一种语言学习方法及装置与流程

本发明涉及数据处理技术，具体的讲是一种语言学习方法及装置。
背景技术：
：当前对外汉语教学技术的研究重点在资源库建设以及mooc(massiveopenonlinecourses，大型开放式网络课程)研究方面，重点是内容建设，通过网络的便捷渠道和多媒体的展现方式辅助汉语学习者进行学习，而在实际教学中，主要通过学习者的学习目的分类进行分类教学，进行的依然是集体教学的形式。内容建设工作为汉语学习者提供了海量的资源，但是这种普遍性的资源和群体的教学方式，依然缺乏对学习者个性化信息的了解，当学习者发生学习困难时，不能准确的把握原因，也不能进行有针对性的指导，在教学内容和课程安排上都没有真正做到因材施教，也没有给学习者很多的主动学习的空间，无法做到真正的辅助教师教学或学习者自主学习。技术实现要素：为提高语言学习的效率，对不同用户提供有针对性的教学内容，本发明实施例提供了一种语言学习方法，所述的方法包括：获取用户的语言学习交互数据确定用户的语言水平；其中，所述的用户的语言水平包括：用户的语言初始水平、当前语言水平；根据所述用户的语言初始水据确定初始的学习模型；根据所述的当前语言水平数据利用自适应算法更新所述初始的学习模型，用户根据更新后的学习模型进行语言学习。本发明实施例中，所述的语言学习交互数据包括：用户输入的基本信息数据、用户的学习行为数据。本发明实施例中，所述的获取用户的语言学习交互数据确定用户的语言水平包括：根据用户输入的基本信息数据确定用户的语言初始水平；其中，所述的基本信息数据包括：用户年龄、国别以及当前语言等级水平；根据获取用户的学习行为数据确定当前语言水平；其中所述学习行为数据包括：用户的练习数据，学习内容数据。本发明实施例中，所述的根据所述用户的语言初始水平数据确定初始的学习模型包括：根据用户的语言初始水平数据从预设的教学数据库中选择对应用户初始水平的教学数据及练习数据作为初始的学习模型。本发明实施例中，所述的根据所述的当前语言水平利用自适应算法更新所述初始的学习模型包括：对用户的学习内容数据、测试数据、练习数据分别设置对应的权重值；根据用户的学习内容数据、测试数据、练习数据及对应的权重值确定用户的当前语言水平；根据当前的语言水平从预设的教学数据库中选择对应用户当前水平的学习内容数据，练习数据作为当前的学习模型。同时，本发明还提供一种语言学习装置，装置包括：交互数据处理模块，用于获取用户的语言学习交互数据确定用户的语言水平；其中，所述的用户的语言水平包括：用户的语言初始水平、当前语言水平；模型建立模块，用于根据所述用户的语言初始水平确定初始的学习模型；模型更新模块，用于根据所述的当前语言水平利用自适应算法更新所述初始的学习模型，用户根据更新后的学习模型进行语言学习。本发明实施例中，所述的语言学习交互数据包括：用户输入的基本信息数据、用户的学习行为数据。本发明实施例中，所述的交互数据处理模块包括：基本信息处理单元，根据用户输入的基本信息数据确定用户的语言初始水平；其中，所述的基本信息数据包括：用户年龄、国别以及当前语言等级水平；学习数据处理单元，根据获取用户的学习行为数据确定当前语言水平；其中所述学习行为数据包括：用户的练习数据，学习内容数据。本发明实施例中，模型更新模块包括：权重值设置单元，用于对用户的学习内容数据、测试数据、练习数据分别设置对应的权重值；语言水平确定单元，根据用户的学习内容数据、测试数据、练习数据及对应的权重值确定用户的当前语言水平；模型更新单元，用于根据当前的语言水平从预设的教学数据库中选择对应用户当前水平的学习内容数据，测试数据及练习数据作为当前的学习模型更新初始学习模型。本发明实施例中，所述的模型建立模块，进一步根据用户的语言初始水平从预设的教学数据库中选择对应用户初始水平的教学数据及练习数据作为初始的学习模型。