最近发展区的选择方法和装置与流程

1.本技术涉及在线教育技术领域，具体涉及一种最近发展区的选择方法和装置。


背景技术：

2.线上教育和线下教育的目的之一就是让学生更有效率地学习。有效率体现在，学生当前学习的知识、解答的题目、理解的思维等是学生能力范围之内，但需要稍加努力就能掌握的。避免过于简单让学生觉得枯燥且浪费时间的同时，又不会让学生觉得太难以至于产生畏难情绪或直接放弃，为学生提供一定的成就感，从而调动学生学习的主动性和积极性，并激发学生的潜能。
3.然而，目前在线教育是简单根据学生做题的正确率来寻找学生的薄弱知识，并结合知识图谱，按照学生知识的薄弱程度进行排序，给学生推荐学习路径，并没有针对学生的具体能力找到适合学生的掌握的知识或解答的题目，以至于容易让学生丧失信心或者产生畏难情绪，对学习产生抗拒，导致学习效率低下。
4.学生的学习特征表达维度单一，往往只有简单的做题正确率是不够的的，在学生整个在线学习的过程中产生的学习行为都能反映出学生某一方面的能力，因此都应该被作为学生的学习特征进行表达。并且，学生的薄弱知识范围是很大的，有些薄弱还是对学生来说远超过学生当前的能力水平，反而会打击学生学习的积极性。
5.针对此类现象，苏联教育家维果茨基提出了一种最近发展区理论的儿童教育发展观。他认为学生的发展有两种水平：一种是学生的现有水平，指独立活动时所能达到的解决问题的水平；另一种是学生可能的发展水平，也就是通过教学所获得的潜力。两者之间的差异就是最近发展区。教学应着眼于学生的最近发展区，为学生提供带有难度的内容，调动学生的积极性，发挥其潜能，超越其最近发展区而达到下一发展阶段的水平，然后在此基础上进行下一个发展区的发展。


技术实现要素：

6.第一方面，本技术实施例提供了一种最近发展区的选择方法，该方法首先通过从教材中提取知识点构建知识图谱，将知识点之间的关系和层次结构更加丰富地表达出来，从知识点的不同掌握维度使知识图谱扩充为多层的拓扑结构；其次通过从学生的行为数据中提取学习特征以完善知识图谱获得该学生的个人能力模型，然后通过训练的群组能力模型和教研经验，获取群组能力模型中每一知识点的群组掌握层级，根据每一知识点的群组掌握层级和该学生的知识点能力值获得该学生的个人掌握层级数据；最后通过先对比该学生和群组每一知识点的距离，获得距离最小的一个或多个知识点，再根据群组能力模型中该应该知识点的群组掌握层级与对应的教学目标层级，进一步获得最容易达到下一教学目标的一个或多个知识点，选择知识点能力值最大的知识点自适应地为该学生推荐最近发展区。
7.该方法包括：
8.步骤s1：获取第一知识图谱和学生的行为数据，其中所述第一知识图谱由至少一知识点组成，每一所述知识点对应不同掌握维度的元信息，且存在关联关系的所述知识点之间设有知识点权重；
9.步骤s2：从所述行为数据中提取学习特征填充所述知识点对应的所述元信息，并计算每一所述元信息的元信息能力值和所述知识点之间的知识点能力值，获得该学生的个人能力模型；
10.步骤s3：获取群组能力模型，根据所述群组能力模型和所述个人能力模型计算该学生每一所述知识点的个人掌握层级，得到该学生的个人掌握层级数据，其中所述群组能力模型包括多个能力群组，每一所述能力群组的所述知识点设有群组掌握层级；
11.步骤s4：根据所述个人掌握层级数据、所述群组掌握层级数据以及所述群组能力模型，获得所述知识点能力值最大的知识点作为该学生的最近发展区。
12.首先，步骤s1中是构建面向教学领域的第一知识图谱，在一些申请实施例中，第一知识图谱是通过对教学教材各个章节中出现的知识点进行处理汇总得到的，并对第一知识图谱中的知识点从不同掌握维度进行扩充。因此，所述第一知识图谱的构建方法包括：从教材各个章节中提取一个或多个知识点；用不同掌握维度的元信息扩充所述知识点；获取对应每一所述知识点的元信息的元信息权重和元信息信息量；根据所述元信息权重和所述元信息信息量获取对应所述知识点的知识点信息量；根据所述知识点之间的关联关系和所述知识点信息量计算所述知识点权重。其中，所述元信息权重为所述元信息在对应的知识点中的重要程度，所述元信息信息量通过搭建元信息矩阵获取，所述元信息矩阵表征所述元信息在不同教材章节中出现的次数。
13.在一些申请实施例中，所述知识点权重的计算方式如下：
14.其中x和y分别表示知识点x 和知识点y，且知识点x为知识点y的前置知识点，x是所述知识点x和所述知识点y中包含相同的元信息x，p(x)是x在x中出现的概率。
