CN107481170A - 一种课程推荐方法、装置、选课服务器及存储介质 - Google Patents
一种课程推荐方法、装置、选课服务器及存储介质 Download PDFInfo
- Publication number
- CN107481170A CN107481170A CN201710713176.5A CN201710713176A CN107481170A CN 107481170 A CN107481170 A CN 107481170A CN 201710713176 A CN201710713176 A CN 201710713176A CN 107481170 A CN107481170 A CN 107481170A
- Authority
- CN
- China
- Prior art keywords
- course
- user
- courses
- types
- learned
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 19
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用在线教学技术领域,提供了一种课程推荐方法、装置、选课服务器及存储介质,该方法包括:接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程,对所有课程进行分类,以得到所有课程涉及的课程类型,根据所有课程涉及的课程类型,向用户推荐应学习课程,从而结合用户所学所有课程向用户推荐应学习课程,实现用户课程的差异性推荐,提高了在线选课系统的可用性。
Description
技术领域
本发明属于在线教学技术领域,尤其涉及一种课程推荐方法、装置、选课服务器及存储介质。
背景技术
随着计算机网络的发展,教育领域也受其影响越发地向着线上、远程教学发展,教学从线下课堂移到了线上。学生可以在线上进行课程选择、递交作业,而老师也可以在线布置作业,直接对所指导的学生上交的作业进行批注,师生之间还可以通过短消息形式在系统中进行即时交流。另外,教师的评分和评语,学生也可以直接查看,便于督促学生在下一阶段更好地修正不足、提高论文写作水平,从而打破了教育活动的时空障碍。然而,学生在利用现有在线教学系统选课时,教学系统或选课系统只会简单地向用户显示老师开的课程,无法向学生推荐适合学生的课程,因此,学生也只能简单根据自己的喜好、学校要求进行选择。
发明内容
本发明的目的在于提供一种课程推荐方法、装置、选课服务器及存储介质,旨在解决由于现有在线教学系统或选课系统无法提供一种有效的课程推荐方法,导致现有在线选课系统可用性差的问题。
一方面,本发明提供了一种课程推荐方法,所述方法包括下述步骤:
接收用户输入的课程推荐请求,根据所述课程推荐请求获取所述用户预设时间段内所学的所有课程;
对所述所有课程进行分类,以得到所述所有课程涉及的课程类型;
根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程。
另一方面,本发明提供了一种课程推荐装置,其特征在于,所述装置包括:
课程获取单元,用于接收用户输入的课程推荐请求,根据所述课程推荐请求获取所述用户预设时间段内所学的所有课程;
课程分类单元,用于对所述所有课程进行分类,以得到所述所有课程涉及的课程类型;以及
课程推荐单元,用于根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程。
另一方面,本发明还提供了一种选课服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前所述方法的步骤。
另一方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如前所述方法的步骤。
本发明接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程,对所有课程进行分类,以得到所有课程涉及的课程类型,根据所有课程涉及的课程类型,向用户推荐应学习课程,从而结合用户所学所有课程向用户推荐应学习课程,实现用户课程的差异性推荐,提高了推荐的准确性和在线选课系统的可用性。
附图说明
图1是本发明实施例一提供的课程推荐方法的实现流程图;
图2是本发明实施例二提供的课程推荐方法的实现流程图;
图3是本发明实施例三提供的课程推荐方法的实现流程图;
图4是本发明实施例四提供的课程推荐装置的结构示意图;
图5是本发明实施例五提供的课程推荐装置的结构示意图;
图6是本发明实施例五提供的课程推荐装置中统计推荐单元的结构示意图;
图7是本发明实施例六提供的课程推荐装置的结构示意图;以及
图8是本发明实施例七提供的选课服务器的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明实施例一提供的课程推荐方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S101中,接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程。
