学生能力诊断方法及相关设备、存储介质与流程

本发明涉及教育测评，尤其涉及学生能力诊断方法及相关设备、存储介质。

背景技术：

1、当前主流的学生能力诊断方案大多依赖最终答题的对错结果作为唯一输入，仅能输出知识点掌握/未掌握的二元化结论，无法挖掘学生解题过程中的隐性认知状态，存在三大核心缺陷：第一，诊断结果可解释性差，传统黑盒模型输出的能力薄弱点无法溯源，教师和学生无法明确知道到底是哪一步出了问题；第二，冷启动效率低，需要积累大量标准化考试的答题数据才能完成有效诊断，新学生仅作答1-2道题时几乎无法输出可靠结论；第三，能力维度单一，仅能判断知识点的掌握程度，无法识别学生的运算粗心、逻辑断点、元认知调控不足等深层能力缺陷。

2、现有公开专利cn202111650091.x采用拆解作答步骤、匹配标准答案的思路开展诊断，依然没有脱离以最终答题结果为核心的技术框架，无法捕捉学生在解题过程中凭蒙选对思路绕远但最终结果正确等特殊认知场景，诊断精度存在明显缺陷。

3、因此，有必要提供一种新的学生能力诊断方法及相关设备、存储介质解决上述技术问题。

技术实现思路

1、为解决诊断精度存在明显缺陷的技术问题，本发明提供学生能力诊断方法及相关设备、存储介质，完全脱离以答题对错为核心的传统思路，通过采集解题全流程的多模态非结果类认知痕迹，实现高可解释性、低冷启动门槛、多维度的精准能力诊断。

2、本发明提供的学生能力诊断方法包括如下完整执行步骤：

3、步骤一：多模态认知痕迹全链路采集

4、同步采集学生完成解题任务全流程中的三类非结果类认知痕迹数据：第一类为屏幕交互痕迹，包含鼠标轨迹停顿点、拖拽操作序列、页面回看时长分布、草稿区手写笔迹坐标点序列；第二类为生理感知痕迹，包含普通消费级摄像头采集的眼动热点分布、面部专注度评分时序值；第三类为语音思维痕迹，包含学生边解题边口述的思路语音转写文本流；对三类痕迹数据执行时间轴对齐，以100ms为最小采样粒度，生成携带统一时间戳的多模态认知痕迹张量，张量维度为[采样总时长/0.1, 128]，其中128为单时间切片下的多模态特征总维度；

5、步骤二：认知痕迹-解题逻辑双向映射建模

6、构建多模态跨注意力映射模型，输入对齐后的多模态认知痕迹张量，输出每一个解题子步骤对应的认知投入度标签；模型核心采用双向跨注意力机制，公式为：

7、

8、其中，为屏幕交互痕迹特征向量，为生理感知痕迹特征向量，为语音思维痕迹特征向量，为特征向量维度，设置为64，为自定义掩码矩阵，用于屏蔽解题任务开始前3秒、结束后2秒的无效噪声数据；通过该模型可自动识别出学生在解题过程中卡壳停顿思路跳转凭直觉蒙选三类隐性认知状态，无需将最终答题的对错结果作为唯一判断依据；

9、步骤三：分层级能力因子解耦计算

10、将学生的综合能力拆解为三层独立可量化的能力因子：第一层为基础运算能力因子，通过统计笔迹草稿区的运算步骤完整度、运算停顿次数计算得分；第二层为逻辑推导能力因子，通过统计眼动热点在题干条件与推导步骤之间的跳转频次、语音口述逻辑链的完整度计算得分；第三层为元认知调控能力因子，通过统计学生在思路卡壳后主动回溯题干、调整解题路径的行为占比计算得分；三层能力因子的计算公式分别为：

11、基础运算能力因子，其中为运算步骤中的停顿总次数，为学生实际写出的运算步骤总数量；

12、逻辑推导能力因子，其中为眼动热点在题干条件与推导步骤之间的有效跳转次数，为总跳转次数，为语音逻辑链完整度权重，取值范围为0-1；

13、元认知调控能力因子，其中为卡壳后主动调整解题路径的次数占比，为学生在错误思路上的无效耗时，为解题总耗时；

14、步骤四：跨场景能力泛化性校准

15、引入同题型跨场景迁移校准机制，将学生在当前解题任务中得到的三层能力因子得分，与该学生在过去n天内n道同知识点不同情境试题中的能力因子得分做动态加权校准，权重随时间间隔指数衰减，校准公式为：

16、

17、其中为第i道历史试题与当前试题的时间间隔，单位为天，最终输出校准后的三维能力雷达图，同时标注出学生的运算粗心点逻辑断点元认知调控盲区三类精准诊断结论；

18、步骤五：诊断结果的可解释性可视化生成

19、自动生成携带认知痕迹溯源链接的诊断报告，点击报告中的任意一个能力薄弱点，即可回溯跳转至对应时间段的学生解题全流程痕迹回放片段，让诊断结果完全可追溯、可验证，彻底规避传统黑盒模型输出诊断结论无法解释的问题。

