学习特征数据的处理方法及装置、电子设备制造方法及图纸

本发明专利技术公开了一种学习特征数据的处理方法及装置、电子设备。其中，该方法包括：获取多个目标对象在历史学习过程中的初始学习特征数据，并基于初始学习特征数据的特征等级进行分组，得到学习特征分组属性；基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值；将每个目标对象的初始学习特征数据与学习特征分组属性进行匹配，得到匹配结果；基于目标对象的属性权值和匹配结果计算每个目标对象的学习特征分组属性的属性评分；基于学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合；初始化每个对象集合中目标对象的试题参数，并将试题参数输入认知诊断模型，以预估每个对象集合的学习参数。

Processing method, device and electronic equipment of learning characteristic data

【技术实现步骤摘要】
学习特征数据的处理方法及装置、电子设备
本专利技术涉及数据处理
，具体而言，涉及一种学习特征数据的处理方法及装置、电子设备。
技术介绍
相关技术中，学校中在进行教学管理时，往往需要掌握各个学生的学习情况，但是当前的学习状态反馈方式都是通过考试成绩来反映，无法确定各个用户对知识点的掌握情况，若是无法掌握学生的学习情况，其也无法管理学生的学习情况，无法预估各个学生对新课程知识点的掌握情况。相关技术中，开发了与学生相适应的学习教育平台，随着在线教育平台的不断发展，“互联网+教育”带来了教育变迁和政策响应。通过在线教育平台中的学生学习状态模型，可以通过对学生的习题作答情况推测学生在习题所涉及的知识或技能(属性)上的掌握情况，但是这种方式存在明显的缺陷，尚未考虑以下问题：不同层次学生的成绩基础、作业完成情况、学习平台上学习数据等特征存在一定的差异性，其认知水平也各不相同，最终会导致对学生知识点掌握情况的认知出现偏差，影响后续的教学质量。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种学习特征数据的处理方法及装置、电子设备，以至少解决相关技术中并未考虑不同层次的学生学习特征的差异性，导致对学生的学习认知水平存在偏差，影响教学质量的技术问题。根据本专利技术实施例的一个方面，提供了一种学习特征数据的处理方法，包括：获取多个目标对象在历史学习过程中的初始学习特征数据，并基于所述初始学习特征数据的特征等级进行分组，得到学习特征分组属性并对其进行优先级排序；基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值；将每个目标对象的初始学习特征数据与所述学习特征分组属性进行匹配，得到匹配结果；基于目标对象的属性权值和匹配结果计算每个目标对象的学习特征分组属性的属性评分；基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合；初始化每个对象集合中所述目标对象的试题参数，并将所述试题参数输入认知诊断模型，以预估每个对象集合的学习参数，其中，所述学习参数用于分析所述目标对象对知识点的掌握情况。可选地，所述学习特征分组属性包括下述至少之一：目标课程的作业完成数据、先决课程的平均成绩、竞赛获奖数据、所述目标对象在目标学习系统的学习状态数据，其中，所述先决课程用于指示与所述目标课程相关的基础课程。可选地，基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值包括：确定学习特征的优先级数量；获取每个学习特征分组属性的优先级次序，并基于所述学习特征分组属性的优先级次序和学习特征的优先级数量创建优先级矩阵；基于所述优先级矩阵，计算每个所述学习特征分组属性的属性权值。可选地，基于目标对象的属性权值和匹配结果计算每个目标对象的学习特征分组属性的属性评分的步骤，包括：确定目标对象的数量，得到总目标对象数量；基于总目标对象数量、每个所述目标对象的学习特征分组属性和所述学习特征分组属性的属性权值，计算每个所述目标对象的学习特征分组属性的属性评分。可选地，基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合的步骤，包括：确定目标对象分组总数量；基于所述目标对象分组总数量，对全部的目标对象进行聚类分组，得到多个对象集合，其中，每组所述对象集合中包含有至少一个目标对象；在得到多个对象集合之后，所述处理方法还包括：确定对象集合中每个所述目标对象的学习特征分组属性的属性评分，得到与每个所述对象集合对应的集合属性评分；计算每个所述对象集合中的集合属性评分的评分均值，并对所述评分均值进行排序，得到分组排序矩阵。可选地，初始化每个对象集合中所述目标对象的试题参数，并将所述试题参数输入认知诊断模型，以预估每个所述对象集合的学习参数的步骤，包括：确定每个对象集合中所述目标对象的试题失误率和试题猜测率，得到试题参数；根据所述目标对象所在的对象集合的集合层次，计算各个对象集合的试题参数；将每个所述对象集合中每个目标对象的试题参数输入认知诊断模型，以预估每个所述对象集合的学习参数。可选地，预估的学习参数包括下述至少之一：试题猜测率、试题粗心率和课程得分。根据本专利技术实施例的另一方面，还提供了一种学习特征数据的处理装置，包括：获取单元，用于获取多个目标对象在历史学习过程中的初始学习特征数据，并基于所述初始学习特征数据的特征等级进行分组，得到学习特征分组属性；确定单元，用于基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值；匹配单元，用于将每个目标对象的初始学习特征数据与所述学习特征分组属性进行匹配，得到匹配结果；计算单元，用于基于目标对象的属性权值和匹配结果计算每个目标对象的学习特征分组属性的属性评分；分组单元，用于基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合；预估单元，用于初始化每个对象集合中所述目标对象的试题参数，并将所述试题参数输入认知诊断模型，以预估每个对象集合的学习参数，其中，所述学习参数用于分析所述目标对象对知识点的掌握情况。可选地，所述学习特征分组属性包括下述至少之一：目标课程的作业完成数据、先决课程的平均成绩、竞赛获奖数据、所述目标对象在目标学习系统的学习状态数据，其中，所述先决课程用于指示与所述目标课程相关的基础课程。可选地，所述确定单元包括：第一确定模块，用于确定学习特征的优先级数量；第一获取模块，用于获取每个学习特征分组属性的优先级次序，并基于所述学习特征分组属性的优先级次序和学习特征的优先级数量创建优先级矩阵，其中，所述优先级矩阵指示学习特征分组属性的优先级排序结果；第一计算模块，用于基于所述优先级矩阵，计算每个所述学习特征分组属性的属性权值。可选地，所述计算单元还包括：第二确定模块，用于确定目标对象的数量，得到总目标对象数量；第二计算模块，用于基于总目标对象数量、每个所述目标对象的学习特征分组属性和所述学习特征分组属性的属性权值，计算每个所述目标对象的学习特征分组属性的属性评分。可选地，所述分组单元包括：第三确定模块，用于确定目标对象分组总数量；基于所述目标对象分组总数量，对全部的目标对象进行聚类分组，得到多个对象集合，其中，每组所述对象集合中包含有至少一个目标对象；所述学习特征数据的处理装置还包括：第四确定模块，用于在得到多个对象集合之后，确定对象集合中每个所述目标对象的学习特征分组属性的属性评分，得到与每个所述对象集合对应的集合属性评分；第三计算模块，用于计算每个所述对象集合中的集合属性评分的评分均值，并对所述评分均值进行排序，得到分组排序矩阵。可选地，所述预估单元包括：第五确定模块，用于确定每个对象集合中所述目标对象的试题失误率和试题猜测率，得到试题参数；第四计算模块，用于根据所述目标对象所在的对象集合的集合层次，计算各个对象集合的试题参数；预估模块，用于将每个所述对象集合中每个目标对象的试题参数输入认知诊断模型，以预估每个所述对象集合的学习参数。可选地，预估的学习参数包括下述至少之一：试题猜测率、试题粗心率和课本文档来自技高网...