本发明实施例适用于选课系统,具体地适用于选课系统中的选课服务器,选课服务器接收教师通过教师终端发布的课程,并向学生用户提供选课服务。在本发明实施例中,当学生用户要选择课程时,若不清楚选择什么课程,则可通过用户终端向选课服务器发送课程推荐请求,推荐请求中可包括用户的姓名、所学专业、年级或班级等用户信息,当然用户信息也可以通过用户终端单独输入或向选课服务器发送。这样,选课服务器可根据课程推荐请求中包括这些信息获取用户在预设时间段内所学的所有课程。该预设时间段可以为一个学习周期,例如一个学期、一个学年等,具体可由用户设置也可以由选课服务器自定义设置。
在步骤S102中,对获取的所有课程进行分类,以得到所有课程涉及的课程类型。
在本发明实施例中,在获取到用户在预设时间段内所学的所有课程后,采用预先设置的分类模型对这些课程进行分类,以得到所有课程步骤以的课程类型,从而挖掘出用户在过去的时间段内学习的课程类型或偏好的课程类型。作为示例地,分类模型可以为决策树、人工神经网络、K-近邻、支持向量机模型。
在步骤S103中,根据所有课程涉及的课程类型,向用户推荐应学习课程。
在本发明实施例中,得到所有课程涉及的课程类型后,根据每个课程类型下用户的学习情况向用户推荐应学习课程,从而针对用户学习情况,差异化地向用户推荐课程,提高了课程推荐的有用性以及选课系统的有用性,从而提高了后续用户的学习效率。
实施例二:
图2示出了本发明实施例二提供的课程推荐方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S201中,接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程。
本发明实施例适用于选课系统,具体地适用于选课系统中的选课服务器,选课服务器接收教师通过教师终端发布的课程,并向学生用户提供选课服务。在本发明实施例中,当学生用户要选择课程时,若不清楚选择什么课程,则可通过用户终端向选课服务器发送课程推荐请求,推荐请求中可包括用户的姓名、所学专业、年级或班级等用户信息。这样选课服务器可根据课程推荐请求中包括这些信息获取用户在预设时间段内所学的所有课程。该预设时间段可以为一个学习周期,例如一个学期、一个学年等,具体可由用户设置也可以由选课服务器自定义设置。
在步骤S202中,对获取的所有课程进行分类,以得到所有课程涉及的课程类型。
在本发明实施例中,在获取到用户在预设时间段内所学的所有课程后,采用预先设置的分类模型对这些课程进行分类,以得到所有课程步骤以的课程类型,从而挖掘出用户在过去的时间段内学习的课程类型或偏好的课程类型。作为示例地,分类模型可以为决策树、人工神经网络、K-近邻、支持向量机模型。
在步骤S203中,对用户在每个课程类型下的课程成绩进行统计,根据统计结果向用户推荐应学习课程。
在本发明实施例中,得到所有课程涉及的课程类型后,对用户在每个课程类型下的课程成绩进行统计,根据统计结果向用户推荐应学习课程,从而针对用户学习情况,差异化地向用户推荐课程,提高了课程推荐的准确性以及选课系统的有用性,从而提高了后续用户的学习效率。
优选地,对用户在每个课程类型下的课程成绩进行统计、根据统计结果向用户推荐应学习课程时,首先对用户在每个课程类型下的课程成绩进行统计,获取每个课程类型下课程的平均成绩,在预设的待开课学习课程库中获取最低平均成绩对应的课程类型下的待开课学习课程,将获取的待开课学习课程推荐给用户,从而及时向用户推荐训练类或补充类课程,提高用户在较为欠缺或成绩较差学科方面的能力或成绩,实现课程的差异化推荐,从而帮助学生用户均衡发展。
进一步优选地,对用户在每个课程类型下的课程成绩进行统计、获取每个课程类型下课程的平均成绩后,在预设的待开课学习课程库中获取最高平均成绩对应的课程类型下的待开课学习课程,将获取的待开课学习课程推荐给用户,从而向用户推荐其擅长的学科或课程,进一步提高用户在其擅长的学科或课程方面的能力或成绩,进一步发挥其特长,实现课程的精确推荐。
实施例三:
图3示出了本发明实施例三提供的课程推荐方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S301中,接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程。
本发明实施例适用于选课系统,具体地适用于选课系统中的选课服务器,选课服务器接收教师通过教师终端发布的课程,并向学生用户提供选课服务。在本发明实施例中,当学生用户要选择课程时,若不清楚选择什么课程,则可通过用户终端向选课服务器发送课程推荐请求,推荐请求中可包括用户的姓名、所学专业、年级或班级等用户信息。这样,选课服务器可根据课程推荐请求中包括这些信息获取用户在预设时间段内所学的所有课程。该预设时间段可以为一个学习周期,例如一个学期、一个学年等,具体可由用户设置也可以由选课服务器自定义设置。
在步骤S302中,对获取的所有课程进行分类,以得到所有课程涉及的课程类型。
在本发明实施例中,在获取到用户在预设时间段内所学的所有课程后,采用预先设置的分类模型对这些课程进行分类,以得到所有课程步骤以的课程类型,从而挖掘出用户在过去的时间段内学习的课程类型或偏好的课程类型。作为示例地,分类模型可以为决策树、人工神经网络、K-近邻、支持向量机模型。
在步骤S303中,根据课程推荐请求获取用户的个人信息,个人信息中包括用户的偏好信息。
