一种面向有线接入网仿真培训的学员模型构建与更新方法

摘要

本发明提供一种面向有线接入网仿真培训的学员模型构建与更新方法，构建面向有线接入网仿真培训的学员模型，提出与有线接入网仿真培训相关的学员特征，并区分学员特征中的静态特征与动态特征；然后，针对学员模型中的动态特征，设计基于模糊逻辑的学员能力水平计算方法，以及基于贝叶斯定理的学员能力水平推理方法，在此基础上，提出有线接入网仿真培训学员模型的更新方法。该方法为实现运维人员学习特征的“精准画像”提供了有效的解决方案，符合自适应技术原理和有线接入网仿真培训的未来发展方向。本发明中提出的学员模型构建与更新方法，可进一步指导个性化学习演练资源的组织推送，帮助通信运维人员快速提升业务能力。

说明书

技术领域

本发明涉及一种基于有线接入网仿真培训学员特征的学员模型构建方法与更新方法，属于“仿真培训”和“自适应学习”领域。所构建的学员模型主要应用于记录学员在有线接入网仿真培训中的知识水平、技能水平、认知风格等特征，并借助对培训过程中学习行为和测评结果的分析，实现对模型数据的实时更新，为后续提供针对性个性化的仿真培训内容奠定基础。

背景技术

随着大量新型光线路终端(OLT)、光网络单元(ONU)、分光器等有线接入网设备在电力通信网中的安装与投运，有线接入网的网络结构日益复杂、组网方式更加灵活多变，亟需对相关运维人员开展新型有线接入网的相关培训。由于有线接入网设备型号众多并且价格昂贵，采用全数字仿真系统替代真实设备开展实训可大幅节约培训成本，提高培训效率。然而，现有大部分有线接入网相关的仿真培训系统仅提供简单的课件学习、操作配置练习与考试功能，仿真功能和培训内容千人一面，无法满足运维人员个性化的学习演练需求。导致这一问题的首要原因，是缺乏对学员特征的清晰“画像”从而无法建立学习演练过程与认知习惯、考试结果和培训需求的内在联系，导致培训内容重复繁杂，缺乏针对性，阻碍了有线接入网仿真培训的效果和运维人员的素质提升。

近年来，自适应学习技术已逐步成为现代网络学习系统的核心技术之一。自适应学习技术是一种通过实时收集并分析学习交互数据来引导学员学习的技术，可满足学员个性化的学习需求，有效提高学习质量。自适应学习技术实现的基础是学员模型的构建，通过对学员不同维度特征的详细建模，系统可全方位“了解”不同学员的学习情况，精准捕捉并分析学员能力水平变化与个性化学习需求，学员模型的优劣直接决定了系统自适应推送学习资源能力的针对性与准确性。目前，国内外自适应学习技术主要应用于以K12教育为主的基础教育领域，通过创设个性化的学习环境以适应学习者的不同特征。但该技术尚未应用于以有线接入网培训为代表的专业技能培训领域，尚未开发成熟的面向有线接入网仿真培训的学员模型构建方法与更新方法。

发明内容

本发明的目的在于提供一种有线接入网仿真培训学员模型构建与更新方法，实现对学员模型中能力水平维度的实时更新，从而自动分析并全面掌握运维人员的培训需求。

本发明的技术方案：

一种面向有线接入网仿真培训的学员模型构建与更新方法，构建面向有线接入网仿真培训的学员模型，提出与有线接入网仿真培训相关的学员特征，并区分学员特征中的静态特征与动态特征；然后，针对学员模型中的动态特征，设计基于模糊逻辑的学员能力水平计算方法，以及基于贝叶斯定理的学员能力水平推理方法，在此基础上，提出有线接入网仿真培训学员模型的更新方法。

优选的，具体包括以下步骤：(1)构建有线接入网仿真培训的学员模型；(2)设计学员有线接入网能力水平向量的计算方法；(3)设计学员有线接入网能力水平向量的推理方法；(4)设计学员模型的更新方法。

优选的，步骤(1)构建有线接入网仿真培训的学员模型，有线接入网仿真培训的学员模型用于对运维人员在培训过程中的学习特征进行规范与刻画，包括岗位信息、能力水平、认知风格和学习偏好4个维度。

