[发明专利]一种基于遗传算法的个性化试卷推送方法

说明书

本发明公开了一种基于遗传算法的个性化试卷推送方法，具体按照如下步骤实施：步骤1，对学习者在学习平台学习积极性的量化；步骤2，对学习者在学习平台学习交互度的量化；步骤3，对学习者在学习平台学习投入的量化；步骤4，对学习者在学习平台学习强度的量化；步骤5，试卷评价指标的建立；步骤6，通过试卷的四个评价指标建立组卷目标函数；步骤7，采用遗传算法模型对组卷目标函数进行优化，输出适应度值最高的个体，即就是最适合的试卷，推送给学习者。本发明利用学习者在学习平台的行为数据，并针对学习者在学习过程中涉及到的知识点和对应知识点的学习强度，在试题库中选择试题，组成最适合于该学习者当前的个性化试卷进行推送。

技术领域

本发明属于智慧教育方法技术领域，涉及一种基于遗传算法的个性化试卷推送方法。

背景技术

现有的组卷研究大都采用整体规模的组卷，难以针对学习者的在线学习过程有效利用学习者的个性化信息，生成学习者的个性化试卷，且生成试卷质量不高。

发明内容

本发明的目的是提供一种基于遗传算法的个性化试卷推送方法，利用学习者在学习平台的行为数据，并针对学习者在学习过程中涉及到的知识点和对应知识点的学习强度，在试题库中选择试题，组成最适合于该学习者当前的个性化试卷进行推送。

本发明所采用的技术方案是，一种基于遗传算法的个性化试卷推送方法，具体按照如下步骤实施：

步骤1，对学习者在学习平台学习积极性的量化

通过对学习者在学习平台的行为数据的统计，包括系统登录次数、系统登陆时长、累计在线时长、在线时间间隔、离开平台的时长、离开平台的次数和登录时间离线时间，计算学习者在学习平台上的学习积极性；

步骤2，对学习者在学习平台学习交互度的量化

通过对学习者在学习平台中的论坛参与数据的计算，包括论坛浏览次数浏览时长、帖子的浏览量和点赞量与评论量，学习者的发帖量与被点赞和被评论量的计算，计算计算学习者在学习平台学习交互度；

步骤3，对学习者在学习平台学习投入的量化；

步骤4，对学习者在学习平台学习强度的量化；

根据步骤1-3中对学习者学习积极性、学习交互度和学习投入的量化数据，对学习者的知识点学习强度进行量化；

步骤5，试卷评价指标的建立

分别从试卷完成度、试卷知识点覆盖度、试卷信度和试卷效度四个方面建立试卷评价指标；

步骤6，通过试卷的四个评价指标建立组卷目标函数；

步骤7，采用遗传算法模型对组卷目标函数进行优化，输出适应度值最高的个体，即就是最适合的试卷，推送给学习者。

本发明的特征还在于，

步骤1具体为：

步骤1.1，在自适应学习平台的学习者行为数据库中取到学习者在学习阶段每次登录系统与登出系统的信息，包括登录系统的时间和登出系统的时间，通过公式(1)分别计算学习者每次系统登录停留的时长：

td_i＝t_end(i)-t_start(i) (1)

其中，td_i为学习者第i次登录系统停留的时长，t_end(i)为学习者第i次登出系统的时间，t_start(i)为学习者第i次登录系统的时间，单位为分钟；

步骤1.2，通过对步骤1.1中学习者每次登录系统停留时长的求和计算，通过公式(2)计算出学习者在学习系统的累计在线时长：