一种基于网络的在线互动学习系统和方法与流程

本发明涉及网络技术领域，特别涉及一种基于数据交换网络的以学习者为中心的在线互动学习系统和方法。

背景技术：

目前，基于网络的在线学习是一种应用较为广泛的远程教学形式，在丰富的数字化资源以及各类学习支持系统的支持和辅助下，在线学习者能够灵活调整和控制自己的学习活动和学习过程，充分发挥学习者的自主性。我国在线教育市场规模已达到年均2000亿元，学习者达到1亿人，覆盖了高等教育、中小学教育、职业培训及学前教育等领域。

在现有的教学实践中，在线教学的课程设置较为固定，通常采用一对多的模式以顺序设置的课程为主导进行教学，不同学习者接受同样的教学内容和测试。同时，由于在线学习支持系统的针对性和时效性不强、学习活动过度同质化，再加上教师的关注不足，很多学习者还不能充分利用在线课程开展自主学习，其中比较突出的一个问题无法因材施教，针对不同的学习者形成有效的、个性化的课程规划，相应的缺乏全面而个性化的教学评价体系。

教学实践存在如下问题：学习者的差异是客观存在的，正确认识学习者差异是实施个性化教学的前提，每一个学习者发展的速度和轨迹不同，发展的目标也具有一定的差异，现有在线教学体系无法发展性地正确地判断每个学习者的不同特点及其发展潜力，为每一个学习者提出适合其发展的具体的有针对性的教学规划。

目前，已有以学习者为中心的在线学习系统，例如公开号为cn101908286a的“基于不可删改用户评价数据管理的学习系统及其辅助学习方法”，提供以学习者为中心的外语学习系统，将学习者对所学外语教材的用户评价意见作为教材评价和取舍的重要依据，根据学习者的实际学习主观需求、感受和效果，帮助学习者主动选择更适合自己基础条件和个性特点的外语学习教材，有针对性地调整其外语学习内容和学习进程，提高自主学习能力和效率。

但上述学习系统存在下述问题，根据学习者的主观感受设置课程的取舍，当学习者对课程的某些单元给出否定评价较多时，学习者可以放弃该课程，而改学另外的替代课程。由此，会导致学习者因为学习某些单元感到困难而放弃整个课程，而在更换替代课程后，仍然会有较大概率存在放弃的可能性，进而会导致学习者放弃该学科。

基于研究发现，上述问题的产生在于，对学科学习路径的规划欠缺科学性和个性化，对于教学单元设置欠缺灵活性，未充分利用现有教学资源，某一学习者仅就喜好判断是否继续学习，无法知晓同等水平的他人学习路径，其自身学习路径对于其它学习者亦无参考作用。

现有技术中提到教学资源的利用，例如，专利公开号为cn102968751a的“一种医学形态学课程教学资源库的构建方法”提出了对教学资源的筛选、整理、数字化处理，并进行数据网格化，并组成教学单元。但上述方法仅对数据进行网格化，缺乏层次，同时并不能基于此为学习者提供有效的学习路径，学习者通过上述方法并不能知晓对某一学科应该如何学习。

技术实现要素：

有鉴于此，本发明旨在提供一种基于数据交换网络的以学习者为中心的在线互动学习系统和方法。

根据本发明的一个目的，提供一种基于数据交换网络的以学习者为中心的在线学习信息交换系统，包括：输入装置、输出装置、计算装置、存储装置、其中输入装置可以为键盘、鼠标、手写板等；输出装置可以为显示器；计算装置包括监控单元、关键词抓取单元、课程推荐单元，课程网格划分单元、课程测试单元、课程学习路径规划单元、课程教学单元、评分单元、学习路径调整单元；存储装置包括课程学习者信息数据库。

所述学习者信息数据库记录学习者个人信息、选课信息、课程考试成绩、自主线上学习路径等所有与该学习者相关的信息。

所述监控单元监控学习者在线学习过程中的行为，包括浏览信息和自主线上学习路径。

所述关键词抓取单元，对预先设定的与学习过程相关的关键词/频繁出现的词语进行抓取。

所述课程推荐单元，根据学习者个人偏好信息，兴趣点信息，向学习者推荐课程。

所述课程网格划分单元，根据在线课程的特点，将课程根据核心知识点的定义/概念，以及由基础到深入的顺序，将其划分为若干课程网格。根据在线课程的特点，将课程根据核心知识点的定义/概念，以及由基础到深入的顺序，将其划分为m×n的课程网格，每一网格课程定义为c(i,j),(i≤m,j≤n)，每一层级课程定义为c(i)，m为由基础到深入的层级数目，其中n为同一层级核心知识点的定义/概念个数，并且对于普通学习者而言，同一层级的在后知识点的学习无需以在前知识点的学习为基础。也就是说，核心知识点c(i,j)的网格含义为第i层级内的第j个知识点，并且，在第i层级上，先学习c(i,j)还是c(i,j+1)均可。