在本发明实施例中,用户的个人信息包括用户的身份信息和偏好信息,身份信息可以为用户姓名、年龄、性别、所在学校、所读年级等信息,偏好信息包括用户喜欢阅读的书箱、喜欢的课程等信息。
在步骤S304中,根据所有课程涉及的课程类型以及获取的个人信息,向用户推荐应学习课程。
在本发明实施例中,根据所有课程涉及的课程类型以及获取的个人信息,确定用户偏好的课程类型,进而根据偏好的课程类型向用户推荐应学习课程。
优选地,根据获取的用户个人信息计算用户对每个课程类型的偏好程度,将最大偏好程度值对应的课程类型确定为用户偏好的课程类型,进而将该偏好课程类型关联的课程推荐给用户,从而根据用户偏好向用户精确地推荐用户喜欢的课程,提高了课程推荐系统的有用性。作为示例地,在根据获取的用户个人信息计算用户对每个课程类型的偏好程度时,可根据朴素贝叶斯法计算用户对每个课程类型的偏好程度。
进一步优选地,根据获取的用户个人信息计算用户对每个课程类型的偏好程度后,并进一步计算每个课程类型下涉及课程的平均成绩,在偏好程度大于预设值的课程类型中选择最高课程平均成绩对应的课程类型,将该课程类型确定为用户偏好的课程类型,进而将该偏好课程类型关联的课程推荐给用户,从而根据用户偏好和成绩向用户精确地推荐用户喜欢且擅长的课程,提高了课程推荐系统的有用性。
实施例四:
图4示出了本发明实施例四提供的课程推荐装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
课程获取单元41,用于接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程;
课程分类单元42,用于对所有课程进行分类,以得到所有课程涉及的课程类型;以及
课程推荐单元43,用于根据所有课程涉及的课程类型,向用户推荐应学习课程。
在本发明实施例中,课程推荐装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。各单元的具体实施方式可参考前述方法实施例一的描述,在此不再赘述。
实施例五:
图5示出了本发明实施例五提供的课程推荐装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
课程获取单元51,用于接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程;
课程分类单元52,用于对所有课程进行分类,以得到所有课程涉及的课程类型;以及
课程推荐单元53,用于根据所有课程涉及的课程类型,向用户推荐应学习课程。
其中,课程推荐单元53包括:
统计推荐单元531,用于对用户在每个课程类型下的课程成绩进行统计,根据统计结果向用户推荐应学习课程。
优选地,如图6所示,统计推荐单元531包括:
成绩获取单元5311,用于对用户在每个课程类型下的课程成绩进行统计,获取每个课程类型下课程的平均成绩;以及
第一推荐子单元5312,用于在预设的待开课学习课程库中获取最低平均成绩对应的课程类型下的待开课学习课程,将获取的待开课学习课程推荐给用户。
在本发明实施例中,课程推荐装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。各单元的具体实施方式可参考前述方法实施例二的描述,在此不再赘述。
实施例六:
图7示出了本发明实施例六提供的课程推荐装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
课程获取单元71,用于接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程;
课程分类单元72,用于对所有课程进行分类,以得到所有课程涉及的课程类型;
个人信息获取单元73,用于根据课程推荐请求获取用户的个人信息,个人信息中包括用户的偏好信息;以及
课程推荐单元74,用于根据所有课程涉及的课程类型,向用户推荐应学习课程。
其中,课程推荐单元74包括:
第二推荐子单元741,用于根据所有课程涉及的课程类型以及获取的个人信息,向用户推荐应学习课程。
在本发明实施例中,课程推荐装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。各单元的具体实施方式可参考前述方法实施例三的描述,在此不再赘述。
实施例七:
图8示出了本发明实施例七提供的选课服务器的结构,为了便于说明,仅示出了与本发明实施例相关的部分。
本发明实施例的选课服务器8包括处理器80、存储器81以及存储在存储器81中并可在处理器80上运行的计算机程序82。该处理器80执行计算机程序82时实现上述课程推荐方法实施例中的步骤,例如图1所示的步骤S101至S103或图2所示的步骤S201至S203。或者,处理器70执行计算机程序72时实现上述各装置实施例中各单元的功能,例如图4所示单元41至43的功能。
本发明实施例中的处理器80执行计算机程序82时,接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程,对所有课程进行分类,以得到所有课程涉及的课程类型,根据所有课程涉及的课程类型,向用户推荐应学习课程,从而结合用户所学所有课程向用户推荐应学习课程,实现用户课程的差异性推荐,提高了在线选课系统的可用性。
