本发明涉及数据处理技术领域,具体涉及知识结构的挖掘方法及学习路径的规划方法。
背景技术:
随着大数据分析和人工智能算法的发展,教育与互联网的结合愈加紧密,自适应学习、认知诊断等概念逐步落地,为教育的科学、公平、智能化和个性化带来新的助力。知识图谱通过融合多学科的理论与分析方法,挖掘知识领域的发展进程与结构关系,既是教育教学实践的重要依据,也是众多先进教育技术实现的基础。
现有的知识结构分析大多基于引文分析与共现分析等方法,以可视化图谱展示学科知识的结构关系。其中,在教育领域本身关于知识结构的研究和使用多服务于认知诊断,现有的认知诊断和自适应学习系统一般由人工进行知识结构的梳理和学习路径的规划,并以此为基础发展产品和服务。比如众多认知诊断相关的教学实践,需要教学经验丰富的老师投入许多精力对诊断涉及的知识点及知识结构进行分析和选题命题,乃至平行卷设计以及小组讨论等。上述知识结构的分析方法主要是根据人为的经验确定,而此种方法无法排除主观因素的干扰,导致所得出的知识结构的可信度较低。
技术实现要素:
有鉴于此,本发明实施例提供了一种知识结构的挖掘方法及学习路径的规划方法,以解决现有方法所得出的知识结构的可信度低的问题。
根据第一方面,本发明实施例提供了一种知识结构的挖掘方法,包括:
获取多个待分析知识点;
获取预设数量的学习者关于所述待分析知识点的掌握模式,以得到掌握模式集合;其中,所述掌握模式用于表示所述学习者是否掌握对应的所述待分析知识点;所述掌握模式是基于所述学习者关于所述待分析知识点的答题记录得到的;
基于所述掌握模式集合,确定各个所述待分析知识点的认知难度;
根据所述认知难度,建立对应于所述待分析知识点的知识结构;其中,所述知识结构包括所述待分析知识点间的层次以及路径中的至少之一。
本发明实施例提供的知识结构的挖掘方法,基于掌握模式集合所确定出的各个待分析知识点的认知难度建立知识结构,其中,由于掌握模式是利用学习者在待分析知识点上的答题记录得到的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度。
结合第一方面,在第一方面第一实施方式中,所述根据所述认知难度,建立对应于所述待分析知识点的知识结构,包括:
依据所述认知难度划分所有所述待分析知识点的层次,以得到初始知识结构;
基于所述初始知识结构中的每一层或相邻两层中的两个所述待分析知识点,在所述掌握模式集合中统计出同时掌握两个所述待分析知识点的人数、同时未掌握两个所述待分析知识点的人数,以及仅掌握其中一个所述待分析知识点的人数;
利用统计出的人数,确定两个所述待分析知识点的关系;其中,所述关系包括序关系以及相关性中的至少一种,所述序关系用于表示两个所述待分析知识点之间的掌握先后关系;
基于确定出的关系调整所述初始知识结构,以得到所述待分析知识点的知识结构。
本发明实施例提供的知识结构的挖掘方法,通过计算确定各个待分析知识点的认知难度,并基于认知难度进行知识层次的划分,通过定义序关系和相关性量化了知识之间的路径特征,不同的待分析知识点可以通过统一的量纲进行比较和选择,相较简单的关联关系和序关系提供了更加丰富的信息,从而可以更好地服务于使用者和上层教育设施。
结合第一方面或第一方面第一实施方式,在第一方面第二实施方式中,所述利用统计出的人数,确定两个所述待分析知识点的关系,包括:
判断掌握第一待分析知识点且未掌握第二待分析知识点的人数与掌握所述第二待分析知识点且未掌握第一待分析知识点的人数的差距是否满足预设条件;
当掌握第一待分析知识点且未掌握第二待分析知识点的人数与掌握所述第二待分析知识点且未掌握第一待分析知识点的人数的差距满足预设条件时,确定所述第一待分析知识点与所述第二待分析知识点之间存在所述序关系。
结合第一方面第一实施方式,在第一方面第三实施方式中,所述基于确定出的关系调整所述初始知识结构,以得到所述待分析知识点的知识结构,包括:
判断相邻两层中的任意两个所述待分析知识点之间是否存在所述关系;
当相邻两层中的任意两个所述待分析知识点之间均不存在所述关系时,将相邻两层合并为一层。
本发明实施例提供的知识结构的挖掘方法,通过上述的序关系和相关性对相邻两层中的任意两个待分析知识点进行分析,以对相邻两层中的待分析知识点进行调整,从而提高了知识结构的可信度。
结合第一方面第一实施方式或第三实施方式,在第一方面第四实施方式中,所述基于确定出的关系调整所述初始知识结构,以得到所述待分析知识点的知识结构,包括:
判断同一层中的两个所述待分析知识点之间是否存在所述关系;
当同一层中的两个所述待分析知识点之间是否存在所述关系时,判断当前层中所述认知难度最大或最小的所述待分析知识点与相邻层的所述待分析知识点之间是否存在所述关系;
当当前层中所述认知难度最大或最小的所述待分析知识点与相邻层的所述待分析知识点之间存在所述关系时,在当前层与相邻层之间插入一层,并将所述认知难度最大或最小的所述待分析知识点转移至新插入的层中;
当当前层中所述认知难度最大或最小的所述待分析知识点与相邻层的所述待分析知识点之间不存在所述关系时,将所述认知难度最大或最小的所述待分析知识点转移至相邻层中。
本发明实施例提供的知识结构的挖掘方法,通过上述的序关系和相关性对同一层中的任意两个待分析知识点进行分析,以对同一层中的待分析知识点进行位置调整,从而进一步保证了知识结构的可信度。
