本發(fā)明涉及在線學習組題方法。
背景技術：
隨著網(wǎng)絡的發(fā)展，用戶的學習與網(wǎng)絡緊密聯(lián)系起來。很多學校和教育機構都設計了在線教學與試題系統(tǒng)，但是傳統(tǒng)的組題方法，完全依靠在題庫中隨機抽取，無法針對不同的用戶，做到客觀有針對性的組題。
技術實現(xiàn)要素：
本發(fā)明所要解決的技術問題就是提供一種基于項目反應理論分析結果的智能組題方法，根據(jù)項目反應理論對用戶的在線學習數(shù)據(jù)進行分析，并根據(jù)學生知識點掌握概率進行針對性的智能組題。
為解決上述技術問題，本發(fā)明采用如下技術方案：一種基于項目反應理論分析結果的智能組題方法，根據(jù)學生知識點掌握概率進行智能組題，學生知識點掌握概率或者采用手動輸入，或者由系統(tǒng)自動給出診斷結果；
系統(tǒng)自動評定用戶對于該知識點掌握的概率計算公式為p(θ)＝1/(1+e^(b-θ))，θ表示評定用戶的能力參數(shù)，b表示每個題目的難度系數(shù)，θ和b的取值預先設定或者計算得出，e＝2.71828；
智能組題包括如下步驟：
步驟一，確定所需練習的知識點，方法有兩種，一種是手動選擇，一種是系統(tǒng)自動選擇，系統(tǒng)根據(jù)知識點的優(yōu)先級選擇知識點，且一次最多選擇5個知識點，所需練習的知識點優(yōu)先級順序如下：a1>a2>b>c1>c2，
a1為知識點掌握概率<75％且該知識點下題目做題數(shù)為0-30，
a2為知識點掌握概率<75％且該知識點下題目做題數(shù)為>30，
b為無知識點掌握概率數(shù)據(jù)且無該知識點練習數(shù)據(jù)，
c1為知識點掌握概率≥75％且該知識點下題目做題數(shù)為0-30，
c2為知識點掌握概率≥75％且該知識點下題目做題數(shù)為>30；
步驟二，確定學生的做題總數(shù)量n，或者手動選擇，或者由系統(tǒng)自動計算；
步驟三，確定每個知識點的做題數(shù)量；
當某知識點掌握概率≥75％時，該知識點題目基數(shù)為n/n+1；
當某知識點掌握概率50％-75％時，該知識點題目基數(shù)為n/n題；
當某知識點掌握概率<50％時，該知識點至少1題；
n表示本次需要練習的知識點數(shù)，n或者手動選擇，或者系統(tǒng)自動計算，當n/n無法整除時四舍五入，當所需練習的知識點合計組題數(shù)目<n時，按知識點的優(yōu)先級由高到低依次添加1題，直至滿足作業(yè)最少題目數(shù)，當所需練習的知識點合計組題數(shù)目>n，按知識點由低到高依次刪除1題，直至滿足作業(yè)題目數(shù)要求；
步驟四，確定每個知識點選取哪些題，其中，個人易錯題目的衍生題目占比為70％，該知識點下的新題目占30％。
作為優(yōu)選，在步驟一中，當同一優(yōu)先級的知識點數(shù)不超過5個時，選取下一個優(yōu)先級的知識點，當同一優(yōu)先級的知識點數(shù)量超過5個時：a1、c1同類型的優(yōu)先級按掌握概率確認優(yōu)先級，掌握概率越低優(yōu)先級越高；a2、c2同類型的優(yōu)先級按做題數(shù)量確認優(yōu)先級，做題數(shù)量越低，優(yōu)先級越高，當做題數(shù)量相同時優(yōu)先級按掌握概率由低到高排列。
作為優(yōu)選，步驟二中系統(tǒng)自動計算學生的做題總數(shù)量n，n＝nmin+x，x的取值范圍為(0，nmax－nmin)，nmax、nmin預先設定或者默認nmax＝8、nmin＝0，x根據(jù)學生學科知識能力、學習意愿、做題速度對學生進行分類確定，
學科知識能力由θ值確定，θ值越大表示學科知識能力越強；
學習意愿選取學生的做題數(shù)量為衡量指標，學生做題數(shù)量越多，學習意愿越強；做題速度按知識點下所有題目的做題總時長與做題數(shù)量的比值確定，比值越小做題速度越快；
