由机器设备执行的复习方法与流程

本申请涉及教育领域，尤其涉及一种由机器设备执行的复习方法。
背景技术：
：在传统教学中，老师一般对上节课讲的内容或复习，或不复习，这个是根据所讲的内容和老师的特点而不同的，即便是复习，老师一般就针对上节课的重点内容进行一下讲解或提问题复习。老师们无法根据每一位学生掌握的程度而针对性的复习学生薄弱的点，无法根据学生掌握的情况和回家复习的情况判断学生对知识点的掌握程度而针对性的复习该学生所需要的点，也无法根据学生做题过程中显示出来的薄弱点进行一一复习，更无法根据学生的以往程度来判断哪些知识点需要复习，哪些知识点不需要复习。因此，传统教学中无法做到个性化复习。技术实现要素：发明人经过长期的观察和实验发现，在以往的教学中之所以无法做到个性化复习，一方面是由于长久以来国内的教育环境及教育观念的影响，教育者和教育机构意识不到个性化复习的重要性，更倾向于使用标准化的学习或复习方式，或者说更倾向于使用统一的教育模式来培养和教育学生，并采用统一的标准来评价学生。另一方面，个性化复习需要根据不同的学生制定不同的学习方案，还需要动态地跟踪学生的学习情况，并相应地调整和更新学习方案。而以往由于缺乏大数据和人工智能技术的支持和应用，也没有条件面向大量学生做到个性化学习或复习。有鉴于现有技术的上述缺陷，本申请提供一种基于人工智能的复习方法，通过知识图谱的方式更有效地找到学生的薄弱知识点，以能力值的方式评价学生对知识点的掌握情况，根据遗忘曲线加强对知识点的巩固记忆，为学生制定个性化的综合复习方案，使得学生能够更有针对性地进行复习，从而有效地加强复习效果，提高复习效率。知识图谱：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，制作成具有前置后续关系的知识图谱。前置后续关系：是指知识点b学不会是因为知识点a学不会，可称a是b的前置知识点，b是a的后续知识点。而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。利用大数据的方式将各个科目各个学习阶段的知识点整合在一起，并对每一个知识点标记出前置后续关系，所形成的知识图谱能够显著地促进学生的学习、理解和记忆。而这种利用大数据生成知识图谱的方式，在传统的教育领域是难以想像也无法实现的。或者说在传统的教育领域，由于整体环境的影响和客观条件的制约，根本不会有人想要这样去对所有相关的知识点进行关联和标记。能力值：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”，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。利用人工智能技术采集和分析大量学生对各个知识点的学习过程，从而对每个知识点设定并动态调整相应的能力值，能够有效地对学生的学习情况进行较为准确的评价。基于这种可以量化的评价方式，有利于智能化地向学生推送个性化的学习资源，并智能化地调整学生学习的进程。而这种利用人工智能技术对学生进行评价的方式，在传统的教育领域是难以想像也无法实现的。或者说在传统的教育领域，由于整体环境的影响和客观条件的制约，根本不会有人想要这样去针对每一个学生对每一个知识点的掌握程度进行调整。在本申请中，对于某个特定的学生，针对每一个知识点均设定有相对应的能力值，可以根据能力值来判断学生对知识点的掌握情况(例如：达标或不达标)。在学生学习或复习的过程中，根据学生学习或复习的情况，可以对能力值进行动态地调整。遗忘曲线：信息输入大脑后，遗忘也就随之开始了。遗忘率随时间的流逝而先快后慢，特别是在刚刚识记的短时间里，遗忘最快，从而形成遗忘曲线。设初次记忆后经过了x小时，那么记忆率(或剩余记忆量)y近似地满足y＝1-0.56x0.06。在一些实施例中，也可以根据下表进行近似估计：时间间隔剩余记忆量刚记完100％20分钟后58.2％1小时后44.2％8-9小时后35.8％1天后33.7％2天后27.8％6天后25.4％本申请提供一种基于人工智能的复习方法，包括以下步骤：得到需复习知识点，需复习知识点与能力值相对应，其中，能力值反映了学生对需复习知识点的掌握情况；根据需复习知识点及其对应的能力值，向学生推送相应的复习资源以进行复习，其中，需复习知识点与复习资源的内容相对应，以及需复习知识点对应的能力值与复习资源的难度相对应；根据学生的复习情况，调整需复习知识点对应的能力值；以及根据调整后的需复习知识点对应的能力值，判断需复习知识点是否达标；其中，如果需复习知识点未达标，根据需复习知识点及其当前对应的能力值，向学生继续推送相应的复习资源以继续进行复习；以及如果需复习知识点已达标，完成需复习知识点的复习。