一種最佳學(xué)習(xí)方案推送方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)輔助教育技術(shù)領(lǐng)域，尤其涉一種最佳學(xué)習(xí)方案推送方法及系 統(tǒng)。
【背景技術(shù)】
[0002] 進(jìn)入21世紀(jì)，越來越多的家長關(guān)注孩子的學(xué)習(xí)，教育產(chǎn)業(yè)也變得越來越受到重 視。學(xué)生們面對大量的作業(yè)，在學(xué)習(xí)中往往不能調(diào)動(dòng)積極性，學(xué)習(xí)效率不高，學(xué)習(xí)中的互動(dòng) 性少，對知識的掌握和自身綜合素質(zhì)的提高往往顯得心有余而力不足。如何提高中小學(xué)生 的學(xué)習(xí)效率，加強(qiáng)學(xué)習(xí)效果，同時(shí)又能激發(fā)學(xué)生們對學(xué)習(xí)的熱情。這是一個(gè)在生活中普遍存 在但又未得到很好解決的問題。
[0003] -種計(jì)算機(jī)輔助教育系統(tǒng)及方法，其學(xué)習(xí)推送方法主要是根據(jù)學(xué)習(xí)者信息確定其 狀態(tài)，若處于正確學(xué)習(xí)狀態(tài)則讀取互動(dòng)內(nèi)容，雖然針對學(xué)習(xí)者的當(dāng)前操作來生成下一步操 作，但沒有根據(jù)學(xué)生的學(xué)習(xí)狀態(tài)，學(xué)生對知識的求知欲、喜好程度、知識的遺忘程度作智能 的任務(wù)推送。
[0004] 一種計(jì)算機(jī)輔助教學(xué)專家系統(tǒng)，其學(xué)習(xí)推送方法需要將題庫分類，根據(jù)學(xué)習(xí)者的 做題結(jié)果反饋給專家，選擇知識點(diǎn)組成知識庫，雖強(qiáng)調(diào)專家診斷學(xué)習(xí)者學(xué)習(xí)的過程，但后續(xù) 學(xué)習(xí)方案只是依靠事先設(shè)定好的知識點(diǎn)學(xué)習(xí)順序進(jìn)行推送，模式單一，缺乏動(dòng)態(tài)性，并且對 學(xué)生遺忘的知識點(diǎn)和掌握不好的知識點(diǎn)不再進(jìn)行學(xué)習(xí)的規(guī)劃，學(xué)生學(xué)習(xí)效果不好的現(xiàn)象仍 然存在。
[0005] 大部分學(xué)習(xí)系統(tǒng)中往往任務(wù)模式固定，且不能根據(jù)學(xué)生的學(xué)習(xí)狀態(tài)、對知識的求 知欲、喜好程度、知識的遺忘程度作智能的任務(wù)推送。推送學(xué)習(xí)的方法也僅僅是根據(jù)學(xué)生在 學(xué)習(xí)中出錯(cuò)次數(shù)這一單一指標(biāo)來推送出錯(cuò)的知識，只考慮學(xué)生在當(dāng)前學(xué)習(xí)狀態(tài)下的局部知 識點(diǎn)方案推送，而不會(huì)針對整個(gè)學(xué)科知識點(diǎn)做全局知識點(diǎn)方案的推送。這些學(xué)習(xí)方案推送 方法存在簡單的知識點(diǎn)重復(fù)學(xué)習(xí)，遺忘的知識點(diǎn)并不復(fù)習(xí)，學(xué)生喜歡學(xué)習(xí)的知識點(diǎn)不能得 到重點(diǎn)學(xué)習(xí)的問題，學(xué)生單位時(shí)間學(xué)習(xí)的知識點(diǎn)不是能夠產(chǎn)生最大學(xué)習(xí)效益的知識點(diǎn)，知 識點(diǎn)的學(xué)習(xí)順序被人為規(guī)則事先設(shè)定。學(xué)生的學(xué)習(xí)效果和積極性并未有效提高。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種最佳學(xué)習(xí)方案推送方 法及系統(tǒng)，解決了傳統(tǒng)計(jì)算機(jī)輔助教學(xué)方法中學(xué)生學(xué)習(xí)缺乏針對性的問題，使學(xué)生在限定 時(shí)間中產(chǎn)生最大學(xué)習(xí)效益。
