一种利用机器学习模型实时预估学生成绩的方法及系统技术方案

本发明专利技术公开了一种利用机器学习模型实时预估学生成绩的方法及系统，该方法包括：获取学生的历史学习数据及考试成绩；将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果；本发明专利技术可以及时有效的将学生学习情况和分数反馈给老师或家长，节省线下考试、批卷等方式预估学生成绩的人工成本，提高成绩预估效率，促进学生学习兴趣及自信心。

【技术实现步骤摘要】
一种利用机器学习模型实时预估学生成绩的方法及系统
本专利技术涉及互联网教育
，尤指一种利用机器学习模型实时预估学生成绩的方法及系统。
技术介绍
目前，要想检测学生的成绩一般只能通过线下考试、老师改卷的方式进行。这种传统的方式有众多弊端：例如，需要学生花时间准备考试，而且考试本身也需要2天左右的时间，耽误本来该学习其他知识的时间。需要老师来进行监考和批改试卷，占用老师很大一部分精力，减少老师的授课和讲解的时间。某一次的成绩有可能因为学生自己状态问题或者某些知识点没有在试卷上面体现等问题，导致考出来的成绩波动很大，成绩不够准确和置信。由于考试需要出题、统一安排考试、老师统一批改试卷等周期很长，因此考试频率比较低，一般频率最快是月考，这样就会导致学生学习的问题有可能需要一个月以后的月考才能发现，因此必然导致老师无法更早的发现学生的问题并加以干预。与此同时，有一些线上对学生预测分值的方法，基本都是基于学生做对一个题目或者学会一个知识点就加一定分数。这类方法加的分数，往往不够置信，无法客观衡量每个题目或者每个知识点对学生总分的影响价值，甚至可能出现学生的分数超过试卷总分的低级错误。综上来看，亟需一种可以根据学生学习情况准确预估学生分数的技术方案。
技术实现思路
为克服现有技术存在的不足，本专利技术提出了一种利用机器学习模型实时预估学生成绩的方法及系统；该方法和系统可以针对每个学生在考试前的知识点学习情况，历史上做过的题目的特征，当前考卷主要考察的知识点及当前题目的分布等特征，将该学生当前的考试成绩作为目标，训练神经网络模型，并对待预估成绩的学生提取同样的特征，利用已训练的模型进行成绩预估计算，通过预估的成绩直观的体现学生学习的效果，简化线下考试、批卷等犯错的流程，促进学生的学习兴趣，提高学生的学习效率。在本专利技术实施例的第一方面，提出了一种利用机器学习模型实时预估学生成绩的方法，该方法包括：获取学生的历史学习数据及考试成绩；将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。进一步的，该方法还包括：当获取到新的考试成绩时，根据学生的历史学系数据及新的考试成绩，对机器学习模型进行迭代训练。进一步的，获取的学生的历史学习数据至少包括：课后练习题的正确率、对知识点的复习程度及学生上课认真程度；获取的学生的考试成绩至少包括：学生对每个科目的每次月考、期中考试及期末考试的考试成绩。进一步的，该方法还包括：将所述考试成绩进行归一化处理，将考试成绩对应的分数按照预设分数段进行划分；将划分结果进行累加处理，根据累加处理结果将考试成绩分布在0~1范围内，得到成绩分布关系。进一步的，当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，包括：获取待预估成绩的学生的学习行为数据，其中，所述学习行为数据与所述机器学习模型训练时输入特征的种类相同；根据学习行为数据，利用学生的成绩预估模型对学生的考试成绩进行实时预估，得到预估结果；根据所述成绩分布关系及预估结果，计算得到预估分数，并将所述预估分数反馈给学生、家长及老师。进一步的，该方法还包括：获取学生的自身特征，其中，自身特征至少包括：学生做题速度及学生临场发挥的程度；获取学生做题的题目特征至少包括：试卷考察的知识点及试卷的题目类型分布特征。进一步的，将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型，包括：将所述历史学习数据、学生的自身特征及学生做题的题目特征作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；其中，所述机器学习模型采用LR模型或DNN模型；当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，还包括：当获取到待预估成绩的学生的学习行为数据时，若还获取到学生的自身特征及学生做题的题目特征，根据学习行为数据、学生的自身特征及学生做题的题目特征，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果；其中，所述学习行为数据、学生的自身特征及学生做题的题目特征与所述机器学习模型训练时输入特征的种类相同。在本专利技术实施例的第二方面，提出了一种利用机器学习模型实时预估学生成绩的系统，该系统包括：数据获取模块，用于获取学生的历史学习数据及考试成绩；机器学习模块，用于将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；成绩预估模块，用于当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。在本专利技术实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现利用机器学习模型实时预估学生成绩的方法。在本专利技术实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现利用机器学习模型实时预估学生成绩的方法。本专利技术提出的利用机器学习模型实时预估学生成绩的方法及系统通过获取学生的历史学习数据及考试成绩；将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，及时有效的将学生学习情况和分数反馈给老师或家长，节省线下考试、批卷等方式预估学生成绩的人工成本，提高成绩预估效率，促进学生学习兴趣及自信心。附图说明为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术一实施例的利用机器学习模型实时预估学生成绩的方法流程示意图。图2是本专利技术另一实施例的利用机器学习模型实时预估学生成绩的方法流程示意图。图3是本专利技术一具体实施例的机器学习模型训练的流程示意图。图4是本专利技术一具体实施例的学生分数分布的柱状示意图。图5是本专利技术一具体实施例的分值分布示意图。图6是本专利技术一具体实施例的成绩预估的流本文档来自技高网...

【技术保护点】
1.一种利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法包括：/n获取学生的历史学习数据及考试成绩；/n将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；/n当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。/n

【技术特征摘要】
1.一种利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法包括：
获取学生的历史学习数据及考试成绩；
将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；
当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。


2.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：
当获取到新的考试成绩时，根据学生的历史学系数据及新的考试成绩，对机器学习模型进行迭代训练。


3.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，获取的学生的历史学习数据至少包括：课后练习题的正确率、对知识点的复习程度及学生上课认真程度；
获取的学生的考试成绩至少包括：学生对每个科目的每次月考、期中考试及期末考试的考试成绩。


4.根据权利要求3所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：
将所述考试成绩进行归一化处理，将考试成绩对应的分数按照预设分数段进行划分；
将划分结果进行累加处理，根据累加处理结果将考试成绩分布在0~1范围内，得到成绩分布关系。


5.根据权利要求4所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，包括：
获取待预估成绩的学生的学习行为数据，其中，所述学习行为数据与所述机器学习模型训练时输入特征的种类相同；
根据学习行为数据，利用学生的成绩预估模型对学生的考试成绩进行实时预估，得到预估结果；
根据所述成绩分布关系及预估结果，计算得到预估分数，并将所述预估分数反馈给学生、家长及老师。


6.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：
获取学生的自身特征，其中，自...

【专利技术属性】
技术研发人员：许利宁，
申请(专利权)人：北京几原科技有限责任公司，
类型：发明
国别省市：北京;11