在一些实施例中，可选的，获取需复习知识点的步骤进一步包括以下步骤：根据学生的测试结果，得到薄弱知识点列表；根据薄弱知识点列表，向学生推送相应的学习资源以进行学习；根据学生对学习资源的学习情况，得到未学会知识点列表；根据未学会知识点列表，制定并向学生推送个性化作业；根据学生完成个性化作业的情况，得到未掌握知识点列表；以及从未掌握知识点列表中选择得到需复习知识点。在一些实施例中，可选的，上述复习方法进一步包括以下步骤：根据知识图谱对学生进行测试，其中，知识图谱包括标记有前置后续关系的知识点。在一些实施例中，可选的，得到需复习知识点的步骤进一步包括以下步骤：根据学生初次学会已学会知识点的时间和学习次数，计算已学会知识点的剩余记忆量；以及在剩余记忆量最少的一个或多个已学会知识点中，选择得到需复习知识点。在一些实施例中，可选的，上述复习方法进一步包括以下步骤：在剩余记忆量最少的3个已学会知识点中，选择得到需复习知识点。在一些实施例中，可选的，计算已学会知识点的剩余记忆量的步骤包括以下步骤：根据遗忘曲线计算剩余记忆量。在一些实施例中，可选的，计算已学会知识点的剩余记忆量的步骤包括以下步骤：根据以下公式计算剩余记忆量：y＝1-0.56x0.06，其中，x表示初次学会知识点的时间距当前时间的小时数，y表示剩余记忆量。在一些实施例中，可选的，如果需复习知识点未达标，判断需复习知识点的复习次数是否达到阈值；其中，如果复习次数没有达到阈值，根据需复习知识点及其当前对应的能力值，向学生推送相应的复习资源以继续进行复习；以及如果复习次数达到阈值，标记需复习知识点，并停止需复习知识点的复习。在一些实施例中，可选的，阈值为2次。在一些实施例中，可选的，上述复习方法进一步包括：在完成或停止需复习知识点的复习之后，针对其他的需复习知识点重复根据前述权利要求中任一项的复习方法。与现有技术相比，本申请的技术方案至少包括以下改进点及有益效果：第一，学习已掌握的知识点根据遗忘曲线结合每个知识点学生的能力值推送学生要遗忘并且可以最快学会(结合学生的能力，挑选学生没有学会，但是已经有一定程度的掌握，但是还没有达标的知识点，可以使学生用较短的时间就学会或者复习会)的知识点给学生复习巩固。第二，学习未掌握的知识点根据能力值推送给学生可以最快学会(结合学生的能力，挑选学生没有学会，但是已经有一定程度的掌握，但是还没有达标的知识点，可以使学生用较短的时间就学会或者复习会)的知识点进行复习。第三，学生学习完会有学不会的知识点，复习会使得学生会再把不会的知识点再次学习，增加了学生的而学习机会。学生学会的知识点也会随着时间的推移而忘记，所以适时的复习就会使得学生对将要遗忘知识点加深巩固，直到完全掌握为止。以下将结合附图对本申请的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本申请的目的、特征和效果。附图说明当结合附图阅读以下详细说明时，本申请将变得更易于理解，在整个附图中，相同的附图标记代表相同的零件，其中：图1为本申请的复习方法的一个实施例的流程图。具体实施方式下面将对本申请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申请的一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本申请保护的范围。本申请提供一种基于人工智能的复习方法，包括以下步骤：第一，得到需复习知识点，需复习知识点与能力值相对应，其中，能力值反映了学生对需复习知识点的掌握情况。在一些实施例中，如果学生之前没有进行过相关内容的学习，比如是第一次学习新的科目，则先根据知识图谱对学生进行测试。知识图谱包括标记有前置后续关系的知识点，通过这种测试，能够测试出学生薄弱知识点，并能够分析出是由于哪些相关的知识点不会才导致出现该薄弱知识点，能够更准确地找到学生学不会的症结所在，从而能够对症下药，更有针对性地引导学生进行学习。