一种人工智能互联网教育数据处理系统的制作方法

1.本发明涉及互联网教育技术领域，具体涉及一种人工智能互联网教育数据处理系统。


背景技术：

2.互联网教育是一种新兴教育方式，其结合了互联网科技和教育两大领域，通过网络连接起学员和老师、学员和学校，通过网络进行知识的教学和相关考核。
3.当前的互联网教育一般通过构建虚拟的班级单位，对班级单位内的学员进行统一授课以及统一考核，统一授课可为在线集体授课或离线课程学习等。
4.现有技术中互联网教育中的学员的学习能力和学习资源参差不齐，互联网教育无法针对学员进行针对性的授课和考核，存在着无法做到个性化教学，互联网教育效果较差的技术问题。


技术实现要素：

5.本技术提供了一种人工智能互联网教育数据处理系统，用于针对解决现有技术中互联网教育存在的无法做到个性化教学、互联网教育效果较差的技术问题。
6.鉴于上述问题，本技术提供了一种人工智能互联网教育数据处理系统。
7.本技术的第一个方面，提供了一种人工智能互联网教育数据处理系统，所述系统包括：第一获得单元，用于采集获取多个学员的学习能力信息，获得多个学习能力信息集合；第一处理单元，用于根据所述多个学习能力信息集合，设置多种不同的学习资源；第二获得单元，用于采集获取第一学员的学习状态信息，并对所述第一学员的学习能力信息集合进行调整；第二处理单元，用于根据调整后的所述学习能力信息集合进行所述学习资源的推荐和学习；第三处理单元，用于根据所述调整后的所述学习能力信息集合，设置获得第一考核标准信息；第三获得单元，用于采用所述第一考核标准信息对所述第一学员进行考核，获得第一学习考核信息；第四处理单元，用于根据所述第一学习考核信息内学习效果的优劣，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
8.本技术的第二个方面，提供了一种人工智能互联网教育数据处理方法，所述方法包括：采集获取多个学员的学习能力信息，获得多个学习能力信息集合；根据所述多个学习能力信息集合，设置多种不同的学习资源；采集获取第一学员的学习状态信息，并对所述第一学员的学习能力信息集合进行调整；根据调整后的所述学习能力信息集合进行所述学习资源的推荐和学习；根据所述调整后的所述学习能力信息集合，设置获得第一考核标准信息；采用所述第一考核标准信息对所述第一学员进行考核，获得第一学习考核信息；根据所述第一学习考核信息内学习效果的优劣，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
9.本技术的第三个方面，提供了一种人工智能互联网教育数据处理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行
时，使系统以执行如第一方面所述方法的步骤。
10.本技术的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
11.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
12.本技术实施例提供的人工智能互联网教育数据处理系统通过采集多个学员的学习能力信息，根据学习能力信息的分类，设置多种不同难度、不同速率的学习资源，然后根据学员当前的学习状态调整学习能力信息，根据调整后的学习能力信息进行学习资源的推荐学习，以及设置对应的考核标准，对学员进行针对性、个性化的教育和考核，然后根据考核结果，将学员的考核信息和学习进度信息进行链式储存。本技术实施例通过根据学员的学习能力信息进行分类并设置多种不同的学习资源信息，根据学员的当前学习能力和状态进行学习资源的推荐，能够为学习能力不同的学员设置不同学习强度的学习资源，并根据学习能力设置对应的考核标准，实现个性化的互联网教育和考核，避免不同学员由于学习能力或学习资源不同，造成学习效果的差别，达到提升互联网教育效果的技术效果，在完成互联网教育和考核之后，根据学员考核信息内学习效果的优劣，将学员的学习考核信息和学习进度信息通过链式储存存储在不同的结点中，链式储存便于数据的查询和变更，且学习效果较好的学员可储存在较为靠前的结点内，提升学习效果较好学员的数据查询和数据更改的速度，提升学员的学习兴趣，本技术实施例能够根据不同的学习能力对学员进行针对性的授课和考核，达到个性化教学、因材施教的目的，达到提升互联网教育效果的技术效果。
13.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
