[发明专利]旨在实现科学教学的知识点间的定位系统及方法

说明书

技术领域

本发明涉及一种定位系统及方法，特别是涉及一种旨在实现科学教学的知识点间的定位系统及方法，属于教育领域。

背景技术

随着信息技术的迅猛发展，对人们的思维方式和学习方式产生了重大影响，并正推动教育和学习模式发生着前所未有的变革。信息技术应用到教育教学过程中后，引起了学习环境、学习资源和学习方式都开始迅速向数字化方向发展，形成了改变传统教育模式的数字化学习环境、数字化学习资源和数字化学习方式。

无论是传统的教育模式，还是信息技术下的数字化教育模式，其目的都是为了促进更有效的教学，而评估有效教学的一个重要方面就是学生对知识点的掌握程度。因此，如何让学生有效地进行知识点学习，促进其对知识点的掌握是提高教学质量的一个重要方面。

现代教育教学过程中，往往将知识点与知识点之间的关系忽略，或者由于没有相应的技术方法而被迫将其搁置，从而导致老师们因无法得知知识点与知识点之间的关系，被迫进行许多吃力不讨好的无效教学。

综上所述，可知先前技术之传统的教育教学系统存在由于教师无法确切知道知识点与知识点之间的关系导致盲目教学而无效教学的问题，因此实有必要提出改进的技术手段，来解决此一问题。

发明内容

为克服上述现有技术存在的不足，本发明的主要目的在于提供一种知识间的定位系统及方法，其通过互联网捕捉学生学习的过程性数据，将此过程性数据通过用聚类分析方法进行分类分析和排布，据此来定位知识点与知识点之间的位置关系，以找出知识点之间的关联关系，从而帮助教师进行针对知识点的有效教学。

为达上述及其它目的，本发明一种旨在实现科学教学的知识点间的定位系统，至少包括：

过程性数据捕获模组，通过一网络平台捕获各学生端学习的过程性数据；

分类模组，运用聚类分析法对通过互联网平台发布的试卷进行分类分析，以确定试题间的关联性；

定位模组，根据分类分析结果运用该聚类分析法对捕获到的过程性数据进行处理，以定位知识点与知识点之间的位置关系；以及

输出模组，输出定位结果。

进一步地，该过程性数据包括学生端学习过程中产生的所有数据。

进一步地，该分类模组利用该聚类分析法寻找试题中关联规则，并参考试题难度系数对找到的关联规则进行筛选，以确定试题间的关联性。

进一步地，该聚类分析法为数据挖掘中的apriori算法。

进一步地，试题间的关联性等于知识点之间的关联性。

为达上述及其他目的，本发明还提供一种旨在实现科学教学的知识点间的定位方法，该方法包括如下步骤：

通过一互联网平台捕获各学生端学习的过程性数据；

运用聚类分析方法对通过互联网平台发布的试卷进行分类分析，以确定试题间的关联性；

根据分类分析结果运用聚类分析法对捕获到的过程性数据进行处理，以定位知识点与知识点之间的位置关系；以及

输出定位结果。

进一步地，该运用聚类分析方法对通过互联网平台发布的试卷进行分类分析，以确定试题间的关联性的步骤为利用该聚类分析法寻找试题中关联规则，并参考试题难度系数对找到的关联规则进行筛选，以确定试题间的关联性。

进一步地，该聚类分析法为数据挖掘中的apriori算法。

与现有技术相比，本发明一种旨在实现科学教学的知识点间的定位系统及方法通过互联网捕捉学生学习的过程性数据，将此过程性数据通过用聚类分析方法进行分类分析和排布，据此来定位知识点与知识点之间的位置关系，以找出知识点之间的关联关系，从而帮助教师进行针对知识点的有效教学。

附图说明

图1为本发明一种旨在实现科学教学的知识点间的定位系统之系统架构图；

图2为本发明一种旨在实现科学教学的知识点间的定位方法的步骤流程图。

具体实施方式

以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

在介绍本发明之前，先介绍知识点的概念。广义来说，知识点是对某一个知识的泛称，特指教科书或考试的知识，而在本发明之网络课程中，为网络课程中信息传递的基本单元，例如加速度、速度等。