CN105518683B - 用于幼儿特征识别及潜能开发评估的系统和方法 - Google Patents
用于幼儿特征识别及潜能开发评估的系统和方法 Download PDFInfo
- Publication number
- CN105518683B CN105518683B CN201480016908.XA CN201480016908A CN105518683B CN 105518683 B CN105518683 B CN 105518683B CN 201480016908 A CN201480016908 A CN 201480016908A CN 105518683 B CN105518683 B CN 105518683B
- Authority
- CN
- China
- Prior art keywords
- child
- module
- feature
- data
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011161 development Methods 0.000 title claims abstract description 32
- 238000012549 training Methods 0.000 claims abstract description 83
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 230000000052 comparative effect Effects 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000010835 comparative analysis Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 7
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008451 emotion Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用于幼儿特征识别及潜能开发评估的系统和方法。所述系统包括幼儿特征识别模块(100a)、培养训练模块(100b)、幼儿特征数据库(100c)、人才特征数据库(100d)和比较评估模块(100e),其中,幼儿特征识别模块(100a)用于通过网络接收所采集的幼儿特征个体数据,并通过访问所述幼儿特征数据库(100c)获取其中的样本或历史数据,与采集到的个体数据进行比较和分析;培养训练模块(100b)用于接收来自幼儿特征识别模块的幼儿特征分析结果数据,匹配相应的训练方案,从而进行优势特征的强化训练以及弱势特征的弥补训练;比较评估模块(100e)用于接收来自所述培养训练模块的分析结果数据,并与从所述人才特征数据库(100d)获取的人才特征数据进行比较,评估得出幼儿的人才特征、潜力发展方向及概率的分析结果。
Description
技术领域
本发明总体上涉及用于幼儿早期教育领域,特别涉及幼儿的早期特征识别及潜能开发评估的系统和方法。
背景技术
幼儿的定义通常是指年龄超过1岁且已经度过婴儿期。幼儿无论在体格和神经发育上还是在心理和智能发育上,都较婴儿有明细不同和发展,其独立意识在增强。在幼儿早期教育方面,培养幼儿的情绪发育、知觉发育、思维方式训练、记忆方式训练等等各方面都对个体未来的发展具有重要的意义和作用。
目前的幼儿早期教育和特征识别多限于通过有经验的教育工作者凭经验发现和识别。但这类人员数量和幼儿的数量相比极为有限,且累积的经验也无法进行量化和传播。随着越来越多的父母对于幼儿早教的重视程度提高,如何尽早地发现识别幼儿特征,进行有针对性地优势特征强化和弱势特征弥补,成为亟待解决的问题。
目前,以美国加州为代表的美国州立早教关于幼儿特征指标体系和中国经过多年的理论研究和实践的基础上产生了一些幼儿特征指标体系,虽然它们的指标分级和指标体系有所不同,都可以作为幼儿特征收集的一个重要参考。但这些指标体系目前还存在着以下的问题:
1、还未进行群体幼儿特征集的处理工作。
2、幼儿特征采集处于手工(人工)采集方法,还未用电子数据采集方法。
3、采集个体幼儿特征后,可以对其进行个体表现评价,但目前还没有方法识别其优势特征和弱势特征。很多个体的特征往往是先天形成的结果,可以通过后天的培养和训练,包括幼儿园的课程、游戏、户外活动,也包括家长引导,在一定的教育环境中,可以使幼儿的优势特征更加强化突出,也会弥补其弱势特征的不足,虽然弱势特征不会改变成为其强势特征。
4、优秀人才,包括政治家、科学家、工程技术人员、企业家、专业人员包括医生、律师、运动员、艺术家包括音乐家、画家和舞蹈家,他们各自的突出特征是很明显的,但都停留在定性的描述上,还没有形成优秀人才特征集和特征数据库。
5、幼儿言行特征集与优秀人才特征集还没有统一的纳入一个特征比较体系,这样幼儿言行特征集与优秀人才特征集无法以相同的标准在一个体系内进行比较。“什么样言行特征的人适合什么样的工作”已成共识和重要的规律。个体幼儿(0—5岁)被检测到言行特征是他们成年后特征的表现的重要基础,也是适合一定职业、工作岗位的重要参考。现在还没有将这两个关系关联在一起,没有从幼儿的特征表现预示其今后可能成才的潜力发展方向以及可能性。
大数据是互联网发展到现今阶段的一种特征,在以云计算为代表的技术创新的衬托下,原本很难收集和使用的数据开始容易采集以及被利用起来,通过对数据的不断开发和挖掘,大数据会逐步为人类创造更多的价值。大数据分析相比于传统的数据仓库应用,具有数据量大、查询分析复杂等特点。因此,如何使用大数据而不单纯依赖于个体的经验来识别幼儿个体优势特征和弱势特征,强化其优势特征、弥补弱势特征的不足,给家长、幼儿教师及幼儿园管理者提供关于幼儿个体成才潜能发展方向及其可能性,成为大数据在幼儿早期特征识别领域的一个重要的研究方向。
因此,需要一种利用网络技术和大数据对幼儿的早期特征识别及潜能开发评估的系统和方法,从而利用大数据识别幼儿个体优势特征和弱势特征,强化其优势特征、弥补弱势特征的不足,为家长、幼儿教师及幼儿园管理者提供关于幼儿个体成才潜能发展方向及可能性。
发明内容
