一种课程生成方法、装置制造方法及图纸

本公开实施例公开了一种课程生成方法、装置。其中，该课程生成方法包括：构建测试题集，所述测试题集中的每一道题目均具有识别标签，所述识别标签包括知识点和能力类型；获取学员对测试题集中的每一道题目的答题数据，构建答题数据集A，所述答题数据集A包括各道题目对应的时间参数、正确性参数、解题思路参数和修改过程参数；根据所述答题数据集A和所述识别标签，确定所述学员的学习能力参数；根据所述学习能力参数，为所述学员生成课程。该方法能够根据学员学习能力个性化设计教育课程，提高教学效率。学效率。学效率。

【技术实现步骤摘要】
一种课程生成方法、装置


[0001]本公开涉及人工智能
，尤其涉及一种课程生成方法、装置。

技术介绍

[0002]当前，在云计算、大数据、物联网、互联网、智能识别、知识管理等新技术新理念快速发展和经济社会需求的双重驱动下，信息技术疾步迈入智能化阶段。国内外高科技公司纷纷布局人工智能。而目前线上的教育课程设置还是同一年龄段的学员使用统一的教学大纲和课程，但不同学员之间的学习能力可能存在差别，使得教学效率不够理想。

技术实现思路

[0003]有鉴于此，本公开实施例提供了一种课程生成方法、装置，能够至少部分的解决现有技术中存在的不能根据学员学习能力个性化设计教育课程，教学效率不够理想的问题。
[0004]第一方面，本公开实施例提供了一种课程生成方法，采用如下技术方案：所述课程生成方法包括：构建测试题集，所述测试题集中的每一道题目均具有识别标签，所述识别标签包括知识点和能力类型；获取学员对测试题集中的每一道题目的答题数据，构建答题数据集A，所述答题数据集A包括各道题目对应的时间参数、正确性参数、解题思路参数和修改过程参数；根据所述答题数据集A和所述识别标签，确定所述学员的学习能力参数；根据所述学习能力参数，为所述学员生成课程。
[0005]可选地，所述根据所述答题数据集A和所述识别标签，确定所述学员的学习能力参数包括：根据所述识别标签中的能力类型，确定每一道题目的能力类型i；根据每一道题目的能力类型i，将所述答题数据集A拆分为多个子答题数据集A_i；根据所述子答题数据集A_i，确定学员对于能力类型i的学习能力参数。
[0006]可选地，所述学习能力参数包括学习基础参数和持续学习参数；所述根据所述子答题数据集A_i，确定学员对于能力类型i的学习能力参数，包括：根据所述子答题数据集A_i中的正确性参数，确定能力类型i下，学员的学习基础参数；根据所述子答题数据集A_i中的时间参数、正确性参数、解题思路参数和修改过程参数，确定学员对于能力类型i的持续学习参数。
[0007]可选地，所述时间参数为完成用时T，所述正确性参数为0或1，所述正确性参数为0表示题目解答错误，所述正确性参数为1表示题目解答正确，所述解题思路参数为1~4之间的任一数值，所述修改过程参数为1~5之间的任一数值，所述修改过程参数为1表示无修改过程且解答错误，所述修改过程参数为2表示有修改过程且解答错误，所述修改过程参数为3表示有多次修改过程且解答正确，所述修改过程参数为4表示有1次修改过程且解答正确，
所述修改过程参数为5表示无修改过程且解答正确；所述根据所述子答题数据集A_i中的时间参数、正确性参数、解题思路参数和修改过程参数，确定学员对于能力类型i的持续学习参数，包括：基于所述子答题数据集A_i中的时间参数和正确性参数，确定学员在时间T内答对题目的第一概率密度函数PDF1(T)；基于所述子答题数据集A_i中的时间参数和修改过程参数，确定学员在时间T内经过修改后答对题目的第二概率密度函数PDF2(T)；基于所述子答题数据集A_i中的解题思路参数，确定学员的解题思路参数均值R；根据所述第一概率密度函数PDF1(T)、所述第二概率密度函数PDF2(T)和所述解题思路参数均值R，确定表征学员对于能力类型i的持续学习能力的第三概率密度函数PDF3(T)。
