[发明专利]基于个体化的课外教学资源推荐及学习效果的预测方法

权利要求书

1.一种基于个体化的课外教学资源推荐及学习效果的预测方法，其步骤为：

第一步，安排待培训学生参加教育机构的课外试听课，通过图像识别技术全程追踪学生眼球的活动，识别学生的注意力集中时间t₁；通过语音识别技术记录学生答题次数c₁、教师提问次数c₂、回答问题反应时间t₂、回答问题停顿时间t₃、回答问题总时间t₄和试听课总时间t₅；

建立该名学生的学习能力特征矩阵T₁＝[a₁，a₂，a₃，a₄]，

式中，a₁为注意力集中特征，a₂为答题互动特征，a₃为思维敏捷特征，a₄为答题流畅特征，

第二步，安排该名学生作答教育机构的知识点测试卷，填空题类型对应数值1、选择题类型对应数值2、简答计算题型对应数值3；并对该名学生进行如下统计和计算：

i)统计该名学生对第i门学科第j个知识点的作答错误题目中，分别统计出现次数最多的题目类型数值k_i,j,1、出现次数最多的题目难度等级k_i,j,2、第i门学科第j个知识点的跨知识点错题数k_i,j,3以及第i门学科第j个知识点的跨知识点题目数k_i,j,4；其中i＝1,2,…,m；j＝1,2,…,n；m表示学科总数，n表示每门学科测试的知识点总数；

所述的题目难度等级中简单题目的难度等级对应数值0.3，一般题目的难度等级对应数值0.6，困难题目的难度等级对应数值0.9；

ii)计算该名学生对第i门学科第j个知识点的不擅长题型特征不擅长题目难度等级特征和不擅长题目跨知识点等级特征

其中，ε为难度等级修正系数，默认ε＝1；

iii)建立该名学生的知识点掌握情况特征矩阵T₂＝[b_i,j,1，b_i,j,2，b_i,j,3]；

第三步，建立学习能力特征数据库，将教育机构培养过的所有学生的学习能力特征矩阵与其对应的培训教师编号存到学习能力特征数据库中；

在学习能力特征数据库中，检索第w位教师所有培养学生中成绩排名前50％的学生的学习能力特征矩阵构成样本库，用聚类算法搜索该样本库的核心学习能力特征矩阵T_3,w＝[a_w,core,1，a_w,core,2，a_w,core,3，a_w,core,4]，作为第w位教师培养能力矩阵；

其中，a_w,core,1为第w位教师培养学生的核心注意力集中特征，a_w,core,2为第w位教师培养学生的核心答题互动特征，a_w,core,3为第w位教师培养学生的核心思维敏捷特征，a_w,core,4为第w位教师培养学生的核心答题流畅特征；

计算该名学生的学习能力特征矩阵与第w位教师培养能力矩阵间的相似度

式中，w＝1,2,…,g；g表示培训教师总人数；则在g位培训教师中，令相似度dis_w取得最小值的培训教师即为最佳推荐培训教师；

第四步，建立培训课程数据库，将教育机构所有学科的所有知识点的所有培训课程存到培训课程数据库中；

在培训课程数据库中，对应第i门学科第j个知识点存有U套培训课程，第v套培训课程的适应特征矩阵为T_i,j,v＝[b_i,j,v,1，b_i,j,v,2，b_i,j,v,3]；

其中，v＝1,2,…,U；b_i,j,v,1为第v套培训课程的题型特征，b_i,j,v,2为第v套培训课程的题目难度等级特征，b_i,j,v,3为第v套培训课程的题目跨知识点等级特征；

i)针对第i门学科第j个知识点，依次计算该名学生的知识点掌握情况特征矩阵与第v套培训课程的适应特征矩阵间的相似度则在第i门学科第j个知识点的U套培训课程中，令相似度dis_v取得最小值的培训课程即为第i门学科第j个知识点的最佳推送培训课程；

ii)重复步骤i)，直至完成m门学科，每门学科各n个知识点的最佳推送培训课程；

第五步，建立学习状况数据库，将教育机构所有学生的全周期学习状况存到学习状况数据库中；

在学习状况数据库中，第p名学生的全周期学习状况包括：第p名学生的学习能力特征矩阵T_p,1＝[a_p,1，a_p,2，a_p,3，a_p,4]、第p名学生的知识点掌握情况特征矩阵T_p,2＝[b_p,i,j,1，b_p,i,j,2，b_p,i,j,3]；

其中，p＝1,2,…,Q，Q表示教育机构所有学生的总数；a_p,1为第p名学生的注意力集中特征，a_p,2为第p名学生的答题互动特征，a_p,3为第p名学生的思维敏捷特征，a_p,4为第p名学生的答题流畅特征；b_p,i,j,1为第p名学生第i门学科第j个知识点的不擅长题型特征，b_p,i,j,2为第p名学生第i门学科第j个知识点的不擅长题目难度等级特征，b_p,i,j,3为第p名学生第i门学科第j个知识点的不擅长题目跨知识点等级特征；

根据如下公式:

依次计算数据库中Q名学生与该名学生的相似距离dis_pre，其中，X、Y为中间过程参数，λ、β为修正系数，默认λ＝1，β＝1；令相似距离dis_pre取得最小值的学生的全周期学习状况即为该名学生的预测学习效果。