一种学生个性化学习辅导算法的制作方法

本发明涉及计算机智能教学辅导领域，尤其涉及一种学生个性化学习辅导算法。

背景技术：

计算机智能教学系统，简称its，是模拟人类教学专家的经验、方法来辅助教学的计算机系统。

从20世纪70年代以来的大量研究分别侧重于its某个方面的难题研究，大量的以衡量学生生知识掌握水平的软件系统应用而生，然而这些系统只专注于知识点掌握程度的结果性评价上，并没有考虑时间因素对知识积累的影响，而这会严重导致以此作为决策依据的众多服务(学习资源推荐、学习路径规划)内容将变得不再可靠，考虑到学生对知识点的掌握水平是随时间不断变化的，而这种变化是自然遗忘的过程，符合艾宾浩斯遗忘曲线，因此，本发明提出一种学生个性化学习辅导算法，以解决上述问题。

技术实现要素：

针对上述问题，本发明通过利用遗忘曲线模拟学生的知识点掌握情况变化过程，并对于不同学生、不同科目、不同认知类型的知识点构建独立的遗忘曲线，真正达到个性化精准助学的效果。

本发明提出一种学生个性化学习辅导算法，包括以下步骤：

步骤一：利用数学中隶属度的概念，并设定学生学习的遗忘时间time为t,知识点的隶属度用s表示，s是关于遗忘时间的函数s(t)，再采用微分方程数学模型来确定知识隶属度函数；

步骤二：从计算机智能教学系统的数据库内收集学生做题数据、学生的知识隶属临界值membership和遗忘时间time，然后对学生做题数据、学生的知识隶属临界值membership和遗忘时间time进行甄别，去除异常数据，根据统计的数据计算出学生最后一次作答前的遗忘速率v，并求出遗忘速率v的函数getv；

步骤三：根据公式(1)求解出学生最后一次作答后的理论遗忘速率v；

v＝lastv+membership*membership*membership+(1-mem)*upperv(1)

步骤四：根据遗忘速率v的函数getv和实际遗忘时间gettime求出刷新报告时学生对该知识点的掌握情况的知识点隶属值getmembership；

步骤五：将上述步骤四中求解出的知识点隶属值getmembership存入计算机智能教学系统的数据库，然后从数据库中取出getmembership，形成学习报告，并输出学习报告。

进一步改进在于：所述步骤一中知识隶属度函数如公式(2)所示，然后求出公式(2)的解如公式(3)所示，公式(3)的反函数如公式(4)所示：

s'(t)＝-vs(t)²(2)

解得：

其反函数为：

其中，s(t)表示关于知识点遗忘时间的隶属函数，v表示遗忘速率。

进一步改进在于：所述步骤一中知识点的隶属度s为1，则表示知识点已掌握，s为0.7则表示知识点掌握了70％，知识点的隶属度s大小表示含义以此类推，s的初始值计算来源于从数据库中提取出的学生答题正确率。

进一步改进在于：所述步骤二中学生做题数据为学习次数n、做题数目以及表现情况等多方面的因素数据。

进一步改进在于：所述步骤二中先利用计算机智能教学系统收集数据库内的学生做题数据、学生的知识隶属临界值membership和遗忘时间time，将学生做题数据划分为各科目、各认知类型，依照学生首次掌握知识点的水平给出学生的知识隶属临界值membership，再通过测试时间发生间隔来确定时间time，然后判断学生学习次数n是否大于1，若学习次数n大于1，则根据统计的数据计算出学生最后一次作答前的遗忘速率v，并求出遗忘速率v的函数getv；若学习次数n小于1则先进行初始化后再则根据统计的数据计算出学生最后一次作答前的遗忘速率v，并求出遗忘速率v的函数getv。

进一步改进在于：所述步骤二中学生最后一次作答前的遗忘速率v计算公式如公式(5)所示。

进一步改进在于：所述步骤二中初始化的公式如公式(6)所示：

upperv＝1/0.99-1(6)

