[发明专利]提供在线诊断学习的方法和装置

说明书

本发明公开了一种提供在线诊断学习的方法和装置。所述方法包括：根据用户的答题情况和“频繁二项集”算法，得出做错试题的关联试题；根据答错试题和其关联试题建立诊断学习库；当用户进行在线答题时，如果答错则将诊断学习库中的关联试题推送给该用户进行作答,诊断学习库随用户的反馈进行更新。所述装置包括：试题关联计算模块、诊断学习库模块，在线推送模块和修正更新模块。本发明可以帮助用户高效地进行诊断式学习，还通过用户的反馈对诊断学习库进行修正更新，提高了推送结果的准确性，另外为中小型在线学习平台构建诊断学习模块提供一个具体的实现方案。

技术领域

本发明涉及在线学习平台领域，具体涉及一种提供在线诊断学习的方法和装置。

背景技术

随着互联网教育的发展，大大小小的在线学习平台不断开始涌现。这些在线学习平台从建立至今已存储了海量的用户数据，其中占比最多的要数用户的答题数据，而如何高效准确地找到用户答题数据中的所包含的信息来帮助用户进行诊断学习，这就需要利用数据挖掘领域的相关技术。

然而目前的大多数在线学习平台，其用户的答题情况在存入数据库后，由于成本的限制或其他的原因，平台不再继续对这些数据进行深度挖掘和分析，也就达不到诊断学习的目的。而少部分基于大数据的平台可以结合自身的优势，利用准确的数据挖掘算法和先进的数据分析手段来帮助用户进行诊断学习从而扩大用户规模，但这种模式成本较高，难以在中小型在线学习平台上复制。

发明内容

为了更好地帮助用户进行在线诊断学习，本发明提供了一种在线诊断学习的方法和装置，成本较低且易于维护，可在中小型在线学习平台中推广，丰富中小型在线学习平台的功能，更好地服务用户。

所述技术方案如下：

一种提供在线诊断学习的方法，所述方法包括：

1）利用“频繁二项集”算法对用户的答题记录进行计算，得到所有答错试题两两之间的相关度，其中，相关度用皮尔逊相关系数描述，答题记录至少需要达到500人次。

2）建立诊断学习库，将所有相关度高于0.5的试题对根据题号放入诊断学习库中。

3）根据相关度的大小，对诊断学习库中的试题对降序排序。当用户进行在线答题时，如果答错则将诊断学习库中的关联试题按照排序后的顺序依次推送给该用户作答，若用户正确作答或关联试题推送完毕则停止推送。

4）为诊断学习库中的每组试题对均设置三个选项，分别为“非常相关”，“一般相关”和“不相关”。当用户答完推送的关联试题时，提醒用户在这三个选项中选取一项作为反馈，根据用户的反馈，修正试题对的相关系数，同时更新诊断学习库。

所述的步骤1）中，频繁二项集算法的原理描述如下：

1.1）遍历学生答错试题记录，统计每道试题的答错次数；

1.2）对每个学生答错的试题两两组合形成试题对，统计每个试题对出现次数；

1.3）根据皮尔逊相关系数来计算所有答错试题两两之间的相关度；

根据此场景对皮尔逊相关系数进行引申并形成如下公式：

其中，T_A为题A错误的次数，T_B为题B错误的次数，T_AB为A，B共同错误的次数，T为参加答题的总人数。

所述的步骤1）中，数据为用户答错试题的题号，每个试题必须有唯一的题号来保证试题之间不会出现重复，最后得出的是成对试题之间的相关度且相关度是以所有用户的答题情况为基础计算得到的。

所述的步骤4）中，若用户选择非常相关，则试题对相关系数加上0.1，若用户选择一般相关，则试题对相关系数保持不变，若用户选择不相关，则试题对相关系数减去0.1。