[发明专利]基于学生学习数据的知识点掌握情况的预测分析算法

权利要求书

1.基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述预测分析算法包括以下具体步骤：

S1、基于屏蔽无关内容的搜索方法，基于Caera算法收集关于学生的学习数据；

S2、建立学生学习数据库，根据特征对数据分类保存，对分类特征进行检测更新；

S3、基于数据库生成学生模拟题库，对模拟题库进行测试；

S4、利用模拟题库对学生进行模拟测试，重复测试多次；

S5、获取学生测试数据，对学生学习的情况进行预测分析。

2.根据权利要求1所述的基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述步骤1中基于屏蔽无关内容的搜索方法，基于Caera算法收集关于学生的学习数据，具体内容给如下：

1)首先，确定学生学习的每一个知识点，统计所有知识点并将其转化为关键字、词或词组，提取每一个关键字、词或词组的属性值，设定该属性值为关联性评判值Q；

2)利用关键字、词或词组在搜索引擎中进行知识点搜索，基于Caera算法收集关于学生的每一个知识点的所有学习数据；

3)提取每一个知识点中每一个学习数据的相关值，设定该相关值为Qi，同时设定收集的知识点数据关联性为G，则关联性其中G的数值越接近与1，说明知识点数据关联性越强，设定关联性必须为0.95＜G≤1。

3.根据权利要求1所述的基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述步骤2中建立学生学习数据库，根据特征对数据分类保存，对分类特征进行检测更新，具体内容给如下：

1)根据统计的知识点种类对其进行分类，建立知识点数据保存数据库，在数据库中划分若干个存储区域，其数据与知识点数据的种类相关；

2)将所有收集的数据按照知识点特征的不同进行分类，对每一个知识点特征进行标记为T，然后依次设定为T₁、T₂、T₃...T_n，再将每一类知识点放入对应的存储区域中，并将该存储区域备注相关知识点信息；

3)当所有的数据知识点全部分类保存之后，对每一个区域中的每一个知识点特征性进行验证，判断该特征性符合设定的T₁、T₂、T₃...或T_n，对存储区域中知识点数据进行替换以及更新。

4.根据权利要求1所述的基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述步骤3中基于数据库生成学生模拟题库，对模拟题库进行测试，具体内容给如下：

1)生成学生模拟题库，模拟题库中的题目从学生学习数据库中抽取，模拟题库中题目数量可以自行设定，可以设定数量为10、20、30、40等，将模拟题目数量记为W，但是设定数量W不能超过学习数据库中知识点种类总数量，记知识点种类总数量为Z；

2)随机生成模拟题库中的题目，对模拟题库进行重复率测试以及涵盖率测试；

i)重复率测试：设定重复率为P₁，统计模拟题目中重复题目数量个数，将其标记为C，从而可以得到

ii)涵盖率测试:设定涵盖率为P₂，统计模拟题目中出现的知识点种类个数，将其标记为V,从而可以得到

3)对知识点的重复率以及涵盖率进行调节，控制重复率P₁趋向于0，控制出现的知识点种类个数V趋向于模拟题目数量W，并设定重复率P₁与涵盖率P₂的临界值。

5.根据权利要求1所述的基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述步骤4中利用模拟题库对学生进行模拟测试，重复测试多次，具体内容给如下：

1)利用模拟题库生成模拟题目对学生进行模拟测试，模拟测试次数为多次，模拟测试总知识点数量至少为数据库中知识点数量的50％；

2)对学生模拟的题目进行统计，自动统计知识点的数量、答题的总体错误率以及同一知识点的错误率，然后自动生成统计报表。

6.根据权利要求1所述的基于学生学习数据的知识点掌握情况的预测分析算法，其特征在于：所述步骤5中获取学生测试数据，对学生学习的情况进行预测分析，具体内容给如下：

1)获取学生对知识点的测试数据，统计同一个知识点出现的数量，标记为M₁，然后再统计每一个知识点的错误数量，标记为M₂；

2)设定学生知识掌握度为L，则掌握度其中0≤L≤1，对掌握度L进行规定，当0.9≤L≤1时，标记定学生知识掌握情况为优，当0.7≤L＜0.9时，标记定学生知识掌握情况为良，当0.5≤L＜0.7时，标记定学生知识掌握情况为一般，当0.3≤L＜0.5时，标记定学生知识掌握情况为差，当0≤L＜0.3时，标记定学生知识掌握情况为特差。