CN105528505A - 线上自动化诊断学习风格系统及方法 - Google Patents

线上自动化诊断学习风格系统及方法 Download PDF

Info

Publication number
CN105528505A
CN105528505A CN201410509516.9A CN201410509516A CN105528505A CN 105528505 A CN105528505 A CN 105528505A CN 201410509516 A CN201410509516 A CN 201410509516A CN 105528505 A CN105528505 A CN 105528505A
Authority
CN
China
Prior art keywords
learning
style
learning style
behavior
data
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.)
Pending
Application number
CN201410509516.9A
Other languages
English (en)
Inventor
曾筱倩
胡士鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute for Information Industry
Original Assignee
Institute for Information Industry
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute for Information Industry filed Critical Institute for Information Industry
Publication of CN105528505A publication Critical patent/CN105528505A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • 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)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供线上自动化诊断学习风格系统及方法，线上自动化诊断学习风格方法包含以下步骤：经由网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至学习数据数据库，每一信息中记录一学习者的至少一学习行为所对应的相关数据；判断该至少一学习行为所属的学习风格；筛选所述相关数据中的离群值；计算所述相关数据剔除该离群值之后的一组数据中的最大值；计算该组数据中每一者除以该最大值后所得到的转换数值；基于该转换数值以计算该学习者在该学习风格中的评分，借以取代传统使用问卷方式进行判定。

