【技术实现步骤摘要】
学习风格识别模型训练和识别方法、装置、设备及介质
本申请实施例涉及计算机
，尤其涉及一种学习风格识别模型训练和识别方法、装置、设备及介质。
技术介绍
学习风格(LearningStyle)是学习者在学习过程中习惯性的学习方式和倾向，是在长期学习活动中逐步形成的相对稳定的学习方式与偏好，是反映学习者个体差异的重要因素。最佳的教学应该首先判断个体学习风格，并以此为基础量身定制教学。很多研究者将学习风格模型应用在自适应学习系统中。学习风格可以使得自适应系统更好地实现学习资源或学习活动的个性化，以满足学习者不同的学习需求。目前，对学习风格的进行识别主要包括显式识别和隐式识别，显示识别为利用学习风格量表调查打分表(Felder-SilvermanIndexofLearningStyles，ILS)统计ILS问卷中的各项得分来判断学习者的学习风格。但是，学习者对学习风格及其概念难以理解，因此可能并不能准确地对问卷填写答案，并且学习者在回答问卷时会带有对测试结果的主观偏向性，因而影响作答结果的客观性。隐式识别为通过对...
【技术保护点】
1.一种学习风格识别模型训练方法，其特征在于，所述方法包括：/n向目标对象展示第一预设数量的测试题目，以对所述目标对象进行测试；所述测试题目为瑞文高级推理测试题目；/n获取所述目标对象在测试期间的脑电特征数据，作为样本脑电特征数据；/n根据所述样本脑电特征数据，以及所述目标对象的学习风格标签确定训练数据；/n根据所述训练数据进行模型训练得到学习风格识别模型。/n
【技术特征摘要】
1.一种学习风格识别模型训练方法，其特征在于，所述方法包括：
向目标对象展示第一预设数量的测试题目，以对所述目标对象进行测试；所述测试题目为瑞文高级推理测试题目；
获取所述目标对象在测试期间的脑电特征数据，作为样本脑电特征数据；
根据所述样本脑电特征数据，以及所述目标对象的学习风格标签确定训练数据；
根据所述训练数据进行模型训练得到学习风格识别模型。
2.根据权利要求1所述的方法，其特征在于，向目标对象展示第一预设数量的测试题目之后，所述方法还包括：
根据所述目标对象在作答各测试题目时的触发操作，记录所述目标对象作答各测试题目的作答开始时间和作答完毕时间；
根据所述目标对象在作答各测试题目时的触发操作，记录所述目标对象作答各测试题目的作答开始时间和作答完毕时间，包括：
若所述目标对象作答当前测试题目的持续时长超过预设时长，则将预设时长的终止时间作为作答该测试题目的作答完毕时间；
相应地，获取所述目标对象在测试期间的样本脑电特征数据之后，所述方法还包括：
根据目标对象作答各测试题目时的作答开始时间和作答完毕时间，以及样本脑电特征数据的时序信息，对所述样本脑电特征数据进行提取，得到目标对象作答各测试题目的时间段对应的样本脑电特征数据。
3.根据权利要求1所述的方法，其特征在于，根据所述样本脑电特征数据，以及所述目标对象的学习风格标签确定训练数据，包括：
根据预设单位时间段，对目标对象作答各测试题目的时间段对应的样本脑电特征数据进行连续切分；
选取时间长度满足预设单位时间段的样本脑电特征数据片段；
将所述样本脑电特征数据片段，以及对应的目标对象的学习风格标签，作为训练数据。
4.根据权利要求1所述的方法，其特征在于，将瑞文高级推理测试题目作为测试题目的确定过程包括：
向具有不同学习风格标签的被测对象展示所述瑞文高级推理测试题目；
统计具有不同学习风格标签的被测对象作答所述瑞文高级推理测试题目的平均正确率和平均用时；
若根据所述平均正确率和所述平均用时确定的不同学习风格对应的人员特征，与实际的不同学习风格对应的人员特征一致，则将所述瑞文高级推理测试题目作为测试题目；
若根据所述平均正确率和所述平均用时确定的不同学习风格对应的人员特征，与实际的不同学习风格对应的人员特征一致，则将所述瑞文高级推理测试题目作为测试题目，包括：
对所述平均正确率进行单因子方差分析，得到第一F统计量；
对所述平均用时进行单因子方差分析，得到第二F统计量；
若根据所述第一F统计量和所述第二F统计量确定不同学习风格对应人员的差异数据，与实际的不同学习风格对应人员的差异数据一致，则将所述瑞文高级推理测试题目作为测试题目。
5.一种学习风格识别方法，其特征在于，所述方法包括：
向待识别对象展示第二预设数量的测试题目，以对所述待识别对象进行测试；所述测试题目为瑞文高级...
【专利技术属性】
技术研发人员：张冰雪，柴成亮，史洋，侯龙锋，
申请(专利权)人：啊哎上海科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。