用于认知任务测评的建模方法、认知任务测评方法及系统技术方案

本发明专利技术公开了一种用于认知任务测评的建模方法、认知任务测评方法及系统。建模方法包括获取用户集中各用户的用户信息；获取各用户对同一认知训练任务的行为反映数据和测评结果；根据各用户的用户信息、行为反映数据和测评结果，基于扩散项目反映理论获取对应认知训练任务的多个任务指标；获取认知训练任务的多个固有属性；重复上述步骤，直至任务集中的各认知训练任务均获取对应的多个任务指标和多个固有属性；利用各认知训练任务所分别对应的多个任务指标和多个固有属性，构建预测模型。由此，基于所构建的预测模型可对认知训练任务的内容质量进行自动化测评，无需收集真实用户数据即可测评认知训练任务的内容质量，从而剔除低质量内容。除低质量内容。除低质量内容。

【技术实现步骤摘要】
用于认知任务测评的建模方法、认知任务测评方法及系统


[0001]本专利技术涉及一种于认知任务测评的建模方法，还涉及利用该建模方法所构建模型的认知任务测评方法及系统，属于认知任务自动测评


技术介绍

[0002]目前，基于电子化设备(如：电脑、平板)认知数字疗法得到越来越多的关注，其对于各类认知损伤的治疗效果也有越来越多的临床试验结果支持。作为认知数字疗法中的核心内容，训练任务的设计直接影响到临床疗效。然而，对于训练任务的内容目前尚缺乏量化的测评标准，这为后续临床试验和疗效验证增加了不确定性。因此，如果想要进一步加深认知数字疗法的研究，推广认知数字疗法的应用，必须形成一套针对其的测评方法。
[0003]心理测量学作为传统的神经心理学验证方法已得到广泛的应用(如：纸质筛查工具的信效度分析)。其中，以项目反应理论为代表的新一代心理测量学理论框架得到越来越的应用。项目反应理论框架是一套基于潜在特征理论的题目测评技术，通过评测题目的不同特征，在题目开发阶段对题目质量进行量化测评，使得题目在应用时更加具有针对性。项目反应理论框架包含众多模型，可以解决不同的问题，其在教育测评中已被广泛应用，在认知测评任务中近些年来也开始有应用案例，用来开发或优化纸质神经心理学测量工具。
[0004]然而，基于心理测量学的量化测评方法需要收集大量数据，提升了新训练任务的开发成本。基于机器学习算法的自动测评已在众多领域得到广泛应用。例如，在市场营销领域，机器学习算法被用来预测广告的效果，选择最好的广告创意，从而最大化投入产出比。在文娱领域，机器学习算法被用来选择好的艺术作品，从而最优化投资方的投入产出比。然而，在认知训练任务内容质量的测评领域，尚缺乏基于人工智能算法的自动测评的应用。

