【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种训练方法、装置、电子设备及存储介质。
技术介绍
1、短时信息维持能力是指个体在较短的时间内保持信息的能力，该能力是工作记忆中的一个重要成分，与注意力、记忆和执行功能等密切相关。目前，市面上也存在一些针对短时信息维持能力的认知训练网站或程序，帮助人们对自身的短时信息维持能力进行训练。
2、为了满足不同能力水平的人的训练需求，认知训练通常划分有多种难度。认知任务的难度是指完成某项任务所需要的认知资源或努力的程度，它与任务的复杂性、抽象性、速度要求、干扰因素等有关。对于认知训练任务，难度设置是一个重要因素，不适宜的难度设置会影响到练习者的表现、动机和情绪。有研究表明，认知训练的效果与任务难度呈现出一个倒u型的关系，即适中的难度可以带来最大的效果，而过低或过高的难度都会降低效果。过于简单的任务会导致天花板效应，即大多数练习者的表现都很好，无法锻炼到他们的能力。而过于难的任务会导致地板效应，即练习者无论如何努力，也无法完成任务。最佳的难度设计是让练习者需要付出一定努力而能达到的难度，在不断的难度-能力不匹配的过程中，产生最佳的学习效果。
3、但是，现有的认知训练网站或程序中的训练任务，对于所有练习者都是从同样的难度开始，而且难度级别的晋级设置也往往是固定的，不论练习者是否能适应下一个级别，导致训练的效果和效率低下，用户体验差。
技术实现思路
1、为了解决现有技术中存在的上述问题，本申请实施方式提供了一种训练方法、装置、电子设备及存储介
2、第一方面，本申请的实施方式提供了一种训练方法，该方法包括：
3、根据受训者的个人参数，在预设的多个训练等级中确定受训者的初始训练等级；
4、向受训者展示初始训练等级对应的第一训练课题，获取受训者对第一训练课题的反馈数据；
5、根据反馈数据和个人参数，对受训者进行多次训练；
6、其中，第i次训练包括：
7、根据训练数据ai和个人参数，在候选训练等级池bi中确定目标训练等级ci，其中，当i＝1时，训练数据a1为第一训练课题的反馈数据，候选训练等级池b1为多个训练等级中除去初始训练等级后剩余的训练等级；
8、向受训者展示目标训练等级ci对应的第二训练课题，获取受训者对第二训练课题的目标反馈数据di；
9、将第二训练课题的目标反馈数据di作为第i+1次训练的训练数据ai+1，将目标训练等级ci从候选训练等级池bi中剔除得到候选训练等级池bi+1，进行第i+1次训练，直至完成多次训练。
10、在一种可能的实施方式中，根据受训者的个人参数，在预设的多个训练等级中确定受训者的初始训练等级，包括：
11、根据个人参数确定受训者所属的第一群体；
12、根据第一群体确定随机误差和个人参数的系数；
13、根据个人参数、系数和随机误差，在多个训练等级中确定受训者的初始训练等级。
14、在一种可能的实施方式中，个人参数包括：年龄、性别、基础认知能力、成就动机特征、压力水平和睡眠质量，基于此，根据第一群体确定个人参数的系数，包括：
15、根据第一群体的历史训练数据，确定年龄、性别、基础认知能力、成就动机特征、压力水平和睡眠质量分别对训练的贡献率；
16、将年龄、性别、基础认知能力、成就动机特征、压力水平和睡眠质量对应的贡献率归一化，得到年龄、性别、基础认知能力、成就动机特征、压力水平和睡眠质量各自的系数。
17、在一种可能的实施方式中，向受训者展示初始训练等级对应的第一训练课题，获取受训者对第一训练课题的反馈数据，包括：
18、根据第一训练课题获取训练图片；
19、向受训者展示注视点，以使受训者注视注视点；
20、经过预设第一时间间隔后，向受训者展示训练图片；
21、经过预设第二时间间隔后，向受训者展示空白界面；
22、经过预设第三时间间隔后，向受训者展示答题界面，其中，答题界面包括训练问题和回答选项，训练问题和训练图片相关；
23、接收受训者对回答选项的操作数据，将操作数据和本次训练的用时作为反馈数据。
24、在一种可能的实施方式中，根据训练数据ai和个人参数，在候选训练等级池bi中确定目标训练等级ci，包括：
25、根据个人参数确定受训者所属的第二群体；
26、获取第二群体的回报表，其中，回报表用于记载第二群体在每个训练等级中的回报概率；
27、根据训练数据ai和回报表，在候选训练等级池bi中确定目标训练等级ci。
28、在一种可能的实施方式中，根据训练数据ai和回报表，在候选训练等级池bi中确定目标训练等级ci，包括：
29、根据训练数据ai和回报表，确定第一训练等级的预测回报概率，其中，第一训练等级为候选训练等级池bi中的任意一个候选等级；
30、将预测回报概率中最大值对应的训练等级作为目标训练等级ci。
31、在一种可能的实施方式中，根据训练数据ai和回报表，确定第一训练等级的预测回报概率，包括：
32、在回报表中获取第一训练等级对应的第一历史回报概率；
33、在回报表中获取第二训练等级对应的第二历史回报概率，其中，第二训练等级为训练数据ai对应的训练等级；
34、获取第二群体对第一训练等级的训练参数，其中，训练参数用于标识第二群体执行第一训练等级的训练课题时的表现的程度；
35、根据训练数据ai确定第二训练等级的实际回报概率；
36、根据第一历史回报概率、第二历史回报概率、训练参数和实际回报概率，确定第一训练等级的预测回报概率。
37、第二方面，本申请的实施方式提供了一种训练装置，包括：
38、初始模块，用于根据受训者的个人参数，在预设的多个训练等级中确定受训者的初始训练等级；
39、训练模块，用于向受训者展示初始训练等级对应的第一训练课题，获取受训者对第一训练课题的反馈数据，根据反馈数据和个人参数，对受训者进行多次训练；
40、其中，在第i次训练中，训练模块用于：
41、根据训练数据ai和个人参数，在候选训练等级池bi中确定目标训练等级ci，其中，当i＝1时，训练数据a1为第一训练课题的反馈数据，候选训练等级池b1为多个训练等级中除去初始训练等级后剩余的训练等级；
42、向受训者展示目标训练等级ci对应的第二训练课题，获取受训者对第二训练课题的目标反馈数据di；
43、将第二训练课题的目标反馈数据di作为第i+1次训练的训练数据ai+1，将目标训练等级ci从候选训练等级池bi中剔除得到候选训练等级池bi+1，进行第i+1次训练，直至完本文档来自技高网...
【技术保护点】
1.一种训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据受训者的个人参数，在预设的多个训练等级中确定所述受训者的初始训练等级，包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，所述向所述受训者展示所述初始训练等级对应的第一训练课题，获取所述受训者对所述第一训练课题的反馈数据，包括：
5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述根据训练数据Ai和所述个人参数，在候选训练等级池Bi中确定目标训练等级Ci，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述训练数据Ai和所述回报表，在所述候选训练等级池Bi中确定所述目标训练等级Ci，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述训练数据Ai和所述回报表，确定第一训练等级的预测回报概率，包括：
8.一种训练装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据受训者的个人参数，在预设的多个训练等级中确定所述受训者的初始训练等级，包括：
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求1所述的方法，其特征在于，所述向所述受训者展示所述初始训练等级对应的第一训练课题，获取所述受训者对所述第一训练课题的反馈数据，包括：
5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述根据训练数据ai和所述个人参数，在候选训练等级池bi中确定目标训练等级ci，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述训练数据ai和所述回报表，...
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。