[发明专利]一种基于深度知识追踪和遗传算法的个性化组卷方法

说明书

本发明提供一种基于深度知识追踪和遗传算法的个性化组卷方法，属于智能教育技术领域，本发明包括以下步骤，首先需要采集学生的考试、答题数据；利用历史学习的知识点进行one‑hot编码，输入到模型中，输出学生对知识点的掌握水平预测值；通过学生掌握知识点的程度和知识点的重要程度等因素建立知识点目标函数，基于试题库针对每一个学生生成优化试题库；将优化试题库作为初始化种群输入到遗传算法模型，计算并输出适应度值最高的个体，形成最适合学生巩固知识的个性化试卷，推送给学习者，从而提高学生的学习效率。

技术领域

本发明涉及智能教育领域，尤其涉及一种基于深度知识追踪和遗传算法的个性化组卷方法。

背景技术

随着计算机的飞速发展，在线考试系统已经得到了广泛的应用，而智能组卷则是考试系统中一个重要的组成部分。对于学生来说，通过试卷和试题自我检测是一种很好的查缺补漏的学习方式，也是检验学习效果的重要工具，但在实际生活中老师并不能根据每一位学生的学习情况进行针对性的出题、布置作业、出测试卷。并且试卷的难易程度、知识点也不免会有出题教师的主观因素，所以需要一种可以针对每一个学生的学习状况个性化组卷的方法。

目前大部分组卷系统是通过给定的组卷参数：题型、难度、知识点等约束进行随机组卷，这种方法一般用以班级考试的整体试卷，不能针对每个学生对知识点掌握的程度生成适合学生巩固知识的试卷。而一部分通过试卷完成度、试卷知识点覆盖度、试卷信度和试卷效度等方面建立指标函数智能组卷对学生进行个性化试题推荐的方法，在学生对知识点的掌握程度上获得的预测值准确度并不高。这种方法的缺点是不能根据学生对知识点的掌握程度对让学生对薄弱的知识点进行巩固。

发明内容

为了解决以上技术问题，本发明提供了一种基于深度知识追踪和遗传算法的个性化组卷方法，基于在线考试系统，收集学生历史考卷和答题记录，计算出学生的知识点掌握水平。根据学生的知识点掌握程度和知识点重要程度以试题库中的试题为基础形成适合该学生学习的优化试题库，从而针对学生的薄弱知识点进行个性化组卷，生成偏难试卷达到巩固知识和提高学习效率的目的。

本发明的技术方案是：

一种基于深度知识追踪和遗传算法的个性化组卷方法，包括：

首先需要采集学生的考试、答题数据；利用历史学习的知识点进行one-hot编码，输入到模型中，输出学生对知识点的掌握水平预测值；通过学生掌握知识点的程度和知识点的重要程度等因素建立知识点目标函数，基于试题库针对每一个学生生成优化试题库；将优化试题库作为初始化种群输入到遗传算法模型，计算并输出适应度值最高的个体，形成最适合学生巩固知识的个性化试卷，推送给学习者，从而提高学生的学习效率。

具体步骤包括：

S01：构建知识点库、试题库、优化试题库、试卷模板库，用于存储知识点、与知识点相关的试题以及试卷模板；

S02：采集学生每次考试、练习题的数据；

S03:根据学生学习的知识点的历史数据进行one-hot编码，输入到训练好的DKT模型中，输出学生对知识点的掌握水平预测值；

S04:根据S03获得的知识点掌握程度预测值和知识点的重要程度建立知识点目标函数，优化试题库；

S05:使用遗传算法模型对个体适应度值进行优化，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；

进一步的，

S01包括：构建知识点库中的知识点信息包括知识点名称以及知识点重要程度；构建优化试题库，为不同的学生根据年级、科目、知识点掌握情况等信息构建基于试题库的优化试题库，根据学生的知识点掌握情况和知识点重要程度剔除试题库中暂时不需要再继续巩固的知识点的相关试题，学生年级变化时可以向试题库中新增相关试题。

进一步的，