结合第一方面,或第一方面第一实施方式,在第一方面第五实施方式中,所述根据所述认知难度,建立对应于所述待分析知识点的知识结构,包括:
利用任意两个所述待分析知识点对应的所述认知难度及其对应的掌握模式,计算两个所述待分析知识点之间的路径特征,以得到所述待分析知识点的知识结构;其中,所述路径特征包括路径长度以及路径宽度;其中,所述路径长度用于表示两个所述待分析知识点的直达性,所述路径宽度用于表示两个所述待分析知识点之间到达的容易程度。
本发明实施例提供的知识结构的挖掘方法,以长度和宽度表示任意两个待分析知识点间的通路,为后续针对不同水平、不同动机的学习者动态规划路径提供了条件;同时,可以在学习者的学习过程中,通过获取学习者的答题结果对知识结构进行动态的调整。
结合第一方面第五实施方式,在第一方面第六实施方式中,采用如下公式计算所述路径长度:
L=K1*(1+DD)+A1;
式中,DD=D_X-D_Y,DD∈(-1,1);
A1=A_value1*A_weight*A_l;
A_value1=C10/C01;
其中,L为所述路径长度;K1为第一权重调整常数;D_X为第一待分析知识点的认知难度,D_Y为第二待分析知识点的认知难度;C00为同时未掌握两个所述待分析知识点的人数;C11为同时掌握两个所述待分析知识点的人数;C01为未掌握第一待分析知识点且掌握第二待分析知识点的人数;C10为掌握第一待分析知识点且未掌握第二待分析知识点的人数;a为第一常数。
本发明实施例提供的知识结构的挖掘方法,在掌握第一待分析知识点但未掌握第二待分析知识点的人数较多时,表示第一待分析知识点可能不是第二待分析知识点的直接前置节点,或者第二待分析知识点还有其他前置节点,因此在这种情况下对路径长度进行修正,即路径变长,从而更好地符合实际的知识结构的路径特征。
结合第一方面第六实施方式,在第一方面第七实施方式中,采用如下公式计算所述路径宽度:
W=K2*(1+C)+A2;
式中,A2=A_value2*A_weight*A_w;
其中,W为所述路径宽度;K2为第二权重调整常数;C为两个待分析知识点之间的相关系数;b为第二常数。
本发明实施例提供的知识结构的挖掘方法,在掌握第一待分析知识点但未掌握第二待分析知识点的人数较少时,表示第一待分析知识点与第二待分析知识点之间存在前置,或后置的关系,而具有前置或后置关系的两个知识之间会比较容易达到,因此在这种情况下,对路径宽度进行修正,即路径变宽。
结合第一方面第五实施方式,在第一方面第八实施方式中,所述根据所述认知难度,建立对应于所述待分析知识点的知识结构,还包括:
对所述知识结构的相邻层,分别组合层内的所述待分析知识点;
将组合后的知识点作为一个整体,计算所述路径特征,以补全所述知识结构。
本发明实施例提供的知识结构的挖掘方法,由于待分析知识点之间的关系并不限于两两之间,也可能是多对一、一对多、多对多等等,因此通过组合层内的待分析知识点作为一个整体,计算路径特征,从而能够丰富知识结构,进一步提高了知识结构的可信度。
结合第一方面,在第一方面第九实施方式中,所述基于所述掌握模式集合,确定各个所述待分析知识点的认知难度,包括:
在所述掌握模式集合中统计出掌握所述待分析知识点的人数;
计算统计出的人数与所述学习者的总人数的比值,确定对应于所述待分析知识点的所述认知难度。
根据第二方面,本发明实施例还提供了一种学习路径的规划方法,包括:
获取预设学习者对于多个预设知识点的掌握模式;
基于所述掌握模式,建立对应于所述预设知识点的知识结构;其中,所述知识结构是根据本发明第一方面,或第一方面任一项实施方式中所述的知识结构的挖掘方法建立的;
根据所述知识结构向所述预设学习者推荐学习路径。
本发明实施例提供的学习路径的规划方法,由于知识结构是从预设学习者的答题结果出发进行构建的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度;那么在此基础上所进行的学习路径的推荐能够基于预设学习者的认知水平进行路径规划,从而能够提高预设学习者的学习效率。
结合第二方面,在第二方面第一实施方式中,所述根据所述知识结构向所述预设学习者推荐学习路径,包括:
获取待学习知识的起点以及终点;
基于所述知识结构,利用所述起点以及所述终点确定所述学习路径;
向所述预设学习者推荐所述学习路径。
结合第二方面第一实施方式,在第二方面第二实施方式中,所述基于所述知识结构,利用所述起点以及所述终点确定所述学习路径,包括:
从所述知识结构上获取从所述起点到所述终点的所有可用路径,以得到所述学习路径。
结合第二方面第一实施方式,在第二方面第三实施方式中,所述基于所述知识结构,利用所述起点以及所述终点确定所述学习路径,包括:
沿所述知识结构的顺序方向,每次选择路径长度最近且路径宽度最宽的路径为所述学习路径;
或,
在所述知识结构中选择所述起点与所述终点之间节点最少的路径为所述学习路径;
或,
在所述知识结构中选择覆盖知识点最多的路径为所述学习路径。
结合第二方面第一实施方式,在第二方面第四实施方式中,所述起点为所述知识结构的所有未掌握节点中到达路径最宽且最短的节点,或所述知识结构中所述认知难度最小的节点;
或,
所述知识结构的掌握节点最多层中的未掌握节点;