该选课服务器8中处理器80执行计算机程序82时实现上述课程推荐方法时实现的步骤具体可参考前述方法实施例的描述,在此不再赘述。
实施例八:
在本发明实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述课程推荐方法实施例中的步骤,例如,图1所示的步骤S101至S103或图2所示的步骤S201至S203。或者,该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能,例如图4所示单元41至43的功能。
在本发明实施例中,该计算机程序被处理器执行时,接收用户输入的课程推荐请求,根据课程推荐请求获取用户预设时间段内所学的所有课程,对所有课程进行分类,以得到所有课程涉及的课程类型,根据所有课程涉及的课程类型,向用户推荐应学习课程,从而结合用户所学所有课程向用户推荐应学习课程,实现用户课程的差异性推荐,提高了在线选课系统的可用性。该计算机程序被处理器执行时实现上述课程推荐方法实施例中的步骤具体可参考前述方法实施列的描述,在此不再赘述。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质,例如,ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种课程推荐方法,其特征在于,所述方法包括下述步骤:
接收用户输入的课程推荐请求,根据所述课程推荐请求获取所述用户预设时间段内所学的所有课程;
对所述所有课程进行分类,以得到所述所有课程涉及的课程类型;
根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程。
2.如权利要求1所述的方法,其特征在于,根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程的步骤,包括:
对所述用户在每个课程类型下的课程成绩进行统计,根据统计结果向所述用户推荐应学习课程。
3.如权利要求2所述的方法,其特征在于,对所述用户在每个课程类型下的课程成绩进行统计,根据统计结果向所述用户推荐应学习课程的步骤,包括:
对所述用户在每个课程类型下的课程成绩进行统计,获取所述每个课程类型下所述课程的平均成绩;
在预设的待开课学习课程库中获取最低所述平均成绩对应的课程类型下的待开课学习课程,将所述获取的待开课学习课程推荐给所述用户。
4.如权利要求1所述的方法,其特征在于,向所述用户推荐应学习课程的步骤之前,所述方法还包括:
根据所述课程推荐请求获取所述用户的个人信息,所述个人信息中包括所述用户的偏好信息;
根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程的步骤,包括:
根据所述所有课程涉及的课程类型以及所述获取的个人信息,向所述用户推荐应学习课程。
5.一种课程推荐装置,其特征在于,所述装置包括:
课程获取单元,用于接收用户输入的课程推荐请求,根据所述课程推荐请求获取所述用户预设时间段内所学的所有课程;
课程分类单元,用于对所述所有课程进行分类,以得到所述所有课程涉及的课程类型;以及
课程推荐单元,用于根据所述所有课程涉及的课程类型,向所述用户推荐应学习课程。
6.如权利要求5所述的课程推荐装置,其特征在于,所述课程推荐单元包括:
统计推荐单元,用于对所述用户在每个课程类型下的课程成绩进行统计,根据统计结果向所述用户推荐应学习课程。
7.如权利要求6所述的课程推荐装置,其特征在于,所述统计推荐单元包括:
成绩获取单元,用于对所述用户在每个课程类型下的课程成绩进行统计,获取所述每个课程类型下所述课程的平均成绩;以及
第一推荐子单元,用于在预设的待开课学习课程库中获取最低所述平均成绩对应的课程类型下的待开课学习课程,将所述获取的待开课学习课程推荐给所述用户。
8.如权利要求5所述的课程推荐装置,其特征在于,所述装置还包括:
个人信息获取单元,用于根据所述课程推荐请求获取所述用户的个人信息,所述个人信息中包括所述用户的偏好信息;
所述课程推荐单元包括:
第二推荐子单元,用于根据所述所有课程涉及的课程类型以及所述获取的个人信息,向所述用户推荐应学习课程。
9.一种选课服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710713176.5A CN107481170A (zh) | 2017-08-18 | 2017-08-18 | 一种课程推荐方法、装置、选课服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710713176.5A CN107481170A (zh) | 2017-08-18 | 2017-08-18 | 一种课程推荐方法、装置、选课服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107481170A true CN107481170A (zh) | 2017-12-15 |
Family