采用上述划分方式的原因在于，对于不同的普通学习者而言，必须先学习低级别的课程，才能够学习更高级别的课程。但对于同一级别的课程，普通学习者先后学习哪个知识点，难度差异不大，但由于个体的差异性，每个学习者对于同一级别的知识点按照不同的顺序学习，其掌握情况各不相同。在获得每一位学习者在同一级别学习路径，并获得了其初始水平和背景状况信息的条件下，向新的学习者推荐与之类型相同的学习者的最优学习路径，可以获得更高的学习效率。

所述课程测试单元，对学习者的初始学习状况进行课程测试并给出参考分数，以及对学习者学习后的学习状况进行再次测试。

所述课程学习路径规划单元，用于生成学习者的课程的学习路径。

所述课程教学单元，依据学习路径为学习者提供教学资源，供学习者自主线上学习。

所述评分单元，根据学习者自评、他评、教师评价进行计算，得出学习者的综合评价结果。

学习路径调整单元，由指导教师对学习路径进行调整，生成新的学习路径。

根据本发明的另一目的，提供一种基于数据交换网络的以学习者为中心的在线学习信息交换教学方法，包括从初始位置获得学习者的注册信息，该注册信息全面反映学习者背景，根据注册信息对学习者兴趣点/特长点进行初步统计和分析，并将其保存于系统服务器中学习者信息数据库中。

该方法包括学习者对网络资源的自由浏览，该网络资源可以为给定范围资源，也可为全部互联网资源。

通过对学习者网络资源浏览历史聚合并结合注册信息，得到学习者的实际兴趣点/特长点。

进一步的，基于上述兴趣点/特长点向学习者推荐适宜的课程。

学习者根据系统推荐，根据自身情况进行选课。

课程选定后，对其进行网格划分，将其分解为m×n节课程c(i,j)(i≤m,j≤n)，设定每一课程网格的学习目标g(i,j)(i≤m,j≤n)。

学习者在教学前进行课程测试1，系统对其课程网格知识点情况给出评价分数。

基于学习者掌握情况，以及其它已完成课程的同等初始水平/兴趣点/特长点学习者学习路径推荐适于该学习者的标准学习路径p(i,j)(i≤m,j≤n)。

学习者按照推荐路径进行自主线上学习/系统同时采集该学习者的学习路径。

学习者学习完毕后，申请进行课程测试2。

课程测试2的评价结果由本学习者自我评价、其它学习者对本学习者评价以及教师对本学习者评价组成综合评价。

若该综合评价未达到课程网格c(i,j)的学习目标g(i,j)，由指导教师在综合评价基础上调整适于该学习者的学习路径，再次进行该网格的学习；若该综合评价达到课程网格ci×j的学习目标g(i,j)，该学习者进入下一课程网格ci,(j+1)/c(i+1),j的学习，同时，由指导教师在综合评价基础上审阅/调整该学习者的学习路径，将其用于修正/生成同等初始水平/兴趣点/特长点学习者的该网格标准学习路径p(i,j)(i≤m,j≤n)。

通过本发明所述的系统和方法以实现因材施教，让每个学习者在自己原有的基础上都得到潜在兴趣/特长发展，并将其发展路径用于指导其后学习者的学习进程。

提供本概述是为了以简化的形式介绍将在以下详细描述中进一步描述的选择的概念。本概述并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主体的范围，此外，所要求保护的主题不限于解决在本发明的任一部分中所提及的任何或所有缺点的实现。

附图说明

图1是根据本发明的在线互动学习方法步骤流程图；

图2是图1的系统服务器的详细示意图；和

图3是图1的评分单元的详细示意图。

具体实施方式

针对现有技术中存在的问题，本发明提出一种基于数据交换网络的以学习者为中心的在线学习信息交换教学，旨在因材施教，并将个体的学习发展路径用于指导其后学习者的学习进程。