Description

线上自动化诊断学习风格系统及方法
技术领域
本发明是有关于一种学习风格诊断方法，尤指利用线上学习行为即时侦测的演算法。
背景技术
学习是透过教授或体验而获得知识、技术、态度或价值的过程，从而导致可量度的稳定的行为变化，更准确一点来说是建立新的精神结构或审视过去的精神结构。
传统的学习风格诊断方法多为透过纸本问卷方式进行诊断。然而，纸本问卷无法即时的侦测学习者的学习风格。
由此可见，上述现有的纸本问卷方式显然仍存在不便与缺陷，而有待加以进一步改进。为了解决前述问题，相关领域莫不费尽心思来谋求解决之道，但长久以来一直未见适用的方式被发展完成。因此，如何能即时掌握学习者的学习风格状态，实属当前重要研发课题之一，亦成为当前相关领域极需改进的目标。
发明内容
本发明的一方面是在提供一种线上自动化诊断学习风格系统及线上自动化诊断学习风格方法，以解决先前技术的问题。
本发明所提供的线上自动化诊断学习风格系统包含学习数据数据库、处理器、网络通讯装置与记忆体。处理器能够执行一或多个计算机可执行指令，记忆体包含可由该处理器执行的一计算机程序，其中该计算机程序在由该处理器执行时使该处理器进行以下动作：经由该网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至该学习数据数据库，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据；判断该至少一学习行为所属的学习风格；筛选所述相关数据中的离群值；计算所述相关数据剔除该离群值之后的一组数据中的最大值；计算该组数据中每一者除以该最大值后所得到的转换数值；基于该转换数值以计算该学习者在该学习风格中的评分。
于一实施例中，该处理器更进行以下动作：计算所述学习行为的相关数据的平均数；计算所述学习行为的相关数据的标准差；将该平均数加上预定倍数的该标准差以得出上限值，并将该平均数减去该预定倍数的该标准差以得出下限值；将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。
于一实施例中，该预定倍数为三倍。
于一实施例中，该转换数值被带入评分模型以得出该评分。
于一实施例中，该评分模型是满足下列关系式：
，其中Typei为在该学习风格中的该至少一学习行为所对应的该相关数据，maxf(Typei)为该最大值，Ntype为在该学习风格中的该至少一学习行为的数目，Score(Type)为该评分，若该学习风格中的该至少一学习行为为正向时，ui为1；或是若该学习风格中的该至少一学习行为为负向时，ui为0。
于一实施例中，该网络通讯装置接收的该信息是符合超文件传输(HTTP)协定。
另一方面，本发明所提供的自动化诊断学习风格方法包含以下步骤：(a)经由网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至学习数据数据库，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据；(b)判断该至少一学习行为所属的学习风格；(c)筛选所述相关数据中的离群值；(d)计算所述相关数据剔除该离群值之后的一组数据中的最大值；(e)计算该组数据中每一者除以该最大值后所得到的转换数值；(f)基于该转换数值以计算该学习者在该学习风格中的评分。
于一实施例中，步骤(c)包含：计算所述学习行为的相关数据的平均数；计算所述学习行为的相关数据的标准差；将该平均数加上预定倍数的该标准差以得出上限值，并将该平均数减去该预定倍数的该标准差以得出下限值；将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。
于一实施例中，该预定倍数为三倍。
于一实施例中，该转换数值被带入评分模型以得出该评分。
于一实施例中，该评分模型是满足下列关系式：
，其中Typei为在该学习风格中的该至少一学习行为所对应的该相关数据，maxf(Typei)为该最大值，Ntype为在该学习风格中的该至少一学习行为的数目，Score(Type)为该评分，若该学习风格中的该至少一学习行为为正向时，ui为1；或是若该学习风格中的该至少一学习行为为负向时，ui为0。
于一实施例中，该网络通讯装置接收的该信息是符合超文件传输协定。
综上所述，本发明的优点在于：以学习者在线上的学习行为做为基础，可以做即时的学习风格诊断，取代传统使用问卷方式进行判定。
以下将以实施方式对上述的说明作详细的描述，并对本发明的技术方案提供更进一步的解释。
