一种课程培训学习进度跟踪分析方法与流程
本技术涉及教育,例如涉及一种课程培训学习进度跟踪分析方法。
背景技术:
1、随着在线教育的快速发展,越来越多的学员通过在线平台进行课程学习。如何科学、客观地评估培训效果,已成为教育培训领域的核心挑战之一。传统的培训效果评估方法,如问卷调查、专家评分或考试测评,存在主观性强、效率低、反馈滞后等问题,难以满足现代企业对动态化、个性化和实时性评估的需求。随着教育技术和数据科学的发展,基于学习数据分析的评估方法逐渐成为研究热点。
2、现有技术中,公开号为cn120561640a的中国专利申请提出了一种基于学习数据分析的培训效果评估方法及系统。该方案通过采集学员在学习过程中的对应数据,对采集到的数据进行分类和预处理,根据预处理后的数据生成各学员针对单个课程的学习信息;计算若干学员与课程互动的平均交互比,即若干学员在课程中实际交互的次数与课程中存在交互节点的总数的比值的平均值,基于该平均交互比判定培训效果是否符合标准;并在判定培训效果不符合标准时,基于确定的不符合标准的原因生成对应的处理方式,处理方式包括调整数据预处理时筛除异常数据的标准区间和调整交互节点的数量。
3、然而,上述现有技术仍存在以下不足:该方案主要基于学员与课程的交互次数等宏观行为数据来评估培训效果,未能深入到知识点层面评估学员对具体内容的掌握情况,评估粒度较粗,无法准确反映学员的真实学习效果。
技术实现思路
1、为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
2、针对现有技术中缺乏对学员个体知识掌握程度精细化评估的不足,本发明提供一种课程培训学习进度跟踪分析方法,旨在实现对学员学习进度的精准追踪和学习成效的动态评估。
3、在一些实施例中,提供了一种课程培训学习进度跟踪分析方法,包括:
4、将课程拆解为多个知识点,为每个知识点划分认知层级并配置层级权重和知识点难度系数;基于学员的答题行为数据计算各知识点的掌握度;根据各知识点的掌握度与知识点难度系数的加权关系计算课程整体学习进度;根据课程知识结构确定课程整体难度系数;获取学员历史表现信息;根据所述课程整体学习进度、所述课程整体难度系数和所述学员历史表现信息,并结合遗忘衰减因素,评估学习成效。
5、优选的,所述认知层级选自记忆层、理解层、应用层和分析层中的至少一种。
6、优选的,所述掌握度根据以下至少一项因素进行加权计算:答题正确率、答题时长偏离度、答案修正次数、关联知识点调用度以及各认知层级的达成度;所述认知层级的达成度根据对应层级的题目得分率确定。
7、优选的,根据权利要求3所述的方法,其特征在于,所述掌握度通过以下公式计算:
mj=
α·pj+
β·(1
tj)+
γ·(
1
cj)+
δ·rj+
∑i(
wi
·lij)
8、
mj为第
j个知识点的掌握度;
pj为答题正确率;
tj为答题时长偏离度;
cj为答案修正次数;
rj为关联知识点调用度;
wi为第
i层认知层级的权重;
lij为第
i个知识点在第i层认知维度的达成度;
α、
β、
γ、
δ为权重系数。
9、优选的,所述方法还包括:基于遗忘曲线对所述掌握度进行衰减修正,得到各知识点的有效掌握度;所述衰减修正通过以下公式计算:
10、;
11、
mj′为第j个知识点衰减修正后的有效掌握度;
mj为第j个知识点的掌握度;
θi为第
i个知识点对应认知层级的遗忘衰减系数;δ
tj为第j个知识点距离最近一次学习行为的时间间隔。
12、优选的,所述课程整体学习进度通过以下公式计算:
13、;
14、其中,
s为课程整体学习进度;
mj′为第
j个知识点衰减修正后的有效掌握度;
dj为第
j个知识点的知识点难度系数;
n为知识点总数。
15、优选的,所述课程整体难度系数根据以下至少一项因素确定:课程的知识点数量、知识点前置依赖关系复杂度、以及高层级认知知识点占比。
16、优选的,所述课程整体难度系数通过以下公式计算:
17、
d=
k1(
n/
nmax)+
k2(
r/
rmax)+
k3
h;
18、其中,
d为课程整体难度系数;
n为课程包含的知识点总数量,
nmax为同品类课程的知识点数量最大值;
r为课程知识点前置依赖链条的总长度,
rmax为同品类课程的依赖链条总长度最大值;
h为课程中高层级认知知识点的数量占比;
k1、
k2、
k3为权重系数。
19、优选的,所述学习成效通过以下公式计算:
20、;
21、其中,
e为学习成效综合值;
s为课程整体学习进度;
d为课程整体难度系数;
p为学员历史学习表现系数;
η为历史表现增益系数;δ
t为已学知识点距离最近一次学习行为的平均时间间隔;
θ为全局遗忘衰减系数。
22、优选的,所述方法还包括:构建课程知识图谱,所述课程知识图谱包含知识点节点集合和知识点前置依赖边集合;将学员的实时学习状态编码为状态向量;以所述状态向量为输入,采用强化学习模型输出推荐的下一学习内容;根据学员反馈数据修正所述强化学习模型的参数,并输出课程优化分析结果。
23、本公开实施例提供的一种课程培训学习进度跟踪分析方法,可以实现以下技术效果:
24、第一,本发明深入到知识点层面评估学员对具体内容的掌握情况,评估粒度细,能够准确反映学员的真实学习效果。
25、第二,本发明引入基于遗忘曲线的双重衰减修正机制(单知识点层级的衰减修正和学习成效综合值层级的全局衰减修正),使评估结果能够反映学员当前的真实知识保有量,而非仅记录历史完成状态。
26、第三,本发明通过将学习进度、课程难度、历史表现与遗忘衰减因素进行综合量化评估,使评估结果更加科学、客观,能够有效指导教学管理和课程优化。
27、第四,在优选的实施方案中,本发明还可基于学习进度和成效分析结果,为学员提供个性化的学习路径推荐,帮助学员有针对性地进行巩固学习,进一步提升培训效果。
28、以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本技术。
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