一種基于數據驅動的學科學習發展推薦系統及方法與流程
本發明涉及一種基于數據驅動的學科學習發展推薦系統及方法，屬于教育領域信息推薦系統。
背景技術：
一些省市已經或即將開始在中考和高考實行7選3(從7門學科中選擇3門參加考試)或6選3(從6門學科中選擇3門參加考試)的政策。學生對自我未來發展的選擇權極大地增強了，但眾多學生因難以準確識別自身的優勢，選擇能力不足，而面臨不知如何選擇考試科目的困境，難以合理選擇考試學科，對自身學科狀態認識不足，無法科學的規劃學業發展；同時，教師也面臨指導學生規劃學習生涯的挑戰。
國內外尚沒有能夠滿足學生、教師這一需求的指導或推薦系統。
技術實現要素：
本發明要解決的問題是：基于學生多方面數據，識別學生類別及學生的學科發展能力和優勢特長，提前預警學業發展障礙，并向學生推薦個性化的學科學習發展建議。降低學生面對考試科目選擇的困惑和選擇的盲目性，提高選考的準確性和適應性；根據個人學科發展狀態，科學規劃個人學習進程，提高學習的針對性和精確性，為學生進行科學的學業發展規劃提供幫助。
本發明解決問題所采用的技術方案為：一種基于數據驅動的學科學習發展推薦系統，包括移動終端、計算機；所述計算機中運行推薦系統，所述推薦系統包括數據收集模塊、推薦算法模塊、可視化輸出模塊和推薦數據庫；其中：
數據收集模塊：教師通過移動終端將學生的考試成績數據和評價數據傳送至推薦數據庫；通過移動終端收集學生心理測評數據，并將所述心理測評數據上傳至推薦數據庫，所述考試成績數據為學生既往的學科考試成績；所述評價數據為學科教師對學生在該學科的興趣、投入度和潛能進行的等級評價；所述心理測評數據為學生通過移動終端完成心理測評的數據；
推薦算法模塊：將數據收集模塊中的心理測評數據、考試成績數據和評價數據按照推薦指數計算模型計算得到學科推薦指數，并通過對學科推薦指數的分析，得到學科關系數據、學生個體學科推薦指數數據、學生分類數據和個性化學科學習發展推薦方案的結果，將這些結果以網狀圖等形式保存起來送至可視化輸出模塊，使學生、教師和家長能夠通過移動終端查看，從而方便的看到學科之間的關系和自己的學科狀態；所述推薦指數計算模型計算學科推薦指數ri為：rix＝gx+ex+px，其中rix為學科x的推薦指數，gx為學科x的綜合成績，通過學生既往歷次學科成績加權平均得到，
可視化輸出模塊：對推薦算法模塊得到的結果進行可視化的輸出，包括描述學科之間關系的網狀圖和表現學生個體學科推薦指數的狀態圖，以及個性化學科發展推薦結果基于用戶角色生成word推薦報告，并呈現給學生、教師和家長；學生、教師和家長根據不同的角色通過移動終端或計算機查看上述數據和推薦結果；
推薦數據庫，包括三部分，一是學科成績數據表，存儲的是每個學科的學科名稱、考試時間、考試總分、考試成績；二是教師評價數據表，存儲的是每個學科的學科名稱、學科潛能、學科努力度、學科興趣度、評價者、評價時間；三是心理測試數據表，存儲的是心理測試名稱、測試成績、測試時間；這個模塊主要為推薦算法模塊提供數據調用，
所述移動終端是裝有心理測試、考試數據上傳和教師評價客戶端的手機或平板電腦。
一種基于數據驅動的學科學習發展推薦方法，實現步驟如下：
步驟(1)學生通過移動終端完成內置的心理測試，并將測試過程數據和結果數據輸入到推薦數據庫的心理測試數據表；
步驟(2)教師通過移動終端導入學生的學科名稱、考試時間、考試總分、考試成績，將數據存儲到推薦數據庫的成績數據表；
步驟(3)學科教師通過移動終端對學生在該學科的學習興趣度、學習努力度和學科潛能進行1到10分的評級，得分越高表明學生在該項目的表現越好，將評價數據存儲到推薦數據庫的教師評價數據表，供推薦算法調用；
步驟(4)推薦算法調用數據庫中存儲的數據，通過預訂的規則計算學生的學科推薦指數，rix＝gx+ex+px，其中rix為學科x的推薦指數，gx為學科x的綜合成績，通過學生既往歷次學科成績加權平均得到，
