一种量化学习能力的方法、系统、终端及存储介质技术方案

本发明专利技术公开了一种量化学习能力的方法，包括：获取学员的学习数据，根据学员首次做题的正确率计算学员的理解能力分数；根据学员多次做题的正确率计算多次做题的正确率的平均值，根据平均值计算学员的记忆力能力分数；根据学员的有效学习天数计算学员的自律能力分数；根据学员的每天在线学习时长计算学员的勤奋努力程度分数；根据每次听课数据计算出听课效率分数，根据做题数据计算出做题效率分数，根据听课效率分数和做题效率分数计算学员学习效率分数。该方法能够有效的表现学员的各项学习能力，使得学员的抽象学习能力能够通过数字准确的量化出来，为在线教育平台提供个性化教育提供数据支撑。提供数据支撑。提供数据支撑。

【技术实现步骤摘要】
一种量化学习能力的方法、系统、终端及存储介质


[0001]本专利技术涉及学习能力评估方法
，具体涉及一种量化学习能力的方法、系统、终端及存储介质。

技术介绍

[0002]学习能力是一个综合能力，它包括理解能力、记忆能力、勤奋努力、自律能力和学习效率等，然而如何去量化学生的学习能力，目前大多采用心理测试方式来测试一个学生的学习能力，另外，例如：公开号为CN101901555A，专利技术名称为一种学习能力检测系统及其方法的中国专利技术专利申请，公开了通过一主机计算机做存取执行，并通过计算机外设设备做数据输出及与因特网做远程联机操作，包括校务数据库模块、测验模块、成绩处理及能力分析模块及在线查询模块，该检测学习能力的方法是包括a.建立一个考试项目、b.成绩处理、c.学习能力及试题质量诊断三步骤，利用该学习能力检测系统及其方法，可了解学生的学习情况、性向发展与升学预测，以及评量教师的教学成效与改善测验的试题质量。该申请基于线上教育的方式，通过分析学生的试卷做题数据来得出学生的学习能力，然而对学习能力检测过于模糊宽泛，并没有给出具体的量化算法。
[0003]在线教育领域，学生听课做题等学习行为都可以在网络上完成，因此可以通过学生的学习行为来检测学生的学习能力，然而现有检测学生学习能力的方法主要存在以下问题：1、学习能力描述模糊不够全面详细，2、量化算法不够精确丰富。3、没有监督数据进行训练。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术提供的一种量化学习能力的方法、系统、终端及存储介质，详细量化学员的各项学习能力，为在线教育平台为不同能力的学员提供个性化教育提供数据支撑。
[0005]第一方面，本专利技术实施例提供的一种量化学习能力的方法，包括以下步骤：
[0006]获取学员的学习数据，所述学习数据包括听课数据和做题数据，所述听课数据包括每天在线听课时长，所述做题数据包括：每天在线做题数量、做题时长和每次做题的正确率；
[0007]根据学员首次做题的正确率计算学员的理解能力分数；
[0008]根据学员多次做题的正确率计算多次做题的正确率的平均值，根据所述平均值计算学员的记忆力能力分数；
[0009]根据学员的有效学习天数计算学员的自律能力分数；
[0010]根据学员的每天在线学习时长计算学员的勤奋努力分数；
[0011]根据每次听课数据计算出听课效率分数，根据做题数据计算出做题效率分数，根据听课效率分数和做题效率分数计算学员学习效率分数。
[0012]第二方面，本专利技术实施例提供的一种量化学习能力的系统，包括：数据获取模块、
理解能力计算模块、记忆能力计算模块、自律能力计算模块、勤奋努力计算模块和学习效率计算模块；
[0013]所述数据获取模块用于获取学员的学习数据，所述学习数据包括听课数据和做题数据，所述听课数据包括每天在线听课时长，所述做题数据包括：每天在线做题数量、做题时长和每次做题的正确率；
[0014]所述理解能力计算模块用于根据学员首次做题的正确率计算学员的理解能力分数；
[0015]所述记忆能力计算模块用于根据学员多次做题的正确率计算多次做题的正确率的平均值，根据所述平均值计算学员的记忆力能力分数；
[0016]所述自律能力计算模块用于根据学员的有效学习天数计算学员的自律能力分数；
[0017]所述勤奋努力计算模块用于根据学员的每天在线学习时长计算学员的勤奋努力分数；
[0018]所述学习效率计算模块用于根据每次听课数据计算出听课效率分数，根据做题数据计算出做题效率分数，根据听课效率分数和做题效率分数计算学员学习效率分数。
[0019]第三方面，本专利技术实施例提供的一种量化学习能力的终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法。
[0020]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
[0021]本专利技术的有益效果：