14.图1为本技术提供的一种人工智能互联网教育数据处理方法流程示意图；
15.图2为本技术提供的一种人工智能互联网教育数据处理方法中获得多种学习资源的流程示意图；
16.图3为本技术提供的一种人工智能互联网教育数据处理方法中对学习信息进行链式储存的流程示意图；
17.图4为本技术提供了一种人工智能互联网教育数据处理系统结构示意图；
18.图5为本技术示例性电子设备的结构示意图。
19.附图标记说明：第一获得单元11，第一处理单元12，第二获得单元13，第二处理单元14，第三处理单元15，第三获得单元16，第四处理单元17，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
20.本技术通过提供了一种人工智能互联网教育数据处理系统，用于针对解决现有技术中互联网教育存在的无法做到个性化教学、互联网教育效果较差的技术问题。
21.申请概述
22.随着网络技术的进步，互联网的应用越来越广泛，互联网教育应运而生，互联网教育是一种新兴教育方式，其结合了互联网科技和教育两大领域，通过网络连接起学员和老师、学员和学校，通过网络进行知识的教学和相关考核。且随着5g技术的进步，互联网教育也实现了移动化，想学习的人可随时随地寻找需要的学习资源并进行学习。
23.当前的互联网教育一般通过构建虚拟的班级单位，根据班级单位设置统一的课程，对班级单位内的学员进行统一授课以及统一考核，统一授课可为在线集体授课或离线课程学习等。
24.但是互联网教育并非是选拔教育，其目的不在于考核通过，而在于提升学员自身的知识和技能，而现有技术中通过互联网进行学习的学员的年龄和身份分布广泛，互联网教育中的学员的学习能力和学习资源参差不齐，目前互联网教育无法针对学员进行针对性的授课和考核，存在着无法做到个性化教学，互联网教育效果较差的技术问题。
25.针对上述技术问题，本技术提供的技术方案总体思路如下：
26.本技术实施例提供的系统通过采集多个学员的学习能力信息，根据学习能力信息的分类，设置多种不同难度、不同速率的学习资源，然后根据学员当前的学习状态调整学习能力信息，根据调整后的学习能力信息进行学习资源的推荐学习，以及设置对应的考核标准，对学员进行针对性、个性化的教育和考核，然后根据考核结果，将学员的考核信息和学习进度信息进行链式储存。
27.在介绍了本技术基本原理后，下面，将参考附图对本技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。基于本技术的实施例，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，都属于本技术保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部。
28.实施例一
29.如图1所示，本技术提供了一种人工智能互联网教育数据处理方法，所述方法包括：
30.s100：采集获取多个学员的学习能力信息，获得多个学习能力信息集合；
31.目前的互联网教育内除了学业教育的相关培训教育课程以外，还包括成人教育、技能教育等教育课程类型，这部分教课课程并不同于学业教育相关培训教育课程，不以考试通过为主要目的，而是要以学习效果为主，以提升学员的知识储备和技能能力为主。
32.而在这部分的互联网教育中，学员之前的知识储备以及学习能力、学习时间是不同的，因此，不同学员需要的学习强度和学习速率不同。示例性地，在英文课程的成人互联网教育中，学员a的学历优于而学员b的学历，且学员b的学习时间少于学员a，则学员b需求的课程强度需要小于a，需要调整课程的授课效率，才能使学员b达到较好的学习效果。
33.一般而言，互联网教育会设置虚拟的班级单位，一个班级单位内包括多个学员，按照班级单位设置课程，然后进行在线统一教学或者离线课程学习。
34.本技术实施例中，为达到个性化的教育效果，首先采集获得多个学员的学习能力信息，该多个学员具体可为单个班级单位内的多个学员，现有技术中，该多个学员在互联网教育中学习同一课程。
35.该学习能力信息包括学员的多维度信息，可反映学员当前学习能力的优劣。示例
性地，学习能力信息可包括学员的年龄、智力、学历、学习成绩、技能相关证书、当前学习课程相关科目成绩以及当前可进行学习的时间等信息，能够反映学员当前进行学习的能力。该多维度的学习能力信息可基于大数据或问询方式采集，得到多个学员的多个学习能力信息集合。
36.s200：根据所述多个学习能力信息集合，设置多种不同的学习资源；