步驟(5)對所有學生的學科推薦指數進行相關分析，采用皮爾遜相關分析每兩個學科之間的相關度，并進行顯著性檢驗，通過顯著性檢驗，且相關系數高于0.5的兩個學科定義為高相關學科；通過顯著性檢驗，且相關系數大于0.3小于0.5的兩個學科定義為低相關學科；其他的稱為無關學科；若某個學科與三個及以上學科存在高相關，則該學科為群體的高影響學科；將以上數據以網狀圖的形式保存起來，并傳至可視化輸出模塊；
步驟(6)對學生所有學科推薦指數進行分析，從而將學生分成5類：高發展型學生是指所有學科推薦指數均高于群體的平均值的學生，表明學生在所有學科的學習都比較好，均衡發展型學生是指所有學科推薦指數均在群體的平均值附近的學生，表明學生所有學科的學習均達到了平均水平，晚發展型學生是指所有學科推薦指數均在群體均值以下的學生，表明學生所有學科的學習都不太好，特征發展型學生是指有些學科推薦指數高于群體平均值，有些學科推薦指數低于群體平均值的學生，其他類型學生是指不能歸為以上各類的學生；將以上數據圖的形式保存起來，并傳至可視化輸出模塊；
步驟(7)依據學生分類，根據預設的推薦規則生成學業發展推薦報告；
步驟(8)學生、教師、家長根據不同的角色通過移動終端或計算機查看推薦系統生成的報告，包括學科之間關系的網狀圖和表現學生個體學科推薦指數的柱狀圖，以及個性化學科發展推薦結果基于用戶角色生成word推薦報告。
本發明與現有技術相比的優點在于：
(1)目前尚沒有結合群體數據，針對學生個體學科現狀進行學生學科學習發展推薦的計算機系統，本系統是第一個面向中學生，為中學生提供基于數據驅動的學科學習發展推薦，幫助學生進行學科選擇的推薦系統。
(2)目前學生的學業規劃或選考策略往往單純依賴某一方面的數據，比如考試成績或個人興趣，難以綜合各方面的數據。本系統數據收集模塊收集了學生多方面的數據，存儲在推薦數據庫中，并通過推薦算法模塊對多種影響學生未來學業發展的數據進行分析，使得推薦更準確、合理。
(3)目前學生的選考決策過程有較強的主觀性，容易被最近的狀態影響。本系統數據收集模塊對學生歷次考試數據進行采集，并在推薦算法模塊對不同時間段的成績賦予不同權重，減少學生因最近一次考試理想或不理想而出現決策失誤的可能性。
附圖說明
圖1為一種基于數據驅動的學科學習發展推薦系統的流程圖；
圖2為圖1中推薦算法模塊的實現流程圖；
圖3為圖2中的推薦指數的計算方案實現流程圖；
圖4為圖2中群體學科關系圖及群體高影響學科推薦實現流程；
圖5為圖2中個體學科狀態圖及個體高影響學科推薦實現流程。
具體實施方式
下面結合附圖及具體實施方式詳細介紹本發明。
本發明為一種基于數據驅動的學科學習發展推薦系統及方法，其中推薦系統包括數據收集模塊、推薦算法模塊和可視化輸出模塊。流程如圖1所示。
具體實現步驟如下：
步驟(1)通過終端收集學生的學科成績、教師評價和心理測評結果，形成相應的數據表，存儲到推薦數據庫。
步驟(2)依據既定的規則調用數據庫中的數據，經過計算學科推薦指數、分析推薦指數、分析學科關系和進行學生分類，最終生成學科學習發展推薦結果。
步驟(3)將推薦結果以分析報告形式發送學生、教師和家長，分析報告包括群體學科關系圖、個體學科狀態圖和學科推薦。
推薦算法模塊，包括學科推薦指數計算、推薦指數分析、學生分類和生成學科發展推薦。學科推薦指數計算包括既往學科綜合成績評估、教師評價和心理特征分析；推薦指數分析包括推薦指數趨勢分析；學科推薦包括優勢學科、群體高影響學科推薦和個體高影響學科推薦。流程如圖2所示。
具體實現步驟如下：
步驟(1)計算學生在所有學科的推薦指數。
步驟(2)對所有學科的推薦指數進行分析。
步驟(3)依據對推薦指數的分析，確定群體高影響學科和個體高影響學科，并對學生進行分類。