优选的，步骤(2)设计学员有线接入网能力水平向量的计算方法，在有线接入网仿真培训学员模型中，设计能力水平向量[U，L，M，H]来表征学员在每个有线接入网知识技能点上的掌握程度；为了实时更新学员在某一知识技能点上的能力水平向量，采用理论知识和模拟演练试题对学员进行对应知识技能点的测试，并根据学员答题情况，设计一种基于模糊逻辑的能力水平向量计算方法。

优选的，基于模糊逻辑的学员有线接入网能力水平向量计算方法具体如下：首先，设置有线接入网知识技能点对应理论知识和模拟演练试题的难度等级m，分别为简单m＝2、中等m＝3、困难m＝4；初始选取难度等级为简单m＝2的试题由学员作答，从第一道试题开始，若学员答对当前题目，则下一道选取的题目难度上升一级，若当前试题难度已为最高级则不变；若学员答错当前题目，则下一道选取的题目难度下降一级，若当前试题难度已为最低级则不变，测试题目的总长度设置为10道；

在学员的答题过程中，实时根据试题作答情况更新模糊集的隶属度，即能力水平向量中的各项取值，当学员做对某一难度等级m的试题时，比难度等级m高的掌握等级i对应的隶属度μ(i)变化为：

其中μ

比难度等级m低的掌握等级i对应的隶属度μ(i)变化为：

当学员做错试题时，隶属度不发生变化；学员答题结束时计算得到的各掌握等级i对应隶属度μ(i)，即为最终学员在对应知识技能点上能力水平向量的各项取值；至此，完成了基于模糊逻辑的有线接入网能力水平向量的计算过程；当学员再次进行同一知识技能点的测试时，将本次计算得到的能力水平向量值作为再次测试的能力水平向量初值。

优选的，步骤(3)设计学员有线接入网能力水平向量的推理方法，采用有线接入网知识技能点间的先导-后继关系进行学员能力水平的推理，从而提高系统对学员模型中能力水平向量的判定能力。

优选的，基于贝叶斯定理的学员有线接入网能力水平向量推理方法具体如下：

已知采用步骤(2)中方法计算得到学员对后继有线接入网知识技能点K

P(μ

U

L

M

H

至此，已计算出先导知识技能点能力水平向量μ

优选的，步骤(4)设计学员模型的更新方法，有线接入网仿真培训系统不自动更新学员模型中的静态特征，只根据学员在仿真培训中的学习行为和学习表现，更新学员模型中的动态特征，包括能力水平向量、学习进度、学习状态、演练状态、测试状态、演练得分、知识水平状态、技能水平状态、兴趣点、设备偏好和时间偏好数据。

优选的，具体的更新方法如下：

1)能力水平向量：首先根据有线接入网知识技能点的测评结果计算该知识技能点的能力水平向量，然后，搜索该知识技能点是否存在先导知识技能点，若存在，则推理先导知识技能点的能力水平向量，更新相关数据；

2)学习进度：设置知识技能点对应学习资源的标准学习时间，并在培训过程中记录实际学习时间，采用实际学习时间/标准学习时间*100％计算学习进度，更新相关数据；

3)学习状态：根据学员在知识技能点上的学习进度判定学习状态。若学习进度为0，则标记为“未学习”；若学习进度在(0，100％)范围内，则标记为“学习中”；若学习进度为100％，则标记为“已学习”，更新相关数据；

4)演练状态：根据学员是否参与有线接入网知识技能点对应的演练判定演练状态。演练方式包括知识学习后的理论试题练习，以及参与有线接入网仿真场景下的模拟演练，若学员未参与演练，则标记为“未参与”；若学员参与演练，则标记为“已参与”，更新相关数据；

5)测试状态：根据学员是否参与有线接入网知识技能点对应的测试判定测试状态；若学员未参与测试，则标记为“未参与”；若学员参与测试，则标记为“已参与”，更新相关数据；

6)测评得分：由知识技能点对应的能力水平向量[U，L，M，H]计算，测评得分＝33.3*L+66.7*M+100*H，更新相关数据；

优选的，具体的更新方法如下：

7)知识水平状态：根据有线接入网知识技能点理论试题测评得分是否达到测评得分阈值进行判定；若学员未参与过该知识技能点的测试，则标记为“未知”；若测评得分低于阈值，则标记为“未达标”；若测评得分大于或等于阈值，则标记为“已达标”，更新相关数据；

