一种面向分层教学的智能作业推送方法及装置与流程

本申请属于智能教育领域，特别涉及一种面向分层教学的智能作业推送方法及装置。

背景技术：

1、随着教育信息化的发展，智能作业推送系统逐渐应用于分层教学场景。现有技术中，作业推送通常依据学生的历史正确率或简单统计指标确定题目难度，缺乏对答题数据时序特性的考量。例如，早期答题记录与近期答题记录在掌握度评估中被赋予相同的权重，导致评估结果难以反映学生知识水平的最新变化。同时，知识点之间往往存在关联关系，如先修知识与后继知识、同源概念与衍生概念等，现有方法多将各知识点孤立评估，未考虑知识点之间的耦合影响，容易造成掌握度评估偏差。此外，在题目推送环节，现有方案多基于单一难度标签进行筛选，缺乏精细化难度层级划分的机制，难以实现真正意义上的分层教学。

2、因此，亟需一种技术方案来克服或减轻现有技术的至少一个上述缺陷。

技术实现思路

1、本申请的目的是提供了一种面向分层教学的智能作业推送方法及装置，以解决现有技术存在的至少一个问题。

2、本申请的技术方案是：

3、本申请的第一个方面提供了一种面向分层教学的智能作业推送方法，包括：

4、s1、获取用户作答过的所有题目的历史答题数据；

5、s2、构建时序衰减模型，对所述历史答题数据进行差异化权重赋值，计算目标知识点的初始掌握度指标；

6、s3、基于结构关联、共现关联、语义关联构建知识点关联耦合矩阵，根据所述知识点关联耦合矩阵对所述目标知识点的所述初始掌握度指标进行修正，得到所述目标知识点的修正后掌握度指标；

7、s4、根据所述修正后掌握度指标对预设题目库中所述目标知识点对应的所有题目进行难度层级划分，并根据所述难度层级筛选出题目进行作业推送。

8、在本申请的至少一个实施例中，s1中，所述历史答题数据包括答题时长、答题正误结果、答题时刻、知识点标签。

9、在本申请的至少一个实施例中，s2中，构建时序衰减模型，对所述历史答题数据进行差异化权重赋值，计算目标知识点的初始掌握度指标，包括：

10、s21、构建时序衰减模型：

11、；

12、其中，为目标知识点对应的第i个题目的时序衰减权重，λ为知识遗忘衰减系数，为当前时刻与第i个题目的答题时刻的时间差；

13、s22、计算目标知识点对应的第i个题目的掌握分值：

14、；

15、其中，为目标知识点对应的第i个题目的掌握分值，为答题时长偏差修正系数，为第i个题目的答题时长，为第i个题目的标准答题时长，为错题得分系数；

16、s23、计算目标知识点的初始掌握度指标：

17、；

18、其中，为目标知识点的初始掌握度指标，n为目标知识点对应的题目总数。

19、在本申请的至少一个实施例中，s3中，基于结构关联、共现关联、语义关联构建知识点关联耦合矩阵，根据所述知识点关联耦合矩阵对所述目标知识点的所述初始掌握度指标进行修正，得到所述目标知识点的修正后掌握度指标，包括：

20、s31、基于结构关联、共现关联、语义关联获取所有关联知识点对目标知识点的耦合权重系数，构建知识点关联耦合矩阵；

21、s32、计算所有关联知识点的初始掌握度指标；

22、s33、根据知识点关联耦合矩阵及所有关联知识点的初始掌握度指标对目标知识点的初始掌握度指标进行修正，得到目标知识点的修正后掌握度指标：

23、；

24、其中，为目标知识点的修正后掌握度指标，为目标知识点本体权重系数，为知识点关联耦合矩阵中第j个关联知识点对目标知识点的耦合权重系数，为第j个关联知识点的初始掌握度指标，k为关联知识点的总数。

