[发明专利]一种基于人工智能的错因推测方法、系统及可储存介质

说明书

本发明公开了一种基于人工智能的错因推测方法、系统及可储存介质，通过人工设定答题错因建立错因特征库，所述人工设定包括管理员设定学科通用错因和教师标注题目个体错因；输入学生作答库，根据所述通用错因库利用机器学习，预测学生错因并输出结果；学生对所述输出结果进行选择，并将所述选择记录在错因特征库中。本方法将人工和机器学习相结合，降低了错因标注的复杂度，提高学生标注的效率，并且不断记录学生的错因选取，获得更加精准的学生数据，形成学生画像，实现因材施教和个性化学习。

技术领域

本发明涉及智能教育的技术领域，尤其涉及一种基于人工智能的错因推测方法、系统及可储存介质。

背景技术

当前，随着人工智能技术的兴起，K12教育(小学、初中、高中教育)教学也在向智能教育方向发展，人机共教，是当前K12中小学教学的发展趋势。人机共教，是指人工智能与机器智能相结合，部分场景使用机器智能，部分场景使用人工智能进行教育教学的下一代教学方式。当前，人机共教处于初期阶段，特征是机器智能仅用于提供一些数据分析，教师在机器提供分析的基础上，开展教育教学，可以说，机器智能仅仅是辅助性质的。但从发展趋势来讲，随着技术的迭代与教师们对各类机器智能应用能力的逐步提升，人工智能会从面面俱到向仅抓主要线下教学场景，机器智能从教学参谋向部分线上场景独立学习导引发展，即机器智能比重会越来越高，在学生日常学习过程中发挥更大作用。

当中小学生答题完毕后，教师需要批阅，并将正误情况导入到成绩分析类软件系统，在此基础上进行数字化的分析，以开展“精准教学”。随着信息技术在教育教学过程中的导入，线上线下融合已经成为一种常态，学生通过学习平台进行在线学习也成为一种常态。现有的学习平台对错因的采集和分析分为两种：第一种为软件平台提供一些通用的错因项供学生自行选择匹配的错因；第二种为采用自主文字输入错因的方式，对输入文字进行语义分析获取错因。上述两种错因推测方法分析粒度较粗，无法应用于对少数几个学生错因的精准分析，无法做到因材施教。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述学生错因推测中现有存在问题，提出了本发明。

因此，本发明解决的技术问题是：无法对单个或者几个学生的错因进行精准分析，不能进行高精准的施教。

为解决上述技术问题，第一方面，本发明提供了一种基于人工智能的错因推测方法，应用于基于人工智能的错因推测系统，所述方法包括：人工设定答题错因建立错因特征库，所述人工设定包括管理员设定学科通用错因和教师标注题目个体错因；输入学生作答库，根据所述错因特征库利用机器学习，预测学生错因并输出结果；学生对所述输出结果进行选择，并将所述选择记录在错因特征库中；所述机器学习的过程包括：判断学生同章节题目错答次数；所述错答次数小于阈值时，实施盲推策略输出错因并进行机器学习；所述错答次数小于阈值时，实施个性化推荐策略输出错因。

作为本发明所述的基于人工智能的错因推测方法的一种优选方案，其中：所述教师标注题目个体错因根据题目考察范围将题目分成三个层次，分层次进行错因标注：对于中等及以下题目，使用学科通用错因；中等偏上的题目，标明题目所涉及的知识点以及出错原因；难题，标明题目所涉及的知识点、出错原因并添加思维、方法的错因标注。

作为本发明所述的基于人工智能的错因推测方法的一种优选方案，其中：所述将学生作答库输入所述错因特征库中之前，将学生学力划分为4个层次：所述学力在总体学生中占比前10％为拔尖；前10％～35％为上游；35％～75％为中游；最后25％为下游。

作为本发明所述的基于人工智能的错因推测方法的一种优选方案，其中：所述阈值针对不同学龄学生有不同取值，小学生的错答次数阈值设定为3～5次；初中生错答次数阈值设定为5～7次；高中生错答次数阈值设定为7～10次。