[发明专利]联合题目定性分析概率矩阵分解的认知诊断方法及装置在审
申请号: | 202310280422.8 | 申请日: | 2023-03-21 |
公开(公告)号: | CN116362929A | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 余斌 | 申请(专利权)人: | 武汉天喻教育科技有限公司 |
主分类号: | G06Q50/20 | 分类号: | G06Q50/20;G09B7/00;G09B7/02;G09B7/07;G06F17/18;G06F17/16 |
代理公司: | 武汉智权专利代理事务所(特殊普通合伙) 42225 | 代理人: | 张凯 |
地址: | 430200 湖北省武汉*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 联合 题目 定性分析 概率 矩阵 分解 认知 诊断 方法 装置 | ||
1.一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,具体包括以下步骤:
基于历史试题的答题时间均值和题目难度等级确定能力评价函数,以计算得到学生对题目的掌握程度;
根据学生对题目的掌握程度以及题目已标注的知识点,通过融合模型计算得到学生对知识点的掌握程度;
基于计算得到的学生对知识点的掌握程度,实现对目标知识点的掌握程度预测。
2.如权利要求1所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,所述基于历史试题的答题时间均值和题目难度等级确定能力评价函数,以计算得到学生对题目的掌握程度,其中,对于历史试题的答题时间均值的计算,具体为:
采用绝对值差中位数法MAD去掉噪声后进行求平均计算,以得到当前试题的答题时间均值。
3.如权利要求2所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,所述绝对值差中位数法MAD的具体处理步骤为:
对于当前题目,获取所有学生答题时间Ti的中位数median;
计算得到所有学生答题时间Ti与中位数median间的绝对偏差值|Ti-median|,并得到绝对偏差值|Ti-median|的中位数MAD;
确定阈值参数a,去除超出范围[median-a·MAD,median+a·MAD]的答题时间。
4.如权利要求1所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,所述能力评价函数具体表示为:
其中,θij表示第i个学生对第j道题目的掌握程度,sigmoid表示logistic函数,e表示自然常数,t-j表示第j道题目的平均作答时间,tij表示第i个学生对第j道题目的作答时间,bj表示难度等级,β和γ表示参数,scoreij表示第i个学生对第j道题目的得分率。
5.如权利要求1所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,所述融合模型具体表示为:
其中,Rix表示第i个学生对第x个知识点的掌握程度,Dix表示第i个学生在第x个知识点下所有的答题,Dixk表示第i个学生在第x个知识点的题目难度等级k下所有题目掌握程度的平均数,k表示难度等级标号,mx表示第x个知识点的最大难度等级,bxk表示第x个知识点难度等级k的难度值,n表示难度等级个数,(0,1)k表示难度等级k存在或不存在,存在时取值为1,不存在时取值为0,f表示噪声线性整流为修正线性单元,min表示最小值计算函数。
6.如权利要求5所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,当通过融合模型将学生对题目的掌握程度转为知识点的掌握程度矩阵后:
当存在N个学生,M个知识点时,Rix为一个N×M维的掌握程度评分矩阵;
当潜在特征个数为D时,D×N维的矩阵U表示学生的潜在特征矩阵,其中,Ui表示第i个学生的潜在特征向量;
D×M维的矩阵V表示第x个知识点的潜在特征矩阵,其中,Vx表示第x个知识点的潜在特征向量。
7.如权利要求6所述的一种联合题目定性分析概率矩阵分解的认知诊断方法,其特征在于,所述实现对目标知识点的掌握程度预测,具体的表达方式为:
Six=UiTVx
其中,Six表示第i个学生对第x个知识点的掌握程度的预测结果,T表示矩阵转置。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉天喻教育科技有限公司,未经武汉天喻教育科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310280422.8/1.html,转载请声明来源钻瓜专利网。