本技术涉及人工智能,具体说是一种基于人工智能的学生学习反馈方法、装置及存储介质。
背景技术:
1、人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程进行模拟。
2、教育心理学家研究指出,学习方法选择得是否科学、合理,与学习者的个性有关。某些智商较高的学生,由于学习方法不当,往往成绩不佳,智力不能得到充分发挥;而某些智商不高的学生,由于采用了科学的学习方法,反而取得好的成绩,人的个性特点差别很大,个人学习的状态也都各不相同。怎样克服个性弱点,发挥个人长处,针对不同的性格类型,选择适合自己的学习方法,正是所要研究、探讨的课题。目前存在缺少通过人工智能根据学生的个性特点,为学生设计更科学合理的未掌握知识点巩固方案的问题。
3、因此,如何克服上述存在的技术问题和缺陷成为需要重点解决的问题。
技术实现思路
1、为了克服目前缺少通过人工智能根据学生的个性特点为学生推荐更科学合理的未掌握知识点巩固方案的问题,本技术提供了基于人工智能的学生学习反馈方法、装置及存储介质,采用了如下的技术方案:
2、第一方面,本技术提供了基于人工智能的学生学习反馈方法,包括:
3、步骤s1、获取学生的第一学习结果信息。
4、步骤s2、基于预设的信息提取算法,从所述第一学习结果信息中提取第二学习结果信息;所述第二学习结果信息包括未掌握知识点的信息集合。
5、步骤s3、基于预设的个性诊断算法获取学生的个性特点;所述获取学生的个性特点用于匹配对应符合所述学生的学习方式。
6、步骤s4、将所述第二学习结果作为第一反馈信息集,结合获取的所述学生个性特点及所述第一反馈信息集,通过人工智能学习反馈算法模型为所述学生生成符合其个性特点的所述未掌握知识点巩固方案。
7、步骤s5、将所述学生通过所述未掌握知识点巩固方案的学习结果作为第三学习结果,从所述第三学习结果获取学生未掌握知识点的信息集合,并将其作为第二反馈信息集。
8、步骤s6、对所述第二反馈信息集进行判断,如果所述第二反馈信息集满足阈值,则完成对所述未掌握知识点的学习。
9、进一步地,所述获取学生的第一学习结果信息包括学生的考试试卷、平时的习题训练、以及老师对学生学习的反馈信息。
10、进一步地,所述基于预设的信息提取算法,从所述第一学习结果信息中提取第二学习结果信息,包括:对第一学习结果信息进行解析,解析的内容包括已掌握的知识点与未掌握的知识点;获取未掌握的知识点,生成未掌握知识点的数据集;将未掌握知识点的数据集作为第二学习结果信息。
11、进一步地,所述对所述第二反馈信息集进行判断还包括:如果所述第二反馈信息集不满足预设的阈值,则将第二反馈信息集作为第一学习结果信息继续执行基于人工智能的学生学习反馈方法,直至第二反馈信息集满足预设的阈值。
12、进一步地,可以通过学生完成的个性测试问卷来获取学生的个性特点。通过个性测试问卷方式获取学生的个性特点时,预设的个性诊断算法即为通过完成对个性测试问卷的分析实现获取学生的个性特点。
13、进一步地,也可以通过计算机视觉神经网络的方式获取学生的个性特点;通过计算机视觉神经网络的方式获取学生的个性特点具体为:获取人物照片信息,并对人物照片中的人脸信息进行提取;将人物照片的人脸信息作为训练集,在人物个性特征大数据集的基础上对训练集进行训练;将人物照片的人脸信息分解成多维空间向量,通过计算机视觉神经网络获取人物照片的人脸信息中多维空间向量的不变量向量;将不变量向量作为预设的个性诊断算法的输入,通过人物个性特征分类获取人物的个性特征,完成对预设的个性诊断算法的训练;将学生照片输入计算机视觉神经网络中,获取学生的个性特点。
14、进一步地,所述通过人工智能学习反馈算法模型为所述学生生成符合其个性特点的所述未掌握知识点巩固方案包括:
15、获取所述未掌握知识点,并基于未掌握知识点获取与所述未掌握知识点关联的知识点;将与所述未掌握知识点关联的知识点划分为不同的等级;将与所述未掌握知识点等级相近的知识点进行汇总;结合所述学生的个性特点,为所述学生生成所述未掌握知识点巩固方案。
16、进一步地,所述为所述学生生成所述未掌握知识点巩固方案,包括:
17、采取融合方式为所述学生生成所述未掌握知识点巩固方案;
18、所述融合方式具体包括:获取所述学生喜欢的科目,将所述学生未掌握知识点与所述学生喜欢的所述科目进行融合。
19、所述为所述学生生成所述未掌握知识点巩固方案,包括:采取融合方式为所述学生生成所述未掌握知识点巩固方案;