或,
所述知识结构的已掌握节点最难的知识点所在层中的知识点,或所述最难的知识点直达的知识点;
或,
所述知识结构的未掌握的底层知识点。
结合第二方面第一实施方式,在第二方面第五实施方式中,所述终点为预设知识点;
或,
以学习时间和资源限制计算得到的终点范围中的知识节点;
或,
所述知识结构中通路最多的未掌握知识点。
结合第二方面,在第二方面第六实施方式中,所述根据所述知识结构向所述预设学习者推荐学习路径的步骤之后,还包括:
获取所述预设学习者在学习所述学习路径对应的知识点后的题目作答结果;
根据所述作答结果修正所述学习路径,并更新所述掌握模式。
结合第二方面第六实施方式,在第二方面第七实施方式中,所述根据所述作答结果修正所述学习路径,包括:
判断所述作答结果的正确率是否大于第一预设值;
当所述正确率大于所述第一预设值时,在所述知识结构中选择路径长度大于所述学习路径的长度且路径宽度小于所述学习路径的宽度的路径作为新的学习路径;或者,将所述学习路径的起点修改为所述起点的相邻层中的未掌握知识点,以修正所述学习路径;
判断所述作答结果的正确率是否小于第二预设值;
当所述正确率小于所述第二预设值时,在所述知识结构中选择路径长度大于所述学习路径的长度且路径宽度小于所述学习路径的宽度的路径作为新的学习路径;或者,将从所述起点回溯路径最宽的未学习前置节点作为新的起点,以修正所述学习路径。
本发明实施例提供的学习路径的规划方法,在预设学习者的学习过程中收集答题结果,并迭代知识结构,以更新学习者的认知水平和规划路径,即针对预设学习者的学习结果进行知识结构的动态调整,以保证向预设学习者推荐的学习路径具有较好的适应性。
根据第三方面,本发明实施例还提供了一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明第一方面,或第一方面任一项实施方式中所述的知识结构的挖掘方法,或,本发明第二方面,或第二方面任一项实施方式中所述的学习路径的规划方法。
根据第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行本发明第一方面,或第一方面任一项实施方式中所述的知识结构的挖掘方法,或,本发明第二方面,或第二方面任一项实施方式中所述的学习路径的规划方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的知识结构的挖掘方法的流程图;
图2是根据本发明实施例的知识结构的挖掘方法的流程图;
图3是根据本发明实施例的知识结构的挖掘方法的流程图;
图4是根据本发明实施例的学习路径的规划方法的流程图;
图5是根据本发明实施例的学习路径的规划方法的流程图;
图6是根据本发明实施例的学习路径的规划方法的流程图;
图7是根据本发明实施例的知识结构的挖掘装置的结构框图;
图8是根据本发明实施例的学习路径的规划装置的结构框图;
图9是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
根据本发明实施例,提供了一种知识结构的挖掘方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种知识结构的挖掘方法,可用于上述的电子设备,如手机、平板电脑等,图1是根据本发明实施例的知识结构的挖掘方法的流程图,如图1所示,该流程包括如下步骤:
S11,获取多个待分析知识点。
多个待分析知识点可以是电子设备从外界获取到的,也可以是存储在电子设备中,只需保证电子设备能够获取到待分析知识点即可。
例如,多个待分析知识点可以为K1、K2、K3、……、KN,在电子设备中可以将多个待分析知识点采用待分析知识点集合的形式进行标识,例如可以表示为K={K1,K2,K3,……,KN}。
S12,获取预设数量的学习者关于待分析知识点的掌握模式,以得到掌握模式集合。
其中,所述掌握模式用于表示学习者是否掌握对应的待分析知识点;所述掌握模式是基于学习者关于待分析知识点的答题记录得到的。或者,进一步地,可以理解为,学习者通过待分析知识点的学习之后,是否掌握该待分析知识点。
具体地,掌握模式集合可以采用下表表示:
表1掌握模式集合
如上表所示,其中,“1”表示某学习者在学习待分析知识点之后掌握对应的待分析知识点,“0”表示某学习者在学习待分析知识点之后未掌握对应的待分析知识点。例如,以第二行第三列的“0”为例,表示学习者2在学习待分析知识点之后未掌握待分析知识点1,以第三行第三列的“1”为例,表示学习者2在学习待分析知识点之后掌握待分析知识点2;以第N+1行第三列的“”(即,空格)为例,表示学习者2未学习过待分析知识点N。
由上表可知,对于待分析知识集合中的待分析知识点而言,并不要求每位学习者全部学习过待分析知识集合中的所有待分析知识点,各个学习者可以学习待分析知识集合中的某个,或某些知识点即可。
上述的掌握模式集合可以是在线下各个学习者基于自身的答题结果,通过自评问卷得到的;也可以是在线上基于各个学习者的答题结果,得到学习者在相应知识点的掌握度,从而确定出掌握模式;也可以是电子设备通过获取学习者关于待分析知识点的答题记录,通过认知诊断模型,例如DINA、HO-DINA等计算掌握模式集合得到的。在此对掌握模式的获取方式并不做任何限制,只需保证电子设备所获取到的掌握模式是基于答题者的答题结果得到的即可。
