一种车机答题学习方法与流程

摘要: 本技术涉及车机交互,具体而言,涉及一种车机答题学习方法。背景技术:1、随着智能座舱技术的快速发展,车机系统已从传统的导航和影音娱乐功能,逐步向涵盖教育、办公等多...
一种车机答题学习方法与流程

本技术涉及车机交互,具体而言,涉及一种车机答题学习方法。

背景技术:

1、随着智能座舱技术的快速发展,车机系统已从传统的导航和影音娱乐功能,逐步向涵盖教育、办公等多元化的智能服务终端演进。在车载场景下,尤其是面向家庭出行中的儿童用户,车机端的学习答题功能逐渐成为一项受到关注的应用需求。车机屏幕作为车内的核心交互界面,具备承载学习内容的硬件基础,而车载语音交互能力的提升,也为儿童用户在行车过程中参与学习活动提供了新的交互方式。

2、然而,车机端的学习答题方案在实际应用中,仍面临以下技术问题:首先,车机场景下的交互方式存在局限性,与手机、平板等消费电子设备不同,车机端用户(尤其是后排儿童)在行车过程中操作触控屏幕的便捷性和安全性均受到制约,尽管车机端已具备基础的语音交互能力,但现有方案多采用功能单一的语音助手,仅能响应简单的指令触发,缺乏贯穿学习全过程的持续性语音陪伴和引导,导致学习过程的交互连续性不足,用户体验割裂。其次,在传统的答题学习流程中,用户完成答题后,系统通常仅给出对错判定结果,无法形成有效的学习闭环,降低了学习的系统性和效率。

3、因此,在车机这一特殊场景下,如何构建一个从答题、诊断到补学的自动化闭环,在提升交互体验的同时保障学习效果,成为亟待解决的技术问题。

技术实现思路

1、本技术实施例的目的在于提供一种车机答题学习方法,用以解决车机答题交互仅能响应简单的指令触发,缺乏贯穿学习全过程的持续性语音陪伴和引导以及系统通常仅给出对错判定结果,无法形成有效的学习闭环,降低学习的系统性和效率的问题。

2、第一方面,本技术提供一种车机答题学习方法,该方法包括:获取用户选择的目标语音陪伴角色;响应于目标语音陪伴角色接收的学习指令,触发记载并显示目标语音陪伴角色对应的答题学习场景;采集用户在答题学习场景过程中每一题目的答案信息;根据每一题目的答案信息生成答案诊断数据,其中,答案诊断数据包括每一题目的答案正误判定结果;根据答案诊断数据,生成用户对应的薄弱知识点集合;根据薄弱知识点集合,从内容资源库中匹配薄弱知识点集合对应的补学推荐内容;将补学推荐内容显示于车机的显示屏幕。

3、本方案提供的车机答题学习方法,通过获取用户选择的目标语音陪伴角色作为贯穿全流程的交互主体,响应学习指令触发答题学习场景,采集用户答题过程中的答案信息并生成包含正误判定结果的答案诊断数据,进而基于答案诊断数据生成用户的薄弱知识点集合,再根据薄弱知识点集合从内容资源库中匹配对应的补学推荐内容并显示于车机显示屏幕,由此,本方案构建以目标语音陪伴角色为全局交互控制层、从角色选择到补学推荐的完整自动化学习闭环,解决现有车机语音助手功能单一、交互连续性不足的问题,显著提升车载场景下的学习体验;同时,通过答案诊断数据到薄弱知识点集合再到补学推荐内容的自动衔接,实现从答题到补学的精准闭环,避免传统答题方案仅提供对错判定、学习效率低下的问题;此外,以语音陪伴角色为核心的交互模式降低行车过程中触控操作的频率,提升车机场景下学习活动的安全性和便捷性。

4、在第一方面的可选实施方式中,其中,答案诊断数据包括错题标识以及答题进度,在将补学推荐内容显示于车机的显示屏幕之后,该方法还包括:在检测到补学推荐内容被用户完成学习后,根据错题标识以及答题进度恢复答题学习场景中对应的进度状态的错题题目。

5、上述实施方式,本方案通过在答案诊断数据中包含错题标识和答题进度,并在检测到补学推荐内容被用户完成学习后,根据错题标识和答题进度恢复对应进度状态的错题题目,由此,本方案建立补学环节与原答题场景之间的进度衔接机制,用户完成补学后无需手动返回答题界面或记忆答题进度,系统自动恢复至对应错题位置,实现补学与答题的无缝衔接,强化答错、补学、重做的即时反馈循环,提高薄弱知识点的巩固效率,进而提升用户的车机答题学习体验。

6、在第一方面的可选实施方式中,根据每一题目的答案信息生成答案诊断数据,包括:对每一题目的答案信息进行语音/文本识别,获得每一题目对应的答案文本;将每一题目对应的答案文本与对应题目的题型规则和标准答案字段进行匹配,生成每一题目对应的答案正误判定结果;将每一题目对应的答案正误判定结果与对应题目绑定的知识点标签关联,形成答案诊断数据。

