一种动态调整题目抽取权重的智能练习内容生成方法与流程
本发明涉及智能教育评估与个性化学习内容生成,尤其是一种动态调整题目抽取权重的智能练习内容生成方法。
背景技术:
1、目前,智能学习与教育技术领域正在快速发展,尤其是在练习内容智能生成、用户知识掌握情况精准评估及个性化推送方面,已出现多种基于答题数据分析的练习内容生成平台和产品。目前的行业主流方案常见做法是,对每道题用户仅设定“对/错”简单标签,错误题目加入错题集中优先推荐,正确题目标记为已掌握且降权推送,或根据固定顺序实现遍历式学习。
2、多数现有系统仅依据用户答题的“正确”或“错误”结果进行掌握度判定。错误的题目被归入错题集并优先推荐,正确的题目则被标记为“已掌握”并降低推送权重。这种“错题重做”模式是当前最为普遍的方案——有平台宣称其核心卖点正是“根据你的薄弱项推荐练习题”。部分平台在此基础上做了有限扩展,例如将每一道题标注不同错因,或用错因重构知识地图;但整体上仍以二元结果作为主要决策依据。有教育科技公司指出,市面上多数教育软件“仅提供答案却缺乏解题引导”,导致学生陷入“题海战术”却难见成效。
3、一些系统尝试引入知识点掌握度的概念,但评估逻辑较为粗糙。例如,有专利方案中仅“根据答题错误率体现用户对知识的掌握程度,错误率越高,说明对该知识点的掌握程度越薄弱”。也有方案将掌握程度简单分为“掌握”和“未掌握”两种状态。这种粗粒度的评估方式难以区分“熟练”“掌握”“猜对”等不同认知层级。
4、现有技术主要存在以下突出问题:
5、评估维度单一、精度不足。当前大多数系统仅基于用户对或错的结果进行掌握度判定,缺乏对答题时间、思考历程等过程性指标的考察,导致不能区分“熟练、掌握、猜对”等不同认知层级,使得熟练度判定过于粗糙,妨碍个性化高效学习路径的推送。
技术实现思路
1、本申请提供一种动态调整题目抽取权重的智能练习内容生成方法,旨在解决上述背景技术中提到的评估维度单一、精度不足的问题。
2、本申请提供的一种动态调整题目抽取权重的智能练习内容生成方法,具体包括:
3、s1:获取用户历史答题记录数据,基于所述答题记录数据中的题目标识与作答结果,构建包括题目熟练度等级字段的题目熟练度数据库;
4、s2:接收当前题目的实时答题结果信号及对应的答题时长数值,基于所述实时答题结果信号判断作答正确性,若判定为作答错误,对所述题目熟练度数据库中的对应题目熟练度等级执行降级处理,生成降级熟练度等级;
5、s3:若判定为作答正确,则将所述答题时长数值与预设的时间阈值区间集合进行比对匹配,根据匹配到的时间阈值区间确定熟练度升级幅度,基于所述升级幅度对所述题目熟练度数据库中的对应题目熟练度等级执行升级处理,生成升级熟练度等级;
6、s4:将所述降级熟练度等级或所述升级熟练度等级写入所述题目熟练度数据库以覆盖原有数据,并同步记录学习进度日志数据,形成完整的动态评估闭环数据源;
7、s5:所述动态评估闭环数据源结合题库中题目的优先级分类标签,构建差异化抽取权重分配模型;
8、s6:利用所述差异化抽取权重分配模型对题库中的候选题目集执行加权随机抽样操作,生成初始题目序列,并统计所述初始题目序列的实际题目数量是否满足预设的抽题数量参数要求;
9、s7:若实际题目数量不满足抽题数量参数要求,则补足题目数量并入初始题目序列,得到最终的智能练习内容。
10、本申请提供的一种动态调整题目抽取权重的智能练习内容生成方法,具有以下有益效果:
11、首先,在评估精准度方面,本申请突破传统“对/错”二元判定局限,引入答题时长作为认知熟练度的过程性量化指标。通过将答题时长与预设时间阈值区间匹配,能够有效区分“熟练快速掌握”、“一般性掌握”及“猜对”等不同认知层级,并针对错误答案执行降级处理,实现熟练度等级的精细化动态调整,解决了传统系统评估维度单一、精度不足的技术难题。其次,在学习路径个性化方面,本申请构建的差异化抽取权重分配模型能够基于用户个体熟练度数据库,实现题目抽取权重的动态映射。该机制可精准聚焦薄弱环节,有效避免已掌握内容的重复推送,确保每次练习均针对用户当前知识短板,大幅提升了学习资源的利用效率与个性化适配水平。最后,在内容生成智能化方面,本申请通过加权随机抽样与自动补足机制,确保生成的练习内容在题量与难度分布上满足预设要求,既保证了抽题的随机性与多样性,又实现了对薄弱知识点的定向强化,真正达成了“查漏补缺、高效巩固”的智能练习目标,为个性化自适应学习提供了坚实的技术支撑。
1.一种动态调整题目抽取权重的智能练习内容生成方法,其特征在于,具体包括:
2.根据权利要求1所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述题目熟练度等级字段初始化为未定义状态或默认低等级状态。
3.根据权利要求1所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述学习进度日志数据包括本次答题结果、答题时长数值及最终熟练度等级。
4.根据权利要求1所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述差异化抽取权重分配模型为不同熟练度题目分别赋予特定的概率权重值。
5.根据权利要求1所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述s1具体包括:
6.根据权利要求5所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述对重复出现的题目标识符字段进行去重合并处理是利用唯一性映射方法进行处理。
7.根据权利要求1所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述s5具体包括:
8.根据权利要求7所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述熟练度等级分布数据集包括题目标识与对应熟练度等级映射关系。
9.根据权利要求7所述的动态调整题目抽取权重的智能练习内容生成方法,其特征在于,所述对多维属性题目集合中的题目进行分组聚类处理,具体为:
10.一种动态调整题目抽取权重的智能练习内容生成系统,其特征在于,包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com