一种智能化教育资源平台调配的方法及系统与流程

1.本发明属于应用于教育资源平台调配的方法及系统技术领域，具体而言，涉及一种智能化教育资源平台调配的方法及系统。

背景技术：

2.教育资源平台在我们的日常生活中经常出现，对人们在学习课程方面起着重要的作用；但是教育资源平台推送的内容并没有结合用户本身的实际学习情况进行推送，推送的内容过于僵化，没有根据反馈情况进行调整；如果推送机制不进行调整，将对用户学习的效果大打折扣。
3.现今教育资源平台一方面不能够结合用户需求达到贴合的学习效果，没有针对用户进行弹性的推送机制；不仅让用户在教育资源平台学习浪费大量的时间，也没有达到想要的效果；另一方面教育资源平台并没有对用户学习过的课程进行科学的回顾，没有考虑到用户学习之后的记忆曲线规律，使用户学习完毕没有进行有效提示复习内容。

技术实现要素：

4.本发明是基于上述技术问题，针对的教育资源平台调配的方法及系统使用提出的一种智能化教育资源平台调配的方法及系统；不仅根据用户选择内容的需求进行弹性的推送机制，还能够对教育资源平台用户学习过的课程进行科学的回顾，使学习过的内容得到加强。
5.本发明是这样实现的：
6.本发明的提出一种智能化教育资源平台调配的方法及系统，该方法应用了用户选择模块、教育资源调配平台、记忆力增强模块、用户交互模块和错题集数据库；其特征在于，所述方法包括以下步骤：
7.步骤1:用户在用户选择模块内选择好所需的内容，并点击提交；
8.步骤2：通过用户选择模块提交的内容上传到教育资源调配平台，该平台根据用户的选择内容进行教育资源的调配；
9.步骤3:用户根据教育资源调配平台调配的教育资源进行学习；
10.步骤4:用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户必须回答并计入评分；
11.步骤5:用户回答课程相关的题目错题都收集到错题集数据库；
12.步骤6:记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习。
13.根据本发明方面的一种能够实现的方式，所述步骤1中用户在用户选择模块内选择好所需的内容具体操作方法包括：
14.用户在用户选择模块内选择好所需的内容，内容包括：用户选择的科目、达到学习程度百分比、学习总时长和学习方式等；对用户选择模块内选择好所需的内容标记其
中β＝0，1,2,...,n；n为正整数，表示用户选择模块内选择好所需的内容中β可取值的最大值；学习方式包括：新课程学习和旧课程回顾。
15.根据本发明方面的一种能够实现的方式，所述步骤2中教育资源调配平台根据用户的选择内容进行教育资源的调配操作方法包括：
16.教育资源调配平台根据用户选择的科目、达到学习程度百分比和学习总时长进行课程的划分；以学习总时长为一个确定好的时间长度，在此时间长度内填满课程；课程内容包括用户选择达到学习程度百分比所占用户选择的科目总时长内的课程；
17.推送课程内容＝用户选择达到学习程度百分比*选择的科目总时长内的课程；
18.在确定好学习百分比的推送课程内容上进行算法挑选，如果是新用户对课程的选择，为了结合学习实际效果，挑选学习课程从前到后的顺序播放需要学习的课程；如果是用户是学习完毕后，会随机挑选学习的回顾课程进行学习，为了让挑选的课程更加具有代表性，会根据挑选的课程进行计算判别，然后推送更人性化的课程；
19.教育资源学习课程标的物是具备结构化信息的，资源学习库中针对每个课程会有标题、演练题目、单元、延伸课程、评分等维度数据；对每个课程标签值标记为bg，g＝1,2,...,n；n为正整数，表示课程标签中g可取值的最大值；
20.这类数据，将一个字段(也是一个特征)作为向是的一个维度，这时向量化表示每个维度的值不一定是数值，但是形式还是向量化的形式，即所请的向量空间模型；这时通过如下的方式计算两个标的物之间的相似度；
21.假设两个课程标的物的向量表示分别为,课程1的标的物的向量标记为pk，k＝1,2,...,n；n为正整数，表示课程1的标的物的向量k可取值的最大值；课程2的标的物的向量标记为qk，k＝1,2,...,n；n为正整数，表示课程2的标的物的向量k可取值的最大值；
22.根据计算公式：
23.课程1：v1＝(p1，p2,p3,...pk)
24.课程2：v2＝(q1，q2，q3,...qk)
[0025][0026]
sim(pk，qk)代表的是向量的两个分量pk，qk之间的相似度；wk代表是第k个标的物的权重值，可以针对不同的课程采用不同的权重值；推送课程内容学习时间是确定在用户选择学习总时长范围内；
[0027]
sim(pk，qk)值越趋近于1，代表两个向量的方向越接近；sim(pk，qk)值越趋近于-1，代表两个向量方向越相反；接近于0，表示两个向量近乎于正交；
[0028]
以结果sim(pk，qk)值为0界限，sim(pk，qk)值范围在(0,1]代表挑选课程相识度比较高，主要为加强学习效果，反复训练相识度高的课程；，sim(pk，qk)值范围在[-1,0)代表挑选课程相识度较低，主要为学习新的课程，在回顾少量旧的知识基础上，学习新的课程内容。
[0029]
根据本发明方面的一种能够实现的方式，所述步骤4中用户交互模块操作方法包括：
[0030]
用户交互模块是用户在观看视频学习时，会根据用户观看的课程自动跳出与课程
