一种动态计算知识点掌握程度的方法及系统与流程

1.本发明涉及在线教育技术领域，具体涉及一种动态计算知识点掌握程度的方法及系统。


背景技术：

2.现有技术及其特点如下：
3.1.采用统计学习方法，构建函数模型，进行知识点掌握程度计算。例如“对知识点掌握程度进行测量的方法和系统”通过采集学生的做题得分率和做题时间来计算学生对于知识点的准确熟练度，以及通过学生对知识点的学习时间，计算学生在待测知识点上的状态转变易度，以及复习巩固轮数这三个参数构建向量，然后求向量的模作为该学生对于知识点的掌握程度。然而这种方法在学生做题量较少的情况下，掌握程度可能会上下频繁波动，并且该计算方法在学员做题难度分布不均的时候，会出现较大的偏差，例如一个学员做的题目都是较简单的题目，那么会导致准确熟练度明显偏高。另外还有根据做题正确率的高低来设置阈值，表示学生对某个知识点的掌握程度，此类方法大多通过设置阈值结合数学规则来判断学生对某个知识点的掌握程度，准确率不高，并且依赖于阈值的提前设置。
4.2.采用认知诊断模型的方法，例如“一种确定知识点掌握程度的方法、装置及电子设备”，该方法虽然避免了传统的认知诊断方法基于单个知识点题目的局限性，但是其重点采集了学生的做题数据，学生的听课，做题时间等数据都没有采用，采用的数据特征维度单一，另外，当学生做题数据量较少的时候，该方法得出的知识点掌握程度准确度不高。
5.3.采用深度学习建模方法，例如“动态知识掌握建模方法、建模系统、存储介质及处理终端”，该方法采用sae和bilstm进行特征融合和预测，该方法的优点在于准确率高，但是缺点在于对训练数据的需求大，并且计算复杂度高，最终结果并没有给出学生对于某个知识点的掌握程度的量化值，而是预测学生能否做对下一个试题。另外“一种基于数据驱动的知识点掌握状态的预测系统及方法”虽然能够采用神经网络或者机器学习模型来预测学员对某个知识点的掌握程度，但是也仅仅是预测一个离散分类值：卓越、良好、合格、不合格，而这些标签值需要人工提前设定好，具有一定的主观性，并且需要监督训练来完成，在标注数据上成本较高。
6.综上，知识点的掌握程度是一个连续变量，它会随着学生的做题数量、难度、正确率、做题时长、做题间隔时长、知识点本身特性等因素不断变化，而不是一个离散变量，不能简单的分为掌握和未掌握两个状态，同时，要避免学生做题数据较少的时候，掌握程度波动较大的问题，或者累计做题数据量太多的时候，掌握程度几乎不变的问题。如何科学、准确的量化学生对知识点的掌握程度，对在线教育到个性化教育、弱点突破有重大的意义