15.其次，将第一知识图谱中每个知识点所包含的学习特征上升到学生的能力维度，综合评价学生的能力，得到该学生的个人能力模型。因此，在一些申请实施例中，步骤s2包括：从所述行为数据中提取学习特征：根据所述学习特征计算对应知识点的元信息能力值，其中所述元信息能力值为对应的所述学习特征总和与所述学习特征的数量的商值；根据所述元信息能力值计算对应的所述知识点能力值，其中所述知识点能力值为该知识点对应所有元信息的元信息能力值的总和与该知识点对应元信息数量的商值；填充所述第一知识图谱中每一知识点的知识点能力值获得该学生的个人能力模型。
16.具体的，在一些申请实施例中，获取行为数据的方法为：获取该学生的做题记录，根据所述做题记录提取该学生的所述行为数据，其中所述做题记录中的每个题目至少对应一所述知识点的至少一元信息。
17.特别的是，在一些申请实施例中，若该学生的所述行为数据为空，根据该学生的学生属性，获取与该学生具有相同学生属性且对应的行为数据不为空的其他学生的行为数据，将所述其他学生的行为数据转换为该学生的所述行为数据。
18.然后，通过训练的群组能力模型和教研经验，获取群组能力模型中每一知识点的
群组掌握层级，根据每一知识点的群组掌握层级和该学生的知识点能力值获得该学生的个人掌握层级数据。在一些申请实施例中，步骤s3包括：获取所述群组能力模型；根据所述群组能力模型和所述个人能力模型获取该学生的匹配群组；将该学生的每一所述知识点对应的所述知识点能力值映射到所述匹配群组获得该学生每一所述知识点的个人掌握层级，组成该学生的个人掌握层级数据。
19.最后，在一些申请实施例中，对应每一所述知识点设有教学目标层级，所述教学目标层级根据不同的知识点能力值区间分为多个教学目标，所述群组掌握层级为多个其他学生对应所述知识点的知识点能力值均值。
20.因此，对应的一些申请实施例中，步骤s4包括：根据所述个人掌握层级数据与所述群组掌握层级数据计算同一知识点的第一距离，获取所述第一距离最小的一个或多个第一知识点；计算所述群组掌握层级数据中所述第一知识点的群组掌握层级与对应的所述教学目标层级的第二距离，获取所述第二距离最小的一个或多个第二知识点；选择知识点能力值最大的所述第二知识点作为该学生的最近发展区。也就是说，选择对应第二知识点的题目作为该学生的最近发展区进行自动推荐。
21.第二方面，基于相同的构思，本技术实施例提供了一种最近发展区的选择而装置，该装置包括：
22.初始化模块：用于获取第一知识图谱和学生的行为数据，其中所述第一知识图谱由至少一知识点组成，每一所述知识点对应不同掌握维度的元信息，且存在关联关系的所述知识点之间设有知识点权重；
23.第一扩充模块：用于从所述行为数据中提取学习特征填充所述知识点对应的所述元信息，并计算每一所述元信息的元信息能力值和所述知识点之间的知识点能力值，获得该学生的个人能力模型；
24.第二扩充模块：用于获取群组能力模型，根据所述群组能力模型和所述个人能力模型计算该学生每一所述知识点的个人掌握层级，得到该学生的个人掌握层级数据，其中所述群组能力模型包括多个能力群组，每一所述能力群组的所述知识点设有群组掌握层级；
25.自动推荐模块：根据所述个人掌握层级数据、所述群组掌握层级数据以及所述群组能力模型，获得所述知识点能力值最大的知识点作为该学生的最近发展区。
26.第三方面，本技术实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以如上任意申请实施例所述的最近发展区的选择方法所执行的操作。
27.第四方面，本技术实施例提供了一种计算机程序产品，所述计算机程序产品包括：程序或指令，当所述程序或指令在计算机上运行时，使得所述计算机执行如上任意申请实施例所述的最近发展区的选择方法。
28.第五方面，本技术实施例提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据如上任意申请实施例所述的最近发展区的选择方法。
29.本技术实施例提出的一种最近发展区的选择方法和装置，首先构建以知识点为知识点的知识图谱，将知识点之间的关系和层次结构更加丰富地表达出来，并从知识点的不
同掌握维度使知识图谱扩充为多层的拓扑结构；其次通过从学生的行为数据中提取学习特征以完善知识图谱获得该学生的个人能力模型；然后结合群组的水平和教研经验，根据该学生的知识点能力值获得该学生的个人掌握层级数据；最后通过比较该学生和群组水平、群组水平和教学目标获得最容易达到下一教学目标的一个或多个知识点，选择知识点能力值最大的知识点自适应地为该学生推荐最近发展区。
30.值得一提的是，本技术实施例更重要的是依据学生和群组以及教学目标的差距，自适应推荐最近发展区，以激发学生的潜能并提高学生的学习积极性。