[0008]可选地，所述基于所述子答题数据集A_i中的时间参数和正确性参数，确定学员在特定时间T0内答对题目的第一概率密度函数PDF1(T)，包括：基于所述子答题数据集A_i中的时间参数和正确性参数，获取所述子答题数据集A_i中正确性参数为1的数据对应的时间参数；利用核密度估计法，基于获取到的时间参数，计算得到学员在时间T内答对题目的第一概率密度函数PDF1(T)。
[0009]可选地，所述利用核密度估计法，基于获取到的时间参数，计算得到学员在时间T内答对题目的第一概率密度函数PDF1(T)，包括：选择高斯核函数；确定高斯核函数的带宽参数σ；以获取到的时间参数作为数据点t1，对于每个数据点t1，计算以数据点t1为中心的核函数的值，计算公式为：K(t1) = (1/(sqrt(2 *π) *σ)) * exp(
‑
0.5 * ((t1
ꢀ‑ꢀ
m
u
)/ σ)2)，其中m
u
是核函数中心，σ是带宽参数；在所有数据点t1的核函数的值K(t1)的基础上，进行插值，基于插值后的数据，得到第一概率密度函数PDF1(T)。
[0010]可选地，所述基于所述子答题数据集A_i中的时间参数和修改过程参数，确定学员在时间T内经过修改后答对题目的第二概率密度函数PDF2(T)，包括：基于所述子答题数据集A_i中的时间参数和修改过程参数，获取所述子答题数据集A_i中修改过程参数为2、3和4的数据对应的时间参数；选择高斯核函数；确定高斯核函数的带宽参数σ；以获取到的修改过程参数为2的数据对应的时间参数，作为数据点t2，对于每个数据点t2，计算以数据点t2为中心的核函数的值，计算公式为：K(t2) = (1/(sqrt(2 *π) *σ)) * exp(
‑
0.5 * ((t2
ꢀ‑ꢀ
m
u
)/ σ)2)，其中m
u
是核函数中心，σ是带宽参数；在所有数据点t2的核函数的值K(t1)的基础上，进行插值，基于插值后的数据，得到子概率密度函数PDF2.2(T)；基于获取到的修改过程参数为3的数据对应的时间参数，得到子概率密度函数PDF2.3(T)；
基于获取到的修改过程参数为4的数据对应的时间参数，得到子概率密度函数PDF2.4(T)；根据子概率密度函数PDF2.2(T)、子概率密度函数PDF2.3(T)和子概率密度函数PDF2.4(T)，计算得到第二概率密度函数PDF2(T)，第二概率密度函数PDF2(T)为子概率密度函数PDF2.2(T)与子概率密度函数PDF2.3(T)在(0,﹢∞)范围内的卷积，与子概率密度函数PDF2.2(T)与子概率密度函数PDF2.4(T)在(0,﹢∞)范围内的卷积之和。
[0011]可选地，所述第一概率密度函数PDF1(T)、所述第二概率密度函数PDF2(T)和所述解题思路参数均值R，确定表征学员对于能力类型i的持续学习能力的第三概率密度函数PDF3(T)，包括：第三概率密度函数PDF3(T)=（第一概率密度函数PDF1(T)+第二概率密度函数PDF2(T)）* R。
[0012]可选地，所述根据所述学习能力参数，为所述学员生成课程，包括：在全部能力类型i的学习基础参数均不高于对应的第一预设值时，基于前一课程的知识点重新生成课程；在部分能力类型i的学习基础参数不高于对应的第一预设值，部分能力类型i的学习基础参数高于对应的第一预设值时，生成新的课程，所述新的课程中，根据能力类型i的基础学习参数和持续学习参数，配置知识点的教学时长；在全部能力类型i的学习基础参数均高于对应的第一预设值时，生成新的课程，所述新的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种课程生成方法，其特征在于，包括：构建测试题集，所述测试题集中的每一道题目均具有识别标签，所述识别标签包括知识点和能力类型；获取学员对测试题集中的每一道题目的答题数据，构建答题数据集A，所述答题数据集A包括各道题目对应的时间参数、正确性参数、解题思路参数和修改过程参数；根据所述答题数据集A和所述识别标签，确定所述学员的学习能力参数；根据所述学习能力参数，为所述学员生成课程。