【技术保护点】
1.一种学习特征数据的处理方法，其特征在于，包括：/n获取多个目标对象在历史学习过程中的初始学习特征数据，并基于所述初始学习特征数据的特征等级进行分组，得到学习特征分组属性；/n基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值；/n将每个目标对象的初始学习特征数据与所述学习特征分组属性进行匹配，得到匹配结果；/n基于目标对象的属性权值和所述匹配结果计算每个目标对象的学习特征分组属性的属性评分；/n基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合；/n初始化每个对象集合中所述目标对象的试题参数，并将所述试题参数输入认知诊断模型，以预估每个对象集合的学习参数，其中，所述学习参数用于分析所述目标对象对知识点的掌握情况。/n

【技术特征摘要】
1.一种学习特征数据的处理方法，其特征在于，包括：
获取多个目标对象在历史学习过程中的初始学习特征数据，并基于所述初始学习特征数据的特征等级进行分组，得到学习特征分组属性；
基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值；
将每个目标对象的初始学习特征数据与所述学习特征分组属性进行匹配，得到匹配结果；
基于目标对象的属性权值和所述匹配结果计算每个目标对象的学习特征分组属性的属性评分；
基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合；
初始化每个对象集合中所述目标对象的试题参数，并将所述试题参数输入认知诊断模型，以预估每个对象集合的学习参数，其中，所述学习参数用于分析所述目标对象对知识点的掌握情况。


2.根据权利要求1所述的处理方法，其特征在于，所述学习特征分组属性包括下述至少之一：目标课程的作业完成数据、先决课程的平均成绩、竞赛获奖数据、所述目标对象在目标学习系统的学习状态数据，其中，所述先决课程用于指示与所述目标课程相关的基础课程。


3.根据权利要求2所述的处理方法，其特征在于，基于学习特征分组属性的优先级排序结果，确定每个目标对象的属性权值包括：
确定学习特征的优先级数量；
获取每个学习特征分组属性的优先级次序，并基于所述学习特征分组属性的优先级次序和学习特征的优先级数量创建优先级矩阵，其中，所述优先级矩阵指示学习特征分组属性的优先级排序结果；
基于所述优先级矩阵，计算每个所述学习特征分组属性的属性权值。


4.根据权利要求3所述的处理方法，其特征在于，基于目标对象的属性权值和所述匹配结果计算每个目标对象的学习特征分组属性的属性评分的步骤，包括：
确定目标对象的数量，得到总目标对象数量；
基于总目标对象数量、每个所述目标对象的学习特征分组属性和所述学习特征分组属性的属性权值，计算每个所述目标对象的学习特征分组属性的属性评分。


5.根据权利要求1所述的处理方法，其特征在于，
基于所述学习特征分组属性的属性评分，对多个目标对象进行分组，得到多个对象集合的步骤，包括：确定目标对象分组总数量；基于所述目标对象分组总数量，对全部的目标对象进行聚类分组，得到多个对象集合，其中，每组所述对象集合中包含有至少一个目标对象；
在...

【专利技术属性】
技术研发人员：卜晨阳，张天然，刘菲，胡学钢，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34