本发明提供引导语言学习者学习路径，同时通过对学习者练习数据的抓取，实时判断学习者实时学习进度，以及通过对学习者学习行为的分析，在练习和引导学习中进行个性的推荐，以便学习者清晰的把握自我学习进度，及时进行查漏补缺，从而提高学习效率。为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明提供的一种语言学习方法的流程图；图2为本发明提供的语言学习装置的框图；图3为本发明一实施例的框图；图4为本发明实施例提供的语言学习方法的流程图；图5为本发明实施例的流程图；图6为本发明实施例的流程图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。如图1所示，本发明提供一种语言学习方法，包括：步骤s101，获取用户的语言学习交互数据确定用户的语言水平；其中，所述的用户的语言水平数据包括：用户的语言初始水平、当前语言水平；步骤s103，根据用户的语言初始水平确定初始的学习模型；步骤s105，根据当前语言水平利用自适应算法更新所述初始的学习模型，用户根据更新后的学习模型进行语言学习。本发明实施例中，所述的语言学习交互数据包括：用户输入的基本信息数据、用户的学习行为数据。本发明实施例中，所述的获取用户的语言学习交互数据确定用户的语言水平数据包括：根据用户输入的基本信息数据确定用户的语言初始水平；其中，所述的基本信息数据包括：用户年龄、国别以及当前语言等级水平；根据获取用户的学习行为数据确定当前语言水平数据；其中所述学习行为数据包括：用户的练习数据，学习内容数据。本发明实施例中，所述的根据所述用户的语言初始水平数据确定初始的学习模型包括：根据用户的语言初始水平数据从预设的教学数据库中选择对应用户初始水平的教学数据及练习数据作为初始的学习模型。同时，如图2所示，本发明还提供一种语言学习装置，装置包括：交互数据处理模块201，用于获取用户的语言学习交互数据确定用户的语言水平数据；其中，所述的用户的语言水平数据包括：用户的语言初始水平数据、当前语言水平数据；模型建立模块202，用于根据用户的语言初始水平数据确定初始的学习模型；模型更新模块203，用于根据当前语言水平数据利用自适应算法更新所述初始的学习模型，用户根据更新后的学习模型进行语言学习。本发明实施例中，交互数据处理模块201包括：基本信息处理单元，根据用户输入的基本信息数据确定用户的语言初始水平数据；基本信息数据包括：用户年龄、国别以及当前语言等级水平；学习数据处理单元，根据获取用户的学习行为数据确定当前语言水平数据；其中所述学习行为数据包括：用户的练习数据，学习内容数据。下面结合具体的实施例对本发明的技术方案作进一步详细说明：本实施例公开一种汉语学习系统，通过该系统对上述的语言学习方法及装置作进一步详细说明，如图3所示，为本实施例公开的汉语学习系统的结构框图，其主要有三大模块：资源层、用户模型与推荐引擎模块、应用呈现层。其中资源层包括利用mongodb(基于分布式文件存储的数据库)建立的对语法知识库和语法练习题库(即相当于前述的预设的教学数据库)，本实施例中，语法知识库中包含对中英文讲解、知识点难度与级别，例句，图片说明，视频讲解等信息，语法练习题库包含题目难度、答案标注、题目类型和相关知识点等标注信息，以便通过练习题目获取相关信息。用户模型与推荐引擎模块包括：个性化的用户模型和自适应学习推荐引擎，通过自适应推荐引擎，基于学习者的个性化模型，根据用户的语言水平向学习者建议和推送学习资源；本实施例中，应用呈现层包括：语法学习、习题练习、学习进度三个部分，其中，语法学习部分是知识点的呈现，供学习者学习和参与，习题练习部分又分为专项练习和随机练习。专项练习是针对单独复句类型进行的练习，随机练习是包括整个学习内容的随机练习。学习进度为学习者提供了复句类型及其二级语法点的学习进度的可视化展现。