为使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案做进一步地详细说明。

图1是在线学习社区中以学习者为中心的交互式在线教学的示意图。

为了便于描述以及区分，用学习者x1,x2…来代表进行注册的一系列学习者。

根据本发明的一个目的，为因材施教，需了解学习者的背景状况，其包括教育状况、职业状况、兴趣信息等，以便设置合适的课程供其选择。

步骤s101：当接收到任一学习者x1的注册请求任务时，提示该学习者填写注册信息，根据注册信息对学习者兴趣点/特长点进行初步统计和分析，并将其保存于系统服务器中学习者信息数据库中。

该注册信息可以为预先生成的信息标签清单，其中可包括学习者的各种社会属性，如，年龄、性别、收入、工作性质、所属行业、居住地等，也可包括学习者的教育背景，如，学历、在校成绩、毕业院校、所属专业等，特别有利的是，包括学习者的兴趣信息，如，阅读偏好、运动偏好、艺术偏好等。

收集上述信息的目的在于，提供尽量全面、准确、个性化定制的学习路径，在在线学习社区中，终身学习和碎片化学习已经成为数字化时代的重要学习模式，对于系统而言，学习者在注册前的基本情况均为系统所未知。任一学习者的学习目的在于获得对于自身成长有益的课程，区别于以往的刻板授课方式，在有些情形下，学习者并不清楚自身的特长和潜在兴趣点，而基于上述标签的兴趣模型从学习者对不同标签的认同和依赖程度来分析学习者的兴趣，进一步根据将标签分组，再分别计算不同组别的标签所具有共同的特征以提取学习者最为强烈的兴趣点和潜在的特长点。例如，某一居住于金融中心城区(标签1)的制药行业研发人员(标签2)，大学在校期间数理统计与概率论成绩优异(标签3)，热衷于经济学书籍的阅读(标签4)，曾任校足球队长(标签5)，发表过组织行为学论文一篇(标签6)，三次参与虚拟炒股大赛，并获奖一次(标签7)。标签1、3、4、7共同指向了该学习者在金融与数学方面的潜在兴趣/特长，标签2、5、6指向了该学习者观察力/领导力/研究能力方面潜在的兴趣/特长，综合分析上述标签，该学习者具有投资类行业的潜在兴趣/特长。

步骤s102：基于浏览抓取兴趣点/特长点，与步骤s101中获得的兴趣点/特长点综合后得出学习者的实际兴趣点/特长点。

在本步骤，区别于步骤s101中由学习者x1自行填写的注册信息，设置基于浏览的兴趣点抓取步骤。这是由于受到自我认识的局限性，学习者填写的有关兴趣方面信息(其认为自己应当具有的兴趣或能力)与其实际潜在的兴趣或能力有时会出现偏差，也就是说，此时信息输入者对自身的实际情况存在认识偏差/刻意回避，由此会导致兴趣点/特长点标签信息的不准确性。因此，为了提供更为准确的个人信息，设置该步骤。

在该步骤中，包括不确定的互联网浏览以及给定范围的互联网浏览，并对浏览记录提取关键词进行结合聚类，以识别出浏览中所体现的兴趣点。例如，将x1浏览过的历史信息加工为后缀的形式，接着以相似程度的不同进行合并，以此来预测学习者不同层级的兴趣，或者，先根据多个学习者x1，x2……搜索和浏览页面中的关键词的语义，对其进行标记，再利用聚类方式将具有同类兴趣的学习者标识出来。

在另外一个示例中，还可以包括数据处理步骤s1021，此处理步骤的意义在于，将步骤s101中与步骤s102中均涉及的兴趣点/特长点数据进行优化，其中的主要工作就是：减噪和辨识。

减噪：学习者行为数据是学习者在浏览过程中产生的，它可能存在大量的噪音和误操作，可以通过数据挖掘算法过滤掉行为数据中的噪音。

辨识：如前所述，在计算学习者的兴趣点时，对步骤s101中与步骤s102中一致的兴趣点进行记录，将其确定为学习者实际兴趣点。如前所述，学习者填写的兴趣信息与浏览过程中反应出来的实际兴趣信息会存在不一致的情况，此时，对于步骤s101与步骤s102中同一兴趣点的不一致信息，就需要进行进一步处理。