7、上述实施方式,本方案通过对每一题目的答案信息进行语音/文本识别获得答案文本,再将答案文本与题型规则和标准答案字段匹配生成正误判定结果,最后将正误判定结果与知识点标签关联形成答案诊断数据,由此,本方案实现语音和触控两种输入方式的统一处理,消除不同输入模态之间的差异,确保后续判定逻辑的一致性和通用性;同时,通过针对不同题型设置不同的匹配规则,提高答案正误判定的准确性和适应性;此外,知识点标签的关联机制建立答题结果与知识点之间的映射关系,为后续薄弱知识点的精准识别提供数据支撑。

8、在第一方面的可选实施方式中,根据答案诊断数据,生成用户对应的薄弱知识点集合,包括:根据答案诊断数据,确定用户在答题学习场景过程中的错题信息,其中,错题信息包括错误题目以及每一错误题目对应的知识类型标签;根据错题信息,计算用户在答题学习场景过程中每一类知识类型标签对应的薄弱程度分值;判断多个薄弱程度分值中是否存在超过预设分值阈值的薄弱程度分值;若存在,则将薄弱程度分值超过预设分值阈值的知识类型标签确定为薄弱知识点,形成薄弱知识点集合。

9、上述实施方式,本方案通过根据答案诊断数据确定错题信息,计算每一类知识类型标签对应的薄弱程度分值,再通过与预设分值阈值的比较确定薄弱知识点并形成集合,由此,本方案实现薄弱知识点的量化判定,通过薄弱程度分值这一量化指标客观评估用户对各知识类型的掌握程度,避免仅凭错题数量或主观感受判断薄弱点的不准确性,提高补学推荐的针对性,使补学资源能够聚焦于用户真正需要加强的知识领域。

10、在第一方面的可选实施方式中,根据错题信息,计算用户在答题学习场景过程中每一类知识类型标签对应的薄弱程度分值,包括:根据错题信息,统计每一知识类型标签对应的错题数量;针对每一知识类型标签,计算知识类型标签对应的错题数量与知识类型标签在答题学习场景中的总答题数量的比值,获得每一知识类型标签对应的薄弱程度分值。

11、上述实施方式,本方案通过统计每一知识类型标签对应的错题数量和总答题数量,计算二者的比值作为薄弱程度分值,由此,本方案的薄弱程度分值计算方式简单直观,仅涉及基本的统计和算术运算,计算复杂度低,便于在车机端实时执行;同时,比值计算消除题目数量差异的影响,使各知识类型之间的薄弱程度具有可比性,为后续阈值判定提供可靠的数据基础。

12、在第一方面的可选实施方式中,根据薄弱知识点集合,从内容资源库中匹配薄弱知识点集合对应的补学推荐内容,包括:对于薄弱知识点集合中的每一薄弱知识点:判断内容资源库中是否预存有与薄弱知识点相匹配的补学内容,其中,内容资源库预存有多个补学内容,每个补学内容与一知识类型标签对应;若判定存在匹配的补学内容,则根据薄弱知识点对应的知识类型标签,从内容资源库中查找并提取薄弱知识点对应的补学内容,获得每个薄弱知识点对应的补学推荐内容。

13、上述实施方式,本方案通过对每一薄弱知识点判断内容资源库中是否存在匹配的补学内容,若存在则根据知识类型标签查找并提取对应补学内容,由此,本方案实现补学内容的精准匹配,通过知识类型标签将薄弱知识点与补学内容一一对应,确保推荐的补学内容直接针对用户的知识薄弱环节;同时,由于内容资源库中的补学内容预先按标签建立索引,匹配过程仅需执行标签查找操作,响应速度快,能够在车机端快速完成匹配并返回结果。

14、在第一方面的可选实施方式中,该方法还包括:若判定不存在匹配的补学内容,则从内容资源库中查找与薄弱知识点对应的类似知识点标签所关联的补学内容,作为薄弱知识点对应的补学推荐内容。

15、上述实施方式,本方案通过在判定不存在匹配的补学内容时,查找类似知识点标签关联的补学内容作为推荐,由此,本方案建立补学内容的降级匹配机制,即使在内容资源库中缺少与薄弱知识点直接对应的补学内容时,系统仍能通过类似知识点标签找到相关的补学内容,提高补学推荐的覆盖率,确保每个薄弱知识点都有对应的补学推荐,避免因内容资源不足而导致的补学推荐空白。

16、在第一方面的可选实施方式中,在从内容资源库中查找与薄弱知识点对应的类似知识点标签所关联的补学内容,作为薄弱知识点对应的补学推荐内容之后,该方法还包括:将薄弱知识点对应的知识类型标签输入预训练完成的补学内容生成模型,获得补学内容生成模型输出的薄弱知识点对应的新增补学内容;在新增补学内容审核通过后存储至内容资源库中。