本发明的目的在于提供一种幼儿特征识别及潜能开发评估系统,所述系统包括幼儿特征识别模块、培养训练模块、幼儿特征数据库、人才特征数据库和比较评估模块,其中,所述幼儿特征识别模块用于通过网络接收所采集的幼儿特征个体数据,并通过访问所述幼儿特征数据库获取其中的样本或历史数据,与采集到的个体数据进行比较和分析,将分析结果传送至所述培养训练模块进行处理;所述培养训练模块用于接收来自所述幼儿特征识别模块的幼儿特征分析结果数据,匹配相应的训练方案,从而进行优势特征的强化训练以及弱势特征的弥补训练;所述幼儿特征数据库用于存储并提供幼儿特征数据,包括幼儿群体的特征数据以及幼儿特征的历史数据;所述人才特征数据库用于存储并提供人才特征数据,包括人才定义数据、人才分类数据、特定类型人才的特征数据、人才特征群体数据、人才特征历史数据;所述比较评估模块用于接收来自所述培养训练模块的分析结果数据,并与从所述人才特征数据库获取的人才特征数据进行比较,从而评估得出幼儿的人才特征、潜力发展方向及概率的分析结果,并将所述分析结果通过网络传送以显示。
优选地,所述幼儿特征识别模块通过网络接收利用用户终端采集的幼儿特征个体数据。
优选地,所述用户终端选自台式计算机、膝上型计算机、智能电话、个人数字助理、平板电脑、游戏机、多功能移动终端其中至少一种。
优选地,所述网络选自Zigbee、WiFi或WLAN、GPRS、蜂窝网络、GSM网络、3G网络、LTE网络或CDMA网络、蓝牙、NFC、红外线、超声波、Wireless USB、RFID中至少一种。
优选地,所述幼儿特征识别模块将采集的幼儿特征个体数据输入到所述幼儿特征数据库中作为所述幼儿特征数据库的历史数据。
优选地,所述系统提供第三方接口,以便从第三方获取所述幼儿特征数据库和所述人才特征数据库。
优选地,所述幼儿特征识别模块包括个体数据采集模块、数据库访问及控制模块和比较分析模块,所述个体数据采集模块用于采集所收集的幼儿个体数据,再和通过所述数据库访问及控制模块从所述幼儿特征数据库访问获取的幼儿特征数据共同输入到所述比较分析模块进行计算和比较分析,将得出的结果输出到所述培养训练模块。
优选地,所述幼儿个体特征数据分为一级指标和二级指标,每个所述一级指标包含若干个二级指标并由所述二级指标的得分综合计算得到。
优选地,同属一个一级指标下的不同二级指标具有不同的权重。
优选地,采用群体平均特征值和群体TOP值与某个幼儿个体特征值比较来获得该幼儿个体的优势特征和弱势特征。
优选地,所述培养训练模块包括个体特征数据收集模块,优势特征训练模块、弱势特征训练模块和结果反馈模块,所述个体特征数据收集模块用于收集来自所述幼儿特征识别模块发送的幼儿个体识别数据,选取出优势特征和弱势特征,分别发送至所述优势特征训练模块和所述弱势特征训练模块;所述优势特征训练模块用于生成推荐的训练方法以强化幼儿的优势特征;所述弱势特征训练模块用于生成推荐的训练方法以弥补幼儿的弱势特征;所述结果反馈模块用于根据所述优势特征和弱势特征训练的结果进行定期进行评估,并将结果输出到比较评估模块进行后续的评估。
优选地,所述比较评估模块包括一致性可比性确定模块、个体人才比较模块、评估模块和结果输出模块,所述一致性可比性确定模块用于校验待比较数据的一致性和可比性,若确定出数据不一致无法比较,则通过所述结果输出模块反馈至所述幼儿特征识别模块重新进行数据的采集和处理;所述个体人才比较模块用于对幼儿个体特征数据与从所述人才特征数据库所采集的人才特征数据两者之间进行比较;所述评估模块用于确定幼儿个体潜力发展方向概率。
优选地,所述个体人才比较模块采用枚举法或穷举法进行所述幼儿个体特征数据与所述人才特征数据的比较。
优选地,所述评估模块按照如下方法确定幼儿个体潜力发展方向概率:a)确定幼儿个体优势特征数;b)判断是否有一技之长特征,若没有进入步骤c,若有则进入步骤b1将所述幼儿个体潜力发展方向概率设定为50%,进入步骤c;c)确定人才类型发展潜力的初始概率;d)对步骤确定的人才类型发展潜力概率初始值进行权重修正。
根据本发明的利用网络技术和大数据对幼儿的早期特征识别及潜能开发评估的系统和方法,可以利用大数据识别幼儿个体优势特征和弱势特征,强化其优势特征、弥补弱势特征的不足,为家长、幼儿教师及幼儿园管理者提供关于幼儿个体成才潜能发展方向及可能性。
应当理解,前述大体的描述和后续详尽的描述均为示例性说明和解释,并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1示意性示出根据本发明的一种幼儿早期特征识别及潜能开发评估的系统框图。
图2示出了图2以模块化地方式示出根据本发明的幼儿特征识别及潜能开发评估系统200和用户终端210之间数据访问和交互的过程。
图3示出了根据本发明的幼儿特征识别模块的工作流程。
图4以模块化地方式示出根据本发明的培养训练模块的构架框图
图5以模块化地方式示出根据本发明的比较评估模块的构架框图
图6示出了评估模块中确定幼儿个体潜力发展方向概率的计算方法流程图。
图7示意性地示出了一个用户终端展示的用户界面。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
根据本发明的用于幼儿特征识别及成才潜能发展系统和方法在综合集成了幼儿群体特征以及建立人才特征数据库的基础上,通过比较方法、聚类、分类等数据挖掘方法和优化训练方法,可以识别幼儿个体优势特征和弱势特征,强化其优势特征、弥补弱势特征的不足,给家长、幼儿教师及幼儿园管理者关于幼儿个体成才潜能发展方向及其可能性。该系统的输入是幼儿群体言行特征及个体幼儿特征值、训练培养库及人才特征数据库,输出是幼儿个体的优势和弱势特征及其成才潜能发展方向及可能性。进而,该系统的训练培养库可以提供与幼儿特征匹配对应的教具,对儿童弱势特征加强训练,对优势特征进行强化并得到提升。该系统通过应用概率与数理统计理论、集成理论、分类和归类理论建立数学模型,从幼儿群体特征数据和人才特征数据中发现幼儿个体特征数据的内涵,发掘幼儿个体成长的有用信息,提供家长、幼教老师、幼教机构和管理方作重要参考。
系统概述
图1示意性示出根据本发明实施例的用于幼儿特征识别及潜能开发评估的系统。所述幼儿特征识别及潜能开发评估系统100通过网络101与至少一个用户终端102进行通信和数据交换。出于示意性的目的,图1仅作为示例的方式示出了四个用户终端102a、102b、102c和102n。然而,可以理解的是在其他实施方式中,系统100可以与更多的用户终端102连接并通信。
用户终端102用于采集信息,例如采集幼儿特征数据,将数据进行处理后通过网络101发送至幼儿特征识别及潜能开发评估系统100,再通过网络101接收来自幼儿特征识别及潜能开发评估系统100发回的评估结果,优选以图表的方式呈现给用户。用户终端102优选还可以进行部分数据处理的功能,例如对数据进行整理、筛选、预分类等,也可以进行简单的数据统计或计算的功能。用户终端102的使用者可以是幼儿的家长、监护人、幼儿园教师、特征评估机构的用户等。
