多源代码行为驱动的编程自适应学习路径生成系统及方法与流程

摘要: 本发明涉及计算机辅助教育,具体为多源代码行为驱动的编程自适应学习路径生成系统及方法。背景技术:1、随着人工智能与在线教育技术的快速发展,青少年编程教育已成为k1...
多源代码行为驱动的编程自适应学习路径生成系统及方法与流程

本发明涉及计算机辅助教育,具体为多源代码行为驱动的编程自适应学习路径生成系统及方法。

背景技术:

1、随着人工智能与在线教育技术的快速发展,青少年编程教育已成为k12阶段素质教育的重要组成部分。各类在线编程教育平台大量涌现,为青少年提供了从图形化编程到代码编写、从基础语法到算法竞赛的多层次课程体系;同时,自适应学习系统、知识图谱、强化学习等人工智能技术也逐渐被引入教育领域,试图实现学习路径的个性化推荐与动态调整;然而,现有技术在面向青少年编程教育这一特定场景时,仍存在显著不足。

2、当前青少年编程教育系统普遍面临以下技术缺陷:学习路径的生成依赖极为粗粒度的评价信号,多数系统仅基于答题正确率或任务完成结果进行决策,完全丢失了编程过程中编辑轨迹、错误类型变迁、调试恢复过程等高密度行为信息,无法区分理解了但手滑打错字与完全没有建立循环不变式概念这两种本质不同的认知状态。系统普遍缺乏细粒度的能力状态观测机制,无法对学习者的抽象语法树差分路径、编译与运行时错误类型序列、代码执行轨迹、编辑节奏等行为数据进行实时采集与结构化编码,学习者的编程能力只能被简化为掌握了或未掌握的布尔标签,无法形成可微分的数值状态向量以支撑真正的个性化调度。课程内容以线性或有限分支方式静态排列,缺少基于实时状态反馈的闭环控制器,状态观测、状态估计、策略决策与执行干预的完整控制回路尚未建立,学习路径无法随学习者的实时表现动态调整。系统缺乏对认知负荷的在线观测与干预能力,当学习者已处于认知过载状态时仍在持续加压推送新内容,导致高弃课率。此外,市面上的个性化推荐多数停留在基于兴趣标签的静态规则匹配或基于答题矩阵的协同过滤层面,其状态表示仍为粗粒度知识点掌握标签,远未达到驱动真正千人千面学习路径生成的技术水准。

3、针对以上问题,提出了多源代码行为驱动的编程自适应学习路径生成系统及方法。

技术实现思路

1、本发明的目的在于提供多源代码行为驱动的编程自适应学习路径生成系统及方法,采用本发明进行工作,从而解决了上述背景中现有青少年编程教育系统由于缺乏对编程过程高密度行为数据的实时采集与结构化编码能力,无法构建可微分数值状态以支撑动态调度,同时缺少基于实时状态反馈的闭环控制与认知负荷在线干预机制,导致学习路径呈现静态僵化状态的问题。

2、为实现上述目的,本发明提供如下技术方案:多源代码行为驱动的编程自适应学习路径生成方法,包括如下步骤:

3、从云端容器化沙盒与web端编辑器两层采集学习者在编程过程中的多源代码行为遥测数据,所述遥测数据包括按键序列、抽象语法树增量差分路径、编译时错误类型及运行时错误类型序列、代码执行轨迹与资源占用特征;

4、根据所述遥测数据构造多维能力状态向量,所述能力状态向量包括逻辑构造掌握度、抽象建模深度、调试恢复力、认知负荷估计和跨学科任务参与度五个维度的量化值;

5、构建编程知识图谱,所述编程知识图谱以异构图形式存储知识点节点、项目任务节点、前置依赖边及错误模式关联边,每个节点绑定可计算的难度标量与准入谓词及出口谓词;

6、以当前学习者的所述多维能力状态向量作为状态空间输入,以所述编程知识图谱中的项目任务节点选择及熔断参数调整为动作空间,通过强化学习的策略网络输出面向当前学习者的个性化下一任务序列;

7、将所述策略网络输出的任务序列下发至学习终端,并在下发前由多级熔断执行器根据所述认知负荷估计判断是否触发熔断条件,若触发则插入预备补偿任务或降级指令并重排任务序列后下发。

8、进一步地,所述遥测数据的采集通过websocket通道传输,传输内容包括抽象语法树差分增量、代码运行请求、标准输出流及标准错误流帧数据。

9、进一步地,所述编译时错误类型及运行时错误类型序列的采集包括:记录每次代码运行回收的错误类别及异常调用栈截断信息,并记录连续多次运行中,从错误发生到修复再到测试用例通过的完整过程,以构成调试恢复弧记录;

10、所述资源占用特征包括代码执行时间和内存峰值用量。

11、进一步地,所述多维能力状态向量的构造过程,具体如下:

