一种深度知识追踪的精准化教学方法技术

本发明专利技术涉及精准化教学技术领域，公开了一种深度知识追踪的精准化教学方法，所述方法包括：采集学习者的答题记录并进行知识编码；构建深度知识追踪模型生成学习者的知识水平矩阵；基于学习者的知识水平矩阵对学习者进行相似性聚类；对相似性融合后的知识水平矩阵进行知识水平矩阵分解，得到学习者在未做习题上的答题正确率，构建得到补全后的知识水平矩阵，生成学习者的知识掌握情况以及确定所推送习题

【技术实现步骤摘要】
一种深度知识追踪的精准化教学方法


[0001]本专利技术涉及精准化教学的
，尤其涉及一种深度知识追踪的精准化教学方法
。

技术介绍

[0002]随着教育资源规模日益增大， 学习者难以在数量庞大的教学资源中找到符合自身需求的资源
。
同样地， 教师面对大量的学习者也难以做到为每一位学习者提供精准化教学
。
特别在信息过载的今天，为满足不同认知能力和知识水平的学习者需求， 亟需一种适合学习者认知知识水平的精准化教学方式
。
针对该问题，本专利技术提出一种深度知识追踪的精准化教学方法，通过对学习者知识水平的深度分析实现精准化教学
。

技术实现思路

[0003]有鉴于此，本专利技术提供一种深度知识追踪的精准化教学方法，目的在于：1）获取学习者的答题记录，并分别提取学习者的答对习题信息以及答错习题信息，采用有效信息追踪记录的方式实现答题正确率向量追踪迭代，构建得到表征学习者深度知识信息的知识水平矩阵，实现学习者的深度知识追踪；2）根据学习者的相似性聚类结果，将相似性的知识水平信息融合到知识水平矩阵中，得到融合相似学习者知识水平信息的知识水平矩阵，通过矩阵分解的方式进行知识水平矩阵分解，得到学习者在未做习题上的答题正确率，提高知识掌握情况判断的准确性，并根据学习者的未掌握知识点，选取符合学习者当前知识水平的习题推送，实现精准化教学
。
[0004]实现上述目的，本专利技术提供的一种深度知识追踪的精准化教学方法，包括以下步骤：r/>S1
：采集学习者的答题记录并进行知识编码，得到学习者的答题记录编码数据；
S2
：构建深度知识追踪模型生成学习者的知识水平矩阵，所述深度知识追踪模型以学习者的答题记录编码数据为输入，以知识水平矩阵为输出；
S3
：基于学习者的知识水平矩阵对学习者进行相似性聚类，根据聚类结果计算得到相似性融合后的知识水平向量，并将知识水平向量转换为相似性融合后的知识水平矩阵；
S4
：对相似性融合后的知识水平矩阵进行知识水平矩阵分解，得到学习者在未做习题上的答题正确率，进而得到补全后的知识水平矩阵；
S5
：根据补全后的知识水平矩阵，生成学习者的知识掌握情况以及确定所推送习题进行精准化教学
。
[0005]作为本专利技术的进一步改进方法：可选地，所述
S1
步骤中采集学习者的答题记录并进行知识编码，包括：采集
K
名学习者的答题记录，其中学习者的答题记录形式为：名学习者的答题记录，其中学习者的答题记录形式为：
其中：表示所采集第
k
名学习者的答题记录；表示第
k
名学习者在
N
道习题的答题记录，表示第
k
名学习者在第
n
道习题的答题记录；表示第
n
道习题所包含的知识点序列，表示第
k
名学习者在第
n
道习题的作答情况，表示第
k
名学习者未作答第
n
道习题，表示第
k
名学习者答对第
n
道习题，表示第
k
名学习者答错第
n
道习题；对学习者的答题记录进行知识编码，得到学习者的答题记录编码数据，其中第
k
名学习者的答题记录知识编码流程为：
S11
：初始化生成双层答题记录知识编码矩阵；
S12
：根据第
k
名学习者的答题记录对双层答题记录知识编码矩阵中的矩阵元素进行幅值，其中矩阵元素赋值公式为：元素进行幅值，其中矩阵元素赋值公式为：元素进行幅值，其中矩阵元素赋值公式为：其中：表示答题记录知识编码矩阵中第
i
行第
j
列矩阵元素的赋值结果；表示答题记录知识编码矩阵中第
i
行第
j
列矩阵元素的赋值结果；在本专利技术实施例中，答题记录知识编码矩阵用以表征第
k
名学习者答对题目部分的知识编码结果，答题记录知识编码矩阵用以表征第
k
名学习者答错题目部分的知识编码结果；
S13
：构成第
k
名学习者的答题记录编码数据
。
[0006]可选地，所述
S2
步骤中构建深度知识追踪模型生成学习者的知识水平矩阵，包括：构建深度知识追踪模型生成学习者的知识水平矩阵，所述深度知识追踪模型以学习者的答题记录编码数据为输入，以知识水平矩阵为输出，其中深度知识追踪模型包括输入层
、
迭代追踪层以及输出层，输入层用于接收学习者的答题记录编码数据，迭代追踪层用于对答题记录编码数据进行多轮答题正确率向量追踪迭代，输出层用于输出学习者的知识水平矩阵；基于深度知识追踪模型的第
k
名学习者的知识水平矩阵生成流程为：
S21
：输入层接收第
k
名学习者的答题记录编码数据；
S22
：迭代追踪层对答题记录编码数据进行
K
轮答题正确率向量追踪迭代，其中答题正确率向量的追踪迭代公式为：其中：表示第
k
名学习者的第
d
轮答题正确率向量追踪迭代结果；表示编码权值矩阵，表示编码偏置量；
表示迭代权值矩阵；
S23
