[发明专利]基于自适应测评的用户能力定级方法、装置、设备及介质

说明书

本申请涉及计算机及人工智能技术领域，揭示了一种基于自适应测评的用户能力定级方法、装置、设备及介质，其中方法包括：记录测评过程用户的答题情况特征信息，采用期望后验参数估计法计算所述用户在每次完成题目后的最新能力估计值并保存至历史能力估计值列表；获取所述用户任一答题模块的历史能力估计值列表，计算该历史能力估计值列表的能力估计值是否达到收敛要求，若是，则取所述历史能力估计值列表中最近一次能力估计值作为该答题模块的初步定级结果；获取所有答题模块的初步定级结果，采用加权平均法计算用户科目测试能力定级结果。从而能够快速准确完成用户学科能力定级，实现用户答题数量少，以及定级结果准确且测评质量高的效果。

技术领域

本申请涉及到计算机及人工智能技术领域，特别是涉及到一种基于自适应测评的用户能力定级方法、装置、设备及介质。

背景技术

在线教育需要对每个用户的教育水平进行定级，从而在后续阶段按照已定的级别为用户推荐相应的学习产品。传统的能力定级策略，一般是先给用户推送多道试题的试卷，在用户完成这些题目后，根据用户的做题情况进行打分，最后根据打分的结果对用户进行定级。

然而，传统定级策略由于需要用户去做冗长的题目，当用户遇到不会做的题目后还需要继续推送题目至用户，直至完成这套试题，不仅会打击用户的学习积极性，给用户带来烦恼，降低用户体验感，甚至会导致用户对后面的题目随意作答和消极作答，造成了测试总分数不准确的情况，从而存在最终根据总分数对用户进行能力定级时不准确的缺陷。

发明内容

本申请的主要目的为提供一种基于自适应测评的用户能力定级方法、装置、设备及介质，旨在解决现有定级策略需要用户完成冗长题目且忽略用户是否会做难度较高的题目，无法对用户各个学科能力进行准确定级，且能力定级需要耗费用户大量时间和精力的问题。

为了实现上述发明目的，本申请实施例的第一方面提出一种基于自适应测评的用户能力定级方法，所述方法包括：

记录测评过程中用户的答题情况特征信息，所述答题情况特征信息包括用户测评过程中所回答的答题模块，以及各个所述答题模块所对应的题目难度系数、题目区分度和答题分数；

采用期望后验参数估计法计算所述用户在每次完成题目后的能力估计值，将所述能力估计值保存至对应的历史能力估计值列表；

获取所述用户任一答题模块的历史能力估计值列表，并计算该所述历史能力估计值列表中的能力估计值是否达到收敛要求，若是，则取所述历史能力估计值列表中的最近一次的能力估计值作为该答题模块的初步定级结果；

获取所有答题模块的初步定级结果，采用加权平均法计算出用户对应的科目测试能力定级结果。

在第一方面的一种可能的实现方式中，在所述采用期望后验参数估计法计算所述用户在每次完成题目后的能力估计值，将所述能力估计值保存至对应的历史能力估计值列表步骤之后，还包括：

基于项目反应原理模型根据所述最新一次的能力估计值，分别计算该答题模块中所有未作答题目对应的回答正确率；

取回答正确率最接近预设阈值的题目作为该答题模块的下一道题目。

在第一方面的一种可能的实现方式中，所述获取所述用户任一答题模块的历史能力估计值列表，并计算该所述历史能力估计值列表中的能力估计值是否达到收敛要求，若是，则取所述历史能力估计值列表中的最近一次的能力估计值作为该答题模块的初步定级结果步骤之中，包括：

计算所述用户任一答题模块的历史能力估计值列表的最近预设次数的历史能力估计值的标准差，判断所述标准差是否小于收敛阈值；

若是，则判定为达到收敛要求，停止答题，取所述历史能力估计值列表中的最近一次的能力估计值作为该答题模块的初步定级结果；

若否，则判定为未达到收敛要求，需要用户继续答题，直至所述标准差小于收敛阈值。