步驟(4)依據不同推薦規則向學生進行推薦，向學生提供個性化的學業學習發展推薦。
本發明的推薦指數的計算方案如圖3所示。系統調用數據庫中存儲的學科成績數據、教師評價數據和心理測評數據，按照推薦指數計算規則計算出學科的推薦指數。
具體實現方法如下：
步驟(1)收集學生某學科一年內的既往考試成績(百分制)，按時間序列進行整理，并對不同時間段的成績(g)賦予不同權重(ω)，時間距離越近權重越高，ω1+ω2+...+ωi＝1。學科綜合成就g的計算規則如下，
g為學科x某次考試的成績；
ω為該次考試成績的權重；
gx為學科x的綜合成績。
如1年前(g1)、半年前(g2)、三個月內(g3)的測試成績，在計算時分別賦予20％(ω1)、30％(ω2)、50％(ω3)的權重。根據綜合成績gx的計算規則計算，
步驟(2)收集教師評價方面的信息，評估學生在該學科的興趣度x、投入度t與學科發展潛能q。3個方面均為10級評分。以學科興趣度為例，分值越高代表對學科的興趣度越高。1代表對學科完全沒興趣，非常不喜歡，10代表非常喜歡該學科。2～9為兩者的中間狀態，數字越大對學科的喜歡程度越高。
xx為學生在學科x的興趣度得分；
tx為學生在學科x的學科投入度得分；
qx為學生在學科x的學科潛能得分；
ex為學生在學科x的教師評價的原始分。
計算學科x綜合成績gx與教師評價原始分ex的皮爾遜相關系數
利用上述結果，進一步計算教師測評數據ex：
ex為學生在學科x的教師評價數據。
步驟(3)采用心理測驗對學生的個性心理特征進行測量和分析，包括一般認知能力、學科自我效能感、自我控制能力、數理邏輯能力、閱讀理解能力、空間能力、執行能力。因各量表的原始分值不同，無法進行計算。所以，先將學生的各量表得分先求出其在群體的z分數，再將z分數轉化為t分數，實現各心理特征測量的刻度統一，計算公式如下。
xi為學生在心理測驗i中的量表分；
si為所有學生心理測驗i量表分的標準差；
pi為該心理測驗i的得分。
計算學生學科綜合成績gx與上述心理測驗轉換分之間的皮爾遜相關系數
pi為第i個心理測驗的得分。
按照上述方法，計算每個學科與上述7個心理特征的相關系數。每個學科選取相關系數最高的三個心理特質計算該學科的心理測評數據px。
px為學生在學科x的心理測評數據
步驟(4)根據學生在該學科的綜合成績、教師評價得分和心理測評得分，計算學生該學科的推薦指數ri。
如，某個學生在學科x的推薦指數的計算：
rix＝gx+ex+px
rix為學科x的推薦指數；
gx為學科x的綜合成績；
ex為學科x的教師評價得分；
px為學科x的心理測評得分。
步驟(5)依據上述計算步驟和規則，計算學生在學所有學科的推薦指數ri1到rin。
以推薦指數作為學生學科潛能排序的依據。學科的推薦指數越高，表明學生在該學科的發展的潛能越大，在該學科越具有優勢。
本發明的推薦指數分析內容和方法如下：
對所有學生在全部學科的推薦指數進行相關分析得到學科之間的相關度，采用皮爾遜相關系數，計算公式如下：
rix為學科x的推薦指數；
riy為學科y的推薦指數；
rxy為學科x與學科y之間的相關系數。
然后，采用t檢驗對計算出的相關系數進行顯著性檢驗：
rxy為學科x與學科y之間的相關系數；
n為參與計算rxy的學生人數。
如圖4所示，計算機調用推薦指數計算模塊得到的學生群體學科推薦指數計算學科之間的關系，依據相關學科判定標準繪制學科關系圖，其中高相關學科之間用實線連接，低相關學科之間用虛線連接，無關學科之間不連接；如果學科同時與三個及以上學科為高相關學科，則將該學科以高亮顯示，并標注為群體高影響學科。判斷標準為：通過顯著性檢驗，且相關系數高于0.5的兩個學科定義為高相關學科；通過顯著性檢驗，且相關系數大于0.3小于05的兩個學科成為低相關學科；其他的稱為無關學科。若某個學科與三個及以上學科存在高相關，則該學科為群體的高影響學科。
