用于自动生成个人化学习和诊断练习的装置和方法制造方法及图纸

一种用于自动生成学习练习的方法。该方法响应于事件，确定目标学习项目；基于学习者模型所生成的学习者的模型，获取与目标学习项目相关的学习者的知识程度；将难度与获取的学习者的知识程度相关联；从练习模式数据库中检索学习练习模式；基于学习者的模型和相关联的难度，自动生成与检索的学习练习模式相关的学习练习；以及通过练习界面将学习练习展现给学习者。

【技术实现步骤摘要】

本专利技术涉及学习方法和装置。
技术介绍
教育者需要用于其学生的大范围的学习练习。这样的练习用于教授新的资料，帮 助支持学生的学习，评定是否发生学习行为，评定能力等级，且诊断学习中的问题。简单练习的示例包括多项选择题，是/非问题，匹配问题，填空问题和自由回答式 问题。对于教育者来说创造学习练习代价非常昂贵且花费时间，所以自动化方法是具有 吸引力的解决方案。解决这个问题的一类方案是使用创作工具来帮助教育者生成问题。在 专利US6018617，US6704741, US6259890等中揭示有创作工具。另一类方案是从通过其他 方式(例如，创作工具或自动装置)已生成的练习数据库中组合或生成基于计算机的测验。 在GB2373624B，US5565316, US2004234936A等中揭示了这样的基于计算机的测验系统。另一类的解决方案是完全自动生成练习。现有很多从文本内容，即教科书、小说 或其他阅读材料，自动生成学习行为的方法。由Brown等人的文献(Automatic Question Generation for Vocabulary Assessment, Proc. of theConf. On Human Language Technology, 2005), Mostow 等人的文献(UsingAutomated Questions to Assess Reading Comprehension, Cognition andLearning Vol. 2, 2004), Coniam 的文献(A preliminary inquiry Into UsingCorpus Word Frequency Data in the Automatic Generation of EnglishLanguage Cloze Tests, CALICO Journal Vol. 14 Nos.2-4,1997), Aist 的 文 献(Towards Automatic Glossarization, Int. J. of Artificial Intelligence inEducation Vol. 12,2001), Hoshino 禾口 Nakagawa 的文献(A Real-TimeMultiple-Choice Generation for Language Testing,Proc. of the 2nd workshopon Building Educational Applications using NLP,2005), Sumita 等人 的文献(Measuring Non-Native Speaker' s Proficiency of English Using a Test withAutomatically-Generated Fill-In-The-Blank Questions, Proc. of the 2ndfforkshop on Building Educational Applications using NLP, 2005), Mitkov 禾口 Ha 的文献(Computer-Aided Generation of Multiple-Choice Tests,Proc. of thefforkshop on Building Educational Applications using NLP, 2003)以及 US6341959，JP26126242A 和 JP27094055A2 中揭示的专利技术中说明了 相关方法。上述方法采用目标单词或概念作为输入，然后使用两步处理，即首先选择问题‘题 干’，然后选择均基于所需练习类型的正确答案和‘错误选项’(即从不同的可能的不正确答 案中所选)。目标单词或概念可以出现在题干中或作为正确答案。在第一示例中，为了生成 多项选择练习以测试学生是否知道单词的含义，该题干是目标单词的字典定义，且错误选 项是意思与目标单词不同的从数据库或阅读文本中选择的单词。在第二示例中，通过从包 含目标单词或概念的阅读文本中选择语句，且以空格替换单词或概念来生成填空问题。与4第一示例相似的方式选择错误选项，且包含目标单词作为可能的答案选项。在第三示例中， 通过从包含目标单词或概念的阅读文本中选择语句，且重构该语句成为问题来生成理解练 习(例如语句“地球围绕太阳旋转”重构为“地球围绕什么旋转”)。已显示在上述参考解决方案中自动生成的练习对学习和低利害性评估很有效，然 而问题是对于特定的学生设定合适的难度。如果练习对于学生来说太简单，则会产生厌倦 且不会学习。如果练习太难，则可使其失去动力，导致例如过多的猜测的非期望行为。一些自动生成方法可以通过改变特定参数来改变难度。例如，Nagy等人(Learning Words From Context, Reading Research Quarterly Vol. 20,1985)通过在三种程度上改变 错误选项与正确答案的紧密程度来改变练习的难度(1)错误选项与正确答案的词性不同 (简单)；(2)错误选项与正确答案的词性相同，但语义类别不同(中等)；和(3)错误选项 与正确答案具有相似的意思(难)。Mostow等人(Using Automated Questions toAssess Reading Compreshension, Cognition and Learning Vol. 2,2004)禾口 Aist(Towards Automatic Glossarization, Int. J. of Artificial Intelligence inEducation Vol. 12, 2001)等使用包括改变错误选项的熟悉程度(在该方案中熟悉程度是指单词在一般语言中 的频率相关的固有特性；其不参照为基于学生的熟悉程度)和改变问题题干的难度的其他 方式。然而，上述练习自动生成方法中没有任一方法基于作为生成练习对象的特定学生 的能力来控制难度。练习要不具有预定的难度，或更差具有基于练习要素的随机选择的不 可预测等级。即，没有方法使用用户当前知识的模型。教育者当然可以手动(使用创作工具或手动方式)为个别学生控制难度，但是对 于每一个学生进行个人化练习并不具有成本效率。计算机自适应性测验(CAT-ComputerAdaptive Testing) (ffainer 等人的文 献 -Computerized Adaptive Testing, A primer, Hillsdale, NJ :LawrenceErlbaum associates,1990 ；van der linden & Hambleton(eds. ) , Handbook ofModern Item Response Theory, London Springer Verlag, 1997)中使用了基于学生能力控制难度的一 个方案。在CAT中，利用统计方法为特定学生选择测试项目，从而基于该学生对测试项目的 回答历史的纪录，该学生具有50%的正确几率回答该项目(一种类型的用户模型)。该方 法对单个学生个人化；然而必须预本文档来自技高网...

【技术保护点】
一种用于自动生成学习练习的方法，其特征在于，包括步骤：响应于事件，确定目标学习项目，基于自动化学习者模型所生成的学习者的模型，获取与目标学习项目相关的学习者的知识程度，将难度与获取的学习者的知识程度相关联，从练习模式数据库中检索学习练习模式，基于学习者的模型和相关联的难度，自动生成与检索的学习练习模式相关的学习练习，以及通过练习界面将学习练习展现给学习者。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：菲利普格兰尼埃特蒙德，安东尼赫尔，帕德里克雷内崇恩，
申请(专利权)人：夏普株式会社，
类型：发明
国别省市：JP[日本]