31.并且，不仅对于没有行为数据的学生，可以参考与其具有相同群组的学生的学习特征初始化第一知识图谱；并且，还可以根据知识点之间的关联关系可以对无法获取到学习特征的知识点进行一种知识点能力上的预测；另外，通过建立题库中题目与元信息的关联关系，可以根据学生的能力值选择符合最近发展区标准的题目进行训练和提升。
附图说明
32.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
33.图1是根据本技术实施例的最近发展区的选择方法流程图；
34.图2是根据本技术实施例的第一知识图谱的局部示意图；
35.图3是根据本技术实施例的知识点之间的关系示意图；
36.图4是根据本技术实施例的题目信息图；
37.图5是根据本技术实施例的题目与元信息的关联关系实例图；
38.图6是根据本技术实施例的详细内容示意图；
39.图7是根据本技术实施例的知识点示意图；
40.图8是根据本技术实施例的题目与元信息的关联关系示意图；
41.图9是根据本技术实施例的最近发展区的选择装置结构框图；
42.图10是根据本技术实施例的电子装置的硬件结构示意图。
具体实施方式
43.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本技术保护的范围。
44.需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
45.本实施例提供了一种最近发展区的选择方法，具体参考图1，图1是根据本技术实施例的最近发展区的选择方法流程图。
46.如图1所示，该方法包括步骤s1-s4：
47.步骤s1：获取第一知识图谱和学生的行为数据，其中所述第一知识图谱由至少一知识点组成，每一所述知识点对应不同掌握维度的元信息，且存在关联关系的所述知识点之间设有知识点权重；
48.步骤s2：从所述行为数据中提取学习特征填充所述知识点对应的所述元信息，并计算每一所述元信息的元信息能力值和所述知识点之间的知识点能力值，获得该学生的个人能力模型；
49.步骤s3：获取群组能力模型，根据所述群组能力模型和所述个人能力模型计算该学生每一所述知识点的个人掌握层级，得到该学生的个人掌握层级数据，其中所述群组能力模型包括多个能力群组，每一所述能力群组的所述知识点设有群组掌握层级；
50.步骤s4：根据所述个人掌握层级数据、所述群组掌握层级数据以及所述群组能力模型，获得所述知识点能力值最大的知识点作为该学生的最近发展区。
51.步骤s1中，要构建面向教学领域的知识图谱，将知识点之间的关系和层次结构更加丰富地表达出来，从知识点的不同掌握维度使知识图谱扩充为多层的拓扑结构。在一些实施例中，第一知识图谱是通过对教学教材各个章节中出现的知识进行处理汇总得到的，其中以知识点为知识点，并对知识图谱中的知识点进行多维度扩充，例如nlp的相关方法：tf-idf、词袋模型等，抽取对应知识点的知识、方法、思想等多维度元信息扩充知识图谱中的知识点。
52.也就是说，所述第一知识图谱的构建方法包括：从教材各个章节中提取一个或多个知识点；用不同掌握维度的元信息扩充所述知识点；获取对应每一所述知识点的元信息的元信息权重和元信息信息量；根据所述元信息权重和所述元信息信息量获取对应所述知识点的知识点信息量；根据所述知识点之间的关联关系和所述知识点信息量计算所述知识点权重。
53.具体参考图2，图2是根据本技术实施例的第一知识图谱的局部示意图。
54.如图2所示，知识点包括：“绝对值计算”、“数轴”、“数轴三要素”、“绝对值定义”等等，对应“绝对值的意义”的掌握维度有“知识”、“方法”、“思想”三种元信息的分类。其中，知识点的每一元信息可以有多种，例如：对应“绝对值的意义”知识点的知识包括整式的概念、分式的概念、约分、同分、不等式的基本性质等等，思想包括整体思想、方程思想、函数思想、转化思想、类比思想、数形结合思想等等、方法包括分类讨论、配方法、因式分解法、换元法、判别式法、待定系数法、构造法、反证法、面积法、几何变换法、验证法、排除法、图解法，其中每一个知识、每一个思想以及每一个方法都是一个元信息。
55.并且，该方法采用信息论中信息量和条件熵的概念，分别计算每个知识点的信息量和第一知识图谱中知识点之间的知识点权重。其中，所述元信息权重为所述元信息在对应的知识点中的重要程度，所述元信息信息量通过搭建元信息矩阵获取，其中所述元信息矩阵表征所述元信息在不同教材章节中出现的次数。
56.因此，获取所述知识点权重的公式如下：
57.其中x和y分别表示知识点x 和知识点y，且知识点x为知识点y的前置知识点，x是所述知识点x和所述知识点y中包含相同的元信息x，p(x)是x在x中出现的概率。
