本发明公开了基于MCM的智适应复习资源推送方法，包括获取所有学生的历史知识点错题数据；获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。本发明解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
1.基于MCM的智适应复习资源推送方法，其特征在于，包括
获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
EH(S)表示用户标注当前学生的所有错因标签的总数；
EH(E)表示用户标注的所有学生的错因标签的总数；
EH(S)表示用户标注的具有当前错因标签的学生总数；
N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
EM(S)表示机器标注的当前学生的所有错因标签的总数；
根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题；
MCM是通过将每一种学习思维进行拆分，拆分出学生的思维模式Model of thinking、学习能力Capacity和学习方法Methodology的一种策略。
2.按照权利要求1所述的基于MCM的智适应复习资源推送方法，其特征在于：在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
个学生的相似度,若A和B均为空，则J(A,B)＝1；
步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
3.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。
4.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
5.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取学生的复习范围，根据复习范围，调取一个或多个知识点错题数据中的MCM标签，将调取的每个MCM标签对应的部分或全部推送的知识点错题进行组卷。
6.按照权利要求1或2所述的基于MCM的智适应复习资源推送方法，其特征在于：还包括获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
基于MCM的智适应复习资源推送方法
技术领域
[0001] 本发明属于在线教育技术领域，尤其涉及一种基于MCM的智适应复习资源推送方法。
背景技术
[0002] MCM是通过将每一种学习思维进行拆分，拆分出学生的思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)的一种策略。
[0003] 现有的知识点易错题或复习题推送方法，仅仅从试题的做题结果(错误/正确)判断学生在知识点上薄弱环节，没有真正考虑到造成知识点错题产生的原因除了未掌握知识点内容外，还可能是思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)这样的更深层次存在问题，以及学生的心理因素或者做题习惯等其他非智力因素。
[0004] 这样造成复习效率低下，导致复习治标不治本，学生的学习水平很难真正的提高。
发明内容
[0005] 本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于MCM的智适应复习资源推送方法，通过获取历史知识点错题数据中与知识点错题绑定的MCM标签，根据MCM标签向学生推送MCM学习资源，在MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。通过采用这样的方式首先让学生在思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对MCM标签对应的多个知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
[0006] 为解决上述技术问题，本发明采用的技术方案是：基于MCM的智适应复习资源推送方法，包括
[0007] 获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
[0008] 获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
[0009] 对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
[0010] P(E)＝P(H)+P(M)
[0011]
[0012] EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
[0013] EH(S)表示用户标注当前学生的所有错因标签的总数；
[0014] EH(E)表示用户标注的所有学生的错因标签的总数；
[0015] EH(S)表示用户标注的具有当前错因标签的学生总数；
[0016] N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
[0017] N0和-k为常数；
[0018] P(B)表示用户标注错因标签的次数；
[0019]
[0020] EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
[0021] EM(S)表示机器标注的当前学生的所有错因标签的总数；
[0022] 根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。
[0023] 上述基于MCM的智适应复习资源推送方法，在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：
[0024] 步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
[0025] 步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
[0026] 步骤C、根据 计算当前学生与另一个学生的相似度,若A和B均为空，则J(A,B)＝1；
[0027] 步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
[0028] 步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
[0029] 步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
[0030] 上述基于MCM的智适应复习资源推送方法，对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。
[0031] 上述基于MCM的智适应复习资源推送方法，还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
[0032] 上述基于MCM的智适应复习资源推送方法，还包括获取学生的复习范围，根据复习范围，调取一个或多个知识点错题数据中的MCM标签，将调取的每个MCM标签对应的部分或全部推送的知识点错题进行组卷。
[0033] 上述基于MCM的智适应复习资源推送方法，还包括获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
[0034] 本发明与现有技术相比具有以下优点：
