【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种面向学习者胜任力模型的知识点智能导航方法。
技术介绍
1、“构建网络化、数字化、个性化、终身化的教育体系”是实现建设学习型社会的重要条件。在移动互联网、大数据、人工智能、云计算等众多新技术的支持下，教育模式、教学方法、学习方式等均在发生深刻变革，促使我国教育向着智慧化、智能化的方向迈进，其中“关注学习者的个体差异”“为每个学习者提供合适的教育”这些理念在社会上逐渐共识，个性化教育与个性化学习成为解决当前社会教育供需矛盾的主要途径。以自媒体为代表的新媒体环境下，学习资源极大丰富，如何利用智能技术为学习者提供定制化的学习路径是当前个性化学习研究领域一个热点。
2、现有的个性化推荐课程是基于学习者之前的学习水平和学习目标，平台会定制学习路径使学习者有效的进行学习。一些个性化学习平台还会使用机器学习算法来分析学习者的学习行为和能力等，从而进行学习课程推荐。但该方法也存在一些缺点，比如该算法会偏向于推荐学习者过去比较感兴趣的内容，过度依赖学习者的一些历史行为来进行推荐，会导致学习者没有办法学习到更新的...
【技术保护点】
1.一种面向学习者胜任力模型的知识点智能导航方法，其特征在于，基于低成本的深度神经网络模型，从知识点层面，获取到一个学习者的初始胜任力信息和达到目标胜任力所要学习的目标知识点，为学习者推荐一个当前能学习的知识点，学习者进入所包含该知识点的课程进行学习，在学习前后进行测验，根据奖励函数计算出执行完当前动作所获得的奖励，并在学习结束后，根据获得的奖励为学习者推荐下一个知识点，不断重复；直至学习者学习到目标知识点，达到目标胜任力，得到学习者所达到目标胜任力所要学习的课程路径；低成本的深度神经网络模型将整个过程转化为由状态st、动作at以及奖励rt组成的马尔可夫决策过程，通过...
【技术特征摘要】
1.一种面向学习者胜任力模型的知识点智能导航方法，其特征在于，基于低成本的深度神经网络模型，从知识点层面，获取到一个学习者的初始胜任力信息和达到目标胜任力所要学习的目标知识点，为学习者推荐一个当前能学习的知识点，学习者进入所包含该知识点的课程进行学习，在学习前后进行测验，根据奖励函数计算出执行完当前动作所获得的奖励，并在学习结束后，根据获得的奖励为学习者推荐下一个知识点，不断重复；直至学习者学习到目标知识点，达到目标胜任力，得到学习者所达到目标胜任力所要学习的课程路径；低成本的深度神经网络模型将整个过程转化为由状态st、动作at以及奖励rt组成的马尔可夫决策过程，通过探索马尔可夫决策过程学习如何生成达到目标胜任力所学课程的课程路线，在学习过程中，当前状态作为智能体的输入，智能体输出一个动作，并得到在当前状态下做这个动作的奖励用于刺激智能体不断学习；其中，当前能学习的知识点从候选知识点集中获取，通过知识点导航方法获取候选知识点集。
2.根据权利要求1所述的面向学习者胜任力模型的知识点智能导航方法，其特征在于，训练低学习成本的深度神经网络模型的具体方法包括以下步骤：
3.根据权利要求2所述的面向学习者胜任力模型的知识点智能导航方法，其特征在于，从候选知识点集中选择一个知识点作为当前动作时，采用epsilon-greedy算法进行探索。
4.根据权利要求2所述的面向学习者胜任力模型的知识点智能导航方法，其特征在于，通过知识点导...
【专利技术属性】
技术研发人员：任美睿，姜灿，郭龙江，张立臣，李鹏，李津，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：
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。