37.本技术实施例中，每个学员的学习能力信息集合反映的学员的学习能力不同，因此，针对不同学员的不同学习能力，需要设置不同课程，进行个性化的教学，避免学员出现难以跟进学习进度以及学习效果较差的情况。
38.具体地，可对多个学习能力信息集合按照反应的学习能力进行分类，获得多个分类，在获得的多个分类内，可认为每个分类内的学习能力信息集合反映的学习能力近似，可进行相同课程的学习，进而根据多个分类设置不同的学习课程资源，进行针对性的互联网教育学习。
39.s300：采集获取第一学员的学习状态信息，并对所述第一学员的学习能力信息集合进行调整；
40.本技术实施例中，学员通过互联网教育进行学习资源的学习过程中，可能由于当前学习状态的不佳而导致学习能力的下降。该学习状态信息包括学员当前进行学习的状态信息，可反映学员最近一段时间内的学习能力状态，该一段时间可为小于整个学习资源学习周期的任意时间长度的时间，例如一周或者一天等等。
41.上述第一学员可为上述多个学员中的任意一位学员，示例性地，该学习状态信息可包括第一学员近期的身体状态信息、近期的作业完成状态信息、以及最近的学习考核成绩信息等，通过多种信息进行数值化，并可根据多组信息对学习状态影响的能力进行权重分配，对多组信息进行加权计算获得学习哪个台信息，可反映第一学员近期的学习状态。
42.本技术实施例中，该学习状态信息若表现为正向，则表明第一学员近期的学习状态较好，以及，该学习状态信息若表现为反向，则表面第一学员近期的学习状态较差。
43.根据该学习状态信息对第一学员的学习能力信息集合进行调整，若学习状态信息表现为正向，则可根据该学习状态信息将第一学员的学习能力信息集合向更强的方向调整，以及，若学习状态信息表现为反向，例如第一学员近期出现了生病或近期作业情况一般，则可根据该学习状态信息将第一学员的学习能力信息集合向更弱的方向调整。调整的程度可根据学习状态信息内状态信息的数值进行具体调整。
44.s400：根据调整后的所述学习能力信息集合进行所述学习资源的推荐和学习；
45.以根据学习状态信息调整后的学习能力信息集合为基础，对第一学员进行学习资源的推荐和学习。具体地，学习资源依据多个学员的学习能力信息集合进行分类进行设置，包括多种不同学习强度和学习效率的课程资源，根据当前第一学员的学习能力信息集合，推荐符合第一学员的学习资源，供第一学员进行学习。
46.s500：根据所述调整后的所述学习能力信息集合，设置获得第一考核标准信息；
47.以根据学习状态信息调整后的学习能力信息集合为基础，对于具有不同学习能力的学员，推荐不同的学习资源进行学习，在学习过程中的检测考核标准也进行个性化地设置。
48.可选的，对于学习能力信息集合反应当前学习能力较强的学员，推荐的学习资源
强度较高，对应设置的考核标准也较为严格。而对于学习能力较差的学员，对应设置的考核标准较为宽松。
49.示例性地，在具体设置考核标准时，可调整考核测试结果分数的及格以及优秀等的评价标准，也可调整考核的试题难度等，具体调整的程度可根据学习能力信息集合进行设置。例如，对于学习能力较强的学员，在学习资源学习完毕后，以100分制的60分作为合格标准，而对于学习能力较差的学员，以100分制的50分作为合格标准。又例如，对于学习能力较强的学员，考核试题较难，对于学习能力较差的学员，考核试题较简单。
50.s600：采用所述第一考核标准信息对所述第一学员进行考核，获得第一学习考核信息；
51.在一阶段或全部的学习资源学习完毕后，对学员进行检测考核，并采用该第一考核标准信息对第一学员进行具体的考核，考核完毕后得到第一学习考核信息。其中，由于第一考核标准信息是根据学员当前学习能力信息集合设置的，考核过程也是个性化设置的，对不同学员的要求不同。
52.s700：根据所述第一学习考核信息内学习效果的优劣，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
53.根据该第一学习考核信息内学习效果的优劣，该学习效果的优劣评判是相对的，根据学员的考核标准信息进行个性化的评价，例如，根据该第一考核标准信息评价第一学员是否合格、是否优秀等，而不同于评价除第一学员以外其他学员的学习效果的优劣。
54.根据该学习效果的优劣的评价结果，将上述的第一学习考核信息和第一学员的学习进度信息进行链式储存，链式储存可降低对单个存储空间大小的需求，且在学员进行多次学习和考核时，修改数据较为高效快捷。
55.链式存储内包括多个存储结点，每个结点内可用于储存一个学员全部或至少部分的第一学习考核信息和第一学员的学习进度信息。由于链式存储内查找和修改数据时需要从头结点进行逐个查找，对于靠后的结点内数据的查找效率较低。因此，本技术实施例根据第一学习考核信息内学习效果的优劣，将学员的学习考核信息和学习进度信息存储于链式储存内不同的结点内。