根据学生的测试结果，得到薄弱知识点列表；根据薄弱知识点列表，向学生推送相应的学习资源以进行学习；根据学生对学习资源的学习情况，得到未学会知识点列表；根据未学会知识点列表，制定并向学生推送个性化作业；根据学生完成个性化作业的情况，得到未掌握知识点列表；以及从未掌握知识点列表中选择得到需复习知识点。通过上述方式，能够针对每个学生的不同学习情况，进行有针对性的复习。在一些实施例中，学生之前已经进行过相关内容的学习。可以根据学生初次学会已学会知识点的时间和学习次数，计算已学会知识点的剩余记忆量；以及在剩余记忆量最少的一个或多个(例如：2、3、4、5、6、7、8、9、10个)已学会知识点中，选择得到需复习知识点，从而有针对性地复习快要遗忘的知识点。可以灵活地调整根据剩余记忆量选择需复习知识点的数量，例如，当其他需要复习的知识点较多，或者复习时间较少时，可以相应地少选择一些；当其他需要复习的知识点较少，或者复习时间较多时，可以相应地多选一些。可以以百分比的形式来设定学生对某个知识点的记忆量(或记忆的程度)。在一些实施例中，可以根据遗忘曲线计算或估计剩余记忆量。例如，可以根据以下公式计算剩余记忆量：y＝1-0.56x0.06，其中，x表示初次学会知识点的时间距当前时间的小时数，y表示剩余记忆量。通过对记忆量的评估或量化，能够更有针对性地为学生安排相应的复习内容，从而进一步加深对知识点的记忆。第二，根据需复习知识点及其对应的能力值，向学生推送相应的复习资源以进行复习，其中，需复习知识点与复习资源的内容相对应，以及需复习知识点对应的能力值与复习资源的难度相对应。通过大数据的方式，采集大量的学习资源，将这些资源与相关的知识点关联起来，并针对不同的资源标注不同的难度，对应不同的能力值，形成庞大的学习资源库。在复习的过程中，可以根据学习的进度、知识点的相关性、能力值等相关的因素，从学习资源库中选取相应的学习资源作为个性化复习资源推送给学生。第三，根据学生的复习情况，调整需复习知识点对应的能力值。在学生的复习过程中，根据学生的复习情况，动态地调整与知识点相对应的能力值，以同步地调整对学生复习情况的评价。在一些实施例中，与知识点相对应的能力值越高表示对知识点掌握的越好。如果学生经过复习，相对于之前有进步，则相应地提高能力值。第四，根据调整后的需复习知识点对应的能力值，判断需复习知识点是否达标；其中，如果需复习知识点未达标，根据需复习知识点及其当前对应的能力值，向学生继续推送相应的复习资源以继续进行复习；以及如果需复习知识点已达标，完成需复习知识点的复习。可以预先设定达标标准，如果能力值达到某个量值，则表示学生已学会该知识点，或者说对该知识点的掌握已达标，则可以完成对该知识点的学习。在一些实施例中，如果需复习知识点未达标，判断需复习知识点的复习次数是否达到阈值(例如：复习2、3、4、5次)；其中，如果复习次数没有达到阈值，根据需复习知识点及其当前对应的能力值，向学生推送相应的复习资源以继续进行复习；以及如果复习次数达到阈值，标记需复习知识点，并停止需复习知识点的复习。在完成或停止需复习知识点的复习之后，针对其他的需复习知识点可以重复上述步骤继续复习其他的知识点，直到完成所有复习任务。在一些实施例中，本申请提供一种基于人工智能的复习系统。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。系统对薄弱知识点进行学习，得到未学会的知识点列表b。系统会进行个性化作业，得到未掌握的知识点列表c。系统会首先记录学生第一次学习会某知识点的时间，和学习次数，计算这些知识点的剩余记忆量，得到记忆量最少的3个需要复习的知识点列表d。系统会把未掌握的知识点列表c和根据遗忘曲线得到需要复习的知识点列表d汇合成需要复习的知识点列表e。系统会对需要复习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复习资源，学生进行复习。根据学生的复习情况调整知识点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，系统会判断是否复习最多次数2次，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复习资源，直到达标或达到最多次数为止。如果达到2次，系统会标记知识点薄弱，在复习知识点列表中删除该知识点，然后继续在需要复习知识点列表中根据能力值推送知识点，直到没有需要复习知识点为止。