一种可视化方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种在线学习课程中的知识掌握状态的可视化方法、系统、电子设备及存储介质，在一在线课程数据库中获取包括学生身份信息、知识点、知识点载体以及学生与知识点载体交互信息的数据；对获取的数据进行统计，并生成包含多个数据指标的学生学习序列，并生成的学生学习序列中选取在设定交互次序区间的学生学习序列，将该学生学习序列输入至知识追踪模型中，并生成学习状态向量，通过学习状态向量建立知识掌握状态的分析模型，从而实现对学生的学习状态进行参数量化，使其能够实现学生在某一知识点上预测未来学习状态可预测的必要前提，且基于知识点提取学生关于知识点的数据，实现对学生对各个知识点的未来学习状态的可视化呈现。的可视化呈现。的可视化呈现。

【技术实现步骤摘要】
一种可视化方法、系统、电子设备及存储介质


[0001]本专利技术涉及大数据以及在线教育
，特别涉及一种在线学习课程中的知识掌握状态的可视化方法、系统、电子设备及存储介质。

技术介绍

[0002]知识追踪是支持智能教育服务应用的一项基础且关键的任务，它旨在监控学生不断发展的知识状态，从而支持为每个学生提供最佳和适应性的学习体验、合理配置学习时间，达到提升教学质量和效率的目的。知识追踪采用了一系列面向序列建模的机器学习方法，以达到利用学习交互数据来动态预测学生知识状态的目的，当前已被广泛应用于智能教育系统。
[0003]可视化分析是学习分析的主要手段。学习分析任务包括了对学生学习状态的评估和跟踪，而知识追踪是跟踪学生学习状态的核心技术。然而，现有知识追踪研究多关注于知识追踪模型的预测性能，缺少对输入和输出数据的动态展示，无法直接观测学生的知识掌握状态以及其动态变化，导致可解释性和可信性不足。同时，现有的学习分析技术多关注于学生在当前和历史的学习状态，对通过预测所获得未来学习状态的部署较少，且预测的内容较为粗放。
[0004]在2023年5月4日发表的论文文献《智慧教育环境中促进教与学的可视化学习分析》中关于可视化学习分析的教育数据来源和采集方法中提到，学习管理系统收集学习者在学习过程中产生的具体学习行为(如观看学习视频、讨论、提交作业等)、学习表现、学习时间与地点、学习成绩及趋势、学习反馈与评价等数据；智能导学系统收集学习者在学习过程中相关的数据，形成学习者个人画像，以促进学习者个性化和自适应的学习，个人在线学习环境相关的数据集包括学习资源、学习交互日志等数据；结合上述采集数据，根据可视化学习分析中的数据表征和可视化交互方式，例如：直方图、散点图、桑基图、热力图、树形图、时序图、网络图等进行可视化呈现，结合上述文献中对于一学生来说是对单一学生在某个学习节点上的结果进行统计记录，其均属于过程性的学习分析，缺乏对未来学习状态的呈现。
[0005]在2021年10月27日发表的论文《基于学习分析的在线学习可视化监控和反馈研究》中学习分析仪表盘，聚焦于学习监控和反馈内容的可视化，也没有对未来学习状态的呈现。