12、将所述遥测数据经特征工程映射为固定维度的浮点数组,并存储于计算机存储器中;

13、所述认知负荷估计可根据连续编辑停顿时间、代码复制粘贴比率及错误类型序列的香农熵计算得出;

14、所述调试恢复力可根据单次调试尝试的平均耗时及错误修复成功率计算得出。

15、进一步地,所述编程知识图谱的知识点节点绑定可测试的编程原语或编程模式;

16、所述编程原语或编程模式包括顺序结构、选择结构、循环结构、函数抽象、列表与字典操作、递归、图搜索以及动态规划状态转移;

17、所述项目任务节点按难度划分为三级:第一级为生活化项目任务,其准入谓词不要求先验代码经验;第二级为跨学科融合项目任务,其准入谓词要求逻辑构造掌握度与抽象建模深度双越阈值;第三级为系统精通项目任务,其准入谓词要求前两级出口阈值全部满足。

18、进一步地,所述错误模式关联边的构建方式,具体如下:

19、当群体统计显示完成第一任务节点后,首次遭遇特定错误类型的学习者在第二任务节点的失败率显著高于平均水平时,在所述第一任务节点与所述第二任务节点之间建立一条错误模式关联边,供所述策略网络的注意力机制感知错误传播路径。

20、进一步地,所述强化学习的策略网络采用近端策略优化算法进行训练;

21、训练信号为每条学习会话结束后获得的累计奖励,所述累计奖励由多目标奖励函数计算得出;

22、所述多目标奖励函数包括任务完成质量奖励、认知负荷惩罚项、心流维持奖励及能力增长奖励四个分量;

23、冷启动阶段先以启发式规则生成初始训练轨迹进行行为克隆预训练,再切换至在线强化学习微调。

24、进一步地,所述多级熔断执行器维护多个层级的认知负荷阈值,不同难度层级的任务对应不同的熔断阈值;

25、当所述认知负荷估计跨越当前层级阈值时,所述多级熔断执行器发出降级指令或补偿指令,从所述编程知识图谱中选取与当前学习者能力缺口相匹配的预备任务并插入原任务序列,形成重排后的补偿任务序列进行下发。

26、进一步地,所述任务序列下发至学习终端后,继续执行所述s1至s5的循环,形成闭环控制回路;

27、每次循环中所述多维能力状态向量根据新采集的遥测数据实时更新,所述策略网络以更新后的多维能力状态向量重新决策,所述多级熔断执行器根据更新后的认知负荷估计持续监控并动态调整下发序列。

28、本发明还提出了另一种技术方案:多源代码行为驱动的编程自适应学习路径生成系统,包括代码行为遥测采集模块、编程知识图谱构建与维护模块、多维能力状态编码器、路径策略网络模块和多级熔断执行模块;

29、所述代码行为遥测采集模块,在云端容器化沙盒与web端编辑器,通过两层拦截并结构化上报学习者的编程行为遥测数据;

30、所述编程知识图谱构建与维护模块,以异构图形式存储知识点节点、项目任务节点、前置依赖边及错误模式关联边,每个节点绑定可计算的难度标量与准入谓词及出口谓词;

31、所述多维能力状态编码器,用于将所述遥测采集的原始遥测数据经特征工程映射为固定维度的能力状态向量;

32、所述路径策略网络模块,以所述能力状态向量为状态空间、以所述编程知识图谱中的任务节点选择及熔断参数调整为动作空间、以多目标奖励函数驱动策略优化,输出面向当前学习者的个性化任务序列;

33、所述多级熔断执行模块,当所述认知负荷估计跨越层级阈值时,发出降级指令或补偿指令,插入预备任务并重排任务序列,形成闭环控制。

34、与现有技术相比,本发明的有益效果如下:

35、1.本发明通过在云端容器化沙盒与web端编辑器两层拦截,实现对学习者按键序列、抽象语法树增量差分路径、编译与运行时错误类型序列、代码执行轨迹及交互节奏等编程过程高密度行为数据的实时采集与结构化上报,为个性化学习路径生成提供了远超传统答题正确率的细粒度数据基础;

36、2.本发明将原始遥测数据经特征工程映射为包含逻辑构造掌握度、抽象建模深度、调试恢复力、认知负荷估计及跨学科任务参与度的可微分数值状态向量,取代传统粗粒度布尔型知识点掌握标签,使学习者画像从主观定性描述升级为计算机可计算的定量状态空间,并通过图神经网络增强的策略网络与多目标奖励函数实现学习路径的动态优化决策;

37、3.本发明通过多级熔断执行器实时监测学习者认知负荷,当负荷跨越层级阈值时自动插入预备补偿任务或降级指令并重排任务序列,形成从遥测采集、状态编码、策略决策到熔断干预的完整闭环控制回路,有效防止学习者因认知过载而弃课,解决了现有系统缺乏在线负荷观测与动态干预能力的技术缺陷。