一种动态计算知识点掌握程度的方法及系统技术方案

本发明专利技术公开了一种动态知识点掌握方法及系统，涉及在线教育技术领域，所述方法包括获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；根据所述题目总量和所述做题量计算所述用户的掌握广度；根据所述做题量和所述做题结果计算所述用户的掌握增益；根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。本发明专利技术结合用户认知情况和知识点的不同性质，可动态计算评估用户对于知识点的掌握情况。户对于知识点的掌握情况。户对于知识点的掌握情况。

【技术实现步骤摘要】
一种动态计算知识点掌握程度的方法及系统


[0001]本专利技术涉及在线教育
，具体涉及一种动态计算知识点掌握程度的方法及系统。

技术介绍

[0002]现有技术及其特点如下：
[0003]1.采用统计学习方法，构建函数模型，进行知识点掌握程度计算。例如“对知识点掌握程度进行测量的方法和系统”通过采集学生的做题得分率和做题时间来计算学生对于知识点的准确熟练度，以及通过学生对知识点的学习时间，计算学生在待测知识点上的状态转变易度，以及复习巩固轮数这三个参数构建向量，然后求向量的模作为该学生对于知识点的掌握程度。然而这种方法在学生做题量较少的情况下，掌握程度可能会上下频繁波动，并且该计算方法在学员做题难度分布不均的时候，会出现较大的偏差，例如一个学员做的题目都是较简单的题目，那么会导致准确熟练度明显偏高。另外还有根据做题正确率的高低来设置阈值，表示学生对某个知识点的掌握程度，此类方法大多通过设置阈值结合数学规则来判断学生对某个知识点的掌握程度，准确率不高，并且依赖于阈值的提前设置。
[0004]2.采用认知诊断模型的方法，例如“一种确定知识点掌握程度的方法、装置及电子设备”，该方法虽然避免了传统的认知诊断方法基于单个知识点题目的局限性，但是其重点采集了学生的做题数据，学生的听课，做题时间等数据都没有采用，采用的数据特征维度单一，另外，当学生做题数据量较少的时候，该方法得出的知识点掌握程度准确度不高。
[0005]3.采用深度学习建模方法，例如“动态知识掌握建模方法、建模系统、存储介质及处理终端”，该方法采用SAE和BiLSTM进行特征融合和预测，该方法的优点在于准确率高，但是缺点在于对训练数据的需求大，并且计算复杂度高，最终结果并没有给出学生对于某个知识点的掌握程度的量化值，而是预测学生能否做对下一个试题。另外“一种基于数据驱动的知识点掌握状态的预测系统及方法”虽然能够采用神经网络或者机器学习模型来预测学员对某个知识点的掌握程度，但是也仅仅是预测一个离散分类值：卓越、良好、合格、不合格，而这些标签值需要人工提前设定好，具有一定的主观性，并且需要监督训练来完成，在标注数据上成本较高。
[0006]综上，知识点的掌握程度是一个连续变量，它会随着学生的做题数量、难度、正确率、做题时长、做题间隔时长、知识点本身特性等因素不断变化，而不是一个离散变量，不能简单的分为掌握和未掌握两个状态，同时，要避免学生做题数据较少的时候，掌握程度波动较大的问题，或者累计做题数据量太多的时候，掌握程度几乎不变的问题。如何科学、准确的量化学生对知识点的掌握程度，对在线教育到个性化教育、弱点突破有重大的意义

