一種個性化教育的評測和推題系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種個性化教育的評測和推題系統(tǒng)，本發(fā)明公開了一個能夠準(zhǔn)確預(yù)測學(xué)生對題目的解題能力(通過率)的數(shù)據(jù)挖掘模塊和系統(tǒng)，并基于學(xué)生對題目和知識點的通過率預(yù)測，構(gòu)建了一個能夠區(qū)分學(xué)生能力強、中、弱等不同級別進行個性化推題的推薦系統(tǒng)。
【專利說明】一種個性化教育的評測和推題系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種個性化教育的評測和推題系統(tǒng)。

【背景技術(shù)】
[0002] 在線教育的在線練習(xí)產(chǎn)品和平臺中，評價學(xué)生的能力并給學(xué)生推薦適合他的題 目，是教育行業(yè)的核心問題之一。現(xiàn)在的在線教育平臺的基本做法有幾種，第一種是老師根 據(jù)個人的教學(xué)經(jīng)驗，對他所帶的班級分配一批自己篩選的題目，第二種是系統(tǒng)自動統(tǒng)計學(xué) 生作題的通過率，以及題目被做對的正確率，通過簡單的通過率和正確率比對來分配題目， 第三種是統(tǒng)計分析學(xué)生的作題歷史，根據(jù)學(xué)生做錯的題目進行重做推題，或者錯題的類題 重做推題。等等。
[0003] 目前這些推題的方法，比較嚴(yán)重的依賴于老師的人工經(jīng)驗，對學(xué)生的能力（學(xué)生 解答題目的通過的可能性）沒有準(zhǔn)確的評價和預(yù)測，不能夠給到每一個學(xué)生適合他的題 目，讓他最快最好的提高解題能力和通過率。
[0004] 近些年在互聯(lián)網(wǎng)行業(yè)，大數(shù)據(jù)、數(shù)據(jù)挖掘和機器學(xué)習(xí)技術(shù)有較多的應(yīng)用，有部分互 聯(lián)網(wǎng)企業(yè)在教育平臺上，有做課程的推薦系統(tǒng)，也有做問答的推薦系統(tǒng)。前者他們一般的做 法是挖掘用戶的興趣歷史，或者尋找相似用戶群體，進行課程的推薦；而后者一般是根據(jù)用 戶的回答問題的歷史文本中，抽取關(guān)鍵詞或分類，進行問題推送。這些技術(shù)本質(zhì)上都是基于 用戶的興趣模型來做課程或問題推薦，有一定的個性化能力，但并不能解決學(xué)生的解題能 力評價和教育效果預(yù)測，也不能做到教育規(guī)律的本質(zhì)挖掘和把握。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明公開了一個能夠準(zhǔn)確預(yù)測學(xué)生對題目的解題能力（通過率）的數(shù)據(jù)挖掘 模塊和系統(tǒng)，并基于學(xué)生對題目和知識點的通過率預(yù)測，構(gòu)建了一個能夠區(qū)分學(xué)生能力強、 中、弱等不同級別進行個性化推題的推薦系統(tǒng)。
[0006] 所述系統(tǒng)包括如下模塊：
[0007] (I)IRT模型模塊：首先，選定教育模型是IRT模型，即一個學(xué)生有一個能力值 theta，一個題目有一個難度參數(shù)b，一個區(qū)分度參數(shù)a，則這個學(xué)生做對這個題目的概率為 IRT模型模塊；
[0008] (2)通過率預(yù)測模塊：設(shè)每一個人的能力評價為thetai，和每一個題目的評價 (aj，bj)，構(gòu)建一個基于具有反饋機制的IRT模型的預(yù)測模型，來預(yù)測任意一個學(xué)生對任意 一個題目的通過率，該模型為通過率預(yù)測模塊；
[0009] (3)核心參數(shù)啟發(fā)式模塊：其包括如下子模塊：
[0010] theta替換概率模塊，ab替換概率模塊，第一啟發(fā)式參數(shù)模塊，第二啟發(fā)式參數(shù)模 塊，第三啟發(fā)式參數(shù)模塊，第一啟發(fā)式替換模塊，第二啟發(fā)式替換模塊，第三啟發(fā)式替換模 塊。
[0011] 本發(fā)明學(xué)生在大數(shù)據(jù)平臺上積累了如下的作題原始數(shù)據(jù)：
[0012]

【權(quán)利要求】