S13,基于掌握模式集合,确定各个待分析知识点的认知难度。
认知难度表示各个待分析知识点的难易程度,电子设备可以利用掌握模式集合中各个待分析知识点的掌握人数与非掌握人数的比值确定认知难度,也可以利用掌握模式集合中各个待分析知识点的掌握人数与所有学习者的比值确定等等;或者,也可以采用其他方式进行确定。在下文中将对该步骤进行详细描述,在此并不做任何限制。
S14,根据认知难度,建立对应于待分析知识点的知识结构。
其中,所述知识结构包括待分析知识点间的层次以及路径中的至少之一。
由于认知难度可以用于表示各个待分析知识点的难易程度,因此可以采用认知难度对所有待分析知识点进行划分层次,也可以理解为按照各个待分析知识点的难易程度划分待分析知识点的层次。例如,指定阈值间隔进行分层,如以0.1为间隔分层,可以从最小的认知难度开始,每隔0.1划分一个层次;也可以是根据待分析知识集合中待分析知识点的数量进行分层,如将待分析知识点按认知难度排序,将N个待分析知识点划分为P(P<=N)层。
对于待分析知识点间的路径用于表示两个待分析知识点间的通路,可以利用两个待分析知识点间的认知难度的差异,建立两个待分析知识点间的通路。例如,认知难度的差异越大,用于表示两个待分析知识点间的通路的数值越大;认知难度的差异越小,用于表示两个待分析知识点间的通路的数值越小。
电子设备所建立出的对应于待分析知识点的知识结构,可以是对所有待分析知识点的层次划分,也可以是采用任意两个待分析知识点的路径进行标识,或者也可以是两者的结合。在下文中将对该步骤进行详细描述。
本实施例提供的知识结构的挖掘方法,基于掌握模式集合所确定出的各个待分析知识点的认知难度建立知识结构,其中,由于掌握模式是利用学习者在待分析知识点上的答题记录得到的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度。
在本实施例中还提供了一种知识结构的挖掘方法,可用于上述的电子设备,如手机、平板电脑等,图2是根据本发明实施例的知识结构的挖掘方法的流程图,如图2所示,该流程包括如下步骤:
S21,获取多个待分析知识点。
详细请参见图1所示实施例的S11,在此不再赘述。
S22,获取预设数量的学习者关于待分析知识点的掌握模式,以得到掌握模式集合。
其中,所述掌握模式用于表示学习者是否掌握对应的待分析知识点;所述掌握模式是基于学习者关于待分析知识点的答题记录得到的。
详细请参见图1所示实施例的S12,在此不再赘述。
S23,基于掌握模式集合,确定各个待分析知识点的认知难度。
详细请参见图1所示实施例的S13,在此不再赘述。
S24,根据认知难度,建立对应于待分析知识点的知识结构。
其中,所述知识结构包括待分析知识点间的层次以及路径中的至少之一。
在本实施例中以知识结构包括待分析知识点间的层次为例,进行详细描述。具体地,该步骤包括:
S241,依据认知难度划分所有待分析知识点的层次,以得到初始知识结构。
电子设备可以对所有待分析知识点对应的认知难度进行排序,从而得到认知难度顺序变化的待分析知识点的层次,以形成初始知识结构;也可以是按照图1所示实施例的S14中关于层次划分的方法进行划分等等。在此对初始知识结构并不做任何限制。
以待分析知识集合包括6个待分析知识点,且初始知识结构划分为3层为例,初始知识结构可以表示如下:
第一层:待分析知识点3,待分析知识点1;
第二层:待分析知识点4,待分析知识点2,待分析知识点5;
第三层:待分析知识点7,待分析知识点6。
S242,基于初始知识结构中的每一层或相邻两层中的两个待分析知识点,在掌握模式集合中(需要说明的是,掌握模式集合统计的是在对待分析知识点的学习后,掌握对应的待分析知识点,或未掌握对应的待分析知识点)统计出同时掌握两个待分析知识点的人数、同时未掌握两个待分析知识点的人数,以及仅掌握其中一个待分析知识点的人数。
具体地,可以将两个待分析知识点称之为第一待分析知识点K_X,以及第二待分析知识点K_Y。
那么第一待分析知识点K_X与第二待分析知识点K_Y存在以下四种基本关系:
(1)同时掌握K_X以及K_Y;
(2)均为掌握K_X以及K_Y;
(3)掌握K_X未掌握K_Y;
(4)未掌握K_X掌握K_Y。
为便于下文描述,将上述四种基本关系所对应的人数表示如下:
(1)同时掌握K_X以及K_Y的人数即为C11;
(2)均为掌握K_X以及K_Y的人数即为C00;
(3)掌握K_X未掌握K_Y的人数即为C10;
(4)未掌握K_X掌握K_Y的人数即为C01。
电子设备可以根据S22中获取到的掌握模式集合,得出任意两个待分析知识点对应上述四种关系下的人数。
S243,利用统计出的人数,确定两个待分析知识点的关系。
其中,所述关系包括序关系以及相关性中的至少一种,所述序关系用于表示两个所述待分析知识点之间的掌握先后关系。
具体地,所述的序关系用于表示两个待分析知识点之间是否存在掌握上的先后关系,即,认知难度的差异所导致的掌握上的先后。
电子设备对于同一层的任意两个待分析知识点,或相邻层的任意两个待分析知识点确定其之间是否存在序关系或相关性。其中,若两个待分析知识点之间的掌握人数存在差异,则表示它们之间可能存在认知上的序关系;随着差异的增大,序关系的可能性也可能随之增大。