[0007] 為了解決上述問題，本發(fā)明提出了一種最佳學(xué)習(xí)方案推送方法，所述方法包括：
[0008] 構(gòu)建學(xué)科知識技能圖；
[0009] 根據(jù)知識點(diǎn)評分方法對所述學(xué)科知識技能圖中所有知識點(diǎn)進(jìn)行評分，獲得每個(gè)知 識點(diǎn)的評分；
[0010] 根據(jù)所述每個(gè)知識點(diǎn)的評分獲取最佳知識點(diǎn)；
[0011] 從題庫中獲取最佳知識點(diǎn)所對應(yīng)的題目，形成最佳學(xué)習(xí)方案，并將所述最佳學(xué)習(xí) 方案推送給用戶。
[0012] 優(yōu)選地，所述構(gòu)建學(xué)科知識技能圖的步驟包括：
[0013] 提取每個(gè)知識點(diǎn)文件中的知識點(diǎn)名稱、知識點(diǎn)描述、先修知識點(diǎn)名稱、知識點(diǎn)對應(yīng) 的題目，并寫入知識點(diǎn)優(yōu)先級次序文件A中，讀取所述知識點(diǎn)優(yōu)先級次序文件A中的每條記 錄，存入知識庫的知識表中；
[0014] 構(gòu)建知識點(diǎn)的有向無環(huán)圖DAG，讀取知識表中的每條記錄，生成當(dāng)前知識點(diǎn)和先修 知識點(diǎn)集合在DAG中對應(yīng)的節(jié)點(diǎn)集合，設(shè)置當(dāng)前知識點(diǎn)為先修知識點(diǎn)的子節(jié)點(diǎn)，設(shè)置先修 知識點(diǎn)的孩子節(jié)點(diǎn)為當(dāng)前知識點(diǎn)；
[0015] 利用圖形化的界面語言生成圖形化的知識技能圖；
[0016] 獲取用戶設(shè)定該學(xué)科的總學(xué)習(xí)時(shí)間，獲取用戶輸入的在圖形化的知識技能圖中各 知識點(diǎn)的個(gè)人偏好值；
[0017] 根據(jù)所述總學(xué)習(xí)時(shí)間和各知識點(diǎn)的個(gè)人偏好值，更新知識技能圖中知識點(diǎn)中個(gè)人 偏好值。
[0018] 優(yōu)選地，所述根據(jù)知識點(diǎn)評分方法對所述學(xué)科知識技能圖中所有知識點(diǎn)進(jìn)行評 分，獲得每個(gè)知識點(diǎn)的評分的步驟包括：
[0019] 設(shè)定一個(gè)知識點(diǎn)評分的集合，容量為知識點(diǎn)數(shù)目，將每個(gè)知識點(diǎn)的評分初始化為 0 ；
[0020] 判斷是否遍歷完成知識技能圖中所有知識點(diǎn)，若是，則將知識點(diǎn)評分集合輸出；若 否，則獲取知識技能圖當(dāng)前訪問的結(jié)點(diǎn)，為其構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；
[0021] 獲取當(dāng)前訪問結(jié)點(diǎn)的權(quán)重集編碼，為神經(jīng)網(wǎng)絡(luò)權(quán)重賦值；
[0022] 通過遺傳算法對權(quán)重集編碼進(jìn)行訓(xùn)練，并用已訓(xùn)練完成的權(quán)重集編碼更新此結(jié)點(diǎn) 的權(quán)重集編碼；
[0023] 對當(dāng)前訪問結(jié)點(diǎn)執(zhí)行神經(jīng)網(wǎng)絡(luò)算法，計(jì)算其評分；
[0024] 將當(dāng)前訪問結(jié)點(diǎn)的評分放入知識點(diǎn)評分集合中。
