人工智能学习中个性化作业实现方法与流程

本发明涉及教育技术领域，具体为人工智能学习中个性化作业实现方法。

背景技术：

在传统教学中，老师一般根据自己讲课的内容给每个班级布置作业，那么所有学生都做相同的作业，不管是会的还是不会的，不管是掌握好的还是不好的，都需要花时间做，但是现实是每个学生有不同的薄弱点，每个学生的需要复习的薄弱点是不一样的，需要复习的资源的难度也是不一样的，程度好的，可能只要花几分钟时间吧不会的点复习一下就好，程度差的，多弱点多，老师的作业对她来说可能太难，都不会做。目前在传统的教学的作业中无法解决个性化问题，无法使学生在繁重的作业中解放出来，没有办法做到真正的减负。

技术实现要素：

本发明的目的在于提供人工智能学习中个性化作业实现方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：人工智能学习中个性化作业实现方法，其具体步骤如下：

第一步，系统根据输入的知识图谱测试，得到每个学生需要学习的薄弱知识点列表a；

第二步，系统多薄弱知识点进行学习，得到未学会的知识点列表b；

第三步，系统会对未学会的知识点根据每一个知识点的能力值推送知识点a，系统会根据知识点a的能力值推送适合学生的难度的题目，学生作答；

第四步，根据学生的答题情况调整知识点a能力值，然后判断知识点a的能力值是否达标：

如果知识点a的能力值不达标，系统会判断是否达到最大题量4题，如果没有达到，系统会根据新的能力值再推送适合的难度的题目，直到达标或达到最大题量为止，如果达到4题，系统会标记知识点薄弱，在未学会知识点列表中删除该知识点，然后继续在未学会知识点列表中根据能力值推送知识点，直到没有未学会知识点为止；

如果知识点a的能力值达标，系统会标记知识点掌握，并在未学会知识点列表中删除该知识点，然后继续在未学会知识点列表中根据能力值推送知识点，直到没有未学会知识点为止。

优选的，所述的知识图谱是指把当前学习阶段和之前的学习阶段的所有知识点放在一起，制作成具有前置关系的知识图谱，知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。

优选的，所述的前置关系：是指知识点b学不会是因为知识点a学不会，我们就叫a是b的前置知识点，b是a的后续知识点。

优选的，所述的能力值是指学生对某一个知识点的整体掌握情况，项目反应理论假设被试有一种潜在特质。

优选的，所述的潜在特质是在观察分析测验反应基础上提出的一种统计构想，在测验中，潜在特质一般是指潜在的能力，并经常用测验总分作为这种潜力的估算，项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系，潜在特质就是我们的能力值。

与现有技术相比，本发明的有益效果是：采用本发明的人工智能学习中个性化作业实现方法，可以提高学习和复习效率，提高作业效率，帮助学生节省时间，更有针对性效果更佳。

采用本发明的人工智能学习中个性化作业实现方法，学生可以只针对自己薄弱的地方进行作业练习，使得作业更有意义，学习更有针对性，可以高效的完成对课堂内容的复习巩固，可以提高学生的学习效率，节省做作业的时间，解决学生作业多的问题做到真正帮学生减负。

附图说明

图1为本发明的学习过程结构示意图；

图2为本发明的具体操作流程示意图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1、2，本发明提供了一种人工智能学习中个性化作业实现方法，其具体步骤如下：

第一步，系统根据输入的知识图谱测试，得到每个学生需要学习的薄弱知识点列表a；

第二步，系统多薄弱知识点进行学习，得到未学会的知识点列表b；

第三步，系统会对未学会的知识点根据每一个知识点的能力值推送知识点a，系统会根据知识点a的能力值推送适合学生的难度的题目，学生作答；

第四步，根据学生的答题情况调整知识点a能力值，然后判断知识点a的能力值是否达标：

如果知识点a的能力值不达标，系统会判断是否达到最大题量4题，如果没有达到，系统会根据新的能力值再推送适合的难度的题目，直到达标或达到最大题量为止，如果达到4题，系统会标记知识点薄弱，在未学会知识点列表中删除该知识点，然后继续在未学会知识点列表中根据能力值推送知识点，直到没有未学会知识点为止；

如果知识点a的能力值达标，系统会标记知识点掌握，并在未学会知识点列表中删除该知识点，然后继续在未学会知识点列表中根据能力值推送知识点，直到没有未学会知识点为止。

优选的，所述的知识图谱是指把当前学习阶段和之前的学习阶段的所有知识点放在一起，制作成具有前置关系的知识图谱，知识图谱就是把知识点之间的前置后续关系标记清楚的知识结构。

优选的，所述的前置关系：是指知识点b学不会是因为知识点a学不会，我们就叫a是b的前置知识点，b是a的后续知识点。

优选的，所述的能力值是指学生对某一个知识点的整体掌握情况，项目反应理论假设被试有一种潜在特质。

优选的，所述的潜在特质是在观察分析测验反应基础上提出的一种统计构想，在测验中，潜在特质一般是指潜在的能力，并经常用测验总分作为这种潜力的估算，项目反应理论认为被试在测验项目上的反应和成绩与他们的潜在特质有特殊的关系，潜在特质就是我们的能力值。

实施例：

如上表，系统通过测试确定一个学生的薄弱知识点是c090103,c090201，c090301,c090302,c090303,c090304,c090305,c090205,c090202,c090203这些知识点组成薄弱知识点列表a。通过学习，得到未掌握的知识点c090201，c090301,c090302,c090303,c090304,c090305,形成未掌握的知识点列表b。

系统会对未学会的知识点根据每一个知识点的能力值推送知识点c090201，系统会根据知识点c090201的能力值推送适合学生的难度的题目，学生作答。

根据学生的答题情况调知识点c090201整能力值，然后判断知识点c090201能力值是否达标：

如果知识点c090201的能力值不达标，系统会判断是否达到最大题量4题，如果没有达到，系统会根据新的能力值再推送适合的难度的题目，直到达标或达到最大题量为止。如果达到4题，系统会标记知识c090201点薄弱，在未学会知识点列表中删除该知识点c090201，然后继续在未学会知识点列表中根据能力值推送知识点c090301，直到没有未学会知识点为止。

如果能力值达标，系统会标记知识点c090201掌握，并在未学会知识点列表中删除该知识点c090201，然后继续在未学会知识点列表中根据能力值推送知识点c090301，直到没有未学会知识点为止。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。