作为本实施例的一种可选实施方式,对于序关系可以采用如下步骤确定:
(1)判断掌握第一待分析知识点且未掌握第二待分析知识点的人数与掌握所述第二待分析知识点且未掌握第一待分析知识点的人数的差距是否满足预设条件。
如上文所示,掌握第一待分析知识点且未掌握第二待分析知识点的人数表示为C10,掌握第二待分析知识点且未掌握第一待分析知识点的人数表示为C01。那么两者之间的差异可以用两者差值的绝对值,或两者的比值确定。
(2)当掌握第一待分析知识点且未掌握第二待分析知识点的人数与掌握所述第二待分析知识点且未掌握第一待分析知识点的人数的差距满足预设条件时,确定所述第一待分析知识点与所述第二待分析知识点之间存在所述序关系。
此处的序关系仅表示认知上可能的顺序(即,认知难度的差异),如果要表示前置后置等带有依赖性的顺序关系,需要同时考虑相关性,而不是简单的认知顺序。可以理解为,将序关系与相关性结合可以得到待分析知识点之间的前置、后置等带有依赖性的顺序关系。因此,后续在进行学习路线推荐的时候,可以同时考虑路径长度(对应于序关系)和宽度(对应于相关性)。
所述的预设条件可以根据实际情况进行具体设置,例如,当两者的比值大于等于2,或小于等于0.5时,则表示两者之间的差距满足预设条件。
即,可以表示为:
当C10/C01≥2或C10/C01≤0.5时,认为K_X与K_Y之间存在认知上的序关系。
作为本实施例的另一种可选实施方式,对于相关性可以采用相关系数进行表示,而相关系数的计算可以采用假设检验的方法,也可以采用其他方式计算等等,在此对相关系数的计算方式并不做任何限制。对于相关性的确定,可以采用当计算得到的相关系数达到预设值时,认为两个待分析知识点之间存在相关性。
S244,基于确定出的关系调整初始知识结构,以得到待分析知识点的知识结构。
电子设备对于相邻两层中的任意两个待分析知识点进行序关系以及相关性的确定,具体地,包括以下步骤:
(1)判断相邻两层中的任意两个待分析知识点之间是否存在关系。
例如,层a与层b为相邻的两层,层a中的待分析知识点有2个(a1,a2),层b中的待分析知识点有3个(b1,b2,b3),那么依次将a1与b1-b3进行序关系以及相关性的确定,将a2与b1-b3进行序关系以及相关性的确定。
电子设备依次判断相邻两层中的任意两个待分析知识点之间是否存在序关系或相关性,直至相邻两层中的两个待分析知识点的组合全部判断为止。
(2)当相邻两层中的任意两个待分析知识点之间均不存在关系时,将相邻两层合并为一层。
例如,当相邻的层a与层b之间不存在序关系以及相关性时,电子设备将这两个相邻层合并为一层。
作为本实施例的一种可选实施方式,上述S244包括:
(1)判断同一层中的两个待分析知识点之间是否存在关系。
电子设备对初始知识结构中的每一层中的任意两个待分析知识点进行序关系或相关性的确定,以判断同一层中的两个待分析知识点之间是否存在上述关系。
(2)当同一层中的两个待分析知识点之间是否存在关系时,判断当前层中认知难度最大或最小的待分析知识点与相邻层的待分析知识点之间是否存在关系。
当电子设备判断出同一层的两个待分析知识点之间存在序关系或相关性时,在将当前层中认知难度最大或最小的待分析知识点与相邻层的待分析知识点之间是否存在序关系或相关性。
(3)当当前层中认知难度最大或最小的待分析知识点与相邻层的待分析知识点之间存在关系时,在当前层与相邻层之间插入一层,并将认知难度最大或最小的待分析知识点转移至新插入的层中。
(4)当当前层中认知难度最大或最小的待分析知识点与相邻层的待分析知识点之间不存在关系时,将认知难度最大或最小的待分析知识点转移至相邻层中。
作为本实施例的另一种可选实施方式,在S244中可以对相邻两层以及同一层进行序关系或相关性的确定,以调整初始知识结构。
电子设备根据相邻两层,和/或,同一层中任意两个待分析知识点之间的序关系或相关性,对初始知识结构进行调整直至稳定状态。所述的稳定状态为:相邻层的任意两个待分析知识点之间存在上述的序关系或相关性;同一层的任意两个待分析知识点之间不存在上述的序关系或相关性。
本实施例提供的知识结构的挖掘方法,通过上述的序关系和相关性对相邻两层、或同一层中的任意两个待分析知识点进行分析,以对相邻两层、或同一层中的待分析知识点进行调整,从而提高了知识结构的可信度。
在本实施例中提供了一种知识结构的挖掘方法,可用于上述的电子设备,如手机、平板电脑等,图3是根据本发明实施例的知识结构的挖掘方法的流程图,如图3所示,该流程包括如下步骤:
S31,获取多个待分析知识点。
详细请参见图2所示实施例的S21,在此不再赘述。
S32,获取预设数量的学习者关于待分析知识点的掌握模式,以得到掌握模式集合。
其中,所述掌握模式用于表示学习者是否掌握对应的待分析知识点;所述掌握模式是基于学习者关于待分析知识点的答题记录得到的。
详细请参见图2所示实施例的S22,在此不再赘述。
S33,基于掌握模式集合,确定各个待分析知识点的认知难度。
各个待分析知识点的认知难度采用掌握待分析知识点的人数与学习者的总人数的比值进行确定的,具体地包括以下步骤:
S331,在掌握模式集合中统计出掌握待分析知识点的人数。
电子设备利用掌握模式集合,统计出各个待分析知识点对应的掌握该知识点的人数。
