[发明专利]一种多元智能教育方法及系统

说明书

本发明公开了一种多元智能教育方法和系统，包括以下步骤：利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图；根据不同所述薄弱知识环节制定相应学习交互策略，所述知识图查找每个薄弱知识环节相对应的先验知识点，并构建交叉反馈队列；根据交叉反馈队列，进行个性化反馈后评估测试结果，根据所述测试结果重新获取新薄弱知识环节生成新反馈序列。本发明有益效果：不仅能够实现良好的在线学习效果，而且有效帮助薄弱学生提高成绩，同时缓解教育的不公平性。

技术领域

本发明涉及多媒体教学技术领域，具体来说，涉及一种多元智能教育方法及系统。

背景技术

个性化反馈策略是因材施教的主要方式，也是智能在线教育的重要组成部分，有效的个性化反馈对智能系统是至关重要的，然而，现有的个性化反馈研究侧重于精确的反馈薄弱知识环节，基本没有关注将有效的教学策略与个性化反馈相结合，所以目前的个性化学习方式，乃至整个在线教育的学习系统的有效性仍然存在争议，实践中越来越多的证据表明，目前的智能在线教育设计并未产生预期的效果，智能在线教育的有效性仍待进一步研究。

当前的智能学习的效果往往取决于学生的不同特征，许多研究表明，这些技术使基础较好的学生更加优秀，却无法帮助那些学习成绩不佳的学生，对整个用户群体而言，技术加剧了学生之间的差异，使得学习效果更加极化，不利于教育的公平性，当智能在线教育平台刚开始出现的时候，缓解教育不公问题被视为智能在线教育的一个亮点，这激发了基础薄弱的学习者来弥合自身不足，从而缩小差距，然而，许多研究表明，智能在线学习系统无法缓解教育的不公平性，特别是因为禀赋差异扩大造成的不公平问题，面临同样的智能在线教育资源时，与社会经济地位较低的学习者相比，家庭地位较高的学习者受益更多。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种多元智能教育方法及系统，解决缺乏分析有效个性化反馈机制的框架所导致的学习效果不佳及无法有效帮忙薄弱学生提高成绩的问题。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种多元智能教育方法，包括以下步骤：

利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节；

初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图；

根据不同所述薄弱知识环节制定相应学习交互策略，所述知识图查找每个薄弱知识环节相对应的先验知识点，并构建交叉反馈队列；

根据交叉反馈队列，进行个性化反馈后评估测试结果，根据所述测试结果重新获取新薄弱知识环节生成新反馈序列。

进一步地，所述利用隐式马尔可夫模型计算在线学习数据，得出薄弱知识环节包括：

获取在线学习数据，查找是否存在相似第一薄弱知识环节列表；

采用隐式马尔可夫模型对所述在线学习数据进行数据挖掘，得到第二薄弱知识环节列表；

整合所述第一薄弱知识环节列表和所述第二薄弱知识环节列表，获取重点学习掌握的知识点。

进一步地，在线学习数据包括历史学习记录、学习行为记录及个人特征。

进一步地，所述初始化知识图，识别所述薄弱知识环节，利用贝叶斯方法实时更新知识图包括：

获取导入试题及对应的知识点；

制定知识点的关联关系和层级关系，生成基础知识图；

采集在线学习数据，基于L-L型的内在联系构建数据模型，通过贝叶斯方法统计后验概率，动态优化知识图。