用户终端102可以是台式计算机、膝上型计算机、智能电话、个人数字助理(PDA)、平板电脑、游戏机、多功能移动终端或者包括计算功能和数据通信能力的任何其他设备。用户终端102可以包括接口应用(app),例如web浏览器或定制应用(app),用于与具备web能力的应用进行双向通信,从而使用户通过接口应用的形式与系统100进行交互。安装了实现本发明的方法的系统软件应用的用户,可以通过网络103登录服务器106用于进行信息上传、下载、查询、分析等多种交互功能。用户终端102可以从用户接收输入,并可呈现输出,因此用户终端102还包括I/O接口(输入/输出接口),可接收一个或多个输入并呈现输出。例如,输入接口可包括键盘、鼠标、操纵杆、轨迹球、触摸板、触摸屏、触屏笔、麦克风中的一个或多个。另外,通过输出接口可呈现输出,以输出用户的控制操作指令或来自其他用户的反馈信息等。输出接口包括显示屏、一个或多个扬声器和触觉接口中的一个或多个。
所述网络101可以是有线网络或无线网络,无线网络例如包括诸如内联网之类的局域网(“LAN”)和诸如互联网之类的广域网(“WAN”)。网络101可被配置为支持利用多种协议设置格式的信息的传输。另外,网络101可以是公共网络、专用网络或其组合。网络101还可以利用任何一种或多种类型的物理介质来实现,其中包括与多个服务提供商相关联的有线通信路径和无线通信路径。无线通信方式例如Zigbee、WiFi或WLAN、GPRS、蜂窝网络、GSM网络、3G网络、LTE网络或CDMA网络、蓝牙、NFC、红外线、超声波、Wireless USB、RFID中的至少一种等等。
优选地,为了保障数据交互的安全,还可以在网络101与幼儿特征识别及潜能开发评估系统100之间建立防火墙(图中未示出)。当用户通过用户终端102通过公共网络或其他不安全的网络访问系统100时,为了保证数据安全,通过设置在用户终端102与系统100之间的保障网络安全的防火墙可以实现数据安全这一目的。防火墙可以通过软件和硬件设备的组合来实现。防火墙可以设置服务访问规则、验证工具、包过滤和应用网关等功能模块,以监控和过滤在系统100和用户终端102之间流经的数据。
如图1所示,根据本发明的幼儿特征识别及潜能开发评估系统100包括幼儿特征识别模块100a、培养训练模块100b、幼儿特征数据库100c、人才特征数据库100d和比较评估模块100e。
幼儿特征识别模块100a用于通过网络101接收来自用户终端102采集的幼儿特征个体数据,进行数据整理、汇总、分类、统计、计算等处理,并可以通过访问幼儿特征数据库100c获取其中的样本或历史数据,从而与采集到的个体数据进行比较和分析,例如得出幼儿优势特征及弱势特征等的分析结果数据,并将分析结果传送至培养训练模块100b进行后续的处理。幼儿特征识别模块100a所采集到幼儿特征个体数据,也可以在处理后输入到幼儿特征数据库100c中作为幼儿特征数据库100c的历史数据。
培养训练模块100b用于接收来自幼儿特征识别模块100a发送来的幼儿特征分析结果数据,根据该幼儿特征分析结果数据进行分类、筛选、比较,并查找并匹配相应的训练方案,从而进行优势特征的强化训练以及弱势特征的弥补训练。培养训练模块100b可以在训练后反馈回到幼儿特征识别模块100a以衡量或评价其训练效果,从而动态调整训练方案,并根据训练的结果反馈重新进行幼儿特征的分析,将分析结果传送至比较评估模块进行后续的评估。
幼儿特征数据库100c用于存储并提供幼儿特征数据,包括但不限于幼儿群体的特征数据以及幼儿特征的历史数据等。所述数据可来源于通过用户终端102采集后并经过用户终端102或幼儿特征识别模块100a处理后的数据。可选地,根据本发明的系统还可以提供第三方接口,以便从第三方获取所述幼儿特征数据。
人才特征数据库100d用于存储并提供人才特征数据,包括但不限于人才定义数据、人才分类数据、特定类型人才的特征数据、人才特征群体数据、人才特征历史数据等。所述人才特征数据库100d可内置于根据本发明的系统100中,或者采集于外部数据。可选地,根据本发明的系统还可以提供第三方接口,以便从第三方获取所述幼儿特征数据。
比较评估模块100e用于接收来自所述培养训练模块100b的分析结果数据,并与从所述人才特征数据库100d获取的人才特征数据进行比较,从而评估得出幼儿的人才特征、潜力发展方向及概率等分析结果,并将分析结果通过网络传送至用户终端102进行显示。优选地,以图表的方式进行结果展示。
图2以模块化地方式示出根据本发明的幼儿特征识别及潜能开发评估系统200和用户终端210之间数据访问和交互的过程。如图2所示,在根据本发明的系统中,用户通过其以用户界面方式呈现的用户终端210与系统200进行会话和数据交互。
在系统200中,幼儿特征识别模块200a包括个体数据采集模块201、数据库访问及控制模块202和比较分析模块203。个体数据采集模块201用于采集来自用户终端210收集的幼儿个体数据,再和通过数据库访问及控制模块202从幼儿特征数据库200c访问获取的幼儿特征数据共同输入到比较分析模块203进行计算和比较分析,得出的结果输出到培养训练模块。
用户终端210至少包括数据采集模块211、数据处理模块212和分析报告模块213。还可以包括其他一些用于显示非交互式信息(比如系统设置等)的其他信息模块(图中未示出)。数据采集模块211用于采集幼儿的个体数据,例如可以采取观察法、问卷调查法或档案袋法来收集幼儿的个体数据。收集好的数据可通过数据处理模块212进行初步处理后传送至系统200中的幼儿特征识别模块200a中的个体数据采集模块201。用户终端210中的分析报告模块213会接收来自系统200的分析结果呈现在用户界面上。
根据本发明的幼儿个体特征数据优选以多级别的方式进行收集,下表1给出了一种示例性的幼儿个体数据特征采集表。
表1幼儿特征指标体系
根据表1所示的一个实施例,幼儿特征指标可以分为2个级别,一级共17个特征,二级指标共42个特征。如表1所示,每个一级指标可包含若干个二级指标,在同属一个一级指标下的不同二级指标可以具有不同的权重。表1给出了一组示例性的权重因子作为参考。一级指标的权重由两两比较法确定。每一个二级指标分为5个等级,V级(强)得5分,IV级(较强)得4分,III级(一般)得3分,II级(弱)得2分,I级(很弱)得1分,二级指标的得分可以通过例如问卷调查或评分的形式进行搜集整理。
