[发明专利]融合认知特性及试题文本信息的个性化组卷方法及系统

说明书

本发明属于智能教育技术领域，公开了一种融合认知特性及试题文本信息的个性化组卷方法及系统，首先利用认知诊断模型预测学习者在特定试题上基于认知水平的得分；然后利用循环神经网络模型预测学习者在特定试题上的基于文本信息的得分；然后基于得到的学习者基于认知水平、基于文本信息的预测得分构建概率矩阵分解目标函数，预测学习者在特定试题上的潜在得分；最后利用估计的学习者知识掌握向量与学习者增量知识掌握向量，计算KL散度，结合学习者在试题上的潜在得分，选取让学习者知识掌握趋势增加，且难度合适的试题组成个性化测试的试卷。本发明可根据测验目标与试题难度自定义组卷结果，极大增加了学习者自主学习的效率。

技术领域

本发明属于智能教育技术领域，尤其涉及一种融合认知特性及试题文本信息的个性化组卷方法及系统。

背景技术

目前，随着互联网的快速发展和大数据时代的到来，传统的教育行业已经逐渐开始向数字化教育转型，海量的教育资源作为信息被共享到在线教育平台上供学习者们下载学习。各学科的测试题作为教育中的重要资源被学习者们大量使用以巩固学习者在课堂所学的知识，然而学习者很难直接从海量的试题中筛选出真正适合他们的试题，而更多的是采用题海战术进行训练，在这样的方式下，学习者很难高效地进行自我提高，所以急需一款个性化组卷系统可以根据不同学习者的知识掌握情况以进行自动化的测验组卷练习，进而加强知识掌握练习。这样的个性化组卷系统可以快速地根据学习者的知识掌握匹配试题文本信息，给出适合学习者学习难度并旨在增强其知识增长的试题，从而更好地对学习者进行学习训练，在提升学习者的学习效率的同时，对每位学习者的不同学习情况作出针对性的组卷练习，因此学习者们对于此在线学习平台上的个性化组卷需求日益迫切。

传统的组卷方式采用的是在电商领域颇为流行的协同过滤的推荐思想，其将商品类比为试题，将用户类比为学习者，将用于对商品的评分类比为学习者对试题的得分，从而应用到协同过滤中筛选获得合适的试题，进而组成一套完整的测验试卷。然而这种方式下的组卷测验更倾向于挖掘学习者学习共性，即给目标学习者的测验试题更多是来自于与其相似度高的学习者，从而导致简单试题和流行试题拥有更大的被推荐概率，这种方式并不是针对学习者具体的学习状态给出的，因此其组卷结果并不能针对学习者知识点掌握的薄弱环节得出，也缺乏对组卷结果的可解释性，并且学习者更希望通过组卷系统组成一套适合学习者认知特性的试题，以便对自己的薄弱知识点进行针对性的试题训练，所以这种方式不能很好地运用在智能教育技术领域。在认知心理学中的认知诊断方法也被用于学习者后期的测验组卷中，认知诊断模型可以对学习者的学习状态进行诊断，根据其在被标注知识点试题上的得分，分析出学习者对于各个知识点的掌握情况，从而得出学习者对于给定知识点试题的回答正确概率，继而筛选试题，但是学习者对于知识点掌握情况有一定的隐蔽性，无法直接进行计算，另外利用估算的方式可能会导致结果的误差较大，并且使用认知诊断模型的组卷策略会忽略学习者之间的共性，因此仅使用该方法也难以获得好的测验效果。同时传统的组卷方法往往忽略了试题的文本信息，而试题文本中所含有的学科关键词往往对学习者正确回答该试题的概率有着较大的关联，因此将试题文本的分析加入到学习者个性化组卷中是很有必要的。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有技术中，传统的个性化组卷方法忽视了试题文本信息对学习者答题的影响。

(2)现有技术中，利用认知诊断进行试题组卷的方法，忽略了学习者之间的共性且其模型中的参数估计对数据集敏感可能会产生较大误差；

(3)现有技术中，利用协同过滤进行试题组卷的方法，不能充分考虑学习者的知识点掌握情况，只能根据相似学习者的学习共性进行组卷，忽视了学习者学习过程中的学习特性，组卷结果的可解释性较差。

解决以上问题的难度为：

(1)如何将试题文本信息融入到学习者的认知过程中，将文本与学习者得分相连接，以得到文本与分数之间的映射关系；