淺析過考模型實現思路
在線下教學中,分析學員能力往往需要依賴教師的主觀判斷,而在線教育可以通過過考模型來進行數據分析,分析學員當前的情況。本文淺析過考模型實現思路,希望對你有所啟發。
考試類學科的目標是讓學員通過考試,教培機構主要通過教、學、練、測四個環節來提高學員的能力。教育發展的最終階段往往是個性化教學,而想要向個性化教學發展,最重要的是分析學員的能力,這樣才能讓學員查漏補缺,針對性提高能力。
傳統的線下教育中,分析學員的能力依賴于教師的主觀判斷。在線教育中更希望通過學員的學習行為和學習數據來分析學員當前的能力情況,并給出針對性的建議。
也因此,產生了過考模型。
一、什么是過考模型
過考模型是基于大數據分析的學習規劃工具,旨在通過精確的數據分析,制定個性化的學習計劃,幫助學員通過考試。這里面包含三部分內容:量化學員能力、給出學習建議、提升學習效率。
量化學員能力是根據考生的在線行為數據(如聽課時間、做題數量、正確率等)來評估學員對知識點的掌握程度,通過學員的考試預估分來外化呈現,因為學員最容易感知的地方就是自己在考試中可以考多少分。
分析出學員當前的能力水平之后,就可以針對學員薄弱的知識點給出學習建議,比如給學員推薦重點要聽的課程和智能組卷刷題,讓學員可以針對性學習。
提高學習效率主要體現在教師專家制定的高效學習路線??梢愿鶕煌瑢W習階段的需求來制定學習路線,比如在備考初期可能更注重理解知識點,在復習階段更注重刷題和記憶。
因為成人教育中的考生好多是在職考生,只能在工作之外的時間學習,自身基礎差、時間緊,建立過考模型可以讓考生更有效地利用他們的時間,取得更好的成績。
二、過考模型實現思路
在線教育的過考模型中,主要難點在于分析學員能力和建立高效學習路線。前者主要靠產品經理來實現,后者則更依賴于教研對教學的思考,因此本部分只介紹前者。
要想分析學員能力,需要建立統一的知識結構,然后拆細教學內容(包括題、課程、學習資料等)的粒度,并在最細的粒度上關聯知識點,形成統一的體系。
基礎工作完成之后,就可以搜集學員的學習數據,并進行分析,主要有兩個實現思路,一個正向思路,一個反向思路。
2.1 正向思路
正向思路是根據每個用戶自身的學習數據來分析其對每個知識點的掌握程度,建立學員的能力模型。然后根據考綱和歷年出題情況,分析每個知識點對應題目的考試概率和分數。二者相乘后的加和即為考試的預估分。
這種分析思路就是認知診斷,通過學生的學習記錄來對學生的狀態進行分析。之前寫過一篇文章(從推薦算法出發,淺談題庫個性化推題思路),其中能力模型部分就介紹了通過項目反應理論IRT模型來分析用戶對某個知識點的掌握情況的方法。
在認知診斷/知識追蹤領域常用的模型還有DINA模型、NIDA模型、貝葉斯知識追蹤(BKT)模型、學習因子分析(LFA)模型等等,感興趣的讀者可以找一下相關資料。
這個思路需要準確評估學員對知識點的掌握水平,涉及到很多機器學習算法,從0開始搭建的投入成本很高。在實際中更可行的可能是下面這種思路。
2.2 反向思路
反向思路落到考過學生的學習數據上,通過備考學員數據與之前過考學員數據比對來反推備考學員欠缺的能力。主要方法是從歷年通過考試的用戶的學習數據中找到規律,以此作為對新的備考學員的要求標準,達到標準后通過考試的概率會很高。
采用這種思路需要數據足夠細化,不然僅從大面上比對聽課時長、刷題量準確定不高。以覺曉法考為例,他們按照考頻和難度將知識點分為五類,將數據細化到了每個科目(法考分為18個科目)每個學習階段需要聽多長時間的課、刷多少題,每類知識點對應的題目需要達到多少刷題量和正確率,以及每周甚至每天需要完成的任務量,全部達標之后通過考試的概率可以達到90%以上。
但是這個思路需要長期的過考數據積累,才能建立過考模型的標準。而且建立的標準跟機構內的課程設置、題目數量、難度分布等高度相關,即使公開思路和標準數據后,其他機構也很難抄走,這也是一種壁壘。
總之,兩種思路雖然方法不同,但殊途同歸,都有實現的可能性,可以根據當前的情況選擇合適的成本更低的思路去實現。
以上就是關于過考模型的介紹,希望可以給大家帶來一些思考和啟發。
本文由 @YTY 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Unsplash,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!