2.根据权利要求1所述的课程生成方法，其特征在于，所述根据所述答题数据集A和所述识别标签，确定所述学员的学习能力参数包括：根据所述识别标签中的能力类型，确定每一道题目的能力类型i；根据每一道题目的能力类型i，将所述答题数据集A拆分为多个子答题数据集A_i；根据所述子答题数据集A_i，确定学员对于能力类型i的学习能力参数。3.根据权利要求2所述的课程生成方法，其特征在于，所述学习能力参数包括学习基础参数和持续学习参数；所述根据所述子答题数据集A_i，确定学员对于能力类型i的学习能力参数，包括：根据所述子答题数据集A_i中的正确性参数，确定能力类型i下，学员的学习基础参数；根据所述子答题数据集A_i中的时间参数、正确性参数、解题思路参数和修改过程参数，确定学员对于能力类型i的持续学习参数。4.根据权利要求3所述的课程生成方法，其特征在于，所述时间参数为完成用时T，所述正确性参数为0或1，所述正确性参数为0表示题目解答错误，所述正确性参数为1表示题目解答正确，所述解题思路参数为1~4之间的任一数值，所述修改过程参数为1~5之间的任一数值，所述修改过程参数为1表示无修改过程且解答错误，所述修改过程参数为2表示有修改过程且解答错误，所述修改过程参数为3表示有多次修改过程且解答正确，所述修改过程参数为4表示有1次修改过程且解答正确，所述修改过程参数为5表示无修改过程且解答正确；所述根据所述子答题数据集A_i中的时间参数、正确性参数、解题思路参数和修改过程参数，确定学员对于能力类型i的持续学习参数，包括：基于所述子答题数据集A_i中的时间参数和正确性参数，确定学员在时间T内答对题目的第一概率密度函数PDF1(T)；基于所述子答题数据集A_i中的时间参数和修改过程参数，确定学员在时间T内经过修改后答对题目的第二概率密度函数PDF2(T)；基于所述子答题数据集A_i中的解题思路参数，确定学员的解题思路参数均值R；根据所述第一概率密度函数PDF1(T)、所述第二概率密度函数PDF2(T)和所述解题思路参数均值R，确定表征学员对于能力类型i的持续学习能力的第三概率密度函数PDF3(T)。5.根据权利要求4所述的课程生成方法，其特征在于，所述基于所述子答题数据集A_i中的时间参数和正确性参数，确定学员在特定时间T0内答对题目的第一概率密度函数PDF1(T)，包括：基于所述子答题数据集A_i中的时间参数和正确性参数，获取所述子答题数据集A_i中正确性参数为1的数据对应的时间参数；
利用核密度估计法，基于获取到的时间参数，计算得到学员在时间T内答对题目的第一概率密度函数PDF1(T)。6.根据权利要求5所述的课程生成方法，其特征在于，所述利用核密度估计法，基于获取到的时间参数，计算得到学员在时间T内答对题目的第一概率密度函数PDF1(T)，包括：选择高斯核函数；确定高斯核函数的带宽参数σ；以获取到的时间参数作为数据点t1，对于每个数据点t1，计算以数据点t1为中心的核函数的值，计算公式为：K(t1) = (1/(sqrt(2 *π) *σ)) * exp(
‑
0.5 * ((t1
ꢀ‑ꢀ...

【专利技术属性】
技术研发人员：仇鼎辰，龚超，张鹏宇，杨淇奥，孙若良，
申请(专利权)人：北京未来基因教育科技有限公司，
类型：发明
国别省市：