一种兼容多学习模型的自适应学习系统、方法及应用技术方案

本发明专利技术涉及机器学习技术领域，公开了一种兼容多学习模型的自适应学习系统，学生属性模块、多学习模型模块和智能算法和推送模块。学生属性模块包括学生基本信息单元和全知识点掌握参数列表单元；多学习模型模块包括学习分类标签单元和学习遗忘曲线单元；智能算法及推送模块包括知识点掌握参数列表遍历单元、复习推送优先级单元和加权平均知识点获取最终优先级排序单元。本发明专利技术还公开了一种兼容多学习模型的自适应学习方法及应用。本发明专利技术用于将学习模型融入在在线学习产品的考核中，并精准匹配学生的最优学习路径。配学生的最优学习路径。配学生的最优学习路径。

【技术实现步骤摘要】
一种兼容多学习模型的自适应学习系统、方法及应用


[0001]本专利技术涉及机器学习
，具体地说，是一种兼容多学习模型的自适应学习系统、方法及应用，用于将学习模型融入在在线学习产品的考核中，并精准匹配学生的最优学习路径。

技术介绍

[0002]在传统的在线学习中，判断学生对该知识点的掌握情况仍沿用了传统的做题判断正误的方式，只是将过往练习册或试卷里的试题搬至线上，传统的在线学习的批改方式以及对学生的评估方式并未产生本质变化。传统的对学生练习的批改及评估方式与学生的实际真实能力之间存在很大误差，对学生的真正学习能力的评估非常笼统。这也就意味着，当下的在线学习也沿袭了传统线下学习中，对学生真实学习能力评估的不准确。
[0003]因此，为了解决上述问题，本专利技术提供了优化的科学化的学习模型来评估学生对知识点的掌握情况，同时将学习模型融入在在线学习产品的考核中，能够对学习者的学习能力有更准确的评估。

技术实现思路

[0004]本专利技术的目的在于提供一种兼容多学习模型的自适应学习系统、方法及应用，实现将学习模型融入在在线学本文档来自技高网...

【技术保护点】

【技术特征摘要】
..., m_BA6)，其中，m为所述知识点的整体m值，BA代表学生的学习分类标签中的6个层级：知识记忆、理解、应用、分析、综合、评价，BA1至BA6分别表示这6个不同层级，m_BA表示每项层级的掌握参数m值，m的初始值均为0；步骤S2.根据全知识点掌握参数列表单元内的参数，自适应学习系统自动为学生匹配优先级位于前列的知识点；步骤S3.对于被推送的知识点，学生参与题库内的不同教学交互练习，这些交互练习同时存有学习分类标签单元的学习模型分类标签；步骤S4.采集学生所有交互数据，并判断学生在此知识点上的掌握参数m，以及在不同学习模型分类中的参数m_BA，并对学生的全知识点掌握参数列表进行更新；步骤S5.遍历所述学生的知识点掌握参数列表，比较每个知识点中的m与临界值m*之间的大小，结合学习遗忘曲线，判断是否需要更新此知识点的复习推送优先级；步骤S6.将所有知识点的掌握情况进行加权平均，获取最终的优先级排序。7.根据权利要求6所述的一种兼容多学习模型的自适应学习方法，其特征在于，所述步骤S2包括：步骤S21.在二维矩阵M初始值为0的情况下，系统依据学生的基本信息，调取后台智能算法，对所述生进行初次学习内容推送；步骤S22.在二维矩阵M被更新的次数大于等于1时，系统依据M矩阵内的具体数据，调取后台智能算法，对所述学生进行后续学习内容的推送。8.根据权利要求6所述的一种兼容多学习模型的自适应学习方法，其特征在于，所述步骤S3包括：步骤S31.学生进入此知识点时，需参与所述知识点题库内的相关教学交互练习，题库内的练习数量n，介于范围[5, 10)之间；步骤S32.每项练习会依据所述练习的具体操作，重复2至3次类似的练习；步骤S33.每项练习都包含相对应的学习分类标签。9.根据权利要求...

【专利技术属性】
技术研发人员：王怡然，王琦，
申请(专利权)人：成都合源美智教育科技有限公司，
类型：发明
国别省市：