25、在本申请的至少一个实施例中，s31中，基于结构关联、共现关联、语义关联获取所有关联知识点对目标知识点的耦合权重系数，构建知识点关联耦合矩阵，包括：

26、根据知识图谱提取关联知识点与目标知识点之间的节点关系，根据节点关系确定结构关联权重；

27、统计历史答题数据中关联知识点与目标知识点的题目共现频率，根据题目共现频率确定共现关联权重；

28、对关联知识点与目标知识点的描述文本进行向量化，根据向量余弦相似度确定语义关联权重；

29、将结构关联权重、共现关联权重、语义关联权重按照预设融合系数加权求和并归一化，得到关联知识点对目标知识点的耦合权重系数；

30、根据所有关联知识点对目标知识点的耦合权重系数，构建知识点关联耦合矩阵。

31、在本申请的至少一个实施例中，s4中，根据所述修正后掌握度指标对预设题目库中所述目标知识点对应的所有题目进行难度层级划分，包括：

32、s41、将修正后掌握度指标与预设指标区间进行比对，确定目标知识点的掌握度等级；

33、s42、获取预设题目库中目标知识点对应的所有题目的固有难度系数；

34、s43、根据掌握度等级设定对应的难度系数划分区间，将预设题目库中目标知识点对应的所有题目划分为多个难度层级。

35、在本申请的至少一个实施例中，s43中，所述难度层级包括基础层级、提高层级、拓展层级。

36、本申请的第二个方面提供了一种面向分层教学的智能作业推送装置，包括：

37、历史答题数据获取模块，用于获取用户作答过的所有题目的历史答题数据；

38、初始掌握度指标计算模块，用于构建时序衰减模型，对所述历史答题数据进行差异化权重赋值，计算目标知识点的初始掌握度指标；

39、掌握度指标修正模块，用于基于结构关联、共现关联、语义关联构建知识点关联耦合矩阵，根据所述知识点关联耦合矩阵对所述目标知识点的所述初始掌握度指标进行修正，得到所述目标知识点的修正后掌握度指标；

40、作业推送模块，用于根据所述修正后掌握度指标对预设题目库中所述目标知识点对应的所有题目进行难度层级划分，并根据所述难度层级筛选出题目进行作业推送。

41、发明至少存在以下有益技术效果：

42、本申请的面向分层教学的智能作业推送方法，通过构建时序衰减模型对历史答题数据进行差异化权重赋值，使掌握度指标评估更贴近用户当前真实水平；通过知识点关联耦合矩阵对初始掌握度指标进行修正，有效消除知识点独立评估带来的偏差；基于修正后掌握度指标进行难度层级划分并筛选推送题目，实现了精准分层教学，提升了作业推送的针对性与学习效果。

1.一种面向分层教学的智能作业推送方法，其特征在于，包括：

2.根据权利要求1所述的面向分层教学的智能作业推送方法，其特征在于，s1中，所述历史答题数据包括答题时长、答题正误结果、答题时刻、知识点标签。

3.根据权利要求2所述的面向分层教学的智能作业推送方法，其特征在于，s2中，构建时序衰减模型，对所述历史答题数据进行差异化权重赋值，计算目标知识点的初始掌握度指标，包括：

4.根据权利要求3所述的面向分层教学的智能作业推送方法，其特征在于，s3中，基于结构关联、共现关联、语义关联构建知识点关联耦合矩阵，根据所述知识点关联耦合矩阵对所述目标知识点的所述初始掌握度指标进行修正，得到所述目标知识点的修正后掌握度指标，包括：

5.根据权利要求4所述的面向分层教学的智能作业推送方法，其特征在于，s31中，基于结构关联、共现关联、语义关联获取所有关联知识点对目标知识点的耦合权重系数，构建知识点关联耦合矩阵，包括：

6.根据权利要求5所述的面向分层教学的智能作业推送方法，其特征在于，s4中，根据所述修正后掌握度指标对预设题目库中所述目标知识点对应的所有题目进行难度层级划分，包括：

7.根据权利要求6所述的面向分层教学的智能作业推送方法，其特征在于，s43中，所述难度层级包括基础层级、提高层级、拓展层级。

8.一种面向分层教学的智能作业推送装置，其特征在于，包括：