56.可选的，将学习效果较优的学员的学习考核信息和学习进度信息存储于链式储存内靠前的结点内，将学习效果较差的学员的学习考核信息和学习进度信息存储于链式储存内靠后的结点内。如此，在查询或修改学习效果较优的学员的相关信息时，效率较快，而查询或修改学习效果较差的学员的相关信息时，效率较慢，该速率的快慢仅为相对的，不会影响正常的数据工作，但可用于提升学员学习的积极性。
57.本技术实施例通过根据学员的学习能力信息进行分类并设置多种不同的学习资源信息，根据学员的当前学习能力和状态进行学习资源的推荐，能够为学习能力不同的学员设置不同学习强度的学习资源，并根据学习能力设置对应的考核标准，实现个性化的互联网教育和考核，避免不同学员由于学习能力或学习资源不同，造成学习效果的差别，达到提升互联网教育效果的技术效果，在完成互联网教育和考核之后，根据学员考核信息内学习效果的优劣，将学员的学习考核信息和学习进度信息通过链式储存存储在不同的结点中，链式储存便于数据的查询和变更，且学习效果较好的学员可储存在较为靠前的结点内，提升学习效果较好学员的数据查询和数据更改的速度，提升学员的学习兴趣，本技术实施
例能够根据不同的学习能力对学员进行针对性的授课和考核，达到个性化教学、因材施教的目的，达到提升互联网教育效果的技术效果。
58.如图2所示，本技术实施例提供的方法中的步骤s200包括：
59.s210：根据所述多个学习能力信息集合，获得所述多个学员的多维度学习能力信息，其中，所述多维度学习能力信息包括：智力信息、学习基础信息、年龄信息；
60.s220：对所述对维度学习能力信息进行聚类分析，获得多个聚类结果；
61.s230：根据所述多个聚类结果对当前学习计划进行调整，获得多个学习计划调整结果；
62.s240：根据多个所述学习计划调整结果，获得多种不同的所述学习资源。
63.根据采集获取的多个学员的多个学习能力信息集合，分别得到多个学员的多维度的学习能力信息，示例性地，具体分为智力信息、学习基础信息、年龄信息，这三类信息最为能够使学员之间的学习能力差异化。智力信息和年龄信息可直接采集或根据特定的测定方法检测获得，学习基础信息可基于学员的学历、近期成绩以及相关学科的成绩等计算获得并数值化，如此，获得可量化表达学员学习能力的三类信息。
64.根据该三类信息对多个学习能力信息集合进行聚类分析，将多个学习能力信息集合分类为多个大类，得到多个聚类结果。
65.本技术实施例提供的方法中的步骤s220包括：
66.s221：根据所述智力信息、学习基础信息、年龄信息，构建三维空间坐标系；
67.s222：将所述多个学习能力信息集合输入所述三维空间坐标系；
68.s223：计算获得各个学习能力信息集合之间的欧氏距离；
69.s224：将欧氏距离小于预设阈值的所述学习能力信息集合进行聚类，获得所述多个聚类结果。
70.本技术实施例中，分别以智力信息、学习基础信息、年龄信息为x坐标轴、y坐标轴和z坐标轴，构建三维空间坐标系，并根据多个学习能力信息集合内智力信息、学习基础信息、年龄信息的分布，在三个坐标轴上设置合适的坐标值，得到三维空间坐标系。
71.然后，根据多个学习能力信息集合内智力信息、学习基础信息、年龄信息的值，将多个学习能力信息集合输入该三维空间坐标系，形成多个坐标点，每个坐标点的三维坐标值分别对应智力信息、学习基础信息、年龄信息的值。
72.根据多个坐标点的空间位置，计算各个学习能力信息集合与其他学习能力信息集合之间的欧氏距离，得到多个欧氏距离值。
73.进一步地，设置一欧氏距离的预设阈值，该预设阈值可根据多个欧氏距离值的大小以及学习能力信息集合在三维空间坐标系的分布情况进行设置。将欧氏距离小于该预设阈值的两学习能力信息集合归为一类，如此，对全部的学习能力信息集合进行聚类，得到多个聚类结果。
74.示例性地，该多个聚类结果内的每个聚类结果内均为年龄相近、智力相近且学习基础信息相近的学习能力信息集合。
75.本技术实施例通过根据学习能力信息集合内的多维度信息构建三维坐标系，将全部学习能力信息集合输入坐标系并根据两两学习能力信息集合之间的距离进行聚类分类，能够可视化地将多个学习能力信息集合进行聚类分类，分类结果较为准确，且无需监督调
整，分类效率较高。
76.基于该多个聚类结果，根据每个聚类结果内学习能力信息集合反映的学员的学习能力，对当前暂时制定的学习资源的学习计划进行调整。