分別將學生的學習知識能力由強到弱，學習意愿由強到弱，做題速度由快到慢在全國進行排序，當排名處于全國前33.33％，學習能力、學習意愿、做題速度定義為中、中、中；當排名處于全國中間33.33％，學習能力、學習意愿、做題速度定義為低、低、慢；當排名處于全國后33.33％，學習能力、學習意愿、做題速度定義為低、低、慢。
作為優(yōu)選，針對該知識點的每個題目，對全平臺用戶預先設定統(tǒng)一的難度系數(shù)標準，每個題目的難度系數(shù)預先設定，或者根據(jù)抽樣結果確定，抽樣確定方法包括如下步驟：
步驟一，選取學生樣本；
步驟二，根據(jù)每道題所抽取的學生樣本，計算出每道題的平均正確率，對正確率最低pmin的題目難度系數(shù)賦值為1，正確率最高pmax的題目難度系數(shù)賦值為0.01，而對于正確率為m的題目難度系數(shù)確定的方法為k＝1-(1-0.01)·(m-pmin)/(pmax-pmin)。
作為優(yōu)選，θ的計算方法為：選取該知識點最近30題，計算ln(答題正確數(shù)/答題錯誤數(shù))，當答題正確數(shù)為0或者答題錯誤數(shù)為0時，答題正確數(shù)或答題錯誤數(shù)采用修正值0.5。
本發(fā)明采用的技術方案，根據(jù)項目反應原理評定用戶對于知識點掌握的概率，并根據(jù)學生知識點掌握概率進行針對性的智能組題，充分考慮了學生個人知識點掌握情況、學習能力、學習意愿、答題速度等指標，針對不同的學生個體，科學的控制題目難度、題目數(shù)量，對學生個性化的進行出題，降低學生學習過程中的抵抗情緒，并提升學生的學習效果。
具體實施方式
本發(fā)明提供了一種基于大數(shù)據(jù)分析的智能組題方法，根據(jù)學生知識點診斷結果進行智能組題，學生知識點診斷結果或者采用手動輸入，或者由系統(tǒng)自動計算給出診斷結果。
學生知識點診斷結果由具有相應權限的管理員手動輸入賦值，一般為教師，該教師掌握學生的學習情況，以下所涉及的手動輸入賦值也相同。
當然，該教師也可以根據(jù)學生以往的學習大數(shù)據(jù)分析結果，確定學生知識點診斷結果。
系統(tǒng)自動給出診斷結果，根據(jù)項目反應理論進行大數(shù)據(jù)分析，或者將項目反應理論與遺忘曲線的r值結合進行分析計算。
項目反應理論(itemresponsetheory，irt)是一系列心理統(tǒng)計學模型的總稱，是針對經(jīng)典測量理論(classicaltesttheory，簡稱ctt)的局限性提出來的。irt是用來分析考試成績或者問卷調(diào)查數(shù)據(jù)的數(shù)學模型，這些模型的目標是來確定的潛在心理特征(latenttrait)是否可以通過測試題被反應出來，以及測試題和被測試者之間的互動關系。
現(xiàn)代遠程教育以計算機網(wǎng)絡為基礎來實施教學的各個環(huán)節(jié)，有著信息化水平高的特點。這一特殊的教學環(huán)境非常有利于項目反應原理(又稱irt，itemresponsetheory)發(fā)揮優(yōu)勢，提高教學質(zhì)量。
遺忘曲線由德國心理學家艾賓浩斯(h.ebbinghaus)研究發(fā)現(xiàn)，這條曲線告訴人們在學習中的遺忘是有規(guī)律的，遺忘的進程很快，并且先快后慢。
以下結合項目反應原理(irt)的1pl模型的p(θ)以及遺忘曲線的r值進行計算，對平臺用戶的知識點掌握情況進行診斷。
實施例1，一種在線學習知識點診斷方法，包括如下步驟：
步驟一，評定用戶對于該知識點掌握的概率，計算公式為p(θ)＝1/(1+e^(b-θ))，其中，θ表示評定用戶的能力參數(shù)，b表示每個題目的難度系數(shù)，e為常數(shù)2.71828；
其中，針對該知識點，b采用標準難度系數(shù)，指對于全平臺用戶而言，通過定量與定性的研究方法，分析確定的統(tǒng)一的難度系數(shù)標準。
