用于打地基学习的监督和校正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监督和校正系统与方法，该用于打地基学习的监督和校正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该打地基模式的学习操作对应每一个环节的实时质量优劣状态，以此对该打地基模式的学习操作对应每一个环节进行适应性的校正，从而便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】
用于打地基学习的监督和校正系统与方法
本专利技术涉及人工智能学习计的
，特别涉及用于打地基学习的监督和校正系统与方法。
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监督和校正技术，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监督和校正系统与方法，该用于打地基学习的监督和校正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将当前学习过程切换进入至打地基模式的学习操作，再根据该打地基模式的学习操作对应的知识数据学习进程信息，确定该打地基模式的学习操作对应每一个环节的执行质量信息，最后根据执行质量信息，对该打地基模式的学习操作对应每一个环节进行适应性的校正；可见，该用于打地基学习的监督和校正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该打地基模式的学习操作对应每一个环节的实时质量优劣状态，以此对该打地基模式的学习操作对应每一个环节进行适应性的校正，从而便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监督和校正系统，其特征在于：所述用于打地基学习的监督和校正系统包括知识内容崭新性判断模块、打地基学习操作模块、打地基学习质量确定模块和打地基学习校正模块；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；所述打地基学习操作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后，将当前学习过程切换进入至打地基模式的学习操作；所述打地基学习质量确定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程信息，确定所述打地基模式的学习操作对应每一个环节的执行质量信息；所述打地基学习校正模块用于根据所述执行质量信息，对所述打地基模式的学习操作对应每一个环节进行适应性的校正；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，所述打地基学习操作模块包括待学习知识内容切分子模块、知识子数据难度系数计算子模块、知识子数据分类子模块和打地基学习操作执行子模块；其中，所述待学习知识内容切分子模块用于通过一知识难度神经网络模型计算每一项知识子数据对应的知识子数据难度系数；所述知识子数据分类子模块用于根据所述知识子数据难度系数，将所述若干项知识子数据划分为初级难度知识子数据、中级难度知识子数据和高级难度知识子数据；所述打地基学习操作执行子模块用于按照初级难度知识子数据、中级难度知识子数据和高级难度知识子数据的顺序，执行所述打地基模式的学习操作；进一步，所述打地基学习质量确定模块包括知识数据学习进程信息获取子模块和执行质量信息生成子模块；其中，所述知识数据学习进程信息获取子模块用于获取所述打地基模式的学习操作在从难度系数较低的知识数据向难度系数较高的知识数据逐渐学习过程中对应的知识数据更新变化进度信息和/或知识数据阅读理解速度信息，以作为所述知识数据学习进程信息；所述执行质量信息生成子模块用于根据所述知识数据更新变化进度信息和/或所述知识数据阅读理解速度信息，对所述打地基模式的学习操作对应每一个环节进行知识数据学习质量评判，以此生成所述执行质量信息；进一步，所述打地基学习校正模块包括打地基学习状态确定子模块、打地基学习异常确定子模块和校正执行子模块；其中，所述打地基学习状态确定子模块用于根据所述执行质量信息，确定其在所述打地基模式的学习操作对应环节的知识数据学习卡顿状态、知识数据学习速度状态和知识数据学习容量状态中的至少一者；所述打地基学习异常确定子模块用于根据所述知识数据学习卡顿状态、所述知识数据学习速度状态和所述知识数据学习容量状态中的至少一者，判断所述对应环节是否存在学习卡顿、学习速度异常和学习容量异常中的至少一者；所述校正执行子模块用于根据所述打地基学习异常确定子模块的所述判断的结果，对所述对应环节进行关于知识数据学习顺畅性、知识数据学习速度和知识数据学习容量中至少一者的校正；进一步，所述打地基学习校正模块用于根据所述执行质量信息，对所述打地基模式的学习操作对应每一个环节进行适应性的校正，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，根据下面公式(1)，通过一知识难度神经网络模型，计算各项知识子数据对应的知识子数据难度系数在上述公式(1)中，exp为以自然常数e为底的指数函数，π为圆周率，N为所述知识子数据的数量，n＝1，2，3、、、N，为知识子数据难度系数，T为所述各知识子数据授课时长，p为所述知识子数据的难度等级，其取值为2、3、4分别代表低级、中级、高级知识子数据，i为所述知识子数据在各课程中出现频次，xi为所述知识子数据在各课程中出现频次为i所对应的知识子数据考核成绩，为不同目标对象所述知识子数据的平均考核成绩，j为所述知识子数据在各次摸底考核中的累计分值，yj为所述知识子数据在各次摸底考核中累计分值为j所对应的分数占比信息，为所述知识子数据在各摸底考核中的平均分数占比信息，为计算各项知识子数据对应的知识子数据难度系数；步骤A3，根据所述知识数据更新变化进度信息和所述知识数据阅读理解速度信息以及下面公式(2)，评判每一个环节的知识数据学习质量，获取所述执行质量信息在上述公式(2)中，M为所述知识子数据的学习环节数，m＝1，2，3、、、M，k为所述知识数据学习卡顿次数，Ak为所述知识数据学习卡顿次数为k所对应的知识数据学习卡顿状态信息、τ为所述知识数据掌握时间，Bτ为所述知识数据掌握时间为τ所对应的本文档来自技高网...