在一个示例中，学习者在步骤s101中填写了对于历史、地理、生物、哲学均有兴趣/特长，在给定的同等阅读量的关于上述四方面知识的互联网浏览过程中，在步骤s102中，提取出学习者对于上述四方面知识的浏览量比例为：50:10:5:35，可知，关于历史、哲学，学习者的注册兴趣与浏览兴趣大致一致，记为实际兴趣。进一步的，对于地理和生物，再进行对于上述二学科同等阅读量的给定范围浏览，同时加入新闻等供浏览的内容，此时，学习者浏览记录显示，对于地理、生物、新闻的浏览量比例为70:20:10，可知，学习者对地理的注册兴趣与浏览兴趣大致一致，记为实际兴趣。进一步的给定生物和其他内容的浏览，通过浏览量比例，确定其是否对生物具有兴趣，若经过对比发现，对生物并无兴趣，可以确定，关于生物，该学习者的注册兴趣与浏览兴趣不一致，即生物并非实际兴趣，将生物记为非兴趣点，不进行后续的课程推荐。

根据本发明的另一个目的，帮助学习者挖掘自身未知的兴趣点。研究发现，受制于学习者个人对自身的主观评价，或基于个人以往的经验，数量众多的学习者对自身不了解的学科或知识模块存在恐惧感，其经常表现为忽略这些知识模块，事实上，由于自身的判断偏差，学习者在很多情况下，并不真正了解某些潜在兴趣点。为此，需要在满足学习者的情绪安全需求的情况下，向其推荐潜在的课程，而这种情绪安全需求的满足在很大程度上依赖于对学习者已知信息的处理，以及其与其余同类学习者相关信息的比对和计算，尤其是偏好信息。

在一个示例中，学习者x1的浏览信息反映出对于英语文学作品具有强烈的偏好。

步骤s103：基于上述兴趣点/特长点向学习者推荐适宜的潜在课程。

在本步骤，根据不同学习者对相同兴趣点的态度和偏好程度计算学习者之间的关系，在有相同喜好的学习者间进行课程推荐。例如，如果x1，x2两个学习者都涉及了x,y,z三类标签，并且均在s101和s102步骤的信息收集中被标记为对这三类标签具有兴趣。那么x1和x2就属于同一类学习者。可以将x2为了学习知识c1，c2，……而选择的课程c1,c2,……也推荐给学习者x1。

在一个示例中，向学习者x1推荐英语口语课程、英语写作课程和英语阅读课程。

步骤s104：学习者根据推荐选课。

在本步骤，由于信息填写的不全面性以及计算的偏差，学习者所x1接收到的推荐课程或许为已经掌握，或许为不感兴趣，或许为(潜在)兴趣点，此时需要学习者根据自身兴趣和能力自行选课，并将选课信息提交到系统服务器的学习者x1数据库中。

在一个示例中，学习者x1选择了课程c。

步骤s105：对目标课程的网格划分。

根据在线课程的特点，将课程c根据核心知识点的定义/概念，以及由基础到深入的顺序，将其划分为m×n的课程网格，每一网格课程定义为c(i,j),(i≤m,j≤n)，每一层级课程定义为c(i)，m为由基础到深入的层级数目，其中n为同一层级核心知识点的定义/概念个数，并且对于普通学习者而言，同一层级的在后知识点的学习无需以在前知识点的学习为基础。也就是说，核心知识点c(i,j)的网格含义为第i层级内的第j个知识点，并且，在第i层级上，先学习c(i,j)还是c(i,j+1)均可。

在一个示例中，课程c为英语写作课程，学习者x1为零基础学员，此时，按照选定课程c的知识点将课程c划分为5个层级的课程网格(即m＝5)：c1单词、c2短语、c3句子、c4段落、c5文章；而c5文章的划分为：c(5,1)说明文(exposition)、c(5,2)记叙文(narration)、c(5,3)议论文(argumentation)、c(5,4)描写文(description)。在本示例中，课程的难度从最基础的c1单词到最深入的c5文章，随着层级的增加而增大，但在同一层级中，各个知识点相互之间的学习顺序无需以其他知识点的学习为前提，例如，在未完成说明文学习的情况下，同样可以对记叙文或议论文进行学习。

步骤s106：确定学习/考核目标。

在本步骤，对划分后的每一层级的每一核心知识点c(i,j)设定学习/考核目标g(i,j)，只有学习者x1达到此目标g(i,j)才能进行下一知识点的学习，完成全部m×n知识点的学习目标后，该课程c的学习为合格。

步骤s107：第一课程测试。

在本步骤，对学习者x1进行初始测试，在本测试中，对学习者x1所选课程c中所包含的第1级到第i级知识点进行由第1个到第j个的逐步测试，根据需要设定测试终止阈值：例，1)当学习者通过第i级测试，但连续三次无法正确给出第i+1级试题答案时，结束该第i+1级测试，记录学习者课程测试1的成绩记为gi,；并将测试信息提交到系统服务器的学习者x1数据库中。

