CN112150041A - 一种智能教育机器人辅助学习方法 - Google Patents

一种智能教育机器人辅助学习方法 Download PDF

Info

Publication number
CN112150041A
CN112150041A CN202011134675.7A CN202011134675A CN112150041A CN 112150041 A CN112150041 A CN 112150041A CN 202011134675 A CN202011134675 A CN 202011134675A CN 112150041 A CN112150041 A CN 112150041A
Authority
CN
China
Prior art keywords
auxiliary
grade
questions
learning
wrong
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011134675.7A
Other languages
English (en)
Inventor
郑春贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Addison International Investment Guangzhou Co ltd
Original Assignee
Addison International Investment Guangzhou Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Addison International Investment Guangzhou Co ltd filed Critical Addison International Investment Guangzhou Co ltd
Priority to CN202011134675.7A priority Critical patent/CN112150041A/zh
Publication of CN112150041A publication Critical patent/CN112150041A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种智能教育机器人辅助学习方法，用于解决现有的辅助机器人没有根据辅助用户的个人学习情况进行有区别有针对性的辅助，本发明一种智能教育机器人辅助学习方法通过用户登录模块、数据获取模块、智能辅助模块、数据分析模块、智能语音模块、扫描检查模块以及智能打印模块的配合，获取辅助用户的考试试卷进行加权计算得出辅助用户的学习等级系数Xki，并将学习等级系数Xki与每个等级对应的学习等级系数进行对比，不同的学习等级对应不同的学习辅助方案，做到针对性教学辅助，对辅助用户做到因材施教，提高辅助用户的学习成绩。

