用户学习效率的预测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种用户的学习效率的预测方法及相关设备，可以快速且准确的评估出用户对各类学习任务的学习效率。该方法包括：获取目标用户所对应的原始交互序列；对所述原始交互序列进行数据增强，以得到所述目标用户所对应的增强交互序列；根据所述增强交互序列确定所述目标用户所对应的交互表示；确定目标学科领域所对应的资源难度；根据所述目标用户所对应的交互表示确定所述目标用户在所述目标学科领域上的学习收获、所述目标用户在所述目标学科领域上的学习付出以及所述目标用户的学习能力；根据所述目标学科领域所对应的资源难度、所述学习收获、所述学习付出以及所述目标用户的学习能力确定所述目标用户在所述目标学科领域上的学习效率。学科领域上的学习效率。学科领域上的学习效率。

【技术实现步骤摘要】
用户学习效率的预测方法、装置、设备及存储介质


[0001]本申请属于数据处理领域，特别涉及一种用户学习效率的预测方法、装置及存储介质。

技术介绍

[0002]在线辅导系统在未来的学习环境中已经变得至关重要。目前的在线辅导系统以学习成绩预测为主，而学习效率有关的研究较少，学习效率评估是该系统的重要发展方向。学习效率评估旨在根据在线辅导系统中的学生行为和练习结果，量化或预测学生最终的学习效率。
[0003]然而，由于受到教育数据稀少的影响，学生与练习和观看视频的互动有限，容易出现过拟合的问题。现有的基于在线辅导系统的学习行为评估技术，是基于用户的历史学习记录和一系列学习行为对学生进行学习成绩评估，它们都是对学习效果进行预测，对效率的研究较少，不能更个性化的基于学生的学习效率进行评估。