相关的题目，用户必须回答并计入评分；课程相关的题目会在用户学习进行间隔中和学习完毕后出现；用户在学习课程视频时会在视频长度为1/3、2/3和完全播放完毕这3个时间进行出题；且用户必须回答完毕才可进行学习课程视频；用户回答的分值会进行记录，作为判定用户对课程的熟系程度依据，题目错题都会收集到错题集数据库。
[0031]
根据本发明方面的一种能够实现的方式，所述步骤5中错题集数据库具体操作方法包括：
[0032]
用户回答课程相关出错的题目会自动存入错题集数据库，错题集数据库会随着用户回答的正确率而不断改变更新；
[0033]
错题集数据库会对错题进行等级划分3种：陌生题型、稍认识题型和熟练题型；根据用户答对次数和出现次数的占比来进行重新分配题型；
[0034][0035]
为了增加错题集数据库出题的随机性，除了引入答对百分比，还将对陌生题型、稍认识题型和熟练题型固定出题比例为50％、30％和20％；
[0036]
错题集数据库出题构成＝陌生题型*(1-答对百分比)*50％+稍认识题型+稍认识题型*(1-答对百分比)*30％+熟练题型(1-答对百分比)*20％；回答题目出现次数和答对次数连续3次相等，此题目自动剔除错题集数据库。
[0037]
根据本发明方面的一种能够实现的方式，所述步骤6中记忆力增强模块具体操作方法包括：
[0038]
记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；
[0039]
大脑需要重复；每一次回顾记忆间隔的时间越短，记忆的效果越好，因为多次看同一事物能加深印象，但只看一次却往往容易忘记；记忆规律就是当学到一个新知识并想迅速掌握它时，除了经常应用以外，要想在大脑里保留永久记忆，就要有一定的频率去回顾已学习完毕的课程；
[0040]
记忆力增强模块推送课程和课程题目构成是错题数据库的20％、结合学习过课程的进度的30％和新需要学习课程内容的50％；学习课程时间间隔以天为单位，连续学习3天以内重新安排相应的课程为1次，连续学习5天以内重新安排相应的课程为2次，以连续学习7天为一个学习周期。
[0041]
一种云端系统，根据用户选择模块内选择好所需的内容，对调配平台调配的教育资源进行学习，用户回答课程相关的题目错题都收集到错题集数据库；通过云端计算及分析对教育资源平台调配。
[0042]
基于上述任一方面，本发明的有益效果为：
[0043]
1.本发明通过对用户在用户选择模块内选择好所需的内容，教育资源调配平台根
据选择内容调配的教育资源进行学习，用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户回答课程相关的题目错题都收集到错题集数据库；用户能够结合需求达到贴合的学习效果，针对用户进行弹性的推送机制；不仅让用户在教育资源平台学习节约大量的时间，也达到想要的学习效果。
[0044]
2.本发明在根据用户学习课程完毕后，记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；教育资源平台不仅对用户学习过的课程进行科学的回顾，还考虑到用户学习之后的记忆曲线规律，使用户学习完毕进行有效提示复习内容。
附图说明
[0045]
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0046]
图1为本发明的方法实施步骤流程图。
具体实施方式
[0047]
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
[0048]
4.结合图1，一种智能化教育资源平台调配的方法及系统，该方法应用了用户选择模块、教育资源调配平台、记忆力增强模块、用户交互模块和错题集数据库；所述方法包括以下步骤：
[0049]
步骤1:用户在用户选择模块内选择好所需的内容，并点击提交
[0050]
在本发明的具体实施例中，所述步骤1中用户在用户选择模块内选择好所需的内容具体操作方法包括：
[0051]
用户在用户选择模块内选择好所需的内容，内容包括：用户选择的科目、达到学习程度百分比、学习总时长和学习方式等；对用户选择模块内选择好所需的内容标记其中β＝0，1,2,...,n；n为正整数，表示用户选择模块内选择好所需的内容中β可取值的最大值；学习方式包括：新课程学习和旧课程回顾。
[0052]
步骤2：通过用户选择模块提交的内容上传到教育资源调配平台，该平台根据用户的选择内容进行教育资源的调配；
[0053]
在本发明的具体实施例中，所述步骤2中教育资源调配平台根据用户的选择内容进行教育资源的调配操作方法包括：
[0054]
教育资源调配平台根据用户选择的科目、达到学习程度百分比和学习总时长进行课程的划分；以学习总时长为一个确定好的时间长度，在此时间长度内填满课程；课程内容包括用户选择达到学习程度百分比所占用户选择的科目总时长内的课程；
[0055]
推送课程内容＝推送课程内容＝用户选择达到学习程度百分比*选择的科目总时长内的课程；
[0056]
在确定好学习百分比的推送课程内容上进行算法挑选，如果是新用户对课程的选择，为了结合学习实际效果，挑选学习课程从前到后的顺序播放需要学习的课程；如果是用户是学习完毕后，会随机挑选学习的回顾课程进行学习，为了让挑选的课程更加具有代表性，会根据挑选的课程进行计算判别，然后推送更人性化的课程；
[0057]
教育资源学习课程标的物是具备结构化信息的，资源学习库中针对每个课程会有标题、演练题目、单元、延伸课程、评分等维度数据；对每个课程标签值标记为bg，g＝1,2,...,n；n为正整数，表示课程标签中g可取值的最大值；
