【技术实现步骤摘要】
本专利技术涉及在线教育学习，尤其是涉及一种用于在线学习系统的数学题目导学系统。
技术介绍
1、在线学习系统是一种通过互联网提供教育内容和资源的平台。通常，这些系统包含教学资源（如教学用视频、文档、幻灯片等）、测评功能（如在线作业、线上测试），以及其他方便教师和学生的功能（如课程管理、学生管理、学习数据报告等）。在线学习系统的最大优势是摆脱了传统教育方式对于时间、地点以及人物的限制，它允许学生无论在何时何处都可以访问课程和学习材料，并减少了对教师即时干预的需求。与传统教育方式相比，它还具有学习资源更丰富、个性化程度更高、更容易普及等优势。
2、然而，与在线学习相比，传统教育方式仍然具有一些难以替代的特点。以数学学科为例，学生在完成作业或考试后，不仅会收到题目得分作为反馈，教师还会对错误率高的题目进行统一讲解。另外，对于学生答错且教师没有讲解的题目，学生也可以询问教师，了解到自己的错误原因及改进建议，从而更加高效和有针对性地学习。相比之下，尽管在线学习系统包括在线作业与考试功能，但它们通常仅能提供得分信息，缺少上述的导学过程。同时，在数学学科中，在线学习系统往往只能对选择题或填空题进行评分，对于解答题、证明题等作答过程比较复杂的题目则难以处理与评分。
3、如何对学生答案进行评分，是一个在人工智能领域比较有挑战性的研究方向。当前有比较多的自动评分算法可用于对作文、历史等文科学科的作答进行评分，但是对数学学科的导学算法研究较少。不过，随着人工智能技术的发展，用于数学问题打分的算法也取得了一定的进展。
5、此外，虽然基于机器学习的模型在解决数学问题方面取得了显著进展，但它们的准确性和可靠性严重受限于训练数据的质量和多样性；并且，在复杂或不常见的问题上，基于机器学习的模型可能无法达到足够高的准确度。更重要的一点是，实验室中的机器学习算法往往仅能处理文本形式的答案，如果学生选择在纸上作答，再向在线学习系统提交作答图片，则无法处理。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种用于在线学习系统的数学题目导学系统。
2、本专利技术提供了一种用于在线学习系统的数学题目导学系统，该导学系统包括：录入识别模块、文本识别与处理模块、答案预处理模块、得分点比对模块、得分推理模块及提示生成模块，其中：
3、录入识别模块，用于输入学生的作答内容与题目信息，并依据作答类型进行文本形式或图片形式的识别与判断；
4、文本识别与处理模块，用于将图片形式的学生作答图片及其作答笔迹转换为可识别的纯文本格式，再经过合并处理后输出答题识别结果；
5、答案预处理模块，用于将标准答案与学生答案转换成逻辑表达式；
6、得分点比对模块，用于对比标准答案与学生答案的逻辑表达式；
7、得分推理模块，用于根据标准答案与学生答案的对比结果，对学生的每个答题步骤进行打分，并计算出题目总得分；
8、提示生成模块，用于基于各个答题步骤的中间结果，生成学生题目作答过程中的作答错误原因及提示。
9、进一步的，文本识别与处理模块包括噪音去除子模块、分行处理子模块、公式分类子模块、文字识别子模块及组合合并子模块，其中：
10、噪音去除子模块，用于利用灰度图像矩阵及卷积神经网络的方式去除作答图片中包含的噪音，该噪音包括图片噪点与笔迹噪音；
11、分行处理子模块，用于以行为单位对学生作答进行文本识别；
12、公式分类子模块，用于利用yolox模型对作答图片中的文本执行多目标检测，实现中文与公式的分类；
13、文字识别子模块，用于采用调用识别api的方式对公式与中文分别进行识别；
14、组合合并子模块，用于将中文与公式的识别结果进行组合，形成最终的答题识别结果。
15、进一步的，噪音去除子模块包括图像去噪单元与网络去噪单元，其中：
16、图像去噪单元，用于构建学生作答图片的灰度图像矩阵，利用高斯滤波处理对灰度图像矩阵进行处理，得到滤波后灰度图像矩阵，当处理前灰度图像矩阵中的某个像素值大于或等于滤波后灰度图像矩阵中对应位置的像素值时，将处理后灰度图像矩阵中相应位置的值设为255，灰度图像矩阵的高斯滤波处理与像素值设定公式为：
17、
18、
19、式中， a代表处理前的灰度图像矩阵；
20、 b代表处理后的灰度图像矩阵；
21、 s代表经过高斯滤波处理的 a的灰度图像矩阵；
22、 k代表任意高斯核；
