的实施方式的第一方面中，提供了一种基于行为数据的学习力指数模型构建方法，该方法应用于一种智能学习设备，包括：获取第一预设时间段内学生学习过程中的所有历史行为数据；接收工作人员输入的多个候选学习力指标；依据历史行为数据，采用降维方法对多个候选学习力指标进行降维，获取至少两个最终学习力指标，至少两个学习力指标为多个候选学习力指标中的部分学习力指标；接收工作人员输入的与每一个最终学习力指标对应的权重值，每一个最终学习力指标对应的权重值均为工作人进行调研后获取的；根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型。在本专利技术的一个实施例中，多个候选学习力指标分为四大类：学习动力、学习能力、学习毅力和创新能力；学习动力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备签到及时率、智能学习设备利用率、使用智能学习设备时长超过预设时长的次数与使用智能学习设备总次数之间的比值，或者预定任务完成率；学习能力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备时，预习笔记数量、笔记复习时间、笔记复习次数；在第一预设时间段内，平均每次使用智能学习设备答题时的单位时间答题个数、使用智能学习设备在单位时间内完成阅读量或者阅读题答题正确率；学习毅力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备的签到次数、准时签到次数与所有签到次数之间的比值、连续签到次数的最高值、第二预设时间段内使用智能学习设备的时间长度与使用智能学习设备总时间长度之间的比值、预定任务未完成被提醒次数，或者课外使用智能学习设备的时长；创新能力类至少包括如下中的一种或多种候选学习力指标：通过智能学习设备上传原创作品的个数、原创作品获取的点赞数、预设难度等级及以上等级的题目完成个数、提出质疑次数，或者超额完成任务次数。在本专利技术的另一实施例中，至少两个最终学习力指标至少包括，学习动力类最终学习力指标：智能学习设备利用率、使用智能学习设备时长超过预设时长的次数与使用智能学习设备总次数之间的比值或者预定任务完成率；学习能力类最终学习力指标：预习笔记数量、笔记复习时间、在第一预设时间段内，平均每次使用智能学习设备答题时的单位时间答题个数、使用智能学习设备在单位时间内完成阅读量或者阅读题答题正确率；学习毅力类最终学习力指标：使用智能学习设备的签到次数、连续签到次数的最高值，或者课外使用智能学习设备的时长；创新能力类最终学习力指标：通过智能学习设备上传原创作品的个数、原创作品获取的点赞数，或者预设难度等级及以上等级的题目完成个数。在本专利技术的又一个实施例中，根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型之后，方法还包括：利用基于行为数据的学习力指数模型，对学生的学习力进行测评，获取测评结果；根据测评结果，对基于行为数据的学习力指数模型进行优化。在本专利技术的实施方式的第二方面中，提供了一种基于行为数据的学习力指数模型构建装置，该装置应用于一种智能学习设备，包括：获取单元，用于获取第一预设时间段内学生学习过程中的所有历史行为数据；接收单元，用于接收工作人员输入的多个候选学习力指标；处理单元，用于依据历史行为数据，采用降维方法对多个候选学习力指标进行降维，获取至少两个最终学习力指标，至少两个学习力指标为多个候选学习力指标中的部分学习力指标；接收单元还用于，接收工作人员输入的与每一个最终学习力指标对应的权重值，每一个最终学习力指标对应的权重值均为工作人进行调研后获取的；处理单元还用于，根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型。在本专利技术的一个实施例中，多个候选学习力指标分为四大类：学习动力、学习能力、学习毅力和创新能力；学习动力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备签到及时率、智能学习设备利用率、使用智能学习设备时长超过预设时长的次数与使用智能学习设备总次数之间的比值，或者预定任务完成率；学习能力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备时，预习笔记数量、笔记复习时间、笔记复习次数；在第一预设时间段内，平均每次使用智能学习设备答题时的单位时间答题个数、使用智能学习设备在单位时间内完成阅读量或者阅读题答题正确率；学习毅力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备的签到次数、准时签到次数与所有签到次数之间的比值、连续签到次数的最高值、第二预设时间段内使用智能学习设备的时间长度与使用智能学习设备总时间长度之间的比值、预定任务未完成被提醒次数，或者课外使用智能学习设备的时长；创新能力类至少包括如下中的一种或多种候选学习力指标：通过智能学习设备上传原创作品的个数、原创作品获取的点赞数、预设难度等级及以上等级的题目完成个数、提出质疑次数，或者超额完成任务次数。在本专利技术的另一实施例中，至少两个最终学习力指标至少包括，学习动力类最终学习力指标：智能学习设备利用率、使用智能学习设备时长超过预设时长的次数与使用智能学习设备总次数之间的比值或者预定任务完成率；学习能力类最终学习力指标：预习笔记数量、笔记复习时间、在第本文档来自技高网...

