[发明专利]课外教学资源推荐更新与学生学习进展图示化表示方法在审
| 申请号: | 202010207228.3 | 申请日: | 2020-03-23 |
| 公开(公告)号: | CN111429317A | 公开(公告)日: | 2020-07-17 |
| 发明(设计)人: | 何振宇;张筱辰;郭韧强;陈安强 | 申请(专利权)人: | 何振宇 |
| 主分类号: | G06Q50/20 | 分类号: | G06Q50/20;G06K9/62;G06F16/26;G06F16/2457;G09B7/00 |
| 代理公司: | 北京鸿元知识产权代理有限公司 11327 | 代理人: | 邸更岩 |
| 地址: | 210000 江苏省南京市建邺*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 课外 教学 资源 推荐 更新 学生 学习 进展 图示 表示 方法 | ||
1.一种课外教学资源推荐更新与学生学习进展图示化表示方法,该方法包括如下步骤:
第一步,针对某培训学生,安排该名学生上m门学科,每门学科均参加Q次听课;记录培训学生在第i门学科第q次听课的课堂表现,通过图像识别技术全程追踪学生眼球的活动,识别学生的注意力集中时间ti,q,1,通过语音识别技术记录学生答题次数ci,q,1、教师提问次数ci,q,2、回答问题反应时间ti,q,2、回答问题停顿时间ti,q,3、回答问题总时间ti,q,4和课堂总时间ti,q,5;其中i=1,2,…,m;q=1,2,…,Q;
建立该名学生在第i门学科第q次听课的学习能力特征矩阵:
Ti,q,1=[ai,q,1,ai,q,2,ai,q,3,ai,q,4],式中,ai,q,1为第i门学科第q次听课的注意力集中特征,ai,q,2为第i门学科第q次听课的答题互动特征,ai,q,3为第i门学科第q次听课的思维敏捷特征,ai,q,4为第i门学科第q次听课的答题流畅特征,
第二步,针对该名学生上的m门学科,每门学科均参加P次测验;记录培训学生第i门学科第p次测验表现,填空题类型对应数值1、选择题类型对应数值2、简答计算题型对应数值3,其中p=1,2,…,P;并进行如下统计和计算:
i)统计该名学生对第i门学科第p次测验第j个知识点的作答错误题目中,分别统计出现次数最多的题目类型数值ki,p,j,1、出现次数最多的题目难度等级ki,p,j,2、第i门学科第j个知识点的跨知识点错题数ki,p,j,3以及第i门学科第j个知识点的跨知识点题目数ki,p,j,4;其中j=1,2,…,n;n表示每门学科测试的知识点总数;
所述的题目难度等级中简单题目的难度等级对应数值0.3,一般题目的难度等级对应数值0.6,困难题目的难度等级对应数值0.9;
ii)计算该名学生对第i门学科第p次测验第j个知识点的不擅长题型特征不擅长题目难度等级特征和不擅长题目跨知识点等级特征其中,ε为难度等级修正系数,默认ε=1;
iii)建立该名学生第i门学科第p次测验的知识点掌握情况特征矩阵Ti,p,2=[bi,p,j,1,bi,p,j,2,bi,p,j,3];
第三步,建立学习能力特征数据库,将教育机构培养过的所有学生的学习能力特征矩阵与其对应的培训教师编号存到学习能力特征数据库中;
在学习能力特征数据库中,检索第w位教师所有培养学生中成绩排名前50%的学生的学习能力特征矩阵构成样本库,用聚类算法搜索该样本库的核心学习能力特征矩阵T3,w=[aw,core,1,aw,core,2,aw,core,3,aw,core,4],作为第w位教师培养能力矩阵;其中,aw,core,1为第w位教师培养学生的核心注意力集中特征,aw,core,2为第w位教师培养学生的核心答题互动特征,aw,core,3为第w位教师培养学生的核心思维敏捷特征,aw,core,4为第w位教师培养学生的核心答题流畅特征;