技术实现要素：

7.针对现有技术中的缺陷，本发明提供一种动态计算知识点掌握程度的方法及系统。
8.一方面，一种动态计算知识点掌握程度的方法，所述方法包括以下步骤：
9.s1,获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；
10.s2,根据所述题目总量和所述做题量计算所述用户的掌握广度；
11.s3,根据所述做题量和所述做题结果计算所述用户的掌握增益；
12.s4,根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；
13.s5,根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。
14.优选地，步骤s2中，根据所述题目总量和所述做题量计算所述用户的掌握广度的公式为：
[0015][0016]
其中，ri表示第i次做题的掌握广度，k表示题目总量，li表示前i次做题的做题去重量。
[0017]
优选地，步骤s3中，根据所述做题量和所述做题结果计算所述用户的掌握增益的方法包括：
[0018]
s301,根据所述做题量和做题结果确定结果序列；
[0019]
s302，根据所述题目总数以及所有用户的做题量和做题结果计算所有题目的题目难度，根据所述题目难度确定所述用户的题目难度的分布；
[0020]
s303,根据所述结果序列和所述题目难度的分布计算所述用户的掌握增益。
[0021]
优选地，s302中，根据所述题目总数以及所有用户的做题量和做题结果计算各个题目的题目难度的公式为：
[0022][0023]
其中，hardj表示第j个题目的难度，aj表示所有用户做第j个题目的次数，wj表示所有用户做第j个题目的错误次数。
[0024]
优选地，步骤s303中,根据所述结果序列和题目难度计算事实用户的掌握增益的公式为：
[0025][0026]
其中，gaini表示第i次做题的掌握增益，dot(resulti,hardi)表示第i次做题的结果序列与第i次做题的题目难度的分布序列进行点积运算，len(resulti)表示第i次做题的结果序列长度。
[0027]
优选地，步骤s4中，根据所述掌握增益和所述做题时间计算所述用户的掌握衰减的公式为：
[0028]
[0029][0030]
其中，α(δti)表示第i次做题的掌握衰减，δti表示第i次做题的做题时间与当前时间的差值，βi表示第i次做题的衰减参数，gain
i-1
表示i-1次做题的掌握增益，b、c、d为常数。
[0031]
优选地，步骤s5中，根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度的公式为：
[0032][0033]gi
＝ri*gaini[0034]
其中，grasp表示第i次做题后的总掌握程度，gi表示第i次做题的掌握程度，count表示所述用户的做题总次数。
[0035]
优选地，步骤s5，根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度之后，还包括以下步骤：
[0036]
s6,根据所述题目总数和所述题目难度计算题目难度均值，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况。
[0037]
优选地，步骤s6中，根据所述题目总数和所述题目难度计算题目难度均值的公式为：
[0038][0039]
其中，hard
average
表示题目难度均值。
[0040]
优选地，步骤6中，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况的方法包括：判断所述用户的总掌握程度是否小于所述题目难度均值，若是，则所述用户未掌握所述知识点，若否，则所述用户已掌握所述知识点。
[0041]
另一方面，一种动态计算知识点掌握度的系统，包括：
[0042]
学习数据获取模块，用于获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；
[0043]
掌握广度计算模块，用于根据所述题目总量和所述做题量计算所述用户的掌握广度；
[0044]
掌握增益计算模块，用于根据所述做题量和所述做题结果计算所述用户的掌握增益；
[0045]
掌握衰减计算模块，用于根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；
[0046]
掌握度计算模块，用于根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。
[0047]
本发明的有益效果体现在：本发明通过用户做题的做题量得到掌握广度，通过用户做题的做题量和做题结果得到用户做题的掌握增益，通过用户做题的时间和由掌握增益
变化情况动态调节的衰减参数得到掌握衰减，通过掌握广度、掌握增益和掌握衰减得到用户的掌握程度，能够结合不同用户不同的学习能力个性化的计算用户对知识点的掌握程度；除此之外，还引入了知识点下所有题目的平均难度作为是否掌握的阈值，实现了用户对知识点掌握情况的有效评估，且不同知识点的阈值不同，可自适应阈值，进一步提高了评估的精确性。本发明结合用户认知情况和知识点的不同性质，可动态计算评估用户对于知识点的掌握情况。
附图说明
[0048]
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。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0049]
图1为本发明实施例所提供的一种动态计算知识点掌握程度的方法的流程图；
[0050]
图2为本发明实施例所提供的一种动态计算知识点掌握度的系统的流程图。
具体实施方式
[0051]
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
[0052]
需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
[0053]
实施例一
[0054]
如图1所示，图1为本发明实施例所提供的一种动态计算知识点掌握程度的方法的流程图，所述方法包括以下步骤：
[0055]
s1,获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；
[0056]
