基于数字孪生的教学信息处理方法及系统技术方案

本发明专利技术涉及数字孪生技术领域，公开了一种基于数字孪生的教学信息处理方法及系统，用于实现学生教学信息的智能化管理并提高学生个性化学习内容的制定准确率

【技术实现步骤摘要】
基于数字孪生的教学信息处理方法及系统


[0001]本专利技术涉及数字孪生
，尤其涉及一种基于数字孪生的教学信息处理方法及系统
。

技术介绍

[0002]随着信息技术的飞速发展，数字孪生技术在多个领域展现出强大的潜力，其中教育领域是一个备受关注的方向
。
数字孪生是一种通过数字化模型反映实体或过程的技术，它能够在虚拟环境中模拟
、
预测和优化实际对象的行为
。
在教学信息处理领域，数字孪生技术的应用为实现个性化教学和智能化辅助教育提供了新的性
。
[0003]当前，传统的教育系统难以满足每个学生个体差异的需求，而数字孪生技术为解决这一问题提供了一种前沿的思路
。
通过对学生进行数字化建模，基于多模态数据的获取与分析，数字孪生技术能够深入挖掘学生的个性化学习特征，为个性化教学提供有力支持
。
个性化教学已经成为当前教育领域的研究热点
。
通过对学生的学习行为
、
兴趣爱好
、
认知水平等多方面信息进行深度挖掘，实现教学内容的个性化配置，可以更好地激发学生学习的兴趣，提高学习效果
。
然而，如何结合数字孪生技术，更全面
、
准确地把握学生的个体特征，以及如何将这些特征应用于实际教学场景中，仍然是一个亟待解决的问题
。

技术实现思路

[0004]本专利技术提供了一种基于数字孪生的教学信息处理方法及系统，用于实现学生教学信息的智能化管理并提高学生个性化学习内容的制定准确率
。
[0005]本专利技术第一方面提供了一种基于数字孪生的教学信息处理方法，所述基于数字孪生的教学信息处理方法包括：通过预置的互动教学平台获取目标学生的学习过程多模态数据，并对所述学习过程多模态数据进行数字化建模，得到初始数字孪生学习模型；基于所述初始数字孪生学习模型，对所述目标学生进行教学内容个性化配置，得到多个第一个性化学习内容；对所述多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据，并根据所述实时学习状态数据对所述初始数字孪生学习模型进行实时更新，得到目标数字孪生学习模型；根据所述目标数字孪生学习模型，构建所述多个第一个性化学习内容的初始个性化学科知识图谱，并根据所述初始个性化学科知识图谱对所述多个第一个性化学习内容进行内容优化，确定多个第二个性化学习内容；分别对所述多个第二个性化学习内容进行学习影响权重分析，得到每个第二个性化学习内容对应的学习影响权重数据；根据所述多个第二个性化学习内容以及所述学习影响权重数据，对所述初始个性化学科知识图谱进行学习路径优化，得到目标个性化学科知识图谱
。
[0006]结合第一方面，在本专利技术第一方面的第一种实现方式中，所述通过预置的互动教学平台获取目标学生的学习过程多模态数据，并对所述学习过程多模态数据进行数字化建模，得到初始数字孪生学习模型，包括：通过预置的互动教学平台获取目标学生的学习过程多模态数据，其中，所述学习过程多模态数据包括：语音交互数据
、
答题反馈数据以及视频观看数据；构建所述学习过程多模态数据的分布式存储网络，并通过所述分布式存储网络中的多个存储节点分别对所述学习过程多模态数据进行存储；通过预置的语音识别模型对所述语音交互数据进行特征提取，得到语音交互特征，并通过预置的自然语言处理模型对所述答题反馈数据进行特征提取，得到答题反馈特征，以及通过预置的视频分析模型对所述视频观看数据进行特征提取，得到视频观看特征；获取所述目标学生的个体信息，并将所述个体信息与所述语音交互特征
、
所述答题反馈特征以及所述视频观看特征进行数字化建模，得到初始数字孪生学习模型
。
[0007]结合第一方面，在本专利技术第一方面的第二种实现方式中，所述基于所述初始数字孪生学习模型，对所述目标学生进行教学内容个性化配置，得到多个第一个性化学习内容，包括：获取所述目标学生的目标学习任务，并将所述目标学习任务划分为多个子学习任务；对所述多个子学习任务进行个性化影响因素分析，得到每个子学习任务对应的个性化影响因素；通过所述初始数字孪生学习模型，根据所述个性化影响因素分别对所述多个子学习任务进行学习资源匹配，得到每个子学习任务的目标学习资源；分别对每个子学习任务的目标学习资源进行内容生成和内容整合，得到多个第一个性化学习内容
。
[0008]结合第一方面，在本专利技术第一方面的第三种实现方式中，所述对所述多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据，并根据所述实时学习状态数据对所述初始数字孪生学习模型进行实时更新，得到目标数字孪生学习模型，包括：定义多个学习状态指标，所述多个学习状态指标包括：学习进度
、
答题正确率以及时间分配；根据所述多个学习状态指标，对所述多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据；对每个第一个性化学习内容的实时学习状态数据进行实时学习状态特征提取，得到多个实时学习状态特征；对所述多个实时学习状态特征进行特征映射，得到每个第一个性化学习内容的多个第一特征映射值，并对所述语音交互特征
、
所述答题反馈特征以及所述视频观看特征进行特征映射，得到多个第二特征映射值；构建每个第一个性化学习内容的多个第一特征映射值所对应的第一特征向量，以及构建所述多个第二特征映射值对应的第二特征向量；对所述第一特征向量以及所述第二特征向量进行关联关系计算，得到目标特征关
联关系，并根据所述目标特征关联关系对所述初始数字孪生学习模型进行实时更新，得到目标数字孪生学习模型
。
[0009]结合第一方面，在本专利技术第一方面的第四种实现方式中，所述根据所述目标数字孪生学习模型，构建所述多个第一个性化学习内容的初始个性化学科知识图谱，并根据所述初始个性化学科知识图谱对所述多个第一个性化学习内容进行内容优化，确定多个第二个性化学习内容，包括：基于所述目标数字孪生学习模型，对所述多个第一个性化学习内容进行知识点依赖关系和难易程度分析，得到每个第一个性化学习内容对应的知识点依赖关系以及难易程度指标；基于每个第一个性化学习内容对应的知识点依赖关系以及难易程度指标，分别计算所述多个第一个性化学习内容的知识图谱系数；根据所述知识图谱系数对所述多个第一个性化学习内容进行个性化学科知识图谱构建，得到初始个性化学科知识图谱；对所述初始个性化学科知识图谱进行聚类分析，得到图谱聚类结果，并根据所述图谱聚类结果对所述多个第一个性化学习内容进行内容优化，确定多个第二个性化学习内容
。
[0010]结合第一方面，在本专利技术第一方面的第五种实现方式中，所述分别对所述多个第二个性化学习内容进行学习影响权重分析，得到每个第二个性化学习内容对应的学习影响权重数据，包括：构建学习影响权重评价体系，所述学习影响权重评价体系包括：学科覆盖率...

