本发明属于计算机，具体涉及一种基于胜任力模型的个性化课程构建方法及相关装置。
背景技术：
1、近年来，互联网与教育逐渐紧密融合，各类在线教育平台迅速涌现并迅猛发展。这些平台以其丰富而优质的学习资源吸引了大量用户。作为中国最大的mooc平台之一，学堂在线提供了数以万计的课程。然而，调查显示mooc平台的课程完成率仅不到6％。这一结果的主要原因在于用户可能只需要学习某一课程的部分章节。一旦完成所需章节的学习，用户往往选择中途退出，导致课程的辍学率居高不下，完成率持续走低。而对于现有的课程推荐或课程构建算法学习者也只是学习了推荐课程的部分章节，并不能有效提高完成率。因此需要采用新的算法、新的指标来为学习者构建个性化课程，来确保构建的个性化课程都是该学习者所需要学习的，进而提高其课程完成率。
技术实现思路
1、为了解决现有技术中存在的问题，本发明提供一种基于胜任力模型的个性化课程构建方法，利用贪心策略算法实现基于学习者胜任力模型的个性化课程构建，根据学习者的当前胜任力和目标胜任力，从在线学习平台现存的各个课程中选取适合学习者当前胜任力的适合章节，从而组成一门个性化课程，使得学习者学习该个性化课程每个章节之后能够达到目标胜任力。同时保证该课程的容量在学习者可接受范围内。
2、为了实现上述目的，本发明采用的技术方案是：一种基于胜任力模型的个性化课程构建方法，包括以下步骤：
3、s1，获取学习者k初始胜任力目标胜任力第i门课程第j个章节courseij的需求胜任力为目标胜任力为初始化学习者k的个性化课程章节集合未选择课程章节集合包含全部可选课程章节；
4、s2，根据学习者k当前胜任力和学习课程章所需节条件，在未选择课程章节集合中选出当前可选集根据学习课程章节胜任力变化规则计算可选集中学习每一门可选课程章节后得到的胜任力并计算所述胜任力与目标胜任力的胜任力相似值
5、s3，从未选课程章节中选择某个课程章节使其胜学习课程章节的胜任力任力与目标胜任力相似值增加最大；
6、s4，将选定的课程cbest加入到当前课程集合并从未选择课程章节集合中移除，根学习课程章节胜任力变化规则更新学习者k的胜任力为学习了选定的课程cbest后的新胜任力；
7、s5，终止条件检查：若当前胜任力与目标胜任力的相似值达到预设的阈值l，则停止迭代，当有多个课程集合满足条件时，选择课程容量最小的一个；如果未达到终止条件，返回s2继续迭代；
8、获得学习者k的最优个性化课程章节集合pcoursek＝{coursei1,j1,coursei2,j2......,coursei|pcoursek|,j|pcoursek|}，同时每门课程的容量在学习者可接受的范围内。
9、进一步的，胜任力包含知识、能力、品行三部分，胜任力包含的知识向量为|c|维向量，记为c＝{c1,c2,...,ck,...,c|c|}，其中ck∈[0,1]表示该胜任力对第k个知识的掌握程度。|c|表述知识点总数，为有限整数；胜任力包含的能力向量为|ta|维向量，记为ta＝{me,un,ap,an,sl,cm,as,es,ad}，其中me,un,ap,an,sl,cm,as,es,ad分别表示记忆力能力，理解能力，应用能力，分析能力，求解能力，沟通能力，协作能力，评估能力，创新能力，适应能力；胜任力包含的品行向量为|be|维向量，记为be＝{eg,co,rs,se,pr,fb}，其中eg,co,rs,se,pr,fb分别表示参与意愿，合作意愿，责任，主动性，谨慎性，信念坚定；
10、记学习者lk∈l的当前胜任力记为cptk＝{ck,tak,bek}，学习者希望通过学习一门专属的个性化课程后能达到的目标胜任力记为
11、进一步的，利用已有的可解释性深度学习模型量化学习者的胜任力等级，得到学习者的初始胜任力向量和目标胜任力；
12、利用已有的可解释性深度学习模型量化课程章节的胜任力等级，得到课程章节的需求胜任力向量和目标胜任力。
13、进一步的，第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为课程章节的需求胜任力表示学习该课程章节学习者需要具备的初始胜任力，课程章节的目标胜任力表示学完该知识点后学习者所能拥有的胜任力。
14、进一步的，对于学习者lk∈l，胜任力为其胜任力量化指标抽象为其中为胜任力包含的知识向量的均值，为胜任力包含的能力向量的均值，为胜任力包含的品行向量的均值。第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为第i门课程coursei课程章节需求胜任力量化指标抽象为目标胜任力量化指标可以抽象为
15、
16、进一步的，对于学习者lk∈l，学习课程章节courseij前后的胜任力分别为转化成评估指标分别为学习者lk∈l胜任力增加的条件为：具体为：
17、
18、胜任力相似值为：
19、
20、进一步的，对于学习者lk∈l，胜任力为其胜任力评估指标抽象为coursei第j个章节courseij的需求胜任力为目标胜任力为coursei第j个章节courseij需求胜任力评估指标抽象为学习者lk学习第i门课程coursei第j个章节courseij的条件为sim(cpt_avgk,rcpt_avgij)＞0，即当学习者lk当前的胜任力评估指标大于第i门课程coursei第j个章节courseij需求胜任力评估指标时，才能学习第i门课程coursei第j个章节courseij。
