申请/专利权人:济源职业技术学院
申请日:2019-10-09
公开(公告)日:2020-01-10
公开(公告)号:CN110675297A
主分类号:G06Q50/20(20120101)
分类号:G06Q50/20(20120101);G06F16/435(20190101);G06N3/04(20060101);G06N3/08(20060101);G06F16/40(20190101)
优先权:
专利状态码:有效-授权
法律状态:2022.02.01#授权;2020.02.11#实质审查的生效;2020.01.10#公开
摘要:一种计算机数字化教学资源的调取系统及方法。本发明对教学资源和题库资源按照学科知识体系建立其对应的标记向量Q={q1,q2,…,q|N|},利用该向量标识资源与对应编号的要点之间的相关程度。在用户登录系统后,根据对用户教学进度矩阵K=N,R,G的最终,通过卷积神经网络模型CNN确认用户所需要进一步学习或训练的教学资源或题库资源,根据训练结果更新有用户对学科知识体系中的各个要点的掌握情况。本发明利用矩阵实现对学科内知识点之间逻辑联系的表征,按照学科内部逻辑,结合用户自身特点,通过卷积神经网络模型CNN筛选适合的教学资源和题库资源进行学习。本发明能够使使用者的学习过程更为系统化,能够引导使用者了解学科内部知识点之间的逻辑联系,因而教学效果更好。
主权项:1.一种计算机数字化教学资源的调取方法,其特征在于,步骤包括:第一步,登录账号;第二步,调取当前账号所对应的教学进度矩阵K=N,R,G;其中,N={n1,n2,…,n|N|}表示学科知识体系中的各个要点的集合,其中|N|表示要点的总数,R={r1,r2,…,r|N|}表示学科知识体系中的各个要点之间的逻辑联系矩阵,G={g1,g2,…,g|N|}表示当前账号对学科知识体系中的各个要点的掌握情况;第二步,根据G={g1,g2,…,g|N|}显示当前账号对学科知识体系中的各个要点的掌握情况,根据各个要点之间的逻辑联系矩阵R采用卷积神经网络模型CNN提取所述当前账号对学科知识体系中的各个要点的掌握情况G所对应的特征信息第三步,对第二步中所提取出来的特征信息进行max-pooling处理,获得特征向量,对特征向量中各元素数值按照Softmax函数进行提取,根据提取的特征向量中的元素所对应的要点gi,1≤i≤|N|,调取并输出对应的教学资源,调取对应题库资源进行训练并对训练结果进行评分;第四步,根据训练评分结果a={a1,a2,…,a|N|},更新当前账号对学科知识体系中的各个要点的掌握情况G={g1,g2,…,g|N|}+{a1,a2,…,a|N|};第五步,重复上述第一步至第四步,直至当前账号退出登录。
全文数据:
权利要求:
百度查询: 济源职业技术学院 计算机数字化教学资源的调取系统及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。