技术实现思路

[0004]本申请提供一种用户学习效率的预测方法、装置、设备及存储介质，可以快速且准确的评估出用户对各类学习任务的学习效率，从而及时了解用户的学习状态和学习效果，更好的对用户的学习行为进行评估。
[0005]本申请第一方面提供了一种用户学习效率的预测方法，包括：
[0006]获取目标用户所对应的原始交互序列；
[0007]对所述原始交互序列进行数据增强，以得到所述目标用户所对应的增强交互序列；
[0008]根据所述增强交互序列确定所述目标用户所对应的交互表示；
[0009]确定目标学科领域所对应的资源难度，所述目标学科领域与所述目标用户相对应；
>[0010]根据所述目标用户所对应的交互表示确定所述目标用户在所述目标学科领域上的学习收获、所述目标用户在所述目标学科领域上的学习付出以及所述目标用户的学习能力；
[0011]根据所述目标学科领域所对应的资源难度、所述学习收获、所述学习付出以及所述目标用户的学习能力确定所述目标用户在所述目标学科领域上的学习效率。
[0012]本申请第二方面提供了一种用户学习效率的预测装置，其特征在于，包括：
[0013]获取单元，用于获取目标用户所对应的原始交互序列；
[0014]数据增强单元，用于对所述原始交互序列进行数据增强，以得到所述目标用户所对应的增强交互序列；
[0015]交互表示确定单元，根据所述增强交互序列确定所述目标用户所对应的交互表示；
[0016]资源难度确定单元，用于确定目标学科领域所对应的资源难度，所述目标学科领域与所述目标用户相对应；
[0017]处理单元，用于根据所述目标用户所对应的交互表示确定所述目标用户在所述目标学科领域上的学习收获、所述目标用户在所述目标学科领域上的学习付出以及所述目标用户的学习能力；
[0018]学习效率预测单元，用于根据所述目标学科领域所对应的资源难度、所述学习收获、所述学习付出以及所述目标用户的学习能力确定所述目标用户在所述目标学科领域上的学习效率。
[0019]本申请实施例第三方面提供了一种计算机设备，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述第一方面所述的用户学习效率的预测方法的步骤。
[0020]本申请实施例第四方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述任一方面所述的用户学习效率的预测方法的步骤。
[0021]相对于相关技术，本申请提供的实施例中，将学习行为中的原始交互序列进行数据增强，再将相似的学习行为放在一起，并在表示空间中将不同的学习行为分开来学习有效的表示，并结合数据增强后的用户的学习付出、学习收获、用户的学习能力和学习资源难度作为在线辅导系统的度量，进行学习效率量化或预测。由此可以快速且准确的评估出用户对各类学习任务的学习效率，从而及时了解用户的学习状态和学习效果，更好的对用户的学习行为进行评估。
【附图说明】
[0022]图1为本申请实施例提供的用户学习效率的预测方法的流程示意图；
[0023]图2为本申请实施例提供的视频与知识概念数据增强的简要说明示意图：
[0024]图3为本申请实施例提供的对比学框架示意图；
[0025]图4为本申请实施例提供的用户学习效率的预测装置的虚拟结构示意图；
[0026]图5为本申请实施例提供的服务器的硬件结构示意图。
【具体实施方式】
[0027]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。
[0028]下面从用户学习效率的预测装置的角度对用户学习效率的预测方法的进行说明，该用户学习效率的预测装置可以为服务器，也可以为服务器中的服务单元，具体不做限定。
[0029]请结合参阅图1，图1为本申请实施例提供的用户学习效率的预测方法的流程示意图，包括：
[0030]101、获取目标用户所对应的原始交互序列。
[0031]本实施例中，用户学习效率的预测装置可以获取目标用户所对应的原始交互序列，该原始交互序列为目标用户的历史学习行为以及视频观看数据。
[0032]102、对原始交互序列进行数据增强，以得到目标用户所对应的增强交互序列。
[0033]本实施例中，由于用户的学习行为以及观看视频之间的交互较少，教育数据稀疏，
隐藏的表示很容易过度拟合，并且经常无法准确地捕捉用户的知识状态，从而导致无法个性化评估学生效率。由此需要对特定学习行为量身定做，实现基于学习行为的对比学习，为此需要使用数据增强方法生成多个正样本，分别对问答之间的联系、视频与知识概念之间的联系以及学生观看视频组成的学生学习历史设计了数据增强方法。对每一个用户的原始交互序列，都通过数据增强模块，从数据增强集合T中随机选择并转换成两个不同版本的学生交互序列t1和t2。下面对数据增强进行具体说明：
[0034]确定与问答序列所对应的第一概率常数、与视频与知识概念序列所对应的第二概率常数与观看视频所对应的插入视频；
[0035]根据第一概率常数对问答序列进行插入、删除、交换和/或替换，以得到述问答序列所对应的增强交互序列；
[0036]根据第二概率常数对视频与知识概念序列进行插入、删除、交换和/或替换，以得到视频与知识概念序列所对应的增强交互序列；
[0037]根据目标用户所对应的观看视频历史记录将插入视频插入观看视频，以得到观看视频所对应的增强交互序列。
[0038]为了便于理解，下面对基于问答联系的数据增强、基于视频和知识概念联系的数据增强以及视频协同过滤的数据增强分别进行说明：
[0039]一、基于问答联系的数据增强：
[0040]该目标用户所对应的原始交互序列为目标用户在学习目标学科领域时，问题与回答的一系列学习历史。给定一个对应的第一概率常数α对问答序列进行随机插入、随机删除、随机交换序列、随机替换成较容本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户学习效率的预测方法，其特征在于，包括：获取目标用户所对应的原始交互序列；对所述原始交互序列进行数据增强，以得到所述目标用户所对应的增强交互序列；根据所述增强交互序列确定所述目标用户所对应的交互表示；确定目标学科领域所对应的资源难度，所述目标学科领域与所述目标用户相对应；根据所述目标用户所对应的交互表示确定所述目标用户在所述目标学科领域上的学习收获、所述目标用户在所述目标学科领域上的学习付出以及所述目标用户的学习能力；根据所述目标学科领域所对应的资源难度、所述学习收获、所述学习付出以及所述目标用户的学习能力确定所述目标用户在所述目标学科领域上的学习效率。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标学科领域所对应的资源难度、所述学习收获、所述学习付出以及所述目标用户的学习能力确定所述目标用户在所述目标学科领域上的学习效率包括：通过如下公式确定所述目标用户在所述目标学科领域上的学习效率：其中，efficiency为所述目标用户在所述目标学科领域上的学习效率，effect为所述目标用户在所述目标学科领域上的学习收获，effort所述目标用户在所述目标学科领域上的学习付出，difficulty为所述目标学科领域所对应的资源难度，capacity为所述目标用户的学习能力。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户所对应的交互表示确定所述目标用户在目标学科领域上的学习付出包括：通过如下公式计算所述目标用户在所述目标学科领域上的学习付出：effort
field
＝Σa1×
comm_num
field
+a2×
reply_num
field
+...+ex_num
field
；其中，effort
field
为所述目标用户在所述目标学科领域上的学习付出，comm_num
field
、reply_num
field
以及ex_num
field
为所述目标学科领域所对应的付出特征，a
i
为所述付出特征的权重系数，ex_num
field
为所述目标用户针对所述目标学科领域的练习数量，comm_num
field
为所述目标用户针对所述目标学科领域的评论数量，reply_num
field
为所述目标用户针对所述目标学科领域的评论回复数量。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户所对应的交互表示确定所述目标用户在目标学科领域上的学习收获包括：通过如下公式确定所述目标用户在所述目标学科领域上的学习收获：其中，effect
field
为所述目标用户在所述目标学科领域上的学习收获，为所述目标用户在所述目标学科领域中第i个练习的正确次数，为所述目标用户在所述目标学科领域中第i个练习的练习得分。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述确定所述目标学科领域所对应的资源难度包括：
通过如下公式确定所述目标学科领域所对应的资源难度：difficulty
field
＝λdif_question
field
+(1
‑
λ)dif_video
field
；其中，diff...

【专利技术属性】
技术研发人员：姜文君，尹欣，李肯立，李克勤，
申请(专利权)人：湖南大学，
类型：发明
国别省市：