以一级指标下的情感特征为例说明指标的含义。情感是指满足自身需要而引起的态度及体验,如愉快、高兴、欢欣、满足、舒畅等;因违背自身意愿而引起的否定态度及体验,如愤怒、忧愁、哀怨、憎恨、烦恼和绝望等。情感则是指这种反映的稳定、持续的态度反映,如责任感、义务感、道德观、美感等。乐观、细心、沉稳、诚信、热情大方、情绪稳定、活泼开朗、外露。比如对于3-4岁幼儿的情感世界,孩子多数时间极为活泼愉快,容易兴奋。但有时又大哭大闹,忽而会破啼而笑,变化多端,所以他们容.易冲动,容易变化,也容易外露。情感具有丰富性、稳定性、积极/消极的特点。
根据本发明的一个实施例,二级指标的指标值在1-5之间。通过计算加权后的二级指标的指标值,可以获得一级指标的指标值。比如,对于一级指标“情感”,二级指标“丰富性(0.3)”得4分,“稳定性(0.3)”得5分,“积极/消极(0.4)”得3分,则“情感”指标的加权后得分为:
4×0.3+5×0.3+3×0.4=3.9
结论是该幼儿的情感评价为:接近“较强”。
类似地,在根据本发明的幼儿特征数据库中,也可以以类似的多级指标的形式存储幼儿特征数据。
图3示出了根据本发明的幼儿特征识别模块的工作流程。如图3所示,在步骤301,幼儿特征识别模块采集并汇总来自用户终端的幼儿个体特征数据。例如上述实施例的若干个二级指标数据。
在步骤302,进行特征数据的转换处理。例如,在具有两级指标数据的实施例中,进行二级指标数据到一级指标数据的转换处理。
在步骤303,进行特征数据的筛选。对于转换出的特征数据,如果发现其中有明显的数据异常,即可直接判断得出结果。
在步骤304中,如果判断出某些特征异常,则可得出该幼儿个体为超常幼儿的结论,直接将这些异常特征作为该幼儿个体的优势特征,然后进入步骤308。否则进入步骤305。参照上文的两级指标特征数据的实施例,超常幼儿的数据可以通过直接判断其中若干个以及指标的数据是否超过阈值来得出。例如,可参考一级指标中的语言能力、注意力、思维能力、想象力、喜欢学习能力等。这些指标的选择可以自行定义,可根据所判断的标准进行选择。
在步骤305中,没有发现特征异常,则采集幼儿特征数据库的数据进行比较判断。
在步骤306中,对幼儿特征数据库的数据进行整理统计。数据库数据的整理可以采取均值的方法,例如取若干数据进行均值计算。
在步骤307中,将数据库数据与所采集的幼儿个体数据进行比较。比较的目的是得出个体数据的优势特征和弱势特征。根据一个实施例,例如可以采用群体平均特征值和群体TOP值与某个个体特征值比较来获得这个个体的优势特征和弱势特征。某个个体的优势特征反映的是这个个体幼儿比同年龄的绝大部分幼儿都表现出“强”且占优势的特征,这方面的特征值在群体的TOP5%或10%以上。某个个体的弱势特征反映的是这个个体幼儿比同年龄的绝大部分幼儿都表现出“弱”且占劣势的特征,这方面的特征值在群体的最后5%。
在步骤308,输出结果,方法结束。
图4以模块化地方式示出根据本发明的培养训练模块的构架框图。如图4所示,在系统400中,培养训练模块400b包括个体特征数据收集模块401,优势特征训练模块402、弱势特征训练模块403和结果反馈模块404。培养训练模块400b是通过对特征进行分析统计,从而根据算法生成特定的培养训练方法,由幼教老师和家长对幼儿的优势特征进行强化训练,对弱势特征进行弥补。一般而言,如果优势特征不能持续地得以强化,容易使其丧失其优势,如果弱势特征的不足不及时地给予弥补,弱势特征就趋于更弱,不利于幼儿的全面发展,但弱势特征的不足再弥补也永远成不了幼儿的优势特征。
个体特征数据收集模块401用于收集来自幼儿特征识别模块发送的幼儿个体识别数据,选取出优势特征和弱势特征,分别发送至优势特征训练模块402和弱势特征训练模块403。优势特征训练模块402用于用于生成推荐的训练方法以强化幼儿的优势特征,使其优势特征予以保持并提升,使原先的优势更突出,可以采取根据不同的优势特征推荐训练方法的方式来生成训练推荐信息,例如训练课程推荐、训练时间表进度安排等。弱势特征训练模块403用于用于生成推荐的训练方法以弥补幼儿的弱势特征,弥补其弱势特征的不足。例如可以采取根据不同的弱势特征推荐训练方法的方式来生成训练推荐信息。
训练课程的推荐可根据分析得到的幼儿的优势特征、弱势特征以及其他基本信息进行匹配。例如可根据不同年龄段的幼儿生理、心理特点,分别安排不同的课程、进行游戏和室内室外活动。根据一个实施例,推荐的课程、游戏、活动可根据上述多个一级指标特征,即情感、兴趣爱好、意志力、创造性、自我认识、解决问题能力、观察判断能力、记忆力、想象力、思维能力、动手操作能力、社会交往能力、语言能力、注意力、领导能力、喜欢学习、做事认真敬业等17个方面进行针对性推荐。
结果反馈模块404用于根据优势特征和弱势特征训练的结果进行定期进行评估,并将结果输出到比较评估模块进行后续的评估。定期地对个体幼儿的优势特征和弱势特征进行观察和测量,评估优势特征的强化和弱势特征不足的弥补的效果。根据强化和弥补的效果,制定下一次强化(弥补)的措施,进行再训练。结果反馈模块404的测量结果也可以返回值幼儿特征识别模块进行重评估,再根据评估结果重新返回至比较评估模块进行新一轮优势特征和弱势特征的训练方案制定和调整。
图5以模块化地方式示出根据本发明的比较评估模块的构架框图。如图5所示,在系统500中比较评估模块500e包括一致性可比性确定模块501、个体人才比较模块502、评估模块503和结果输出模块504。比较评估模块500e用于接收来自所述培养训练模块的分析结果数据,先进行一致性和可比性的确定,之后与从所述人才特征数据库100d获取的人才特征数据进行比较,从而在评估模块503中评估得出幼儿的人才特征、潜力发展方向及概率等分析结果,并通过结果输出模块504将分析结果通过网络传送至用户终端进行显示。优选地,以图表的方式进行结果展示。
一致性可比性确定模块501用于校验待比较数据的一致性和可比性,以便为后续的评估模块提供一致可比较的数据基础。一致性是指幼儿特征体系和人才特征体系保持一致,即经过前面的模块采集处理后的幼儿个体特征数据与从人才特征数据库所采集的人才特征数据两者之间的一致性,以便两者有合理的可比性。这种一致性表现在两个方面,一是两个体系的特征集合大小要基本一致,即两个体系内的特征数量基本相同,二是特征的针对性一样。若确定出数据不一致无法比较,则可以通过结果输出模块504反馈至幼儿特征识别模块重新进行数据的采集和处理。
个体人才比较模块502用于对幼儿个体特征数据与从人才特征数据库所采集的人才特征数据两者之间进行比较。在之前的幼儿特征识别模块中,已经可以识别出个体幼儿的优势特征和弱势特征,经过培养训练模块的强化,幼儿的优势特征更加明显,更加突出。根据本发明的,基于人才特征数据库中给出的分类人才的特征集合,采用“枚举法”或“穷举法”,将个体幼儿的优势特征集与各类人才特征集进行比较,按两者吻合的特征比例最大的作为幼儿潜力发展方向,而且在评估模块503中根据特征吻合数比例作为该潜力发展方向的可能性(概率)的评估。