【技术保护点】

【技术特征摘要】
1.
一种基于数字孪生的教学信息处理方法，其特征在于，所述基于数字孪生的教学信息处理方法包括：通过预置的互动教学平台获取目标学生的学习过程多模态数据，并对所述学习过程多模态数据进行数字化建模，得到初始数字孪生学习模型；基于所述初始数字孪生学习模型，对所述目标学生进行教学内容个性化配置，得到多个第一个性化学习内容；对所述多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据，并根据所述实时学习状态数据对所述初始数字孪生学习模型进行实时更新，得到目标数字孪生学习模型；根据所述目标数字孪生学习模型，构建所述多个第一个性化学习内容的初始个性化学科知识图谱，并根据所述初始个性化学科知识图谱对所述多个第一个性化学习内容进行内容优化，确定多个第二个性化学习内容；分别对所述多个第二个性化学习内容进行学习影响权重分析，得到每个第二个性化学习内容对应的学习影响权重数据；根据所述多个第二个性化学习内容以及所述学习影响权重数据，对所述初始个性化学科知识图谱进行学习路径优化，得到目标个性化学科知识图谱
。2.
根据权利要求1所述的基于数字孪生的教学信息处理方法，其特征在于，所述通过预置的互动教学平台获取目标学生的学习过程多模态数据，并对所述学习过程多模态数据进行数字化建模，得到初始数字孪生学习模型，包括：通过预置的互动教学平台获取目标学生的学习过程多模态数据，其中，所述学习过程多模态数据包括：语音交互数据
、
答题反馈数据以及视频观看数据；构建所述学习过程多模态数据的分布式存储网络，并通过所述分布式存储网络中的多个存储节点分别对所述学习过程多模态数据进行存储；通过预置的语音识别模型对所述语音交互数据进行特征提取，得到语音交互特征，并通过预置的自然语言处理模型对所述答题反馈数据进行特征提取，得到答题反馈特征，以及通过预置的视频分析模型对所述视频观看数据进行特征提取，得到视频观看特征；获取所述目标学生的个体信息，并将所述个体信息与所述语音交互特征
、
所述答题反馈特征以及所述视频观看特征进行数字化建模，得到初始数字孪生学习模型
。3.
根据权利要求1所述的基于数字孪生的教学信息处理方法，其特征在于，所述基于所述初始数字孪生学习模型，对所述目标学生进行教学内容个性化配置，得到多个第一个性化学习内容，包括：获取所述目标学生的目标学习任务，并将所述目标学习任务划分为多个子学习任务；对所述多个子学习任务进行个性化影响因素分析，得到每个子学习任务对应的个性化影响因素；通过所述初始数字孪生学习模型，根据所述个性化影响因素分别对所述多个子学习任务进行学习资源匹配，得到每个子学习任务的目标学习资源；分别对每个子学习任务的目标学习资源进行内容生成和内容整合，得到多个第一个性化学习内容
。4.
根据权利要求2所述的基于数字孪生的教学信息处理方法，其特征在于，所述对所述
多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据，并根据所述实时学习状态数据对所述初始数字孪生学习模型进行实时更新，得到目标数字孪生学习模型，包括：定义多个学习状态指标，所述多个学习状态指标包括：学习进度
、
答题正确率以及时间分配；根据所述多个学习状态指标，对所述多个第一个性化学习内容进行实时学习状态监测，得到每个第一个性化学习内容的实时学习状态数据；对每个第一个性化学习内容的实时学习状态数据进行实时学习状态特征提取，得到多个实时学习状态特征；对所述多个实时学习状态特征进行特征映射，得到每个第一个性化学习内容的多个第一特征映射值，并对所述语音交互特征
、
所述答题反馈特征以及所述视频观看特征进行特征映射，得到多个第二特征映射值；构建每个第一个性化学习内容的多个第一特征映射值所对应的第一特征向量，以及构建所述多个第二特征映射值对应的第二特征向量；对所述第一特征向量以及所述第二特征向量进行关联关系计算，得到目标特征关联关系，并根据所述目标特征关联关系对所述初始数字孪生学习模型进行实时...

【专利技术属性】
技术研发人员：颜思威，胡修勇，颜海鹰，
申请(专利权)人：深圳市联特微电脑信息技术开发有限公司，
类型：发明
国别省市：