CN104835371B - 一种基于学情云数据的反馈教学测评方法及系统 - Google Patents

Abstract

本发明公开一种基于学情云数据的反馈教学测评方法及系统，其包括：将学生的互动反馈数据通过学生终端发送给教师终端；教师终端接收并校验所述互动反馈数据，然后将校验合格的互动反馈数据打包发送至学情云数据系统；学情云数据系统根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值，并返回所述反馈大数据特征值至教师终端；教师终端将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常，并对反馈异常的学生给教师以信息提示。通过上述方案，可实现对学生的异常行为进行识别并加以矫正，既改善了学生的学习习惯，又提高了反馈测评数据的真实性，减低了实时教学调控失效风险。

Description

一种基于学情云数据的反馈教学测评方法及系统

技术领域

本发明涉及反馈教学测评技术领域，尤其涉及一种基于学情云数据的反馈教学测评方法及系统。

背景技术

反馈测评装置，是在1999年已经实现的产品。其实现，早期是利用有线通信网络或红外通信方式来实现课堂的反馈，到了2005年以后出现了无线蓝牙等2.4G通信技术，将学生终端的反馈信息通过接收端传送给教师电脑，教师通过对课堂学生当前的反馈统计结果，进行教学过程调控和因材施教，提高教学效率，促进有效教学。

然而上述课堂教学反馈信息的采样仅来源于课堂当前学生的响应，课堂偶发因素往往会极大地影响学生反馈的真实性，从而容易误导老师在实际教学过程中调控失效。且不能进行教学过程的连续量化采集，只对当次互动过程进行当堂或当次数据的简单统计，无法进行对每个学生历史信息大数据特征下的实时同步反馈及测评校正。另外，传统的反馈测评系统无法对学生个人的不良学习习惯（如作答抄袭、猜答等）进行同步识别和判断，失去了及时发现和纠错的时机，不利于学生良好行为习惯的养成，不能进行全校性的即时调查采集统计处理的应用。此外，无法进行连续准确、真实有效地详细记录每个学生所有的个人学情信息数据，并形成格式统一的学生个人学习成长档案库电子信息数据集。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于学情云数据的反馈教学测评方法及系统，旨在解决现有反馈测评方法提供的反馈测评数据的真实性和有效性低的问题。

本发明的技术方案如下：

一种基于学情云数据的反馈教学测评方法，其中，包括步骤：

A、将学生的互动反馈数据通过学生终端发送给教师终端；

B、教师终端接收并校验所述互动反馈数据，然后将校验合格的互动反馈数据打包发送至学情云数据系统；

C、学情云数据系统根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值，并返回所述反馈大数据特征值至教师终端；

D、教师终端将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常，并对反馈异常的学生给教师以信息提示。

所述的基于学情云数据的反馈教学测评方法，其中，所述步骤A中，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。

所述的基于学情云数据的反馈教学测评方法，其中，所述步骤B中，所述校验具体是指对所述互动反馈数据的完整性和合法性进行校验。

所述的基于学情云数据的反馈教学测评方法，其中，所述步骤C中，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度和周边答案集相似度。

所述的基于学情云数据的反馈教学测评方法，其中，所述步骤C还包括步骤：学情云数据系统存储所述互动反馈数据，以形成学生的历史学习数据，并通过数学统计方法对历史学习数据进行统计，得到学生的反馈大数据特征值。

一种引用如上所述的基于学情云数据的反馈教学测评方法的系统，其中，包括：

学生终端发送模块，用于将学生的互动反馈数据发送给教师终端；

教师终端接收及校验模块，用于接收并校验所述互动反馈数据；

教师终端发送模块，用于将校验合格的的互动反馈数据打包发送至学情云数据系统；

学情云数据提取模块，用于根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值；

学情云数据返回模块，用于返回所述反馈大数据特征值至教师终端；

教师终端比对及判断模块，用于将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常；

教师终端提示模块，用于当反馈学生异常时，对反馈异常的学生给教师以信息提示。

所述的基于学情云数据的反馈教学测评方法的系统，其中，所述学生终端发送模块中，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。

所述的基于学情云数据的反馈教学测评方法的系统，其中，所述教师终端接收及校验模块中，所述校验具体是指对所述互动反馈数据的完整性和合法性进行校验。

所述的基于学情云数据的反馈教学测评方法的系统，其中，所述学情云数据提取模块中，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度和周边答案集相似度。

所述的基于学情云数据的反馈教学测评方法的系统，其中，还包括学情云数据存储模块，用于存储所述互动反馈数据，以形成学生的历史学习数据；并存储通过数学统计方法对历史学习数据进行统计得到的学生的反馈大数据特征值。