其中，0.99为学生初次掌握知识点水平，初次掌握知识点水平是依照学生做题数据蕴含的信息计算得出的，可根据学生随堂测试成绩进行调整。

进一步改进在于：所述步骤四中知识点隶属值getmembership为新的知识隶属情况，用于学情预警，计算公式如公式(7)所示。

本发明的有益效果为：本发明算法通过基于遗忘曲线原理可以掌握学生对知识点的记忆程度，且对于不同学生、不同科目、不同认知类型的知识点构建独立的遗忘曲线，可以真正达到个性化精准助学的效果，再通过加入时间参数，考虑到自然遗忘规律，可以动态的分析学生知识点掌握水平，同时本发明算法与实际情况更加符合，摒除了传统算法中只是知识点水平静态分析这一弊端，更具人性化，并且在知识点遗忘曲线算法设计中，数据采集简单，只需输入学生做题时间点与答题正确率，便能够实时反映学生知识点掌握水平的变化情况，算法设计简单，具备更高的实用价值。

附图说明

图1为本发明算法流程示意图。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明做进一步详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

根据图1所示，本实施例提出一种学生个性化学习辅导算法，包括以下步骤：

步骤一：利用数学中隶属度的概念，并设定学生学习的遗忘时间time为t,知识点的隶属度用s表示，s是关于遗忘时间的函数s(t)，再采用微分方程数学模型来确定知识隶属度函数，知识点的隶属度s为1，则表示知识点已掌握，s为0.7则表示知识点掌握了70％，知识点的隶属度s大小表示含义以此类推，s的初始值计算来源于从数据库中提取出的学生答题正确率，知识隶属度函数如公式(2)所示，然后求出公式(2)的解如公式(3)所示，公式(3)的反函数如公式(4)所示：

s'(t)＝-vs(t)²(2)

解得：

其反函数为：

其中，s(t)表示关于知识点遗忘时间的隶属函数，v表示遗忘速率；

步骤二：所述步骤二中先利用计算机智能教学系统收集数据库内的学生做题数据、学生的知识隶属临界值membership和遗忘时间time，将学生做题数据划分为各科目、各认知类型，依照学生首次掌握知识点的水平给出学生的知识隶属临界值membership，再通过测试时间发生间隔来确定时间time，其中，学生做题数据为学习次数n、做题数目以及表现情况等多方面的因素数据，然后判断学生学习次数n是否大于1，若学习次数n大于1，则根据统计的数据计算出学生最后一次作答前的遗忘速率v，并求出遗忘速率v的函数getv；若学习次数n小于1则先进行初始化后再则根据统计的数据计算出学生最后一次作答前的遗忘速率v，并求出遗忘速率v的函数getv，学生最后一次作答前的遗忘速率v，遗忘速率v计算公式如公式(5)所示，初始化的公式如公式(6)所示：

upperv＝1/0.99-1(6)

其中，0.99为学生初次掌握知识点水平，初次掌握知识点水平是依照学生做题数据蕴含的信息计算得出的，可根据学生随堂测试成绩进行调整；

步骤三：根据公式(1)求解出学生最后一次作答后的理论遗忘速率v；

v＝lastv+membership*membership*membership+(1-mem)*upperv(1)

步骤四：根据遗忘速率v的函数getv和实际遗忘时间gettime求出刷新报告时学生对该知识点的掌握情况的知识点隶属值getmembership，知识点隶属值getmembership为新的知识隶属情况，用于学情预警，计算公式如公式(7)所示；

步骤五：将上述步骤四中求解出的知识点隶属值getmembership存入计算机智能教学系统的数据库，然后从数据库中取出getmembership，形成学习报告，并输出学习报告。

本发明算法通过基于遗忘曲线原理可以掌握学生对知识点的记忆程度，且对于不同学生、不同科目、不同认知类型的知识点构建独立的遗忘曲线，可以真正达到个性化精准助学的效果，再通过加入时间参数，考虑到自然遗忘规律，可以动态的分析学生知识点掌握水平，同时本发明算法与实际情况更加符合，摒除了传统算法中只是知识点水平静态分析这一弊端，更具人性化，并且在知识点遗忘曲线算法设计中，数据采集简单，只需输入学生做题时间点与答题正确率，便能够实时反映学生知识点掌握水平的变化情况，算法设计简单，具备更高的实用价值。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。