基于多源学习证据和置信度的知识能力状态评估方法与流程

本发明涉及知识能力状态评估，特别是涉及基于多源学习证据和置信度的知识能力状态评估方法。

背景技术：

1、计算机学习系统通常需要根据学习者的答题、测评、视频学习和任务完成情况估计其对各知识点的掌握状态，以便选择后续学习内容。不同来源记录的观测尺度、可靠程度和时间新鲜度不同，若直接将各来源结果进行平均，容易使自评记录、低质量行为记录与正式测评结果产生不合理的等同影响。学习证据还具有随时间减弱的特性，同一条正确答题记录在刚发生时与经过较长时间后对当前能力状态的说明力不同，不同证据来源及不同知识节点的记忆属性又对应不同的衰减速度。

2、现有技术若仅保存最近分值或累计正确率，难以同时表达证据强弱、证据新鲜度和状态可信程度。知识节点之间存在前置、包含、相似和易混等关系，当某一知识节点缺少直接证据时，可以利用相邻节点状态形成推断证据，但不受控制的图传播可能沿环路重复放大，或者使间接推断覆盖目标节点的真实直接观测，从而产生不可解释的能力状态。现有方案常将知识掌握度和置信度混为一个数值，连续无反馈、数据不足或证据相互冲突时，系统可能直接判定知识掌握度下降，实际上此时首先降低的是状态可观测性或判断可信程度，而不必然代表学习者的知识水平发生下降。此外，部分学习状态只给出一个最终分值，未保留所依据的证据记录、推断源节点和传播路径，难以说明状态来源，也无法在后续直接证据到达时有序替换较早的推断结果。

技术实现思路

1、针对上述情况，本发明通过将多源证据标准化后按来源可靠度和时间衰减加权融合，并将知识掌握度与状态置信度解耦计算，以置信度控制图传播、以直接证据约束推断，实现了从低置信度识别到补充证据再回到状态更新的优化。

2、其解决的技术方案是，基于多源学习证据和置信度的知识能力状态评估方法，包括以下步骤：

3、步骤1：获取目标学习者对应的知识依赖图和学习证据记录集；所述知识依赖图包括知识节点和具有关系类型的知识节点连接边；所述学习证据记录集中的每一证据记录包括目标知识节点、证据来源类型、观测结果和发生时间；

4、步骤2：按照证据来源类型将所述观测结果转换为具有证据方向和证据强度的标准化证据，再根据所述发生时间与状态评估时间之间的时间间隔对所述证据强度进行衰减处理，得到有效证据；

5、步骤3：针对每一知识节点，聚合与该知识节点直接关联的有效证据，根据正向有效证据强度与负向有效证据强度的差值确定表示当前能力水平的知识掌握度，同时根据有效证据数量和证据一致性程度确定表示该掌握度可信程度的状态置信度，所述知识掌握度与所述状态置信度分别依据证据的强度差值和证据的充分性指标确定；

6、步骤4：仅当所述状态置信度达到预设阈值时，以该知识节点为源头，根据知识节点连接边的关系类型确定传播方向，沿传播方向逐边乘以对应的衰减系数，在预设深度内生成相邻知识节点的推断证据；

7、步骤5：将直接关联的有效证据按照第一权重、推断证据按照第二权重进行加权合并，所述第一权重大于所述第二权重，根据加权合并后的证据更新各知识节点的知识掌握度和状态置信度，并将知识节点的状态类型标记为直接观测状态、推断状态或未评估状态；

8、步骤6：输出包含知识节点标识、知识掌握度、状态置信度和状态类型的知识能力状态集，并针对状态置信度低于诊断阈值且满足预设条件的知识节点生成诊断任务，将诊断结果作为新证据写回学习证据记录集触发状态更新。

9、进一步地，所述关系类型包括前置关系、包含关系、相似关系和易混关系；所述证据来源类型包括入学诊断测评、日常答题、阶段测试、视频学习、计划任务完成、间隔复习、学习复述和学习者自评中的至少两种；各证据来源类型分别配置来源可靠度，其中入学诊断测评、日常答题和阶段测试的来源可靠度高于学习者自评的来源可靠度。

10、进一步地，步骤2中所述证据方向根据观测结果是否达到对应通过阈值而确定为正向或负向；所述证据强度根据观测结果偏离通过阈值的程度、来源可靠度、数据完整度和异常行为检测结果共同确定，其中异常行为检测结果仅用于降低证据强度；所述衰减处理采用与证据来源类型和知识节点记忆属性对应的衰减参数，使发生时间越早的证据经衰减后的强度越低。