ID=60601776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710713176.5A Withdrawn CN107481170A (zh) | 2017-08-18 | 2017-08-18 | 一种课程推荐方法、装置、选课服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481170A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389148A (zh) * | 2018-03-06 | 2018-08-10 | 江苏中企教育科技股份有限公司 | 一种外贸人才课程推荐的方法及系统 |
CN108416072A (zh) * | 2018-05-16 | 2018-08-17 | 广东心里程教育集团有限公司 | 一种自动推送在线课程的方法和系统 |
CN108717603A (zh) * | 2018-05-18 | 2018-10-30 | 上海谦问万答吧云计算科技有限公司 | 一种风险控制方法、装置、计算机设备及存储介质 |
CN109146174A (zh) * | 2018-08-21 | 2019-01-04 | 广东恒电信息科技股份有限公司 | 一种基于成绩预测的选修课精准推荐方法 |
CN109409706A (zh) * | 2018-10-11 | 2019-03-01 | 武汉微道云信息科技有限公司 | 选修课程推荐方法、设备、存储介质及装置 |
CN109903205A (zh) * | 2019-03-27 | 2019-06-18 | 嘉应学院 | 一种公开课智能推荐方法以及管理系统 |
CN110377827A (zh) * | 2019-07-18 | 2019-10-25 | 泰康保险集团股份有限公司 | 课程培训场景推送方法、装置、介质及电子设备 |
CN110837999A (zh) * | 2018-08-17 | 2020-02-25 | 百度在线网络技术(北京)有限公司 | 课程学习提醒方法和装置 |
CN110910188A (zh) * | 2018-09-14 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 课程优化与推荐的方法、装置、存储介质和终端设备 |
CN111191833A (zh) * | 2019-12-25 | 2020-05-22 | 湖北美和易思教育科技有限公司 | 一种基于神经网络的智能实验过程推荐方法及系统 |
CN112214688A (zh) * | 2020-10-12 | 2021-01-12 | 中国石油大学(北京) | 选修课的推荐方法、装置和服务器 |
CN112614032A (zh) * | 2020-12-28 | 2021-04-06 | 深圳市诺达教育股份有限公司 | 基于大数据的教育软件数据处理方法 |
CN113254845A (zh) * | 2021-07-07 | 2021-08-13 | 江西交通职业技术学院 | 一种基于大数据的教育系统及数据处理方法 |
CN113327469A (zh) * | 2021-06-09 | 2021-08-31 | 南京新知艺测科技有限公司 | 一种教育学习与测评综合平台 |
CN114418807A (zh) * | 2022-03-30 | 2022-04-29 | 北京英华在线科技有限公司 | 基于历史成绩的在线教育平台的课程推荐方法及系统 |
CN114661195A (zh) * | 2022-04-18 | 2022-06-24 | 北京高途云集教育科技有限公司 | 一种创建网络课程的方法、装置、计算机设备及存储介质 |
CN115277832A (zh) * | 2022-06-28 | 2022-11-01 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
CN117172427A (zh) * | 2023-11-01 | 2023-12-05 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
CN117688248A (zh) * | 2024-02-01 | 2024-03-12 | 安徽教育网络出版有限公司 | 一种基于卷积神经网络的在线课程推荐方法及系统 |
-
2017
- 2017-08-18 CN CN201710713176.5A patent/CN107481170A/zh not_active Withdrawn
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108389148B (zh) * | 2018-03-06 | 2019-10-25 | 江苏中企教育科技股份有限公司 | 一种外贸人才课程推荐的方法及系统 |
CN108389148A (zh) * | 2018-03-06 | 2018-08-10 | 江苏中企教育科技股份有限公司 | 一种外贸人才课程推荐的方法及系统 |
CN108416072A (zh) * | 2018-05-16 | 2018-08-17 | 广东心里程教育集团有限公司 | 一种自动推送在线课程的方法和系统 |
CN108717603A (zh) * | 2018-05-18 | 2018-10-30 | 上海谦问万答吧云计算科技有限公司 | 一种风险控制方法、装置、计算机设备及存储介质 |
