用于打地基学习的测评系统与方法技术方案

本发明专利技术提供了用于打地基学习的测评系统与方法，该用于打地基学习的测评系统与方法能够在面对崭新知识内容时直接进行相应的打地基模式学习操作切换，并且还能够快速地和精确地确定该打地基模式学习操作涉及的知识内容数据范畴，从而避免过度地进行学习而造成大量时间人力物力的浪费，并且还能够根据实时获得的知识数据学习进度和/或掌握程度来评价打地基模式学习操作的优劣性，以用于后续对打地基学习模式的质量反馈、控制和提升。

【技术实现步骤摘要】
用于打地基学习的测评系统与方法
本专利技术涉及人工智能学习的
，特别涉及用于打地基学习的测评系统与方法。
技术介绍
目前，人工智能学习技术广泛应用于教育学习等不同领域中，而人工智能学习技术能够实现对不同知识内容的快速的和高效的学习，特别对于涉及崭新领域的知识内容，人工智能学习技术能够具备较高的兼容学习能力。而现有技术中，对于崭新领域的知识内容的学习都是采用重复大量数据学习的模式来实现的，但是这种学习方式与惯常的学习方式并不相匹配，并且还会造成大量时间人力物力的浪费，这不利于进一步提高学习效率。虽然，现有技术已经出现了打地基学习这种学习模式(即当对于某一个陌生从未涉及的学习内容，选择从该学习内容的最基础部分开始学习)，但是并没有出现专门针对打地基学习模式的测评技术，这不利于对打地基学习模式的质量反馈、控制和提升。
技术实现思路
针对现有技术存在的缺陷，本专利技术提供用于打地基学习的测评系统与方法，该用于打地基学习的测评系统与方法通过判断当前学习过程对应的待学习知识内容是否属于崭新的知识内容，并在判断确定的情况下进一步获取与该待学习知识内容相关的关联知识数据，再根据对该关联知识数据进行分类与排序处理的结果进行打地基模式的学习操作，最后通过该学习操作对应的知识数据学习进度和/或掌握程度执行相应的评价；可见，该用于打地基学习的测评系统与方法能够在面对崭新知识内容时直接进行相应的打地基模式学习操作切换，并且还能够快速地和精确地确定该打地基模式学习操作涉及的知识内容数据范畴，从而避免过度地进行学习而造成大量时间人力物力的浪费，并且还能够根据实时获得的知识数据学习进度和/或掌握程度来评价打地基模式学习操作的优劣性，以用于后续对打地基学习模式的质量反馈、控制和提升。本专利技术提供用于打地基学习的测评系统，其特征在于：所述用于打地基学习的测评系统包括知识内容崭新性判断模块、关联知识数据获取模块、打地基学习操作模块和打地基学习评价模块；其中，所述知识内容崭新性判断模块用于判断当前学习过程对应的待学习知识内容是否属于崭新的知识内容；所述关联知识数据获取模块用于在确定所述待学习知识内容属于崭新的知识内容时，获取与所述待学习知识内容相关的关联知识数据；所述打地基学习操作模块用于根据对所述关联知识数据进行分类与排序处理的结果，进行打地基模式的学习操作；所述打地基学习评价模块用于根据所述打地基模式的学习操作对应的知识数据学习进度和/或掌握程度，实现对所述打地基模式的学习操作的评价；进一步，所述知识内容崭新性判断模块包括知识内容要点信息提取子模块、知识重合度计算子模块和崭新知识内容确定子模块；其中，所述知识内容要点信息提取子模块用于从当前学习过程对应的待学习知识内容中提取得到相应的知识内容要点信息；所述知识重合度计算子模块用于将所述知识内容要点信息，与历史知识学习大数据进行数据匹配处理，以此计算得到所述知识内容要点信息与所述历史知识学习大数据之间的实际重合度；所述崭新知识内容确定子模块用于将所述实际重合度与预设重合度范围进行对比，并在所述实际重合度不位于所述预设重合度范围内时，确定所述待学习知识内容属于崭新的知识内容；进一步，所述关联知识数据获取模块包括知识图谱结构信息获取子模块、知识数据确定子模块和关联知识数据确定子模块；其中，所述知识图谱结构信息获取子模块用于在确定当前学习过程对应的所述待学习知识内容属于崭新的知识内容后，获取所述待学习知识内容对应的知识图谱结构信息；所述知识数据确定子模块用于根据所述知识图谱结构信息，确定与所述待学习知识内容存在知识图谱关联性的全部知识数据；所述关联知识数据确定子模块用于在所述全部知识数据中每一项知识数据与所述待学习知识内容之间的知识图谱关联值大于预设关联阈值时，将对应所有项知识数据确定为关联知识数据；进一步，所述打地基学习操作模块包括关联知识子数据难度系数计算子模块、分类与排序处理子模块和打地基学习执行子模块；其中，所述关联知识子数据难度系数计算子模块用于通过知识难度神经网络模型计算所述关联知识数据中每一项关联知识子数据对应的关联知识子数据难度系数；所述分类与排序处理子模块用于根据所述关联知识子数据难度系数，对所有项关联知识子数据进行关于难易程度的分类与排序处理，以此确定初级难度关联知识子数据集合、中级难度关联知识子数据集合和高级难度关联知识子数据集合；所述打地基学习执行子模块用于依次对所述初级难度关联知识子数据集合、所述中级难度关联知识子数据集合和所述高级难度关联知识子数据集合进行学习，以此实现所述打地基模式的学习操作；进一步，所述打地基学习评价模块包括学习相关参数值获取子模块、拟合函数确定子模块和优劣评价子模块；其中，所述学习相关参数值获取子模块用于获取所述打地基模式的学习操作对具有初级难度、中级难度和高级难度的不同知识数据集合的学习进度值和/或掌握程度值；所述拟合函数确定子模块用于确定所述学习进度值和/或所述掌握程度值与所述学习操作进行时长之间的拟合函数关系；所述优劣评价子模块用于根据所述拟合函数关系，确定所述打地基模式的学习操作的执行优劣评价值；进一步，所述标准课件生成单元用于根据当前人工智能学习模式的知识教授需求，将至少部分所述若干教学课件模块进行组合，以此生成相应的标准课件，还包括根据所述知识源数据获取单元提取未学习的知识数据，并获取所述目标对象的知识学习需求信息，并获取所述目标对象综合学习能力信息，并根据所述知识学习需求信息和目标对象综合学习能力信息，执行将所述若干教学课件模块进行组合，生成相应的标准课件的操作，其具体实现步骤如下：步骤A1，根据所述知识源数据获取单元，获取目标对象的学习记录，并结合各课程的全部知识点数据，通过预设条件自动筛选，获取所述目标对象未学习的知识数据信息；步骤A2，将步骤A1获取的所述目标对象未学习的知识数据信息，通过下面公式(1)对应的增量迭代法确定相应的知识点摘要内容和最佳知识点学习顺序，获取所述目标对象的知识学习需求信息在上述公式(1)中，log为对数函数，π为圆周率，N为所述教学课程的数量，M为教学课程各章节的编号值，Bn为所述教学课程的数量为n所对应的各知识点摘要内容信息，T为所述教学课程各章节的知识点时长，t为所述目标对象已学习教学课程各章节的时长，f(m)为所述各章节的具体知识点内容，为各章节知识点学习顺序的排列种类，为人工智能学习模式自动遍历各课程信息，并对各教学课程的知识点学习顺序进行随机排列的种类，为获取各教学课程相应的知识点摘要内容信息，为获取各教学课程的最佳知识点学习顺序信息，为通过增量迭代法获取的所述目标对象的知识学习需求信息；步骤A3，根据所述知识源数据获取单元获取的知识源信息，通过所述知识源数据识别神经网络模型和下面公式(2)，计算所述各知识源数据对应的教学课程门类关联系数及教学课程进度评判值，以获取所述目标对象综合学习能力信息<本文档来自技高网...