三大模块共同构建了以复句知识库为依托的、通过推荐模型根据用户模型向学习者推荐适当的学习资源和习题，引导学习者进行学习和联系，并将学习进度生动展示给学习者的对外汉语语法自适应学习系统。其中，用户模型是自适应学习系统的核心部分，反映了学习者与系统交互、绩效行为和学习记录等主观和客观的信息。分为三个部分：一是学习者基本信息模型，指学习者的姓名、性别、国别、年龄等常态的不易变更的属性信息以及登录系统所需的账号密码信息；二是学习者学习行为模型，指学习者在使用系统过程中所产生的一系列的操作和操作的时间节点，如：登录时间，退出时间，学习行为类型等，为了对学习者的行为进行更深入的考察，对学习者在练习过程中产生的作答时间、作答对象、作答结果等数据也会记录下来，作为学习者掌握程度判断的依据；三是学习者掌握程度模型，即学习者对复句及其二级语法点的掌握情况。1)学习者首次登录系统需要进行账号，登记用户名、国别、年龄、hsk(汉语水平考试)等基本信息。2)依据用户注册填写的hsk等级，系统会判断是否需要前测，hsk等级大于3级则需要前测，以判断学习者当前实际掌握水平是否与等级相符，等级小于或等于3级则不需要前测。如图4所示，为本实施例中进行前测的语言学习方法的流程图：步骤s102，获取用户的基础信息数据确定前测内容，并判断学习者初始语言水平，其中所述的用户的基本信息数据指：当前语言等级水平。步骤s103，根据用户的语言初始水平确定初始的学习模型；步骤s105，根据当前语言水平利用自适应算法更新所述初始的学习模型，用户根据更新后的学习模型进行语言学习。3)如图5所示，若学习者需要前测，本实施例的系统会根据不同hsk等级提供前测试题，根据答题情况调整对其预设的用户模型，如果完成度低于60％，则会进行降级重测，即按照低一级的hsk等级预设模型进行重新测试，直至通过测试或测试等级等于3级，无需测试。如果完成度低于80％，则会依据前测试题的作答情况，针对对应的知识点，对其预设的用用户模型进行调整后，完成用户模型的初始设置。4)如学习者不需要进行测试或非首次登录，系统会进入主页，分别呈现学习模块、练习模块和进度展示模块，由学习者自行选择学习项目。5)其中学习模块会根据当前用户的掌握水平，自动给推荐该阶段中掌握水平较低的5项知识点推荐学习者进行学习。如图6所示为本发明实施例中，关于学习模型的自适应学习流程图，用户登录系统后，系统读取用户当前的语言掌握水平，由用户选择自主学习或练习，用户选择练习后，系统向用户推荐学习内容；用户选择练习时，系统向用户推荐练习题目，用户完成练习题目并提交，系统根据用户提交的练习结果向用户反馈答题结果，同时系统修正掌握水平，更新用户当前掌握水平，以及时更新用户的掌握水平，向用户提供更符合用户语言水平的学习内容或练习题目。6)进入学习模块后，每个对应的知识点会通过中英文注释，实际语料示例，图片说明与视频讲解的形式进行自主学习，尊重学习者个人的学习风格。7)对于暂时未能理解或掌握不够牢固的知识点，学习者可以通过添加生词库的形式，进行维护，选择重点关注点知识点。8)在系统主页，学习者也可以选择直接进行练习，练习模块提供了随机练习和专项练习两种模式。9)其中随机练习是指，系统针对学习者当前对知识点掌握的整体情况，主要针对学习者该阶段中掌握水平较低的知识点，随机从试题库中提取10个题目供学习者练习。10)其中专项练习是指，学习者可以自行选择想要练习的专项知识点，针对该知识点，结合当前学习者掌握水平，提取和知识点相关的题目供学习者练习。11)学习者每次的答题情况都会被记录下来，通过题目关联的知识点，其题目的回答情况，直接对学习者的知识点掌握情况进行调整，并作为下次进行学习推荐和练习题目提取的参考数据。12)为便于学习者直观了解学习进度，系统还通过可视化的形式，分别展示整体和不同知识点的掌握进度，为学习者进行查漏补缺提供指引。本发明实施例中，用户的学习模型(初始学习模型和当前的学习模型)包括：学习者的基本信息模型、学习者的学习行为模型以及学习者掌握程度模型。