[0058]
这类数据，将一个字段(也是一个特征)作为向是的一个维度，这时向量化表示每个维度的值不一定是数值，但是形式还是向量化的形式，即所请的向量空间模型；这时通过如下的方式计算两个标的物之间的相似度；
[0059]
假设两个课程标的物的向量表示分别为,课程1的标的物的向量标记为pk，k＝1,2,...,n；n为正整数，表示课程1的标的物的向量k可取值的最大值；课程2的标的物的向量标记为qk，k＝1,2,...,n；n为正整数，表示课程2的标的物的向量k可取值的最大值；
[0060]
根据计算公式：
[0061]
课程1：v1＝(p1，p2,p3,...pk)
[0062]
课程2：v2＝(q1，q2，q3,...qk)
[0063][0064]
sim(pk，qk)代表的是向量的两个分量pk，qk之间的相似度；wk代表是第k个标的物的权重值，可以针对不同的课程采用不同的权重值；推送课程内容学习时间是确定在用户选择学习总时长范围内；
[0065]
sim(pk，qk)值越趋近于1，代表两个向量的方向越接近；sim(pk，qk)值越趋近于-1，代表两个向量方向越相反；接近于0，表示两个向量近乎于正交；
[0066]
以结果sim(pk，qk)值为0界限，sim(pk，qk)值范围在(0,1]代表挑选课程相识度比较高，主要为加强学习效果，反复训练相识度高的课程；，sim(pk，qk)值范围在[-1,0)代表挑选课程相识度较低，主要为学习新的课程，在回顾少量旧的知识基础上，学习新的课程内容。
[0067]
步骤3:用户根据教育资源调配平台调配的教育资源进行学习；
[0068]
步骤4:用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户必须回答并计入评分；
[0069]
在本发明的具体实施例中，所述步骤4中用户交互模块操作方法包括：
[0070]
用户交互模块是用户在观看视频学习时，会根据用户观看的课程自动跳出与课程相关的题目，用户必须回答并计入评分；课程相关的题目会在用户学习进行间隔中和学习完毕后出现；用户在学习课程视频时会在视频长度为1/3、2/3和完全播放完毕这3个时间进行出题；且用户必须回答完毕才可进行学习课程视频；用户回答的分值会进行记录，作为判定用户对课程的熟系程度依据，题目错题都会收集到错题集数据库。
[0071]
步骤5:用户回答课程相关的题目错题都收集到错题集数据库；
[0072]
在本发明的具体实施例中，所述步骤5中错题集数据库具体操作方法包括：
[0073]
用户回答课程相关出错的题目会自动存入错题集数据库，错题集数据库会随着用户回答的正确率而不断改变更新；
[0074]
错题集数据库会对错题进行等级划分3种：陌生题型、稍认识题型和熟练题型；根据用户答对次数和出现次数的占比来进行重新分配题型；
[0075][0076]
为了增加错题集数据库出题的随机性，除了引入答对百分比，还将对陌生题型、稍认识题型和熟练题型固定出题比例为50％、30％和20％；
[0077]
错题集数据库出题构成＝陌生题型*(1-答对百分比)*50％+稍认识题型+稍认识题型*(1-答对百分比)*30％+熟练题型(1-答对百分比)*20％；回答题目出现次数和答对次数连续3次相等，此题目自动剔除错题集数据库。
[0078]
步骤6:记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习。
[0079]
在本发明的具体实施例中，所述步骤6中记忆力增强模块具体操作方法包括：
[0080]
记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；
[0081]
大脑需要重复；每一次回顾记忆间隔的时间越短，记忆的效果越好，因为多次看同一事物能加深印象，但只看一次却往往容易忘记；记忆规律就是当学到一个新知识并想迅速掌握它时，除了经常应用以外，要想在大脑里保留永久记忆，就要有一定的频率去回顾已学习完毕的课程；
[0082]
记忆力增强模块推送课程和课程题目构成是错题数据库的20％、结合学习过课程的进度的30％和新需要学习课程内容的50％；学习课程时间间隔以天为单位，连续学习3天以内重新安排相应的课程为1次，连续学习5天以内重新安排相应的课程为2次，以连续学习7天为一个学习周期。
[0083]
一种云端系统，根据用户选择模块内选择好所需的内容，对调配平台调配的教育资源进行学习，用户回答课程相关的题目错题都收集到错题集数据库；通过云端计算及分析对教育资源平台调配。
[0084]
本发明通过对用户在用户选择模块内选择好所需的内容，教育资源调配平台根据选择内容调配的教育资源进行学习，用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户回答课程相关的题目错题都收集到错题集数据库；用户能够结合需求达到贴合的学习效果，针对用户进行弹性的推送机制；记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；不仅让用户在教育资源平台学习节约大量的时间，也达到想要的学习效果，对用户学习过的课程进行科学的回顾。
[0085]
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