58.然后根据第一知识图谱中，每个知识点对应的元信息信息量计算知识点信息量，计算方法为：
[0059][0060]
其中，infoi表示知识点信息量，wj表示该知识点对应的元信息权重，ej表示该知识点对应的元信息信息量。
[0061]
结合教学场景的含义以及学生要掌握知识点，比如“绝对值计算”，要先掌握其前置知识点，例如图2中“绝对值计算”的前置知识点包括“数轴”、“数轴三要素”、“绝对值的定义”等，而条件熵的含义是在已知部分信息的基础上对不确定的降低程度。如果我们知道学生掌握了“绝对值的定义”，但是学生是否掌握“绝对值计算”并不能做出很好的判断，但是当我们知道了学生对于绝对值的定义、数轴、计算等都掌握了，那么我们很大概率能判断学生的掌握程度。以此方式来计算第一知识图谱的知识点权重。因此，具体的知识点之间的知识点权重计算方法为：
[0062]
参考图3，图3是根据本技术实施例的知识点之间的关系示意图。如图3所示，x和y分别表示知识点x和知识点y，且知识点x为知识点y的前置知识点， x是所述知识点x和所述知识点y中包含相同的元信息x，p(x)是x在x中出现的概率。
[0063]
特别的是，在构建好第一知识图谱后，建立题库中的题目与所述元信息的关联关系，其中题库中的题目是跟我们的教学教材匹配的，以便于根据最近发展区为学生推荐最合适的题目，其中每个题目至少对应一所述知识点的至少一元信息。并且通过获取该学生的做题记录，根据所述做题记录提取该学生的所述行为数据。具体参考图4，图4是根据本技术实施例的题目信息图。如图4所示，根据该题目信息图可抽取出元信息：绝对值的几何意义、绝对值、数轴和分类讨论。因此，将该题目当作q1，建立q1与元信息的关联关系参考图5，图 5是根据本技术实施例的题目与元信息的关联关系实例图。
[0064]
步骤s2中，通过从学生的行为数据中提取学习特征以完善知识图谱获得该学生的个人能力模型，然后通过训练的群组能力模型和教研经验，获取群组能力模型中每一知识点的群组掌握层级，根据每一知识点的群组掌握层级和该学生的知识点能力值获得该学生的个人掌握层级数据。
[0065]
具体的，在一些实施例中，获取行为数据的方法为：获取该学生的做题记录，根据所述做题记录提取该学生的所述行为数据，其中所述做题记录中的每个题目至少对应一所述知识点的至少一元信息。
[0066]
参考图6，图6是根据本技术实施例的详细内容示意图。如图6所示，行为数据包括学生1和学生2对应的做题知识点、题目编号、做题结果，从中提取并计算出学习特征，包括平均做题时长、做题结果方差、平均做题正确率、提示占比等。
[0067]
另外，在一些实施例中，若该学生的所述行为数据为空，根据该学生的学生属性，获取与该学生具有相同学生属性且对应的行为数据不为空的其他学生的行为数据，将所述其他学生的行为数据转换为该学生的所述行为数据。
[0068]
具体的，若目标学生尚未产生行为数据，那么可以根据目标学生的自我评价、老师评价、年级等学生属性，根据具有相同属性的其他有行为数据学生的学习特征进行加权求
平均。其中，学生的自我评价的维度包括学习能力、细心程度等，老师的评价维度有也包括学习能力、细心程度等，可以采用10分制的打分制度。根据目标学生的学生属性，找到该目标学生的学生属性相似度前20 位有行为数据的其他学生，计算目标学生与其他学生的相似度，具体的相似度计算方法为余弦相似度：
[0069][0070]
并根据该多名学生的学习特征加权平均并填充第一知识图谱，得到目标学生的个人能力模型。具体计算方式为：
[0071][0072]
其中，ug表示目标学生，uk表示上述内容中的其他学生，w
gk
表示目标学生和第k个学生的余弦相似度。
[0073]
然后，将所述第一知识图谱中每个元信息包含的学习特征上升到学生的能力维度，综合评价学生的能力。因此，在一些实施例中，步骤s2包括：从所述行为数据中提取学习特征：根据所述学习特征计算对应知识点的元信息能力值，其中所述元信息能力值为对应的所述学习特征总和与所述学习特征的数量的商值；根据所述元信息能力值计算对应的所述知识点能力值，其中所述知识点能力值为该知识点对应所有元信息的元信息能力值的总和与该知识点对应元信息数量的商值；填充所述第一知识图谱中每一知识点的知识点能力值获得该学生的个人能力模型。
[0074]
根据所述学习特征计算对应的元信息能力值，其中每个元信息包括一个或多个学习特征，那么元信息能力值的计算方法为：其中代表第i个元信息的能力值，代表第i个元信息的第j个学习特征，n代表第 i个元信息一共有n个学习特征。
[0075]