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术提供一种动态计算知识点掌握程度的方法及系统。
[0008]一方面，一种动态计算知识点掌握程度的方法，所述方法包括以下步骤：
[0009]S1,获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；
[0010]S2,根据所述题目总量和所述做题量计算所述用户的掌握广度；
[0011]S3,根据所述做题量和所述做题结果计算所述用户的掌握增益；
[0012]S4,根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；
[0013]S5,根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。
[0014]优选地，步骤S2中，根据所述题目总量和所述做题量计算所述用户的掌握广度的公式为：
[0015][0016]其中，R
i
表示第i次做题的掌握广度，K表示题目总量，L
i
表示前i次做题的做题去重量。
[0017]优选地，步骤S3中，根据所述做题量和所述做题结果计算所述用户的掌握增益的方法包括：
[0018]S301,根据所述做题量和做题结果确定结果序列；
[0019]S302，根据所述题目总数以及所有用户的做题量和做题结果计算所有题目的题目难度，根据所述题目难度确定所述用户的题目难度的分布；
[0020]S303,根据所述结果序列和所述题目难度的分布计算所述用户的掌握增益。
[0021]优选地，S302中，根据所述题目总数以及所有用户的做题量和做题结果计算各个题目的题目难度的公式为：
[0022][0023]其中，Hard
j
表示第j个题目的难度，A
j
表示所有用户做第j个题目的次数，W
j
表示所有用户做第j个题目的错误次数。
[0024]优选地，步骤S303中,根据所述结果序列和题目难度计算事实用户的掌握增益的公式为：
[0025][0026]其中，Gain
i
表示第i次做题的掌握增益，dot(result
i
,hard
i
)表示第i次做题的结果序列与第i次做题的题目难度的分布序列进行点积运算，len(result
i
)表示第i次做题的结果序列长度。
[0027]优选地，步骤S4中，根据所述掌握增益和所述做题时间计算所述用户的掌握衰减的公式为：
[0028][0029][0030]其中，α(ΔT
i
)表示第i次做题的掌握衰减，ΔT
i
表示第i次做题的做题时间与当前时间的差值，β
i
表示第i次做题的衰减参数，Gain
i
‑1表示i
‑
1次做题的掌握增益，B、C、D为常数。
[0031]优选地，步骤S5中，根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度的公式为：
[0032][0033]G
i
＝R
i
*Gain
i
[0034]其中，GRASP表示第i次做题后的总掌握程度，G
i
表示第i次做题的掌握程度，count表示所述用户的做题总次数。
[0035]优选地，步骤S5，根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度之后，还包括以下步骤：
[0036]S6,根据所述题目总数和所述题目难度计算题目难度均值，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况。
[0037]优选地，步骤S6中，根据所述题目总数和所述题目难度计算题目难度均值的公式为：
[0038][0039]其中，Hard
average
表示题目难度均值。
[0040]优选地，步骤6中，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况的方法包括：判断所述用户的总掌握程度是否小于所述题目难度均值，若是，则所述用户未掌握所述知识点，若否，则所述用户已掌握所述知识点。
[0041]另一方面，一种动态计算知识点掌握度的系统，包括：
[0042]学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态计算知识点掌握程度的方法，其特征在于，所述方法包括以下步骤：S1,获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；S2,根据所述题目总量和所述做题量计算所述用户的掌握广度；S3,根据所述做题量和所述做题结果计算所述用户的掌握增益；S4,根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；S5,根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。2.根据权利要求1所述的一种动态计算知识点掌握程度的方法，其特征在于，步骤S2中，根据所述题目总量和所述做题量计算所述用户的掌握广度的公式为：其中，R
i
表示第i次做题的掌握广度，K表示题目总量，L
i
表示前i次做题的做题去重量。3.根据权利要求2所述的一种动态计算知识点掌握程度的方法，其特征在于，步骤S3中，根据所述做题量和所述做题结果计算所述用户的掌握增益的方法包括：S301,根据所述做题量和做题结果确定结果序列；S302，根据所述题目总数以及所有用户的做题量和做题结果计算所有题目的题目难度，根据所述题目难度确定所述用户的题目难度的分布；S303,根据所述结果序列和所述题目难度的分布计算所述用户的掌握增益。4.根据权利要求3所述的一种动态计算知识点掌握程度的方法，其特征在于，S302中，根据所述题目总数以及所有用户的做题量和做题结果计算各个题目的题目难度的公式为：其中，Hard
j
表示第j个题目的难度，A
j
表示所有用户做第j个题目的次数，W
j
表示所有用户做第j个题目的错误次数。5.根据权利要求3所述的一种动态计算知识点掌握程度的方法，其特征在于，步骤S303中,根据所述结果序列和题目难度计算事实用户的掌握增益的公式为：其中，Gain
i
表示第i次做题的掌握增益，dot(result
i
,hard
i
)表示第i次做题的结果序列与第i次做题的题目难度的分布序列进行点积运算，len(res...

【专利技术属性】
技术研发人员：陈旭阳，杨旭川，刘琛，顾颃，陈鹏钢，
申请(专利权)人：重庆觉晓科技有限公司，
类型：发明
国别省市：