[0035] 1、本发明通过利用错因重要程度值进行排序，可以有效的发现学生重要的薄弱环节，为针对性的消除学生的薄弱环节提供参考。
[0036] 2、本发明通过筛选出知识点错因标签中属于智力因素的错因标签，可以针对性的进行复习，使属于非智力因素的错因标签不需要再通过重复做题的方式进行复习，提高了复习效率。
[0037] 3、本发明通过获取历史知识点错题数据中与知识点错题绑定的MCM标签，根据MCM标签向学生推送MCM学习资源，在MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。通过采用这样的方式首先让学生在思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
[0038] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0039] 图1为本发明的方法流程图。
具体实施方式
[0040] 如图1所示，一种基于MCM的智适应复习资源推送方法，包括：
[0041] 步骤一、获取所有学生的历史知识点错题数据，每个学生历史知识点错题数据包含有多个知识点错题数据，每个所述知识点错题数据均包括知识点错题、对应知识点错题的错因标签和MCM标签；
[0042] 需要说明的是，内容管理系统中试题和MCM标签为预先绑定好的，当学生在做错试题时，为知识点错题打上错因标签，知识点错题、对应知识点错题的错因标签和MCM标签构成知识点错题数据。所述错因标签为在学生做错试题时，反映错误原因的标记，包括用户标记的(学生自己标记的或授课老师标记的)和机器标记的(基于预设规则或机器学习算法的标记)，例如错因标签和错因编码示例：
[0043]
[0044] 其中错因编码中，M开头代表非智力因素的错因标签，I开头代表智力因素的错因标签；
[0045] 所述MCM标签为反映试题所关联知识点学习所需的思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)；例如，数学、物理、化学学科内各个知识点下各个试题标记所用到的MCM标签如下表所示：
[0046]
[0047]
[0048] 步骤二、获取当前学生的多个错因标签，并筛选出属于智力因素的第一错因标签；
[0049] 步骤三、对当前学生的每个第一错因标签进行错因重要程度值P(E)计算；
[0050] P(E)＝P(H)+P(M)
[0051]
[0052] EH(S,E)表示用户标注的当前学生的当前错因标签的总数；
[0053] EH(S)表示用户标注当前学生的所有错因标签的总数；
[0054] EH(E)表示用户标注的所有学生的错因标签的总数；
[0055] EH(S)表示用户标注的具有当前错因标签的学生总数；
[0056] N(t)为时间衰减函数，N(t)＝N0e-kt，t为从用户标注错因标签的时间点到当前时间点所经过的天数；
[0057] N0和-k为常数；
[0058] P(B)表示用户标注错因标签的次数；
[0059]
[0060] EM(S,E)表示机器标注的当前学生的当前错因标签的总数；
[0061] EM(S)表示机器标注的当前学生的所有错因标签的总数；
[0062] 步骤四、根据每个第一错因标签对应的MCM标签，从预置的内容管理系统中抽取MCM标签对应的MCM学习资源，并且按照错因重要程度值P(E)值降幂排序，按排序抽取部分或全部MCM学习资源推送给学生，在每个MCM标签对应的MCM学习资源被学生学习完成后，向学生推送MCM标签对应的知识点错题。
[0063] MCM学习资源所述MCM学习资源包括视频、讲义和MCM试题。且所述视频的内容、讲义的内容和MCM试题的内容可以应用到多个学科。例如当MCM标签为观察能力时，涉及有观察能力的学科有很多，为了提高学生的观察能力，学习资源中视频的内容、讲义的内容和MCM试题的内容会指导学生如何有意识地对事物的数和形的特点进行感知活动，即对符号、字母、数字或文字所表示的数学关系式、命题、几何图形的特点进行察看。并指导学生对物理现象进行连续观察、综合观察、对比观察，再用MCM试题考察学生是否掌握了所指导的观察能力。
[0064] 进一步需要说明的是，向学生推送MCM标签对应的知识点错题数量为多个，多个知识点试题可能对应一个知识点，也可能对应多个不同的知识点。
[0065] 总的来说，一个错因标签下对应有一个或多个MCM标签，一个MCM标签下对应有一个或多个知识点错题。通过对错因标签进行错因重要程度值P(E)值计算，使学生首先对错因重要程度值P(E)值高的错因标签对应的多个MCM标签下的MCM学习资源进行学习，然后再对每个MCM标签对应下的多个知识点错题进行复习，使学生针对一个错因标签，首先从思维模式(Model of thinking)、学习能力(Capacity)和学习方法(Methodology)方面进行学习，再对MCM标签对应的多个知识点错题进行复习，能够起到事半功倍的效果，解决复习治标不治本，及学生的学习水平很难真正的提高的问题。
[0066] 本实施例中，在向学生推送MCM标签对应的知识点错题时，还包括抽取扩展知识点错题推送给当前学生；抽取包括以下步骤：
[0067] 步骤A、获取当前学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为A；
[0068] 步骤B、获取另一个学生在同样n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；该另一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
[0069] 步骤C、根据 计算当前学生与另一个学生的相似度,若A和B均为空，则J(A,B)＝1；
[0070] 步骤D、获取下一个学生在n个历史知识点错题的答题结果{0,1}，答对标注为0，答错标注为1，将获取到的n个历史知识点错题的答题结果进行集合，记为B；然后进入步骤C；该下一个学生在n个历史知识点错题上的错因标签与当前学生在n个历史知识点错题上的错因标签相同；
[0071] 步骤E、重复步骤D，直至除去当前学生外的所有其他学生均与当前学生计算过相似度；
[0072] 步骤F、调取与当前学生相似度最高的学生的除去n个历史知识点错题外的其他若干个知识点错题作为扩展知识点错题推送给当前学生。
[0073] 举例说明，假设总共有4名学生，第1名学生为当前学生，历史知识点错题数量n＝4，给定两个比较对象A，B。A,B均有4个二元属性，即每个属性取值为{0,1}，答对标注为0，答错标注为1。根据相似度计算公式，得出学生1和学生4的相似度最高，故会推荐题目5给到学生1。
[0074]
[0075]
[0076] 本实施例中，所述步骤三还包括对当前学生的多个错因标签进行错因重要程度值P(E)计算，按照错因重要程度值P(E)值降幂对错因标签排序，将排序结果推送给学生。通过将整个排序结果推送给学生，学生从可一目了然的看到智力因素和非智力因素的错因各是哪些，以及这些错因的错因重要程度值。
[0077] 本实施例中，所述步骤五还包括获取学生的复习范围，根据复习范围，将部分或全部推送的MCM学习资源中的MCM试题进行组卷。
[0078] 本实施例中，所述步骤四还包括获取学生的复习范围，根据复习范围，将部分或全部推送的知识点错题进行组卷。
[0079] 需要说明的是，所述复习范围包括复习学科信息、复习预估时长和复习题型中的一种或多种。
[0080] 还包括步骤五、获取当前学生的多个错因标签，并筛选出属于非智力因素的第二错因标签，并根据第二错因标签的内容向学生推送非智力因素错因的干预资源。
[0081] 以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