17、上述实施方式,本方案通过将薄弱知识点的知识类型标签输入预训练的补学内容生成模型获得新增补学内容,审核通过后存储至内容资源库,由此,本方案利用人工智能生成模型实现补学内容的自动化扩充,大幅降低人工制作内容的成本和周期,使内容资源库能够快速覆盖更多知识点;同时,审核机制作为内容入库的质量门禁,确保生成内容的准确性和可靠性,形成内容资源的自增长闭环。

18、在第一方面的可选实施方式中,获取用户选择的目标语音陪伴角色,包括:控制车机的显示屏幕显示角色选择界面,角色选择界面中包含多个候选语音陪伴角色,每个候选语音陪伴角色对应展示其图形化形象和/或角色名称;响应于用户选择操作,将被选中的候选语音陪伴角色确定为目标语音陪伴角色。

19、上述实施方式,本方案通过控制显示屏幕展示包含多个候选角色及其图形化形象和/或角色名称的角色选择界面,响应用户选择操作确定目标语音陪伴角色,由此,本方案将陪伴角色的选择权交给用户,使用户能够根据自己的喜好选择最具亲和力的角色,提升学习的个性化体验和趣味性;同时,可视化的角色选择界面操作简单直观,特别适合车机场景下的快速操作需求。

20、在第一方面的可选实施方式中,在响应于用户选择操作,将被选中的候选语音陪伴角色确定为目标语音陪伴角色之后,该方法还包括:锁定目标语音陪伴角色的用户界面表现属性与交互功能属性,用户界面表现属性包括用于表征目标语音陪伴角色的图形化形象和/或语音音色,交互功能属性包括预设的对话提示模板和/或可响应的技能范围;在答题学习场景的题目页面切换以及答题学习场景与补学推荐内容页面之间切换时,保持目标语音陪伴角色的用户界面表现属性与交互功能属性与当前页面上下文一致。

21、上述实施方式,本方案通过锁定目标语音陪伴角色的用户界面表现属性和交互功能属性,并在页面切换时保持属性与当前页面上下文一致,由此,本方案实现语音陪伴角色的全流程一致性,角色的形象、音色和核心属性在不同页面间保持统一,避免页面切换导致的角色断裂感,显著提升学习过程的沉浸感和陪伴感;同时,角色锁定机制避免学习会话期间角色切换导致的上下文错配,确保学习记录、提示策略和对话历史的一致性。

22、第二方面,本技术提供一种车机答题学习装置,该装置包括获取模块、显示模块、采集模块、生成模块以及匹配模块;该获取模块用于获取用户选择的目标语音陪伴角色;该显示模块用于响应于目标语音陪伴角色接收的学习指令,触发记载并显示目标语音陪伴角色对应的答题学习场景;该采集模块用于采集用户在答题学习场景过程中每一题目的答案信息;该生成模块用于根据每一题目的答案信息生成答案诊断数据,其中,答案诊断数据包括每一题目的答案正误判定结果,以及,根据答案诊断数据,生成用户对应的薄弱知识点集合;该匹配模块用于根据薄弱知识点集合,从内容资源库中匹配薄弱知识点集合对应的补学推荐内容;该显示模块还用于将补学推荐内容显示于车机的显示屏幕。

23、本方案提供的车机答题学习装置,通过获取用户选择的目标语音陪伴角色作为贯穿全流程的交互主体,响应学习指令触发答题学习场景,采集用户答题过程中的答案信息并生成包含正误判定结果的答案诊断数据,进而基于答案诊断数据生成用户的薄弱知识点集合,再根据薄弱知识点集合从内容资源库中匹配对应的补学推荐内容并显示于车机显示屏幕,由此,本方案构建以目标语音陪伴角色为全局交互控制层、从角色选择到补学推荐的完整自动化学习闭环,解决现有车机语音助手功能单一、交互连续性不足的问题,显著提升车载场景下的学习体验;同时,通过答案诊断数据到薄弱知识点集合再到补学推荐内容的自动衔接,实现从答题到补学的精准闭环,避免了传统答题方案仅提供对错判定、学习效率低下的问题;此外,以语音陪伴角色为核心的交互模式降低行车过程中触控操作的频率,提升车机场景下学习活动的安全性和便捷性。

24、第三方面,本发明提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,处理器执行计算机程序时执行第一方面、第一方面中任一可选实施方式所述的方法。

25、第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时执行第一方面、第一方面中任一可选实施方式所述的方法。

26、第五方面,本发明提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时执行第一方面、第一方面中任一可选实施方式所述的方法。

27、上述说明仅是本技术技术方案的概述,为了能够更清楚了解本技术的技术手段,而可依照说明书的内容予以实施,并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂,以下特举本技术的具体实施方式。