【技术保护点】
1.用于打地基学习的监督和校正系统，其特征在于：/n所述用于打地基学习的监督和校正系统包括知识内容崭新性判断模块、打地基学习操作模块、打地基学习质量确定模块和打地基学习校正模块；其中，/n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所述打地基学习操作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后，将当前学习过程切换进入至打地基模式的学习操作；/n所述打地基学习质量确定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程信息，确定所述打地基模式的学习操作对应每一个环节的执行质量信息；/n所述打地基学习校正模块用于根据所述执行质量信息，对所述打地基模式的学习操作对应每一个环节进行适应性的校正。/n

【技术特征摘要】
1.用于打地基学习的监督和校正系统，其特征在于：
所述用于打地基学习的监督和校正系统包括知识内容崭新性判断模块、打地基学习操作模块、打地基学习质量确定模块和打地基学习校正模块；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；
所述打地基学习操作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后，将当前学习过程切换进入至打地基模式的学习操作；
所述打地基学习质量确定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程信息，确定所述打地基模式的学习操作对应每一个环节的执行质量信息；
所述打地基学习校正模块用于根据所述执行质量信息，对所述打地基模式的学习操作对应每一个环节进行适应性的校正。


2.如权利要求1所述的用于打地基学习的监督和校正系统，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监督和校正系统，其特征在于：
所述打地基学习操作模块包括待学习知识内容切分子模块、知识子数据难度系数计算子模块、知识子数据分类子模块和打地基学习操作执行子模块；其中，
所述待学习知识内容切分子模块用于通过一知识难度神经网络模型计算每一项知识子数据对应的知识子数据难度系数；
所述知识子数据分类子模块用于根据所述知识子数据难度系数，将所述若干项知识子数据划分为初级难度知识子数据、中级难度知识子数据和高级难度知识子数据；
所述打地基学习操作执行子模块用于按照初级难度知识子数据、中级难度知识子数据和高级难度知识子数据的顺序，执行所述打地基模式的学习操作。


4.如权利要求1所述的用于打地基学习的监督和校正系统，其特征在于：
所述打地基学习质量确定模块包括知识数据学习进程信息获取子模块和执行质量信息生成子模块；其中，
所述知识数据学习进程信息获取子模块用于获取所述打地基模式的学习操作在从难度系数较低的知识数据向难度系数较高的知识数据逐渐学习过程中对应的知识数据更新变化进度信息和/或知识数据阅读理解速度信息，以作为所述知识数据学习进程信息；
所述执行质量信息生成子模块用于根据所述知识数据更新变化进度信息和/或所述知识数据阅读理解速度信息，对所述打地基模式的学习操作对应每一个环节进行知识数据学习质量评判，以此生成所述执行质量信息。


5.如权利要求1所述的用于打地基学习的监督和校正系统，其特征在于：
所述打地基学习校正模块包括打地基学习状态确定子模块、打地基学习异常确定子模块和校正执行子模块；其中，
所述打地基学习状态确定子模块用于根据所述执行质量信息，确定其在所述打地基模式的学习操作对应环节的知识数据学习卡顿状态、知识数据学习速度状态和知识数据学习容量状态中的至少一者；
所述打地基学习异常确定子模块用于根据所述知识数据学习卡顿状态、所述知识数据学习速度状态和所述知识数据学习容量状态中的至少一者，判断所述对应环节是否存在学习卡顿、学习速度异常和学习容量异常中的至少一者；
所述校正执行子模块用于根据所述打地基学习异常确定子模块的所述判断的结果，对所述对应环节进行关于知识数据学习顺畅性、知识数据学习速度和知识数据学习容量中至少一者的校正。


6.如权利要求1所述的用于打地基学习的监督和校正系统，其特征在于：
所述打地基学习校正模块用于根据所述执行质量信息，对所述打地基模式的学习操作对应每一个环节进行适应性的校正，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，根据下面公式(1)，通过一知识难度神经网络模型，计算各项知识子数据对应的知识子数据难度系数



在上述公式(1)中，exp为以自然常数e为底的指数函数，π为圆周率，N为所述知识子数据的数量，n＝1，2，3、、、N，为知识子数据难度系数，T为所述各知识子数据授课时长，p为所述知识子数据的难度等级，其取值为2、3、4分别代表低级、中级、高级知识子数据，i为所述知识子数据在各课程中出现频次，xi为所述知识子数据在各课程中出现频次为i所对应的知识子数据考核成绩，为不同目标对象所述知识子数据的平均考核成绩，j为所述知识子数据在各次摸底考核中的累计分值，yj为所述知识子数据在各次摸底考核中累计分值为j所对应的分数占比信息，为所述知识子数据在各摸底考核中的平均分数占比信息，为计算各项知识子数据对应的知识子数据难度系数；
步骤A3，根据所述知识数据更新变化进度信息和所述知识数据阅读理解速度信息...

【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