个体人才比较模块502还会对从人才特征数据库中获取的人才特征数据进行分类处理,包括人才常用定义的确定、进行人才的合理分类和人才特征数据的采集方法的确定。根据本发明的一个实施例,将人才划分为学术型人才、从政人才、管理人才、工程型人才、专业型人才和文体人才七类。学术型人才可以科学家,包括自然科学家、社会科学家,如物理学家、化学家、数学家、哲学家、法学家、语言学家和研究人员;从政人才可以包括政治家、党政从业人员;管理人才可以包括企业家、高级经理人、工商企事业单位管理人员;工程性人才指从事设计、规划、决策等工作的工程师,以及运用成熟的技术和智能,将设计、规划和决策转化为物质形态的生产产品人才,比如工程师、工程技术人才;专业技能人才可包括医生、律师人才;文体人才可以包括画家、音乐家、舞蹈家等艺术人才和各类体育尖子人才。
各类人才的特征有很多相似或相同之处,可以通过两两比较的方法和归纳法寻找这些特征的相同之处,其目的是便于抽象出比较一致的特征,最终梳理出人才特征,对人才特征数据库的数据进行分类整理。
下表2给出了根据本发明一个实施例的幼儿特征与人才特征对应表。
表2幼儿特征与人才特征对应表
表2(续)幼儿特征与人才特征对应表
根据表2,以学术型人才为例说明人才特征与幼儿特征的对应关系。学术型人才包括自然科学家、社会科学家,如物理学家、化学家、数学家、哲学家、经济学家、法学家、语言学家等。他们的特征如下所示。
(1)洞察力,也是判断力,对科学问题(如多种实验方案或产品技术的评价选择)做出的判断。对应幼儿特征的(7)。
(2)记忆力,掌握与研究工作有关的基础数据和常识的准确度和记忆速度。对应幼儿特征的(8)。
(3)想象力,善于在少量的科学事实的基础上,通过无拘无束的自由想象构思出全新的假说、模型、结构图等。对应幼儿特征的(9)。
(4)观察力,善于细心观察发现一般不易发现或容易忽略的问题。对应幼儿特征的(7)。
(5)实验能力,动手能力和实际操作能力。对应幼儿特征的(11)。
(6)创新能力,包括归纳推理能力和演绎推理能力,能够从大量看似无关的事实和现象出发,总结出形式简单的科学规律;能够快速地、自发地从现有科学发现出发,做出创新、独到的科学预测。对应幼儿特征的(4)。
(7)协作能力,善于团结不同学术观点的人一道工作,严于律己,宽以待人。对应幼儿特征的(12)。
(8)社会交往能力,善于与社会组织和个人沟通,主动积极争取社会人士对所研究领域的理解、支持与赞助,能够建立广泛的人际关系网络。对应幼儿特征的(12)。
在个体人才比较模块502中,根据所采集处理的幼儿个体特征的类型、分值和数目,可通过查表的方式转化为相应的人才特征。若发现有极少数状态异常的幼儿,个体人才比较模块502也可直接输出该异常结果至结果输出模块504。例如,可以将该异常结果转到更专业的鉴定机构进行后续鉴定。
在评估模块503中,确定幼儿个体潜力发展方向概率,计算方法如图6所示的流程图:
步骤601,确定幼儿个体优势特征数M,其中M<N,N为幼儿特征总数。根据本发明的一个实施例,N为一级指标特征总数,N=17。
步骤602,判断该幼儿是否有“一技之长”特征,若没有进入步骤604,若有则进入步骤603,设定往该一技之长方向发展的初始概率为50%,例如体育和音乐方面的特长,然后进入步骤604;
步骤604,确定人才类型发展潜力的初始概率。根据本发明的一个实施例,假设人才特征数据库中有R个人才类型,则r=1,2…,R。所有人才类型的特征与幼儿个体优势特征数M相比较,与幼儿个体优势这M特征数重合的个数为Qr个,r=1,2,…,R。在R个Qr中选取最大的3个就定为对应的人才类型,作为该幼儿潜力发展方向,并计算发展的概率。假设Q1、Q2和Q3分别为最大、次大和次次大值,那么Q1/M,Q2/M,Q3/M是Q1,Q2和Q3所对应的人才类型发展潜力概率初值Fr,其中r=1,2,…,R,即Fr=Qr/M,其中r=1,2,…,R。
步骤605,对上述人才类型发展潜力概率初始值进行权重上的修正。假定一种类型的人才只允许最多有一个最明显区别于其他人才类型的特征特别项,根据本发明,赋予这个特别项权重有W=0.15。为了使概率符合要求,在考虑特别项权重后,要减掉0.1作为修正。
则幼儿个体人才类型发展潜力概率:
P1=F1+W1-0.1
P2=F2+W2-0.1
P3=F3+W3-0.1
这里,W1、W2和W3可以设定为相同的,例如W1=W2=W3=0.15,也可以根据需要设定为不同的。
步骤605,输出计算所得到的最终概率。
比较评估模块500e输出的结果,最终通过网络输出到用户终端进行展示,优选地以图表的方式进行展示。图7示意性地示出了一个用户终端展示的用户界面。在该界面中,以百分比概率的方式展示了幼儿的特征、各个特征的评分以星级表示,以显示其得分高低以及需要弥补的程度。
根据本发明的用于幼儿特征识别及成才潜能发展系统和方法在综合集成了幼儿群体特征以及建立人才特征数据库的基础上,通过比较方法、聚类、分类等数据挖掘方法和优化训练方法,可以识别幼儿个体优势特征和弱势特征,强化其优势特征、弥补弱势特征的不足,给家长、幼儿教师及幼儿园管理者关于幼儿个体成才潜能发展方向及其可能性。该系统的输入是幼儿群体言行特征及个体幼儿特征值、训练培养库及人才特征数据库,输出是幼儿个体的优势和弱势特征及其成才潜能发展方向及可能性。进而,该系统的训练培养库可以提供与幼儿特征匹配对应的教具,对儿童弱势特征加强训练,对优势特征进行强化并得到提升。该系统通过应用概率与数理统计理论、集成理论、分类和归类理论建立数学模型,从幼儿群体特征数据和人才特征数据中发现幼儿个体特征数据的内涵,发掘幼儿个体成长的有用信息,提供家长、幼教老师、幼教机构和管理方作重要参考。
本领域技术人员可以理解,根据以上公开,可以进行多种修改和变化。本说明书的某些部分在对信息的操作的算法和符号表示方面描述了本发明的实施方式。这些算法描述和表示是数据处理领域的技术人员用于向本领域其他技术人员有效地传达其工作所通常使用的。在功能、计算或者逻辑上描述的这些操作被理解为由计算机程序或者等效电路、微代码等来实现。另外,已经多次证明,将这些操作布置为模块是方便的,而不会丧失普遍性。所描述的操作及其相关联的模块可以实现为软件、固件、硬件或者其任意组合。
