[发明专利]一种基于数据驱动的知识点掌握状态的预测系统及方法

摘要

本发明涉及一种基于数据驱动的知识点掌握状态的预测系统及方法，包括测试题目的生成和属性标注模块、训练数据采集模块、基于训练数据的多维度特征提取模块、数据驱动的预测模型建立模块。本发明可以解决对学习者知识掌握程度的预测，适用于一般在线学习平台和系统，也可以应用于实际教学评估和诊断中，为学习者提供个性化的教学服务，提高学习针对性和学习效率。

主权项

一种基于数据驱动的知识点掌握状态的预测系统，其特征在于：包括测试题目的生成和属性标注模块、训练数据采集模块、基于测试数据的多维度特征提取模块、数据驱动的预测模型建立模块，其中：测试题目的生成和属性标注模块：根据课程标准按照所属学科及知识点之间的父子关系进行整理，对每个学科形成N层知识点结构；同时，根据学习者进行相应学科的认知活动能力和心理调节能力，将学科能力进行分级；根据所述的N层知识点结构和学科能力分级，生成所需测试题目；对于所述生成的所有测试题目，进行水平等级划分，将测试题目划分为多个等级；对于需测试题目的每个第N层知识点，也就是每个最底层知识点，生成的测试题目数量需满足最少题目要求；训练数据采集模块：基于测试题目的生成和属性标注模块生成的测试题目，组织学习者进行测试，测试可以采用线上系统电子化测试或者线下试卷测试；学习者应涵盖同一年龄各层次水平的人群；测试过程应在独立且无干扰的条件下进行；训练数据可以分多次、不同时段进行收集，但是不可以在同一学习者上进行反复测试；同时，如果单一学习者的训练数据不完整或者有明显抄袭、重复答案等特征，应该从训练数据集中移除，最终得到有效的训练数据；基于训练数据的多维度特征提取模块：对训练数据采集模块得到的每位学习者的数据，首先进行基本特征的逐级特征提取，对测试所涉及的每个第N层知识点，分别计算得分率，所有得分率作为第N层知识点基本特征向量VN；对于每个第N‑1层知识点，如果其下辖的所有第N层知识点均有得分率，则称为已知知识点，计算已知知识点所下辖的所有知识点的平均得分率作为该N‑1层知识点的基本特征值；如果该N‑1层知识点下辖知识点的得分率部分缺失或者全部缺失，则该第N‑1层知识点称为未知知识点；未知知识点的基本特征值为空；对所有第N‑1层已知知识点，得到其基本特征向量VN‑1；同理，能够得到各层已知知识点的基本特征向量VN‑2,VN‑3,…,V1；同时，将学习者的性别、年龄个人特征作为补充特征向量G，从而完成训练数据的多维度特征提取，多维度特征包括各层已知知识点的基本特征向量VN‑2,VN‑3,…,V1和补充特征向量G；标注训练数据中已知知识点掌握程度YA，标注根据各项得分率结合经验规则进行，标注的知识点掌握程度可以分为多个等级；数据驱动的预测模型建立模块：对于标注的已知知识点掌握程度YA，根据各层已知知识点的基本特征向量VN‑2,VN‑3,…,V1及补充特征向量G，建立多元分类算法的单一预测模型，预测出知识点A的掌握程度YA；所述单一预测模型是指基于单个预测模型，包括人工神经网络、随机森林或逻辑回归的经典模型，先对所述各个预测模型进行准确度评估，根据评估结果，最终决定其中一种模型作为预测模型。