[发明专利]基于知识点相似度的自适应教学方案调整方法

说明书

本发明公开了一种基于知识点相似度的自适应教学方案调整方法，其包括如下步骤：S1：调取各个知识点的历史检测数据；S2：根据历史检测数据、取得各个知识点的学习能力值向量；S3：将各个知识点两两组合构成知识点组合列表、并在该知识点组合列表中分别输入各知识点对应的学习能力值向量；S4：计算出知识点组合列表中每组知识点对的余弦相似度；S5：对知识点组合列表进行数据筛选、找出以目标知识点及对象学生已学习过的知识点构成的知识点对；S6：计算出筛选出的各组知识点对的平均能力值相似度；S7：基于平均能力值相似度、相应调整教学方案。本发明能够根据往届学生的检测数据记录、挖掘各个知识点之间的相似度、并据此预测学生对新知识点的学习表现、从而调整其教学方案。

技术领域

本发明属于数据处理技术领域，具体来说涉及一种基于知识点相似度的自适应教学方案调整方法。

背景技术

随着网络技术的高速发展，近年来在线教学系统在网络上大量普及。目前来说，很多传统的在线教学系统都会根据各个知识点在逻辑上的关联性，在系统中制备知识点图谱。同时，还会沿着知识点图谱、根据各个学生就在先知识点上的学习情况，相应的调整其在后知识点的教学方案，以保证教学方案与学生在前阶段所表现出来的学习能力进行匹配。以保证对不同学生的教学质量，提升学生的学习信心。但是，在今年3月的2019LAK(International Learning AnalyticsKnowledge Conference，国际学习分析与知识会议)会议上，Jinseok Lee和Dit-Yan Yeung提出了以知识追踪为主题的学术论文，该论文该论文指出：在机构的实践中老师们发现：依据学生在知识点图谱上在先知识点的表现来预测在后知识点的学习接受能力往往并不准确。因此该论文引入了Knowledge QueryNetwork的模型。该模型通过量化学生的知识状态(Knowldege State)和知识点两个维度，进一步引入了知识点相似度的概念。论文指出：大数据的取样调查结果显示：当两个知识点的相似度较高时，学生在这两个知识点中的学习表现会比较一致。因此，如何基于这种理论、开发出一种通过获取不同知识点之间相似度、并基于该相似度对不同学生就即将展开学习的知识点的学习表现进行预测，从而有针对性的调整对不同学生的教学方案，以提升所有学生的学习动力和积极性，是本领域技术人员需要研究的方向。

发明内容

本发明的目的是提供一种基于知识点相似度的自适应教学方案调整方法，能够根据往届学生的检测数据记录、挖掘各个知识点之间的相似度、并据此预测学生对新知识点的学习表现、从而调整其教学方案。

其采用的技术方案如下：

一种基于知识点相似度的自适应教学方案调整方法，其包括如下步骤：S1：调取各个往届学生对各个知识点的历史检测数据；S2：将S1所得历史检测数据代入预存的运算模型中、取得各个往届学生在各个知识点的学习能力值向量；S3：将各个知识点两两组合构成知识点对、以各组知识点对构成知识点组合列表、并在该知识点组合列表中分别输入各个往届学生对各知识点对应的学习能力值向量；S4：基于S3所得学习能力值向量、计算出知识点组合列表中每组知识点对中两个知识点之间的余弦相似度、以该余弦相似度作为两个知识点之间的能力值相似度；S5：对知识点组合列表进行数据筛选、找出以目标知识点及目标对象已学习知识点构成的知识点对；S6：计算出S5筛选出的各组知识点对的平均能力值相似度；S7：筛选出平均能力值相似度较高的前N组知识点、取得目标对象对该N组知识点中的已学习知识点的历史检测数据；S8：基于S7所得历史检测数据、相应调整教学方案。

优选的是，上述基于知识点相似度的自适应教学方案调整方法中：步骤S2中所述运算模型采用IRT单参数模型。

更优选的是，上述基于知识点相似度的自适应教学方案调整方法中：步骤S4中基于Python sklearn计算所述余弦相似度。

更优选的是，上述基于知识点相似度的自适应教学方案调整方法中：步骤S5中基于Python pandas对知识点组合列表进行数据筛选。