附图说明
为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：
图1是依照本发明一实施例的一种线上自动化诊断学习风格系统的方块图；以及
图2是依照本发明一实施例的一种线上自动化诊断学习风格方法的流程图。
具体实施方式
为了使本发明的叙述更加详尽与完备，可参照所附的附图及以下所述各种实施例，附图中相同的号码代表相同或相似的元件。另一方面，众所周知的元件与步骤并未描述于实施例中，以避免对本发明造成不必要的限制。
于实施方式与权利要求书中，除非内文中对于冠词有所特别限定，否则“一”与“该”可泛指单一个或复数个。
于实施方式与申请专利范围中，涉及“电性连接”的描述，其可泛指一元件透过其他元件而间接地以电气方式耦合至另一元件，或是一元件无须透过其他元件而直接电气连结至另一元件。
图1是依照本发明一实施例的一种线上自动化诊断学习风格系统100的方块图。如图1所示，线上自动化诊断学习风格系统100包含学习数据数据库110、处理器120、网络通讯装置130与记忆体140。在架构上，学习数据数据库110、网络通讯装置130与记忆体140电性连接至处理器120，网络通讯装置130与学习平台190透过网络连线。举例来说，学习平台190可为平板电脑、智能手机、笔记型电脑、桌上型电脑…等，网络通讯装置130可为有线或无线网络卡，处理器120可为中央处理器、微控制器或类似元件，记忆体140可为经调适以储存数位数据数据的任何类型的集成电路或其他储存器件(如：ROM、RAM…等)，学习数据数据库110可储存于不同的储存装置或是储存于同一储存装置，例如计算机硬盘、服务器、或其他记录媒体等。
于使用时，使用者可以透过不同学习平台190进行操作，使用者于学习平台190上的学习行为透过超文件传输(HTTP)协定的信息送出给线上自动化诊断学习风格系统100，以进行跨平台学习行为搜集。
于线上自动化诊断学习风格系统100中，处理器120能够执行一或多个计算机可执行指令，记忆体140包含可由该处理器执行的一计算机程序，其中该计算机程序在由处理器120执行时使处理器120进行线上自动化诊断学习风格方法，具体而言，处理器120经由网络通讯装置130接收多个学习平台190所分别传来的多个信息，进行跨平台的使用者的学习行为搜集，并将所述信息储存至学习数据数据库110，以提供后续学习行为记录，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据。
关于学习行为记录，处理器120可从学习数据数据库110中撷取分析相关所需资讯，并透过学习行为记录模块解析学习行为，将学习记录解析成人、事、时、地、物五个面向。
另一方面，关于学习风格诊断，处理器120判断上述至少一学习行为所属的学习风格，亦即判断不同学习行为所属的各个学习风格。接着，处理器120可筛选所述相关数据中的离群值，借以避免整体后续分析受到离群值的影响。接着，处理器120计算所述相关数据剔除该离群值之后的一组数据中的最大值，应了解到，此步骤要在筛选离群值之后，才不会有高估情形发生。接着，处理器120计算该组数据中每一者除以该最大值后所得到的转换数值，借以避免不同量尺的问题。然后，处理器120基于该转换数值以计算该学习者在该学习风格中的评分。如此，线上自动化诊断学习风格系统100是以学习者在线上的学习行为做为基础，可以做即时的学习风格诊断，取代传统使用问卷方式进行判定。
关于找出离群值的具体方式，于一实施例中，处理器120进行以下动作：计算所述学习行为的相关数据的平均数；计算所述学习行为的相关数据的标准差；将该平均数加上预定倍数的该标准差以得出上限值，并将该平均数减去该预定倍数的该标准差以得出下限值；将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。再者，于一较佳实施例中，该预定倍数为三倍，实作上，倘若预定倍数高于三倍，则可能会有高估情形发生，反之，倘若预定倍数小于三倍，则信赖区间过小，可能会影响后续分析。