技术实现思路

[0006]本专利技术旨在解决
技术介绍
中提到的技术问题，提供一种在线学习课程中的知识掌握状态的可视化方法、系统、电子设备及存储介质。
[0007]为了达到上述目的，本专利技术的技术方案有：
[0008]作为本申请的第一方面，一种在线学习课程中的知识掌握状态的可视化方法，包括如下步骤：
[0009]S10、在一在线课程数据库中获取包括学生身份信息、知识点、知识点载体以及学生与知识点载体交互信息的数据；
[0010]S20、对步骤S10中获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列；
[0011]S30、从步骤S20中生成的学生学习序列中选取在设定交互次序区间的学生学习序列，将该学生学习序列输入至基于DKT
‑
DSC的知识追踪模型中，并生成对应的学习状态向量；
[0012]S40、根据学习状态向量建立知识状态掌握的分析模型，并对建立的知识掌握状态的分析模型进行可视化，从而完成在线课程中的知识掌握状态的可视化分析。
[0013]与现有技术相比，本专利技术的一种在线学习课程中的知识掌握状态的可视化方法，在一在线课程数据库中获取包括学生身份信息、知识点、知识点载体以及学生与知识点载体交互信息的数据；对获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列，并生成的学生学习序列中选取在设定交互次序区间的学生学习序列，将该学生学习序列输入至基于DKT
‑
DSC的知识追踪模型中，并生成对应的学习状态向量，通过学习状态向量建立知识掌握状态的分析模型，从而实现对学生的学习状态进行参数量化，使其能够实现学生在某一知识点上预测未来学习状态可预测的必要前提，本方法中基于知识点提取学生关于知识点的可视化信息，实现对学生对各个知识点的未来学习状态的可视化呈现。
[0014]进一步的，所述对步骤S10中获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列，具体包括：
[0015]从学生学号、学生姓名、知识点编号、知识点内容、知识点载体编号、知识点载体内容、学生与知识点交互结果编号以及学生与知识点交互结果内容八个指标进行指标数据统计；
[0016]根据八个指标排列组合生成多个学生学习序列。
[0017]进一步的，在步骤S30之前，还包括步骤S21：
[0018]将获取的数据进行清洗、将获取的学生学习序列预处理以及将获取的学生学习序列进行标准化处理；
[0019]其中，将获取的数据进行清洗为将不包含知识点信息的知识点载体数据进行剔除；将获取的学生学习序列进行预处理为将不是学生感兴趣的交互或者学生交互过程出错的数据剔除；将获取的学生学习序列进行标准化处理为对学生与知识点载体交互信息设置交互结果标识。
[0020]进一步的，所述将获取的数据进行清洗具体包括：
[0021]设置在线课程中知识点信息与知识点载体信息关联的唯一标识符；
[0022]将不包含唯一标识符的知识点载体数据进行剔除。
[0023]进一步的，所述将获取的数据进行预处理具体包括：
[0024]获取学生学习序列以及设定第一时间；
[0025]判断一学生学习序列中记载的时间是否小于设定的第一时间；
[0026]若是，判断该学生学习序列中指示的知识点不是学生感兴趣的交互或过程出错，并将该条学生学习序列剔除。
[0027]进一步的，所述数据标准化预处理具体包括：
[0028]获取交互结果标识，交互结果标识包含第一标识项、第二标识项和第三标识项；
[0029]在学生与知识点载体的交互结果中，交互结果标识为第一标识项或第二标识项或第三标识项时，记录学生与知识点载体的交互结果的取值为null或0或1。
[0030]进一步的，从步骤S20中生成的学生学习序列中选取在设定交互次序区间的学生学习序列，将该学生学习序列输入至基于DKT
‑
DSC的知识追踪模型中，并生成对应的学习状态向量，具体包括：
[0031]设定交互次序区间，其中，交互次序区间指示为学生与知识点之间的交互次序范围；
[0032]获取交互次序区间内的学生学习序列，设定为1～t时刻的学生学习序列集合，并将其输入基于DKT
‑
DSC的知识追踪模型后获得t+1时刻的学习状态向量。
[0033]作为本申请的第二方面，一种在线学习课程中的知识掌握状态的可视化系统，其特征在于，包括：
[0034]数据采集单元，用于在一在线课程数据库中获取包括学生身份信息、知识点、知识点载体以及学生与知识点载体交互信息的数据；
[0035]数据处理单元，用于对获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列；
...

【技术保护点】

【技术特征摘要】
1.一种在线学习课程中的知识掌握状态的可视化方法，其特征在于，包括如下步骤：S10、在一在线课程数据库中获取包括学生身份信息、知识点、知识点载体以及学生与知识点载体交互信息的数据；S20、对步骤S10中获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列；S30、从步骤S20中生成的学生学习序列中选取在设定交互次序区间的学生学习序列，将该学生学习序列输入至基于DKT
‑
DSC的知识追踪模型中，并生成对应的学习状态向量；S40、根据学习状态向量建立知识状态掌握的分析模型，并对建立的知识掌握状态的分析模型进行可视化。2.根据权利要求1所述的可视化方法，其特征在于，所述对步骤S10中获取的数据进行指标数据统计，并生成包含多个数据指标的学生学习序列，具体包括：从学生学号、学生姓名、知识点编号、知识点内容、知识点载体编号、知识点载体内容、学生与知识点交互结果编号以及学生与知识点交互结果内容八个指标进行指标数据统计；根据八个指标排列组合生成多个学生学习序列。3.根据权利要求1所述的可视化方法，其特征在于，在步骤S30之前，还包括步骤S21：将获取的数据进行清洗、将获取的学生学习序列预处理以及将获取的学生学习序列进行标准化处理；其中，将获取的数据进行清洗为将不包含知识点信息的知识点载体数据进行剔除；将获取的学生学习序列进行预处理为将不是学生感兴趣的交互或者学生交互过程出错的数据剔除；将获取的学生学习序列进行标准化处理为对学生与知识点载体交互信息设置交互结果标识。4.根据权利要求3所述的可视化方法，其特征在于，所述将获取的数据进行清洗具体包括：设置在线课程中知识点信息与知识点载体信息关联的唯一标识符；将不包含唯一标识符的知识点载体数据进行剔除。5.根据权利要求3所述的可视化方法，其特征在于，所述将获取的数据进行预处理具体包括：获取学生学习序列以及设定第一时间；判断一学生学习序列中记载的时间是否小于设定的第一时间；若是，判断该学生学习序列中指示的知识点不是学生感兴趣的交互或过程出错，并...

【专利技术属性】
技术研发人员：吴正洋，李春燕，汤庸，陈国华，汤非易，袁成哲，
申请(专利权)人：人工智能与数字经济广东省实验室广州，
类型：发明
国别省市：