8)技能水平状态：根据有线接入网知识技能点模拟演练测评得分是否达到测评得分阈值进行判定；若学员未参与过该知识技能点的测试，则标记为“未知”；若测评得分低于阈值，则标记为“未达标”；若测评得分大于或等于阈值，则标记为“已达标”，更新相关数据；

9)兴趣点：记录学员在有线接入网仿真培训中主动参与学习次数最多的前3个知识技能点，更新相关数据；

10)设备偏好：记录学员登录有线接入网仿真培训系统时习惯采用的终端类型PC、Pad或手机，更新相关数据；

11)时间偏好：记录学员经常登录有线接入网仿真培训系统的时间点，判定所在时间段，更新相关数据。

与现有技术相比，本发明有何优点：

本发明中提出的有线接入网仿真培训学员模型构建与更新方法，结合有线接入网专业知识技能体系与仿真培训特征，从岗位信息、能力水平、认知风格、学习偏好4个维度建立学员模型。设计基于模糊逻辑的能力水平测评方法，以及基于贝叶斯定理的能力水平推理方法，实现对学员模型中能力水平维度的实时更新，从而自动分析并全面掌握运维人员的培训需求。该方法为实现运维人员学习特征的“精准画像”提供了有效的解决方案，符合自适应技术原理和有线接入网仿真培训的未来发展方向。本发明中提出的学员模型构建与更新方法，可进一步指导个性化学习演练资源的组织推送，帮助通信运维人员快速提升业务能力。

附图说明

图1为本发明的有线接入网仿真培训学员模型结构图。

具体实施方式

如图1所示，本发明构建面向有线接入网仿真培训的学员模型，从岗位信息、能力水平、认知风格、学习偏好4个维度，提出与有线接入网仿真培训相关的学员特征，并区分学员特征中的静态特征与动态特征。然后，针对学员模型中的动态特征，设计基于模糊逻辑的学员能力水平计算方法，以及基于贝叶斯定理的学员能力水平推理方法，在此基础上，提出有线接入网仿真培训学员模型的更新方法。

具体实现方法如下所述：

(一)构建有线接入网仿真培训的学员模型

有线接入网仿真培训的学员模型用于对运维人员在培训过程中的学习特征进行规范与刻画，包括岗位信息、能力水平、认知风格和学习偏好，如图1所示。

其中：

岗位信息记录运维人员的基本信息，包括姓名、性别、年龄、学历、岗位、职级、单位、资格证书、培训经历、联系方式。各项特征的具体描述详见表1。

在学员模型中，定义静态特征与动态特征，静态特征是指不由仿真培训系统自动更新的学员特征，动态特征是指由仿真培训系统根据学员在培训中的学习表现实时自动更新的学员特征。岗位信息中的所有特征均由管理员手动输入或更改，均归类为静态特征。

表1学员模型中岗位信息维度所包含的学员特征

能力水平记录运维人员对有线接入网相关知识技能的学习情况和掌握情况，包括知识技能点、能力水平向量、学习进度、学习状态、演练状态、测试状态、测评得分、知识水平状态、技能水平状态。各项特征的具体描述详见表2。

归纳梳理有线接入网相关的知识技能点，以及知识技能点间的关联关系，能力水平中的各项特征围绕知识技能点展开，即表征学员在对应知识技能点上的学习、演练、测试行为以及掌握程度。除知识技能点属于仿真培训系统预先设定的静态特征外，其余所有特征均由系统自动根据学员在培训中的表现进行实时更新，均归类为动态特征。

表2学员模型中能力水平维度所包含的学员特征

认知风格记录运维人员在有线接入网仿真培训中对相关知识技能的接受方式，包括信息加工、信息感知、信息输入、内容理解。各项特征的具体描述详见表3。

信息加工描述学员的思考方式，活跃型善于提问，在有线接入网仿真培训中善于研讨交流，沉思型善于思考，在仿真培训中善于总结；信息感知描述学员对学习资源类型的倾向性，视觉型适合推荐视频类的学习资源，言语型适合推荐文本类的学习资源；信息输入描述学员的思维类型，感觉型适合推荐具象类的培训内容，如有线接入网设备实体、运维案例等，直觉型适合推荐抽象类的培训内容，如有线接入网通信理论、设备原理；内容理解描述学员的学习序列，序列型倾向依次进行知识技能点的学习，综合型倾向先对所学习的知识技能进行总体把握，再选择学习。采用Solomon调查问卷和风格量表确定学员的认知风格，后续系统不自动更新，归类为静态特征。