在一个示例中，英语学习者x1通过了c1单词级别和c2短语级别的所有测试，但在c3句子的测试中，连续未通过陈述句、疑问句、祈使句的测试，则记录该学习者的课程测试1成绩为g2。

步骤s108：生成课程的标准学习路径规划。

在本步骤，根据课程测试1的成绩与学习/考核目标对比，对于未通过测试的部分，生成学习者x1的课程c(i)的学习路径p(i,j)，包括：对已完成课程c(i)的学习并通过测试后合格的学习者x2,x3，……的学习路径进行聚类，拟合出适于经过课程测试1具备同等水平/兴趣点/特长点学习者x1的该网格标准学习路径p(i,j)，该拟合标准路径包括课程c(i)内知识点的学习顺序、停留时长、需进行巩固的时间点等信息。

在一个示例中，根据课程测试1初始水平为g2，且在20-25岁之间，初中文化程度，偏好阅读外国文学中译本的其他通过英文写作课程c的多名学习者的在前学习路径，推荐出适于学习者x1的c3句子-c5文章学习路径，例如，在c3句子的学习过程中，感叹句、陈述句、疑问句、祈使句的学习路径更适于学习者x1，此时，在c3句子的标准学习路径p(i,j)为：p(3,1)，p(3,2)，p(3,3)，p(3,4)，其中p(3,1)为感叹句学习，p(3,2)为陈述句学习，p(3,3)为疑问句学习，p(3,4)为祈使句学习。

步骤s109：学习者进行自主线上课程学习。

在本步骤，系统依据课程步骤s108生成的标准学习路径p(i,j)，为学习者x1提供相关知识内容，同时监控采集学习者x1在完成该通过标准路径p(i,j)学习时的相关学习路径信息x1(i,j)并保存于学习者信息数据库中,包括学习者x1在课程c(i)内知识点的学习顺序、停留时长、需进行巩固的时间点等信息。

在一个示例中，学习者x1按照感叹句、陈述句、疑问句、祈使句的学习路径进行学习，同时系统记录相关学习信息。

步骤s110：第二课程测试，并生成学习者所学课程的综合评价。

在本步骤，对学习者x1进行再次测试，得出本学习者x1的课程c(i,j)综合评价结果(evaluation):e1(i,j)。课程测试2的评价结果由本学习者x1自我评价x(1，1)，r、其它同网格学习者x2,x3，…,xt对本学习者x1的评价x(2，1),r、x(3，1)，r，……，x(t，1)，r、及指导教师对本学习者评价x(s，1)，r组成综合评价e1(i,j)。

本学习者x1对同一课程网格的其他学习者x2,x3，…,xt评价x(1，2),r、x(1，3)r，……，x(1，t)r、用于计算其他学习者x2,x3，…,xt的综合评价结果:e2(i,j)，e3(i,j),…,et(i,j)。

在一个示例中，学习者x1在网格c(3,1)的课程测试中，其学习成绩e1(3,1)由三部分组成：x1对该课程测试结果对自身给出评价成绩x(1，1)；同一网格的共同在线学习者x2、x3的评价成绩x(2，1)，r、x(3，1)，r，以及指导教师对x1给出的评价x(s，1)，r。

其中，指导教师根据x1的测试情况以及x1对同一网格共同在线学习者x2、x3的评价所反映出的x1对该网格知识点的掌握程度给出x1的评价x(s，1)，r。

此外x1同时给出对同一网格的共同在线学习者x2、x3的评价成绩x(1，2)，r、x(1，3)，r。

步骤s111：进入下一课程学习，或重新学习上一课程，直至达到考核目标。

对e1(i,j)和g(i,j)进行比较，若e1(i,j)＜g(i,j)，即综合评价未达到课程网格c(i,j)的学习目标g(i,j)，由指导教师在综合评价基础上调整适于该学习者的学习路径，再次进行该网格的学习；若e1(i,j)≥g(i,j)，即综合评价达到课程网格ci×j的学习目标g(i,j)，该学习者进入下一课程网格ci,j/ci,(j+1)的学习，同时，由指导教师在综合评价基础上审阅/调整该学习者的学习路径，将其用于修正/生成同等初始水平/兴趣点/特长点学习者的该网格标准学习路径p(i,j)(i≤m,j≤n)。