S332,计算统计出的人数与学习者的总人数的比值,确定对应于待分析知识点的认知难度。
认知难度可以采用如下公式表示:
其中,D_X表示待分析知识点X的认知难度;S_X表示掌握待分析知识点X的人数;S_A表示S32中学习者的总人数。
S34,根据认知难度,建立对应于待分析知识点的知识结构。
其中,所述知识结构包括待分析知识点间的层次以及路径中的至少之一。
在本实施例中以知识结构包括待分析知识点间的路径为例,进行详细描述。具体地,该步骤包括:
利用任意两个待分析知识点对应的认知难度及其对应的掌握模式,计算两个待分析知识点之间的路径特征,以得到待分析知识点的知识结构。
其中,所述路径特征包括路径长度以及路径宽度;所述路径长度用于表示两个待分析知识点的直达性,L越小,越可能直接学习;L越大,表示路径长,可能存在其他节点。所述路径宽度用于表示两个待分析知识点之间到达的容易程度,W越大,越容易到达;W越小,越难到达。路径长度L以及路径宽度W共同表达了待分析知识点K_X到K_Y的认知成本。
具体地,采用如下公式计算所述路径长度:
L=K1*(1+DD)+A1;
式中,DD=D_X-D_Y,DD∈(-1,1);
A1=A_value1*A_weight*A_l;
A_value1=C10/C01;
其中,L为所述路径长度;K1为第一权重调整常数;D_X为第一待分析知识点的认知难度,D_Y为第二待分析知识点的认知难度;C00为同时未掌握两个所述待分析知识点的人数;C11为同时掌握两个所述待分析知识点的人数;C01为未掌握第一待分析知识点且掌握第二待分析知识点的人数;C10为掌握第一待分析知识点且未掌握第二待分析知识点的人数;a为第一常数。例如,a可以取2.5。
其中,在掌握第一待分析知识点但未掌握第二待分析知识点的人数较多时,表示第一待分析知识点可能不是第二待分析知识点的直接前置节点,或者第二待分析知识点还有其他前置节点,因此在这种情况下对路径长度进行修正,即路径变长,从而更好地符合实际的知识结构的路径特征。
采用如下公式计算所述路径宽度:
W=K2*(1+C)+A2;
式中,A2=A_value2*A_weight*A_w;
其中,W为所述路径宽度;K2为第二权重调整常数;C为两个待分析知识点之间的相关系数;b为第二常数。例如,b可以取1。
当C10≥C01时,K_X表现出K_Y的前置倾向,当C10<C01时,K_X表现出K_Y的后置倾向,在一定范围内,前置和后置有利于到达。在掌握第一待分析知识点但未掌握第二待分析知识点的人数较少时,表示第一待分析知识点与第二待分析知识点之间存在前置,或后置的关系,而具有前置或后置关系的两个知识之间会比较容易到达,因此在这种情况下,对路径宽度进行修正,即路径变宽。采用上述方法可以计算得到任意两个待分析知识点之间的路径长度以及路径宽度,但是由于过长或过窄的路径意味着认知成本的增加,因此可以设置如下的筛选原则对路径进行筛选:
(1)只计算相邻层的路径;
(2)只计算顺序路径,例如知识点由易到难;
(3)只保留路径宽度达到阈值的路径等等。
作为本实施例的一种可选实施方式,上述S34还包括:
(1)对所述知识结构的相邻层,分别组合层内的待分析知识点。
(2)将组合后的知识点作为一个整体,计算路径特征,以补全知识结构。
例如,简单层包括知识点a1,a2,以及a3;难层包括知识点b1以及b2,可以将知识点a1以及a2作为一个整体,分别计算其与难层中的b1以及b2之间的路径特征。其中,将其作为一个整体考虑时,其对应的认知难度为同时掌握知识点a1以及知识点a2的人数与总人数的比值。将a1,a2,以及a3作为一个整体时,其对应的认知难度为同时掌握知识点a1,a2以及a3的人数与总人数的比值。
电子设备利用层内待分析知识点的整合扩展出更多的路径特征,即对相邻的层Layer_X与Layer_Y,分别组合层内的知识点,将组合后的知识点视为一个整体,计算路径特征。
其中,组合产生的新路径如果没有同时包含已存在路径的起点和终点,且达到宽度幅值则保留。电子设备逐个计算相邻层组合后的路径特征,以补全知识结构。
由于待分析知识点之间的关系并不限于两两之间,也可能是多对一、一对多、多对多等等,因此通过组合层内的待分析知识点作为一个整体,计算路径特征,从而能够丰富知识结构,进一步提高了知识结构的可信度。
本实施例提供的知识结构的挖掘方法,以长度和宽度表示任意两个待分析知识点间的通路,为后续针对不同水平、不同动机的学习者动态规划路径提供了条件;同时,可以在学习者的学习过程中,通过获取学习者的答题结果对知识结构进行动态的调整。
在本实施例的一些可选实施方式中,可以将图2所示实施例中的层次划分与图3所示实施例中的路径特征进行结合,以得到知识结构。
根据本发明实施例,提供了一种学习路径的规划方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种学习路径的规划方法,可用于上述的电子设备,如手机、平板电脑等,图4是根据本发明实施例的知识结构的挖掘方法的流程图,如图4所示,该流程包括如下步骤:
S41,获取预设学习者对于多个预设知识点的掌握模式。
电子设备所获取到的掌握模式可以是线上获取到的,也可以是线下获取到的,其中,掌握模式的获取方法与图1所示实施例的S12类似,在此不再赘述。
