[发明专利]一种带有数据增强的线上教学推荐系统

说明书

本发明公开了一种带有数据增强的线上教学推荐系统，属于信息技术领域。本发明包括数据收集模块，数据集增强模块，课后习题推荐模块和课程内容推荐模块，该数据收集模块用于接收学生基础信息并构建真实数据集；数据增强模块根据数据收集模块构建的真实数据集，生成大容量的虚拟数据集；课后习题推荐模块和课程内容推荐模块分别基于虚拟数据集训练各自的推荐模型，根据具体的学习情况，在学生每完成一个单位的学习内容后，课后习题推荐模块生成推荐课后习题并向学生推送；课程内容推荐模块在学生每完成指定的多个单位的学习内容后，生成推荐课程学习内容并向学生推送。本发明用于在线教学，解决了现有教育推荐技术中的训练数据缺乏的问题。

技术领域

本发明属于信息技术领域，尤其涉及一种带有数据增强的线上教学推荐技术。

背景技术

线上教学网站的数量与日俱增，通常形式为观看成套的学习视频，再通过课后习题或测验进行学习成果的检验。如今对于教学质量的需求越来越大，个性化教学成为了一个重要需求。个性化教学通常是指通过收集学生的学习过程数据，综合该学生学业能力和学习特点，为其量身定制教育目标、教育计划、辅导方案等内容的一种教育模式。而线上学习与线下相比的一大缺点就是没有真实的教师，因此便产生了一些智能教学辅助系统，通过采集学生数据进行模型构建，然后系统据此对学生进行学习相关内容的个性化推荐。支持向量机、神经网络、逐步回归等模型都取得了一定的应用效果，主要表现在成绩预测、辍学预测等方面。

但这些模型也面对一个共有的限制便是数据集的限制。机器学习训练出的模型的实用效果严重依赖于训练所使用的数据集的容量和质量。若数据集的质量不高，则无法训练出一个稳定的模型，若数据集的容量太小，则训练出的模型泛化能力不足。因此要实现精准的个性化推荐，除了找到更优秀的模型外，获取更好的数据集是十分必要的。

而教育领域中的数据收集则一直是一个难点所在，早期的教育研究的数据主要来源于调研，比如调查问卷，但是问卷调查缺乏弹性和容易误解，大部分的问卷调查都是由问卷设计者预先设计好了回答范围，使得被调查者作答比较受限可能会遗漏一些更多细致、深层的信息，或者是科研团队通过长期实验观察获得，不仅费时费力，还对教学形成了一定的影响。随着教育信息化的飞速发展，各种在线教育平台与日俱增，给数据收集提供了方便的渠道。但是这也面临着用户的隐私问题，很多用户并不希望自己的行为数据被采集保存。同时网站采集的大部分数据是非结构化，想要把非结构化数据转化为可用的数据需要将这些数据进行二次加工，比如学生的答题数据和相关试题需要人工进行知识点标注，费时费力。

教育行业的实验数据的难获取，这大大限制了教育行业的研究发展。从仿真数据的角度分析，采集一个稍小的数据集，构建一个合理的学生行为模拟器生成贴合实际的学生行为数据，用以增强原有数据集，这大大增加了基于数据驱动的教育研究和教学创新的可行性。

数据生成指基于现有的模型或数据类生成一些虚拟的数据，生成的数据应该尽量符合原有模型或数据类的特征，达到以假乱真的效果，但区别于复制数据，生成的数据需要在满足数据类特征的同时尽量与原有数据类中的数据有足够的差异化。基于人工智能的数据生成主要应用于图片生成。主要方法都基于生成对抗网络(Generative AdversarialNetwork，GAN)，不断改进衍生出WGAN(Wasserstein GAN)，CTGAN(Consistency Term GAN)等。