11、进一步地，步骤3中所述知识掌握度由正向有效证据强度与负向有效证据强度的加权差值确定；所述状态置信度由有效证据数量、有效证据强度总量、证据一致性程度和最近证据时间距状态评估时间的时间间隔共同确定，其中有效证据数量、有效证据强度总量和证据一致性程度为正向影响因素，最近证据时间间隔为负向影响因素，通过对所述正向影响因素加权求和再减去所述负向影响因素与预设衰减系数的乘积得到所述状态置信度，所述预设衰减系数用于调节时间陈旧度对置信度的影响程度；当所述有效证据数量未达到预设数量阈值或有效证据强度总量未达到预设强度阈值时，保持所述知识掌握度的原有值，若不存在原有值则将知识掌握度设为预设初始值并将状态置信度设为低于诊断阈值的数值。

12、进一步地，步骤4中前置关系沿知识先后顺序单向传播，包含关系沿知识层级双向传播，相似关系和易混关系沿关联方向双向传播；沿传播路径将待传播证据强度逐边乘以对应的衰减系数，得到各传播分支的推断证据强度；当推断证据强度低于终止阈值、到达具有直接有效证据的知识节点、达到预设深度或重复到达已访问知识节点时，终止对应传播分支。

13、进一步地，步骤5中所述第一权重大于所述第二权重，且二者之和为1；当目标知识节点存在发生时间晚于推断证据的直接有效证据时，采用该直接有效证据更新知识掌握度并降低所述第二权重；由推断证据形成的推断状态保持为推断状态，直至接收到强度达到确认阈值的直接有效证据时更新为直接观测状态。

14、进一步地，步骤6中所述预设条件为知识节点的考试权重达到目标权重阈值或知识节点位于重要知识节点的前置路径上；所述诊断任务包括候选知识节点、诊断资源和触发原因，所述诊断资源的难度根据知识掌握度确定、题量根据状态置信度确定；诊断结果写回后触发重新执行步骤2至步骤5。

15、进一步地，入学诊断测评、日常答题和阶段测试的来源可靠度依次递减；学习者自评的来源可靠度低于入学诊断测评、日常答题和阶段测试；连续无反馈记录仅用于降低行为可观测性参数和状态置信度，不直接降低知识掌握度；所述行为可观测性参数独立于知识掌握度存储。

16、进一步地，所述衰减参数由来源类型衰减基值和记忆属性衰减基值相乘得到；入学诊断测评、日常答题和阶段测试的衰减基值高于学习者自评的衰减基值；知识节点按照知识内容的遗忘特性被预先划分并标记为长期记忆属性或短期记忆属性，长期记忆属性知识节点的衰减基值高于短期记忆属性知识节点的衰减基值；所述证据一致性程度由预设时间窗口内正向证据的可靠度加权强度与负向证据的可靠度加权强度之差除以二者之和加上预设正数得到，取值于负一至正一之间。

17、进一步地，易混关系的逐边衰减系数小于包含关系的逐边衰减系数；所述预设深度与所述终止阈值之间具有约束关系：深度与终止阈值正相关配置，深度越大则终止阈值越高，使传播分支在到达深度上限前若强度已衰减至阈值以下则提前终止；传播完成后保留推断证据的源知识节点标识和传播路径作为溯源记录。

18、由于以上技术方案的采用，本发明与现有技术相比具有下优点；

19、1.通过证据来源类型对应的转换规则将观测结果映射至标准化数值区间，使入学诊断测评、日常答题、阶段测试等不同来源的观测结果均统一为支持或不支持知识掌握两种基本语义，消除了多源证据量纲不一致的混用障碍。同时根据发生时间与状态评估时间之间的时间间隔对证据强度进行衰减处理，并针对不同证据来源类型和知识节点记忆属性分别设置衰减参数，使正式测评的高可靠证据和长期记忆属性知识的证据在较长时间内保持较高强度，自评类低可靠证据和短期记忆属性知识的证据快速衰减，解决了现有技术中固定衰减窗口无法区分不同证据类型和知识特性的问题。2.通过知识掌握度反映学习者的实际能力水平，状态置信度反映能力估计值的可信程度，状态置信度同时作为启动图传播推理的控制开关，仅当置信度达到阈值时才允许证据向外传播，避免了低可信状态的知识节点沿知识图谱传播不可靠证据造成错误扩散。在状态合并时，直接关联的有效证据权重高于推断证据，并在新直接证据到达时逐步淘汰过时推断。还通过输出诊断任务信号并将诊断结果写回触发状态更新，同时保留推断证据的源知识节点和传播路径作为溯源记录，使每一知识能力状态均可追溯至源头证据和完整传播链路。附图说明

20、图1为本发明的流程图。

21、图2为本发明对多源学习证据执行标准化和时间衰减处理的流程图。

22、图3为本发明确定知识掌握度和状态置信度的流程图。

23、图4为本发明依据知识依赖图生成推断证据的流程图。

24、图5为本发明执行状态合并的流程图。

25、图6为本发明生成诊断任务并回写证据的流程图。