根據(jù)全平臺海量用戶的練習累計數(shù)據(jù)，結合每道題目的正確率(每道題目的正確率采用全國各地(縣區(qū))的平均正確率，用以降低全國各地區(qū)教學水平差異的影響，進而保證標準難度系數(shù)對于全國各地的通用性及合理性)，按照科學的統(tǒng)計分析方法，對題目難度系數(shù)進行賦值(對全國各地采用配比抽樣，組成題目難度評定樣本，根據(jù)正確率最低與正確率最高對定義難度最高系數(shù)與難度最低系數(shù)，并對每道題目進行難度賦值)。具體包括如下步驟：
抽樣方法細述：首先研究的問題為題目a全國各地區(qū)學生的平均正確率，地區(qū)的級別為縣區(qū)，使估算誤差出不超過0.5％，且具有95％的可信度。
利用
上述的抽樣方法只是一種舉例，當然也可以采用其他現(xiàn)有的抽樣方法，在此不再一一贅述。對本發(fā)明來說，更重要的還在于根據(jù)抽樣結果，進行難度系數(shù)賦值的方法。
難度系數(shù)賦值方法：根據(jù)每道題所抽取的學生樣本，可計算出每道題的平均正確率。對正確率最低(pmin)的題目難度系數(shù)賦值為1，正確率最高(pmax)的題目難度系數(shù)賦值為0.01，對于正確率為m的題目難度系數(shù)確定的方法為k＝1-(1-0.01)·(m-pmin)/(pmax-pmin)。
另外，題目的難度系數(shù)每月進行更新。
θ的計算方法為：為降低歷史能力對最新能力的影響，同時保障能力評估的準確性，選取該知識點最近練習的30題，計算ln(答題正確數(shù)/答題錯誤數(shù))，當答題正確數(shù)為0或者答題錯誤數(shù)為0時，答題正確數(shù)或答題錯誤數(shù)采用修正值0.5。當然為了保證θ的準確性，也可以選擇選取該知識點最近練習30題以上甚至更多題目。
步驟二，評定用戶對于該知識點的記憶程度，計算公式為r＝e^(-t/s)，其中，t為以天為基本單位的時間間隔，s為記憶強度，e為常數(shù)2.71828；
s的計算方法為，每個知識點初始s＝1，且s最小為1，練習答案正確，則該題的直接和間接知識點的s＝s+1，練習答案錯誤，直接知識點s＝s-1，間接知識點s＝s-(1-0.2n)，n為該間接知識點與直接知識點之間的相隔層級，n>5時把n視為5。
直接知識點指與該題目直接關聯(lián)的知識點，間接知識點指與該題目的知識點相關聯(lián)的知識點。因為知識點與知識點不是相互獨立的，是有先后或者父子級關系的，學生所學的所有知識點是個網(wǎng)狀關系，知識點之間彼此相互聯(lián)系。例如乘除法混合運算屬于子級知識點，四則混合運算屬于父級知識點，當一個學生練了一個乘除法混合運算的題目，但同時對四則混合運算也間接的進行了練習，因為四則混合運算里面包含乘除法混合運算，這時乘法混合運算為直接知識點，四則混合運算為間接知識點。間接知識點與直接知識點的相隔層級指在知識點關系圖中，之間相隔幾個知識點，層級越低兩個知識點的關聯(lián)層度越大，層級越大，兩個知識點的關聯(lián)層度越小。
t的計算方法為，t＝當前日期-記憶時間，當一道題做正確時，該題的直接知識點和間接知識點的記憶時間＝該題練習的日期，也就是答對該題時的具體日期。
每個知識點的初始r＝0，每天(凌晨)重新計算r，當一道題做正確時，該題的直接知識點和間接知識點的r＝1。
步驟三，實時計算p(θ)*r，當結果大于等于0.75時該用戶知識點達標，反之不達標。
之所以確定75％，一個是結合具體的答題數(shù)據(jù)及代表性學生的分析，同時也采用了專家訪談，即經(jīng)驗豐富教師的意見。
當然，也可以不考慮遺忘曲線的r值，直接根據(jù)計算公式p(θ)＝1/(1+e^(b-θ))，確定學生知識點掌握概率，這個概率即為學生知識點診斷結果。
實施例2，與實施例1的不同在于，進一步的，對每個難度段的題目，隨機抽取樣本，難度系數(shù)在統(tǒng)計分析結果基礎上，通過專家評定，最終確定，確保題目難度系數(shù)的客觀準確。即專家根據(jù)經(jīng)驗首先明確難度最高題目的難度系數(shù)，然后根據(jù)豐富的教學經(jīng)驗，對個別題目進行檢驗。
