买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉石家庄学院申请的专利一种基于人工智能的教育效果评测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119831186B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510326536.0，技术领域涉及：G06Q10/063；该发明授权一种基于人工智能的教育效果评测方法及系统是由张玉娟;王莎莎;王翠平;赵志远;郭柯馨设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种基于人工智能的教育效果评测方法及系统在说明书摘要公布了：本发明公开了一种基于人工智能的教育效果评测方法及系统，方法包括多模态数据筹备、动态认知建模、多维效果评测、自适应结果优化和教育效果评测。本发明涉及教育效果评估技术领域，采用多模态数据集成分析，结合生成对抗网络与时序模型的融合方法，进行即时、长周期和迁移教育效果的综合评测，能够更加全面、细致地评估学生在不同学习阶段的表现，并提供精确的评估结果；采用结合认知网络分析与改进动态贝叶斯网络的方式，利用动态贝叶斯推断和强化学习优化，基于学生的学习历史与实时反馈对学生认知过程进行精准建模；采用结合群体学习特征聚类的混合推荐改进方法，对学生进行动态的学习内容和策略推荐。

本发明授权一种基于人工智能的教育效果评测方法及系统在权利要求书中公布了：1.一种基于人工智能的教育效果评测方法，其特征在于：该方法包括以下步骤： 步骤S1：多模态数据筹备，得到多模态教育效果评估优化数据； 步骤S2：动态认知建模，采用结合认知网络分析和认知能力建模改进的动态贝叶斯网络，进行动态认知建模和预测，得到认知进程特征数据； 所述认知建模改进的动态贝叶斯网络，具体为构建标准动态贝叶斯网络并将所述知识点关联度参考数据作为状态变量进行改进的动态贝叶斯推断，得到学生知识点认知基本建模模型； 所述动态认知建模和预测，通过构建学生认知奖励函数，进行基于强化学习的知识点认知调整；所述学生认知奖励函数，具体由课堂互动奖励项、作业测验奖励项、课堂反馈奖励项、学习状态奖励项和课内课外学习奖励项加权构成，计算公式为： Rt＝w1Rintert+w2Rtestt+w3Rfebkt+w4Rnotest+w5Rextrat； 式中，Rt是学生认知奖励函数，w1是课堂互动奖励权重，Rintert是课堂互动奖励分项函数，w2是作业测验奖励权重，Rtestt是作业测验奖励分项函数，w3是课堂反馈奖励权重，Rfebkt是课堂反馈奖励分项函数，w4是学习状态奖励权重，Rnotest是学习状态奖励分项函数，w5是课内课外学习奖励权重，Rextrat是课内课外学习奖励分项函数； 步骤S3：多维效果评测，采用结合生成对抗迁移知识生成的变压时序网络，进行即时、长周期和迁移三维度教育效果评测，得到多维教育效果评测参考数据，包括以下步骤： 步骤S31：即时教育效果评测，具体为构建反馈奖励改进的生成对抗网络进行即时教育效果生成和评测，得到即时教育效果评测参考数据；所述反馈奖励改进，具体通过将学生的学习进度数据进行生成器生成，并通过计算判定概率期望，进行反馈奖励改进设计； 步骤S32：长周期教育效果评测，具体为采用变压时序网络进行长周期教育效果评测建模，并通过时序建模，得到长周期教育效果评测数据； 所述长周期教育效果评测的计算公式为： 式中，Rlongt是长期学习奖励函数，用于计算随时间t的学习收益并作为长周期教育效果评测的优化目标，T是时间总长，t是时间索引，是非线性转换函数，n是长周期教育效果评测任务总数，i是长周期教育效果评测任务索引，αi是第i个教育效果评测任务的权重，Stest·是长周期教育效果评测函数，用于表示学生在长周期学习中的学习效果，exp-ρt整体是时间衰减因子，ρ是时间衰减系数； 步骤S33：迁移教育效果评测，具体为通过将所述即时教育效果评测的结果进行结合并迁移至跨学科内容中，进行跨学科迁移效果评测，得到迁移教育效果评测数据；步骤S34：多维效果评测模型训练；步骤S35：多维效果评测； 步骤S4：自适应结果优化，采用结合群体学习特征聚类的混合推荐改进方法，进行自适应学习过程动态该优化，得到学习过程动态优化参考学习计划数据； 步骤S5：教育效果评测，得到教育效果评测综合参考数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人石家庄学院，其通讯地址为：050000 河北省石家庄市高新技术开发区珠峰大街288号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。