CN118396804B 基于自适应学习分析的精准教学管理方法及系统 （杭州容博教育科技有限公司）

基于自适应学习分析的精准教学管理方法本发明提供一种基于自适应学习分析的精准教学管理方法及系统，涉及教学管理技术领任务学习进行联合优化，应用多视角注意力网成初始学习行为序列，实时更新个性化知识图2对于每一个学生，通过知识图谱结构确定学习轨迹数据并获取学习资基于所述个性化知识图谱，结合深度强化学习算法自适应确定最行为序列；基于所述学习行为序列进行深度自编码，通过确定学习行为模式构建学生学习画像，当前学生对应的学业成绩和学习参与度构建自适应评测模型，生成对应的诊断性评测题对于每一个学生，通过预先构建的知识图谱结构确定当前学生的学习将所述学习轨迹数据和所述学习资源浏览记录进行时间戳对齐，对对于每个学生，以教育领域知识图谱为基础，将当前学生对应的多源在所述初始个性化知识图谱中，对于每个知识节点，将所述知在所述初始个性化知识图谱中添加认知状态节点，在所述认3识节点对应的节点嵌入进行加权聚合更新所述连接其中，αij表示节点i和节点j之间的边权重，softmaxj表示对第j个节点进行归一化操获取所述个性化知识图谱并将知识节点作为状态，以所述知识节对于学习路径规划子任务，将所述个性化知识图谱对应的嵌入作为输基于所述初始学习行为序列，根据学生的实际学习反馈，动态调整;4将每个学生对应的学习行为序列表示为向量形式，通过预先设置的基于所述学习模式类别，结合学生的个人属性，通过知识蒸馏技术将所述学生学习画像通过层次化注意力机制划分为多个维度，其中基于所述个性化诊断报告中的学业成绩和所述学生学习画像中的学习参与度构建自基于所述诊断性评测题目，结合所述个性化诊断报告，确定每8.基于自适应学习分析的精准教学管理系统，用于实现前述权利要求1_7中任一项所第一单元，用于对于每一个学生，通过知识图谱结构确定学习轨迹数第二单元，用于基于所述个性化知识图谱，结合深度强化学第三单元，用于基于所述学习行为序列进行深度自编码，通其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意5[0005]本发明实施例的第一方面，提供一种基于自适应学习分[0006]对于每一个学生，通过知识图谱结构确定学习轨迹数据并获取学习资源浏览记学习行为序列；[0010]对于每一个学生，通过知识图谱结构确定学习轨迹数据并获取学习资源浏览记6[0012]将所述学习轨迹数据和所述学习资源浏览记录进行时间戳对齐，对于每个时间7习行为序列，设置多任务损失函数并通过反向传播算法更新多任务学习算法中的超参数，[0036]基于所述个性化诊断报告中的学业成绩和所述学生学习画像中的学习参与度构8教学方案。9[0054]图1为本发明实施例基于自适应学习分析的精准教学管理方法的流程示意图，如[0055]S1.对于每一个学生，通过知[0058]对于每一个学生，通过知识图谱结构确定学习轨迹数据并获取学习资源浏览记[0060]将所述学习轨迹数据和所述学习资源浏览记录进行时间戳对齐，对于每个时间迹数据对应的知识点ID特征向量和学习资源浏览记录对应的独热编码向量按照预定义的注意力权重，将学习轨迹数据特征向量和资源浏览记录特征向量与对应的注意力权重相算学习轨迹数据和资源浏览记录的注意力权重，根据数据来源与当前学习任务的相关性，谱结构相同的空白知识图谱作为初始个性化知识图谱，将当前学生的多源异构学习数据，一次更新后，每个知识节点接收邻居节点的信息并更新自己的嵌入表示，同时将当前节点示A对各知识节点的认知状态，在认知状态节点与具有稳定嵌入表示的知识节点之间添加[0087]S2.基于所述个性化知识图谱，结合深度强化学习算法自适应确定最优学习路始学习行为序列实时更新所述个性化知识图谱，重复更新直至达到预设的最大迭代次数，得到学习行为序列；[0088]所述多视角注意力网络是一种用于处理具有多个视角或来源的信息的神经网络习行为序列，设置多任务损失函数并通过反向传播算法更新多任务学习算法中的超参数，识点特征和资源特征作为多模态数据输入，通过多视角注意力网络动态融合不同视角的特征表示，在多视角注意力网络中，对不同视角的特征表示进行注意力加权，突出重要的视素；[0098]基于学习路径规划子任务生成的当前状态特征表示和学习资源推荐子任务生成个人特点和学习需求的学习行为序列，包括优化的学习路径和个性化的学习资源推荐列[0108]S3.基于所述学习行为序列进行深度[0109]所述学习行为模式是指学生在学习过程中表现出来的特[0115]基于所述个性化诊断报告中的学业成绩和所述学生学习画像中的学习参与度构技术是指将来自多个来源或多个模态的数据进行整合维度之间引入层次注意力机制，通过注意力权重确定每个维度对学生学习效果的贡献程[0122]基于诊断性评测题目的答题情况和个性化诊断报告，分析每个学生的学习特点、设置的深度自编码器模型中的编码器对A的学习行为模式进行聚类分析，得到典型的学习通过知识蒸馏技术将深度自编码器模型中的行为模式知识添加至A的学习画像中，结合数[0126]本实施例中，通过深度自编码器模型对学生的学习行为序列进行特征提取和降