【技術實現步驟摘要】
本專利技術涉及計算機，尤其涉及一種基于ai工作流的個性化學習推薦方法及裝置、電子設備。
技術介紹
1、當前的教育
，推薦系統已成為輔助用戶發現感興趣課程的關鍵工具，部分推薦方法依賴于一種相對簡單的機制，即基于熱度進行推薦，但它未能考慮到這些個體差異，從而可能導致不適合特定學習者需求的課程推薦。
2、為了克服上述局限性，ai工作流技術被引入到教育領域。ai工作流是利用ai算法和工具，實現任務的自動分配、數據的智能處理、決策的輔助支持等功能，以提高工作效率、降低成本、提升質量，并增強企業的競爭力。現有公告號cn118132858b公開了一種基于ai的個性化學習推薦方法及系統。該方法包括：根據用戶的課程查詢請求從用戶在教學平臺的歷史學習數據中篩選出目標數據，從目標數據中確定用戶關于目標課程知識標識的第一難度等級，查詢第一難度等級對應的第二難度等級，根據第二難度等級從課程庫中篩選出目標課程集合；將課程查詢請求的請求時間和從用戶的歷史學習數據中提取到的學習特征數據輸入到內容格式分析模型中，輸出用戶的目標推薦格式，確定目標課程集合中目標推薦格式對應的目標教學課程，根據每個教學課程的熱度值和目標教學課程向用戶進行課程推薦。提升教學平臺對教學課程的推薦精度，提升用戶的學習體驗和學習效率。
3、但是，上述基于ai的個性化學習推薦方法及系統，主要依賴用戶在教學平臺的歷史學習數據，未能根據用戶的實時表現進行動態調整，用戶在學習過程中可能遇到新的問題或需求，現有系統無法即時提供反饋和調整推薦。
1、本專利技術的目的在于提供一種基于ai工作流的個性化學習推薦方法及裝置、電子設備，解決了現有的基于ai的個性化學習推薦方法及系統，主要依賴用戶在教學平臺的歷史學習數據，未能根據用戶的實時表現進行動態調整，用戶在學習過程中可能遇到新的問題或需求，現有系統無法即時提供反饋和調整推薦的問題。
2、為實現上述目的，本專利技術提供了一種基于ai工作流的個性化學習推薦方法，包括以下步驟：
3、用戶授權后，實時采集用戶在教學平臺上的學習行為數據，學習行為數據包括學習時間、學習進度、練習完成情況、測試成績和用戶的生理反應數據，并將采集的實時學習行為數據存儲在云數據庫中；
4、基于采集的實時學習行為數據，運用機器學習算法評估用戶當前的學習狀態和能力水平，獲得評估結果，并根據評估結果確定用戶的學習需求；
5、根據學習需求預測用戶在學習課程內容時會遇到的難度，并作為預測結果；
6、根據預測結果和學習需求，從預設的課程庫中篩選出適合用戶當前學習的課程集合；
7、在篩選出的課程集合中，結合用戶的興趣偏好和實時學習行為數據，生成個性化的課程推薦列表；
8、收集并分析用戶對課程推薦列表中推薦課程的反饋意見，根據反饋意見實時調整推薦策略。
9、其中，用戶授權后，實時采集用戶在教學平臺上的學習行為數據，學習行為數據包括學習時間、學習進度、練習完成情況、測試成績和用戶的生理反應數據，并將采集的實時學習行為數據存儲在云數據庫中，具體步驟包括：通過教學平臺上的用戶協議或隱私政策獲得用戶的明確授權；記錄用戶登錄教學平臺的時間、學習時長以及學習活動的頻次，追蹤用戶完成課程章節、任務或項目的進度，收集用戶完成練習題、作業或測試的情況，記錄用戶參加的各類測試的成績，以及通過攝像頭和麥克風收集用戶的生理反應數據，獲得實時學習行為數據；對實時學習行為數據進行清洗、整理和標準化處理，并存儲在云數據庫中。
10、其中，基于采集的實時學習行為數據，運用機器學習算法評估用戶當前的學習狀態和能力水平，獲取評估結果，并根據評估結果確定用戶的學習需求，具體步驟包括：
11、從存儲的數據中提取與用戶學習狀態和能力水平相關的特征作為用戶學習狀態和能力水平特征，用戶學習狀態和能力水平特征包括學習時間的長短、學習進度的快慢、練習完成情況的正確率、測試成績的分布以及生理反應數據的波動；
12、使用歷史學習行為數據作為訓練集，對選定的機器學習算法進行訓練，訓練過程中，機器學習算法將學習如何從用戶學習狀態和能力水平特征中提取有用的信息，并構建第一預測模型；
13、將訓練后的第一預測模型應用于實時采集的學習行為數據，對用戶當前的學習狀態和能力水平進行評估；
14、根據評估結果，結合教學平臺的學習資源和課程目標，確定用戶當前的學習需求。
15、其中，根據學習需求預測用戶在學習課程內容時會遇到的難度，并作為預測結果，具體步驟包括：
16、獲取學習需求中即將學習的課程內容；
17、提取與即將學習的課程內容緊密相關的特征作為課程內容特征，課程內容特征包括課程內容的復雜性、知識點的關聯性和難易度分布；
18、將用戶學習狀態和能力水平特征與課程內容特征進行融合，形成綜合特征集；
19、構建難度預測模型，并進行訓練，在訓練過程中，難度預測模型學習如何從綜合特征集中提取有用的信息。
20、其中，構建難度預測模型，并進行訓練，在訓練過程中，難度預測模型學習如何從綜合特征集中提取有用的信息，之后，還包括以下步驟：