技术特征：

1.一种智能化教育资源平台调配的方法及系统，该方法应用了用户选择模块、教育资源调配平台、记忆力增强模块、用户交互模块和错题集数据库；其特征在于，所述方法包括以下步骤：步骤1:用户在用户选择模块内选择好所需的内容，并点击提交；步骤2：通过用户选择模块提交的内容上传到教育资源调配平台，该平台根据用户的选择内容进行教育资源的调配；步骤3:用户根据教育资源调配平台调配的教育资源进行学习；步骤4:用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户必须回答并计入评分；步骤5:用户回答课程相关的题目错题都收集到错题集数据库；步骤6:记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习。2.根据权利要求1所述的一种智能化教育资源平台调配的方法及系统，其特征在于：所述步骤1中用户在用户选择模块内选择好所需的内容具体操作方法包括：用户在用户选择模块内选择好所需的内容，内容包括：用户选择的科目、达到学习程度百分比、学习总时长和学习方式等；对用户选择模块内选择好所需的内容标记其中β＝0，1,2,...,n；n为正整数，表示用户选择模块内选择好所需的内容中β可取值的最大值；学习方式包括：新课程学习和旧课程回顾。3.根据权利要求1所述的一种智能化教育资源平台调配的方法及系统，其特征在于：所述步骤2中教育资源调配平台根据用户的选择内容进行教育资源的调配操作方法包括：教育资源调配平台根据用户选择的科目、达到学习程度百分比和学习总时长进行课程的划分；以学习总时长为一个确定好的时间长度，在此时间长度内填满课程；课程内容包括用户选择达到学习程度百分比所占用户选择的科目总时长内的课程；推送课程内容＝用户选择达到学习程度百分比*用户选择的科目总时长内的课程；在确定好学习百分比的推送课程内容上进行算法挑选，如果是新用户对课程的选择，为了结合学习实际效果，挑选学习课程从前到后的顺序播放需要学习的课程；如果是用户是学习完毕后，会随机挑选学习的回顾课程进行学习，为了让挑选的课程更加具有代表性，会根据挑选的课程进行计算判别，然后推送更人性化的课程；教育资源学习课程标的物是具备结构化信息的，资源学习库中针对每个课程会有标题、演练题目、单元、延伸课程、评分等维度数据；对每个课程标签值标记为b
g
，g＝1,2,...,n；n为正整数，表示课程标签中g可取值的最大值；这类数据，将一个字段(也是一个特征)作为向是的一个维度，这时向量化表示每个维度的值不一定是数值，但是形式还是向量化的形式，即所请的向量空间模型；这时通过如下的方式计算两个标的物之间的相似度；假设两个课程标的物的向量表示分别为,课程1的标的物的向量标记为p
k
，k＝1,2,...,n；n为正整数，表示课程1的标的物的向量k可取值的最大值；课程2的标的物的向量标记为q
k
，k＝1,2,...,n；n为正整数，表示课程2的标的物的向量k可取值的最大值；根据计算公式：课程1：v1＝(p1，p2,p3,...p
k
)
课程2：v2＝(q1，q2，q3,...q
k
)sim(p
k
，q
k
)代表的是向量的两个分量p
k
，q
k
之间的相似度；w
k
代表是第k个标的物的权重值，可以针对不同的课程采用不同的权重值；推送课程内容学习时间是确定在用户选择学习总时长范围内；sim(p
k
，q
k
)值越趋近于1，代表两个向量的方向越接近；sim(p
k
，q
k
)值越趋近于-1，代表两个向量方向越相反；接近于0，表示两个向量近乎于正交；以结果sim(p
k
，q
k