计算该名学生在第i门学科第Q次听课的学习能力特征矩阵与第w位教师培养能力矩阵间的相似度:
式中,q=Q;w=1,2,…,g;g表示培训教师总人数;则在g位培训教师中,令相似度disw取得最小值的培训教师即为当前最佳推荐培训教师,更新培训教师;
第四步,建立培训课程数据库,将教育机构所有学科的所有知识点的所有培训课程存到培训课程数据库中;
在培训课程数据库中,对应第i门学科第j个知识点存有U套培训课程,第v套培训课程的适应特征矩阵为Ti,j,v=[bi,j,v,1,bi,j,v,2,bi,j,v,3];其中,v=1,2,…,U;bi,j,v,1为第v套培训课程的题型特征,bi,j,v,2为第v套培训课程的题目难度等级特征,bi,j,v,3为第v套培训课程的题目跨知识点等级特征;
i)针对第i门学科第j个知识点,依次计算该名学生第i门学科第P次测验的知识点掌握情况特征矩阵与第v套培训课程的适应特征矩阵间的相似度其中,p=P;则在第i门学科第j个知识点的U套培训课程中,令相似度disv取得最小值的培训课程即为第i门学科第j个知识点的最佳推送培训课程;
ii)重复步骤i),直至完成m门学科,每门学科各n个知识点培训课程的更新;
第五步,基于该名学生在m门学科,每门学科听课Q次的学习能力特征矩阵Ti,q,1=[ai,q,1,ai,q,2,ai,q,3,ai,q,4],按照以下步骤进行学习能力图示化表示:
i)当q=1时,表示该名学生在第i门学科第1次听课的学习能力特征矩阵Ti,1,1=[ai,1,1,ai,1,2,ai,1,3,ai,1,4];绘制一个正四边形,连接正四边形的中心与四个顶点,正四边形的中心表示特征下限值0,四个顶点依次表示特征ai,1,1,ai,1,2,ai,1,3,ai,1,4的上限值1;将学习能力特征矩阵Ti,1,1的四个特征依次标注在正四边形中心与四个顶点的连线上,四个标注点与正四边形中心的距离依次等于四个特征值,将四个标注点依次连接起来构成封闭的四边形,该四边形的面积即可用来表示该名学生在第i门学科第1次课堂上的学习能力;
ii)依次令q=2,3,…,Q,不断重复上述步骤i),即可获得沿一条时间轴的Q个四边形,这Q个四边形可用来表示该名学生在第i门学科的Q次听课的学习能力图示化表示;
第六步,基于该名学生在m门学科,每门学科测验P次的知识点掌握情况特征矩阵Ti,p,2=[bi,p,j,1,bi,p,j,2,bi,p,j,3],按照以下步骤进行知识点掌握情况图示化表示:
i)当p=1时,表示该名学生在第i门学科第1次测验的知识点掌握情况特征矩阵Ti,1,2=[bi,1,j,1,bi,1,j,2,bi,1,j,3];绘制一个正三边形,连接正三边形的中心与三个顶点,正三边形的中心表示特征下限值0,三个顶点依次表示特征bi,1,j,1,bi,1,j,2,bi,1,j,3的上限值1;将知识点掌握情况特征矩阵Ti,1,2的三个特征依次标注在正三边形中心与三个顶点的连线上,三个标注点与正三边形中心的距离依次等于三个特征值,将三个标注点依次连接起来构成封闭的三边形,该三边形的面积即可用来表示该名学生在第i门学科第1次测验的知识点掌握情况;
ii)依次令p=2,3,…,P,不断重复上述步骤i),即可获得沿一条时间轴的P个三边形,这P个三边形可用来表示该名学生在第i门学科第j个知识点的P次测验的知识点掌握情况图示化表示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于何振宇,未经何振宇许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010207228.3/1.html,转载请声明来源钻瓜专利网。





