[发明专利]基于人工智能的学习效果检测方法

说明书

本申请涉及一种基于人工智能的学习效果检测方法，包括以下步骤：从薄弱知识点列表中选择一个知识点作为待学习知识点，其中，薄弱知识点列表中的每一个知识点分别对应有相应的能力值；将与待学习知识点相关的学习资源推送给学生进行学习；根据学生对待学习知识点的学习情况，提供相应的检测题目给学生进行检测；根据检测结果，更新与待学习知识点相对应的能力值；以及根据更新后的能力值，标记待学习知识点。本申请提供的学习效果检测方法，通过知识图谱的方式更有效地找到学生的薄弱知识点，以能力值的方式评价学生对知识点的掌握情况，能够为学生制定个性化的全面检测方案。

技术领域

本申请涉及教育领域，尤其涉及一种基于人工智能的学习效果检测方法。

背景技术

在传统教学中，老师对学生学习效果的检查一般在作业和考试中。在作业和考试中，老师可以根据学生的答题情况大概对学生的知识掌握程度有一个大致的了解。但难以对知识的掌握情况进行全量的统计。并且，通常老师会通过统一的作业和考试来检测不同学生的学习效果，也无法为学生提供个性化的检测和评价。

发明内容

发明人经过长期的观察和实验发现，在以往的教学中之所以无法做到全面且个性化的检测和评价，一方面是由于长久以来国内的教育环境及教育观念的影响，教育者和教育机构意识不到个性化检测和评价的重要性，更倾向于使用标准化的检测方式，或者说更倾向于使用统一的模式来培养和教育学生，并采用统一的标准来评价学生。并且因为传统教学中知识点的拆分并不是很精细，如果要对知识的掌握情况进行全量的统计，需要花费较多的时间，所以一般测试是不会进行全面的分析。

另一方面，个性化检测需要根据不同的学生制定不同的检测方案，还需要动态地跟踪学生的学习情况，并相应地调整和更新检测方案。而以往由于缺乏大数据和人工智能技术的支持和应用，也没有条件面向大量学生做到个性化检测。

有鉴于现有技术的上述缺陷，本申请提供一种基于人工智能的学习效果检测方法，通过知识图谱的方式更有效地找到学生的薄弱知识点，以能力值的方式评价学生对知识点的掌握情况，为学生制定个性化的检测方案，使得能够对学生的学习效果进行更有针对性的检测，从而使得对学生学习效果的检测和评价更为精准和全面。

知识图谱：把当前学习阶段和之前的学习阶段的所有知识点放在一起，制作成具有前置后续关系的知识图谱。前置后续关系：是指知识点b学不会是因为知识点a学不会，可称a 是b的前置知识点，b是a的后续知识点。而知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。利用大数据的方式将各个科目各个学习阶段的知识点整合在一起，并对每一个知识点标记出前置后续关系，所形成的知识图谱能够显著地促进学生的学习、理解和记忆。而这种利用大数据生成知识图谱的方式，在传统的教育领域是难以想像也无法实现的。或者说在传统的教育领域，由于整体环境的影响和客观条件的制约，根本不会有人想要这样去对所有相关的知识点进行关联和标记。

能力值：学生对某一个知识点的整体掌握情况。项目反应理论假设被试有一种“潜在特质”，潜在特质是在观察分析测验反应基础上提出的一种统计构想，在测验中，潜在特质一般是指潜在的能力，并经常用测验总分作为这种潜力的估算。项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系。潜在特质，就是我们的能力值。利用人工智能技术采集和分析大量学生对各个知识点的学习过程，从而对每个知识点设定并动态调整相应的能力值，能够有效地对学生的学习情况进行较为准确的评价。基于这种可以量化的评价方式，有利于智能化地向学生推送个性化的学习资源，并智能化地调整学生学习的进程。而这种利用人工智能技术对学生进行评价的方式，在传统的教育领域是难以想像也无法实现的。或者说在传统的教育领域，由于整体环境的影响和客观条件的制约，根本不会有人想要这样去针对每一个学生对每一个知识点的掌握程度进行调整。

在本申请中，对于某个特定的学生，针对每一个知识点均设定有相对应的能力值，可以根据能力值来判断学生对知识点的掌握情况(例如：达标或不达标)。在学生学习或复习的过程中，根据学生学习或复习的情况，可以对能力值进行动态地调整。