有益效果：通过本发明的学情云大数据技术对学生的异常反馈行为进行识别，既改善了学生的学习习惯，又有效提高了反馈测评数据的真实性，减低了实时教学调控失效风险，促进了有效教学过程。

附图说明

图1为本发明一种基于学情云数据的反馈教学测评方法较佳实施例的流程图；

图2为本发明一种基于学情云数据的反馈教学测评方法的系统较佳实施例的结构框图。

具体实施方式

本发明提供一种基于学情云数据的反馈教学测评方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明一种基于学情云数据的反馈教学测评方法较佳实施例的流程图，其包括步骤：

S100、将学生的互动反馈数据通过学生终端发送给教师终端；

S200、教师终端接收并校验所述互动反馈数据，然后将校验合格的互动反馈数据打包发送至学情云数据系统；

S300、学情云数据系统根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值，并返回所述反馈大数据特征值至教师终端；

S400、教师终端将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常，并对反馈异常的学生给教师以信息提示。

本发明在传统的反馈测评系统架构中，新加入了学情云数据系统，依托本发明的学情云大数据技术的异常反馈识别及反馈测评数据样本校正流程架构及运作机制，不仅减低了学生异常反馈行为的发生，还大大提高了反馈测评统计数据的真实性及有效性。

所述步骤S100中，在进行课堂互动教学时，每个测评学生都可通过自己的学生终端向教师终端发送互动反馈数据。具体地，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。例如，在进行课堂互动教学时，每个学生都可通过自己的学生终端将开始提交的应答内容、最终提交的应答内容、开始提交的应答时间、最终提交的应答时间、应答修订过程及应答修订时刻、应答修订间隔周期等中的一种或多种互动响应信息发送给教师终端。其中，所述应答内容可以为应答答案或评分内容。例如，在一次教学互动过程中，教师对学生进行课堂提问，这时学生会将该问题的应答答案反馈至学生终端上，学生终端即可采集到各学生反馈的应答答案。通过该应答答案可分析出学生在本轮互动中的应答情况。而为了进一步核实学生的实际应答情况，还可通过学生互评的方式，对学生的发言进行评分，这时学生终端就会采集到学生反馈的评分内容。其中，所述应答修订过程是指学生针对教师提出的课堂问题，会反馈应答答案至教师终端，然后学生可能还会对该应答答案进行多次修改，从而使得教师终端会采集到学生反馈的多个应答答案，该多个应答答案就形成了学生针对本次提问的应答修订过程，然后分析学生反馈的多个应答答案，也即分析该应答修订过程，即可判断出学生对该知识点的掌握程度，从而便于教师对当前教学的调控。

此外，学生还可通过自己的学生终端将主动响应类信息、系统抽样的被动类响应信息发送给教师终端。例如，在教师讲课时，不同学生在听讲中会针对教师讲解时偏快、偏慢、偏难、偏易、突发见解、创新等状态而主动作出不同的响应，这时学生通过自己的学生终端可将该主动作出的响应信息发送给教师终端。在教师讲课时，教师终端也可自动地发起对全班学生的定时或不定时的抽样检查，并通过学生终端提示学生在规定的时间内进行被动的抽样反馈响应，而不同的学生对随机抽样的响应信息不同，这时可将该被动作出的响应信息发送给教师终端。

所述步骤S200中，教师终端在接收到全班学生的互动反馈数据后，对所述互动反馈数据的完整性和合法性进行校验，然后将校验合格的互动反馈数据打包发送至学校的学情云数据系统。具体地，上述互动反馈数据的完整性和合法性的校验，主要是检查在各种互动类型下的互动反馈数据是否数据完整、数据齐全、量值幅度合理和数据链清晰。例如，在课堂互动中，学生终端关机掉网、迟到入网、强干扰等异常环境导致的个别互动反馈数据异常，这时教师终端将从数据指标缺失、数据链自校验、数据超限等指标进行校验，以确保互动反馈数据的完整性、合法性和合理性。

所述步骤S300中，学校的学情云数据系统接收到互动反馈数据后，提取该互动反馈数据对应的学生的反馈大数据特征值，并返回所述反馈大数据特征值至教师终端。具体地，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度、周边答案集相似度、响应速度等参数集。