学习者的基本信息模型是相对稳定的信息，包括学习者基本信息(用户名、密码、姓名)、人口学信息(性别、国别、年龄)和当前汉语水平信息(hsk等级)，这些信息在学习者首次注册登录系统时需要自行录入。其中学习者基本信息为学习者登录系统所需要的信息。在系统使用过程中，随着数据的积累，人口学信息对数据分析同样有着重要的价值，如查看国别化差异，了解性别差异在语言学习中的不同特点，不同年龄段人群的特殊性等，对于更好地完善系统有着重要的意义。同时，学习者输入的hsk等级也会是系统对学习者进行前测和用户模型预设的依据，学习者基本信息模型表结构如表1所示。表1学习者基本信息表结构学习者的学习行为模型主要为记录学习者在使用学习系统时所进行的相关操作的数据信息，如表2，包括登录时间、退出时间和操作类型，其中登录时间和退出时间，可以反映出学习者的学习时间分配以及学习时长，反映了学习者的学习风格和学习的积极性。操作类型分为学习和练习两种类型，学习行为的记录可以有效地观测、分析学习者的学习特点，比如学习者习惯在何时进行学习，何时进行练习，结合练习的反馈情况也可以在一定程度上反映学习者的学习效果。表2学习者学习行为模型字段属性名数据类型可否为空字段含义user_idvarcharn用户名startimedaten登录时间exittimedaten退出时间operationvarcharn操作类型除了系统登入登出的操作记录，为了全面地把握学习者的学习水平动态情况，还需要对学习者在练习活动中的行为进行记录，包括作答的总体时长(通过作答起止时间计算)，练习类型(专项练习和随机练习)，以及题目编号、用户作答结果和答题的结果，其中题目编号关联了对应题目的语法考察点，通过对答题结果判断可以推测该学习者对考察语法点的掌握情况，如表3所示：。表3学习者答题情况记录表结构字段属性名数据类型可否为空字段含义user_idvarcharn用户名star_timedaten作答开始时间out_timedaten作答结束时间operationvarcharn练习类型(专项或随机)question_idvarcharn题目编号stu_answervarcharn用户作答resultvarcharn答题结果学习者掌握程度模型，为了方便学习者随时观察自身的学习进度和存在的不足，需要对学习者当前对各个语法点的掌握程度有一个实时的反馈，同时作为一个学习系统，旨在不断提高学习者的掌握程度，因此，不同于一般的测试系统，自适应学习系统的学习者的认识水平是在不断变化中的，基于对学习者日常练习的作答情况的历时记录，进行统计可以更好地反映学习者当前的掌握程度。在学习行为记录的基础上，对学习者的学习进度也采用的是动态记录的形式，以充分反映出学习者在学习过程中的对语法点的掌握的动态变化，有利于更好地分析学习者的学习能力，包括账号、语法点(复句类型、二级语法点)、时间节点信息、掌握水平、以及学习者标记。其中，学习者标记是指学习者在知识点学习过程中可以自行添加已掌握和未掌握的标签，用以生成掌握知识点列表和未掌握知识点列表，方便学习者自行查阅，但是并不作为系统判断学习者对该知识点掌握水平的依据。基于这些历时的数据，通过时间节点和掌握水平的变化可以对学习者对某个知识点的学习情况进行历时的分析，对学习者的学习能力进行深入地判断，其具体结构如表4所示：表4学习者学习进度表结构字段属性名数据类型可否为空字段含义user_idvarcharn用户名typevarcharn复句类型grammarpointvarcharn语法点levelvarcharn掌握水平timedaten时间markvarchary学习者标记本发明实施例公开的汉语学习系统是通过学习者的答题情况来对学习者的掌握程度模型进行动态调整的，即每次学习者的作答情况都能反映在认识水平的变化上。