一种思政课知识点动态推送方法及系统与流程

本技术涉及思政教育的，尤其涉及一种思政课知识点动态推送方法及系统。

背景技术：

1、现在高校思政课的线上教学里，现有的个性化推送方案，大多只盯着学生的知识掌握情况来划分水平，只能做到给不同学生推不同难度的学习内容，没考虑到学生对思政内容的认同程度是不一样的，没法针对思想认同层面做分层引导，没完全发挥思政课既要教知识、又要做价值引导的作用。

2、有些方案虽然想分析学生的价值取向，但基本都是靠直接发问卷、做测评的方式来收集信息。一来学生容易有抵触心理，二来很多学生会特意选“标准答案”，测出来的结果并不能反映学生真实的想法。同时这些和思想相关的评分数据，大多都是以明确的分数明文存储和使用的，既存在学生思想数据泄露的隐私风险，也容易给学生贴上固定的思想标签，不符合思政教育循序渐进、慢慢引导的规律。

技术实现思路

1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本技术的一个目的在于提供一种思政课知识点动态推送方法及系统，双维度适配贴合思政育人属性：构建认知层级与价值取向双维度的适配体系，在根据学生认知能力匹配对应难度学习内容的基础上，同步结合价值认同状态匹配对应深度的引导内容，实现了思政课知识学习与价值引领的双重个性化适配，提升教学引导的针对性。

3、为达到上述目的，本技术第一方面实施例提出了一种思政课知识点动态推送方法，包括以下步骤：

4、采集学生的多维学习数据，所述多维学习数据包括作答文本数据、讨论发言数据与行为选择数据；

5、调用预训练的立场检测模型，对学生的作答文本、讨论发言和行为选项进行多源语义分析，隐式推断学生的价值取向倾向，得到价值取向综合评分；

6、将所述价值取向综合评分映射为预设的若干个价值取向模糊等级并输出；

7、将价值取向数据采用同态加密技术存储，参与认知层级标定运算时于密文空间内完成数值计算，解密时仅输出适配等级标识，不输出原始评分数据；

8、基于包含价值取向维度的多维学习数据构建学生认知模型，标定学生的认知层级；

9、根据标定的认知层级和价值取向模糊等级，驱动思政课学习资源的适配与答题引导。

10、根据本技术实施例的一种思政课知识点动态推送方法及系统，双维度适配贴合思政育人属性：构建认知层级与价值取向双维度的适配体系，在根据学生认知能力匹配对应难度学习内容的基础上，同步结合价值认同状态匹配对应深度的引导内容，实现了思政课知识学习与价值引领的双重个性化适配，提升教学引导的针对性。

11、另外，根据本技术上述提出的一种思政课知识点动态推送方法及系统还可以具有如下附加的技术特征：

12、在本技术的一个实施例中，所述多源语义分析包括作答文本语义分析、讨论发言语义分析和行为选项倾向分析三路数据，三路数据分别独立进行价值取向推断后，加权融合得到综合推断结果，加权融合公式

13、其中，为时刻的价值取向评分，为作答文本推断得分，为讨论发言推断得分，为行为选项推断得分，、、分别为三路数据的权重且满足，为本次观测的更新权重，为上一时刻的综合评分。

14、在本技术的一个实施例中，讨论发言权重根据发言长度和内容质量因子动态调整，调整后、按初始权重比例同步缩放，保持权重和为1，调整后的权重满足，，为调整权重；

15、所述讨论发言权重调整公式为：

16、

17、其中，为讨论发言权重的基础值，为归一化后的发言长度，为内容质量因子，和为预设的调节系数；

18、所述内容质量因子

19、其中，为发言文本中与预设思政核心价值关键词词典相匹配的词项数量，为发言文本的总词数；

20、所述预设思政核心价值关键词词典与所述立场检测模型所使用的关键词词典为同一词典。

21、在本技术的一个实施例中，所述同态加密技术采用paillier加法同态加密方案，将价值取向数据以n维向量表示，每个维度对应一个思政核心价值维度，逐分量加密后存储；预先为思政课题库中的各题目配置价值导向维度标签向量，所述价值导向维度标签向量与所述价值取向向量的维度一一对应；