實施例3，與實施例1和2的不同在于，將專家評定結果與統(tǒng)計分析賦值結果進行綜合，確定每個個題目的最終難度系數(shù)b＝0.5*累積數(shù)據(jù)分析結果+0.5*專家難度賦值。
根據(jù)上述方法確定學生知識點診斷結果后，系統(tǒng)就可以進行智能組題了。
以下結合具體實施方式對智能組題的方法說明如下：
步驟一，確定所需練習的知識點，方法有兩種，一種是手動選擇，一種是系統(tǒng)自動選擇，教師可根據(jù)每個知識點班級的掌握人數(shù)確定需要練習的知識點，系統(tǒng)根據(jù)知識點的優(yōu)先級選擇知識點，且一次最多選擇5個知識點，
所需練習的知識點優(yōu)先級順序如下：a1>a2>b>c1>c2，
a1為知識點掌握概率<75％且該知識點下題目做題數(shù)為0-30，
a2為知識點掌握概率<75％且該知識點下題目做題數(shù)為>30，
b為無知識點掌握概率數(shù)據(jù)且無該知識點練習數(shù)據(jù)，
c1為知識點掌握概率≥75％且該知識點下題目做題數(shù)為0-30，
c2為知識點掌握概率≥75％且該知識點下題目做題數(shù)為>30；
當同一優(yōu)先級的知識點數(shù)不超過5個時，選取下一個優(yōu)先級的知識點，當同一優(yōu)先級的知識點數(shù)量超過5個時：a1、c1同類型的優(yōu)先級按掌握概率確認優(yōu)先級，掌握概率越低優(yōu)先級越高；a2、c2同類型的優(yōu)先級按做題數(shù)量確認優(yōu)先級，做題數(shù)量越低，優(yōu)先級越高，當做題數(shù)量相同時優(yōu)先級按掌握概率由低到高排列。
步驟二，確定學生的做題總數(shù)量n，或者手動選擇，或者由系統(tǒng)自動計算；
系統(tǒng)自動計算學生的做題總數(shù)量n，n＝nmin+x，x的取值范圍為(0，nmax－nmin)，nmax、nmin預先設定或者默認nmax＝8、nmin＝0，
x根據(jù)學生學科知識能力、學習意愿、做題速度對學生進行分類確定，
學科知識能力由θ值確定，θ值越大表示學科知識能力越強；
學習意愿選取學生的做題數(shù)量為衡量指標，學生做題數(shù)量越多，學習意愿越強；
做題速度按知識點下所有題目的做題總時長與做題數(shù)量的比值確定，比值越小做題速度越快；
分別將學生的學習知識能力由強到弱，學習意愿由強到弱，做題速度由快到慢在全國進行排序，當排名處于全國前33.33％，學習能力、學習意愿、做題速度定義為中、中、中；當排名處于全國中間33.33％，學習能力、學習意愿、做題速度定義為低、低、慢；當排名處于全國后33.33％，學習能力、學習意愿、做題速度定義為低、低、慢。
步驟三，確定每個知識點的做題數(shù)量；
當某知識點掌握概率≥75％時，該知識點題目基數(shù)為n/n+1；
當某知識點掌握概率50％-75％時，該知識點題目基數(shù)為n/n題；
當某知識點掌握概率<50％時，該知識點至少1題；
n表示本次需要練習的知識點數(shù)，n或者手動選擇，或者系統(tǒng)自動計算，當n/n無法整除時四舍五入，當所需練習的知識點合計組題數(shù)目<n時，按知識點的優(yōu)先級由高到低依次添加1題，直至滿足作業(yè)最少題目數(shù)，當所需練習的知識點合計組題數(shù)目>n，按知識點由低到高依次刪除1題，直至滿足作業(yè)題目數(shù)要求；
步驟四，確定每個知識點選取哪些題，其中，個人易錯題目的衍生題目占比為70％，該知識點下的新題目占30％。
每次智能出題前，重新計算p(θ)*r作為智能組題的依據(jù)。
除上述優(yōu)選實施例外，本發(fā)明還有其他的實施方式，本領域技術人員可以根據(jù)本發(fā)明作出各種改變和變形，只要不脫離本發(fā)明的精神，均應屬于本發(fā)明權利要求書中所定義的范圍。