一种公共英语学习交流平台的制作方法

[0001]
本发明涉及英语学习领域，具体涉及一种公共英语学习交流平台。


背景技术：

[0002]
目前，现有的公共英语学习平台在使用过程中，学习资料和训练习题的选择基本由学生主动进行，而大多数的学生都会从自身的乐趣下手去进行训练试题的选择，这无疑会使得强项更强，弱项更弱的情况的发生；且在整个学习过程中学生也很难确切的发现自己的不足，学习训练均存在很大的盲目性，大大降低了学习效率。


技术实现要素：

[0003]
为解决上述问题，本发明提供了一种公共英语学习交流平台，采用动态智能机选资料的模式，可以根据学习者自身的学习情况配置不同的学习资料和训练资料，从而实现针对性的学习，大大提高学习效率。
[0004]
为实现上述目的，本发明采取的技术方案为：一种公共英语学习交流平台，包括：自检模块，用于实现用户当前英语等级、薄弱点的检测；自适应学习模块，用于根据用户当前英语等级、薄弱点及学习目标生成对应的学习任务，并为每一个学习任务配置对应的学习资料；强化训练模块，用于根据所述学习任务配置对应的强化训练试题，实现针对性强化训练，内设自动评估模块，用于根据预设的算法实现训练结果的审阅，采用修订的模式进行审阅后的结果的反馈；联机训练模块，用于以角色扮演、游戏任务过关的模式实现各账户之间的联机训练；定向交流模块，用于实现与指定的账户的交流，在进行交流前需先发送交流请求到对应的账户，在该账户返回确认信息后方可进行该模块的启用；学习情况汇总模块，用于根据用户所选择的汇总时间区间，实现该时间内各学习模块情况的汇总。
[0005]
进一步地，所述自检模块，基于预设的英语等级测试试题、英语等级测试卷模板及英语等级模型、英语等级薄弱点识别模型实现用户当前英语等级、薄弱点的检测。
[0006]
进一步地，所述英语等级模型、英语等级薄弱点识别模型采用xception模型。
[0007]
进一步地，所述自适应学习模块首先基于模糊神经网络算法根据用户当前英语等级、薄弱点及学习目标生成对应的学习任务（由若干子任务构成，且子任务的难度依次增大），然后基于神经网络模型实现学习任务内载知识点的识别，并根据识别结果基于决策树为每一个学习任务配置对应的学习资料。
[0008]
进一步地，每一个学习任务内均设有一任务进度跟踪模块，强化训练模块根据任务进度跟踪模块所反馈的任务进度进行强化训练试题的配置。
[0009]
进一步地，还包括：
试题解析模块，用于实现学生所上传试题的解析，内载机器解析模式和人工解析模式；在机器解析模式内载的解答模型未查询到相应解析资料时，人工解析模式启动。
[0010]
进一步地，还包括：好友推荐模块，用于通过计算两个账户之间学习任务的相似性，若录入预设的相似度，则相互推荐；好友添加/删除模块，用于各账户之间进行好友的添加/删除。
[0011]
本发明具有以下有益效果：采用动态智能机选资料的模式，可以根据学习者自身的学习情况配置不同的学习资料和训练资料，从而实现针对性的学习，大大提高学习效率。
附图说明
[0012]
图1为本发明实施例一种公共英语学习交流平台的系统框图。
具体实施方式
[0013]
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0014]
如图1所示，本发明实施例提供了一种公共英语学习交流平台，包括：注册登录模块，用于用户注册登录；自检模块，用于实现用户当前英语等级、薄弱点的检测；自适应学习模块，用于根据用户当前英语等级、薄弱点及学习目标生成对应的学习任务，并为每一个学习任务配置对应的学习资料；强化训练模块，用于根据所述学习任务配置对应的强化训练试题，实现针对性强化训练，内设自动评估模块，用于根据预设的算法实现训练结果的审阅，采用修订的模式进行审阅后的结果的反馈；联机训练模块，用于以角色扮演、游戏任务过关的模式实现各账户之间的联机训练；设有三种模式，一种为带英语字幕提醒的初级模式，一种为带中文字幕提醒的中极模式，另一种为没有字幕提醒的终极模式；定向交流模块，用于实现与指定的账户的交流，在进行交流前需先发送交流请求到对应的账户，在该账户返回确认信息后方可进行该模块的启用；学习情况汇总模块，用于根据用户所选择的汇总时间区间，实现该时间内各学习模块情况的汇总；试题解析模块，用于实现学生所上传试题的解析，内载机器解析模式和人工解析模式；在机器解析模式内载的解答模型未查询到相应解析资料时，人工解析模式启动。
[0015]
好友推荐模块，用于通过计算两个账户之间学习任务的相似性，若录入预设的相似度，则相互推荐；好友添加/删除模块，用于各账户之间进行好友的添加/删除；中央处理模块，用于协调上述模块工作。
[0016]
本实施例中，所述自检模块，基于预设的英语等级测试试题、英语等级测试卷模板
及英语等级模型、英语等级薄弱点识别模型实现用户当前英语等级、薄弱点的检测。检测时，首先调用英语等级测试卷模板，基于英语等级测试卷模板实现对应的英语等级测试试题的挖掘、排版，从而形成英语等级测试试卷，然后进行用户解答结果的评估，根据评估结果基于英语等级模型、英语等级薄弱点识别模型实现用户当前英语等级、薄弱点的检测。
[0017]
本实施例中，所述英语等级模型、英语等级薄弱点识别模型采用xception模型。英语等级模型基于英语试题类型编号及其对应的正确率训练所得；英语等级薄弱点识别模型基于英语试题编号及其对应的知识点训练所得。
[0018]
本实施例中，所述自适应学习模块首先基于模糊神经网络算法根据用户当前英语等级、薄弱点及学习目标生成对应的学习任务（由若干子任务构成，且子任务的难度依次增大），然后基于神经网络模型实现学习任务内载知识点的识别，并根据识别结果基于决策树为每一个学习任务配置对应的学习资料。
[0019]
本实施例中，每一个学习任务内均设有一任务进度跟踪模块，强化训练模块根据任务进度跟踪模块所反馈的任务进度进行强化训练试题的配置。
[0020]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。