(19)中华 人民共和国 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 202111496808.X (22)申请日 2021.12.08 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 (72)发明人 武星晔　 (74)专利代理 机构 天津创智睿诚知识产权代理 有限公司 12 251 代理人 王海滨 (51)Int.Cl. G06N 20/00(2019.01) G06Q 50/20(2012.01) (54)发明名称 基于行为科学理论的慕课个性化学习支持 系统 (57)摘要 本发明公开了一种基于行为科学理论的慕 课个性化学习支持系统， 包括学习者模型系统、 学习者认知情况判断系统、 改善学习者学习行为 系统三部分； 首先依据往期已完成的慕课学习者 学习数据， 构建出若干可供参考的学习者模型； 当有新的慕课学习者加入该课程时， 为其提供多 种学习模式， 这些模式依赖于已建立的学习者模 型， 在学习者选择学习模式后， 每周根据其学习 行为判断其 当周应学知 识点的认知情况； 当认知 情况较差触发系统阈值后， 改善学习者学习行为 系统启动， 介入到学习者的学习过程中， 改善其 学习行为， 最终使学习者的学习行为与所选学习 模式的学习者模型的学习行为趋 于一致。 权利要求书2页 说明书7页 附图4页 CN 114254760 A 2022.03.29 CN 114254760 A 1.一种基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 包括学习者模型 系统、 学习者认知情况判断系统、 改善学习者学习行为系统三部分； 所述学习者模型系统， 包括学习需求模型、 学习动机模型、 学习行为模型、 行为与动机 的负反馈关系模型； 所述学习者认知情况判断系统， 用于对学习者所学课程的认知情况加以判断， 学习者 认知情况判断系统包括基于学习行为的成绩预测模型； 所述改善学习者学习行为系统， 构造了基于模型参考的自适应神经模糊推理系统， 作 为个性化学习支持系统中的改善学习者学习行为系统； 首先依据往期已完成的慕课学习者学习数据， 构建出若干可供参考的学习者模型； 当 有新的慕课学习者加入该课程时， 为其提供多种 学习模式， 这些模式依赖于已建立的学习 者模型， 在学习者选择学习模式后， 每周根据其学习 行为判断其当周应学知识点的认知情 况； 当认知情况较差触发系统阈值后， 改善学习者学习行为系统启动， 介 入到学习者的学习 过程中， 改善其学习 行为， 最终使学习者的学习 行为与所选学习模式的学习者模型 的学习 行为趋于一致。 2.根据权利要求1所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 所述学习需求模型的数 学表达式为： 式中n为课程一共需要学习的知识点个数， week为课程学习总周数， demand(t)表示每 周学习需求强弱的时间变化 规律， ε(t)表示阶跃函数。 3.根据权利要求2所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 所述学习动机模型： 设学习动机与学习需求满足二阶对象特性， 所述学习动机模型为： 式中K表示达到动态平衡时， 单位阶跃响应下学习动机的大小； ξ表示阻尼比， ω表示振 荡频率。 4.根据权利要求3所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 所述学习行为模型： behavior＝base ×MT 式中base为学习行为基数， MT为学习动机转化学习行为系数， behavior表示一段时间 内发生学习行为的数量； MT＝K(1+re(1 ‑K)e‑K)， re是相对行为系数； 通过MT间接表示了动机转化为行为的阈值； 如果学习动机最终与需求相等， 则在这个 学习周期内， 达到预期的学习行为； 如果学习动机为零， 则 在这个学习周期内不再产生学习 行为。 5.根据权利要求4所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 行为与动机的负反馈关系模型为：权　利　要　求　书 1/2 页 2 CN 114254760 A 2式中e为实际行为数与学习行为基数的差值， ω0， ξ0， K0为课程学习之初的初始值。 6.根据权利要求1所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 所述基于学习行为的成绩预测模型， 采用DNN回归模型判断学习者的课程认知情况； 在慕课 的历史数据库中， 选择包含尽可能多类型学习者且大小合适的数据集， 并基于该数据集训 练DNN回归模 型； 数据集的特征为学习行为， 标签为 成绩； 学习行为包括访问课程次数、 访问 课程天数、 访问课程章节数、 播放视频微课次数； 训练过程中， 将数据集的70％划分为训练 集， 15％划分为测试集， 15％划分为验证集。 7.根据权利要求1所述的基于行为科学理论的慕课个性化学习支持系统， 其特征在于： 训练自适应神经模糊推理系统的方法如下： 训练过程为选取不同类型的学习者， 以尽可能覆盖将来使用个性化学习支持系统 的学 习者类型； 分别将不同类型 的学习者作为学习动机模型， 再将学习模式对应的学习者模型 作为参考学习者学习动机模型， 重复训练， 直至自适应神经模糊推理系统的控制效果达到 期望效果或训练次数达 到最大训练次数。权　利　要　求　书 2/2 页 3 CN 114254760 A 3