一种学习管理方法、系统、智能终端及存储介质与流程

本技术涉及数据处理的，尤其是涉及一种学习管理方法、系统、智能终端及存储介质。

背景技术：

1、基于书写行为与遗忘曲线的自适应复习系统是指通过获取用户在手写学习过程中的行为数据，结合遗忘曲线模型对用户记忆状态进行动态评估，并据此生成个性化复习计划的智能学习系统，该系统主要应用于智能纸笔学习场景，帮助用户提高知识记忆效率和复习针对性。

2、相关技术中，自适应复习系统主要依赖用户完成学习任务后的考核答题结果正确或错误作为唯一反馈信号，并依据该答题结果的好坏以固定的时间间隔触发后续复习，从而确定复习时机和复习内容；同时用户在学习过程中需要借助电子设备记录每次复习的时间点和学习情况等数据。

3、针对上述中的相关技术，在使用自适应复习系统分析用户遗忘规律并生成复习计划时，通常仅能获取用户的答题结果数据，并且由于仅依赖答题正确率的反馈方式无法区分“流畅回忆”与“迟疑后答对”两种截然不同的记忆状态，从而导致系统对用户真实记忆深度的判断精度不足，进而影响复习计划生成的准确性和个性化程度；同时由于用户需要借助电子设备进行复习，导致在无网络、无智能终端的纯纸质学习场景中难以适用，且使用时间长易影响用户视力，还有改进的空间。

