本发明属于电子信息，具体涉及一种基于vr采集与ai算法的思政学情画像生成方法及系统。
背景技术：
1、在国内院校的思政课程或课程思政教学工作领域，普遍存在着难以在实践中或教学或学习过程中进行客观且科学的数据采集、课堂教学评价方法单一、忽略学生个体差异、难以反应学生的真实内心等问题。近年来，院校为了解决思政课枯燥、实践活动成本高且效果差等问题，国内大学开始引入了基于vr(virtual reality，虚拟现实)/ar(augmentedreality)等虚拟仿真技术的思政课程软件作为教学或学习工具，学生在虚拟仿真的思政实践课程中虽然达到更好的沉浸学习效果，但仍未能将学情评价与此类学习方式很好结合起来。
2、当前国内未见基于思政虚拟仿真做无感数据采集与学情画像整合分析和思政学习效果评价的系统化、智能化工具或方法，尤其院校在使用思政虚拟仿真体验教学软件进行思政课程或课程思政的学习时，没有任何系统工具可解决思政课程学习对应观念、精神等面向学生的思政课影响要素的无感客观记录和效果画像评价分析。
3、在国内已有关于思政学习分析的专利技术：一种基于深度学习的学生思政状况预警方法(授权公告号cn109726938b)，其出发点也是通过非主观的渠道，比如从学生新闻媒体查看的数据感知学生的思政方面的体现和效果，但问题在于一方面数据来源不够准确，因为不知道上网浏览人员是谁；一方面未对学生思想道德等画像进行系统整合、分类、打标和画像化，因此数据相对不准确、评价相对单一，使得该技术在实际应用中存在漏洞。
4、现有技术存在以下问题：
5、1.思政课教师难以在思政教学过程中或实践学习中对学生的思政学习效果进行客观、全面、无感的评价，传统的问卷回答，学生很容易选择公知的正确答案，而不能反映更真实的内心感受或实际发生时可能选择的行为；
6、2.思政教学评价方式普遍单一、普遍忽略学生个体差异、普遍难以反映学生的真实内心；
7、3.没有技术对虚拟仿真实验为主体的结合学情画像-深度学习ai模型配合在vr等学习环境中植入对应画像打标的题型和交互决策行为，并进行学生选择的不同答案或不同交互决策数据的无感采集并进行大数据智能分析，形成每个学生个体的个性化思政学情画像与分析诊断的结果。
8、因此，如何提供出一种更全面、科学和高效的思政学情画像生成方法，是目前有待解决的技术问题。
技术实现思路
1、本发明的目的是提供一种基于vr采集与ai算法的思政学情画像生成方法及系统，用以解决现有技术中存在的问题。
2、为了实现上述目的，本发明采用以下技术方案：
3、本发明提供了一种基于vr采集与ai算法的思政学情画像生成方法，包括：
4、可选的，确定影响因子和目标因子，所述影响因子中至少包括家庭评价指标、社会评价指标、学校评价指标和个人评价指标，所述目标因子至少包括态度评价指标、知识评价指标、思维评价指标、品德评价指标和行为评价指标；
5、基于所述影响因子和目标因子构建评价指标配置树，确定出影响因子和目标因子中各评价指标的权重、得分机制和评价区间，其中，所述评价区间用于生成思政学情画像的评价描述，所述评价指标配置树包括由若干个评价指标构成的逐层递进的评价指标叶子节点、评价指标父级节点和/或评价指标根节点；
6、基于思政虚拟仿真学习软件和各评价指标中的权重、得分机制和评价区间，构建出与思政学情画像相关的题型，所述题型至少包括选择题和交互决策行为题；
7、对所述题型和进行埋点，并根据学生评价指标测试完成情况，对已完成的题型进行打标签；
8、基于ai算法计算出打标签结果，根据所述打标签结果生成个性化的思政学情画像。
9、可选的，基于ai算法计算出打标签结果之后，还包括：
10、修正一个或多个评价指标中的权重，其中，根据加权平均法和归一化处理方法确定出修正后的一个或多个评价指标的权重；
11、基于打标签结果，对修正后的一个或多个指标权重进行反复学习训练，以自动修正评价指标的权重。
12、可选的，确定出个性化的思政学情画像，包括：
13、当完成与所述评价指标叶子节点相关联的选择题或交互决策行为题后，对已完成的所述选择和交互决策行为题行为打标签，根据打标签结果确定出评价指标叶子节点的分数；
14、采用加权平均算法和归一化处理算法，递求得出评价指标父级节点的分数和评价指标根节点的分数；
15、基于所述评价指标叶子节点的分数、评价指标父级节点的分数和评价指标根节点的分数以及与各节点相对应的评价区间的描述，确定出个性化的思政学情画像。
16、可选的，当学生多次进行与同一评价指标叶子节点相关联的测试后，记录不同时间的测试分数；
17、当需展示当前评价指标叶子节点的动态变化过程时，将时间作为横坐标，每个测试分数作为纵坐标，得到当前评价指标叶子节点的动态变化过程；
18、当需确定出最终的测试分数时，根据需求不同，设定不同的取值算法，其中，所述不同的取值算法包括最佳分数算法、取算术平均分数法或取最后分数算法。
