(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210929469.8 (22)申请日 2022.08.03 (71)申请人 山东理工职业学院 地址 272000 山东省济宁市太白湖新区济 宁大道37号 (72)发明人 满杰　孟祥鹏　贾亮　吕庆銮　 (74)专利代理 机构 济南舜源专利事务所有限公 司 37205 专利代理师 赵佳民 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/247(2020.01) G06N 20/00(2019.01) G06Q 10/06(2012.01)G06Q 50/20(2012.01) (54)发明名称 一种基于人工智能的教学信息分析方法及 电子设备 (57)摘要 本发明提供一种基于人工智能的教学信息 分析方法及电子设备， 获取目标学情信息； 提取 目标学情信息中的学科特征进行分析； 分析学科 特征与每个预设参照学生组具有的预设学科特 征之间的学情相似度， 预设参照学生组为具有同 类学情类型的学生组； 基于每个学情相似度以及 第一预设学情相似度条件， 在所有预设参照学生 组中检索与分析学科特征匹配的目标参照学生 组； 根据目标参照学生组对应的学情类型， 确定 学情信息分析结果。 通过学情信息中的分析学科 特征， 能够基于目标参照学生组对应的学情类 型， 得到学情分析结果。 由于匹配相似的目标参 照学生组的过程实际是基于分析学情相似度的 方式得到， 提高学情相似度分析过程的效率， 能 够快速实现学情分析。 权利要求书2页 说明书9页 附图2页 CN 115292451 A 2022.11.04 CN 115292451 A 1.一种基于人工智能的教学信息分析 方法， 其特 征在于， 方法包括： S101、 获取目标 学情信息； S102、 提取目标 学情信息中的学 科特征进行分析； S103、 确定分析学科特征与每个预设参照学生组具有的预设学科特征之间的学情相似 度， 预设参照学生组为具有同类学情类型的学生组； S104、 基于每个学情相似度以及第一预设学情相似度条件， 在所有预设参照学生组中 检索与分析 学科特征匹配的目标参照学生组； S105、 根据目标参照学生组对应的学情类型， 确定学情信息分析 结果。 2.根据权利要求1所述的基于人工智能的教学信息分析 方法， 其特 征在于， 步骤102中， 分析 学科特征是用于检索同类学生的学 科特征； 目标学情信 息中每个学科具有描述信 息， 以直接根据描述信 息提取目标学情信 息中的 学科。 3.根据权利要求1所述的基于人工智能的教学信息分析 方法， 其特 征在于， 步骤103中， 将分析学科特征以及预设学科特征转换为学情向量特征， 并根据分析学科 特征以及预设学 科特征的学情向量特 征分析学情相似度； 从所有学生的历史学情信 息中提取历史学科特征， 并根据 所有学生的历史学科特征得 到预设学 科特征； 将所有预设参照学生组的预设学科特征构建为集合的形式， 并将集合转换为向量表 示， 根据该集 合的向量表示与分析 学科特征对应的向量， 分析 学情相似度。 4.根据权利要求1所述的基于人工智能的教学信息分析 方法， 其特 征在于， 步骤104中， 第一预设学情相似度条件是预先设定的用于查找具有与分析学科特征相 似学科的学生组的条件； 若学情相似度满足第一预设学情相似度条件， 则学情相似度对应 的预设参照学生组即为目标参照学生组。 5.根据权利要求4所述的基于人工智能的教学信息分析方法， 其特征在于， 步骤104还 包括： 第一预设学情相似度条件为： 在所有 学情相似度中为最高的相似度， 则最高学情相似 度对应的预设参照学生组为目标参照学生组； 在所有学情相似度中， 学情相似度从大至小排序， 排序在前的预设数量个学情相似度， 预设数量大于或者等于2， 则多个排序在前 的多个学情相似度对应的多个预设参照学生组 均为目标参照学生组。 6.根据权利要求4所述的基于人工智能的教学信息分析方法， 其特征在于， 方法还包 括： S201、 获取每种学情类型对应的每种学情分析类型的学 科信息； S202、 根据学情信息对应的学 科特征， 构建学 科特征集合； S203、 提取学科特征集合进行分析； S204、 分析学科特征集合中学科特征与每个预设参照学生组具有的预设学科特征之间 的学情相似度， 预设参照学生组为具有同类学情类型的学生组； S205、 基于每个学情相似度以及第一预设学情相似度条件， 在所有预设参照学生组中 检索与分析 学科特征匹配的目标参照学生组； S206、 根据目标参照学生组对应的学情类型， 确定学情信息分析 结果。权　利　要　求　书 1/2 页 2 CN 115292451 A 27.根据权利要求6所述的基于人工智能的教学信息分析 方法， 其特 征在于， 步骤S201包括： 针对每种学情类型， 在历史学情分析数据中检索每种学情分析类型的 预设学科特征匹配的历史学情信息； 针对每种 学情类型， 从每种 学情分析类型 的预设学科 特征匹配的历史学情信息中， 提取每种 学情分析类型对应的初始学情信息， 初始学情信息 包括与单元测试成绩对应的对错题目、 与期 中测试成绩对应的对错题目、 与课上问题参与 度对应的音频和视频以及与老师及同学评语对应的评价关键词； 在每种学情类型对应的每种学情分析类型的初始学情信 息中， 选取每种学情类型对应 的每种学情分析类型的学 科信息。 8.根据权利要求1所述的基于人工智能的教学信息分析方法， 其特征在于， 方法还包 括： S301： 获取目标 学情信息； S302： 从所述目标 学情信息中提取 学科特征； S303： 从预设的学情知识图谱中获取与目标分析数据关联的第一学情分析特征项， 以 及所述第一学情分析 特征项与知识点之间的对应关系的信息； S304： 将学科特征、 第一学情分析特征项以及两者之间的作用关系的信息转换成学科 分析特征向量； S305： 根据学科特征， 从学情知识图谱中获取与所述学科特征关联的第二学情分析特 征项的信息， 以及所述第二学情分析 特征项与所述学 科特征之间的作用关系的信息； S306： 将学科特征的信息、 所述第二学情分析特征项的信息以及两者之间的作用关系 的信息转换为学 科特征向量； S307： 将第一学情分析特征项 的信息、 第二学情分析特征项的信息以及学科分析特征 向量拼接成完整的学情预测分析向量， 将学情预测分析向量输入到深度学习模型中， 深度 学习模型根据单元测试成绩、 期中测试成绩、 课上问题参与度以及老师及同学评语， 获取学 情分析的预测值。 9.根据权利要求1所述的基于人工智能的教学信息分析方法， 其特征在于， S305还包 括： S3051： 将所述学科特征的信息与所述学情知识图谱进行对比， 找到所述学情知识图谱 中与所述学 科特征相对应的第二学情分析节点； S3052： 通过第二学情分析节点， 从所述学情知识图谱中找到与所述第二学情分析节点 存在作用关系的第二关联节点； 找到第二学情分析节点后从所述学情知识图谱中获取到与 第二学情分析节点存在作用关系的第二关联节点。 S3053： 获取所述第二关联节点对应的第二学情分析特征项， 以及所述第二学情分析特 征项与所述学 科特征的作用关系。 10.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至9任一项所 述基于人工智能的教学信息分析 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115292451 A 3