技术实现思路

1、为了提高记忆状态检测精度，本技术提供一种学习管理方法、系统、智能终端及存储介质。

2、第一方面，本技术提供一种学习管理方法，采用如下的技术方案：

3、一种学习管理方法，包括：

4、获取预设的目标用户的已学习知识点；

5、判断已学习知识点是否满足预设的老用户知识点学习要求；

6、若不满足，则获取用户评估数据和目标用户基本信息；

7、对用户评估数据、目标用户基本信息和预设的用户群体遗忘参数库进行分析，以生成用户遗忘曲线，并继续获取已学习知识点进行循环判断；

8、若满足，则获取相邻复习时间间隔、历史用户遗忘曲线和预设的纸质学习载体的页面标识；

9、根据页面标识获取用户复习数据；

10、基于用户复习数据和相邻复习时间间隔对历史用户遗忘曲线进行修正，以生成用户遗忘曲线；

11、对已学习知识点和用户遗忘曲线进行分析，以生成用户复习计划；

12、根据用户遗忘曲线和用户复习计划控制预设的自适应复习系统进行多端同步操作。

13、可选的，对用户评估数据、目标用户基本信息和预设的用户群体遗忘参数库进行分析，以生成用户遗忘曲线的步骤包括：

14、在用户群体遗忘参数库中查找出用户群体基本信息；

15、将目标用户基本信息和用户群体基本信息代入预设的相似度计算公式进行计算，以生成目标用户遗忘匹配相似度；

16、将目标用户遗忘匹配相似度进行排序，以生成最小匹配相似度；

17、根据最小匹配相似度在用户群体遗忘参数库中查找出相似遗忘速率、相似记忆稳定系数和相似遗忘曲线；

18、在用户评估数据中查找出测试时间点正确率；

19、对相似遗忘速率、相似记忆稳定系数、测试时间点正确率和相似遗忘曲线进行分析，以生成用户遗忘曲线。

20、可选的，对相似遗忘速率、相似记忆稳定系数、测试时间点正确率和相似遗忘曲线进行分析，以生成用户遗忘曲线的步骤包括：

21、将测试时间点正确率代入预设的最小二乘法公式进行计算，以生成用户拟合遗忘速率；

22、将相似遗忘速率和用户拟合遗忘速率代入预设的遗忘速率修正公式进行计算，以生成目标用户初始遗忘速率；

23、将相似记忆稳定系数代入预设的记忆稳定系数修正公式进行计算，以生成目标用户初始记忆稳定系数；

24、根据目标用户初始遗忘速率和目标用户初始记忆稳定系数将相似遗忘曲线进行替换，以生成用户遗忘曲线。

25、可选的，基于用户复习数据和相邻复习时间间隔对历史用户遗忘曲线进行修正，以生成用户遗忘曲线的步骤包括：

26、获取历史用户记忆深度评分、历史用户遗忘速率和历史用户记忆稳定系数；

27、在用户复习数据中查找出用户复习正确率、用户复习时长和用户涂改次数；

28、对相邻复习时间间隔、用户复习正确率、用户复习时长和用户涂改次数进行分析，以生成用户记忆深度评分；

29、将用户记忆深度评分、历史用户记忆深度评分、历史用户遗忘速率和相邻复习时间间隔代入预设的预测复习效果误差公式进行计算，以生成用户预测复习效果误差；

30、计算用户预测复习效果误差与预设的满分预测复习效果评分的商，以生成用户复习效果误差占比；

31、基于用户复习效果误差占比、历史用户遗忘速率和历史用户记忆稳定系数对历史用户遗忘曲线进行修正，以生成用户遗忘曲线。

32、可选的，对相邻复习时间间隔、用户复习正确率、用户复习时长和用户涂改次数进行分析，以生成用户记忆深度评分的步骤包括：

33、将用户复习正确率、用户复习时长和用户涂改次数代入预设的复习困难度指数公式进行计算，以生成用户复习困难指数；

34、将用户复习困难指数代入预设的记忆深度评分公式进行计算，以生成初始用户记忆深度评分；

35、判断相邻复习时间间隔是否不小于预设的复习中断时间间隔；

36、若小于，则将初始用户记忆深度评分确定为用户记忆深度评分；

37、若不小于，则将历史用户遗忘速率和历史用户记忆稳定系数代入预设的记忆衰减系数公式进行计算，以生成中断复习衰减系数；

38、计算中断复习衰减系数与相邻复习时间间隔的乘积，以生成中断复习总衰减量；

39、将初始用户记忆深度评分和中断复习总衰减量代入预设的中断记忆深度评分公式进行计算，以生成用户记忆深度评分。

40、可选的，基于用户复习效果误差占比、历史用户遗忘速率和历史用户记忆稳定系数对历史用户遗忘曲线进行修正，以生成用户遗忘曲线的步骤包括：

41、计算用户复习效果误差占比与预设的遗忘速率衰减系数和历史用户遗忘速率的乘积，以生成用户遗忘速率更新量；

42、计算历史用户遗忘速率与用户遗忘速率更新量的差，以生成用户更新遗忘速率；

43、计算用户复习效果误差占比与预设的稳定衰减系数和历史用户记忆稳定系数的乘积，以生成用户记忆稳定系数更新量；

44、计算历史用户记忆稳定系数与用户记忆稳定系数更新量的和，以生成用户更新记忆稳定系数；

45、根据用户更新遗忘速率和用户更新记忆稳定系数将历史用户遗忘曲线进行替换，以生成用户遗忘曲线。

46、可选的，对已学习知识点和用户遗忘曲线进行分析，以生成用户复习计划的步骤包括：

47、在用户遗忘曲线中查找出用户实际遗忘速率；

48、获取用户实际记忆深度评分和知识点复习次数；

49、将用户实际遗忘速率、用户实际记忆深度评分和知识点复习次数代入预设的知识点遗忘程度公式进行计算，以生成知识点记忆程度；

50、基于已学习知识点将知识点记忆程度与预设的知识点记忆程度阈值进行对比，以生成待复习知识点和待复习知识点记忆程度；

51、计算待复习知识点记忆程度与预设的总知识点记忆程度的商，以生成待复习知识点记忆程度占比；

52、基于待复习知识点将待复习知识点记忆程度占比进行排序，以生成候选待复习知识点；

53、基于预设的单日最大复习量对候选待复习知识点进行筛选，以生成用户复习计划。

54、第二方面，本技术提供一种学习管理系统，采用如下的技术方案：

55、一种学习管理系统，包括：

56、获取模块，用于获取已学习知识点、用户评估数据、目标用户基本信息、用户复习数据、相邻复习时间间隔和历史用户遗忘曲线；

57、存储器，用于存储如上述任一项所述的一种学习管理方法的程序；

58、处理器，存储器中的程序能够被处理器加载执行且实现如上述任一项所述的一种学习管理方法。

59、第三方面，本技术提供一种智能终端，采用如下的技术方案：

60、一种智能终端，包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述任一项所述的一种学习管理方法的计算机程序。

61、第四方面，本技术提供一种计算机存储介质，能够存储相应的程序，具有便于实现提高记忆状态检测精度的特点，采用如下的技术方案：

62、一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种学习管理方法的计算机程序。

63、综上所述，本技术包括以下至少一种有益技术效果：

64、1.通过判断已学习知识点是否满足老用户知识点学习要求，若不满足，则对用户评估数据、目标用户基本信息和用户群体遗忘参数库进行分析得到用户遗忘曲线，并继续获取已学习知识点进行循环判断；若满足，则根据页面标识获取用户复习数据，并基于获取的用户复习数据和相邻复习时间间隔对历史用户遗忘曲线进行修正得到用户遗忘曲线，对已学习知识点和用户遗忘曲线进行分析得到用户复习计划，从而根据用户遗忘曲线和用户复习计划控制预设的自适应复习系统进行多端同步操作，进而通过融合书写过程行为数据与答题正误的多维记忆评估，提高记忆状态检测精度；

65、2.通过在用户群体遗忘参数库中查找出用户群体基本信息，将目标用户基本信息和用户群体基本信息代入相似度计算公式进行计算，得到目标用户遗忘匹配相似度，将目标用户遗忘匹配相似度进行排序，得到最小匹配相似度，根据最小匹配相似度在用户群体遗忘参数库中查找出相似遗忘速率、相似记忆稳定系数和相似遗忘曲线，在用户评估数据中查找出测试时间点正确率，从而对相似遗忘速率、相似记忆稳定系数、测试时间点正确率和相似遗忘曲线进行分析得到用户遗忘曲线，进而通过群体统计先验与个体实测数据的混合初始化，提高记忆状态检测精度；

66、3.通过在用户复习数据中查找出用户复习正确率、用户复习时长和用户涂改次数，对相邻复习时间间隔、用户复习正确率、用户复习时长和用户涂改次数进行分析得到用户记忆深度评分，将用户记忆深度评分、历史用户记忆深度评分、历史用户遗忘速率和相邻复习时间间隔代入预测复习效果误差公式进行计算得到用户预测复习效果误差，计算用户预测复习效果误差与满分预测复习效果评分的商得到用户复习效果误差占比，从而基于用户复习效果误差占比、历史用户遗忘速率和历史用户记忆稳定系数对历史用户遗忘曲线进行修正得到用户遗忘曲线，进而通过将书写过程行为数据纳入记忆状态评估，提高记忆状态检测精度。