[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

说明书

本发明提供基于学生学习数据的知识点掌握情况的预测分析算法，涉及数据预测技术领域。该基于学生学习数据的知识点掌握情况的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。本发明，模拟题库可以得到有效的控制，同时通过对学生模拟的情况进行综合性自动分析，可以快速有效的得到学生知识掌握度，根据学生知识掌握度对学生掌握情况进行预测，保证了预测的有效性以及准确度，避免了重复数据对预测结果带来的干扰，大大提高了学生的学习效率和学习效果。

技术领域

本发明涉及数据预测技术领域，具体为基于学生学习数据的知识点掌握情况的预测分析算法。

背景技术

目前，在传统教学中，老师对学生学习效果的检查一般在作业和考试中，在作业和考试中，老师可以根据学生的答题情况大概对学生的知识掌握程度有一个大致的了解，但难以对知识的掌握情况进行全量的统计，并且，通常老师会通过统一的作业和考试来检测不同学生的学习效果，也无法为学生提供个性化的检测和评价。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于学生学习数据的知识点掌握情况的预测分析算法，解决了现有技术中存在的缺陷与不足。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：基于学生学习数据的知识点掌握情况的预测分析算法，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。

优选的，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。

优选的，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；