[发明专利]基于知识网络精准在线教育系统的多维度信息学情分析方法

权利要求书

1.基于知识网络精准在线教育系统的多维度信息学情分析方法，其特征在于，包括以下步骤：

构建知识网络精准在线教育系统；

基于知识网络精准在线教育系统，依据服务对象的学习痕迹记录多维度学情信息；

基于服务对象已有的学习痕迹及其多维度学情信息，利用知识网络学情综合评估法，形成服务对象多维度综合学习评价；

根据教学大纲要求和服务对象多维度综合学习评价，推荐个性化教学方案；

根据推荐的个性化教学方案，记录服务对象学习生成的新的学习痕迹及评测结果，通过多维度综合学习评价指标，评估服务对象个性化学习效果；

依据服务对象的全学习痕迹和多维度综合学习评价指标，判定服务对象所属类别，提出强化学习计划，拓展个性化教学方案，优化个性化学习提升方案；

根据服务对象产生的学习痕迹及多维度学情信息，采用神经网络模型，迭代优化个性化教学方案推荐模型；

学习痕迹中记录服务对象使用知识网络精准在线教育系统进行学习时产生的各种数据，包括学习时间、学习时长、在某个时间学习的知识元覆盖的广度与深度、学习资源选择偏好、学习行为、学习速度和进度、测评安排、测评方法和测评结果信息；

多维度综合学习评价通过评价指标来评估，评价指标包括：大纲完成情况、智力竞争力、坚持力、集中力、自我拓展能力和实践能力；

多维度综合学习评价方法为：

①坚持力由投入学习时间、结束学习时间、投入学习的频率及每次投入学习时长来衡量；坚持力计算方法为根据学习痕迹中记录的投入学习时间、结束学习时间、学习频率、投入学习时长，计算与当前投入学习时间、结束学习时间、学习频率、投入学习时长的方差，得到方差向量D＝(d₁，d₂，d₃，d₄)，根据四个要素的权重向量W＝(w₁，w₂，w₃，w₄)，得到最终的坚持力为：

②智力竞争力由年龄、学习速度、测评效果、学习覆盖知识元的广度和深度来衡量；U＝(u₁，u₂，u₃，u₄，u₅)分别表示年龄、学习速度、测评效果、学习覆盖知识点的广度、学习覆盖知识点的深度；评价等级V＝(v₁，v₂，v₃，v₄，v₅)分别为很差、较差、合格、良好和优秀；当服务对象完成知识元的学习后，知识网络精准在线教育系统结合U和V，给出评分矩阵R；通过权值向量A，得到模糊后的向量B＝A*R，引入得分向量S，则智力竞争力I：

I＝B*S^T

其中，权值向量和得分向量通过知识网络专家给出，或者通过层次分析法给出；

③自我拓展能力由评测服务对象在其现有知识覆盖范围的综合能力和拓展解决直接后续相关知识元问题能力来衡量；

④实践能力P_ra通过评测服务对象在运用已获取的知识解决实际问题的能力来获取，取决于解决方案评分s、问题难度d和解决问题的时间t，单个拓展题或实践问题产生的拓展题能力或实践能力得分为：

其中：k₁、k₂为常数；

⑤集中力F_f由学习活跃时间比来衡量：

其中：t_t为分心时间，t为总学习时间；分心时间由服务对象全学习痕迹中记录的页面超出停顿限制时间、页面切出时间和页面额外滚动时间组成；

⑥大纲完成情况通过大纲要求完成比来衡量，指以一个知识元为单元，服务对象经过学习后大纲逐条完成度与该条大纲的重要程度乘积累加之后与大纲整体要求的完成度之比，则一个知识元的大纲完成情况的计算方式为：

其中：d_i为第i条大纲的重要程度，p_i为第i条大纲服务对象的完成度，A为大纲整体要求的完成度；

上述的单个自我拓展能力、单个实践能力、单个集中力和单个大纲完成情况，其总体拓展能力、实践能力、集中力、大纲完成情况采用迭代更新的方式获得：

其中，i＝{1，2，3，4}分别表示自我拓展能力、实践能力、集中力和大纲完成情况，p_i表示单个指标的数值，n_i表示单个指标的评测次数，迭代开始时T_i＝0；

总的多维度综合学习评价：

E_stu＝(I，P，C_d，F，E，P_ra)W^T

其中，I、P、C_d、F、E、P_ra分别为智力竞争力、坚持力、大纲完成情况、集中力、自我拓展能力和实践能力，W＝(w₁，w₂，w₃，w₄，w₅，w₆)为权重，权重W通过专家获取或通过层次分析法获取。