19、可选的，所述方法还包括构建学情画像-深度学习ai模型，通过学情画像-深度学习ai模型输入目标时间段、目标学生、多个评价指标节点分数信息，以及学生已有的学情画像数据，自动修正学生的学情画像数据，最终输出更新后的学情画像数据。
20、可选的，构建学情画像-深度学习ai模型，包括：
21、收集原始数据并预处理所述原始数据，其中，所述原始数据至少包括节点id、节点权重、学生信息和创建时间，预处理所述原始数据包括数据清洗、特征工程和数据划分，其中，所述特征工程处理为记录经过教师和专家修正的每个学生对应的学情画像数据，并将所述学情画像数据转化为预设数据类型格式；
22、选择lstm作为深度学习模型，确定出深度学习模型的输入层、输出层和隐藏层；
23、对所述深度学习模型进行训练，当训练完成后生成学情画像-深度学习ai模型。
24、可选的，将进行数据清洗后的原始数据划分为训练集、验证集和测试集，所述训练集的数据占比为70％，验证集的数据占比15％，测试集的数据占比为15％，使用所述训练集对深度学习模型进行训练，使用所述验证集和测试集对学情画像-深度学习ai模型进行验证和测试，以得出学情画像-深度学习ai模型的性能。
25、可选的，使用了dropout技术在深度学习模型训练过程中随机关闭一部分神经元，增加深度学习模型的泛化能力。
26、可选的，所述方法还包括：
27、对学情画像-深度学习ai模型进行持续的性能监控，以定期检查学情画像-深度学习ai模型的准确性和稳定性。
28、本技术还提供了一种基于vr采集与ai算法的思政学情画像生成系统，包括：
29、确定模块，用于确定影响因子和目标因子，所述影响因子中至少包括家庭评价指标、社会评价指标、学校评价指标和个人评价指标，所述目标因子至少包括态度评价指标、知识评价指标、思维评价指标、品德评价指标和行为评价指标；
30、第一构建模块，用于基于所述影响因子和目标因子构建评价指标配置树，确定出影响因子和目标因子中各评价指标中的要素参数的权重、得分机制和评价区间，其中，所述评价区间用于生成思政学情画像的评价描述，评价指标配置树包括由若干个评价指标构成的逐层递进的评价指标叶子节点、评价指标父级节点和/或评价指标根节点；
31、第二构建模块，用于基于思政虚拟仿真学习软件和各评价指标中的要素参数的权重、得分机制和评价区间，构建出与思政学情画像相关的题型，所述题型至少包括选择题和交互决策行为题；
32、打标签模块，用于对所述题型进行埋点，并根据学生评价指标测试完成情况，对已完成的题型进行打标签；
33、生成模块，用于基于ai算法计算出打标签结果，根据所述打标签结果生成个性化的思政学情画像。
34、有益效果：
35、(1)vr虚拟仿真无感学情数据采集技术(评价指标配置树+虚拟仿真学习标记埋点+智能算法生成画像等结合)，进一步解决了传统思政课程(尤其思政实践课程)的学情数据采集中不够客观、不够科学、不够准确、不够有效的问题；
36、思政学情画像诊断技术(评价指标配置树+智能算法生成画像+智能诊断比对)，解决了不同学生在思政课不同学习周期下的个性化评价问题。
37、(2)解决了不同学生在思政课不同学习周期下的个性化评价问题，可以使不同学生在不同思政课学习周期下的思想品德等维度的个性化思政学习效果评价更准确、直观、立体、有效。并且解放思政课老师、辅导员老师对大量学生思政品德评价方面疲劳审批导致的同质化、模糊化、过度主观等低质量、低维度的无效评价问题。
1.一种基于vr采集与ai算法的思政学情画像生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于ai算法计算出打标签结果之后，还包括：
3.根据权利要求1所述的方法，其特征在于，确定出个性化的思政学情画像，包括：
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述方法还包括构建学情画像-深度学习ai模型，通过学情画像-深度学习ai模型输入目标时间段、目标学生、多个评价指标节点分数信息以及学生已有的学情画像数据，自动修正学生的学情画像数据，最终输出更新后的学情画像数据。
6.根据权利要求5所述的方法，其特征在于，构建学情画像-深度学习ai模型，包括：
7.根据权利要求6所述的方法，其特征在于，将进行数据清洗后的原始数据划分为训练集、验证集和测试集，所述训练集的数据占比为70％，验证集的数据占比15％，测试集的数据占比为15％，使用所述训练集对深度学习模型进行训练，使用所述验证集和测试集对学情画像-深度学习ai模型进行验证和测试，以得出学情画像-深度学习ai模型的性能。
8.根据权利要求6所述的方法，其特征在于，使用dropout技术在深度学习模型训练过程中对神经元进行随机关闭，增加深度学习模型的泛化能力。
9.根据权利要求6所述的方法，其特征在于，所述方法还包括：
10.一种基于vr采集与ai算法的思政学情画像生成系统，其特征在于，包括：