根据所述元信息能力值计算对应的知识点能力值，其中每个知识点包括一个或多个元信息，那么知识点能力值的计算方法为：其中， abilityk代表第k个知识点的能力值，m代表知识点k包含m个元信息。
[0076]
另外，若所述元信息对应的所述学习特征为空，则根据所述知识点的相邻知识点能力值和相邻知识点计算所述知识点的知识点能力值，具体计算方法为：
[0077][0078]
其中，wk代表知识点k和k’知识点之间的知识点。具体参考图7，图7是根据本技术实施例的知识点示意图。
[0079]
如图7所示，学生在知识点4上没有学习特征，但是与其相关联的知识点1、知识点2、知识点6有学习特征，则知识点4的知识点能力值为：
[0080][0081]
其中，w
14
、w
24
和w
46
等均表示两知识点之间的知识点。
[0082]
步骤s3中，结合群组的水平和教研经验，根据该学生的知识点能力值获得该学生的个人掌握层级数据。也就是说，通过训练的群组能力模型和教研经验，获取群组能力模型中每一知识点的群组掌握层级，根据每一知识点的群组掌握层级和该学生的知识点能力值获得该学生的个人掌握层级数据。
[0083]
在一些实施例中，对应每一所述知识点设有教学目标层级，所述教学目标层级根据不同的知识点能力值区间分为多个教学目标，所述群组掌握层级为多个其他学生对应所述知识点的知识点能力值均值。
[0084]
其中，群组能力模型是抽取大量其他学生的行为数据，计算得到每个学生的个人能力模型，并采用k-means方法，对这些学生进行聚类，得到优良中差四个群组。
[0085]
对于上述群组能力模型中每个学生的每一个知识点，进行教研经验标记掌握层级，得到每个学生关于每个知识点的知识点掌握层级，
[0086][0087]
其中i表示第i个学生，knowledge表示知识点集合，level表示每一个知识点的知识点掌握层级。
[0088]
根据得到学生掌握层级数据，统计每一层级人数占比，统计方法为：
[0089][0090]
其中p_{i,k}(level)表示第i个群组关于第k个知识点的群组掌握层级数据， i属于{优，良，中，差}，j属于{知道，领会，应用，分析，综合，评价}，mean(u
i,k,j
) 表示第i个群组第k个知识点第j个层级所有学生关于该知识点的知识点能力值均值。
[0091]
也就是说，在一些实施例中，群组能力模型包括4个能力群组，分别是：优，良，中，差。教学目标层级包括6个层级，分别是：知道，领会，应用，分析，综合，评价。
[0092]
然后根据该学生的个人能力模型确定对应的能力群组，通过该学生的每一知识点的知识点能力值与对应匹配的能力群组的群组掌握层级，获得该学生每一知识点的个人掌握层级。
[0093]
也就是说，在一些实施例中，步骤s3具体包括：获取所述群组能力模型；根据所述群组能力模型和所述个人能力模型获取该学生的匹配群组；将该学生的每一所述知识点对应的所述知识点能力值映射到所述匹配群组获得该学生每一所述知识点的个人掌握层级，组成该学生的个人掌握层级数据。
[0094]
在一些实施例中，判断学生匹配能力群组模型中某一能力群组方法为：分别计算该学生与优、良、中、差4个能力群组的距离，取距离最小的能力群组作为匹配群组。计算方法为：
[0095][0096]
其中i表示该学生，j表示群组，j属于{优，良，中，差}，ability
i,m
表示该学生第m个知识的能力值，ability
i,m
表示第j个群组第m个知识的评价能力值。
[0097]
判断该学生的每一知识点在该群组能力模型中对应的分布位置，先将群组能力模型中的知识点按照教学目标层级进行六等分，也就是说，每一教学目标层级对应一知识点能力值区间，然后根据该学生的每一知识点能力值与该群组能力模型中的群组掌握层级对应得到该学生各个知识点的个人掌握层级，组成该学生的个人掌握层级数据。
[0098]
步骤s4中，通过比较该学生和群组水平、群组水平和教学目标获得最容易达到下一教学目标的一个或多个知识点，选择知识点能力值最大的知识点自适应地为该学生推荐最近发展区。也就是说，通过先对比该学生和群组每一知识点的距离，获得距离最小的一个或多个知识点，再根据群组能力模型中该应该知识点的群组掌握层级与对应的教学目标层级，进一步获得最容易达到下一教学目标的一个或多个知识点，选择知识点能力值最大的知识点自适应地为该学生推荐最近发展区。
[0099]
具体的，在一些实施例中，步骤s4包括：根据所述个人掌握层级数据与所述群组掌握层级数据计算同一知识点的第一距离，获取所述第一距离最小的一个或多个第一知识点；计算所述群组掌握层级数据中所述第一知识点的群组掌握层级与对应的所述教学目标层级的第二距离，获取所述第二距离最小的一个或多个第二知识点；选择知识点能力值最大的所述第二知识点作为该学生的最近发展区。