20、所述融合方式具体包括:获取所述学生喜欢的科目,将所述学生未掌握知识点与所述学生喜欢的所述科目进行融合。
21、进一步地,将未掌握知识点与学生喜欢的科目进行融合的方式具体为:获取所述学生喜欢的科目,提取出所述学生喜欢的科目的特征值,提取未掌握知识点的特征值,分析学生喜欢的科目的特征值与未掌握知识点的特征值之间的相似度,如果相似度满足预设的阈值,则为所述学生生成所述未掌握知识点巩固方案。
22、所述采取融合方式为所述学生生成所述未掌握知识点巩固方案还包括:
23、(1)将所述学生的错误题目与所述学生喜欢的科目进行特征向量构建;
24、(2)根据比较所述错误题目与所述学生喜欢的科目特征向量,筛选出与学生错误题目具有相同知识点、类似难度题目的试题集c1;
25、(3)所述试题集c1按照试题质量高低进行从高到低排序,形成试题集c2;
26、(4)从所述试题集c2中筛选出topn的所述试题给所述学生。
27、进一步地,为所述学生生成所述未掌握知识点巩固方案采用余弦相似度算法,所述余弦相似度算法公式为其中,t1,t2为维度相同的两个向量,cos(t1,t2)代表余弦值;当t1,t2之间的余弦值为1时,相似度达到最大值1,向量之间的相似程度越高,当t1,t2之间的余弦值为0时,相似度达到最小值0,向量之间的相似程度越低,把余弦值处于[0,1]之间的取值表达为不同题目之间的相似度。
28、进一步地,所述为所述学生生成所述未掌握知识点巩固方案还包括:在为所述学生生成所述未掌握知识点巩固方案时,打破学生学习的年级界限,获取比相关所述未掌握知识点低一等级的难度等级的知识点信息,将所述知识点信息加入所述未掌握知识点巩固方案中。
29、第二方面,本技术还提供了基于人工智能的学生学习反馈装置,包括:第一学习结果获取模块、第二学习结果信息提取模块、个性诊断算法模块、人工智能学习反馈算法模型模块、第二反馈信息集获取模块、第二反馈信息集判断模块;
30、第一学习结果获取模块,用于获取学生的第一学习结果信息;
31、第二学习结果信息提取模块,用于基于预设的信息提取算法,从所述第一学习结果信息中提取第二学习结果信息;所述第二学习结果信息包括未掌握知识点的信息集合;
32、个性诊断算法模块,用于基于预设的个性诊断算法获取学生的个性特点;所述获取学生的个性特点用于匹配对应符合所述学生的学习方式;
33、人工智能学习反馈算法模型模块,用于将所述第二学习结果作为第一反馈信息集,结合获取的所述学生个性特点及所述第一反馈信息集,通过人工智能学习反馈算法模型为所述学生生成符合其个性特点的所述未掌握知识点巩固方案;
34、第二反馈信息集获取模块,用于将所述学生通过所述未掌握知识点巩固方案的学习结果作为第三学习结果,从所述第三学习结果获取学生未掌握知识点的信息集合,并将其作为第二反馈信息集;
35、第二反馈信息集判断模块,用于对所述第二反馈信息集进行判断,如果所述第二反馈信息集满足阈值,则完成对所述未掌握知识点的学习。
36、第三方面,本技术提供了一种电子设备,包括:
37、一个或多个处理器;存储器;以及一个或多个计算机程序,其中所述一个或多个计算机程序被存储在所述存储器中,所述一个或多个计算机程序包括指令,当所述指令被所述设备执行时,使得所述设备执行如第一方面所述的方法。
38、第四方面,本技术提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如第一方面所述的方法。
39、第五方面,本技术提供了一种计算机程序,当所述计算机程序被计算机执行时,用于执行第一方面所述的方法。
40、在一种可能的设计中,第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上,也可以部分或者全部存储在不与处理器封装在一起的存储器上。
41、与现有技术相比,本技术实施例主要有以下有益效果:
42、1.本技术提供的个性诊断算法来获取学生的个性特点,从而根据学生的个性特点为学生制定科学合理的未掌握知识点巩固方案。
43、2.本技术基于反馈的方式为学生动态的制定新的未掌握知识点巩固方案,帮助学生找到喜欢的学习方式,从而提高其对知识点的掌握。
44、3.本技术为学生制定未掌握知识点巩固方案时,打破了年级的界限,让学生通过循序渐进的方式进行知识点的掌握。
45、4.本技术基于融合的方式将学生未掌握知识点与喜欢的科目进行融合,从而提高了学生学习的兴趣和动力,帮助学生快速的掌握知识点。