[发明专利]一种利用机器学习模型实时预估学生成绩的方法及系统

说明书

本发明公开了一种利用机器学习模型实时预估学生成绩的方法及系统，该方法包括：获取学生的历史学习数据及考试成绩；将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果；本发明可以及时有效的将学生学习情况和分数反馈给老师或家长，节省线下考试、批卷等方式预估学生成绩的人工成本，提高成绩预估效率，促进学生学习兴趣及自信心。

技术领域

本发明涉及互联网教育技术领域，尤指一种利用机器学习模型实时预估学生成绩的方法及系统。

背景技术

目前，要想检测学生的成绩一般只能通过线下考试、老师改卷的方式进行。这种传统的方式有众多弊端：例如，需要学生花时间准备考试，而且考试本身也需要2天左右的时间，耽误本来该学习其他知识的时间。需要老师来进行监考和批改试卷，占用老师很大一部分精力，减少老师的授课和讲解的时间。某一次的成绩有可能因为学生自己状态问题或者某些知识点没有在试卷上面体现等问题，导致考出来的成绩波动很大，成绩不够准确和置信。

由于考试需要出题、统一安排考试、老师统一批改试卷等周期很长，因此考试频率比较低，一般频率最快是月考，这样就会导致学生学习的问题有可能需要一个月以后的月考才能发现，因此必然导致老师无法更早的发现学生的问题并加以干预。

与此同时，有一些线上对学生预测分值的方法，基本都是基于学生做对一个题目或者学会一个知识点就加一定分数。这类方法加的分数，往往不够置信，无法客观衡量每个题目或者每个知识点对学生总分的影响价值，甚至可能出现学生的分数超过试卷总分的低级错误。

综上来看，亟需一种可以根据学生学习情况准确预估学生分数的技术方案。

发明内容

为克服现有技术存在的不足，本发明提出了一种利用机器学习模型实时预估学生成绩的方法及系统；该方法和系统可以针对每个学生在考试前的知识点学习情况，历史上做过的题目的特征，当前考卷主要考察的知识点及当前题目的分布等特征，将该学生当前的考试成绩作为目标，训练神经网络模型，并对待预估成绩的学生提取同样的特征，利用已训练的模型进行成绩预估计算，通过预估的成绩直观的体现学生学习的效果，简化线下考试、批卷等犯错的流程，促进学生的学习兴趣，提高学生的学习效率。

在本发明实施例的第一方面，提出了一种利用机器学习模型实时预估学生成绩的方法，该方法包括：

获取学生的历史学习数据及考试成绩；

将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；

当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。

进一步的，该方法还包括：

当获取到新的考试成绩时，根据学生的历史学系数据及新的考试成绩，对机器学习模型进行迭代训练。

进一步的，获取的学生的历史学习数据至少包括：课后练习题的正确率、对知识点的复习程度及学生上课认真程度；

获取的学生的考试成绩至少包括：学生对每个科目的每次月考、期中考试及期末考试的考试成绩。

进一步的，该方法还包括：

将所述考试成绩进行归一化处理，将考试成绩对应的分数按照预设分数段进行划分；

将划分结果进行累加处理，根据累加处理结果将考试成绩分布在0~1范围内，得到成绩分布关系。