一种多元智能教育方法及系统技术方案

本发明专利技术公开了一种多元智能教育方法和系统，包括以下步骤：利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图；根据不同所述薄弱知识环节制定相应学习交互策略，所述知识图查找每个薄弱知识环节相对应的先验知识点，并构建交叉反馈队列；根据交叉反馈队列，进行个性化反馈后评估测试结果，根据所述测试结果重新获取新薄弱知识环节生成新反馈序列。本发明专利技术有益效果：不仅能够实现良好的在线学习效果，而且有效帮助薄弱学生提高成绩，同时缓解教育的不公平性。

A multi intelligence education method and system

The invention discloses a multi intelligence education method and system, which comprises the following steps: calculating online learning data by using the hidden Markov model, obtaining the weak knowledge link; initializing the knowledge map, identifying the weak knowledge link, updating the knowledge map in real time by using the Bayesian method; formulating corresponding learning interaction strategies according to the different weak knowledge link, and the knowledge map Find the prior knowledge points corresponding to each weak knowledge link, and build a cross feedback queue; according to the cross feedback queue, evaluate the test results after personalized feedback, and re acquire the new weak knowledge link according to the test results to generate a new feedback sequence. The invention has the advantages of not only realizing good online learning effect, but also effectively helping the weak students to improve their performance, and at the same time alleviating the unfairness of education.

【技术实现步骤摘要】
一种多元智能教育方法及系统
本专利技术涉及多媒体教学
，具体来说，涉及一种多元智能教育方法及系统。
技术介绍
个性化反馈策略是因材施教的主要方式，也是智能在线教育的重要组成部分，有效的个性化反馈对智能系统是至关重要的，然而，现有的个性化反馈研究侧重于精确的反馈薄弱知识环节，基本没有关注将有效的教学策略与个性化反馈相结合，所以目前的个性化学习方式，乃至整个在线教育的学习系统的有效性仍然存在争议，实践中越来越多的证据表明，目前的智能在线教育设计并未产生预期的效果，智能在线教育的有效性仍待进一步研究。当前的智能学习的效果往往取决于学生的不同特征，许多研究表明，这些技术使基础较好的学生更加优秀，却无法帮助那些学习成绩不佳的学生，对整个用户群体而言，技术加剧了学生之间的差异，使得学习效果更加极化，不利于教育的公平性，当智能在线教育平台刚开始出现的时候，缓解教育不公问题被视为智能在线教育的一个亮点，这激发了基础薄弱的学习者来弥合自身不足，从而缩小差距，然而，许多研究表明，智能在线学习系统无法缓解教育的不公平性，特别是因为禀赋差异扩大造成的不公本文档来自技高网...

【技术保护点】
1.一种多元智能教育方法，其特征在于，包括以下步骤：/n利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；/n初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图；/n根据不同所述薄弱知识环节制定相应学习交互策略，所述知识图查找每个薄弱知识环节相对应的先验知识点，并构建交叉反馈队列；/n根据交叉反馈队列，进行个性化反馈后评估测试结果，根据所述测试结果重新获取新薄弱知识环节生成新反馈序列。/n

【技术特征摘要】
1.一种多元智能教育方法，其特征在于，包括以下步骤：
利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；
初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图；
根据不同所述薄弱知识环节制定相应学习交互策略，所述知识图查找每个薄弱知识环节相对应的先验知识点，并构建交叉反馈队列；
根据交叉反馈队列，进行个性化反馈后评估测试结果，根据所述测试结果重新获取新薄弱知识环节生成新反馈序列。


2.根据权利要求1所述的多元智能教育方法，其特征在于，所述利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节包括：
获取在线学习数据，查找是否存在相似第一薄弱知识环节列表；
采用隐式马尔可夫模型对所述在线学习数据进行数据挖掘，得到第二薄弱知识环节列表；
整合所述第一薄弱知识环节列表和所述第二薄弱知识环节列表，获取重点学习掌握的知识点。


3.根据权利要求1所述的多元智能教育方法，其特征在于，所述在线学习数据包括历史学习记录、学习行为记录及个人特征。


4.根据权利要求1所述的多元智能教育方法，其特征在于，所述初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图包括：
获取导入试题及对应的知识点；
制定知识点的关联关系和层级关系，生成基础知识图；
采集在线学习数据，基于L-L型的内在联系构建数据模型，通过贝叶斯方法统计后验概率，动态优化知识图。


5.根据权利要求1-4任一项所述的多元智能教育方法，其特征在于，所述构建交叉反馈队列包括：
获取第一薄弱知识环节列表；
基于第一薄弱知识环节列表，通过知识图的关系获取到需掌握的所有先验知识点；
采用机器学习方式参考相似个性化交错学习策略，生成最佳学习路径。


6.一种多元智能教育系统，其特征在于，包括：
薄弱知识点识别模块，用于利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；
知识图构建模块，用于初始化知识图，识别...

【专利技术属性】
技术研发人员：夏磊，
申请(专利权)人：北京羽实箫恩信息技术股份有限公司，徐心，
类型：发明
国别省市：北京;11