动态推荐学习内容制造技术

提供一种用于学习管理平台的方法和装置。基于学生简档信息以及确定相似性存在于学生之间，学习体验引擎向学生提供个性化学习推荐。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及学习管理系统。具体而言，本专利技术涉及用于个性化学习的平台。
技术介绍
智能学习系统是尝试辅助学生实现具体学习目标的系统。迄今为止，这些系统已经主要使用了计算机化教学方式，该方式反映在实体教室中采用的方式。无论学习风格、智力或者认知特性如何，都向每个学生呈现相同讲课、内容和评估。智能学习系统的发展已经限于诸如“自适应学习”之类的方式。这些方式通常应用于基于逻辑的学科(诸如，数学)，其中向每个内容提供的内容基于向系统中硬编码的预定课程特有决策树。如果第一学生和第二学生各自由于错过相同问题而在相同评估中失败，则将向两个学生呈现如由决策树决定的相同补习材料(remedial material)。 在线课程是如下“容器”的示例，这些容器可以运用自适应学习技术以实现具体目标。对于任何给定容器，由容器使用的自适应学习技术主要是自给的。也就是说，针对与容器相关联的独特不变目标制定由容器运用的自适应学习技术。例如，自适应学习工具可以被设计成向学生传授关于微积分原理的课程。工具的设计者将假设学生拥有为了开始课程而需要的数学基础知识，但是工具可以提供某一数量的“回顾”信息作为校准手段。此外，工具将不会考虑学生可以参加的任何其它课程的目标。相反，工具将被设计成帮助学生实现特定的微积分熟练水平。一旦学生获得该效率水平，工具就变成无用。尽管可以保存数据(诸如，评估分数)，但是除非学生决策重新参加课程或者课程的部分，否则自适应学习工具的核心逻辑就不向学生提供附加益处。通过提供用于学生的动态体验来实现“自适应学习”工具中的自适应的错觉。这一体验基于在学生的评估分数与工具中包括的预编程层级之间的关系。然而，现有工具未实际“适应”学生。相反，通过以特定方式执行，学生仅沿着预先存在的路径遍历通过工具的层级。在本部分中描述的方式是如下方式，这些方式可以被探求、但是未必是先前已经设想或者探求的方式。因此，除非另有指示，不应假设在本部分中描述的方式中的任何方式仅由于在本部分中包含它们而被作为现有技术。附图说明在附图的各图中通过示例而非限制的方式来图示本专利技术，并且在附图中相似标号指代相似要素，并且在附图中图I是图示了可以在其上实施实施例的学习管理平台的框图。图2是图示了可以在实施例中使用的技能层级结构的框图。图3是图示了实施例中的学习对象的框图。图4图示了实施例中的内容反馈接口。图5图示了可以在其上实施实施例的计算机系统。具体实施例方式在以下描述中，出于说明的目的而阐述诸多具体细节以便提供对本专利技术的透彻理解。然而，应当理解没有这些具体细节仍可实践本专利技术。在其它实例中，以框图形式示出了公知结构和设备以免不必要地使本专利技术难以理解。总体概述学生参加如下课程是常见的，这些课程提供学生已经知道的过多信息。另一方面，学生完成序列中的课程而仅让序列中的下一课程留在后面也是常见的，因 为下一课程承担更早课程中未充分覆盖的知识。也可以要求学生参加某些课程以完成学位课程，即使在那些课程中学习的技能中的仅少部分与学生的学位课程有关。一种用于保证学生从他们的教育体验之中获得最多的方式是使教育体验个人化。通过使用一种运用下文描述的技术的学习管理平台，学生可以接收个人化学习推荐，这些推荐标识与每个个别学生有关的具体内容或者学习对象。在一个实施例中，每个学习对象与个别技能和关联于该技能的内容相关联，并且单个课程(即，数学101)包括多个学习对象。在如下层级中组织学习目标，该层级基于与学习对象相关联的技能。可以使学习对象相互竞争层级中的位置，从而使得可以更经常推荐“最佳”学习对象。在一个实施例中，学习管理平台生成用于学生的学习推荐。