77.可选的，在具体调整的过程中，若某一聚类结果内学习能力信息集合反映学员的学习能力较强，则可不对该当前学习计划进行调整，直接以该学习计划进行学习资源的推荐学习，也可对该学习计划内的学习速率进行提升，加快整体学习进度。以及，若某一聚类结果内学习能力信息集合反映学员的学习能力较若，则可对当前学习计划进行调整，降低学习速率，或者降低学习难度，降低整体的学习进度，保证学员能够跟得上课程进程。具体的调整程度可根据聚类结果内学习能力信息集合反映的学习能力的强弱，以及提升互联网教育的教育经验进行具体设置。
78.如此，根据多个聚类结果，得到多个学习计划调整结果，根据该多个学习计划调整结果和当前互联网教育的学习课程，能够获得多个学习计划不同的学习资源。该多个聚类结果和多个学习计划调整结果的数量相同，且相对于学员的数量较少，每个聚类结果内包括多个具有相似学习能力学员的学习能力信息集合，聚类结果的数量例如可为3个、5个等。
79.本技术实施例通过对学员的学习能力信息集合内的多维度信息构建坐标系，并根据学习能力信息集合在坐标系内分布的位置和距离进行聚类分类，能够准确分类，并根据聚类结果调整互联网教育课程的学习计划，对学习资源进行调整，能够个性化调整学员的学习资源，且调整结果能够适应学员的需求，进而达到提升学员学习效果的技术效果。
80.本技术提供的方法中的步骤s300包括：
81.s310：采集获取所述第一学员的学习状态信息，其中，所述学习状态信息包括多维度状态信息；
82.s320：对所述多维度状态信息内各维度状态信息按照影响学习能力的程度进行权重分配，获得第一权重分配结果；
83.s330：根据所述第一权重分配结果对所述多维度状态信息进行加权计算，获得第一加权结果；
84.s340：采用所述第一加权结果对所述第一学员的学习能力信息集合进行调整。
85.本技术实施例中，采集获取第一学员的多维度的学习状态信息，例如近期学员的身体状态信息、学习效果信息、以及学习时间信息等，得到第一学员的学习状态信息。其中近期的身体状态、近期的学习效果以及近期能够利用的学习时间均会影响学员的学习能力，使学员的学习能力产生波动，例如，对于一般情况下能够学习完成的学习任务，在产生波动时难以完成。
86.对该多维度的学习状态信息内各维度的状态信息，按照影响学员学习能力的程度进行权重分配，例如，学员近期的身体状态信息即为影响学员的学习能力，则身体状态信息对应的权重值较高，学习效果信息、以及学习时间信息对应的权重值较低。具体的权重分配过程可采用现有技术中任意的权重分配方法，例如专家法等等，完成权重分配，得到第一权重分配结果。
87.根据该第一权重分配结果内的各权重值，分别对多维度的学习状态信息内各维度的状态信息进行加权计算，获得第一加权结果。第一加权结果内包括学员近期的学习状态信息并根据影像程度进行加权，能够反应学员近期真正影响学习能力的信息。
88.根据该第一加权结果，对第一学员的学习能力信息集合进行调整，具体调整的过程中，例如，若第一学员近期生病，身体状态信息不佳，且第一加权结果内体状态信息对应的权重值较大，则将第一学员的学习能力信息集合反应的学习能力想较差的方向进行调整，调整的程度可根据具体的身体状态信息和权重值进行设置调整。如此，完成根据第一学员近期的学习状态信息对学习能力信息集合的调整。
89.本技术实施例通过采集学员的学习状态信息，并对学习能力信息集合进行调整，能够获得学员当前的学习能力信息，进而能够更为准确的进行学习资源的推荐和考核，达到提升学习资源推荐准确性的技术效果，并提升互联网教育学习的效果。
90.本技术实施例提供的方法中的步骤s400包括：
91.s410：将调整后的所述学习能力信息集合输入所述三维空间坐标系；
92.s420：获取调整后的所述学习能力信息集合与所述三维空间坐标系内其他学习能力信息集合之间的欧氏距离，得到欧氏距离集合；
93.s430：选择所述欧氏距离集合内最小的k个欧氏距离；
94.s440：获得所述k个欧氏距离对应的k个学习能力信息集合；
95.s450：获得所述k个学习能力信息集合对应的聚类结果，进而获得对应的学习计划调整结果。
96.具体地，学习能力信息集合在根据学习状态信息调整后，对于状态正常的学员，学习能力调整后不会产生较大差别，而对于较差的学员，学习能力调整后也较差。因此，以根据学习状态信息调整后的学习能力信息集合为根据，进行学习资源的推荐。
97.本技术实施例中，将调整的后的学习能力信息集合输入前述的三维空间坐标系内，根据调整后的学习能力信息集合内的智力信息、学习基础信息、年龄信息，在坐标系内形成坐标点。