：输出层将最后一轮答题正确率向量追踪迭代结果转换为知识水平矩阵：其中：表示第
k
名学习者的知识水平矩阵；表示知识权值矩阵，表示知识偏置量；表示激活函数；在本专利技术实施例中，所选取激活函数为
Sigmoid
函数
。
[0007]可选地，所述
S3
步骤中基于学习者的知识水平矩阵对学习者进行相似性聚类，根据聚类结果计算得到相似性融合后的知识水平向量，包括：基于学习者的知识水平矩阵对学习者进行相似性聚类，其中相似性聚类流程为：
S31
：计算任意两个不同学习者之间知识水平矩阵的相似性，其中知识水平矩阵与之间的相似性为：其中：表示知识水平矩阵与之间的相似性；表示以自然常数为底的指数函数；表示
L1
范数；
S32
：对于任意知识水平矩阵，选取相似性最高的
M
个知识水平矩阵作为的相似矩阵，构成的相似矩阵集合；
S33
：计算得到任意知识水平矩阵的相似矩阵均值，作为知识水平矩阵的知识水平向量
。
[0008]可选地，所述
S3
步骤中将知识水平向量转换为相似性融合后的知识水平矩阵，包括：将知识水平向量转换为相似性融合后的知识水平矩阵，其中第
k
名学习者的相似性融合后的知识水平矩阵转换公式为：其中：表示第
k
名学习者的相似性融合后的知识水平矩阵；表示融合比例参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种深度知识追踪的精准化教学方法，其特征在于，所述方法包括：
S1
：采集学习者的答题记录并进行知识编码，得到学习者的答题记录编码数据；
S2
：构建深度知识追踪模型生成学习者的知识水平矩阵，所述深度知识追踪模型以学习者的答题记录编码数据为输入，以知识水平矩阵为输出；
S3
：基于学习者的知识水平矩阵对学习者进行相似性聚类，根据聚类结果计算得到相似性融合后的知识水平向量，并将知识水平向量转换为相似性融合后的知识水平矩阵；
S4
：对相似性融合后的知识水平矩阵进行知识水平矩阵分解，得到学习者在未做习题上的答题正确率，进而得到补全后的知识水平矩阵；
S5
：根据补全后的知识水平矩阵，生成学习者的知识掌握情况以及确定所推送习题进行精准化教学
。2.
如权利要求1所述的一种深度知识追踪的精准化教学方法，其特征在于，所述
S1
步骤中采集学习者的答题记录并进行知识编码，包括：采集
K
名学习者的答题记录，其中学习者的答题记录形式为：名学习者的答题记录，其中学习者的答题记录形式为：其中：表示所采集第
k
名学习者的答题记录；表示第
k
名学习者在
N
道习题的答题记录，表示第
k
名学习者在第
n
道习题的答题记录；表示第
n
道习题所包含的知识点序列，表示第
k
名学习者在第
n
道习题的作答情况，表示第
k
名学习者未作答第
n
道习题，表示第
k
名学习者答对第
n
道习题，表示第
k
名学习者答错第
n
道习题；对学习者的答题记录进行知识编码，得到学习者的答题记录编码数据，其中第
k
名学习者的答题记录知识编码流程为：
S11
：初始化生成双层答题记录知识编码矩阵；
S12
：根据第
k
名学习者的答题记录对双层答题记录知识编码矩阵中的矩阵元素进行幅值，其中矩阵元素赋值公式为：进行幅值，其中矩阵元素赋值公式为：进行幅值，其中矩阵元素赋值公式为：其中：表示答题记录知识编码矩阵中第
i
行第
j
列矩阵元素的赋值结果；表示答题记录知识编码矩阵中第
i
行第
j
列矩阵元素的赋值结果；
S13
：构成第
k
名学习者的答题记录编码数据
。3.
如权利要求1所述的一种深度知识追踪的精准化教学方法，其特征在于，所述
S2
步骤中构建深度知识追踪模型生成学习者的知识水平矩阵，包括：构建深度知识追踪模型生成学习者的知识水平矩阵，所述深度知识追踪模型以学习者
的答题记录编码数据为输入，以知识水平矩阵为输出，其中深度知识追踪模型包括输入层
、
迭代追踪层以及输出层，输入层用于接收学习者的答题记录编码数据，迭代追踪层用于对答题记录编码数据进行多轮答题正确率向量追踪迭代，输出层用于输出学习者的知识水平矩阵；基于深度知识追踪模型的第
k
名学习者的知识水平矩阵生成流程为：
S21
：输入层接收第
k
名学习者的答题记录编码数据；
S22
：迭代追踪层对答题记录编码数据进行
K
轮答题正确率向量追踪迭代，其中答题正确率向量的追踪迭代公式为：其中：表示第
k
名学习者的第
d
轮答题正确率向量追踪迭代结果；表示编码权值矩阵，表示编码偏置量；表示迭代权值矩阵；
S23
：输出层将最后一轮答题正确率向量追踪迭代结果转换为知识水平矩阵：其中：表示第
k
名学习者的知识水平矩阵；表示知识权值矩阵，表示知识偏置量；表示激活函数
。4.
如权利要求1所述的一种深度知识追踪的精准化教学方法，其特征在于，所述
S3
步骤中基于学习者的知识水平矩阵对学习者进行相似性聚类，根据聚类结果计算得到相似性融合后的知识水平向量，包括：基于学习者的知识水平矩阵对学习者进行相似性聚类，其中相似性聚类流程为：
S31
：计算任意两个不同学习者之间知识水平矩阵的相似性，其...

【专利技术属性】
技术研发人员：史岩，张海瑞，王新政，
申请(专利权)人：山东多科科技有限公司，
类型：发明
国别省市：