学习管理平台实施多个学习模型和教学策略以用与学生的认知特性和与学习相关的其它属性一致的方式贯穿该学生的整个学术历程指导该学生。平台将学生的历程视为终身连续并且提供一组强大能力以供应为了随时间(甚至随着学生的动机和目标改变)支持学生所必需的信息。学习管理平台针对大纲教程并且最终针对每个学生的终生学习目标为每个学生提供“恰当成果”。在一个实施例中，如果学生已经拥有特定技能，则该学生可以继续学习层级中的更高级技能。如果学生尝试完成学习对象而未成功，则为该学生提供的推荐包括用于帮助让学生准备另一次尝试第一学习对象的补习学习对象。在不同学生以这一方式尝试补习时，学习管理平台学习哪些对象是针对其它对象的良好补习对象。在一个实施例中，学生通过如下“学习空间”平台来与学习管理平台交互，该“学习空间”平台可以是基于web的应用或者在与学生相关联的一个或者多个设备或者计算机上执行的应用。学习空间平台限定学生的体验并且向学习管理平台提供反馈。学习空间平台向学习体验引擎做出请求。该请求包括学生简档信息。基于与学生简档信息相关联的信息，学习体验引擎提供个性化学习推荐。例如，英文专业者可以接收对从与技能“恰当使用前置词”相关联的特定学习对象中学习(使用与该对象相关联的特定内容，诸如，与技能相关联的视频或者音频讲课)的推荐。在一个实施例中，相互比较用户简档以标识彼此相似的学生。这些相似性可以帮助学习管理平台决策针对学生的最佳推荐。例如，如果一个学生与使用特定学习对象来成功学习特定技能的另一学生相似，则可以推荐该特定学习对象。此外，用户简档可以用来确定哪些用户应当在在线协作学习期(learning session)中相互交互。推荐也可以基于学生的学习背景。在一个实施例中，与学生相关联的环境和/或情绪境况可以变更学习推荐。例如，要求学生绘制图片的学习对象可能不适合于在乘坐火车之时使用具有小屏幕的移动设备的学生。在另一实施例中，个性化学习推荐至少部分基于学习技能层级。在一个实施例中，学习技能层级是具有与技能关联的学习对象、评估和内容作为节点的层级多维有向图。个性化学习推荐如这里所用，术语“学习推荐”指代向学生或者与学生相关联的设备提供的如下信息，该信息提供教育指引。例如，学习推荐可以建议完成课程“数学101”的用户开始课程“数学102”。然而，学习推荐无需限于课程推荐。相反，可以以增进学生的教育为目标向学生推荐技能、内容、工具和活动。个性化学习推荐是基于学生的个人属性的学习推荐。例如，个性化学习推荐可以考虑学生将他自己分类为的学习者类型。如果学生将他自己标识为“视觉”学习者，则学生可以接收对观看教育视频的推荐。然而，如果相同学生在用视频内容学习之后在评估上表现欠佳、但是在阅读材料之后在评估上表现良好，则学习平台可以确定学生认为他是视觉学习者可能是不准确的。在这一情况下，未来的个性化学习推荐可以不包括视频内容。个性化学习推荐可以基于与学生有关的许多类型的信息(诸如，以往表现、兴趣、 专业和各种人口信息)。可以比较这些属性与已经具有相似教育需要的其他学生的属性，并且个性化学习推荐可以基于相似学生的成功。例如，可以要求第一学生学习积分作为微积分课程的部分。已经成功学习积分的具有与第一学生相似属性的不同学生可以提供对那些内容、工具和活动将帮助第一学生成功学习积分的认识。结构概述图I是图示了根据本专利技术的实施例的学习管理平台100的框图。学习管理平台100总体上代表一个或者多个计算机程序和相关联的资源的集合，该计算机程序和资源被配置成管理关于学生的信息和教育数据、向学生本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：S·梅农，C·尼达姆，W·惠勒，J·玛萨库玛拉萨美，P·萨哈，N·卡茨，A·霍恩亚，M·凯尔西，J·卡尔玛戈，M·厄朋德兰，
申请(专利权)人：阿波洛集团公司，
类型：
国别省市：