98.计算该调整的后的学习能力信息集合与三维空间坐标系内其他学习能力信息集合之间的欧氏距离，得到欧氏距离集合。其中，若欧氏距离较大，则两学习能力信息集合反映的学习能力差距较大，反之则较小。
99.选择该欧氏距离集合内最小的k个欧氏距离，k为正整数，具体可根据学员的数量进行设置。进一步地获取该k个欧氏距离对应的k个学习能力信息集合，可认为该k个学习能力信息集合为当前第一学员调整后的学习能力集合最接近的学习能力信息集合。
100.获取该k个学习能力信息集合所处的聚类结果，若k个学习能力信息集合均处于同一聚类结果内，则将该聚类结果作为当前第一学员调整后的学习能力集合的聚类结果。若该k个学习能力信息集合所处的聚类结果不同，则获取多数学习能力信息集合所处的聚类结果作为当前第一学员调整后的学习能力集合的聚类结果。因此，k优选为奇数。如此，获得调整后的学习能力信息集合对应的聚类结果。
101.进一步地，获得该聚类结果对应的学习计划调整结果，根据学习计划调整结果获得对应的学习资源，推荐给第一学员进行学习。
102.本技术实施例通过将根据学习状态信息调整后的学习能力信息集合输入三维空间坐标系，获取最近的k个学习能力信息集合的聚类结果，作为当前学习能力信息集合的聚类结果，进而推荐相关的学习资源，能够可视化地、准确地进行学习资源的推荐，且无需监督调整处理，推荐过程准确高效，达到了准确个性化地调整推荐学习资源的技术效果。
103.如图3所示，本技术实施例提供的方法中的步骤s700包括：
104.s710：基于链式储存，构建循环链式储存链条，其中，所述循环链式储存链条内包括多个储存结点；
105.s720：根据所述多个学员的多个学习考核信息内学习效果的优劣，进行权重分配，获得第二权重分配结果；
106.s730：根据所述第二权重分配结果，分配所述多个储存结点，获得结点分配结果；其中，权重值越大，分配获得的储存结点越靠前；
107.s740：根据所述结点分配结果，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
108.其中，步骤s710包括：
109.s711：基于链式储存，构建链式储存的头结点，所述头结点包括头指针；
110.s712：根据所述第一头指针，依次构建其他多个所述储存结点，直到尾结点，其他多个所述储存结点内均包括结点指针和结点数据空间；
111.s713：根据所述尾结点内的结点指针和所述头指针，连接所述头结点和所述尾结点，得到所述循环链式储存链条。
112.具体而言，基于链式存储的原理，构建链式储存的头结点，本技术实施例中，头结点内不存储数据，仅包括头指针，用于指向下一节点。
113.根据该头结点内头指针的指向地址，依次构建其他多个用于存储数据的结点，结点的数量与当前多个学员的数量相关，并可在后续增加学员或减少学员时构建或删除结点。其他多个结点内包括结点指针和结点数据空间，节点数据空间用于存储学员的学习考核信息和学习进度信息，结点指针用于指向当前节点的下一结点。
114.根据多个储存结点内的尾结点内的结点指针，将该结点指针指向头结点，连接头结点和尾结点，得到循环链式储存链条。如此，可从尾结点进行数据的访问和修改，对于存储结点靠后的数据，可提升数据访问的效率，而处于循环链式储存链条中间部分结点内的数据的访问效率不会发生变化，低于靠近头结点和尾结点的结点。
115.在构建完成循环链式储存链条后，根据多个学员的多个学习考核信息内学习效果的优劣，进行权重分配，可选的，具体分配过程中，学习效果较优、考核成绩较优的学习考核信息所占的权重值较大，2学习效果较差、考核成绩较差的学习考核信息所占的权重值较小。如此，完成权重分配，得到第二权重分配结果。
116.根据该第二权重分配结果，对多个学员的多个学习考核信息进行储存结点的分配，具体分配的过程中，权重值越大，则分配获得的储存结点越靠近头结点或尾结点，根据权重值的大小排序，完成多个学习考核信息的储存结点分配，得到结点分配结果。
117.根据该结点分配结果，将上述的多个学员的第一学习考核信息和学员的学习进度信息进行链式储存，储存至分配获得的对应的结点内。如此，对于学习效果较好的学习考核信息，可存储至查询效率较高的储存结点内。
118.本技术实施例通过链式储存构建循环链式储存链条，并根据多个学员的多个学习考核信息内学习效果的优劣，进行权重分配，并根据权重值进行储存结点的分配，链式储存便于数据的查询和变更，且对内存的需求较低，且学习效果较好的学员可储存在查询效率较高的结点内，提升学习效果较好学员的数据查询和数据更改的速度，提升学员的学习兴
趣。