[0100]
其中，根据该学生的个人掌握层级数据与群组掌握层级数据计算同一知识点的第一距离的计算公式为：其中u
k,i
表示学生知识点k上掌握层级i，g
k,j
表示群组掌握度层级模型中知识点k上的掌握层级j。由此得到该学生的个人掌握层级数据和群组掌握层级数据中知识点间的层级距离作为第一距离，以第一距离进行初步的知识点选择，选择距离最小的一个或多个知识点作为第一知识点，具体的选择公式为：
[0101]
由上述所选择第一知识点的集合，计算群组掌握层级数据中第一知识点的群组掌握层级与对应的教学目标层级的第二距离，获取第二距离最小的一个或多个第二知识点。计算方法为：
[0102][0103]
其中g
k,i
表示群组掌握层级数据中知识点k上掌握层级i，t
k,j
表示群组掌握度层级模型中知识点k上的教学目标掌握层级j，由此得到群组掌握层级数据和教学目标层级的距离作为第二距离，以此进一步选择第二距离最小的一个或多个第二知识点，具体的选择公式为：
[0104]
最后，选择知识点能力值最大的第二知识点作为该学生的最近发展区。根据所述
最近发展区，选择对应所述知识点且题目能力值最大的题目推荐给该学生。其中，题目能力值的计算方法为：
[0105][0106]
其中，qi表示题目编号，表示第k个元信息的元信息能力值，n 表示与第i个题目有关联的元信息的个数。参考图8，图8是根据本技术实施例的题目与元信息的关联关系示意图，如图8所示，其中题目q1包括元信息1、元信息2和元信息3，所以q1的题目能力值为：
[0107][0108]
实施例二
[0109]
基于相同的构思，本技术实施例提供了一种最近发展区的选择装置，用于实现实施例一中所描述的最近发展区的选择方法，参考图9，图9是根据本技术实施例的最近发展区的选择装置结构框图。
[0110]
如图9所示，该装置包括以下模块：
[0111]
初始化模块：用于获取第一知识图谱和学生的行为数据，其中所述第一知识图谱由至少一知识点组成，每一所述知识点对应不同掌握维度的元信息，且存在关联关系的所述知识点之间设有知识点权重；
[0112]
第一扩充模块：用于从所述行为数据中提取学习特征填充所述知识点对应的所述元信息，并计算每一所述元信息的元信息能力值和所述知识点之间的知识点能力值，获得该学生的个人能力模型；
[0113]
第二扩充模块：用于获取群组能力模型，根据所述群组能力模型和所述个人能力模型计算该学生每一所述知识点的个人掌握层级，得到该学生的个人掌握层级数据，其中所述群组能力模型包括多个能力群组，每一所述能力群组的所述知识点设有群组掌握层级；
[0114]
自动推荐模块：根据所述个人掌握层级数据、所述群组掌握层级数据以及所述群组能力模型，获得所述知识点能力值最大的知识点作为该学生的最近发展区。
[0115]
实施例三
[0116]
本实施例还提供了一种电子装置，参考图10，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述实施例一中的任意一种网络请求合并方法的步骤。
[0117]
具体地，上述处理器402可以包括中央处理器(cpu)，或者特定集成电路 (application specific integrated circuit，简称为asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0118]
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器(hard disk drive，简称为hdd)、软盘驱动器、固态驱动器(solid state drive，简称为ssd)、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，简称为usb)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储