通过题目的作答情况来反映了学习者的掌握程度，也应该考虑到可能存在的一些偶然性的因素的影响，比如学习者的随机选择，或者学习者在并不是充分理解的情况下做出的选择也有可能是正确选择，尤其是在知识掌握的初期，由于基础并不扎实，即便是作答正确也不能完全表明学习者已经掌握。针对这一情况，本实施例的系统通过对作答正确和作答错误设置相应的参数来调整掌握程度变化的方式来控制，答题正确时对相应知识点设置学习者掌握程度的提升，在学习者答题错误时也会以学习者对该知识点的掌握程度进行加权降低，以避免偶然性的因素影响系统对学习者掌握程度的判断，在完成一定数量的题目的基础上对学习者的掌握程度有更加准确的判断，使学习者得到充分的练习。本系统针对不同类型的题目类型设置了以下参数作为用户模型调整的初始参数，在实际使用的过程中，可以结合实际情况对参数进行调整。如表5所示：表5用户模型调整参数类型正确增量提升上限识记类10％*难度系数20％理解类13％*难度系数50％应用类15％*难度系数100％类型错误减量降低下限识记类10％*难度系数*1.20％理解类13％*难度系数*1.20％应用类15％*难度系数*1.20％识记、理解和应用三类题型由于考察目标和自身难度的不同，作答正确对学习者掌握程度的提升权重也是不相同的，识记类的题目仅仅考察的是学习者对语法点的记忆，因此权重最低，同时考虑到识记类题目处于教学目标中的浅层，对基于识记类题目对掌握程度的提升设置了上限20％，即学习者通过识记类题目的作答对认识水平的贡献最大值为20％；相对于识记类题目，理解类题目反映了更高的掌握程度，因此权重更高，基于理解类题目提升的掌握程度上限也设定为50％；应用层级是本系统对学习者所要求的最终教学目标，因此能够顺利完成应用类题目，也就意味着达到了系统的教学目标，因此，应用类题目的作答的贡献也就是最大的，并且基于应用类题目获得的掌握程度提升上限可以达到100％，即完全掌握。除了针对不同类型题目对掌握程度上限的设置，不同难度的题目对掌握程度的贡献也不相同，作答正确会对学习者的掌握程度有提升，如果作答错误则需设置权重更大的扣除参数，在题目类型上，本实施例分别对识记类、理解类和应用类设置了10％、20％和30％的调整参数；在题目难度上，基于题目的难度等级设置难度系数权重(难度系数＝1+难度等级×0.1)；在作答结果上，对于作答错误的情况，设置了1.2倍的减量权重，即作答错误的情况下，扣除更大比重的掌握程度。如理解类中难度为3的题目，其难度系数为1+3×0.1＝1.3，如果作答正确，则其掌握程度提升值为13％×1.3＝16.9％，如果作答错误，则掌握程度则会减少13％×1.3×1.2＝16.9％＝20.28％，通过这种动态调整机制，在一定程度上减少了偶然因素对学习者掌握程度判断的影响，避免非偶然原因导致的正确作答对掌握程度产生较大的影响，有利于更好地反映学习者的真实状况，并保证适当的练习。现有技术中，针对不同的教学目的和教学需求，出现了多种多样的网络教学模型和教学资源。但是现有的语言学习研究主要集中在传统多媒体技术辅助汉语教学和教学资源库的建设方面，没能充分关照到学习者的不同特点。本发明的语言学习方法及装置，充分考虑学习者的学习动机，充分体现以学习者为中心，保证高效率地提高学习者的语言交际能力，有效地提高学习者的学习效率，而不是简单地建设一个个杂乱无章的教育资源。在对学习者的需求有充分了解的基础上制作相应的教学资源，并利用自适应学习技术将这些资源进行更加有效的利用，才能使教学资源在合适的时间被合适的学习者使用，使教学资源发挥最大的价值，从而实现更有效的学习。自适应学习的意义不仅在于能够为学习者制定更加符合个人特点的学习路线，同时在于培养学习者采取适当的学习策略和养成良好的学习习惯，促成学习者的高效学习和终身学习。本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。当前第1页12