【技术保护点】
1.用于打地基学习的测评系统，其特征在于：/n所述用于打地基学习的测评系统包括知识内容崭新性判断模块、关联知识数据获取模块、打地基学习操作模块和打地基学习评价模块；其中，所述知识内容崭新性判断模块用于判断当前学习过程对应的待学习知识内容是否属于崭新的知识内容；/n所述关联知识数据获取模块用于在确定所述待学习知识内容属于崭新的知识内容时，获取与所述待学习知识内容相关的关联知识数据；/n所述打地基学习操作模块用于根据对所述关联知识数据进行分类与排序处理的结果，进行打地基模式的学习操作；/n所述打地基学习评价模块用于根据所述打地基模式的学习操作对应的知识数据学习进度和/或掌握程度，实现对所述打地基模式的学习操作的评价。/n

【技术特征摘要】
1.用于打地基学习的测评系统，其特征在于：
所述用于打地基学习的测评系统包括知识内容崭新性判断模块、关联知识数据获取模块、打地基学习操作模块和打地基学习评价模块；其中，所述知识内容崭新性判断模块用于判断当前学习过程对应的待学习知识内容是否属于崭新的知识内容；
所述关联知识数据获取模块用于在确定所述待学习知识内容属于崭新的知识内容时，获取与所述待学习知识内容相关的关联知识数据；
所述打地基学习操作模块用于根据对所述关联知识数据进行分类与排序处理的结果，进行打地基模式的学习操作；
所述打地基学习评价模块用于根据所述打地基模式的学习操作对应的知识数据学习进度和/或掌握程度，实现对所述打地基模式的学习操作的评价。