在此描述的任何步骤、操作或者过程可以利用一个或多个硬件或者软件模块单独或者与其他设备组合来执行或者实现。在一个实施方式中,软件模块利用计算机程序产品实现,计算机程序产品包括包含计算机程序代码的计算机可读介质,计算机程序代码可以由计算机处理器执行,用于执行所描述的任何或者全部步骤、操作或者过程。
本发明的实施方式还可以涉及用于执行此处的操作的装置。该装置可以用于所需要的目的而特别地构造,和/或其可以包括选择性地激活或者由存储在计算机中的计算机程序重新配置的通用计算设备。这样的计算机程序可以存储在非暂时有形计算机可读存储介质或者适于存储电子指令的任何类型的介质中,其可以耦接至计算机系统总线。另外,本说明书中提到的任何计算系统可以包括单个处理器,或者可以是采用多个处理器涉及的架构以用于增加计算能力。
本发明的实施方式还可以涉及由在此描述的计算过程产生的产品。这样的产品可以包括计算过程所得到的信息,其中,信息存储在非暂时有形计算机可读存储介质中,并且可以包括计算机程序产品或者在此描述的其他数据组合的任何实施方式。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (14)
1.一种幼儿特征识别及潜能开发评估系统,所述系统包括幼儿特征识别模块、培养训练模块、幼儿特征数据库、人才特征数据库和比较评估模块,其中,
所述幼儿特征识别模块用于通过网络接收所采集的幼儿特征个体数据,并通过访问所述幼儿特征数据库获取其中的样本或历史数据,与采集到的个体数据进行比较和分析,将分析结果传送至所述培养训练模块进行处理;
所述培养训练模块用于接收来自所述幼儿特征识别模块的幼儿特征分析结果数据,匹配相应的训练方案,从而进行优势特征的强化训练以及弱势特征的弥补训练;
所述幼儿特征数据库用于存储并提供幼儿特征数据,包括幼儿群体的特征数据以及幼儿特征的历史数据;
所述人才特征数据库用于存储并提供人才特征数据,包括人才定义数据、人才分类数据、特定类型人才的特征数据、人才特征群体数据、人才特征历史数据;
所述比较评估模块用于接收来自所述培养训练模块的分析结果数据,并与从所述人才特征数据库获取的人才特征数据进行比较,从而评估得出幼儿的人才特征、潜力发展方向及概率的分析结果,并将所述分析结果通过网络传送以显示。
2.如权利要求1所述的系统,其中所述幼儿特征识别模块通过网络接收利用用户终端采集的幼儿特征个体数据。
3.如权利要求2所述的系统,其中所述用户终端选自台式计算机、膝上型计算机、智能电话、个人数字助理、平板电脑、游戏机、多功能移动终端其中至少一种。
4.如权利要求1所述的系统,其中所述网络选自Zigbee、WiFi或WLAN、GPRS、蜂窝网络、GSM网络、3G网络、LTE网络或CDMA网络、蓝牙、NFC、红外线、超声波、Wireless USB、RFID中至少一种。
5.如权利要求1所述的系统,其中所述幼儿特征识别模块将采集的幼儿特征个体数据输入到所述幼儿特征数据库中作为所述幼儿特征数据库的历史数据。
6.如权利要求1所述的系统,其中所述系统提供第三方接口,以便从第三方获取所述幼儿特征数据库和所述人才特征数据库。
7.如权利要求1所述的系统,其中所述幼儿特征识别模块包括个体数据采集模块、数据库访问及控制模块和比较分析模块,所述个体数据采集模块用于采集所收集的幼儿个体数据,再和通过所述数据库访问及控制模块从所述幼儿特征数据库访问获取的幼儿特征数据共同输入到所述比较分析模块进行计算和比较分析,将得出的结果输出到所述培养训练模块。
8.如权利要求1所述的系统,其中所述幼儿特征个体数据分为一级指标和二级指标,每个所述一级指标包含若干个二级指标并由所述二级指标的得分综合计算得到。
9.如权利要求8所述的系统,其中同属一个一级指标下的不同二级指标具有不同的权重。
10.如权利要求1所述的系统,其中采用群体平均特征值和群体TOP值与某个幼儿个体特征值比较来获得该幼儿个体的优势特征和弱势特征。
11.如权利要求1所述的系统,其中所述培养训练模块包括个体特征数据收集模块,优势特征训练模块、弱势特征训练模块和结果反馈模块,
所述个体特征数据收集模块用于收集来自所述幼儿特征识别模块发送的幼儿个体识别数据,选取出优势特征和弱势特征,分别发送至所述优势特征训练模块和所述弱势特征训练模块;
所述优势特征训练模块用于生成推荐的训练方法以强化幼儿的优势特征;
所述弱势特征训练模块用于生成推荐的训练方法以弥补幼儿的弱势特征;
所述结果反馈模块用于根据所述优势特征和弱势特征训练的结果进行定期进行评估,并将结果输出到比较评估模块进行后续的评估。
12.如权利要求1所述的系统,其中所述比较评估模块包括一致性可比性确定模块、个体人才比较模块、评估模块和结果输出模块,
所述一致性可比性确定模块用于校验待比较数据的一致性和可比性,若确定出数据不一致无法比较,则通过所述结果输出模块反馈至所述幼儿特征识别模块重新进行数据的采集和处理;
所述个体人才比较模块用于对幼儿个体特征数据与从所述人才特征数据库所采集的人才特征数据两者之间进行比较;
所述评估模块用于确定幼儿个体潜力发展方向概率。
13.如权利要求12所述的系统,其中所述个体人才比较模块采用枚举法或穷举法进行所述幼儿个体特征数据与所述人才特征数据的比较。
14.如权利要求12所述的系统,其中所述评估模块按照如下方法确定幼儿个体潜力发展方向概率:
a)确定幼儿个体优势特征数;
b)判断是否有一技之长特征,若没有进入步骤c,若有则进入步骤5b1将所述幼儿个体潜力发展方向概率设定为50%,进入步骤c;
c)确定人才类型发展潜力的初始概率;
d)对步骤确定的人才类型发展潜力概率初始值进行权重修正。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/078248 WO2015176302A1 (zh) | 2014-05-23 | 2014-05-23 | 用于幼儿特征识别及潜能开发评估的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105518683A CN105518683A (zh) | 2016-04-20 |
CN105518683B true CN105518683B (zh) | 2018-02-02 |
Family
ID=54553253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480016908.XA Active CN105518683B (zh) | 2014-05-23 | 2014-05-23 | 用于幼儿特征识别及潜能开发评估的系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105518683B (zh) |