所述步骤S300还包括步骤：学情云数据系统存储所述互动反馈数据，以形成学生的历史学习数据，并通过数学统计方法对历史学习数据进行统计，得到学生的反馈大数据特征值。这是由于学生终端会采集每堂课的每次互动教学过程中的每个学生的每次答题响应信息，该响应信息即本发明中的互动反馈数据，然后将各个学生的应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期等中的一种或多种互动反馈数据信息发送至学情云数据系统上并存储，通过日常教学过程的数据积累，便可在学情云数据系统上形成每个学生的历史学习数据。本发明的学情云数据系统实现了对日常教学过程的数据进行连续量化采集，且能够真实有效地详细记录每个学生所有的个人学情信息数据，形成每个学生的历史学习数据，并形成格式统一的学生个人学习成长档案库电子信息数据集。进一步地，本发明可利用数学统计方法，对学生的历史学习数据进行统计计算，从而得到各个学生的课堂学习参与率、正答率、应答响应习惯、知识达成度、周边答案集相似度、响应速度等反馈大数据特征值。本发明的学情云数据系统通过对每个学生的历史学习数据进行统计分析，从而便于教师掌握学生状态，目前教学目标，进行教学调控，提高教学效率。

本发明下面针对参与率和周边答案集相似度进行举例说明。例如，根据形成的每个学生的历史学习数据，计算每个学生的应答响应总次数与总互动教学次数的比值，即可得到每个学生的历史课堂互动的参与率。由该参与率值的大小，可判断出学生上课听讲的专注情况，参与率值偏大，说明该学生参与课堂互动的次数较多，学生上课听讲较专注；而参与率值偏小，说明该学生参与课堂互动的次数较少，学生上课可能有走神情况。此外，由该参与率值大小，还可大致判断出教师的教学情况，例如，根据形成的每个学生的历史学习数据，还可分别统计出英语课和数学课各学生参与率的值，当英语课相比于数学课学生总体的参与率偏低时，说明学生在英语课上的互动偏少，这时教师终端可对英语授课教师发出预警提示，以便教师对预警情形进行教学分析，从而提高教学效率。

在教学课堂中，本发明的学情云数据系统可对本堂课中的一系列互动过程中各学生的反馈应答数据进行特征分析，例如，关于周边答案集相似度，当学情云数据系统对比出其中一个学生的应答错误项、响应时间、应答时间间隔、应答时间分布特征等，与其周边邻近同学各相应的应答特征值的相似度或关联度超过预设值时（该预设值可预先进行设定，预设值的大小可根据实际情况确定），本发明将针对该学生给教师以抄袭预警信息进行提示，提醒教师对该学生关注，以及时纠正学生的不良学习习惯。

下面通过两个具体的例子对比对过程进行说明，将反馈大数据特征值与学生当前的互动反馈数据进行比对还可得到猜答以及抄袭两个参数，以判定学生是否为猜答和抄袭。

其中的猜答比对过程如下：

1）、学生当前的应答响应习惯与该生的传统“应答响应习惯”差异较大，例如应答响应习惯中超过80%（当然该比例亦可按照实际情况进行调整）的特征数据集与之前的传统“应答响应习惯”有所不同，则认为差异较大。

2）、学生应答修订间隔周期较短且答案有遍历现象。因为学生在进行应答时，若修订间隔周期较短，则说明学生可能是未经思考答复的；同时学生的修订过程非常快，结合答案的遍历现象，例如对某一问题的选项有快速遍历行为，或对一组问题的答题按某一规律进行循环应答，如重复的ABCD或者ACBD等等），则学生可能为猜答。

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大。即当前知识点依赖于前备知识点，而对于当前知识点学生虽然答复正确，但前备知识点尚未达成，则说明学生可能为猜答。

上述三个条件当中，满足任何一个则判定为该同学可能有猜答的倾向，并实时向老师进行预警，以结合教学及时进行提问核实、校正。

其中的抄袭比对过程如下：

1）、学生答题集与邻近同学的周边答案集相似度（正误、分布序列）高。即该学生的周边答案集相似度较高，例如超过95%的应答的正误、分布序列完全相同，则该学生的作答可能存在抄袭现象。

2）、学生应答修订过程与邻近同学的应答修订过程在时延参数指标上存在较高的关联度。即学生的应答修订过程与邻近同学的应答修订过程在修订正误、修订顺序、修订间隔时延参数指标上有90%以上是相同的，那么可能存在对邻近同学的抄袭行为。

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大。此过程与前述的猜答相似，即当前知识点虽然应答正确，但其依赖的前备知识点达成度低，形成知识断层，所以其应答内容可能存在抄袭。