22、将加密后的价值取向向量与题目的价值导向维度标签向量在密文空间计算匹配度，对匹配度排序后筛选适配题目，生成个性化答题序列，其中认同度高的维度优先选取思辨辨析类题目，认同度待提升的维度优先选取案例引导类题目；

23、所述密文空间的匹配度计算公式为

24、

25、其中，为学生的价值取向向量，为第道题的价值导向维度标签向量，为paillier加密函数，为密文形式的匹配度；

26、对匹配度排序后，对认同度高的维度优先选取思辨辨析类题目，对认同度待提升的维度优先选取案例引导类题目。

27、在本技术的一个实施例中，所述模糊等级至少包括认同度高、认同度中、认同度待提升三个等级，等级划分采用迟滞阈值机制，设当前等级为，当前评分为，上调阈值为，下调阈值为，认同度中与认同度高之间的第二上调阈值、第二下调阈值，且，当前价值取向综合评分为；

28、当为认同度待提升且时，将等级上调为认同度中；

29、当为认同度中且时，将等级上调为认同度高；

30、当为认同度高且时，将等级下调为认同度中；

31、当为认同度中且时，将等级下调为认同度待提升。

32、在本技术的一个实施例中，根据迟滞阈值机制判定的价值取向模糊等级，筛选对应类型的学习内容并生成引导序列，认同度高对应思辨辨析类题目与开放性议题内容；

33、认同度中对应案例阐释类内容与原理讲解资源；

34、认同度待提升对应故事感染类内容与榜样案例资源。

35、在本技术的一个实施例中，还包括标签重置步骤，根据自适应重置周期，自动执行包括价值取向维度在内的认知层级标签的重置操作，将所有认知标签恢复至初始待标定状态；

36、所述自适应重置周期公式，其中，为基础重置周期，为近期学习活跃度，为认知变化速率，和为预设调节系数；

37、所述认知变化速率基于综合价值取向评分在预设时间窗口内的标准差计算得到；

38、所述近期学习活跃度为预设时间窗口内学生学习行为次数经归一化后的数值，取值范围为；

39、所述认知变化速率基于综合价值取向评分在预设时间窗口内的标准差计算得到，具体为：先计算时间窗口内价值取向综合评分序列的样本标准差，再将所述样本标准差通过预设最大标准差阈值线性归一化至区间，得到认知变化速率；

40、当样本标准差大于等于预设最大标准差阈值时，取值为1。

41、在本技术的一个实施例中，基于学生的认知层级和经迟滞阈值机制判定的价值取向模糊等级，在思政课资源库中进行双维度联合检索，计算资源综合匹配分，综合匹配分公式

42、

43、其中，为认知难度匹配分，为价值导向匹配分，为专业适配分，为兴趣偏好匹配分，、、、为对应权重且；

44、根据综合匹配分排序生成推荐的个性化学习资源序列。

45、本技术第二方面实施例提出了一种思政课知识点动态推送方法及系统，包括数据采集模块，用于采集学生的多维学习数据，所述多维学习数据包括作答文本数据、讨论发言数据与行为选择数据；

46、价值取向分析模块，用于调用预训练的立场检测模型，对所述多维学习数据进行多源语义分析，隐式推断学生的价值取向倾向，得到价值取向综合评分；

47、等级映射模块，用于将所述价值取向综合评分映射为预设的若干个价值取向模糊等级并输出；

48、加密存储模块，用于将价值取向数据采用同态加密技术存储，参与认知层级标定运算时于密文空间内完成数值计算，解密时仅输出等级标识；

49、认知层级标定模块，用于基于包含价值取向维度的多维学习数据构建学生认知模型，标定学生的认知层级；

50、适配引导模块，用于根据标定的认知层级和价值取向模糊等级，驱动思政课学习资源的适配与答题引导。

51、本技术第三方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面实施例提出了一种思政课知识点动态推送方法的任意步骤。

52、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。