【技术实现步骤摘要】
本专利技术涉及智能教学，尤其涉及一种基于深度学习原则的自适应学习系统及方法。
技术介绍
1、目前，全球普遍开展了线上教学或混合课堂模式，充分展示了教育技术发展的优势。这些优势不仅体现在教学时间地点灵活、教育资源可共享，还为个性化教学、投入式教学、自主和协作学习的发展和普及提供了契机。当前，以计算机与人工智能技术为依托的教育技术的推广，为实现智能化深度学习系统提供了技术依托。
2、现有的自适应学习技术主要侧重于三个方面：教学内容自适应、学业评价自适应、学习顺序自适应三个领域。如利用计算机自适应测验(computerizedadaptivetesting，cat)对学生测试过程中的表现进行题目个性化的推送，并对学生的相关知识水平与能力进行测试。主要代表是美国教育测验服务社(educationaltestingservice，ets)提供的托福考试系统、研究生入学考试(graduaterecordexamination，gre)系统等。功能全面的自适应学习系统，如knewton，i-ready，aleks，ck-12，knowre等，基于测试引擎与反馈引擎对学生进行个性化的学习辅导。涉及从幼教到成人教育的多元教育层次，以及测试、内容、顺序的自适应多个方面。我国的自适应系统主要是基础提高机械知识记忆的系统，如科大讯飞，属于自适应个性化辅导范畴，以辅助主要课堂作为主要目的，教学环节仍然以教师为主。松鼠人工智能(artificialintelligence，ai)，实现了学习全过程的自适应，最后反馈与纠偏由教师完成。但是这些系统
3、通过综合分析，现有研究比较突出的问题有以下几个方面：1)一部分自适应框架研究的主要目的是为了提高学生学业成绩，只是简单的知识堆叠，无法解决相对高难度复杂问题，比如对学生进行建模，思考如何发展学生的深度学习能力等。2)目前出现了一些具有初步智能化信息推荐的框架。如特鲁萨斯等人使用人工神经网络(artificialneuralnetwork，ann)、和加权和模型(weightedsummodel，wsm)提出的框架，该框架向学生推荐协作活动，同时提高学习者的需求和偏好推荐。但也仅仅局限于知识的个性化推荐，缺乏沉浸式教学内容和交互推理能力。3)大部分框架仅考虑了将学习者在学习过程中的实时表现出的行为(点击行为、翻看频率等)作为个性化教学内容推荐和实施的主要依据，缺乏对学习者的个人背景、长短期偏好以及历史学习数据的挖掘和分析，降低了推荐的准确性及推荐内容的可解释性。4)大多数框架研究，都处于设计和仿真实验阶段，尚未开发出完整的系统。无法在实际场景中进行具有规模性的测试和使用(dargue&biddle，2014年；kasinathan等人，2017年)。缺乏具有能够对框架各方面进行真实评估实证数据。且由于领域和缺乏具体的功能模块设计，这些学习框架在实际教育环境中无法被实际采用和验证。
技术实现思路
1、为了避免现有技术的不足之处，本专利技术提供一种基于深度学习原则的自适应学习系统，用以解决现有技术中存在现有研究都偏向基础知识层面和技能层面的学习，缺乏协作和解决现实复杂问题能力的培养的问题。
2、根据本公开的第一方面，提供一种基于深度学习原则的自适应学习系统，该系统包括：
3、交互模块，用于与用户进行人机交互，并对所述用户产生的交互式数据进行捕捉；
4、用户数据存储模块，用于存储所述用户的历史学习数据及实时的所述交互式数据；
5、学习资源存储模块，用于存储学习资源数据，以供所述用户学习；
6、学习分析模块，用于根据所述用户的历史学习数据、所述交互式数据和所要学习的目标内容数据，生成适合所述用户的教学模式和课程内容数据；
7、推送模块，用于向所述用户推送学习内容数据；其中，所述学习内容数据包括所述用户感兴趣或与其学习目标关联性强的个性化学习内容数据、所述教学模式和所述课程内容数据。
8、所述历史学习数据包括学习目标数据、学习兴趣数据、学习模式数据和学习成果数据。
9、所述学习资源存储模块包括：
10、学习目标个性化定制库、多学科知识图谱、投入式多模态教学资源库、社区化群体协作资源库和学习成效评估资源库。