在另一个示例中，综合评价e1(i,j)可进行如下计算：

(其中a＞0，b＞0，c＞0，且a+b+c＝1，p为取值范围在3至t-1之间的自然数)

学习者x1在进入下一课程网格学习循环中，直至完成对所有课程的学习。在学习者x1的学习过程中，其了解学习每一相同网格其他学习者的学习水平，同时，指导教师获取不同学习者的学习水平，另外的，通过知晓x1对其他学习者的课程评价，使得指导教师获得关于学习者x1对课程掌握情况的数据，由此可以调整学习路径或为作为标准学习路径的参考指标。

在一个示例中，学习者x1的网格c(3,1)的综合评价成绩为e1(3,1)<g(3,1)，指导教师通过对学习者x1在c(3)网格各课程学习路径的分析，结合与x1水平类似的其他学习者学习路径后，将学习路径调整为p(3,1)为疑问句学习，p(3,2)为陈述句学习，p(3,3)为感叹句学习，p(3,4)为祈使句学习，学习者x1再次学习后达到合格水平；同时，多位与x1初始水平和背景相同的学习者采用p(3,1)为疑问句学习，p(3,2)为陈述句学习，p(3,3)为感叹句学习，p(3,4)为祈使句学习的路径后，也达到合格水平，此时，系统将同类型学习者的标准学习路径修改为上述路径。

根据本发明的另一个方面，提供一种以学习者为中心的交互式在线教学系统服务器。该系统服务器包括：学习者信息数据库、监控单元、关键词抓取单元、课程推荐单元，课程网格划分单元、课程测试单元、课程学习路径规划单元、课程教学单元、评分单元。

学习者信息数据库记录学习者个人信息、选课信息、课程考试成绩、自主线上学习路径等所有与该学习者相关的信息。

监控单元监控学习者在线学习过程中的行为，包括浏览信息和自主线上学习路径。

关键词抓取单元，对预先设定的与学习过程相关的关键词/频繁出现的关键词进行抓取；在另一个示例中，还包括数据优化模块，减噪和辨识关键词抓取单元处理后的数据，输出更为精确的关键词。

课程推荐单元，根据学习者个人偏好信息，兴趣点信息，向学习者推荐课程。

课程网格划分单元，根据在线课程的特点，将课程根据核心知识点的定义/概念，以及由基础到深入的顺序，将其划分为若干课程网格。

课程测试单元，对学习者的初始学习状况进行课程测试并给出参考分数，以及对学习者学习后的学习状况进行再次测试。

在另一个示例中，课程测试单元的初始测试为客观题测试。

在另一个示例中，课程测试单元的再次测试为主观题测试。

课程学习路径规划单元，用于生成学习者的课程的学习路径。

在另一个示例中，依据学习者的初始测试成绩生成学习路径。

在另一个示例中，依据已完成学习学习者的标准学习路径，为当前学习者生成学习路径。

在另一个示例中，依据学习者的初始测试成绩和已完成学习者的标准学习路径生成当前学习者的学习路径。

课程教学单元，依据学习路径为学习者提供教学资源，供学习者自主线上学习。

评分单元，根据学习者自评、他评、教师评价进行计算，得出学习者的综合评价结果。

在另一个示例中，包括学习路径调整单元，由指导教师对学习路径进行调整，生成新的学习路径。

在另一个示例中，对学习者综合评价未达到课程网格学习目标的，由指导教师在综合评价基础上调整适于该学习者的学习路径，再次进行该网格的学习。

在另一个示例中，对综合评价达到课程网格学习目标的，由指导教师在综合评价基础上审阅/调整该学习者的学习路径，将其用于修正/生成同等初始水平/兴趣点/特长点学习者的该网格标准学习路径。

上述系统和方法可以被用于在线学习社区中以学习者为中心的教学中，从而解决背景技术部分所提及的教学课程设置无法满足个性化需求，无法挖掘学习者潜在兴趣点/特长点的问题。

应该理解，此处所属的配置和/方法在本质上是示例性的，并且这些具体实施例或示例不应被认为是局限性的，因为多个变体是可能的。此处所述的具体例程或方法可以表示任何数量的处理策略中的一个或多个。由此，所示出的各个动作可以按所示次序执行、按其他次序执行、并行地执行、或者在某些情况下被省略。同样，可以改变上述过程的次序。

本发明的主题包括各种过程、系统和配置，此处所公开的其他特征、功能、动作、和/或特性、以及其任何和全部等效物的所有新颖和非显而易见的组合和子组合。