器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性(non-volatile)存储器。在特定实施例中，存储器404包括只读存储器(read-only memory，简称为rom) 和随机存取存储器(random access memory，简称为ram)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmable read-only memory，简称为prom)、可擦除prom(erasable programmable read-only memory，简称为eprom)、电可擦除prom(electrically erasable programmable read-onlymemory，简称为eeprom)、电可改写rom(electrically alterable read-onlymemory，简称为earom)或闪存(flash)或者两个或更多个以上这些的组合。在合适的情况下，该ram可以是静态随机存取存储器(static random-accessmemory，简称为sram)或动态随机存取存储器(dynamic random access memory，简称为dram)，其中，dram可以是快速页模式动态随机存取存储器404(fast pagemode dynamic random access memory，简称为fpmdram)、扩展数据输出动态随机存取存储器(extended date out dynamic random access memory，简称为 edodram)、同步动态随机存取内存(synchronous dynamic random-access memory，简称sdram)等。
[0119]
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
[0120]
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种数据入库方法。
[0121]
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
[0122]
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
[0123]
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是当前数据表例如疫情流调文档、特征数据、模板表等，输出的信息可以是特征指纹、指纹模板、文本分类推荐信息、文件模板配置映射表、文件模板配置信息表等。
[0124]
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：
[0125]
步骤s1：获取第一知识图谱和学生的行为数据，其中所述第一知识图谱由至少一知识点组成，每一所述知识点对应不同掌握维度的元信息，且存在关联关系的所述知识点之间设有知识点权重；
[0126]
步骤s2：从所述行为数据中提取学习特征填充所述知识点对应的所述元信息，并计算每一所述元信息的元信息能力值和所述知识点之间的知识点能力值，获得该学生的个人能力模型；
[0127]
步骤s3：获取群组能力模型，根据所述群组能力模型和所述个人能力模型计算该学生每一所述知识点的个人掌握层级，得到该学生的个人掌握层级数据，其中所述群组能
力模型包括多个能力群组，每一所述能力群组的所述知识点设有群组掌握层级；
[0128]
步骤s4：根据所述个人掌握层级数据、所述群组掌握层级数据以及所述群组能力模型，获得所述知识点能力值最大的知识点作为该学生的最近发展区。
[0129]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0130]
另外，结合上述实施例一中的任意一种最近发展区的选择方法，本技术实施例可一种计算机程序产品来实现。该计算机程序产品包括：程序或指令，当所述程序或指令在计算机上运行时，使得所述计算机执行实现上述实施例一中的任意一种最近发展区的选择方法。
[0131]
并且，结合上述实施例一中的任意一种最近发展区的选择方法，本技术实施例可提供一种可读存储介质来实现。该可读存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例一中的任意一种最近发展区的选择方法。
[0132]
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
[0133]
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如dvd及其数据变体、cd等光学介质上。物理介质是非瞬态介质。
[0134]
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0135]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。