CN110837999B (zh) * | 2018-08-17 | 2023-04-07 | 百度在线网络技术(北京)有限公司 | 课程学习提醒方法和装置 |
CN110837999A (zh) * | 2018-08-17 | 2020-02-25 | 百度在线网络技术(北京)有限公司 | 课程学习提醒方法和装置 |
CN109146174A (zh) * | 2018-08-21 | 2019-01-04 | 广东恒电信息科技股份有限公司 | 一种基于成绩预测的选修课精准推荐方法 |
CN110910188A (zh) * | 2018-09-14 | 2020-03-24 | 百度在线网络技术(北京)有限公司 | 课程优化与推荐的方法、装置、存储介质和终端设备 |
CN109409706A (zh) * | 2018-10-11 | 2019-03-01 | 武汉微道云信息科技有限公司 | 选修课程推荐方法、设备、存储介质及装置 |
CN109903205A (zh) * | 2019-03-27 | 2019-06-18 | 嘉应学院 | 一种公开课智能推荐方法以及管理系统 |
CN110377827A (zh) * | 2019-07-18 | 2019-10-25 | 泰康保险集团股份有限公司 | 课程培训场景推送方法、装置、介质及电子设备 |
CN111191833A (zh) * | 2019-12-25 | 2020-05-22 | 湖北美和易思教育科技有限公司 | 一种基于神经网络的智能实验过程推荐方法及系统 |
CN111191833B (zh) * | 2019-12-25 | 2023-04-18 | 武汉美和易思数字科技有限公司 | 一种基于神经网络的智能实验过程推荐方法及系统 |
CN112214688A (zh) * | 2020-10-12 | 2021-01-12 | 中国石油大学(北京) | 选修课的推荐方法、装置和服务器 |
CN112614032A (zh) * | 2020-12-28 | 2021-04-06 | 深圳市诺达教育股份有限公司 | 基于大数据的教育软件数据处理方法 |
CN113327469A (zh) * | 2021-06-09 | 2021-08-31 | 南京新知艺测科技有限公司 | 一种教育学习与测评综合平台 |
CN113254845B (zh) * | 2021-07-07 | 2021-09-21 | 江西交通职业技术学院 | 一种基于大数据的教育系统及数据处理方法 |
CN113254845A (zh) * | 2021-07-07 | 2021-08-13 | 江西交通职业技术学院 | 一种基于大数据的教育系统及数据处理方法 |
CN114418807A (zh) * | 2022-03-30 | 2022-04-29 | 北京英华在线科技有限公司 | 基于历史成绩的在线教育平台的课程推荐方法及系统 |
CN114418807B (zh) * | 2022-03-30 | 2022-06-28 | 北京英华在线科技有限公司 | 基于历史成绩的在线教育平台的课程推荐方法及系统 |
CN114661195A (zh) * | 2022-04-18 | 2022-06-24 | 北京高途云集教育科技有限公司 | 一种创建网络课程的方法、装置、计算机设备及存储介质 |
CN115277832A (zh) * | 2022-06-28 | 2022-11-01 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
CN115277832B (zh) * | 2022-06-28 | 2023-07-21 | 聚好看科技股份有限公司 | 一种服务器和课程资源推荐方法 |
CN117172427A (zh) * | 2023-11-01 | 2023-12-05 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
CN117172427B (zh) * | 2023-11-01 | 2024-03-15 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
CN117688248A (zh) * | 2024-02-01 | 2024-03-12 | 安徽教育网络出版有限公司 | 一种基于卷积神经网络的在线课程推荐方法及系统 |
CN117688248B (zh) * | 2024-02-01 | 2024-04-26 | 安徽教育网络出版有限公司 | 一种基于卷积神经网络的在线课程推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481170A (zh) | 一种课程推荐方法、装置、选课服务器及存储介质 | |
Chang et al. | Survey of learning experiences and influence of learning style preferences on user intentions regarding MOOC s | |
Cilli-Turner | Measuring learning outcomes and attitudes in a flipped introductory statistics course | |