119.综上所述，本技术实施例基于构建三维空间坐标系，通过根据学员的学习能力信息进行分类并设置多种不同的学习资源信息，并结合权重分配，根据学员的当前学习能力和状态进行学习资源的推荐，能够为学习能力不同的学员设置不同学习强度的学习资源，并根据学习能力设置对应的考核标准，实现个性化的互联网教育和考核，避免不同学员由于学习能力或学习资源不同，造成学习效果的差别，达到提升互联网教育效果的技术效果，在完成互联网教育和考核之后，根据学员考核信息内学习效果的优劣，将学员的学习考核信息和学习进度信息通过链式储存存储在不同的结点中，链式储存便于数据的查询和变更，且学习效果较好的学员可储存在较为靠前的结点内，提升学习效果较好学员的数据查询和数据更改的速度，提升学员的学习兴趣，本技术实施例能够根据不同的学习能力对学员进行针对性的授课和考核，达到个性化教学、因材施教的目的，达到提升互联网教育效果的技术效果。
120.实施例二
121.基于与前述实施例中一种人工智能互联网教育数据处理方法相同的发明构思，如图4所示，本技术提供了一种人工智能互联网教育数据处理系统，其中，所述系统包括：
122.第一获得单元11，用于采集获取多个学员的学习能力信息，获得多个学习能力信息集合；
123.第一处理单元12，用于根据所述多个学习能力信息集合，设置多种不同的学习资源；
124.第二获得单元13，用于采集获取第一学员的学习状态信息，并对所述第一学员的学习能力信息集合进行调整；
125.第二处理单元14，用于根据调整后的所述学习能力信息集合进行所述学习资源的推荐和学习；
126.第三处理单元15，用于根据所述调整后的所述学习能力信息集合，设置获得第一考核标准信息；
127.第三获得单元16，用于采用所述第一考核标准信息对所述第一学员进行考核，获得第一学习考核信息；
128.第四处理单元17，用于根据所述第一学习考核信息内学习效果的优劣，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
129.进一步地，所述系统还包括：
130.第四获得单元，用于根据所述多个学习能力信息集合，获得所述多个学员的多维度学习能力信息，其中，所述多维度学习能力信息包括：智力信息、学习基础信息、年龄信息；
131.第五处理单元，用于对所述对维度学习能力信息进行聚类分析，获得多个聚类结果；
132.第六处理单元，用于根据所述多个聚类结果对当前学习计划进行调整，获得多个学习计划调整结果；
133.第五获得单元，用于根据多个所述学习计划调整结果，获得多种不同的所述学习资源。
134.进一步地，所述系统还包括：
135.第一构建单元，用于根据所述智力信息、学习基础信息、年龄信息，构建三维空间坐标系；
136.第七处理单元，用于将所述多个学习能力信息集合输入所述三维空间坐标系；
137.第八处理单元，用于计算获得各个学习能力信息集合之间的欧氏距离；
138.第九处理单元，用于将欧氏距离小于预设阈值的所述学习能力信息集合进行聚类，获得所述多个聚类结果。
139.进一步地，所述系统还包括：
140.第六获得单元，用于采集获取所述第一学员的学习状态信息，其中，所述学习状态信息包括多维度状态信息；
141.第十处理单元，用于对所述多维度状态信息内各维度状态信息按照影响学习能力的程度进行权重分配，获得第一权重分配结果；
142.第十一处理单元，用于根据所述第一权重分配结果对所述多维度状态信息进行加权计算，获得第一加权结果；
143.第十二处理单元，用于采用所述第一加权结果对所述第一学员的学习能力信息集合进行调整。
144.进一步地，所述系统还包括：
145.第十三处理单元，用于将调整后的所述学习能力信息集合输入所述三维空间坐标系；
146.第七获得单元，用于获取调整后的所述学习能力信息集合与所述三维空间坐标系内其他学习能力信息集合之间的欧氏距离，得到欧氏距离集合；
147.第八获得单元，用于选择所述欧氏距离集合内最小的k个欧氏距离；
148.第九获得单元，用于获得所述k个欧氏距离对应的k个学习能力信息集合；
149.第十获得单元，用于获得所述k个学习能力信息集合对应的聚类结果，进而获得对应的学习计划调整结果。
150.进一步地，所述系统还包括：
151.第二构建单元，用于基于链式储存，构建循环链式储存链条，其中，所述循环链式储存链条内包括多个储存结点；
152.第十四处理单元，用于根据所述多个学员的多个学习考核信息内学习效果的优劣，进行权重分配，获得第二权重分配结果；
153.第十五处理单元，用于根据所述第二权重分配结果，分配所述多个储存结点，获得结点分配结果；其中，权重值越大，分配获得的储存结点越靠前；