于一实施例中，上述的学习风格包含八种类型：行动、反思、具体、抽象、视觉、语文、次序、整体。具体而言，行动的学习者喜欢亲身体会、与他人一同合作的主动学习方式，对于新的资讯会利用方法去讨论、解释、测试它。反思的学习者习惯于透过彻底的思考、单独工作的学习方式，他对于新的资讯会去思考的调查、运用它。感官的学习者是通过感官的途径来察觉，并经过感觉来收集数据数据(如：观察)。当感官型学习者喜欢具体的和生活有关的事物，了解所学知识和现实生活的关联性后，就能够更有效的记忆及理解。直觉型的学习者在自己本身无特别意识的情况下，来发觉、观察其可能性，是由间接的去感觉，例如：推测、预感、想象。视觉的学习者：最适合的记忆方式是透过图画、图表、曲线图、实地的示范。语文的学习者较喜欢书写或口语述说的学习方式。次序的的学习者是线性式思考的方式来解决问题，擅长聚敛式的思考和分析，在充分了解学习过程所提供的素材、准备相当完善、复杂且困难的情况下，学习效果会较高。整体的学习者运用跳跃式的思考模式来解决问题，擅长的是扩散性的思考方式，拥有创造力较宽广的视野。
以下将对学习者在学习风格中的评分作进一步阐述，于一实施例中，上述的转换数值被带入评分模型以得出评分，该评分模型是满足下列关系式：
，其中Typei为在该学习风格中的该至少一学习行为所对应的该相关数据，maxf(Typei)为该最大值，Ntype为在该学习风格中的该至少一学习行为的数目，Score(Type)为该评分，若该学习风格中的该至少一学习行为为正向时，ui为1；或是若该学习风格中的该至少一学习行为为负向时，ui为0。
举例来说，请参照下表的实例：
将上表的数据数据代入评分模型，学生A在行动的学习风格中的评分为[0.8+0.7]×100/2＝75，在反思风格中的评分为[(1-0.8)+(1-0.7)+0.6+0.4]×100/4＝37.5；学生A在行动的学习风格中的评分为[0.1+0]×100/2＝5，在反思风格中的评分为[(1-0.1)+(1-0)+0.9+0.96]×100/4＝94。如此，线上自动化诊断学习风格系统100可诊断学生的学习风格，即时反应学习者的使用情形，准确而有效率。
图2是依照本发明一实施例的一种线上自动化诊断学习风格方法200的流程图。线上自动化诊断学习风格方法200可经由一计算机来实作，例如前述的线上自动化诊断学习风格系统100等，亦可将部份功能实作为至少一计算机程序，并储存于一计算机可读取的记录媒体中，该至少一计算机程序具有多个指令，所述指令在一计算机上执行时使该计算机执行线上自动化诊断学习风格方法200。
如图2所示，线上自动化诊断学习风格方法200包括多个步骤210～260。然熟悉本案的技艺者应了解到，在本实施例中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。至于实施所述步骤的硬件装置，由于上一实施例已具体揭露，因此不再重复赘述。
有关跨平台学习行为搜集，于步骤210，经由网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至学习数据数据库，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据。再者，有关学习行为记录，于步骤210，可进而从学习数据数据库中撷取分析相关所需资讯，并透过学习行为记录模块解析学习行为，将学习记录解析成人、事、时、地、物五个面向。
另一方面，有关学习风格诊断，于步骤220，判断该至少一学习行为所属的学习风格；接着，于步骤230，筛选所述相关数据中的离群值；接着，于步骤240，计算所述相关数据剔除该离群值之后的一组数据中的最大值；接着，于步骤250，计算该组数据中每一者除以该最大值后所得到的转换数值；然后，于步骤260，基于该转换数值以计算该学习者在该学习风格中的评分。如此，线上自动化诊断学习风格方法200是以学习者在线上的学习行为做为基础，可以做即时的学习风格诊断，取代传统使用问卷方式进行判定。
于一实施例中，步骤230包含：计算所述学习行为的相关数据的平均数；计算所述学习行为的相关数据的标准差；将该平均数加上预定倍数的该标准差以得出上限值，并将该平均数减去该预定倍数的该标准差以得出下限值；将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。再者，于一较佳实施例中，该预定倍数为三倍，实作上，倘若预定倍数高于三倍，则可能会有高估情形发生，反之，倘若预定倍数小于三倍，则信赖区间过小，可能会影响后续分析。
于一实施例中，于步骤260，该转换数值被带入评分模型以得出该评分，至于实施该评分模型的具体关系式，由于上一实施例已具体揭露，因此不再重复赘述。
虽然本发明已以实施方式揭露如上，然其并非用以限定本发明，任何熟悉此技艺者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰，因此本发明的保护范围当视所附的权利要求书所界定的范围为准。