表3学员模型中认知风格维度所包含的学员特征

学习偏好记录运维人员在有线接入网仿真培训中的习惯偏好，包括兴趣点、设备偏好、时间偏好。各项特征的具体描述详见表4。

由有线接入网仿真培训系统记录学员学习行为，自动更新学习偏好中各项特征，归类为动态特征。

表4学员模型中学习偏好维度所包含的学员特征

(二)设计学员有线接入网能力水平向量的计算方法

在有线接入网仿真培训学员模型中，设计能力水平向量[U，L，M，H]来表征学员在每个有线接入网知识技能点上的掌握程度。为了实时更新学员在某一知识技能点上的能力水平向量，采用理论知识和模拟演练试题对学员进行对应知识技能点的测试，并根据学员答题情况，设计一种基于模糊逻辑的能力水平向量计算方法。

模糊逻辑是一种模拟人脑对事物的不确定性概念判断和思维推理方式。模糊逻辑善于表达界限不清晰的定性知识与经验，借助隶属度函数的概念处理模糊关系，从而解决布尔代数、二值逻辑难以描述和处理的模糊性、不确定性问题。学员对有线接入网知识技能点的掌握程度，就是一种典型的难以用精确度量值描述的模糊变量，它取决于知识技能点的复杂程度、学员对知识技能点的认知过程、能力水平评价标准等诸多因素。因此，采用模糊逻辑来描述和推断表征知识技能点掌握程度的能力水平向量，具有独特的优势。将能力水平向量μ＝[U，L，M，H]作为模糊集，将U、L、M、H视为学员对知识技能点掌握等级i的隶属度μ(i)，i取1、2、3、4，分别表示未掌握、初步掌握、基本掌握、完全掌握。模糊集中隶属度的变化体现了学员在有线接入网知识技能点上能力水平的变化，隶属度越高，说明学员在对应知识技能点上的能力水平越趋近于此隶属度对应的掌握程度等级。基于模糊逻辑的学员有线接入网能力水平向量计算方法具体如下：

首先，设置有线接入网知识技能点对应理论知识和模拟演练试题的难度等级m，分别为简单(m＝2)、中等(m＝3)、困难(m＝4)。初始选取难度等级为简单(m＝2)的试题由学员作答，从第一道试题开始，若学员答对当前题目，则下一道选取的题目难度上升一级(若当前试题难度已为最高级则不变)，若学员答错当前题目，则下一道选取的题目难度下降一级(若当前试题难度已为最低级则不变)，测试题目的总长度设置为10道。

在学员的答题过程中，实时根据试题作答情况更新模糊集的隶属度，即能力水平向量中的各项取值。当学员做对某一难度等级m的试题时，比难度等级m高的掌握等级i对应的隶属度μ(i)变化为：

其中μ

比难度等级m低的掌握等级i对应的隶属度μ(i)变化为：

当学员做错试题时，隶属度不发生变化。学员答题结束时计算得到的各掌握等级i对应隶属度μ(i)，即为最终学员在对应知识技能点上能力水平向量的各项取值。至此，完成了基于模糊逻辑的有线接入网能力水平向量的计算过程。当学员再次进行同一知识技能点的测试时，将本次计算得到的能力水平向量值作为再次测试的能力水平向量初值。

(三)设计学员有线接入网能力水平向量的推理方法

在第(二)节中详细阐述了学员有线接入网能力水平向量的计算方法和计算过程。由于有线接入网知识体量庞大、结构繁杂，若对每个知识技能点的能力水平均采用基于模糊逻辑计算的方法进行获取，会降低系统对学员有线接入网整体能力水平挖掘的效率，影响学员模型的更新速度和使用便捷性。考虑到知识之间存在的密切联系，可以采用有线接入网知识技能点间的先导-后继关系进行学员能力水平的推理，从而提高系统对学员模型中能力水平向量的判定能力。