技术实现思路

[0005]本专利技术所要解决的首要技术问题在于提供一种用于认知任务测评的建模方法。
[0006]本专利技术所要解决的另一技术问题在于提供一种认知任务测评方法。
[0007]本专利技术所要解决的又一技术问题在于提供一种认知任务测评系统。
[0008]为实现上述技术目的，本专利技术采用以下技术方案：
[0009]根据本专利技术实施例的第一方面，提供一种用于认知任务测评的建模方法，包括以下步骤：
[0010]获取用户集中各用户的用户信息；
[0011]获取所述用户集中各用户对同一认知训练任务的行为反映数据和测评结果；
[0012]根据所述用户集中各用户的用户信息、行为反映数据和测评结果，基于扩散项目反映理论获取对应所述认知训练任务的多个任务指标；
[0013]获取所述认知训练任务的多个固有属性；
[0014]重复上述步骤，以获取不同的认知训练任务所对应的多个任务指标和多个固有属性，直至任务集中的各认知训练任务均获取对应的多个任务指标和多个固有属性；
[0015]利用所述任务集中各认知训练任务所分别对应的多个任务指标和多个固有属性，构建预测模型。
[0016]其中较优地，所述认知训练任务的多个任务指标至少包括：时间压力指标、任务难度指标和满意度指标；
[0017]所述认知训练任务的多个固有属性至少包括：目标物个数、训练时间、预先标定的目标作答反应以及针对认知域。
[0018]其中较优地，根据所述用户集中各用户的用户信息、行为反映数据和测评结果，基于扩散项目反映理论获取对应所述认知训练任务的多个任务指标具体包括：
[0019]根据所述用户集中各用户的用户信息和行为反映数据，基于公式1和公式2进行迭代计算，以获取所述认知训练任务的时间压力指标a
i
和任务难度指标v
i
；
[0020][0021][0022]其中，a
pi
表示针对用户p，认知训练任务i的时间压力值；Yp表示用户应答谨慎程度；a
i
表示认知训练任务的时间压力指标；P(X
pi
＝1丨θ
p
，Yp)表示概率；θ
p
表示用户的当前认知能力；X
pi
＝1表示针对用户p训练任务i答对；
[0023]根据所述用户集中各用户的测评结果，通过权重赋值法计算得到所述认知训练任务的满意度指标。
[0024]其中较优地，利用所述任务集中各认知训练任务所分别对应的多个任务指标和多个固有属性，构建预测模型具体包括：
[0025]基于所述任务集中各认知训练任务的时间压力指标a
i
以及所述认知训练任务的多个固有属性，构建第一预测子模型；
[0026]基于所述任务集中各认知训练任务的任务难度指标v
i
以及所述认知训练任务的多个固有属性，构建第二预测子模型；
[0027]基于所述任务集中各认知训练任务的满意度指标以及所述认知训练任务的多个固有属性，构建第三预测子模型；
[0028]其中，所述第一预测子模型、第二预测子模型和第三预测子模型共同构成所述预测模型。
[0029]其中较优地，所述第一预测子模型通过以下方式构建：
[0030]通过XGBoost算法构建第一预测子模型，模型表达为：
[0031][0032]其中：M为决策树的数量，T(x,θm)为某个决策树，θm为对应的决策树的数量，x为任务固有属性构成的向量，fM(x)为训练任务时间压力指标a
i
的预测值。
[0033]其中较优地，所述第二预测子模型通过以下方式构建：
[0034]通过XGBoost算法构建第二预测子模型，模型表达为：
[0035][0036]其中：M为决策树的数量，T(x,θm)为某个决策树，θm为对应的决策树的数量，x为任务固有属性构成的向量，fM(x)为训练任务任务难度指标v
i
的预测值。
[0037]其中较优地，所述第三预测子模型通过以下方式构建：
[0038]通过XGBoost算法构建第三预测子模型，模型表达为：
[0039][0040]其中：M为决策树的数量，T(x,θm)为某个决策树，θm为对应的决策树的数量，x为任务固有属性构成的向量，fM(x)为训练任务满意度指标的预测值。
[0041]根据本专利技术实施例的第二方面，提供一种认知训练任务的测评方法，包括以下步骤：
[0042]获取待测评认知训练任务的多个固有属性；
[0043]将所述多个固有属性输入预测模型中，输出对应所述待测评认知训练任务的多个任务指标，以通过所述多个任务指标对所述待测评认知训练任务进行综合测评；
[0044]其中，所述预测模型通过上述所述的建模方法构建而成。
[0045]其中较优地，将所述多个固有属性输入预测模型中，输出对应所述待测评认知训练任务的多个任务指标具体包括：
[0046]将所述多个固有属性输入第一预测子模型中，以获取所述认知训练任务的时间压力指标a
i
；
[0047本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于认知任务测评的建模方法，其特征在于，包括以下步骤：获取用户集中各用户的用户信息；获取所述用户集中各用户对同一认知训练任务的行为反映数据和测评结果；根据所述用户集中各用户的用户信息、行为反映数据和测评结果，基于扩散项目反映理论获取对应所述认知训练任务的多个任务指标；获取所述认知训练任务的多个固有属性；重复上述步骤，以获取不同的认知训练任务所对应的多个任务指标和多个固有属性，直至任务集中的各认知训练任务均获取对应的多个任务指标和多个固有属性；利用所述任务集中各认知训练任务所分别对应的多个任务指标和多个固有属性，构建预测模型。2.如权利要求1所述的建模方法，其特征在于：所述认知训练任务的多个任务指标至少包括：时间压力指标、任务难度指标和满意度指标；所述认知训练任务的多个固有属性至少包括：目标物个数、训练时间、预先标定的目标作答反应以及针对认知域。3.如权利要求2所述的建模方法，其特征在于根据所述用户集中各用户的用户信息、行为反映数据和测评结果，基于扩散项目反映理论获取对应所述认知训练任务的多个任务指标具体包括：根据所述用户集中各用户的用户信息和行为反映数据，基于公式1和公式2进行迭代计算，以获取所述认知训练任务的时间压力指标a
i
和任务难度指标v
i
；；其中，a
pi
表示针对用户p，认知训练任务i的时间压力值；Yp表示用户应答谨慎程度；a
i
表示认知训练任务的时间压力指标；P(X
pi
＝1丨θ
p
，Yp)表示概率；θ
p
表示用户的当前认知能力；X
pi
＝1表示针对用户p训练任务i答对；根据所述用户集中各用户的测评结果，通过权重赋值法计算得到所述认知训练任务的满意度指标。4.如权利要求2所述的建模方法，其特征在于利用所述任务集中各认知训练任务所分别对应的多个任务指标和多个固有属性，构建预测模型具体包括：基于所述任务集中各认知训练任务的时间压力指标a
i
以及所述认知训练任务的多个固有属性，构建第一预测子模型；基于所述任务集中各认知训练任务的任务难度指标v
i
以及所述认知训练任务的多个固有属性，构建第二预测子模型；基于所述任务集中各认知训练任务的满意度指标以及所述认知训练任务的多个固有属性，构建第三预测子模型；
其中，所述第一预测子模型、第二预测子模型和第三预测子模型共同构成所...

【专利技术属性】
技术研发人员：唐毅，邢怡，王治斌，秦琪，
申请(专利权)人：首都医科大学宣武医院，
类型：发明
国别省市：