Claims (12)

1.一种线上自动化诊断学习风格系统，其特征在于，包含：
一学习数据数据库；
一处理器，其能够执行一或多个计算机可执行指令；
一网络通讯装置；以及
一记忆体，其包含可由该处理器执行的一计算机程序，其中该计算机程序在由该处理器执行时使该处理器进行以下动作：
经由该网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至该学习数据数据库，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据；
判断该至少一学习行为所属的学习风格；
筛选所述相关数据中的离群值；
计算所述相关数据剔除该离群值之后的一组数据中的最大值；
计算该组数据中每一者除以该最大值后所得到的转换数值；
基于该转换数值以计算该学习者在该学习风格中的评分。
2.根据权利要求1所述的自动化诊断学习风格系统，其特征在于，该处理器更进行以下动作：
计算所述学习行为的相关数据的平均数；
计算所述学习行为的相关数据的标准差；
将该平均数加上一预定倍数的该标准差以得出一上限值，并将该平均数减去该预定倍数的该标准差以得出一下限值；以及
将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。
3.根据权利要求2所述的自动化诊断学习风格系统，其特征在于，该预定倍数为三倍。
4.根据权利要求1所述的自动化诊断学习风格系统，其特征在于，该转换数值被带入一评分模型以得出该评分。
5.根据权利要求4所述的自动化诊断学习风格系统，其特征在于，该评分模型是满足下列关系式：
其中Typei为在该学习风格中的该至少一学习行为所对应的该相关数据，maxf(Typei)为该最大值，Ntype为在该学习风格中的该至少一学习行为的数目，Score(Type)为该评分，若该学习风格中的该至少一学习行为为正向时，ui为1；或是若该学习风格中的该至少一学习行为为负向时，ui为0。
6.根据权利要求1所述的自动化诊断学习风格系统，其特征在于，该网络通讯装置接收的该信息是符合超文件传输协定。
7.一种线上自动化诊断学习风格方法，其特征在于，包含以下步骤：
(a)经由一网络通讯装置接收多个学习平台所分别传来的多个信息，并将所述信息储存至一学习数据数据库，其中所述信息中每一者记录一学习者的至少一学习行为所对应的相关数据；
(b)判断该至少一学习行为所属的学习风格；
(c)筛选所述相关数据中的离群值；
(d)计算所述相关数据剔除该离群值之后的一组数据中的最大值；
(e)计算该组数据中每一者除以该最大值后所得到的转换数值；
(f)基于该转换数值以计算该学习者在该学习风格中的评分。
8.根据权利要求7所述的自动化诊断学习风格方法，其特征在于，步骤(c)包含：
计算所述学习行为的相关数据的平均数；
计算所述学习行为的相关数据的标准差；
将该平均数加上一预定倍数的该标准差以得出一上限值，并将该平均数减去该预定倍数的该标准差以得出一下限值；以及
将所述学习行为的相关数据中高于该上限值的数据和低于该下限值的数据作为该离群值。
9.根据权利要求8所述的自动化诊断学习风格方法，其特征在于，该预定倍数为三倍。
10.根据权利要求7所述的自动化诊断学习风格方法，其特征在于，该转换数值被带入一评分模型以得出该评分。
11.根据权利要求10所述的自动化诊断学习风格方法，其特征在于，该评分模型是满足下列关系式：
其中Typei为在该学习风格中的该至少一学习行为所对应的该相关数据，maxf(Typei)为该最大值，Ntype为在该学习风格中的该至少一学习行为的数目，Score(Type)为该评分，若该学习风格中的该至少一学习行为为正向时，ui为1；或是若该学习风格中的该至少一学习行为为负向时，ui为0。
12.根据权利要求7所述的自动化诊断学习风格方法，其特征在于，该网络通讯装置接收的该信息是符合超文件传输协定。
CN201410509516.9A 2014-09-02 2014-09-28 线上自动化诊断学习风格系统及方法 Pending CN105528505A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW103130285A TWI524294B (zh) 2014-09-02 2014-09-02 線上自動化診斷學習風格系統、線上自動化診斷學習風格方法及電腦可讀取之記錄媒體
TW103130285 2014-09-02