具体的，步骤s1之前还包括对获取的题目按照知识点进行分类。
[0057]
具体的，所述做题结果包括正确和错误、正确次数和错误次数。
[0058]
具体的，当用户在在线学习平台听课、做题时，通过在线学习平台采集用户的听课数据和做题数据，所述做题数据包括但不限于所述知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间。
[0059]
s2,根据所述题目总量和所述做题量计算所述用户的掌握广度；
[0060]
具体的，衡量一个用户在某一知识点的掌握程度好与坏，往往需要从掌握广度和掌握深度两个方向区考察，针对掌握广度主要通过做题覆盖率来体现，也就是做题量在题目总量中的占比，具体的计算公式如下：
[0061][0062]
其中，ri表示第i次做题的掌握广度，k表示题目总量，li表示前i次做题的做题去重量(也就是做题总次数减去重复做题次数)。
[0063]
s3,根据所述做题量和所述做题结果计算所述用户的掌握增益；
[0064]
在本发明实施例中，步骤s3中，根据所述做题量和所述做题结果计算所述用户的掌握增益的方法包括：
[0065]
s301,根据所述做题量和做题结果确定结果序列；
[0066]
s302，根据所述题目总数以及所有用户的做题量和做题结果计算所有题目的题目难度，根据所述题目难度确定所述用户的题目难度的分布；
[0067]
s303,根据所述结果序列和所述题目难度的分布计算所述用户的掌握增益。
[0068]
具体的，掌握深度作为衡量用户在某一知识点的掌握程度好与坏，其含义为用户在同一知识点下不同难度的题目上正确率的综合值，而题目的难度的计算公式如下：
[0069][0070]
其中，hardj表示第j个题目的难度，aj表示所有用户做第j个题目的次数，wj表示所有用户做第j个题目的错误次数。
[0071]
具体的，计算得到知识点下所有题目难度之后，就可以得到用户所做题目的题目难度，进而得到用户所作题目难度的分布，例如，hard_vec＝[0.2,0.3,0.4,0.1,0.6,0.7]，同时，根据用户所做题目的正确情况可以得到题目结果序列，例如，result vec＝[1,1,0,0,1,0]，然后，根据题目难度分布和结果序列就可以得到用户的掌握增益，计算公式如下：
[0072][0073]
其中，gaini表示第i次做题的掌握增益，dot(resulti,hardi)表示第i次做题的结果序列与第i次做题的题目难度的分布序列进行点积运算，len(resulti)表示第i次做题的结果序列长度。
[0074]
s4,根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；
[0075]
具体的，由于用户对知识点的掌握程度是随时间变化的，并且每个用户做题的掌握增益不同的，其掌握衰减也必然不同，因此，构建了包括时间参数和由掌握增强变化情况动态调节的衰减参数的衰减函数，通过衰减函数计算掌握衰减，衰减函数如下：
[0076][0077][0078]
其中，α(δti)表示第i次做题的掌握衰减，δti表示第i次做题的做题时间与当前时间的差值，βi表示第i次做题的衰减参数，gain
i-1
表示i-1次做题的掌握增益，b、c、d为常数,在具体的的实施例中，b＝0.06,c＝0.02，d＝0.558。
[0079]
s5,根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。
[0080]
具体的，根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度的公式为：
[0081]
[0082]gi
＝ri*gaini[0083]
其中，grasp表示第i次做题后的总掌握程度，gi表示第i次做题的掌握程度，count表示所述用户的做题总次数。
[0084]
在上述实施例的基础上，还包括以下步骤：
[0085]
s6,根据所述题目总数和所述题目难度计算题目难度均值，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况。
[0086]
具体的，根据所述题目总数和所述题目难度计算题目难度均值的公式为：
[0087][0088]
其中，hard
average
表示题目难度均值。
[0089]
具体的，根据所述题目难度均值和所述总掌握程度评估所述用户对知识点的掌握情况的方法包括：判断所述用户的总掌握程度是否小于所述题目难度均值，若是，则所述用户未掌握所述知识点，若否，则所述用户已掌握所述知识点。
[0090]
综上，本发明通过用户做题的做题量得到掌握广度，通过用户做题的做题量和做题结果得到用户做题的掌握增益，通过用户做题的时间和由掌握增益变化情况动态调节的衰减参数得到掌握衰减，通过掌握广度、掌握增益和掌握衰减得到用户的掌握程度，能够结合不同用户不同的学习能力个性化的计算用户对知识点的掌握程度；除此之外，还引入了知识点下所有题目的平均难度作为是否掌握的阈值，实现了用户对知识点掌握情况的有效评估，且不同知识点的阈值不同，可自适应阈值，进一步提高了评估的精确性。本发明结合用户认知情况和知识点的不同性质，可动态计算评估用户对于知识点的掌握情况。
[0091]
实施例二
[0092]
如图2所示，图2为本发明实施例所提供的一种动态计算知识点掌握度的系统的系统框图，所述系统包括：
[0093]
学习数据获取模块，用于获取知识点下的题目总量、用户的做题次数、每次做题的做题量、做题结果和做题时间；
[0094]
掌握广度计算模块，用于根据所述题目总量和所述做题量计算所述用户的掌握广度；
[0095]
掌握增益计算模块，用于根据所述做题量和所述做题结果计算所述用户的掌握增益；
[0096]
掌握衰减计算模块，用于根据所述掌握增益和所述做题时间计算所述用户的掌握衰减；
[0097]
掌握度计算模块，用于根据所述掌握广度、所述掌握增益和所述掌握衰减计算所述用户对所述知识点的总掌握程度。
[0098]
本发明实施例所提供的一种动态计算知识点掌握度的系统与上述实施例所提供的一种动态计算知识点掌握度的方法出于相同的发明构思关于本发明实施例中各个模块更加具体的工作原理可参考上述实施例，在本发明实施例中不做赘述。
[0099]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依
然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。