上述三个条件同时满足则判定为该同学可能有抄袭行为，并实时向老师进行预警，以结合教学及时进行提问核实、校正。

所述步骤S400中，在课堂上，教师终端可实时接收到学情云数据系统返回的每个学生的反馈大数据特征值，然后教师终端可将返回的反馈大数据特征值作为每个学生的当前互动反馈数据的参照或比对基准，与学生当前的互动反馈数据进行比对，根据比对结果即可判断出学生是否异常。当判断出学生异常时，对异常的学生给教师以信息提示。即当出现当前响应的互动反馈数据与该学生的历史统计值水平偏离了系统预设的最大偏离值时，教师终端将向授课教师实时提示预警信息，以便教师针对实际情况对预警情形进行学生提问核实或教学判断，也便于教师有目的地开展反馈行为习惯矫正教学，重新进行正确的测评反馈，及时纠正错误应答习惯。而当判断出学生正常时，对正常应答的学生则自动进入当次的反馈测评统计处理。当然有时教师也可暂不进行学生异常反馈矫正，而直接进入全班的反馈测评统计处理，此时反馈测评统计处理会根据学情云系统的反馈大数据特征值自动校正异常样本数据并加以统计呈现。这使得教师可按照呈现的反馈信息，掌握学生状态，明确教学目标，进行教学调控，提高教学效率。

在日常的互动教学过程中，本发明的学情云数据系统会存储有每个学生对特定类型的互动教学过程的响应时间、响应频度、响应间隔的平均特征值。当某次互动的响应时间、响应频度、响应间隔与其平均特征值的偏离超过预设值时，教师终端将针对该学生给教师以预警信息提示。这时教师会关注对应的学生，教师便可通过课堂提问等手段来检查学生的应答情况，还可通过学生互评对该同学的提问进行评分，以此检查核实该学生的实际应答情况，从而避免同学在平时的互动中为博取综评成绩而侥幸猜答抄袭等行为，进而影响学情云数据的信息偏差。本发明的上述反馈教学测评方法，可实现对学生的不良学习习惯进行同步识别和判断，从而利于学生良好行为习惯的养成。本发明的学情云数据系统可对教学过程的连续量化采集，从而有效解决了传统反馈测评只能对当次互动进行当堂或当次数据的简单统计，无法进行对每个学生历史信息大数据特征下的实时同步反馈及测评矫正。

例如，在一次课堂互动教学中，教师通过教师终端发现当次采集到的数据信息表明：平时极少主动发言的某同学突然这次积极参与，主动发言，且其举手快速果断，没有犹豫；而学情云数据系统上显示该学生在该学科上的举手发言率低于全班平均水平，个人平时较少主动发言。为此，教师终端提示教师关注该学生状态。老师此时便可通过课堂提问来检查该同学的实际情况，并且进行同学互评对该同学的发言进行评分，以此检查核实该同学的实际应答情况。这可避免部分同学为了取得综评好成绩而抱着侥幸心理蒙混猜答，导致数据积累常出现偏差的问题，确保了学情云数据的数据真实性。而目前的反馈系统只注重课堂当堂的教学过程，许多学生在反馈系统应用了一段时间后，基本了解了反馈系统的一些统计规律，从而导致学生不管对错猜题抢答等以博取好成绩，由于缺乏实时的学生历史统计数据来作比对，导致老师无法及时发现异常抽查学生，也助长了学生的蒙混心理，从而导致时间越长，统计数据误差越大的情况，最后导致系统的信息失效。本发明的带学情云数据系统的反馈教学测评方法有效的确保了系统数据的有效性和真实性。

基于上述方法，本发明还提供一种基于学情云数据的反馈教学测评方法的系统较佳实施例的结构框图，如图2所示，其包括：

学生终端发送模块100，用于将每个学生的互动反馈数据发送给教师终端；

教师终端接收及校验模块200，用于接收并校验所述互动反馈数据；

教师终端发送模块300，用于将校验合格的互动反馈数据打包发送至学情云数据系统；

学情云数据提取模块400，用于根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值；

学情云数据返回模块500，用于返回所述反馈大数据特征值至教师终端；

教师终端比对及判断模块600，用于将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常；

教师终端提示模块700，用于当反馈学生异常时，对反馈异常的学生给教师以信息提示。

所述学生终端发送模块100中，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。

所述教师终端接收及校验模块200中，所述校验具体是指对所述互动反馈数据的完整性和合法性进行校验。

所述学情云数据提取模块400中，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度和周边答案集相似度。

还包括学情云数据存储模块，用于存储所述互动反馈数据，以形成学生的历史学习数据；并存储通过数学统计方法对历史学习数据进行统计得到的学生的反馈大数据特征值。

综上所述，本发明通过在传统的反馈测评系统架构中，新加入学情云数据系统，依托本发明的学情云大数据技术的异常反馈识别及反馈测评数据样本校正流程架构及运作机制，实现实时对学生的行为进行识别并加以矫正，既改善了学生的学习习惯，减低了学生异常反馈行为的发生，还大大提高了反馈测评统计数据的真实性及有效性。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种基于学情云数据的反馈教学测评方法，其特征在于，包括步骤：