Publications (1)

Publication Number Publication Date
CN105528505A true CN105528505A (zh) 2016-04-27

Family

ID=55403138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410509516.9A Pending CN105528505A (zh) 2014-09-02 2014-09-28 线上自动化诊断学习风格系统及方法

Country Status (3)

Country Link
US (1) US20160063871A1 (zh)
CN (1) CN105528505A (zh)
TW (1) TWI524294B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10191970B2 (en) * 2015-08-19 2019-01-29 International Business Machines Corporation Systems and methods for customized data parsing and paraphrasing
CN106203635A (zh) * 2016-06-29 2016-12-07 北京师范大学 一种在线学习行为投入数据采集与分析系统及方法
CN113704610B (zh) * 2021-08-27 2024-03-05 华中师范大学 一种基于学习成长数据的学习风格画像生成方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101465069A (zh) * 2008-09-16 2009-06-24 鲁东大学 一种学习支持系统及其学习评价方法
CN102354462A (zh) * 2011-10-14 2012-02-15 北京市莱科智多教育科技有限公司 儿童教育系统及儿童教育方法
US20140101068A1 (en) * 2012-10-04 2014-04-10 Learnbeyond, Inc. Facility-based learning management system

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6285993B1 (en) * 1998-06-01 2001-09-04 Raytheon Company Method and apparatus for modeling individual learning styles
US6782396B2 (en) * 2001-05-31 2004-08-24 International Business Machines Corporation Aligning learning capabilities with teaching capabilities
US20110256521A1 (en) * 2004-11-17 2011-10-20 The New England Center For Children, Inc. Method and apparatus for customizing lesson plans
US20100075289A1 (en) * 2008-09-19 2010-03-25 International Business Machines Corporation Method and system for automated content customization and delivery
US20140024009A1 (en) * 2012-07-11 2014-01-23 Fishtree Ltd. Systems and methods for providing a personalized educational platform
US20140272912A1 (en) * 2013-03-15 2014-09-18 Edison Learning Inc. Method of online learning for middle school curriculum
US20160343263A9 (en) * 2013-05-03 2016-11-24 Samsung Electronics Co., Ltd. Computing system with learning platform mechanism and method of operation thereof
US20140349272A1 (en) * 2013-05-21 2014-11-27 LoudCloud Systems Inc. Method for evaluating performance of a user on an e-learning system
US20150056597A1 (en) * 2013-08-22 2015-02-26 LoudCloud Systems Inc. System and method facilitating adaptive learning based on user behavioral profiles
US20150302763A1 (en) * 2014-04-22 2015-10-22 Gleim Conferencing, Llc Learning Styles and Virtual Study Groups Gamification System And Method
WO2015183318A1 (en) * 2014-05-30 2015-12-03 Hewlett-Packard Development Company, L. P. Associate a learner and learning content
US20170020430A1 (en) * 2015-04-03 2017-01-26 Surepeople Llc Data driven assessment apparatus and method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101465069A (zh) * 2008-09-16 2009-06-24 鲁东大学 一种学习支持系统及其学习评价方法
CN102354462A (zh) * 2011-10-14 2012-02-15 北京市莱科智多教育科技有限公司 儿童教育系统及儿童教育方法
US20140101068A1 (en) * 2012-10-04 2014-04-10 Learnbeyond, Inc. Facility-based learning management system

Also Published As

Publication number Publication date
US20160063871A1 (en) 2016-03-03
TWI524294B (zh) 2016-03-01
TW201610903A (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
CN104993962B (zh) 获取终端使用状态的方法和系统
CN106547815B (zh) 一种基于大数据的针对性作业生成方法与系统
US10188337B1 (en) Automated correlation of neuropsychiatric test data
CN108694679A (zh) 一种学生学习状态检测和精准推送的方法
CN104463150A (zh) 实时查询当前自习室人数及已坐位置分布的装置及其方法
JP6906820B1 (ja) 集中度判別プログラム
CN104657929A (zh) 基于多媒体的认知心理健康状况并行测试的方法及系统
CN108520054A (zh) 学习数据处理方法及装置
CN105528505A (zh) 线上自动化诊断学习风格系统及方法
CN103488297B (zh) 一种基于脑机接口的在线半监督文字输入系统及方法
CN109840867B (zh) 一种智能教学的方法、设备及装置
Sajja et al. Integrating AI and Learning Analytics for Data-Driven Pedagogical Decisions and Personalized Interventions in Education
CN202044243U (zh) 一种视力检测器
CN108629362B (zh) 一种面向移动环境的学习行为习惯发现量化系统及方法
CN108074240A (zh) 识别方法、识别装置、计算机可读存储介质及程序产品
JP7427906B2 (ja) 情報処理装置、制御方法及びプログラム
Holzknecht et al. Automated sign language vocabulary assessment: Comparing human and machine ratings and studying learner perceptions
CN106971354A (zh) 一种基于大数据的教学分析系统
CN112634100A (zh) 一种基于大数据的行为分析教育系统
CN111985793A (zh) 一种学生网上评教方法
KR102660529B1 (ko) 혼합학습 모니터링 방법 및 시스템
KR102660530B1 (ko) 센싱 데이터 기반의 학습 데이터 분석 시스템 및 그 방법
CN108805772A (zh) 一种计算机在线评测系统
US20240338092A1 (en) Ink amount calculation method, information processing device, and program
CN118350697A (zh) 学生状态判断方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160427

WD01 Invention patent application deemed withdrawn after publication