21、进一步的，第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为对于学习者lk∈l，学习课程章节courseij之前的胜任力记为其胜任力评估指标可以抽象为sim(cpt_avgk,rcpt_avgij)＞0，则学习者lk∈l目前胜任力满足该课程需求胜任力，学习者学习课程章节courseij之后的胜任力为学习者lk当前胜任力和课程章节courseij目标胜任力对应维度相加即为
22、
23、本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述基于胜任力模型的个性化课程构建方法。
24、同时提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于胜任力模型的个性化课程构建方法。
25、与现有技术相比，本发明至少具有以下有益效果：本发明提出了胜任力等级的量化方法和评估指标，来量化学习者现有胜任力和目标胜任力，并通过贪心策略算法构建符合学习者现有胜任力和目标胜任力的个性化课程，以使学习者能快速从初始胜任力提高到目标胜任力，有利于解决mooc课程的辍学率居高不下，完成率持续走低等问题。
1.一种基于胜任力模型的个性化课程构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，胜任力包含知识、能力、品行三部分，胜任力包含的知识向量为|c|维向量，记为c＝{c1,c2,...,ck,...,c|c|}，其中ck∈[0,1]表示该胜任力对第k个知识的掌握程度，|c|表述知识点总数，为有限整数；胜任力包含的能力向量为|ta|维向量，记为ta＝{me,un,ap,an,sl,cm,as,es,ad}，其中me,un,ap,an,sl,cm,as,es,ad分别表示记忆力能力，理解能力，应用能力，分析能力，求解能力，沟通能力，协作能力，评估能力，创新能力，适应能力；胜任力包含的品行向量为|be|维向量，记为be＝{eg,co,rs,se,pr,fb}，其中eg,co,rs,se,pr,fb分别表示参与意愿，合作意愿，责任，主动性，谨慎性，信念坚定；
3.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，利用已有的可解释性深度学习模型量化学习者的胜任力等级，得到学习者的初始胜任力向量和目标胜任力；
4.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为课程章节的需求胜任力表示学习该课程章节学习者需要具备的初始胜任力，课程章节的目标胜任力表示学完该知识点后学习者所能拥有的胜任力。
5.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，对于学习者lk∈l，胜任力为其胜任力量化指标抽象为其中为胜任力包含的知识向量的均值，为胜任力包含的能力向量的均值，为胜任力包含的品行向量的均值，第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为第i门课程coursei课程章节需求胜任力量化指标抽象为目标胜任力量化指标可以抽象为
6.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，对于学习者lk∈l，学习课程章节courseij前后的胜任力分别为转化成评估指标分别为
7.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，对于学习者lk∈l，胜任力为其胜任力评估指标抽象为coursei第j个章节courseij的需求胜任力为目标胜任力为coursei第j个章节courseij需求胜任力评估指标抽象为学习者lk学习第i门课程coursei第j个章节courseij的条件为sim(cpt_avgk,rcpt_avgij)＞0，即当学习者lk当前的胜任力评估指标大于第i门课程coursei第j个章节courseij需求胜任力评估指标时，才能学习第i门课程coursei第j个章节courseij。
8.根据权利要求1所述的基于胜任力模型的个性化课程构建方法，其特征在于，第i门课程coursei第j个章节courseij的需求胜任力为目标胜任力为对于学习者lk∈l，学习课程章节courseij之前的胜任力记为其胜任力评估指标可以抽象为sim(cpt_avgk,rcpt_avgij)＞0，则学习者lk∈l目前胜任力满足该课程需求胜任力，学习者学习课程章节courseij之后的胜任力为学习者lk当前胜任力和课程章节courseij目标胜任力对应维度相加即为
9.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1～8中任一项所述基于胜任力模型的个性化课程构建方法。
10.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～8中任一项所述的基于胜任力模型的个性化课程构建方法。