2.如权利要求1所述的用于打地基学习的测评系统，其特征在于：
所述知识内容崭新性判断模块包括知识内容要点信息提取子模块、知识重合度计算子模块和崭新知识内容确定子模块；其中，
所述知识内容要点信息提取子模块用于从当前学习过程对应的待学习知识内容中提取得到相应的知识内容要点信息；
所述知识重合度计算子模块用于将所述知识内容要点信息，与历史知识学习大数据进行数据匹配处理，以此计算得到所述知识内容要点信息与所述历史知识学习大数据之间的实际重合度；
所述崭新知识内容确定子模块用于将所述实际重合度与预设重合度范围进行对比，并在所述实际重合度不位于所述预设重合度范围内时，确定所述待学习知识内容属于崭新的知识内容。


3.如权利要求1所述的用于打地基学习的测评系统，其特征在于：
所述关联知识数据获取模块包括知识图谱结构信息获取子模块、知识数据确定子模块和关联知识数据确定子模块；其中，
所述知识图谱结构信息获取子模块用于在确定当前学习过程对应的所述待学习知识内容属于崭新的知识内容后，获取所述待学习知识内容对应的知识图谱结构信息；
所述知识数据确定子模块用于根据所述知识图谱结构信息，确定与所述待学习知识内容存在知识图谱关联性的全部知识数据；
所述关联知识数据确定子模块用于在所述全部知识数据中每一项知识数据与所述待学习知识内容之间的知识图谱关联值大于预设关联阈值时，将对应所有项知识数据确定为关联知识数据。


4.如权利要求1所述的用于打地基学习的测评系统，其特征在于：
所述打地基学习操作模块包括关联知识子数据难度系数计算子模块、分类与排序处理子模块和打地基学习执行子模块；其中，
所述关联知识子数据难度系数计算子模块用于通过知识难度神经网络模型计算所述关联知识数据中每一项关联知识子数据对应的关联知识子数据难度系数；
所述分类与排序处理子模块用于根据所述关联知识子数据难度系数，对所有项关联知识子数据进行关于难易程度的分类与排序处理，以此确定初级难度关联知识子数据集合、中级难度关联知识子数据集合和高级难度关联知识子数据集合；
所述打地基学习执行子模块用于依次对所述初级难度关联知识子数据集合、所述中级难度关联知识子数据集合和所述高级难度关联知识子数据集合进行学习，以此实现所述打地基模式的学习操作。


5.如权利要求1所述的用于打地基学习的测评系统，其特征在于：
所述打地基学习评价模块包括学习相关参数值获取子模块、拟合函数确定子模块和优劣评价子模块；其中，
所述学习相关参数值获取子模块用于获取所述打地基模式的学习操作对具有初级难度、中级难度和高级难度的不同知识数据集合的学习进度值和/或掌握程度值；
所述拟合函数确定子模块用于确定所述学习进度值和/或所述掌握程度值与所述学习操作进行时长之间的拟合函数关系；
所述优劣评价子模块用于根据所述拟合函数关系，确定所述打地基模式的学习操作的执行优劣评价值。


6.如权利要求1所述的用于打地基学习的测评系统，其特征在于：
所述打地基学习评价模块用于根据所述打地基模式的学习操作对应的知识数据学习进度和/或掌握程度，实现对所述打地基模式的学习操作的评价，其具体实现过程如下：
步骤A1，根据所述关联知识数据确定子模块获取关联知识数据，并对所述获取数据进行子数据拆分处理，以获取各关联知识子数据；
步骤A2，通过下面公式(1)，利用知识难度神经网络模型，获取所述关联知识数据中关联知识子数据难度系数值



在上述公式(1)中，N为所述关联知识数据中关联知识子数据数量，i为参与关联知识子数据考核人数，为所述参与关联知识子数据考核人数为i所对应的考核平均分数，x为所述关联知识子数据的初始编号，ax为所述关联知识子数据的初始编号为x所对应的预设及格分数，j为参与关联知识子数据难度系数专家测评人数，为与关联知识子数据难度系数专家测评人数为j所对应的专家平均评判值，bx为所述关联知识子数据的初始编号为x所对应的专家预设及格分数值，T为所述关联知识子数据的预设授课时间，ζ为所述关联知识数据中关联知识子数据的难度系数值，Hn-1(i,j)为所述各关联知识子数据中所述考核平均分数与专家平均评判值的预设权重比，其取值一般为7:3，X(ζ)为获取所述关联知识数据中关联知识子数据难度系数值；
步骤A3，根据所述步...

【专利技术属性】
技术研发人员：栗浩洋，
申请(专利权)人：上海乂学教育科技有限公司，
类型：发明
国别省市：上海;31