一种个性化教育的评测和推题系统的制作方法
【专利摘要】本发明涉及一种个性化教育的评测和推题系统，本发明公开了一个能够准确预测学生对题目的解题能力(通过率)的数据挖掘模块和系统，并基于学生对题目和知识点的通过率预测，构建了一个能够区分学生能力强、中、弱等不同级别进行个性化推题的推荐系统。
【专利说明】一种个性化教育的评测和推题系统
【技术领域】
[0001] 本发明涉及一种个性化教育的评测和推题系统。
【背景技术】
[0002] 在线教育的在线练习产品和平台中，评价学生的能力并给学生推荐适合他的题 目，是教育行业的核心问题之一。现在的在线教育平台的基本做法有几种，第一种是老师根 据个人的教学经验，对他所带的班级分配一批自己筛选的题目，第二种是系统自动统计学 生作题的通过率，以及题目被做对的正确率，通过简单的通过率和正确率比对来分配题目， 第三种是统计分析学生的作题历史，根据学生做错的题目进行重做推题，或者错题的类题 重做推题。等等。
[0003] 目前这些推题的方法，比较严重的依赖于老师的人工经验，对学生的能力（学生 解答题目的通过的可能性）没有准确的评价和预测，不能够给到每一个学生适合他的题 目，让他最快最好的提高解题能力和通过率。
[0004] 近些年在互联网行业，大数据、数据挖掘和机器学习技术有较多的应用，有部分互 联网企业在教育平台上，有做课程的推荐系统，也有做问答的推荐系统。前者他们一般的做 法是挖掘用户的兴趣历史，或者寻找相似用户群体，进行课程的推荐；而后者一般是根据用 户的回答问题的历史文本中，抽取关键词或分类，进行问题推送。这些技术本质上都是基于 用户的兴趣模型来做课程或问题推荐，有一定的个性化能力，但并不能解决学生的解题能 力评价和教育效果预测，也不能做到教育规律的本质挖掘和把握。
【发明内容】
[0005] 本发明公开了一个能够准确预测学生对题目的解题能力（通过率）的数据挖掘 模块和系统，并基于学生对题目和知识点的通过率预测，构建了一个能够区分学生能力强、 中、弱等不同级别进行个性化推题的推荐系统。
[0006] 所述系统包括如下模块：
[0007] (I)IRT模型模块：首先，选定教育模型是IRT模型，即一个学生有一个能力值 theta，一个题目有一个难度参数b，一个区分度参数a，则这个学生做对这个题目的概率为 IRT模型模块；
[0008] (2)通过率预测模块：设每一个人的能力评价为thetai，和每一个题目的评价 (aj，bj)，构建一个基于具有反馈机制的IRT模型的预测模型，来预测任意一个学生对任意 一个题目的通过率，该模型为通过率预测模块；
[0009] (3)核心参数启发式模块：其包括如下子模块：
[0010] theta替换概率模块，ab替换概率模块，第一启发式参数模块，第二启发式参数模 块，第三启发式参数模块，第一启发式替换模块，第二启发式替换模块，第三启发式替换模 块。
[0011] 本发明学生在大数据平台上积累了如下的作题原始数据：
[0012]
【权利要求】
1. 一种个性化教育的评测和推题系统，其特征在于： 所述系统包括如下模块： (1) IRT模型模块：首先，选定教育模型是IRT模型，即一个学生有一个能力值theta，一 个题目有一个难度参数b，一个区分度参数a，则这个学生做对这个题目的概率为IRT模型 模块； (2) 通过率预测模块：设每一个人的能力评价为thetai，和每一个题目的评价（aj， bj)，构建一个基于具有反馈机制的IRT模型的预测模型，来预测任意一个学生对任意一个 题目的通过率，该模型为通过率预测模块； (3) 核心参数启发式模块：其包括如下子模块： theta替换概率模块，ab替换概率模块，第一启发式参数模块，第二启发式参数模块， 第三启发式参数模块，第一启发式替换模块，第二启发式替换模块，第三启发式替换模块。
2. 如权利要求1所述的一种个性化教育的评测和推题系统，其特征在于： 所述IRT模型模块为： _ 1 Pij ："""" . 所述通过率预测模块为： predictμ.. = ρ(β - feedbackme{thetaithj) 】 j 其中第二项是一个平均误差的反馈因子，第二项反馈因子的计算方法是： f % ^all range{thetaArangeithet(i；-b；)^ii^^ ) j €6uuQckme bjj = - 1-~- range (theta^.rangeitheta^-bj)^1 j Yinserk=thetaiJtemcl=bXykq) ?jpf - _1.............................!_ 其中range是保留一位小数的范围操作。
3. 如权利要求1或2所述的一种个性化教育的评测和推题系统，其特征在于： 所述theta替换概率模块如下： r _ llj(Pij(thetanew,an,bn--l·.(l-p l]ithetaneι^anMn)fL~ yiP)< e-〇s：theta?ew2 所 ￡ eta UjiPijithetan,an,btt) yij <(i-pij(thetan,an.bn))u~ yij)}>e-〇-s'Thetan Z 述ab替换概率模块如下： Rab = ni(pi^heta"M"ew.b"ew) yii re^'l〇3 t"?ew2)，所 ni(Pij{theta,t,an,hn)yii Hl-pijlthetaft.anJj^f^'^f')^-0·5'^2，a t-i ,e-〇-s-l〇g ιαη2) 述第一启发式参数模块如下： detat eta = c-τμη--+|jf)-tAeta? /Σ/.1 , /(--1) / 所述第二启发式参数模块如下：- 1 1 /-1.7 aema - (lithet"n^ ^ an 所述第三启发式参数模块如下：rfeta& = _ ' I /-,.7 _bn Hr 1 ， 所述第一启发式替换模块如下： (thetauew, if detatheta * {thetanew - thetaH) > 0 t etan+1 = thetan--_，eise \ 11 l.O-i-\thetanew\^\thetan\ j f ^f 一 - 〇 所述第二启发式替换模块如下：= I a -_?,!?￡!￡Ζ￡〇_ €lse (bneWJ if dctciij ^ (hnew -- bfl) ^ 0 所述第三启发式替换模块如下：hi + l = I U _ b new-bn i l n i.o+MwwHM， 〇
4. 如权利要求3所述的一种个性化教育的评测和推题系统，其特征在于： 知识点参数的估算模块如下： 'hallirenijivith kp(^j) avg(kp) Σ--ΙΙ ifem-fh fcp⑴， ZidHtemjwith kpibj) ^aug(kp) = ; TTT l^al! iremjwitli O
5. 如权利要求4所述的一种个性化教育的评测和推题系统，其特征在于： 个性化题目推荐系统的基础数据是： userdatat eta = (useiv thetaj，用户能力训练数据； Icpdata = (liserjphpredicl^)用户知识点通过率预测数据； j kpitemdata = (kpk，item』，a』，bj)，知识点对应题目及题目难度、题目区分度数据。
【文档编号】G06Q50/20GK104239969SQ201410448578
【公开日】2014年12月24日 申请日期:2014年9月4日 优先权日:2014年9月4日
【发明者】李连华, 邹鹏 申请人:上海合煦信息科技有限公司