Murray | Academic libraries and high-impact practices for student retention: Library deans' perspectives | |
Brulles et al. | The schoolwide cluster grouping model: Restructuring gifted education services for the 21st century | |
US20190066525A1 (en) | Assessment-based measurable progress learning system | |
US20190385471A1 (en) | Assessment-based assignment of remediation and enhancement activities | |
WO2016081829A1 (en) | Computerized system and method for providing competency-based learning | |
Witte | Preaching what we practice: A study of revision | |
Wei et al. | Teaching socio-environmental synthesis with the case studies approach | |
Botero et al. | What students think and what they actually do in a mobile assisted language learning context: new insights for self-directed language learning in higher education | |
US20170330133A1 (en) | Organizing training sequences | |
CN108734608A (zh) | 基于互联网的立体化教学系统 | |
Troussas et al. | Adaptive e-learning interactions using dynamic clustering of learners’ characteristics | |
Wells et al. | Traditional versus iPad-mediated handwriting instruction in early learners | |
Baghurst et al. | Procedures and reasoning for skill proficiency testing in physical education teacher education programs | |
Vinuales et al. | Description and evaluation of an innovative segmentation, targeting, and positioning activity using student perceived learning and actual student learning | |
Levesque et al. | Exploring undergraduate attainment of sustainability competencies | |
Knez et al. | Implementation of group formation algorithms in the ELARS recommender system | |
CN107341408B (zh) | 一种信息化教学方法及装置 | |
KR20010104115A (ko) | 인터넷 기반 교육 방법 | |
Imran et al. | Toward recommending learning tasks in a learner-centered approach | |
Marino et al. | The Technological Barriers of Using Video Modeling in the Classroom. | |
Rajagede et al. | Personalized Al-Quran Memorization Testing System Using Group Decision Support System | |
Tillinghast et al. | Alternating learning methods to construct K-12 STEM outreach: Invention and innovation workshop case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171215 |
|
WW01 | Invention patent application withdrawn after publication |