154.第十六处理单元，用于根据所述结点分配结果，将所述第一学习考核信息和所述第一学员的学习进度信息进行链式储存。
155.进一步地，所述系统还包括：
156.第三构建单元，用于基于链式储存，构建链式储存的头结点，所述头结点包括头指针；
157.第四构建单元，用于根据所述第一头指针，依次构建其他多个所述储存结点，直到尾结点，其他多个所述储存结点内均包括结点指针和结点数据空间；
158.第十七处理单元，用于根据所述尾结点内的结点指针和所述头指针，连接所述头结点和所述尾结点，得到所述循环链式储存链条。
159.实施例三
160.基于与前述实施例中一种人工智能互联网教育数据处理方法相同的发明构思，本技术还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。
161.示例性电子设备
162.下面参考图5来描述本技术的电子设备，
163.基于与前述实施例中一种人工智能互联网教育数据处理方法相同的发明构思，本技术还提供了一种人工智能互联网教育数据处理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。
164.该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(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。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5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。
165.处理器302可以是一个cpu，微处理器，asic，或一个或多个用于控制本技术方案程序执行的集成电路。
166.通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，ran),无线局域网(wireless local area networks，wlan)，有线接入网等。
167.存储器301可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、只读光盘(compact discread-only memory，cd-rom)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
168.其中，存储器301用于存储执行本技术方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本技术上述实施例提供的一种人工智能互联网教育数据处理方法。
169.本领域普通技术人员可以理解：本技术中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本技术的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表
达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
170.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
171.本技术中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(asic)，现场可编程门阵列(fpga)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
172.本技术中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动磁盘、cd-rom或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于asic中，asic可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
173.尽管结合具体特征及其实施例对本技术进行了描述，显而易见的，在不脱离本技术的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本技术的示例性说明，且视为已覆盖本技术范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。