[发明专利]面向个性化学习方案的虚拟试卷推荐方法

说明书

技术领域

本发明涉及人工智能与大数据技术领域，更为具体地，涉及一种面向个性化学习方案的虚拟试卷推荐方法。

背景技术

随着互联网技术的普及，大数据时代的来临，网络教育得到了迅速的发展，面对目前积累的TB甚至PB级的海量数字教育资源，数据挖掘类似的大数据信息处理技术需求日益迫切。教育资源推送是现代教育技术以网络为载体所引导的教育模式和教学方法改革的产物，旨在探索一种面向学生和教师，提供优质的信息资源的服务模式。而个性化推荐又是此研究中的热门领域，把个性化推荐与教育资源结合，运用相关大数据挖掘技术提取学习者的学习行为特点，为每一位用户量身定制合理有效的学习方案。

在现代教育中，因技术和资源整合方法的缺失，学生往往无法迅速从题海中找到提升自己成绩的方法；老师们在期末组卷时，仍保持着传统人工出卷的方法。实际上，通过统计大量的学生做题记录就能挖掘出学生们的共性问题，就能大幅度的提高学生的成绩。

发明内容

鉴于上述问题，本发明的目的是提供一种面向个性化学习方案的虚拟试卷推荐方法，以解决传统试卷难以针对单个学生的学习状况，推荐最佳的个性化试卷的问题。

本发明提供的面向个性化学习方案的虚拟试卷推荐方法，包括：

步骤S1：预设主难度系数；其中，主难度系数高于学生现阶段的学习适应难度；

步骤S2：根据轮盘选择法生成一套题量百分比围绕主难度系数呈现梯度下降分布的虚拟试卷；其中，步骤S2包括：

步骤S21：设置包括主难度系数的10个难度系数的题量在轮盘中所占的面积百分比；其中，每个难度系数的题量被选中的概率P(i)围绕主难度系数向主难度系数的左右两边呈均匀梯度下降分布；

步骤S22：通过轮盘选择法产生虚拟试卷中10个难度系数的试题的题量分布；

步骤S23：按照步骤S22产生的10个难度系数的试题的题量分布从试题库中抽取试题形成虚拟试卷；

步骤S3：将虚拟试卷与学生的DNA信息结合得到理论得分；

其中，DNA信息是由知识点、理解程度系数和时间构成的三维张量，知识点是对所属科目的核心内容的高度概括；理解程度系数是指在学生完成某知识点的习题后，对此知识点的总体掌握情况的描述；时间是指学生对知识点的理解程度系数从上一个等级跃升到下一个等级的时间长度；以及，

通过虚拟试卷中每道试题的知识点获取学生对该知识点的理解程度系数，利用下述公式获得学生对虚拟试卷的理论得分：

上式中，Score为该学生对所述虚拟试卷的理论得分；ST_g为第g道题的满分，其中g＝1,...,n；UD_i为该学生对第g题知识点i的理解程度系数；

步骤S4：将所有理论得分在60到80分内的虚拟试卷存成虚拟试卷库；

步骤S5：从虚拟试卷库中抽取虚拟试卷推荐给学生。

与现有技术相比，本发明提供的面向个性化学习方案的虚拟试卷推荐方法，通过轮盘选择法产生虚拟试卷，提前预测出学生在某难度下试卷的理论得分，当以此理论得分为参考目标，针对学生的难点和弱点推荐依次难度的试卷时，就能通过其完成情况合理调整学习计划，达到逐步提高学生学习成绩的目的。

附图说明

通过参考以下结合附图的说明，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：

图1为根据本发明实施例的虚拟试卷的面积百分比设定图。

具体实施方式

本发明提供的面向个性化学习方案的虚拟试卷推荐方法，包括如下步骤：

步骤S1：预设主难度系数。

预设的主难度系数应高于学生现阶段的学习适应难度。

步骤S2：根据轮盘选择法生成一套题量百分比围绕主难度系数呈现梯度下降分布的虚拟试卷。

具体过程如下：

步骤S21：设置包括主难度系数的10个难度系数的题量在轮盘中所占的面积百分比；其中，每个难度系数的题量被选中的概率P(i)围绕主难度系数向主难度系数的左右两边呈均匀梯度下降分布。

本发明一共设置10个难度系数的题量，10个难度系数中的1个为主难度系数，剩余的9个为其它难度系数，9个其它难度系数的题量在虚拟试卷中被选中的概率，记为P(i)，其中，i＝1,...,10，这里显然Sum(P)＝1，P(i)围绕主难度系数向主难度系数的左右两边呈均匀梯度下降分布。

一个难度系数代表一个等级的难度。