学员对某一知识技能点的掌握程度可以反映对其先导知识技能点的掌握程度。比如，“EPON的传输原理”是“ONT/ONU的自动加入与注册”的先导知识，若学员已经掌握了“ONT/ONU的自动加入与注册”，则学员大概率已经掌握了其先导知识“EPON的传输原理”。反之，若学员未掌握“EPON的传输原理”，则学员大概率未掌握其后继知识“ONT/ONU的自动加入与注册”。通过反映先导-后继知识点掌握程度的概率关系，可以实现能力水平向量的推理，以下设计一种基于贝叶斯定理的学员有线接入网能力水平向量的推理方法。

贝叶斯定理提供了一种计算假设概率的方法，即已知某事件发生的情况下，另一件事件发生的概率。采用贝叶斯定理，在已知学员对后继有线接入网知识技能点掌握程度的情况下，推理对其先导有线接入网知识技能点的掌握程度，从而利用知识之间的先导-后继关系，实现对学员能力水平的快速推理。基于贝叶斯定理的学员有线接入网能力水平向量推理方法具体如下：

已知采用(二)中方法计算得到学员对后继有线接入网知识技能点K

P(μ

U

L

M

H

表5先导知识技能点能力水平推理的贝叶斯量表

至此，已计算出先导知识技能点能力水平向量μ

(四)设计学员模型的更新方法

在第(一)节学员模型构建中，已经区分了各维度下所包含的静态特征和动态特征。有线接入网仿真培训系统不自动更新学员模型中的静态特征，只根据学员在仿真培训中的学习行为和学习表现，更新学员模型中的动态特征，包括能力水平向量、学习进度、学习状态、演练状态、测试状态、演练得分、知识水平状态、技能水平状态、兴趣点、设备偏好、时间偏好数据，具体的更新方法如下：

1)能力水平向量：首先根据有线接入网知识技能点的测评结果计算该知识技能点的能力水平向量，然后，搜索该知识技能点是否存在先导知识技能点，若存在，则推理先导知识技能点的能力水平向量，更新相关数据。

2)学习进度：设置知识技能点对应学习资源的标准学习时间，并在培训过程中记录实际学习时间，采用实际学习时间/标准学习时间*100％计算学习进度，更新相关数据。

3)学习状态：根据学员在知识技能点上的学习进度判定学习状态。若学习进度为0，则标记为“未学习”；若学习进度在(0，100％)范围内，则标记为“学习中”；若学习进度为100％，则标记为“已学习”，更新相关数据。

4)演练状态：根据学员是否参与有线接入网知识技能点对应的演练判定演练状态。演练方式包括知识学习后的理论试题练习，以及参与有线接入网仿真场景下的模拟演练，若学员未参与演练，则标记为“未参与”；若学员参与演练，则标记为“已参与”，更新相关数据。

5)测试状态：根据学员是否参与有线接入网知识技能点对应的测试判定测试状态。若学员未参与测试，则标记为“未参与”；若学员参与测试，则标记为“已参与”，更新相关数据。

6)测评得分：由知识技能点对应的能力水平向量[U，L，M，H]计算，测评得分＝33.3*L+66.7*M+100*H，更新相关数据。

7)知识水平状态：根据有线接入网知识技能点理论试题测评得分是否达到测评得分阈值进行判定。若学员未参与过该知识技能点的测试，则标记为“未知”；若测评得分低于阈值，则标记为“未达标”；若测评得分大于或等于阈值，则标记为“已达标”，更新相关数据。

8)技能水平状态：根据有线接入网知识技能点模拟演练测评得分是否达到测评得分阈值进行判定。若学员未参与过该知识技能点的测试，则标记为“未知”；若测评得分低于阈值，则标记为“未达标”；若测评得分大于或等于阈值，则标记为“已达标”，更新相关数据。

9)兴趣点：记录学员在有线接入网仿真培训中主动参与学习次数最多的前3个知识技能点，更新相关数据。

10)设备偏好：记录学员登录有线接入网仿真培训系统时习惯采用的终端类型(PC、Pad、手机)，更新相关数据。

11)时间偏好：记录学员经常登录有线接入网仿真培训系统的时间点，判定所在时间段，更新相关数据。

以上步骤实现了面向有线接入网仿真培训学员模型构建与更新的全部过程。

本发明预保护的创新点为：基于岗位信息、能力水平、认知风格、学习兴趣维度的有线接入网仿真培训学员模型构建方法，基于模糊逻辑及贝叶斯定理的有线接入网能力水平测评与推理方法，以及基于有线接入网仿真培训行为数据的学员模型更新方法。