A、将学生的互动反馈数据通过学生终端发送给教师终端；

B、教师终端接收并校验所述互动反馈数据，然后将校验合格的互动反馈数据打包发送至学情云数据系统；

C、学情云数据系统根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值，并返回所述反馈大数据特征值至教师终端；

D、教师终端将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常，并对反馈异常的学生给教师以信息提示;

所述步骤C还包括步骤：学情云数据系统存储所述互动反馈数据，以形成学生的历史学习数据，并通过数学统计方法对历史学习数据进行统计，得到学生的反馈大数据特征值；

学情云数据系统对本堂课中的一系列互动过程中各学生的反馈应答数据进行特征分析；

所述步骤C中，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度和周边答案集相似度；

将反馈大数据特征值与学生当前的互动反馈数据进行比对得到猜答以及抄袭两个参数，以判定学生是否为猜答和抄袭；

其中的猜答比对过程如下：

1）、学生当前的应答响应习惯与该生的传统“应答响应习惯”差异较大；

2）、学生应答修订间隔周期较短且答案有遍历现象；

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大；

上述三个条件当中，满足任何一个则判定为该同学有猜答的倾向；

其中的抄袭比对过程如下：

1）、学生答题集与邻近同学的周边答案集相似度高；

2）、学生应答修订过程与邻近同学的应答修订过程在时延参数指标上存在较高的关联度；

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大；

上述三个条件同时满足则判定为该同学有抄袭行为。

2.根据权利要求1所述的基于学情云数据的反馈教学测评方法，其特征在于，所述步骤A中，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。

3.根据权利要求1所述的基于学情云数据的反馈教学测评方法，其特征在于，所述步骤B中，所述校验具体是指对所述互动反馈数据的完整性和合法性进行校验。

4.一种基于学情云数据的反馈教学测评方法的系统，其特征在于，包括：

学生终端发送模块，用于将学生的互动反馈数据发送给教师终端；

教师终端接收及校验模块，用于接收并校验所述互动反馈数据；

教师终端发送模块，用于将校验合格的互动反馈数据打包发送至学情云数据系统；

学情云数据提取模块，用于根据接收到的互动反馈数据，提取该互动反馈数据对应的反馈大数据特征值；

学情云数据返回模块，用于返回所述反馈大数据特征值至教师终端；

教师终端比对及判断模块，用于将返回的反馈大数据特征值与学生当前的互动反馈数据进行比对，根据比对结果判断学生是否异常；

教师终端提示模块，用于当反馈学生异常时，对反馈异常的学生给教师以信息提示；

还包括学情云数据存储模块，用于存储所述互动反馈数据，以形成学生的历史学习数据；并存储通过数学统计方法对历史学习数据进行统计得到的学生的反馈大数据特征值；

学情云数据系统对本堂课中的一系列互动过程中各学生的反馈应答数据进行特征分析；

所述学情云数据提取模块中，所述反馈大数据特征值包括：参与率、正答率、应答响应习惯、知识达成度和周边答案集相似度；

将反馈大数据特征值与学生当前的互动反馈数据进行比对得到猜答以及抄袭两个参数，以判定学生是否为猜答和抄袭；

其中的猜答比对过程如下：

1）、学生当前的应答响应习惯与该生的传统“应答响应习惯”差异较大；

2）、学生应答修订间隔周期较短且答案有遍历现象；

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大；

上述三个条件当中，满足任何一个则判定为该同学有猜答的倾向；

其中的抄袭比对过程如下：

1）、学生答题集与邻近同学的周边答案集相似度高；

2）、学生应答修订过程与邻近同学的应答修订过程在时延参数指标上存在较高的关联度；

3）、前备知识点达成度未通过，而当前知识点对其依赖度高、难度及区分度大；

上述三个条件同时满足则判定为该同学有抄袭行为。

5.根据权利要求4所述的基于学情云数据的反馈教学测评方法的系统，其特征在于，所述学生终端发送模块中，所述学生的互动反馈数据具体包括：应答内容、应答时间、响应速度、应答修订过程、应答修订间隔周期中的一种或多种。

6.根据权利要求4所述的基于学情云数据的反馈教学测评方法的系统，其特征在于，所述教师终端接收及校验模块中，所述校验具体是指对所述互动反馈数据的完整性和合法性进行校验。