[发明专利]基于学生画像的个性化试题推荐方法

说明书

一种基于学生画像的个性化试题推荐方法，针对当前学生学习过程中容易迷失和学习状态难以准确评判的客观现状，通过集成现有系统和研发新系统，构建校园大数据平台，进而刻画学生精准画像。在此基础上，提出一种模糊认知诊断模型来合理判断学生的学习状态属性，并结合试题对学生学习状态的要求来预测学生的答题情况。基于预测信息，设计一种基于效用的试题推荐方法，向学生推荐其作答效用高的试题。相较于传统的DINA方法和DINO方法，本专利所提出的FDINA方法不仅在试题作答预测结果上达到了更低的均方根误差和平均绝对误差，而且在推荐结果上，取得了更高的精确度、召回率和F1值，此外，FDINA方法还能够有效提高学生作答试题的收益。

技术领域

本发明涉及一种试题推荐方法，尤其是一种基于学生画像的个性化试题推荐方法。

背景技术

随着大数据的发展，特别是人工智能和大数据在教育领域的应用，个性化教育受到越来越多的关注，但其发展过程中暴露了一些问题：首先，对学生的数据挖掘力度不够，主要依赖于学生的学习成绩，缺乏能反映其实践能力等数据，而这些数据能够更精准地刻画学生，在个性化教育过程中具有更重要的作用；其次，学生在创新创业教育活动中的学习情况难以判断；最后，对于学生学习过程缺乏个性化推荐，例如不能向学生推荐更合适的题目。

为学生提供个性化推荐方案首先要准确掌握其学习状态属性，建立精准的学生画像。认知诊断模型是连接学生的内在属性掌握模式和外在题目反应之间的桥梁。DINA模型和DINO模型均为一种已被广泛使用的认知诊断模型，但二者均为典型的离散型认知诊断模型，不能精准诊断学生的学习状态。

当前推荐技术虽研究广泛，但整体上相对缺乏从效用角度来评价推荐对象，从而导致用户需要进一步挑选推荐结果。因此，向学生推荐答题收益高的试题，如何提高学生的学习效用这一问题引发了人们的关注。

发明内容

为了解决上述存在的问题，我们提供一种基于学生画像的个性化试题推荐方法。首先通过集成现有系统和研发新系统，构建了基于IPv6的校园大数据平台，进一步分析平台采集的学生理论学习和实践学习等数据，精准刻画学生画像；然后，提出了一种模糊认知诊断模型以合理诊断学生的学习状态属性；最后设计了一种基于效用理论的试题推荐方法，根据学生的学习状态和试题属性，向学生推荐答题收益高的试题，以提高其学习效用。

为了实现上述目的，本发明创造采用了如下技术方案：

一种基于学生画像的个性化试题推荐方法，其步骤为：

步骤(1)收集学生数据，构建得分矩阵R，构建知识点考察矩阵Q：通过校园大数据平台提取出学生的提交代码、系统评判记录、作答记录及学生实验的完成情况，得出学生在试题或者实验中的各项得分构建得分矩阵R；对每道试题或每条实验记录，通过专家评判方式对其所涉及知识点进行评估，构建知识点考察矩阵Q；

步骤(2)采用模糊认知诊断模型合理诊断学生的学习状态：根据构建得分矩阵R和知识点考察矩阵Q，通过模糊认知诊断方法获得学生的学习状态矩阵α，判断学生的学习状态，即学生的知识点掌握情况，向量中每个元素代表了学生在每个知识点上的掌握程度；

步骤(3)马尔科夫链蒙特卡洛算法(MCMC)估计参数：真实环境下，学生作答试题的得分结果的影响因素是多方面的，不仅仅依赖于学生的学习状态，学生的粗心或猜测也会对作答产生影响；因此，每道试题V_m都假设其拥有猜测参数g_m、失误参数s_m，试题归一化参数σ²，对学生在试题上的得分情况产生影响。使用MCMC算法来估计猜测参数、失误参数和试题归一化参数。