[发明专利]一种从大量细分教学内容在线生成细分场景教学课程的方法和系统

说明书

本发明公开了一种在线教学方法和系统，可以自动地从大量细分内容生成符合用户当前细分场景的、具有一定教学逻辑的课程。其中，所述教学方法提取教学内容的语义信息和内容间的语义关系，收集用户的当前场景信息，结合用户的历史场景信息对当前的场景进行补充和细化，将这些场景信息与教学内容的语义信息进行匹配，根据所匹配内容的语义特征、内容间的语义关系、以及用户的使用历史和习惯将教学内容自动组合成具有一定内在教学逻辑的课程。

技术领域

在线教育的方法和系统

背景技术

基于场景的教学是一种非常有效的教学方法，例如，在儿童英语的教学中，当儿童穿衣服时进行关于穿衣服的英语教学，或者当儿童吃饭时进行关于吃饭的英语教学，可以有效地加深学生对这些英语内容的理解，并且学生可以在当下立刻使用到这些英语进行练习。但是，现有方法在实际使用时均有诸多问题。现有方法分为两类，一是基于搜索的方法，利用各种搜索引擎可以将用户输入与被搜索内容做细分匹配，但这是一种文字匹配，并不利用被搜索内容与教学相关的语义信息，因此搜索结果只能以独立文档的方式呈现，搜索结果之间不具有教学逻辑，而且并不利用用户的场景逻辑。例如，用户在早上搜索教小孩“穿衣服”的英语，穿衣服本身是一个有时间顺序的事件，比如先穿内衣再穿外衣再穿鞋，然后叠被子刷牙，如果将这些内容以完整的具有顺序和教学逻辑的方式呈现，用户就可以立刻跟着这个课程学习和练习。但是搜索只会匹配关于“穿衣服”或“衣服”的文字，且所匹配文章中有的是句子教学，有的是词汇教学，有的是故事，用户需要在搜索结果中一个一个翻看，挑选其中自己需要的内容，非常没有效率。

现有的另一类方法是人工预先设定与场景相关的课程，利用规则进行系统输入和预设场景的匹配，这种方法的一个缺点是预设的场景内容并不一定符合用户的细分场景，比如穿衣服场景的内容虽然可以有前后顺序，但课程例句是穿毛衣，而用户当时的衣服是T恤，则教学与实际场景不符，但对所有细分场景进行预先设定需要太多人力。另外，用户的输入有限，通过规则直接匹配输入和预设场景不能利用输入的全部语义信息，因此可能匹配不到对用户有用的教学场景，比如，用户输入“空调”，教学内容中并没有此场景，但此输入表明用户大概率处于热的状态，关于夏天或热的教学内容均是用户当前可以学习的内容，更进一步，如果用户的地理位置和当前季节表明用户处于冷的地区，则关于热的内容不符合当前场景，而关于“暖风”或“暖气”的内容符合当前场景。使用规则和预定义场景定义这些复杂语义关系也需要太多人力。

同时，以上现有方法不能使用用户的历史输入逐步细化场景信息，比如用户最近输入过“开空调”，而当前输入为“穿衣服”，则在未有用户地理信息的情况下，该用户大概率处于夏天，给出的教学内容不应包含冬天的衣服。

例如CN104021326A提出了一种基于预设场景的英语教学方法和教具，该方法接受控制器的控制信息，当该信息为输出场景时，通过直接匹配判断是否存在对应的预设场景，处理不了细分场景，也无法从细分知识点生成课程。

又例如CN107391883A提出了一种采用SWRL语言将学习情景规则和知识关联关系转化为SWRL规则，应用SWRL规则设计学习知识路径和生成教学的方法。该方法可以利用本体规则将输入转化为语义信息，并同样使用本体规则得到教学内容，但本体规则需要人为定义，目前并没有可以大规模自动化建立准确的本体规则的方法，因此与匹配预设场景的方法类似，此方法更适用于匹配用户的粗分场景，只是将简单的文字匹配扩展到基于预设规则的匹配，且更适用于基于已有课程设计学习知识路径，不适用于将大量细分的知识点自动组合成课程。

又例如CN107038914A提出一种英语教学语言系统，在服务器中预置场景和已有教学课程的对应关系，根据用户对课程的选择生成假想场景的图像与用户的投影合成。该发明解决的是为用户制造模拟场景的问题，并不是根据用户实际场景生成课程的问题。

又例如CN106816054A提出了一种基于图象识别的教学方法，从图像中识别物体，并匹配与此物体相关的知识词条，这种方法与搜索类似，在搜索以前加入了图像识别物体一步，并不涉及语义分析过程和基于场景的教学内容生成过程。