WO (1) | WO2015176302A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127642A (zh) * | 2016-07-18 | 2016-11-16 | 杭州嘟云科技有限公司 | 幼儿成长档案的电子化收集、分类和归档系统及方法 |
CN106339433B (zh) * | 2016-08-18 | 2021-08-24 | 冯连元 | 一种基于数据中有关群体数据与个体数据交互比较平台的方法及装置 |
CN106469428A (zh) * | 2016-08-31 | 2017-03-01 | 北京哥大诺博教育科技股份有限公司 | 基于数轴的提升幼儿数学能力的系统及方法 |
CN106409024A (zh) * | 2016-08-31 | 2017-02-15 | 北京哥大诺博教育科技股份有限公司 | 幼儿自适应能力提升系统及方法 |
CN107170304A (zh) * | 2017-06-30 | 2017-09-15 | 罗颖莉 | 一种具有移动终端病毒监测组件的互联网早教机器人 |
CN109166401A (zh) * | 2018-09-20 | 2019-01-08 | 北京绿橙天下信息技术有限公司 | 一种基于课程轴的幼教辅助方法 |
CN109345104A (zh) * | 2018-09-25 | 2019-02-15 | 博跃恒民康(深圳)智能化科技有限公司 | 一种用户能力提升方法、系统及存储介质 |
CN114569131A (zh) * | 2018-11-02 | 2022-06-03 | 成都中技智慧企业管理咨询有限公司 | 一种婴儿需求智能分析系统 |
CN117132431B (zh) * | 2023-10-26 | 2024-01-26 | 山东尚可网络科技有限公司 | 一种用于幼儿体育教育的培训管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567133A (zh) * | 2009-04-07 | 2009-10-28 | 深圳市易思博信息技术有限公司 | 一种基于互联网的分布式软件项目实训系统及实训方法 |
CN102184661A (zh) * | 2011-03-17 | 2011-09-14 | 南京大学 | 儿童孤独症语言训练系统及基于物联网的集中训练中心 |
CN102332220A (zh) * | 2011-08-11 | 2012-01-25 | 北京东方虹睿文化传播有限责任公司 | 一种基于计算机的潜能开发方法及系统 |
CN102737352A (zh) * | 2011-04-12 | 2012-10-17 | 施章祖 | 一种个性化的早期教育系统 |
CN103258450A (zh) * | 2013-03-22 | 2013-08-21 | 华中师范大学 | 面向孤独症儿童的智能学习平台 |
CN203971402U (zh) * | 2014-08-03 | 2014-12-03 | 李兴娜 | 婴幼儿潜能开发训练装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080187893A1 (en) * | 2007-02-02 | 2008-08-07 | Network For Instructional Tv, Inc. | Determining developmental progress for preschool children |
US20120088216A1 (en) * | 2010-10-06 | 2012-04-12 | Yale University | Systems and Methods for Monitoring, Evaluation, and Treatment |
KR20140035031A (ko) * | 2012-09-13 | 2014-03-21 | 최문형 | 유아 체육 영재지수화 및 레벨 분류 방법 |
-
2014
- 2014-05-23 CN CN201480016908.XA patent/CN105518683B/zh active Active
- 2014-05-23 WO PCT/CN2014/078248 patent/WO2015176302A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567133A (zh) * | 2009-04-07 | 2009-10-28 | 深圳市易思博信息技术有限公司 | 一种基于互联网的分布式软件项目实训系统及实训方法 |
CN102184661A (zh) * | 2011-03-17 | 2011-09-14 | 南京大学 | 儿童孤独症语言训练系统及基于物联网的集中训练中心 |
CN102737352A (zh) * | 2011-04-12 | 2012-10-17 | 施章祖 | 一种个性化的早期教育系统 |
CN102332220A (zh) * | 2011-08-11 | 2012-01-25 | 北京东方虹睿文化传播有限责任公司 | 一种基于计算机的潜能开发方法及系统 |
CN103258450A (zh) * | 2013-03-22 | 2013-08-21 | 华中师范大学 | 面向孤独症儿童的智能学习平台 |
CN203971402U (zh) * | 2014-08-03 | 2014-12-03 | 李兴娜 | 婴幼儿潜能开发训练装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105518683A (zh) | 2016-04-20 |
WO2015176302A1 (zh) | 2015-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105518683B (zh) | 用于幼儿特征识别及潜能开发评估的系统和方法 | |
Ma et al. | Linking ethical leadership to employee creativity: Knowledge sharing and self-efficacy as mediators | |
Anaya et al. | A visual recommender tool in a collaborative learning experience | |