學科指數的群體集中度和離散度采用學科推薦指數均值
n為參與計算的學生人數；
計算學生在學學科推薦指數的標準z分數，例如學生a在學科x的z分數計算如下，
rix為學生a在x學科的推薦指數，
zx為學生a在x學科推薦指數的z分數。
用相同方法計算學生在所有學科的推薦指數z分數，z1、z2、…、zn。
依據計算結果確定個體的優勢學科和個體高影響學科，具體實現步驟如圖5所示：計算機調用推薦算法模塊得到的學生各學科推薦指數進行分析，并依據判斷標準繪制個體學科狀態圖，其中學生的優勢學科和弱勢學科以不同的顏色高亮顯示和標注。將學生個體學科狀態圖與群體學科關系進行對比，確定學生的個體高影響學科，進行高亮顯示并標注為個體高影響學科。
具體判斷標準為：個體優勢學科是指學生推薦指數z分數大于或等于1的學科，如圖中所示某學生學科x的推薦指數z分數，zx≥1，則該學科x為該學生的優勢學科。該學生學科y的推薦指數z分數，zy≤-1，則學科y為該學生的弱勢學科。同時全體數據分析發現學科x與學科y的相關系數rxy〉0.5。表明學科x與學科y可能具有某種內在聯系，在大部分學生中兩個學科成績會相互影響。而該學生在兩個學科的表現與群體數據不一致，則在未來的學科發展中可能出現表現較弱的學科y拖累表現較好學科x的發展，將該學科y定義為該學生的個體高影響學科。
依據學生學科推薦指數z分數的計算結果將學生分成5類，具體分類標準如下：
高發展型學生：所有學科推薦指數z分數均大于或等于1，即z≥1。
均衡發展型學生：學科推薦指數z分數在0.6和-0.6之間，即-0.6<z<0.6。
晚發展型學生：學科推薦指數z分數均小于或等于-1，即z≤-1。
特征發展型學生：學科推薦指數z分數離散地分布在-2到3之間，即-2<z，且z分數的離散度sz大于50％學生的離散度。
其中
zx為學生在學科x推薦指數的z分數，
n為學科數。
其他類型學生：不能歸為以上各類的學生。
本發明針對不同學生的推薦規則設定和具體推薦方案如下：
高發展型學生：此類學生各個學科表現都比較好，均有較高的發展潛能，具有多種發展的可能性和全面發展的潛力。因此，對此類學生的推薦以興趣優先。以柱狀圖向學生呈現各學科的推薦指數得分情況，推薦群體高影響學科，推薦學生以興趣為導向的，較高選擇自由度的發展。
特征發展型學生：此類學生屬于學科表現有差異的學生，在某些學科上具有發展優勢，在某些學科的表現不好。這類學生對自己的優勢和劣勢具有相對明確的感知，但對劣勢所可能帶來的影響并沒有清晰的認識，容易出現劣勢學科影響優勢學科表現的情況。因此以柱狀圖向學生呈現各學科的推薦指數得分情況，推薦群體高影響學科和個體高影響學科，讓學生重視這兩類具有較高影響力的學科，并提醒學生使非優勢學科的水平達到不妨礙優勢學科發展的程度。
均衡發展型學生：此類學生屬于各個學科的表現和潛能都相對比較平均且在群體中處在中等水平。綜合全面地發展是這類學生的優勢，而不宜為了過分追求某個學科的突出而忽視其他學科。因此以柱狀圖向學生呈現各學科的推薦指數得分情況，推薦群體高影響學科和個體高影響學科，鼓勵學生在繼續全面發展的基礎上，并結合自身個性特征發展比較優勢。
晚發展型學生：此類學生屬于各個學科的表現都比較弱，也難以發現突出學科潛能。對此類學生關鍵是能夠保持各個學科達到合格水平，維持并增加學科學習的興趣。因此，以柱狀圖向學生呈現各學科的推薦指數得分情況，推薦群體高影響學科，鼓勵此類學生挖掘自身興趣，并進行更深入的學業診斷找到困難點，提升學業表現，努力形成一技之長。
其他類型學生：對此類學生需進行個體化的分析，以柱狀圖向學生呈現各學科的推薦指數得分情況，推薦群體高影響學科和個體高影響學科。此外，推薦學生進行更深入的學科和心理診斷，尋找個人突破點。
本發明未詳細闡述的部分屬于本領域公知技術。
- 還沒有人留言評論。精彩留言會獲得點贊！