基于模糊云认知诊断模型的学生分数预测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113674116A(43)申请公布日2021.11.19(21)申请号202111005319.X(22)申请日2021.08.30(71)申请人湖南师范大学地址410081湖南省长沙市岳麓区麓山路36号(72)发明人马华黄卓轩李京泽唐文胜张栩翔(74)专利代理机构北京风雅颂专利代理有限公司11403代理人曾志鹏(51)Int.Cl.G06Q50/20(2012.01)G06Q10/04(2012.01)G06N7/00(2006.01)G06N7/02(2006.01)权利要求书3页说明书15页附图3页(54)发明名称基于模糊云认知诊断模型的学生分数预测方法及装置(57)摘要本发明公开了一种基于模糊云认知诊断模型的学生分数预测方法及装置，该方法包括：建立学生认知云模型；根据学生认知云模型的求解结果，获取学生在知识点上的掌握程度区间数；根据知识点掌握程度区间数，获取学生对试题的掌握程度区间数；根据迭代训练获得的目标模型参数和学生对试题的掌握程度区间数，获取试题的预测得分。本发明的模糊云认知诊断模型使用由学生认知云转化得到的模糊区间数来刻画学生对知识点掌握程度的模糊性和不确定性，实现了对学生认知状态更全面的表征；此外，模糊云认知诊断模型简化了模型参数，缩短了模型执行时间，进而在模型支持下，有效提升了大规模在线学习场景下学生分数的预测准确度和计算效率。CN113674116ACN113674116A权利要求书1/3页1.一种基于模糊云认知诊断模型的学生分数预测方法，其特征在于，包括：建立学生认知云模型；根据所述学生认知云模型的求解结果，获取学生在知识点上的掌握程度区间数；根据所述知识点掌握程度区间数，获取所述学生对试题的掌握程度区间数；根据迭代训练获得的目标模型参数和所述学生对试题的掌握程度区间数，获取试题的预测得分。2.根据权利要求1所述的基于模糊云认知诊断模型的学生分数预测方法，其特征在于，所述建立学生认知云模型，包括：设定学生分值论域和学生认知论域，并根据所述学生分值论域中的得分对于所述学生认知论域的隶属度定义学生认知云；获取数字特征集，所述数字特征集中包含认知期望、认知熵和认知超熵；根据所述数字特征集建立学生认知云模型。3.根据权利要求2所述的基于模糊云认知诊断模型的学生分数预测方法，其特征在于，所述根据所述学生认知云模型的求解结果，获取学生在知识点上的掌握程度区间数，包括：获取考察了知识点k的试题集对应的试题数量，并检测所述试题集对应的试题数量是否大于预设道数；若大于预设道数，则通过逆向认知云算法对学生i在知识点k上的学生认知云模型CCik进行求解，获得认知期望认知熵和认知超熵的特征值，并将所有所述特征值输入组合评价模型，获得所述学生i在知识点k上的掌握程度下限和掌握程度上限其中，所述逆向认知云算法为：上式中，和分别为所述学生i在知识点k上认知期望、认知熵和认知超熵；|R′ik|为得分集合R′ik的集合大小，得分集合R′ik为所述学生i在考察了知识点k的试题集上的得分集合，可以表示R′ik＝{r′ik1,r′ik2,…}，r′ikm为所述学生i在考察了知识点k的第m道试题上的得分；所述组合评价模型为：上式中，w为所述学生认知云的认知超熵的权重；根据所述学生i在知识点k上的掌握程度下限和掌握程度上限获取所述学生i在2CN113674116A权利要求书2/3页知识点k上的掌握程度区间数4.根据权利要求3所述的基于模糊云认知诊断模型的学生分数预测方法，其特征在于，所述根据所述学生认知云模型的求解结果，获取学生在知识点上的掌握程度区间数，还包括：若小于预设道数，则确定学生认知云模型无效，并通过概率矩阵分解方法预测学生得分。5.根据权利要求3所述的基于模糊云认知诊断模型的学生分数预测方法，其特征在于，所述根据所述知识点掌握程度区间数，获取所述学生对试题的掌握程度区间数，包括：检测试题j所属的试题类型；在试题j属于客观题时，获取与所述客观题匹配的第一模糊评价模型，并根据所述第一模糊评价模型获取所述学生i对客观题的掌握程度下限和掌握程度上限其中，所述第一模糊评价模型为：上式中，和分别为所述学生i在知识点k上的掌握程度下限和掌握程度上限；qjk为试题j是否考察了知识点k；∩为模糊交；在试题j属于主观题时，获取与所述主观题匹配的第二模糊评价模型，并根据所述第二模糊评价模型获取所述学生i对主观题的掌握程度下限和掌握程度上限其中，所述第二模糊评价模型为：上式中，∪为模糊并；根据所述学生i对主观题和客观题的掌握程度下限和掌握程度上限获取学生i对主观题和客观题的掌握程度区间数6.根据权利要求5所述的基于模糊云认知诊断模型的学生分数预测方法，其特征在于，所述目标模型参数