20、进一步的，步骤一中的多模态认知痕迹张量在预处理阶段，采用小波变换对笔迹坐标序列做降噪处理，小波母函数选用db4小波，分解层数设置为3层，滤除手写过程中因手抖产生的高频噪声，保留真实的书写停顿与轨迹特征。

21、进一步的，步骤二中的自定义掩码矩阵为上三角矩阵，仅保留解题任务有效时间段内的特征权重，将无效时间段的注意力权重强制置为-，避免无关行为数据对诊断结果产生干扰。

22、进一步的，步骤三中的三层能力因子得分均做0-1归一化处理，最终输出的诊断结果不直接标注优秀/良好/差的等级标签，而是输出该学生在同年级同知识点群体中的能力因子百分位排名，精准定位学生的相对能力位置。

23、进一步的，步骤四中的跨场景迁移校准机制，针对从未作答过同知识点试题的新学生，自动调用同年龄段学生的平均能力因子分布作为初始校准基准，仅需要1道试题的认知痕迹数据即可完成有效诊断，冷启动效率比传统基于答题结果的诊断方案提升70%。

24、本发明第二方面提供的一种基于多模态认知痕迹的学生能力诊断设备，包括：

25、多模态采集模块，用于同步采集屏幕交互、生理感知、语音思维三类认知痕迹数据，完成时间轴对齐后生成多模态认知痕迹张量；

26、建模计算模块，与所述多模态采集模块连接，构建多模态跨注意力映射模型并识别学生解题过程中的认知投入度标签；

27、分层因子解耦模块，与所述建模计算模块连接，分别独立计算基础运算、逻辑推导、元认知调控三层能力因子的量化得分；

28、泛化校准模块，与所述分层因子解耦模块连接，通过时间指数衰减权重完成历史数据的动态校准，输出最终的三维能力诊断结果；

29、可视化模块，与所述泛化校准模块连接，根据分类诊断结论自动生成诊断报告并显示。

30、进一步的，所述设备可适配普通家用电脑、平板设备的普通摄像头与麦克风硬件，无需外接眼动仪、压力笔等专业昂贵外设，在消费级硬件上即可实现精度不低于85%的认知状态识别。

31、本发明第三方面提供的一种存储多模态认知痕迹诊断比特流的方法，将方法生成的脱敏后多模态特征张量、三层能力因子得分、可解释性诊断报告三类数据打包为加密比特流，采用国密sm4算法加密后存储至本地数据库，每生成一份新的诊断比特流，自动关联对应学生的历史比特流生成能力变化趋势链，支持跨学期的长期能力成长回溯分析。

32、本发明第四方面提供的一种电子设备，包括相互耦接的存储器和处理器，所述存储器中存储有程序指令，所述处理器用于执行所述程序指令以实现所述的学生能力诊断方法。

33、本发明第五方面提供的一种计算机可读存储介质，其上存储有计算机程序指令和加密比特流，该计算机程序指令被处理器执行时，实现所述的学生能力诊断方法，完成学生能力的全流程诊断计算。

34、与相关技术相比较，本发明提供的学生能力诊断方法及相关设备、存储介质具有如下有益效果：

35、1、本发明通过基于屏幕交互痕迹、生理感知痕迹以及语音思维痕迹构建多模态跨注意力映射模型，输入对齐后的多模态认知痕迹张量，输出每一个解题步骤对应的认知投入度标签，诊断可解释性，所有能力薄弱点都能回溯到对应的解题痕迹片段，彻底告别黑盒诊断。

36、2、本发明通过将学生的综合能力拆解为三层独立可量化的能力因子，第一层为基础运算能力因子，通过统计笔迹草稿区的运算步骤完整度、运算停顿次数计算得分，第二层为逻辑推导能力因子，通过统计眼动热点在题干条件与推导步骤之间的跳转频次、语音口述逻辑链的完整度计算得分，第三层为元认知调控能力因子，通过统计学生在思路卡壳后主动回溯题干、调整解题路径的行为占比计算得分，冷启动门槛极低，仅需1道题的认知痕迹即可完成有效诊断，新学生无需积累大量历史答题数据。

37、3、本发明将学生在当前解题任务中得到的三层能力因子得分，与该学生在过去n天内n道同知识点不同情境试题中的能力因子得分做动态加权校准，权重随时间间隔指数衰减，输出校准后的三维能力雷达图，同时标注出学生的分类诊断结论，能力维度更丰富，跳出了传统知识点掌握度的单一评价框架，从运算、逻辑、元认知三个深层维度精准定位学生的能力缺陷，为后续个性化辅导提供更精准的依据。