[发明专利]面向个性化学习方案推荐的学生DNA身份信息定义方法

摘要

本发明提供一种面向个性化学习方案推荐的学生DNA身份信息定义方法，将学生的整体学习情况描述成一个DNA张量，通过分阶段性的统计学生学习生涯中所有知识点理解程度系数并实现三维可视化，直观的展示出学生在每个阶段的整体学习情况、长短板以及所用时间；可根据该长短板情况在试题库系统中进行智能抽取试题组卷推送给学生执行，然后根据学生执行情况，计算对应知识点理解程度系数的变化值，实现该学生DNA张量的更新；根据比较用户到达某一程度用时长短可推断哪一用户的学习路径为最佳学习路径，也可推断出哪些知识点之间具有前后因果关系。

主权项

一种面向个性化学习方案推荐的学生DNA身份信息定义方法，包括：步骤S1：统计学生在某个学习阶段的知识点集合；步骤S2：利用BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数；其中，在利用所述BP神经网络计算所述知识点集合中每个知识点对应的理解程度系数的过程中，包括：步骤S21：将习题的正确率和完成速率作为所述BP神经网络的输入，将知识点对应的理解程度系数作为所述BP神经网络的输出，建立所述BP神经网络输入与输出的对应关系，确定训练样本集；步骤S22：将所述训练样本中的所有理解程度系数进行数据归一化处理；步骤S23：构建三层BP神经网络模型；其中，设定输入层的神经元为i个，输出层的神经元为k个，隐含层的神经元为j个；所述隐含层的节点函数为S型函数，所述输出层的节点函数为线性函数，令所述输入层到所述隐含层的权值为Wij，所述隐含层的节点阈值为bj，所述隐含层至所述输出层的权值为所述输出层的节点阈值为步骤S24：利用所述训练样本集训练所述三层BP神经网络模型，获得网络模型；步骤S25：将学生做的每道题的正确率与完成速率输入所述网络模型获得该学生对应该题的理解程度系数根据所述理解程度系数通过下述公式计算每个知识点的理解程度系数UDi：UDi=UDi1+UDi2+...+UDikk;]]>上式中，代表学生对i知识点下的第k题的理解程度系数，UDi为该知识点包含的所有试题的理解程度系数总和的平均数；步骤S3：记录每个知识点的理解程度系数从当前等级跃升至下一等级的时间点；步骤S4：将知识点、与该知识点对应的理解程度系数与该理解程度系数等级跃升的时间点合成一个描述学生学习情况的DNA张量。