1. 一種個性化教育的評測和推題系統(tǒng)，其特征在于： 所述系統(tǒng)包括如下模塊： (1) IRT模型模塊：首先，選定教育模型是IRT模型，即一個學(xué)生有一個能力值theta，一 個題目有一個難度參數(shù)b，一個區(qū)分度參數(shù)a，則這個學(xué)生做對這個題目的概率為IRT模型 模塊； (2) 通過率預(yù)測模塊：設(shè)每一個人的能力評價為thetai，和每一個題目的評價（aj， bj)，構(gòu)建一個基于具有反饋機制的IRT模型的預(yù)測模型，來預(yù)測任意一個學(xué)生對任意一個 題目的通過率，該模型為通過率預(yù)測模塊； (3) 核心參數(shù)啟發(fā)式模塊：其包括如下子模塊： theta替換概率模塊，ab替換概率模塊，第一啟發(fā)式參數(shù)模塊，第二啟發(fā)式參數(shù)模塊， 第三啟發(fā)式參數(shù)模塊，第一啟發(fā)式替換模塊，第二啟發(fā)式替換模塊，第三啟發(fā)式替換模塊。
2. 如權(quán)利要求1所述的一種個性化教育的評測和推題系統(tǒng)，其特征在于： 所述IRT模型模塊為： _ 1 Pij ："""" . 所述通過率預(yù)測模塊為： predictμ.. = ρ(β - feedbackme{thetaithj) 】 j 其中第二項是一個平均誤差的反饋因子，第二項反饋因子的計算方法是： f % ^all range{thetaArangeithet(i；-b；)^ii^^ ) j €6uuQckme bjj = - 1-~- range (theta^.rangeitheta^-bj)^1 j Yinserk=thetaiJtemcl=bXykq) ?jpf - _1.............................!_ 其中range是保留一位小數(shù)的范圍操作。
3. 如權(quán)利要求1或2所述的一種個性化教育的評測和推題系統(tǒng)，其特征在于： 所述theta替換概率模塊如下： r _ llj(Pij(thetanew,an,bn--l·.(l-p l]ithetaneι^anMn)fL~ yiP)< e-〇s：theta?ew2 所 ￡ eta UjiPijithetan,an,btt) yij <(i-pij(thetan,an.bn))u~ yij)}>e-〇-s'Thetan Z 述ab替換概率模塊如下： Rab = ni(pi^heta"M"ew.b"ew) yii re^'l〇3 t"?ew2)，所 ni(Pij{theta,t,an,hn)yii Hl-pijlthetaft.anJj^f^'^f')^-0·5'^2，a t-i ,e-〇-s-l〇g ιαη2) 述第一啟發(fā)式參數(shù)模塊如下： detat eta = c-τμη--+|jf)-tAeta? /Σ/.1 , /(--1) / 所述第二啟發(fā)式參數(shù)模塊如下：- 1 1 /-1.7 aema - (lithet"n^ ^ an 所述第三啟發(fā)式參數(shù)模塊如下：rfeta& = _ ' I /-,.7 _bn Hr 1 ， 所述第一啟發(fā)式替換模塊如下： (thetauew, if detatheta * {thetanew - thetaH) > 0 t etan+1 = thetan--_，eise \ 11 l.O-i-\thetanew\^\thetan\ j f ^f 一 - 〇 所述第二啟發(fā)式替換模塊如下：= I a -_?,!?￡!￡Ζ￡〇_ €lse (bneWJ if dctciij ^ (hnew -- bfl) ^ 0 所述第三啟發(fā)式替換模塊如下：hi + l = I U _ b new-bn i l n i.o+MwwHM， 〇
4. 如權(quán)利要求3所述的一種個性化教育的評測和推題系統(tǒng)，其特征在于： 知識點參數(shù)的估算模塊如下： 'hallirenijivith kp(^j) avg(kp) Σ--ΙΙ ifem-fh fcp⑴， ZidHtemjwith kpibj) ^aug(kp) = ; TTT l^al! iremjwitli O
5. 如權(quán)利要求4所述的一種個性化教育的評測和推題系統(tǒng)，其特征在于： 個性化題目推薦系統(tǒng)的基礎(chǔ)數(shù)據(jù)是： userdatat eta = (useiv thetaj，用戶能力訓(xùn)練數(shù)據(jù)； Icpdata = (liserjphpredicl^)用戶知識點通過率預(yù)測數(shù)據(jù)； j kpitemdata = (kpk，item』，a』，bj)，知識點對應(yīng)題目及題目難度、題目區(qū)分度數(shù)據(jù)。
【文檔編號】G06Q50/20GK104239969SQ201410448578
【公開日】2014年12月24日 申請日期:2014年9月4日 優(yōu)先權(quán)日:2014年9月4日
【發(fā)明者】李連華, 鄒鵬 申請人:上海合煦信息科技有限公司