21、將訓練后的難度預測模型應用于實時采集的學習行為數據和課程內容特征，預測用戶在學習課程內容時會遇到的難度，難度包括遇到的疑問或需要進一步學習的知識點。
22、其中，根據預測結果和學習需求，從預設的課程庫中篩選出適合用戶當前學習的課程集合，具體步驟包括：
23、對用戶即將學習的課程內容進行深入分析，識別出其中的關鍵知識點和技能；
24、遍歷預設的課程庫，搜索與關鍵知識點和技能相關聯的課程；
25、利用機器學習算法或深度學習算法，結合歷史學習數據和課程知識點之間的關聯性，進行課程的匹配和篩選；
26、根據預測的用戶學習需求和可能遇到的難度，從匹配的課程中篩選出最適合用戶當前學習的課程，組合成一個課程集合。
27、其中，在篩選出的課程集合中，結合用戶的興趣偏好和實時學習行為數據，生成個性化的課程推薦列表，具體步驟包括：
28、評估課程集合中每門課程的可信度，并分配一個可信度權重；
29、分析課程集合中每門課程的課程內容，識別其中的關鍵知識點和技能，將知識點和技能與用戶在學習課程內容時會遇到的預測疑問進行匹配，計算匹配度，根據匹配度的高低，為每門課程分配一個與預測疑問的關聯度權重；
30、從用戶的歷史學習行為數據中提取用戶的興趣標簽，將每門課程與學生興趣標簽進行匹配，計算興趣匹配度，根據興趣匹配度的高低，為每門課程分配一個興趣偏好權重；
31、計算用戶完成課程所需的總學習時間，基于用戶的學習狀態和能力水平，以及課程的復雜性、知識點的關聯性和難易度分布，評估用戶學習每門課程的難度，結合總時間和總難度，為每門課程分配一個綜合難度權重；
32、本文檔來自技高網...
【技術保護點】
1.基于AI工作流的個性化學習推薦方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于AI工作流的個性化學習推薦方法，其特征在于，用戶授權后，實時采集用戶在教學平臺上的學習行為數據，學習行為數據包括學習時間、學習進度、練習完成情況、測試成績和用戶的生理反應數據，并將采集的實時學習行為數據存儲在云數據庫中，具體步驟包括：
3.如權利要求2所述的基于AI工作流的個性化學習推薦方法，其特征在于，基于采集的實時學習行為數據，運用機器學習算法評估用戶當前的學習狀態和能力水平，獲取評估結果，并根據評估結果確定用戶的學習需求，具體步驟包括：
4.如權利要求3所述的基于AI工作流的個性化學習推薦方法，其特征在于，根據學習需求預測用戶在學習課程內容時會遇到的難度，并作為預測結果，具體步驟包括：
5.如權利要求4所述的基于AI工作流的個性化學習推薦方法，其特征在于，構建難度預測模型，并進行訓練，在訓練過程中，難度預測模型學習如何從綜合特征集中提取有用的信息，之后，還包括以下步驟：
6.如權利要求5所述的基于AI工作流的個性化學習推薦
7.如權利要求6所述的基于AI工作流的個性化學習推薦方法，其特征在于，在篩選出的課程集合中，結合用戶的興趣偏好和實時學習行為數據，生成個性化的課程推薦列表，具體步驟包括：
8.如權利要求7所述的基于AI工作流的個性化學習推薦方法，其特征在于，收集并分析用戶對課程推薦列表中推薦課程的反饋意見，根據反饋意見實時調整推薦策略，具體步驟包括：
9.基于AI工作流的個性化學習推薦裝置，包括用于執行如權利要求1至8中任一項權利要求所述的基于AI工作流的個性化學習推薦方法的模塊，其特征在于，
10.基于AI工作流的個性化學習推薦電子設備，包括存儲器、處理器及存儲在存儲器中并能夠在處理器上運行的計算機程序，其特征在于，所述存儲器中存儲有能夠在處理器上運行的計算機程序，所述處理器加載并執行計算機程序時，采用了權利要求1至8中任一項所述的基于AI工作流的個性化學習推薦方法。
...【技術特征摘要】
1.基于ai工作流的個性化學習推薦方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于ai工作流的個性化學習推薦方法，其特征在于，用戶授權后，實時采集用戶在教學平臺上的學習行為數據，學習行為數據包括學習時間、學習進度、練習完成情況、測試成績和用戶的生理反應數據，并將采集的實時學習行為數據存儲在云數據庫中，具體步驟包括：
3.如權利要求2所述的基于ai工作流的個性化學習推薦方法，其特征在于，基于采集的實時學習行為數據，運用機器學習算法評估用戶當前的學習狀態和能力水平，獲取評估結果，并根據評估結果確定用戶的學習需求，具體步驟包括：
4.如權利要求3所述的基于ai工作流的個性化學習推薦方法，其特征在于，根據學習需求預測用戶在學習課程內容時會遇到的難度，并作為預測結果，具體步驟包括：
5.如權利要求4所述的基于ai工作流的個性化學習推薦方法，其特征在于，構建難度預測模型，并進行訓練，在訓練過程中，難度預測模型學習如何從綜合特征集中提取有用的信息，之后，還包括以下步驟：
6.如權利要求5...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。