一种习题智能推送方法技术

一种习题智能推送方法，可以根据学生学习进度及成绩等因素，针对性地为学生推送习题任务。建立章节习题库，利用spark‑ML 朴素贝叶斯分类算法对习题样本数据进行训练，得到的训练模型用于预测用户答题正确率，按章节权重选取特定正确率的习题推送给用户练习，这样可以获取难度适中的习题，并且在潜移默化中阶段性的复习前期学习的知识点，在温故知新中提高学习成绩和学习兴趣。

【技术实现步骤摘要】
一种习题智能推送方法
本专利技术涉及计算机教学领域，特别涉及一种习题智能推送方法。
技术介绍
传统学生课下学习方式基本以完成老师布置的作业为准，但是老师布置的作业是针对全班学生的无差别作业，并且采用题海战术使得知识点的训练没有针对性，往往导致学习效率不高，还会使学生产生厌学情绪。随着计算机技术的不断发展，大数据、智能分析等技术开始应用于教学，在传统的教育领域，已逐渐开展新一代的教育信息化升级探索。在习题推送方面通常有两种解决方案：一是根据习题库中习题的正确率，为学生选择正确率适中的题目，此方案的缺点在于题库中的习题正确率是所有的学生针对某道题的正确率，并非学生个人的正确率，缺乏针对性。二是根据用户当前的学习内容，推送该学习内容中包含的知识点对应的标准习题，接收用户答题结果，据此确定用户需要重点练习的知识点，从而推送用户需要重点练习的知识点对应的习题，此方案的缺点在于虽然有针对性的给各个学生推送题目，但是缺乏对学生之前知识点的巩固。
技术实现思路
本专利技术提供了一种根据学生学习进度及成绩等因素，针对性地为学生推送习题本文档来自技高网...

【技术保护点】
1.一种习题智能推送方法，其特征在于，包括下列步骤：/n建立学科各章节习题库；/n判断用户是否有所述习题库中习题的历史答题记录；/n若有历史答题记录，则捞取所述历史答题记录，提取其中每道习题的样本数据，利用spark-ML朴素贝叶斯分类算法对所述样本数据进行训练，得到训练模型；/n根据用户学习进度选取当前学习章节至前Y个章节范围内的知识点所对应的N道习题；/n使用所述训练模型预测用户解答被选取的N道习题的正确率；/n筛选其中预测正确率最靠近特定正确率值的M道习题，最终从所述M道习题中随机筛选X道习题生成用户本次习题任务；/n若无历史答题记录，则直接根据用户学习进度获取当前学习章节至前Y个章节范...

【技术特征摘要】
1.一种习题智能推送方法，其特征在于，包括下列步骤：
建立学科各章节习题库；
判断用户是否有所述习题库中习题的历史答题记录；
若有历史答题记录，则捞取所述历史答题记录，提取其中每道习题的样本数据，利用spark-ML朴素贝叶斯分类算法对所述样本数据进行训练，得到训练模型；
根据用户学习进度选取当前学习章节至前Y个章节范围内的知识点所对应的N道习题；
使用所述训练模型预测用户解答被选取的N道习题的正确率；
筛选其中预测正确率最靠近特定正确率值的M道习题，最终从所述M道习题中随机筛选X道习题生成用户本次习题任...

【专利技术属性】
技术研发人员：顾晓倩，蔡益平，郑强力，方燕婷，王永想，
申请(专利权)人：杭州施强教育科技有限公司，
类型：发明
国别省市：浙江;33