11、所述学习分析模块包括：
12、目标驱动子模块、数据库匹配融合分析子模块、沉浸式学习子模块、探究式社区子模块、知识轨迹子模块、学习成效评价子模块和学习指标微调子模块；
13、其中，所述目标驱动子模块，用于匹配所述学习目标个性化定制库以及捕获到的所述用户的所述学习目标数据，从而进行所述用户的个性化学习目标定制；
14、数据库匹配融合分析子模块，用于根据基于用户数据存储模块中的内容和所述学习资源存储模块中的内容，结合所述用户的所述个性化学习目标进行分析，得到所述个性化学习内容数据，并将所述个性化学习内容数据存储至所述用户数据存储模块中；
15、沉浸式学习子模块，用于基于所述个性化学习目标，根据所述用户的人机交互以及所述用户的沉浸式学习，得到所述用户的阶段性沉浸式学习成果；
16、探究式社区子模块，用于配合所述沉浸式学习子模块，为所述用户提供丰富的协作式学习功能；
17、知识轨迹子模块，用于根据所述用户的所述交互式数据，配合推送算法，以得到所述个性化学习内容数据；
18、学习成效评价子模块，用于对所述用户的学习过程与成果进行动态评价；
19、学习指标微调子模块，用于根据所述用户的内容反馈和评价数据，调整所述教学模式和所述课程内容数据。
20、根据本公开实施例的第二方面，提供一种基于深度学习原则的自适应学习方法，该方法包括：
21、用户通过交互模块进行人机交互，并对所述用户产生的交互式数据进行捕捉；
22、学习分析模块根据所述用户的历史学习数据、所述交互式数据和所要学习的目标内容数据进行分析，以得到适合所述用户的教学模式和课程内容数据；
23、通过推送模块向所述用户推送个性化学习内容数据、所述教学模式和所述课程内容数据。
24、所述学习分析模块根据所述用户的历史学习数据、所述交互式数据和所要学习的目标内容数据进行分析，以得到适合所述用户的教学模式和课程内容数据的步骤中，包括：
25、根据所述用户的所述历史学习数据进行学前评估，并得到评估结果；
26、根据所述评估结果和所述目标内容数据，定制具体的个性化学习目标；
27、调度数据库匹配融合分析子模块，根据基于用户数据存储模块中的内容和所述学习资源存储模块中的内容，结合所述用户的所述个性化学习目标进行分析，得到所述个性化学习内容数据，并将所述所述个性化学习内容数据存储至所述用户数据本文档来自技高网...
【技术保护点】
1.一种基于深度学习原则的自适应学习系统，其特征在于，该系统包括：
2.根据权利要求1所述基于深度学习原则的自适应学习系统，其特征在于，所述历史学习数据包括学习目标数据、学习兴趣数据、学习模式数据和学习成果数据。
3.根据权利要求2所述基于深度学习原则的自适应学习系统，其特征在于，所述学习资源存储模块包括：
4.根据权利要求3所述基于深度学习原则的自适应学习系统，其特征在于，所述学习分析模块包括：
5.一种基于深度学习原则的自适应学习方法，其特征在于，该方法包括：
6.根据权利要求5所述基于深度学习原则的自适应学习方法，其特征在于，所述学习分析模块根据所述用户的历史学习数据、所述交互式数据和所要学习的目标内容数据进行分析，以得到适合所述用户的教学模式和课程内容数据的步骤中，包括：
7.根据权利要求6所述基于深度学习原则的自适应学习方法，其特征在于，该方法还包括：
8.根据权利要求7所述基于深度学习原则的自适应学习方法，其特征在于，所述推送模块向所述用户推送多种所述学习内容数据以供所述用户进行选择；
...【技术特征摘要】
1.一种基于深度学习原则的自适应学习系统，其特征在于，该系统包括：
2.根据权利要求1所述基于深度学习原则的自适应学习系统，其特征在于，所述历史学习数据包括学习目标数据、学习兴趣数据、学习模式数据和学习成果数据。
3.根据权利要求2所述基于深度学习原则的自适应学习系统，其特征在于，所述学习资源存储模块包括：
4.根据权利要求3所述基于深度学习原则的自适应学习系统，其特征在于，所述学习分析模块包括：
5.一种基于深度学习原则的自适应学习方法，其特征在于，该方法包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。