【技术保护点】
1.一种基于行为数据的学习力指数模型构建方法，所述方法应用于一种智能学习设备，其特征在于，所述方法包括：获取第一预设时间段内学生学习过程中的所有历史行为数据；接收工作人员输入的多个候选学习力指标；依据所述历史行为数据，采用降维方法对所述多个候选学习力指标进行降维，获取至少两个最终学习力指标，所述至少两个学习力指标为所述多个候选学习力指标中的部分学习力指标；接收所述工作人员输入的与每一个最终学习力指标对应的权重值，所述每一个最终学习力指标对应的权重值均为所述工作人进行调研后获取的；根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型。

【技术特征摘要】
1.一种基于行为数据的学习力指数模型构建方法，所述方法应用于一种智能学习设备，其特征在于，所述方法包括：获取第一预设时间段内学生学习过程中的所有历史行为数据；接收工作人员输入的多个候选学习力指标；依据所述历史行为数据，采用降维方法对所述多个候选学习力指标进行降维，获取至少两个最终学习力指标，所述至少两个学习力指标为所述多个候选学习力指标中的部分学习力指标；接收所述工作人员输入的与每一个最终学习力指标对应的权重值，所述每一个最终学习力指标对应的权重值均为所述工作人进行调研后获取的；根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型。2.根据权利要求1所述的方法，其特征在于，所述多个候选学习力指标分为四大类：学习动力、学习能力、学习毅力和创新能力；学习动力类至少包括如下中的一种或多种候选学习力指标：使用智能学习设备签到及时率、所述智能学习设备利用率、使用所述智能学习设备时长超过预设时长的次数与使用所述智能学习设备总次数之间的比值，或者预定任务完成率；所述学习能力类至少包括如下中的一种或多种候选学习力指标：使用所述智能学习设备时，预习笔记数量、笔记复习时间、笔记复习次数；在第一预设时间段内，平均每次使用所述智能学习设备答题时的单位时间答题个数、使用所述智能学习设备在单位时间内完成阅读量或者阅读题答题正确率；所述学习毅力类至少包括如下中的一种或多种候选学习力指标：使用所述智能学习设备的签到次数、准时签到次数与所有签到次数之间的比值、连续签到次数的最高值、第二预设时间段内使用所述智能学习设备的时间长度与使用所述智能学习设备总时间长度之间的比值、预定任务未完成被提醒次数，或者课外使用智能学习设备的时长；所述创新能力类至少包括如下中的一种或多种候选学习力指标：通过所述智能学习设备上传原创作品的个数、所述原创作品获取的点赞数、预设难度等级及以上等级的题目完成个数、提出质疑次数，或者超额完成任务次数。3.根据权利要求2所述的方法，所述至少两个最终学习力指标中每一个最终学习力指标包括，学习动力类最终学习力指标：所述智能学习设备利用率、使用所述智能学习设备时长超过预设时长的次数与使用所述智能学习设备总次数之间的比值或者预定任务完成率；学习能力类最终学习力指标：所述预习笔记数量、笔记复习时间、在第一预设时间段内，平均每次使用所述智能学习设备答题时的单位时间答题个数、使用所述智能学习设备在单位时间内完成阅读量或者阅读题答题正确率；学习毅力类最终学习力指标：使用所述智能学习设备的签到次数、连续签到次数的最高值，或者课外使用智能学习设备的时长；创新能力类最终学习力指标：通过所述智能学习设备上传原创作品的个数、所述原创作品获取的点赞数，或者预设难度等级及以上等级的题目完成个数。4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据每一个最终学习力指标，以及与每一个最终学习力指标对应的权重值，构建基于行为数据的学习力指数模型之后，所述方法还包括：实时获取第二预设时间段内预设数量学生学习过程中的所有行为数据；利用所述基于行为数据的学习力指数模型，对学生的学习力进行测评，获取测评结果；根据所述测评结果，对所述基于行为数据的学习力指数模型进行优化，所述第二预设时间段发生顺序滞后于所述第一预设时间段。5.一种基于行为数据的学习力指数模型构建装置，所述装置应用于一种智能学习设备，其特征在于，所述装置包括：获取单元，用于获取第一预设时间段内学生学习过程中的...

【专利技术属性】
技术研发人员：蒋渊，郭伟，
申请(专利权)人：北京翰舟信息科技有限公司，
类型：发明
国别省市：北京,11