S42,基于掌握模式,建立对应于预设知识点的知识结构。
其中,所述知识结构是根据上述任一项所述的知识结构的挖掘方法建立的。
详细请参见图1至图3所示实施例的描述,在此不再赘述。
S43,根据知识结构向预设学习者推荐学习路径。
电子设备在S42中建立对应于预设知识点的知识结构之后,可以从知识结构中形成相应的学习路径,例如可以是从最底层至最顶层的学习路径,也可以是所有的通路等等。
本实施例提供的学习路径的规划方法,由于知识结构是从预设学习者的答题结果出发进行构建的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度;那么在此基础上所进行的学习路径的推荐能够基于预设学习者的认知水平进行路径规划,从而能够提高预设学习者的学习效率。
在本实施例中提供了一种学习路径的规划方法,可用于上述的电子设备,如手机、平板电脑等,图5是根据本发明实施例的知识结构的挖掘方法的流程图,如图5所示,该流程包括如下步骤:
S51,获取预设学习者对于多个预设知识点的掌握模式。
详细请参见图4所示实施例的S41,在此不再赘述。
S52,基于掌握模式,建立对应于预设知识点的知识结构。
其中,所述知识结构是根据上述任一项所述的知识结构的挖掘方法建立的。
详细请参见图4所示实施例的S42,在此不再赘述。
S53,根据知识结构向预设学习者推荐学习路径。
学习路径包括起点和终点,在确定出起点和终点之后,在根据学习者的情况进行适应性的推荐。具体地,包括以下步骤:
S531,获取待学习知识的起点以及终点。
其中,起点的确定可以划分为以下4种情况:
(1)认知成本最小
所述起点为知识结构的所有未掌握节点中到达路径最宽且最短的节点,或所述知识结构中所述认知难度最小的节点;
(2)难度适中
所述知识结构的掌握节点最多层中的未掌握节点,这是由于预设学习者掌握知识点占比最多的层能够比较符合预设学习者当前的认知水平。若该层中无未掌握的节点,则搜索相邻的层。
(3)难度提升
所述知识结构的已掌握节点最难的知识点所在层中的知识点,或所述最难的知识点直达的知识点。
(4)补差
所述知识结构的未掌握的底层知识点。
对于终点的确定可以采用以下方式:
(1)所述终点为预设知识点;
(2)以学习时间和资源限制计算得到的终点范围中的知识节点。
(3)所述知识结构中通路最多的未掌握知识点,或掌握某些重难点必备的前置知识点,或通过认知诊断确定的薄弱点、症结点等等。
S532,基于知识结构,利用起点以及终点确定学习路径。
电子设备在确定出起点以及终点之后,可以从所述知识结构上获取从所述起点到所述终点的所有可用路径,以得到所述学习路径。
也可以根据需要选择路径,例如,可以包括以下几种方式:
(1)循序渐进
沿所述知识结构的顺序方向,每次选择路径长度最近且路径宽度最宽的路径为所述学习路径。
(2)突飞猛进
在所述知识结构中选择所述起点与所述终点之间节点最少的路径为所述学习路径。
(3)融会贯通
在所述知识结构中选择覆盖知识点最多的路径为所述学习路径。
S533,向预设学习者推荐学习路径。
电子设备在确定出学习路径之后,将学习路径推荐给预设学习者。
在本实施例中提供了一种学习路径的规划方法,可用于上述的电子设备,如手机、平板电脑等,图6是根据本发明实施例的知识结构的挖掘方法的流程图,如图6所示,该流程包括如下步骤:
S61,获取预设学习者对于多个预设知识点的掌握模式。
详细请参见图5所示实施例的S51,在此不再赘述。
S62,基于掌握模式,建立对应于预设知识点的知识结构。
其中,所述知识结构是根据上述任一项所述的知识结构的挖掘方法建立的。
详细请参见图5所示实施例的S52,在此不再赘述。
S63,根据知识结构向预设学习者推荐学习路径。
详细请参见图5所示实施例的S53,在此不再赘述。
S64,获取预设学习者在学习学习路径对应的知识点后的题目作答结果。
预设学习者在电子设备推荐的学习路径的基础上进行学习,可以在学习学习路径对应的知识点后,进行题目作答。那么电子设备获取到这部分作答结果,即可实现对掌握模式,以及后续学习路径的修正。
S65,根据作答结果修正学习路径,并更新掌握模式。
所述的修正学习路径包括:当学习路径对应的知识点过于简单或过于复杂时,电子设备对学习路径进行调整,并更新掌握模式。例如,当学习路径对应的知识点对于预设学习者而言过于简单,表示预设学习者已经掌握这些知识点,那么就可以对掌握模式进行更新。
作为本实施例的一种可选实施方式,上述S65可以包括如下步骤:
(1),判断作答结果的正确率是否大于第一预设值。
第一预设值用于表示学习路径对应的知识点对于预设学习者而言,是否过于简单。
(2),当所述正确率大于所述第一预设值时,在所述知识结构中选择路径长度大于所述学习路径的长度且路径宽度小于所述学习路径的宽度的路径作为新的学习路径;或者,将所述学习路径的起点修改为所述起点的相邻层中的未掌握知识点,以修正所述学习路径。
(3),判断作答结果的正确率是否小于第二预设值。
第二预设值用于表示学习路径对应的知识点对于预设学习者而言,是否过于复杂。
(4),当所述正确率小于所述第二预设值时,在所述知识结构中选择路径长度大于所述学习路径的长度且路径宽度小于所述学习路径的宽度的路径作为新的学习路径;或者,将从所述起点回溯路径最宽的未学习前置节点作为新的起点,以修正所述学习路径。