)值为0界限，sim(p
k
，q
k
)值范围在(0,1]代表挑选课程相识度比较高，主要为旧课程回顾加强学习效果，反复训练相识度高的课程；sim(p
k
，q
k
)值范围在[-1,0)代表挑选课程相识度较低，主要为新课程学习，在回顾少量旧的知识基础上，学习新的课程内容。4.根据权利要求1所述的一种智能化教育资源平台调配的方法及系统，其特征在于：所述步骤4中用户交互模块操作方法包括：用户交互模块是用户在观看视频学习时，会根据用户观看的课程自动跳出与课程相关的题目，用户必须回答并计入评分；课程相关的题目会在用户学习进行间隔中和学习完毕后出现；用户在学习课程视频时会在视频长度为1/3、2/3和完全播放完毕这3个时间进行出题；且用户必须回答完毕才可进行学习课程视频；用户回答的分值会进行记录，作为判定用户对课程的熟系程度依据，题目错题都会收集到错题集数据库。5.根据权利要求1所述的一种智能化教育资源平台调配的方法及系统，其特征在于：所述步骤5中错题集数据库具体操作方法包括：用户回答课程相关出错的题目会自动存入错题集数据库，错题集数据库会随着用户回答的正确率而不断改变更新；错题集数据库会对错题进行等级划分3种：陌生题型、稍认识题型和熟练题型；根据用户答对次数和出现次数的占比来进行重新分配题型；为了增加错题集数据库出题的随机性，除了引入答对百分比，还将对陌生题型、稍认识题型和熟练题型固定出题比例为50％、30％和20％；错题集数据库出题构成＝陌生题型*(1-答对百分比)*50％+稍认识题型+稍认识题型*(1-答对百分比)*30％+熟练题型(1-答对百分比)*20％；回答题目出现次数和答对次数连续3次相等，此题目自动剔除错题集数据库。6.根据权利要求1所述的一种智能化教育资源平台调配的方法及系统，其特征在于：所
述步骤6中记忆力增强模块具体操作方法包括：记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；记忆力增强模块推送课程和课程题目构成是错题数据库的20％、结合学习过课程的进度的30％和新需要学习课程内容的50％；学习课程时间间隔以天为单位，连续学习3天以内重新安排相应的课程为1次，连续学习5天以内重新安排相应的课程为2次，以连续学习7天为一个学习周期。7.一种云端系统，其特征在于：根据用户选择模块内选择好所需的内容，对调配平台调配的教育资源进行学习，用户回答课程相关的题目错题都收集到错题集数据库；通过云端计算及分析对教育资源平台调配，以执行上述权利要求1-6任一项所述的一种智能化教育资源平台调配的方法及系统。8.一种云端系统，其特征在于：所述云端在网络下，依靠云端计算及分析服务程序对教育资源平台调配实现上述权利要求1-6任一项所述的一种智能化教育资源平台调配的方法及系统。

技术总结

本发明属于应用于教育资源平台调配的方法及系统技术领域，具体而言，涉及一种智能化教育资源平台调配的方法及系统；本发明通过对用户在用户选择模块内选择好所需的内容，教育资源调配平台根据选择内容调配的教育资源进行学习，用户交互模块在用户学习进行间隔中和学习完毕后，自动跳出与课程相关的题目，用户回答课程相关的题目错题都收集到错题集数据库；用户能够结合需求达到贴合的学习效果，针对用户进行弹性的推送机制；记忆力增强模块依据用户学习课程的进度、回答课程的正确率和学习课程时间间隔重新安排相应的课程和与课程相关的题目供用户学习；不仅让用户在教育资源平台学习节约大量的时间，也达到想要的学习效果，对用户学习过的课程进行科学的回顾。对用户学习过的课程进行科学的回顾。对用户学习过的课程进行科学的回顾。