一种习题预测方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种习题预测方法、系统、设备及存储介质，包括从答题记录模型中获取答题记录信息，构建答题记录三元组向量模型；从习题‑知识点关联模型中获取习题‑知识点关联信息，基于答题记录三元组向量模型R和习题‑知识点关联模型生成习题难度模型和学生能力模型；由答题记录三元组向量模型R、习题难度和学生能力模型得到损失函数，由损失函数迭代更新至迭代次数达到上限，得到学生‑因子矩阵元素和习题‑因子矩阵元素；将学生‑因子矩阵元素和习题‑因子矩阵元素进行元素乘积运算，得到习题预测模型，生成预测习题。本发明专利技术解决现有技术中存在的无法自适应学生学习进度，知识点掌握水平动态变化，而实现习题个性化预测的技术问题。

【技术实现步骤摘要】
一种习题预测方法、系统、设备及存储介质
本专利技术属于智能教育领域，具体涉及一种习题预测方法、系统、设备及存储介质。
技术介绍
传统课堂教育和在线学习平台，都收集并存储了大量的学生习题作答记录。如何根据这些作答记录来挖掘学生和习题信息，检验学生是否已经掌握课程的知识点，提高学生的学习效率，帮助学生选择合适的习题予以学习，受到了智能教育领域相关人员和社会各届的广泛关注。习题预测算法通过学生的作答记录预测学生未做过习题的得分，之后再根据预测值为学生选择合适的习题，这种方式实现深度挖掘学习行为模式，揭示习题数据之间隐藏的关系和模式，了解学生掌握知识的过程，从而有助于掌握学生的学习规律，便于更全面地评价学生及个性化干预指导。通过优化学习过程，有利于学习能力的提高和学习兴趣的培养和思考能力的提升，提供个性化的服务，做到因材施教。目前，已有多种算法应用于习题预测领域，其中最常用的三种模型有知识追踪模型、认知诊断模型和矩阵分解模型。知识追踪模型通过跟踪学生的习题记录，获取其知识点掌握程度以实现预测学生答题的正确性，但由于在一定程度上代表学生的本文档来自技高网...

【技术保护点】
1.一种习题预测方法，其特征在于，该方法包括如下步骤：/n步骤1，从答题记录模型中获取答题记录信息，从得到的答题记录模型中提取答题记录三元组向量，构建答题记录三元组向量模型R<u，i，r

【技术特征摘要】
1.一种习题预测方法，其特征在于，该方法包括如下步骤：
步骤1，从答题记录模型中获取答题记录信息，从得到的答题记录模型中提取答题记录三元组向量，构建答题记录三元组向量模型R<u，i，rui>，其中u表示学生编号、i表示习题编号、rui表示学生u解答习题i的正确性；
步骤2，从习题-知识点关联模型中获取习题-知识点关联信息，基于答题记录三元组向量模型R和习题-知识点关联模型生成习题难度模型和学生能力模型；
步骤3，由答题记录三元组向量模型R、习题难度和学生能力模型得到损失函数，由损失函数迭代更新至迭代次数达到上限，得到学生-因子矩阵元素和习题-因子矩阵元素；
步骤4，将学生-因子矩阵元素和习题-因子矩阵元素进行元素乘积运算，得到习题预测模型，生成预测习题，并将预测得到的习题推送至学生答题界面。


2.如权利要求1所述的习题预测方法，其特征在于，步骤2所述的由习题-知识点关联模型生成习题难度模型和学生能力模型，包括：
步骤2.1、基于习题-知识点关联模型，由式(1)得出习题难度模型的元素：
dui＝Qij*(failure(xuj)-success(xuj))式(1)
其中，dui为习题难度模型的元素，Qij为习题-知识点关联模型的元素，success(xuj)为学生u回答包含知识点j的习题的正确比率，failure(xuj)为学生u回答包含知识点j的习题的错误比率；
“xuji＝＝1”和“xuji！＝1”表示学生u回答包含知识点xuj的习题正确性，“Nuj”表示包含知识点xuj的习题总数；
步骤2.2，由答题记录三元组向量模型R和认知诊断模型获取学生对知识点的连续化掌握程度；将学生对知识点的连续化掌握程度通过习题-知识点关联模型相乘为学生对习题的掌握水平，应用几何平均计算学生对习题的平均掌握程度，形成学生能力模型。


3.如权利要求书2所述的习题预测的方法，其特征在于：步骤2.2，包括如下内容：
步骤2.2.1，利用认知诊断模型获取学生对知识点的连续化掌握程度：



其中，表示学生u对知识点j的掌握程度，“ru”表示学生u的答题记录。
步骤2.2.2，通过习题-知识点关联模型将学生对知识点的连续化掌握程度转化为学生对习题的掌握水平，实际应用几何平均计算学生对习题的平均掌握程度，作为学生能力lui：



其中，“Inuij”表示





4.如权利要求1所述的习题预测的方法，其特征在于，步骤3所述的由答题记录三元组向量模型R、习题难度模型和...

【专利技术属性】
技术研发人员：孙霞，李博，冯筠，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61