本实施例提供的学习路径的规划方法,在预设学习者的学习过程中收集答题结果,并迭代知识结构,以更新学习者的认知水平和规划路径,即针对预设学习者的学习结果进行知识结构的动态调整,以保证向预设学习者推荐的学习路径具有较好的适应性。
在本实施例中还提供了一种知识结构的挖掘装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种知识结构的挖掘装置,如图7所示,包括:
第一获取模块71,用于获取多个待分析知识点。
第二获取模块72,用于获取预设数量的学习者关于所述待分析知识点的掌握模式,以得到掌握模式集合;其中,所述掌握模式用于表示所述学习者是否掌握对应的所述待分析知识点;所述掌握模式是基于所述学习者关于所述待分析知识点的答题记录得到的。
认知难度确定模块73,用于基于所述掌握模式集合,确定各个所述待分析知识点的认知难度。
第一知识结构建立模块74,用于根据所述认知难度,建立对应于所述待分析知识点的知识结构;其中,所述知识结构包括所述待分析知识点间的层次以及路径中的至少之一。
本实施例提供的知识结构的挖掘装置,基于掌握模式集合所确定出的各个待分析知识点的认知难度建立知识结构,其中,由于掌握模式是利用学习者在待分析知识点上的答题记录得到的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度。
在本实施例中还提供了一种学习路径的规划装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例还提供一种学习路径的规划装置,如图8所示,包括:
第三获取模块81,用于获取预设学习者对于多个预设知识点的掌握模式。
第二知识结构建立模块82,用于基于所述掌握模式,建立对应于所述预设知识点的知识结构;其中,所述知识结构是根据上述任一项所述的知识结构的挖掘方法建立的。
学习路径推荐模块83,用于根据所述知识结构向所述预设学习者推荐学习路径。
本实施例提供的学习路径的规划装置,由于知识结构是从预设学习者的答题结果出发进行构建的,而学习者的答题记录本身就是对知识结构最真实有效的反映,因此,从学习者的答题记录得到的掌握模式出发,确定各个待分析知识点的认知难度,从而抽离出知识的结构关系,提高了所得到的知识结构的可信度;那么在此基础上所进行的学习路径的推荐能够基于预设学习者的认知水平进行路径规划,从而能够提高预设学习者的学习效率。
本实施例中的知识结构的挖掘装置,或学习路径的规划装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种电子设备,具有上述图7所示的知识结构的挖掘装置,或图8所示的学习路径的规划装置。
请参阅图9,图9是本发明可选实施例提供的一种电子设备的结构示意图,如图9所示,该电子设备可以包括:至少一个处理器91,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口93,存储器94,至少一个通信总线92。其中,通信总线92用于实现这些组件之间的连接通信。其中,通信接口93可以包括显示屏(Display)、键盘(Keyboard),可选通信接口93还可以包括标准的有线接口、无线接口。存储器94可以是高速RAM存储器(Random Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器94可选的还可以是至少一个位于远离前述处理器91的存储装置。其中处理器91可以结合图7或图8所描述的装置,存储器94中存储应用程序,且处理器91调用存储器94中存储的程序代码,以用于执行上述任一方法步骤。
其中,通信总线92可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。通信总线92可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器94可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard disk drive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器94还可以包括上述种类的存储器的组合。
其中,处理器91可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器91还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic array logic,缩写:GAL)或其任意组合。
可选地,存储器94还用于存储程序指令。处理器91可以调用程序指令,实现如本申请图1-图3实施例中所示的知识结构的挖掘方法,或图4-图6实施例中所示的学习路径的规划方法。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的知识结构的挖掘方法,或学习路径的规划方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。