Description

一种智能教育机器人辅助学习方法
技术领域
本发明涉及一种辅助学习方法，具体为一种智能教育机器人辅助学习方法，属于智能教育机器人辅助学习技术领域。
背景技术
机器人教育是指通过设计、组装、编程、运行机器人，激发学生学***台。
现有的智能教育机器人大多是普遍意义的教育机器人，对待同一年级或是同一年龄段的辅助用户都采取同一辅助方案，没有根据辅助用户的最真实的学习情况进行分类教学辅助。
为了解决上述技术问题，本发明提供如下技术方案。
发明内容
本发明的目的在于提供一种智能教育机器人辅助学习方法，用于解决现有的辅助机器人没有根据辅助用户的个人学习情况进行有区别有针对性的辅助，本发明一种智能教育机器人辅助学习方法通过获取辅助用户的考试试卷进行加权计算得出辅助用户的学习等级系数Xki，并将学习等级系数Xki与每个等级对应的学习等级系数进行对比，不同的学习等级对应不同的学习辅助方案，做到针对性教学辅助，对辅助用户做到因材施教，提高辅助用户的学习成绩。
本发明的目的可以通过以下技术方案实现：
一种智能教育机器人辅助学习方法，包括智能教育机器人辅助学习***，所述智能教育机器人辅助学习***包括用户登录模块、数据获取模块、智能辅助模块、数据分析模块、智能语音模块、扫描检查模块以及智能打印模块；
所述数据获取模块用于获取辅助用户的考试试卷，并将获取得到的用户的考试试卷发送至数据分析模块，所述数据分析模块用于对接收到的用户的考试试卷进行分析，具体分析过程包括以下步骤：
步骤一：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；
步骤二：数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；
步骤三：获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；
步骤四：利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure BDA0002736274240000021
其中ai为预设比例系数固定值；
步骤五：数据分析模块将学习等级系数划分为四个等级梯度，分别为第一等级、第二等级、第三等级以及第四等级，每个等级对应的学习等级系数分别为(0，X1)、(X1，X2)、(X2，X3)以及(X3，1)，其中0<X1<X2<X3<1；
步骤六：若计算得出的学习等级系数Xki在第一等级范围内，则教育机器人进行第一套辅助方案；若计算得出的学习等级系数Xki在第二等级范围内，则教育机器人进行第二套辅助方案；若计算得出的学习等级系数Xki在第三等级范围内，则教育机器人进行第三套辅助方案；若计算得出的学习等级系数Xki在第四等级范围内，则教育机器人进行第四套辅助方案。
优选的，所述智能辅助模块用于根据计算得出的学习等级系数Xki进行教育辅助，教育辅助方案包括第一套辅助方案、第二套辅助方案、第三套辅助方案以及第四套辅助方案，智能辅助模块具体的辅助方案包括以下四套：
第一套辅助方案：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；
第二套辅助方案：若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；
第三套辅助方案：若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；
第四套辅助方案：若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
优选的，该***还包括用户登录模块，所述用户登录模块用于辅助用户输入个人信息注册，个人信息包括：辅助用户姓名、辅助用户年龄以及辅助用户年级。
优选的，所述扫描检查模块用于扫描辅助用户的考试试卷，用于对辅助用户的考试试卷进行对错评断。
优选的，辅助学习方法包括以下步骤：
步骤S1：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；
步骤S2：数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；
步骤S3：获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；
步骤S4：利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure BDA0002736274240000041
其中ai为预设比例系数固定值；
步骤S5：将计算得出的学习等级系数Xki与每个等级对应的学习等级系数进行对比：
S51：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；
S52：若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；
S53：若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；
S54：若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
与现有技术相比，本发明的有益效果是：
1、智能教育机器人首先获取辅助用户的考试试卷，并根据考试试卷的考试成绩确定辅助用户的学习等级系数，在确立学习等级系数时考虑的试卷的分值不同，采用了分值加权的方式尽可能做到采集数据的准确性；数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；利用计算公式计算出辅助用户的学习等级系数Xki。
2、数据分析模块将学习等级系数划分为四个等级梯度，针对辅助用户的学习等级系数Xki确定智能教育机器人的辅助方案，分别为第一等级、第二等级、第三等级以及第四等级，每个等级对应的学习等级系数分别为(0，X1)、(X1，X2)、(X2，X3)以及(X3，1)，其中0<X1<X2<X3<1；若计算得出的学习等级系数Xki在第一等级范围内，则教育机器人进行第一套辅助方案；若计算得出的学习等级系数Xki在第二等级范围内，则教育机器人进行第二套辅助方案；若计算得出的学习等级系数Xki在第三等级范围内，则教育机器人进行第三套辅助方案；若计算得出的学习等级系数Xki在第四等级范围内，则教育机器人进行第四套辅助方案。
3、智能教育机器人的辅助方案的辅助方案包括四套，四套的辅助方式各不相同，若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种智能教育机器人辅助学习方法，包括智能教育机器人辅助学习***，所述智能教育机器人辅助学习***包括用户登录模块、数据获取模块、智能辅助模块、数据分析模块、智能语音模块、扫描检查模块以及智能打印模块；
所述数据获取模块用于获取辅助用户的考试试卷，并将获取得到的用户的考试试卷发送至数据分析模块，所述数据分析模块用于对接收到的用户的考试试卷进行分析，具体分析过程包括以下步骤：
步骤一：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；
步骤二：数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；
步骤三：获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；
步骤四：利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure BDA0002736274240000081
其中ai为预设比例系数固定值；
步骤五：数据分析模块将学习等级系数划分为四个等级梯度，分别为第一等级、第二等级、第三等级以及第四等级，每个等级对应的学习等级系数分别为(0，X1)、(X1，X2)、(X2，X3)以及(X3，1)，其中0<X1<X2<X3<1；
步骤六：若计算得出的学习等级系数Xki在第一等级范围内，则教育机器人进行第一套辅助方案；若计算得出的学习等级系数Xki在第二等级范围内，则教育机器人进行第二套辅助方案；若计算得出的学习等级系数Xki在第三等级范围内，则教育机器人进行第三套辅助方案；若计算得出的学习等级系数Xki在第四等级范围内，则教育机器人进行第四套辅助方案。
其中，所述智能辅助模块用于根据计算得出的学习等级系数Xki进行教育辅助，教育辅助方案包括第一套辅助方案、第二套辅助方案、第三套辅助方案以及第四套辅助方案，智能辅助模块具体的辅助方案包括以下四套：
第一套辅助方案：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；
第二套辅助方案：若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；
第三套辅助方案：若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；
第四套辅助方案：若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
其中，该***还包括用户登录模块，所述用户登录模块用于辅助用户输入个人信息注册，个人信息包括：辅助用户姓名、辅助用户年龄以及辅助用户年级。
其中，所述扫描检查模块用于扫描辅助用户的考试试卷，用于对辅助用户的考试试卷进行对错评断。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure BDA0002736274240000101
其中ai为预设比例系数固定值；将计算得出的学习等级系数Xki与每个等级对应的学习等级系数进行对比：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种智能教育机器人辅助学习方法，其特征在于：辅助学习方法包括以下步骤：
步骤S1：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；
步骤S2：数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；
步骤S3：获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；
步骤S4：利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure FDA0002736274230000011
其中ai为预设比例系数固定值；
步骤S5：智能辅助模块将学习等级系数划分为四个等级梯度，分别为第一等级、第二等级、第三等级以及第四等级，每个等级对应的学习等级系数分别为(0，X1)、(X1，X2)、(X2，X3)以及(X3，1)，其中0<X1<X2<X3<1；将计算得出的学习等级系数Xki与每个等级对应的学习等级系数进行对比：
S51：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；
S52：若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；
S53：若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；
S54：若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
2.根据权利要求1所述的一种智能教育机器人辅助学习方法，其特征在于：所述数据获取模块用于获取辅助用户的考试试卷，并将获取得到的用户的考试试卷发送至数据分析模块，所述数据分析模块用于对接收到的用户的考试试卷进行分析，具体分析过程包括以下步骤：
步骤一：数据获取模块获取辅助用户本学期所有考试试卷以及试卷的分数，并将辅助用户本学期所有考试试卷以及试卷的分数发送至数据分析模块；
步骤二：数据分析模块接收到辅助用户本学期所有考试试卷后，对其进行科目分类，将科目类别标记为k；
步骤三：获取辅助用户本学期所有考试试卷的分数，并按照不同的科目类别标记为Fki，并读出考试试卷的总分Zki；
步骤四：利用计算公式计算出辅助用户的学习等级系数Xki，计算公式为
Figure FDA0002736274230000031
其中ai为预设比例系数固定值；
步骤五：智能辅助模块将学习等级系数划分为四个等级梯度，分别为第一等级、第二等级、第三等级以及第四等级，每个等级对应的学习等级系数分别为(0，X1)、(X1，X2)、(X2，X3)以及(X3，1)，其中0<X1<X2<X3<1；
步骤六：若计算得出的学习等级系数Xki在第一等级范围内，则教育机器人进行第一套辅助方案；若计算得出的学习等级系数Xki在第二等级范围内，则教育机器人进行第二套辅助方案；若计算得出的学习等级系数Xki在第三等级范围内，则教育机器人进行第三套辅助方案；若计算得出的学习等级系数Xki在第四等级范围内，则教育机器人进行第四套辅助方案。
3.根据权利要求1所述的一种智能教育机器人辅助学习方法，其特征在于：所述智能辅助模块用于根据计算得出的学习等级系数Xki进行教育辅助，教育辅助方案包括第一套辅助方案、第二套辅助方案、第三套辅助方案以及第四套辅助方案，智能辅助模块具体的辅助方案包括以下四套：
第一套辅助方案：若学习等级系数Xki在第一等级范围内，则智能教育机器人根据获取的所有考试试卷得出试卷中的错题，汇总生成错题集，且将错题根据题目的难易程度进行划分，设定第一等级周期，在预定第一等级周期依次对辅助用户进行重新考试，并统计周期内辅助用户的出错题，在下一周期内继续考察，直至错题集内错题全部回答正确，待错题集内错题全部回答正确进入第二套辅助方案内进行学习辅助；
第二套辅助方案：若学习等级系数Xki在第二等级范围内，则智能教育机器人将获取的所有考试试卷中的题目进行汇总，并按照题目的难易程度进行划分，筛选去除简单的题目，将重点的题目进行多次考察，并根据辅助用户给出的答案通过智能语音模块进行语音讲解，在一次语音讲解之后再下次继续考察，直到辅助用户全部回答正确，进入第三套辅助方案内进行学习辅助；
第三套辅助方案：若学习等级系数Xki在第三等级范围内，则智能教育机器人直接获取辅助用户目前所在的年级，通过连接互联网获取辅助用户目前所在的年级中普遍出错的知识点与难点，通过互联网获取与普遍出错的知识点、难点相匹配的题目，通过智能打印模块打印出题目对辅助用户进行考核，并在考核完成后通过扫描检查模块扫描至智能教育机器人内进行检查判断，对于出错的知识点进行语音讲解；
第四套辅助方案：若学习等级系数Xki在第四等级范围内，则智能教育机器人采取第三套辅助方案，在第三套辅助方案的基础上，增加下一年级的知识点与难点，通过智能语音模块对知识点进行讲解，并通过连接互联网获取与知识点、难点相匹配的题目进行考核。
4.根据权利要求1所述的一种智能教育机器人辅助学习方法，其特征在于：所述用户登录模块用于辅助用户输入个人信息注册，个人信息包括：辅助用户姓名、辅助用户年龄以及辅助用户年级。
5.根据权利要求1所述的一种智能教育机器人辅助学习方法，其特征在于：所述扫描检查模块用于扫描辅助用户的考试试卷，用于对辅助用户的考试试卷进行对错评断。
CN202011134675.7A 2020-10-21 2020-10-21 一种智能教育机器人辅助学习方法 Pending CN112150041A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011134675.7A CN112150041A (zh) 2020-10-21 2020-10-21 一种智能教育机器人辅助学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011134675.7A CN112150041A (zh) 2020-10-21 2020-10-21 一种智能教育机器人辅助学习方法

Publications (1)

Publication Number Publication Date
CN112150041A true CN112150041A (zh) 2020-12-29

Family

ID=73954408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011134675.7A Pending CN112150041A (zh) 2020-10-21 2020-10-21 一种智能教育机器人辅助学习方法

Country Status (1)

Country Link
CN (1) CN112150041A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512214A (zh) * 2015-11-28 2016-04-20 华中师范大学 一种知识数据库、构建方法及学情诊断***
CN106652620A (zh) * 2016-12-29 2017-05-10 广东小天才科技有限公司 一种终端测评方法及装置
CN106780222A (zh) * 2017-01-12 2017-05-31 陈星� 模拟综合成绩获得方法与装置
CN109033418A (zh) * 2018-08-07 2018-12-18 广东小天才科技有限公司 一种学习内容的智能推荐方法及学习设备
CN109447860A (zh) * 2018-10-16 2019-03-08 苏州友教习亦教育科技有限公司 成绩统计与分析***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512214A (zh) * 2015-11-28 2016-04-20 华中师范大学 一种知识数据库、构建方法及学情诊断***
CN106652620A (zh) * 2016-12-29 2017-05-10 广东小天才科技有限公司 一种终端测评方法及装置
CN106780222A (zh) * 2017-01-12 2017-05-31 陈星� 模拟综合成绩获得方法与装置
CN109033418A (zh) * 2018-08-07 2018-12-18 广东小天才科技有限公司 一种学习内容的智能推荐方法及学习设备
CN109447860A (zh) * 2018-10-16 2019-03-08 苏州友教习亦教育科技有限公司 成绩统计与分析***

Similar Documents

Publication Publication Date Title
Wilder Effects of parental involvement on academic achievement: a meta-synthesis
Rao et al. Confirmatory factor analysis of the Chinese version of the motivated strategies for learning questionnaire
Singh Fundamental of research methodology and statistics
Sabri Item analysis of student comprehensive test for research in teaching beginner string ensemble using model based teaching among music students in public universities
Lawson The relative responsiveness of concrete operational seventh grade and college students to science instruction
Saputra et al. Analysis difficulties and characteristics of item test of on biology national standard school examination
Lipson The role of the sampling distribution in understanding statistical inference
Yerg Reflections on the use of the RTE model in physical education
CN112150041A (zh) 一种智能教育机器人辅助学习方法
Macintyre et al. Strategies for mental calculation
Shoffa et al. The Influence of the DOCAR Model on the Critical Thinking of Junior High School Students
White et al. Assessing teacher performance using an observation instrument based on research findings
Ibrahim Empirical comparison of three methods for detecting differential item functioning in dichotomous test items
Antunovic-Piton et al. Factors affecting success in solving a stand-alone geometrical problem by students aged 14 to 15
Halabi et al. A South African study comparing the effectiveness of computer-based learning materials and face-to-face teaching
Falls THE ABILITY OF HIGH SCHOOL CHEMISTRY STUDENTS TO SOLVE COMPUTATIONAL PROBLEMS REQUIRING PROPORTIONAL REASONING AS AFFECTED BY ITEM IN-TASK VARIABLES (EVALUATION)
Geisinger Norm-and criterion-referenced testing.
Lang Criterion‐referenced tests in science: An investigation of reliability, validity, and standards‐setting
Herosian et al. Item Response Theory Analysis on Student Statistical Literacy Tests
Idhom et al. Performance Evaluation of Automated Essay Scoring Online System for Competency Assessment of Community Academy
Astuti Teachers' Belief in Ethnomathematics-Based Numeracy Learning Scale: A Rasch Model Analysis
Prasath et al. PSYCHOMETRIC ANALYSIS OF STUDENT’S ACADEMIC PERFORMANCE BETWEEN ONLINE AND OFFLINE APPROACH
Ibe et al. Gender and Communication Skills Acquisition of Students Exposed to Argument-Based Inquiry Instructional Approach.
Salim Evaluating the Reliability Index of an Entrance Exam Using Item Response Theory
Kasim The Effect of Implementation of Jigsaw Cooperative Learning Model on the Student Mathematics Learning Outcomes SD Negeri 133 Bontotiro

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20201229

RJ01 Rejection of invention patent application after publication