一种学习过程一致性的预测方法和相关设备技术

本发明专利技术提供一种学习过程一致性的预测方法和相关设备，一方面建模目标对象学习过程中的通过不断练习带来的学习收获，另一方面计算学习过程中目标对象随着时间逐渐遗忘的知识内容。基于这样与学习过程一致的建模过程，最终得到了与学习过程一致的目标对象变化的知识状态。该方法综合考虑目标对象学习过程中收获的新知识和遗忘的旧知识，可以准确地得到与目标对象学习过程一致的知识状态变化过程，弥补了现有方法获取的知识状态变化不能与学习过程保持一致的不足，实现了目标对象在学习过程中，相关知识点的知识状态的精准跟踪。相关知识点的知识状态的精准跟踪。相关知识点的知识状态的精准跟踪。

【技术实现步骤摘要】
一种学习过程一致性的预测方法和相关设备


[0001]本专利技术涉及大数据分析
，具体涉及一种学习过程一致性的预测方法和相关设备。

技术介绍

[0002]知识追踪(Knowledge Tracing，简称KT)是目标对象建模领域的一个重要组成部分，其主要目的是根据目标对象在学习过程中的答题表现，监控其知识状态的变化过程，实现对他们知识状态的实时追踪和未来表现的精准预测。知识状态反映了目标对象对不同知识内容的掌握程度，通过对目标对象知识状态的动态追踪，智慧教育系统可以自适应地为不同目标对象提供合适的学习计划，提高他们的学习效率。因此，知识追踪一直是智慧教育、目标对象建模领域探索的一个基础但十分重要的研究方向。
[0003]目前，关于知识追踪的方法主要有以下方法：
[0004]1)基于贝叶斯网络的知识追踪方法。
[0005]基于贝叶斯网络的知识追踪方法用隐马尔可夫模型来模拟目标对象在不同知识内容上知识状态的变化过程，通过目标对象显示的答题情况推断其隐藏的知识状态情况。该方法将不同的知识内容看作是独立的，并且认为目标对象对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习过程一致性的预测方法，其特征在于，包括：获取目标对象对应的答题序列中的多个答题交互，所述答题交互至少包括题目标签、答案对错标签、答题时间和答题间隔时间，所述答题序列中的各个答题交互均对应同一知识点；将获取到的答题交互表示成题目
‑
答题时间
‑
答案的基本模块，并使用多层感知机转换得到学习向量；根据所述答题间隔时间使用随机初始化的向量得到间隔时间向量，利用随机初始化的知识状态矩阵表示目标对象的初始知识状态；将所述知识状态矩阵、学习收获和间隔时间向量带入第一目标计算函数组，计算得到目标对象在不同时间点上的学习状态数据；将所述知识状态矩阵、学习收获和间隔时间向量带入第二目标计算函数组，计算得到目标对象的知识状态随时间遗忘的程度；将所述目标对象在不同时间点上的学习表现和知识状态随时间遗忘的程度代入第三目标函数组计算得到所述目标对象的知识状态数据。2.根据权利要求1所述的学习过程一致性的预测方法，其特征在于，所述获取目标对象对应的答题序列中的多个答题交互，包括：由计算机答题系统中获取目标对象对应的答题序列中的多个答题交互。3.根据权利要求1所述的学习过程一致性的预测方法，其特征在于，所述并使用多层感知机转换得到学习向量，包括：基于公式，计算得到学习向量l
t
，其中，所述是为与题目编号相对应的权重矩阵，所述b1为第一偏置系数，所述e
t
为题目编号，所述αt
t
为第e
t
个题目的答题时间，所述a
t
为第e
t
个题目的答案标签，即0或者1，0表示答案错误，1表示答案正确。4.根据权利要求3所述的学习过程一致性的预测方法，其特征在于，所述第一目标计算函数组包括：函数组包括：函数组包括：函数组包括：函数组包括：其中，h
t
‑1表示目标对象在完成答题序列中第t
‑
1个题目之前，在关联知识点上的知识状态；h
t
‑1表示目标对象在完成答题序列中第t
‑
1个题目之后，在关联知识点上的知识状态；所述表示题目号e
t
对应的题目和知识点的关联关系矩阵；
所述lg
t
表示目标对象在完成答题序列中的所有题目后的原始的学习收获；所述l
t
‑1表示题目编号e
t
‑1的题目对应的学习向量矩阵；所述it
t
表示目标对象在答题序列中题目编号为e
t<...

【专利技术属性】
技术研发人员：陈恩红，刘淇，沈双宏，黄威，黄振亚，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：