[0025] 優(yōu)選地，所述通過遺傳算法對權(quán)重集編碼進(jìn)行訓(xùn)練，并用已訓(xùn)練完成的權(quán)重集編 碼更新此結(jié)點(diǎn)的權(quán)重集編碼的步驟包括：
[0026] 輸入待訓(xùn)練的權(quán)重集編碼；
[0027] 初始化遺傳算法中的種群；
[0028] 遍歷當(dāng)前種群，并計(jì)算每個(gè)物種的適應(yīng)性評分，其中，所述物種是權(quán)重集編碼，所 述種群是權(quán)重集編碼的集合；
[0029] 判斷是否出現(xiàn)限定條件下的最佳權(quán)重集編碼，若是，則輸出該最佳權(quán)重集編碼；若 否，則通過波茲曼變比調(diào)整適應(yīng)性評分；
[0030] 執(zhí)行基于當(dāng)前適應(yīng)性評分下的精英選擇算子，獲取父代物種集合；
[0031] 通過細(xì)胞邊界雜交算子，完成父代物種集合的雜交步驟，產(chǎn)生子代物種集合；
[0032] 通過浮點(diǎn)數(shù)突變算子對子代物種集合進(jìn)行突變。
[0033] 優(yōu)選地，所述遍歷當(dāng)前種群，并計(jì)算每個(gè)物種的適應(yīng)性評分的步驟包括：
[0034] 初始化，獲取知識技能圖中的剩余時(shí)間，生成知識技能圖的一個(gè)副本圖；
[0035] 遍歷副本圖，對每個(gè)節(jié)點(diǎn)執(zhí)行神經(jīng)網(wǎng)絡(luò)算法，得到結(jié)點(diǎn)評分集合；
[0036] 篩選最尚評分的知識點(diǎn)；
[0037]獲取25分鐘的知識點(diǎn)熟練度增加期望；
[0038] 將副本圖中當(dāng)前知識點(diǎn)熟練度更新為當(dāng)前知識點(diǎn)熟練度與當(dāng)前知識點(diǎn)熟練度增 加期望之和，并將當(dāng)前知識點(diǎn)的學(xué)習(xí)時(shí)間點(diǎn)設(shè)置為原點(diǎn)；
[0039] 將當(dāng)前學(xué)習(xí)時(shí)間疊加25分鐘；
[0040] 判定當(dāng)前學(xué)習(xí)時(shí)間是否超過剩余時(shí)間，若否，貝U遍歷副本圖；若是，通過當(dāng)前副本 圖中各知識點(diǎn)熟練度，進(jìn)行模擬能力測試，獲取其考試成績；
[0041] 輸出考試成績作為此權(quán)重序列的適應(yīng)性評分。
[0042] 優(yōu)選地，所述對當(dāng)前訪問結(jié)點(diǎn)執(zhí)行神經(jīng)網(wǎng)絡(luò)算法，計(jì)算其評分的步驟包括：
[0043] 獲取知識點(diǎn)的記憶率值參數(shù)A，通過艾賓浩斯遺忘函數(shù)計(jì)算當(dāng)前時(shí)間下的記憶 率；
[0044] 獲取知識點(diǎn)的邊際效用值參數(shù)B;
[0045] 獲取用戶求知欲值參數(shù)C ;
[0046] 獲取用戶對當(dāng)前知識點(diǎn)的個(gè)人偏好值參數(shù)D ;
[0047] 將參數(shù)A、B、C、D輸入到神經(jīng)網(wǎng)絡(luò)的輸入層；
[0048] 將數(shù)據(jù)從輸入層輸入到隱藏層；
[0049] 計(jì)算隱藏層各神經(jīng)細(xì)胞內(nèi)數(shù)據(jù)與權(quán)重乘積，將結(jié)果傳遞給輸出層，輸出層根據(jù)激 勵(lì)函數(shù)輸出〇~1之間某浮點(diǎn)值，即知識點(diǎn)評分。
[0050] 相應(yīng)地，本發(fā)明還提供一種最佳學(xué)習(xí)方案推送系統(tǒng)，所述系統(tǒng)包括：
[0051] 構(gòu)建模塊，用于構(gòu)建學(xué)科知識技能圖；
[0052] 評分模塊，用于根據(jù)知識點(diǎn)評分方法對所述構(gòu)建模塊所構(gòu)建的學(xué)科知識技能