Matthews | Blurring boundaries between humans and technology: postdigital, postphenomenology and actor-network theory in qualitative research | |
CN108109089A (zh) | 一种教育可计算方法 | |
CN109165799A (zh) | 基于遗传算法的走班教学排课系统 | |
Liu et al. | [Retracted] Forecast and Evaluation of Educational Economic Contribution Based on Fuzzy Neural Network | |
Zhang et al. | Digital Marketing Evaluation of Applied Undergraduate Talent Training with E-commerce using Big Data Mining and Communication Technology Support | |
Ponce et al. | Data and AI Driving Smart Cities | |
Mu | Analyzing the physical and mental quality of college students using multidimensional data mining | |
Kustiyahningsih et al. | Development of an interval value fuzzy number based on MCGDM model by hybrid AHP and TOPSIS methods | |
Li | A Model for analyzing teaching quality data of sports faculties based on particle swarm optimization neural network | |
Yusupova et al. | Management of educational route learning using intelligent decision support technology | |
Huang | A mathematical programming model for the fuzzy analytic network process—applications of international investment | |
Qin et al. | Where are your ideas going? Idea adoption in online user innovation communities | |
Duan et al. | Evaluation Method of College Students' Learning Autonomy Based on Social Network Support. | |
Gu | [Retracted] Evaluation of Teaching Quality on IP Environment Driven by Multiple Values Theory Based on Big Data | |
Packmohr et al. | Considering company size, level of responsibility, and employee age for analysing countermeasures against barriers to digital transformation | |
Jing | Evaluation of talent training model taking into account the knowledge recognition algorithm of multiple constraint models | |
Shi et al. | Research and design of teaching evaluation system based on fuzzy model | |
Kang et al. | Teaching IoT (Internet of Things) Analytics | |
Naim et al. | A Type-2 fuzzy logic approach for multi-criteria group decision making | |
Che | Design of College Physical Education Teaching Quality Evaluation System Based on Improved ID3 Algorithm | |
Rao et al. | An Advanced Machine Learning Approach for Student Placement Prediction and Analysis | |
Dai et al. | The Innovative Integration of College Students’ Mental Health Education and Civic Education Paths in the Age of Artificial Intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210616 Address after: 201204 room 602, No.13, Lane 100, Yinxiao Road, Pudong New Area, Shanghai Patentee after: Shi Jing Patentee after: Lejing Education Technology (Beijing) Co.,Ltd. Address before: 201204 room 602, No.13, Lane 100, Yinxiao Road, Pudong New Area, Shanghai Patentee before: Shi Jing Patentee before: SUZHOU LEARNING GENIE INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |