本發(fā)明涉及教學領域，具體是基于模擬人模擬數(shù)據(jù)的模擬教學評估方法及系統(tǒng)。

背景技術：

1、在模擬教學領域，對學員的學習效果進行科學、精準的評估是提升教學質(zhì)量和優(yōu)化學習路徑的關鍵環(huán)節(jié)。然而，現(xiàn)有模擬教學評估方法存在諸多局限性：

2、一方面，傳統(tǒng)評估方式多依賴單一維度的數(shù)據(jù)（如答題正確率或?qū)W習完成度），缺乏對教學項本身屬性（如教學時長、知識點數(shù)量、難度系數(shù)）與學員學習行為數(shù)據(jù)的綜合考量，導致評估結果片面，難以反映教學項的實際教學價值和學員的真實學習狀態(tài)。

3、另一方面，現(xiàn)有方法往往忽視不同教學項之間的關聯(lián)性，無法根據(jù)學員選擇的教學項推薦關聯(lián)度高的教學內(nèi)容，也難以生成針對性的教學策略，使得評估基準缺乏動態(tài)調(diào)整能力，與學員的個性化學習需求匹配度較低。

4、此外，在評估指標的量化計算上，現(xiàn)有技術未建立教學強度與評估特征的系統(tǒng)性關聯(lián)模型，對教學項難度、知識點數(shù)量等關鍵參數(shù)的權重分配不合理，導致評估特征的提取不夠精準，最終影響學習評估結果的可靠性。

技術實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供基于模擬人模擬數(shù)據(jù)的模擬教學評估方法，包括如下步驟：

2、步驟一，將歷史教學數(shù)據(jù)根據(jù)教學項劃分為多個子數(shù)據(jù)集，并分別生成對應子數(shù)據(jù)集的模擬教學數(shù)據(jù)評估容器；

3、步驟二，對應子數(shù)據(jù)集的模擬教學數(shù)據(jù)容器獲取子數(shù)據(jù)集的第一教學數(shù)據(jù)、第二教學數(shù)據(jù)以及教學項的教學強度；根據(jù)第一教學數(shù)據(jù)和第二教學數(shù)據(jù)與教學項的教學強度，分別得到第一評估特征和第二評估特征；

4、步驟三，根據(jù)第一評估特征、第二評估特征以及評估特征權重，得到對應教學項的教學評估特征；

5、步驟四，根據(jù)教學項的教學評估特征以及教學項的關聯(lián)特征，得到關聯(lián)教學項序列，根據(jù)關聯(lián)教學項序列和學員選擇的教學項，生成教學項教學策略，根據(jù)教學項教學策略，得到基準教學評估指標；

6、步驟五，根據(jù)學員的教學數(shù)據(jù)獲取學員的教學評估指標，根據(jù)學員的教學評估指標和基準教學評估指標，得到學員的學習評估結果。

7、進一步的，所述的對應子數(shù)據(jù)集的模擬教學數(shù)據(jù)容器獲取子數(shù)據(jù)集的第一教學數(shù)據(jù)、第二教學數(shù)據(jù)以及教學項的教學強度，包括：

8、所述第一教學數(shù)據(jù)為教學項的基礎屬性數(shù)據(jù)，包括教學時長、知識點數(shù)量、難度系數(shù)；所述第二教學數(shù)據(jù)為學員學習行為數(shù)據(jù)，包括學習完成度、答題正確率；

9、所述教學項的教學強度為：

10、si=(α×d)×(β×k+γ×k2)

11、其中d為教學項的難度系數(shù)；k為教學項包含的知識點數(shù)量；α為難度系數(shù)權重；β為知識點基礎權重；γ為知識點累積權重。

12、進一步的，所述的根據(jù)第一教學數(shù)據(jù)和第二教學數(shù)據(jù)與教學項的教學強度，分別得到第一評估特征和第二評估特征，包括：

13、所述第一評估特征通過第一教學數(shù)據(jù)與教學強度的加權融合得到，計算公式為：

14、

15、其中，f1為第一評估特征；t為教學時長；k為教學項包含的知識點數(shù)量；d為難度系數(shù)；si為教學強度；w_d、w_s分別為教學時長、知識點數(shù)量、難度系數(shù)、教學強度的權重系數(shù)；

16、所述第二評估特征通過第二教學數(shù)據(jù)與教學強度的關聯(lián)計算得到，計算公式為：

17、f2=(c1×c+c2×a)×si

18、其中，f2為第二評估特征；c為學習完成度；a為答題正確率；c1、c2為權重系數(shù)；si為教學強度。

19、進一步的，所述的根據(jù)第一評估特征、第二評估特征以及評估特征權重，得到對應教學項的教學評估特征，包括：

20、所述評估特征權重包括第一特征權重λ1和第二特征權重λ2，且λ1+λ2=1；

21、所述教學評估特征的計算公式為：

22、f=λ1×f1+λ2×f2

23、其中，f為教學評估特征；f1為第一評估特征；f2為第二評估特征；所述第一特征權重λ1和第二特征權重λ2通過歷史教學評估數(shù)據(jù)的回歸分析確定，以歷史教學項的綜合評估結果為因變量，以第一評估特征和第二評估特征為自變量進行線性回歸，回歸系數(shù)歸一化后分別作為λ1和λ2。

24、進一步的，所述的根據(jù)教學項的教學評估特征以及教學項的關聯(lián)特征，得到關聯(lián)教學項序列，包括：

25、所述教學項的關聯(lián)特征包括知識點重合度、難度遞進系數(shù)、教學目標相關性；

26、計算目標教學項與其他教學項的綜合關聯(lián)度：

27、r=μ1×o+μ2×p+μ3×q+μ4×sim(f,f')

28、其中，r為綜合關聯(lián)度；o為知識點重合度；p為難度遞進系數(shù)；q為教學目標相關性；sim(f,f')為目標教學項與對比教學項的教學評估特征相似度；μ1、μ2、μ3、μ4為關聯(lián)特征權重；將所有其他教學項按綜合關聯(lián)度r從高到低排序，形成關聯(lián)教學項序列。

29、進一步的，所述的根據(jù)關聯(lián)教學項序列和學員選擇的教學項，生成教學項教學策略，根據(jù)教學項教學策略，得到基準教學評估指標，包括：

30、所述教學項教學策略包括關聯(lián)教學項的推薦順序、各教學項的學習時長分配比例、重點知識點標注；

31、所述基準教學評估指標基于關聯(lián)教學項序列中前n項（n≥1）的歷史平均評估數(shù)據(jù)與學員選擇教學項的基準數(shù)據(jù)融合生成，具體為：

32、c0=ω0×c_base+σ(ω_i×c_i)

33、a0=ω0×a_base+σ(ω_i×a_i)

34、其中，c0、a0為基準教學評估指標，分別為基準完成度、基準正確率；c_base、a_base為學員選擇教學項的歷史平均完成度、正確率；c_i、a_i為關聯(lián)教學項序列中第i項的歷史平均完成度、正確率；ω0為學員選擇教學項的權重，ω_i為關聯(lián)教學項序列中第i項的權重。

35、進一步的，所述的根據(jù)學員的教學數(shù)據(jù)獲取學員的教學評估指標，根據(jù)學員的教學評估指標和基準教學評估指標，得到學員的學習評估結果，包括：

36、所述學員的教學評估指標包括實際學習完成度c_actual和實際答題正確率a_actual，從學員的學習行為數(shù)據(jù)中提取，計算學員學習完成度偏差率c_diff與答題正確率偏差率a_diff：

37、c_diff=(c_actual-c0)/c0×100%

38、a_diff=(a_actual-a0)/a0×100%

39、所述學習評估結果通過綜合偏差率確定，綜合偏差率s為：

40、s=θ1×c_diff+θ2×a_diff

41、其中，θ1、θ2為偏差率權重，c_diff為學習完成度偏差率，a_diff為答題正確率偏差率。

42、基于模擬人模擬數(shù)據(jù)的模擬教學評估系統(tǒng)，應用所述的基于模擬人模擬數(shù)據(jù)的模擬教學評估方法，包括：主控模塊、數(shù)據(jù)預處理模塊、特征提取模塊、評估特征融合模塊、關聯(lián)分析與策略生成模塊、關聯(lián)分析與策略生成模塊、學習評估模塊和數(shù)據(jù)存儲模塊；

43、所述的數(shù)據(jù)預處理模塊、特征提取模塊、評估特征融合模塊、關聯(lián)分析與策略生成模塊、關聯(lián)分析與策略生成模塊、學習評估模塊和數(shù)據(jù)存儲模塊分別與所述的主控模塊連接；

44、所述的數(shù)據(jù)預處理模塊，用于將歷史教學數(shù)據(jù)根據(jù)教學項劃分為多個子數(shù)據(jù)集，并分別生成對應子數(shù)據(jù)集的模擬教學數(shù)據(jù)評估容器；

45、所述的特征提取模塊，用于通過對應子數(shù)據(jù)集的模擬教學數(shù)據(jù)容器獲取子數(shù)據(jù)集的第一教學數(shù)據(jù)、第二教學數(shù)據(jù)以及教學項的教學強度，并根據(jù)第一教學數(shù)據(jù)和第二教學數(shù)據(jù)與教學項的教學強度，分別得到第一評估特征和第二評估特征；

46、所述的評估特征融合模塊，用于根據(jù)第一評估特征、第二評估特征以及評估特征權重，得到對應教學項的教學評估特征；

47、所述的關聯(lián)分析與策略生成模塊，用于根據(jù)教學項的教學評估特征以及教學項的關聯(lián)特征，得到關聯(lián)教學項序列，根據(jù)關聯(lián)教學項序列和學員選擇的教學項，生成教學項教學策略，并根據(jù)教學項教學策略，得到基準教學評估指標；

48、所述的學習評估模塊，用于根據(jù)學員的教學數(shù)據(jù)獲取學員的教學評估指標，并根據(jù)學員的教學評估指標和基準教學評估指標，得到學員的學習評估結果；

49、所述的數(shù)據(jù)存儲模塊，用于存儲歷史教學數(shù)據(jù)、子數(shù)據(jù)集、模擬教學數(shù)據(jù)評估容器、各類特征數(shù)據(jù)、教學策略及評估結果。

50、本發(fā)明的有益效果是：通過構建第一評估特征和第二評估特征的量化模型，實現(xiàn)了教學項客觀屬性與學員主觀行為的加權融合，同時引入教學強度（si）作為關聯(lián)因子，強化了教學項特性與學習效果之間的關聯(lián)性。評估特征權重通過歷史數(shù)據(jù)回歸分析確定，確保了特征融合的科學性，提升了教學評估特征的準確性。

51、通過分析教學項的關聯(lián)特征生成關聯(lián)教學項序列，并結合學員選擇的教學項制定個性化教學策略，使基準教學評估指標更符合學員的學習路徑和能力水平，解決了傳統(tǒng)評估基準靜態(tài)化、適應性差的問題。

52、通過計算學員實際評估指標與基準指標的偏差率，實現(xiàn)了對學習效果的量化對比分析。為教學優(yōu)化和學員學習提升提供了精準依據(jù)。