如果知识点a的能力值达标，系统会标记知识点掌握，并在需要学习知识点列表中删除该知识点，然后继续在需要复习知识点列表中根据能力值推送知识点，直到没有需要复习知识点为止。下面以一个具体的实施例来更详细地对本申请提供的方法和系统进行说明。下表是与二次根式相关的知识点的知识图谱，标记了各知识点之间的前置后续关系。系统根据这样前置后续的关系的图谱，应用前序学习的方法会使得学习非常高效。系统通过测试确定一个学生的薄弱知识点是c090301，c090302，c090303，c090304，c090305，这些知识点组成薄弱知识点列表a。c090101，c090102，c090103，c090201，c090202，c090203，c090204，c090205为已掌握知识点。通过系统学习，得到未学会的知识点c090303，c090304，c090305。通过系统个性化作业，得到未掌握知识点c090304，c090305。系统根据学习时间，学习次数，计算记忆量，根据记忆量推送出剩余记忆量最少的知识点c090201，c090202，c090203。从而c090304，c090305，c090201，c090202，c090203形成需要复习知识点列表。系统会对需要复习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复习资源，学生进行学习。根据学生的学习情况调知识点c090201的能力值，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多次数2次，如果没有达到，系统会根据新的能力值再推送适合的复习资源，直到达标或达到最多次数为止。如果达到学习2次，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c090304，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，并在需要复习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c090304，直到没有未学会知识点为止。在一些实施例中，上述的各种方法、模块、装置或系统可以在一个或多个处理装置(例如，数字处理器、模拟处理器、被设计成用于处理信息的数字电路、被设计成用于处理信息的模拟电路、状态机和/或用于以电子方式处理信息的其他机构)中被实现。该一个或多个处理装置可以包括响应于以电子方式存储在电子存储介质上的指令来执行方法的一些或所有操作的一个或多个装置。该一个或多个处理装置可以包括通过硬件、固件和/或软件被配置而专门设计成用于执行方法的一项或多项操作的一个或多个装置。以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本申请揭露的技术范围内，根据本申请的技术方案及其发明构思加以等同替换或改变，都应涵盖在本申请的保护范围之内。本申请的实施方式可以在硬件、固件、软件或其各种组合中进行。还可以作为存储在机器可读介质上的且可以使用一个或多个处理装置读取和执行的指令来实现本申请。在一个实施方式中，机器可读介质可以包括用于存储和/或传输呈机器(例如，计算装置)可读形式的信息的各种机构。例如，机器可读存储介质可以包括只读存储器、随机存取存储器、磁盘存储介质、光存储介质、快闪存储器装置以及用于存储信息的其他介质，并且机器可读传输介质可以包括多种形式的传播信号(包括载波、红外信号、数字信号)以及用于传输信息的其他介质。虽然在执行某些动作的特定示例性方面和实施方式的角度可以在以上公开内容中描述固件、软件、例程或指令，但将明显的是，这类描述仅出于方便目的并且这类动作实际上由计算装置、处理装置、处理器、控制器、或执行固件、软件、例程或指令的其他装置或机器产生。本说明书使用示例来公开本申请，其中的一个或多个示例被描述或者图示于说明书及其附图之中。每个示例都是为了解释本申请而提供，而不是为了限制本申请。事实上，对于本领域技术人员而言显而易见的是，不脱离本申请的范围或精神的情况下可以对本申请进行各种修改和变型。例如，作为一个实施例的一部分的图示的或描述的特征可以与另一个实施例一起使用，以得到更进一步的实施例。因此，其意图是本申请涵盖在所附权利要求书及其等同物的范围内进行的修改和变型。当前第1页12