23、网络去噪单元，用于统计作答图片中的每个黑色连通域的长宽，并拟合一个正态分布，如果某个连通域的长宽比超过阈值，或该连通域的长与宽任意一项与其正态分布均值相比超过2个标准差，则将该连通域标记为此类噪声，再采用3层卷积神经网络以及k近邻算法，在标注的数据上进行训练，预测并去除作答图片中的无用信息。
24、进一步的，以行为单位对学生作答进行文本识别包括：
25、首先对完整的作答图片进行二值化预处理，再统计作答图片中所有黑色点的纵坐标，形成纵坐标-黑色点数量直方图，并对直方图曲线进行平滑后，找到曲线中每个极小值点所对应的纵坐标，以所有纵坐标为相邻两行的分界，实现作答文本的分行。
26、进一步的，答案预处理模块包括答案录入子模块、公式转换子模块、题型分类子模块及算子组合子模块，其中：
27、答案录入子模块，用于获取在线学习系统中的标准答案、学生提供的文本形式答案与图片形式答案，再次利用文字识别与处理的方式进行文本格式的识别与转换，得到文本格式的解题答案；
28、公式转换子模块，用于提取解题答案中的公式部分，并转换为形式统一的逻辑表达式；
29、题型分类子模块，用于依据题目类型与应用年级的不同，将解题答案划分至对应的类别中；
30、算子组合子模块，用于按照类别将不同种类的公式转换为表达式与算子组合表示的形式，将转换后的公式称为公式单元。
31、进一步的，得分点比对模块包括单元比对子模块与种类比对子模块，其中：
32、单元比对子模块，用于将答题识别结果与解题答案中的公式单元进行比对，如果单元种类相同，则继续比较，如果单元种类不同，则查表判断两种公式单元是否可以跨种类比对，若可以，则继续进行比对，若本文档来自技高网...
【技术保护点】
1.一种用于在线学习系统的数学题目导学系统，其特征在于，该导学系统包括：录入识别模块、文本识别与处理模块、答案预处理模块、得分点比对模块、得分推理模块及提示生成模块，其中：
2.根据权利要求1所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述文本识别与处理模块包括噪音去除子模块、分行处理子模块、公式分类子模块、文字识别子模块及组合合并子模块，其中：
3.根据权利要求2所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述噪音去除子模块包括图像去噪单元与网络去噪单元，其中：
4.根据权利要求3所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述以行为单位对学生作答进行文本识别包括：
5.根据权利要求2所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述答案预处理模块包括答案录入子模块、公式转换子模块、题型分类子模块及算子组合子模块，其中：
6.根据权利要求5所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述得分点比对模块包括单元比对子模块与种类比对子模块，其中：
<...【技术特征摘要】
1.一种用于在线学习系统的数学题目导学系统，其特征在于，该导学系统包括：录入识别模块、文本识别与处理模块、答案预处理模块、得分点比对模块、得分推理模块及提示生成模块，其中：
2.根据权利要求1所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述文本识别与处理模块包括噪音去除子模块、分行处理子模块、公式分类子模块、文字识别子模块及组合合并子模块，其中：
3.根据权利要求2所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述噪音去除子模块包括图像去噪单元与网络去噪单元，其中：
4.根据权利要求3所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述以行为单位对学生作答进行文本识别包括：
5.根据权利要求2所述的一种用于在线学习系统的数学题目导学系统，其特征在于，所述答案预处理模块包括答案录入子模块、公式转换子模块、题型分类子模块及算子组合子模块，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。