[发明专利]一种基于协同过滤思想的学习者学科总测成绩预测系统及方法

说明书

本发明涉及一种基于协同过滤思想的学习者学科总测成绩预测系统及方法，包括：数据采集标注模块、学习者的量化特征提取模块、基于学习者量化特征的相似度向量提取模块、基于相似度向量的成绩预测模块。本发明可以解决对学习者学业成绩的预测问题，适用于一般在线学习平台和系统，也可以应用于实际教学评估和诊断中，为学习者提供个性化的教学服务，提高学习针对性和学习效率。

技术领域

本发明涉及一种基于协同过滤思想的学习者学科总测成绩预测系统及方法，属于数据挖掘技术，特别是涉及教育领域的数据挖掘。

背景技术

数据挖据是一种基于大量数据进行信息提取和知识发现的方法，数据挖掘中的一些方法包括聚类、关联规则学习、相关性分析、回归性分析以及分类等已经被广泛应用于互联网、工业制造、交通等各个领域。其中一类基于协同过滤思想的数据挖掘算法可以有效筛选出相似群体，故该算法已经成熟应用于电商推荐系统上来寻找相似兴趣品味的用户并进行推荐。在教育领域，此类算法的应用相对比较新颖，而且在教育技术领域有很大的应用前景。本发明首次提出将该算法用于学习者学科总测学习预测的问题上。做到了提前预测学习者对于未来的知识的学习效果。该方法的实现可以用来支持教育决策、对学习者进行信息和课程内容的推荐、学习者学习过程中的提前预警、学习者专业选择推荐以及制定学习者个性化的学习策略等。

发明内容

本发明要解决的问题是：克服现有技术的不足，将教育学测量手段跟数据挖掘技术相结合，提供一种基于协同过滤思想的学科总测成绩预测系统及方法，对学习者知识点和整体学科的掌握状态进行预测和估计，从而为学习者提供个性化的教学服务，提高学习针对性和学习效率。

本发明解决其问题所采用的方案是：一种基于协同过滤思想的学习者学科总测成绩预测系统，包括数据采集标注模块、学习者的量化特征提取模块、基于学习者量化特征的相似度向量提取模块、基于相似度向量的成绩预测模块，其中：

数据采集标注模块：根据具体学科科目的课程标准，系统对该学科的知识点进行划分，按照时间顺序排列划分后的知识点。学习者在对每个知识点进行学习后，进行该知识点的水平测试。测试将通过线上电子化课堂或者线下课堂或作业的形式进行，从而收集各知识点对应的测试数据和成绩。测试数据中包括题目本身及题目标注所属知识点。每一个知识点都包含至少一道以上的测试题目，每个知识点对应的测试题目数量可以不等。同时，在测试过程中，收集学习者本身的个体基础数据，例如所在地区和学校。

学习者的量化特征提取模块：基于模块一中所收集的数据，可以分别针对每个学习者，计算其在知识点p的得分率v_p：

v_p＝p下答对的题目的数量/p下包含的所有题目的数量。

因此，对于完成P个知识点的个体学习者i的成绩测试层面，该学习者对应的基本特征向量V_i＝{v_p|p∈P}。除此之外，根据项目反映理论，该系统还可以通过整合学习者i对于每个知识点答题情况，得到学习者i在每个知识点的能力值因此，对于完成P个知识点的学习者i的成绩测试层面，该学习者对应的特征向量有得分率向量V_i＝{v_p|p∈P}和能力值向量同时，将学习者i的所在的地区、学校等个体特征进行量化，作为补充特征向量G_i，来细化学习者个体区别之间的差异，从而形成多维度特征向量。具体来说，学习者i的多维度特征向量其包括已学习过的知识点的得分率向量V_i，能力值向量以及学习者个体特征向量G_i。