[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有效

专利信息
申请号: 201710454618.9 申请日: 2017-06-15
公开(公告)号: CN107274020B 公开(公告)日: 2020-05-22
发明(设计)人: 余胜泉;卢宇;杨博达;李葆萍 申请(专利权)人: 北京师范大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/20;G06F16/2458
代理公司: 北京科迪生专利代理有限责任公司 11251 代理人: 杨学明;顾炜
地址: 100875 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 协同 过滤 思想 学习者 学科 成绩 预测 系统 方法
【说明书】:

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vp

vp=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Vi={vp|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Vi={vp|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Gi,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Vi,能力值向量以及学习者个体特征向量Gi

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京师范大学,未经北京师范大学许可,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/201710454618.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top