学习转移状态预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种学习转移状态预测方法、装置、电子设备及存储介质，该方法包括：获取目标学员在学习平台上的学习数据；根据所述目标学员的学习数据，获取所述目标学员针对第一学习周期的学习特征序列；根据所述目标学员针对第一学习周期的学习特征序列，利用学习转移状态预测模型预测所述目标学员在学习平台的学习转移状态，所述学习转移状态用于表征所述目标学员从第一学习周期到第二学习周期的学习状态变化。本申请的方法，实现了对目标学员的学习转移状态的预测，使学习平台可以把控目标学员未来的学习状态以及学习状态转移趋势，进一步可以实现对学员的学习数据的有效分析，提升培训和学习效率。培训和学习效率。培训和学习效率。

【技术实现步骤摘要】
学习转移状态预测方法、装置、电子设备及存储介质


[0001]本申请涉及学习平台技术，尤其涉及一种学习转移状态预测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网的普及和深度应用，企业网上学习平台已经成为企业内部教育和知识分享的重要途径。
[0003]现有技术中，企业网上学习平台可以根据学员的历史学习数据确定其历史学习状态。然而，上述方法仅能实现学习平台对学员过往的学习状态的获悉，而无法实现学习平台对学员未来学习状态的把控，也就无法实现对学员的学习数据的有效分析，提升培训与学习效率。

技术实现思路

[0004]本申请提供一种学习转移状态预测方法、装置、电子设备及存储介质，用以解决学习平台仅能获取学员的历史学习状态，无法实现对学员的学习数据的有效分析，无法提升培训及学习效率的问题。
[0005]第一方面，本申请提供一种学习转移状态预测方法，所述方法包括：
[0006]获取目标学员在学习平台上的学习数据；
[0007]根据所述目标学员的学习数据，获取所述目标学员针对第一学习周期的学习特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习转移状态预测方法，其特征在于，所述方法包括：获取目标学员在学习平台上的学习数据；根据所述目标学员的学习数据，获取所述目标学员针对第一学习周期的学习特征序列；根据所述目标学员针对第一学习周期的学习特征序列，利用学习转移状态预测模型预测所述目标学员在学习平台的学习转移状态，所述学习转移状态用于表征所述目标学员从第一学习周期到第二学习周期的学习状态变化。2.根据权利要求1所述的方法，其特征在于，所述学习特征序列包括下述至少两个学习特征项：性别、年龄段、学习平台的登录次数等级、登录时长等级、登录次数、登录时长、学习次数、学习时长、学员类型、兴趣岗位、所属区域、登录时段偏好、登录时长偏好、学习时段偏好、学习次数偏好、学习时长偏好、触点偏好、课程分类偏好、课程时长偏好、兴趣岗位偏好、课程学分偏好、成绩等级、活跃度等级、粘性等级和课程完成率等级；其中，所述粘性等级与所述目标学员在多个学习周期的活跃度等级有关，所述多个学习周期包括第一学习周期；所述触点偏好与所述目标学员登录所述学习平台时所使用的应用的版本相关。3.根据权利要求1或2所述的方法，其特征在于，所述获取目标学员在学习平台上的学习数据，包括：获取至少一个原始学员在所述学习平台上的学习数据，以及，在第一学习周期的学习状态；根据所述至少一个原始学员在第一学习周期的学习状态，从至少一个原始学员的学习数据中剔除掉处于目标状态的原始学员的学习数据，得到目标学员的学习数据。4.根据权利要求3所述的方法，其特征在于，获取至少一个原始学员在第一学习周期的学习状态，包括：根据所述至少一个原始学员在所述学习平台上针对第一学习周期的学习数据，获取至少一个原始学员在第一学习周期的学习状态。5.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标学员针对第一学习周期的学习特征序列，利用学习转移状态预测模型预测所述目标学员在学习平台的学习转移状态之后，所述方法还包括：根据所述目标学员在学习平台的学习转移状态，生成所述目标学员在所述第二学习周期待学习的课程计划。6.根据权利要求3所述的方法，其特征在于，所述学习转移状态预测模型通过以下步骤训练得到：获取样本数据集，所述样本数据集包括：标注的至少一个样本学员的学习数据的样本学习转移状态，以及，所述至少一个样本学员针对第一样本学习周期的学习特征序列；所述标注的样本学习转移状态用于表征样本学员从第一样本学习...

【专利技术属性】
技术研发人员：李素粉，孙鹏，刘艺冉，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：