[发明专利]学力估计用模型生成装置、学力估计装置、学力估计用模型生成方法、学力估计方法、程序

说明书

提供一种不需要网罗性的学习数据而能够生成高精度地估计当前的学力的学力估计用模型的学力估计用模型生成装置。该学力估计用模型生成装置包括：决策树生成单元，将正误信息作为教师数据来生成决策树，该正误信息表示解答了由预先确定的多个问题构成的问题组的多个解答者正确解答或者不正确解答了各问题；剪枝单元，在作为所生成的决策树的末端的叶节点所表示的分类结果的熵为规定值以下的情况下，删除相应的叶节点；以及类别生成单元，将叶节点删除后的决策树的新的末端的每一个作为任一个解答者所属的类别。

技术领域

本发明涉及生成用于学力(academic ability)估计的模型的学力估计用模型生成装置、使用学力估计用模型来估计学力的学力估计装置、学力估计用模型生成方法、学力估计方法、程序。

背景技术

作为学习支援系统的现有技术，例如公开了专利文献1。专利文献1的学习支援系统包括服务器装置、终端装置。终端装置将志愿学校信息发送到服务器装置，从服务器装置接收包含基于志愿学校信息确定的多个课程的课程信息和与该课程信息对应的考核测试(check test)信息，基于考核测试信息来执行考核测试，基于考核测试的结果来判定学习者的学力等级，并且基于课程信息以及所判定的学力等级，来生成表示学习者在规定时期应学习的课程的第一画面。

现有技术文献

专利文献

专利文献1：日本特开2019-128365号公报

发明内容

发明要解决的课题

在现有学力估计中，需要收集对志愿学校的出题范围网罗性地进行了学习的学习数据，比较麻烦。此外，过去的学习数据随着时间的推移而过时，因此成为降低当前的学力估计的精度的主要原因。

因此，本发明的目的是，提供一种不需要网罗性的学习数据而能够生成高精度地估计当前的学力的学力估计用模型的学力估计用模型生成装置。

用于解决课题的手段

本发明的学力估计用模型生成装置包括决策树生成单元、剪枝(pruning)单元、类别(category)生成单元。

决策树生成单元将正误信息作为教师数据来生成决策树，该正误信息表示解答了由预先确定的多个问题构成的问题组的多个解答者正确解答或者不正确解答了各问题。剪枝单元在作为所生成的决策树的末端的叶节点所表示的分类结果的熵(entropy)为规定值以下的情况下，删除相应的叶节点。类别生成单元将叶节点删除后的决策树的新的末端的每一个作为任一个解答者所属的类别。

发明的效果

根据本发明的学力估计用模型生成装置，不需要网罗性的学习数据而能够生成高精度地估计当前的学力的学力估计用模型。

附图说明

图1是示出实施例1的学力估计用模型生成装置的结构的框图。

图2是示出实施例1的学力估计用模型生成装置的操作的流程图。

图3是示出将叶节点删除后的各末端作为类别的决策树的例子的图。

图4是示出连接了辅助决策树的决策树的例子的图。

图5是示出实施例1的学力估计装置的结构的框图。

图6是示出实施例1的学力估计装置的操作的流程图。

图7是示出计算机的功能结构例的图。

具体实施方式

下面，对本发明的实施方式详细地进行说明。另外，对具有相同功能的结构单元标注相同的附图标记，并省略重复说明。

实施例1

[学力估计用模型生成装置]