[0022]本专利技术实施例提供的一种量化学习能力的方法、系统、终端及存储介质，通过获取学员的在线学习数据，采用首次做题正确率来计算学员的理解能力，多次做题正确率来计算学员的记忆能力，以及学员的有效学习天数来计算学员的自律能力、每天学习时长来计算学员的勤奋努力程度，并且根据听课效率和做题效率来计算学员的学习效率值。并且运用刚好及格的学员的学习数据作为基准线数据，从而体现出学得好与学得不好的学员之间的差距。本专利技术能够有效的表现学员的各项学习能力，使得学员的抽象学习能力能够通过数字准确的量化出来，对于在线教育领域对不同基础、不同能力的学员实施个性化教育具有重要意义，为在线教育平台提供个性化教育提供数据支撑。
附图说明
[0023]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0024]图1示出了本专利技术第一实施例所提供的一种量化学习能力的方法的流程图；
[0025]图2示出了本专利技术另一实施例所提供的一种量化学习能力的系统的结构框图；
[0026]图3示出了本专利技术另一实施例所提供的一种量化学习能力的终端的结构框图。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0029]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0030]还应当进一步理解，本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0031]如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量化学习能力的方法，其特征在于，包括以下步骤：获取学员的学习数据，所述学习数据包括听课数据和做题数据，所述听课数据包括每天在线听课时长，所述做题数据包括：每天在线做题数量、做题时长和每次做题的正确率；根据学员首次做题的正确率计算学员的理解能力分数；根据学员多次做题的正确率计算多次做题的正确率的平均值，根据所述平均值计算学员的记忆力能力分数；根据学员的有效学习天数计算学员的自律能力分数；根据学员的每天在线学习时长计算学员的勤奋努力分数；根据每次听课数据计算出听课效率分数，根据做题数据计算出做题效率分数，根据听课效率分数和做题效率分数计算学员学习效率分数。2.如权利要求1所述的量化学习能力的方法，其特征在于，所述根据学员首次做题的正确率计算学员的理解能力分数的具体方法包括：从所有学员中选取考试为及格分数的学员数量为n个，计算出n个学员的平均首次做题正确率Rate
first_avg
：其中，Rate
first_i
表示学员i的首次做题正确率；其中，K
i
表示学员i的做题去重数量，C
i
表示学员i第一次遇到一个新题目并且做正确的数量；以Ratef
irst_avg
对应理解力及格分为60分，则学员i的理解力分数的计算公式为：3.如权利要求1所述的量化学习能力的方法，其特征在于，所述根据学员多次做题的正确率计算多次做题的正确率的平均值，根据所述平均值计算学员的记忆力能力分数的具体方法包括：根据学员的第二次做题的正确率Rate
sec_i
，第三次做题的正确率Rate
thi_i
，第四次做题的正确率Rate
fou_i
，计算出学员第二次做题、第三次做题和第四次做题的正确率的平均值，其中；式中，K
j
表示学员i的第二次做题去重数量，C
j
表示学员i第二次遇到一个做过的题目并且做正确的数量；式中，K
m
表示学员i的第三次做题去重数量，C
m
表示学员i第三次遇到一个做过的题目并
且做正确的数量；式中，K
l
表示学员i的第四次做题去重数量，C
l
表示学员i第四次遇到一个做过的题目并且做正确的数量；计算Rate
mul_avg_i
的公式如下：从所有考试学员中选取考试为及格分数的学员数量为n个，计算出n个学员的多次做题的正确率的平均值Rate
mul_avg
，计算公式如下：以Rate
mul_avg
对应记忆力及格分60分，则学员i的记忆力分数的计算公式如下：4.如权利要求1所述的量化学习能力的方法，其特征在于，所述根据学员的有效学习天数计算学员的自律能力的具体方法包括：根据学员i的听课时长和做题时长计算出学员每天的学习时长；若当天的学习时长大于等于设定时长则记为有效学习，小于设定时长则记为无效学习；计算出前7天中有效学习天数N7,前7天的有效学习率为N7/7；计算出前30天中有效学习天数N
30
，前30天的中期自律能力为N
30
/30；计算出前y天中有效学习天数N
y
，前y天的中期自律能力为N
y
/y；学员i的自律能力分数Z
i
计算公式为：5.如权利要求1所述的量化学习能力的方法，其特征在于，所述根据学员的每天在线学习时长计算学员的勤奋努力分数的具体方法包括：根据所有学员每天学习的时长计算出学员基准平均每天学习时长T
baseline
，将学员基准平均每天学习时长T
baseline
对应勤奋努力分数为60分；计算出...

【专利技术属性】
技术研发人员：陈旭阳，杨旭川，刘琛，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：