[发明专利]一种K12教育耦合实现个性化学习的方法

说明书

本发明公开了一种K12教育耦合实现个性化学习的方法，属于教育教学技术领域，所要解决的技术问题是，目前，现有个性化学习工具只从挖掘学生兴趣爱好出发，这对于正在接触基础教育的中小学生具有很严重的片面性，无法满足中小学生教育基础知识的全面性，具体步骤如下：（1）、数据采集；（2）、z‑score规范化；（3）、特征选择；（4）、SVM分类模型。个性化学习，是通过对特定孩子的全方位评价发现和解决孩子所存在的学习问题，为孩子量身定制不同于别人的学习策略和学习方法，让孩子有效的学习，使得接触学习的中小学生，能够全方面的进行基础性学习，避免中小学生出现某一科基础薄弱的情况。

技术领域

本发明涉及互联网技术领域，具体为一种K12教育耦合实现个性化学习的方法。

背景技术

随着信息技术与教育的深度融合，使教育领域中的大数据获得了更为广阔的应用空间。教育大数据使教育研究从宏观群体走向微观个体，提供精准、个性化的教育，实现以数据驱动的“因材施教”。

目前，现有个性化学习工具只从挖掘学生兴趣爱好出发，适应学生的兴趣爱好在这一领域培养学习，但这对于正在接触基础教育的中小学生具有很严重的片面性，无法满足中小学生教育基础知识的全面性。

发明内容

本发明的目的在于提供一种K12教育耦合实现个性化学习的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

本发明公开了一种K12教育耦合实现个性化学习的方法，具体步骤如下：

(1)、数据采集：利用信息化教育工具收集学生课堂、课外学习数据，例如：课堂测试正确率、抢答次数、课堂笔记记录次数、课堂笔记查阅次数等，以及学生实际科目的强弱；

(2)、z-score规范化：变换后各维特征有0均值，单位方差，也叫z-score规范化(零均值规范化)，计算方式是将特征值减去均值，除以标准差；

(3)、特征选择：利用皮尔逊相关系数分析自变量与因变量之间的相关性，根据计算出皮尔逊相关系数得出自变量与因变量之间的相关程度；

(4)、SVM分类模型：利用learn核函数把科目按兴趣分为两类。

作为优选，所述的步骤(1)中，所述的利用信息化教育工具收集学生课堂、课外学习数据，是通过用户登录校园教育平台，然后通过课堂测试、课堂抢答、笔记记录和笔记查阅记录学生每一堂课的各项数据。

与现有技术相比，本发明的有益效果是：

在本发明所述的K12教育耦合实现个性化学习的方法中，个性化学习，是通过对特定孩子的全方位评价发现和解决孩子所存在的学习问题，为孩子量身定制不同于别人的学习策略和学习方法，让孩子有效的学习，使得接触学习的中小学生，能够全方面的进行基础性学习，避免中小学生出现某一科基础薄弱的情况。

附图说明

图1是学生课堂、课外学习数据采集系统流程图。

具体实施方式

本发明公开了一种K12教育耦合实现个性化学习的方法，具体步骤如下：

(1)、数据采集：利用信息化教育工具收集学生课堂、课外学习数据，例如：课堂测试正确率、抢答次数、课堂笔记记录次数、课堂笔记查阅次数等，以及学生实际科目的强弱；

(2)、z-score规范化：变换后各维特征有0均值，单位方差，也叫z-score规范化(零均值规范化)，计算方式是将特征值减去均值，除以标准差；

(3)、特征选择：利用皮尔逊相关系数分析自变量与因变量之间的相关性，根据计算出皮尔逊相关系数得出自变量与因变量之间的相关程度；