CN108256751A - 基于大数据的在线教学过程评价方法 - Google Patents
基于大数据的在线教学过程评价方法 Download PDFInfo
- Publication number
- CN108256751A CN108256751A CN201711500368.4A CN201711500368A CN108256751A CN 108256751 A CN108256751 A CN 108256751A CN 201711500368 A CN201711500368 A CN 201711500368A CN 108256751 A CN108256751 A CN 108256751A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- big data
- student
- evaluation method
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000013517 stratification Methods 0.000 claims abstract description 13
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 210000004556 brain Anatomy 0.000 claims abstract description 7
- 230000001149 cognitive effect Effects 0.000 claims abstract description 6
- 238000013441 quality evaluation Methods 0.000 claims abstract description 6
- 238000011160 research Methods 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000007418 data mining Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012549 training 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一种基于大数据的在线教学过程评价方法,包括以下步骤:第一阶段:数据获取;第二阶段:数据挖掘;第三阶段:模型构建;利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。本发明的基于大数据的在线教学过程评价方法,利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。
Description
技术领域
本发明涉及基于大数据的在线教学过程评价方法,特别涉及在线课程评价 方法。
背景技术
所谓教学评价,是以实现教学目标和教学理念为价值标准,依据一定的评 估指标体系,通过系统地收集数据,运用科学、可行的方法、教育技术和手段, 对教学活动、过程及其结果进行系统的考察和价值判断,从而为优化教学过程 提供决策依据。作为提高教育教学质量的一个重要环节,教学评价对于加强教 育与社会联系、实现教育目标和促进高素质人才培养发展发挥了积极作用。
发明内容
本发明目的是提供一种基于大数据的在线教学过程评价方法,该基于大数 据的在线教学过程评价方法将在线教学平台中可观察、可测量的教学和学习行 为的聚合,通过大数据以及深度学习的理论与方法构建在线教学过程评价指标 体系模型。
本发明是通过以下技术手段实现的:
本发明的一种基于大数据的在线教学过程评价方法,包括以下步骤:
第一阶段:数据获取
①结构化数据
在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类 指标获取相应的数据,比照分析指标体系而获得结论;
②非结构化数据
首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建 模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析 大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其 存在学习失败的可能性而提前做好预警支持;
第二阶段:数据挖掘。
从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括, 形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教 育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等 变量之间的相关关系;
第三阶段:模型构建
利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相 一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此 为基础的政策分析研究;
进一步,所述方法基于卷积神经网络构建。
本发明的有益效果:
1)本发明的基于大数据的在线教学过程评价方法,利用深度学习算法的深 度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习 过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。
2)本发明的基于大数据的在线教学过程评价方法通过分析教育大数据的特 征出发,研究了大数据驱动与在线教学评价的关联性,并从信息数据化、深度 学习、情感计算、区块链、人工智能等方面,探究了新技术对大数据背景下教 学过程评价的影响和作用,以期为教学评价的改进和发展提供参考。
附图说明
图1是本发明基于大数据的在线教学过程评价方法的原理框图。
具体实施方式
以下通过具体实施例对本发明详细说明:
本实施例中的一种基于大数据的在线教学过程评价方法,其特征在于,包 括以下步骤:
第一阶段:数据获取。
①结构化数据
在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类 指标获取相应的数据,比照分析指标体系而获得结论;
②非结构化数据
首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建 模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析 大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其 存在学习失败的可能性而提前做好预警支持;
第二阶段:数据挖掘
从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括, 形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教 育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等 变量之间的相关关系;
第三阶段:模型构建
基于卷积神经网络(CNN)构建,利用深度学习算法的深度分层结构与人类 大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型, 进而满足教育质量评估及以此为基础的政策分析研究。
如图1所示,本发明的基于大数据的在线教学过程评价方法,包括数据输 入、卷积层、光栅化、网络输出四个部分。
本发明的基于大数据的在线教学过程评价方法的工作原理:
在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类 指标获取相应的数据,比照分析指标体系而获得结论。通过建立跨校学习数据 库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率 和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;通过对学生学 习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持。从那些 看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估 体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模, 发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系。 利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致 的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的 政策分析研究。
本行业的技术人士应该了解,本发明不受上述实施例的限制,上述实施例和 说明书中描述的只是用于说明本发明的原理,在不脱离本发明原理和范围的前 提下,本发明还可有各种变化和改进,这些变化和改进都属于要求保护的本发 明范围内。
Claims (2)
1.一种基于大数据的在线教学过程评价方法,其特征在于,包括以下步骤:第一阶段:数据获取
①结构化数据
在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论;
②非结构化数据
首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持;
第二阶段:数据挖掘
从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系;
第三阶段:模型构建
利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。
2.根据权利要求1所述的基于大数据的在线教学过程评价方法,其特征在于:所述方法基于卷积神经网络构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711500368.4A CN108256751A (zh) | 2017-12-30 | 2017-12-30 | 基于大数据的在线教学过程评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711500368.4A CN108256751A (zh) | 2017-12-30 | 2017-12-30 | 基于大数据的在线教学过程评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108256751A true CN108256751A (zh) | 2018-07-06 |
Family
ID=62724741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711500368.4A Pending CN108256751A (zh) | 2017-12-30 | 2017-12-30 | 基于大数据的在线教学过程评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256751A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376380A (zh) * | 2018-01-12 | 2018-08-07 | 上海大学 | 一种基于学生素质评价的成绩预测方法 |
CN109255738A (zh) * | 2018-09-12 | 2019-01-22 | 连尚(新昌)网络科技有限公司 | 一种用于管理和查询辅导课程相关信息的方法与设备 |
CN110298544A (zh) * | 2019-05-23 | 2019-10-01 | 南京柳橙信息科技有限公司 | 一种未成年人犯罪调查评估综合分析系统 |
CN110503346A (zh) * | 2019-08-30 | 2019-11-26 | 杨帆 | 基于数据深度分析的校本培训质量评估平台、系统及方法 |
CN113673811A (zh) * | 2021-07-05 | 2021-11-19 | 北京师范大学 | 一种基于session的在线学习绩效评估方法及装置 |
-
2017
- 2017-12-30 CN CN201711500368.4A patent/CN108256751A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376380A (zh) * | 2018-01-12 | 2018-08-07 | 上海大学 | 一种基于学生素质评价的成绩预测方法 |
CN109255738A (zh) * | 2018-09-12 | 2019-01-22 | 连尚(新昌)网络科技有限公司 | 一种用于管理和查询辅导课程相关信息的方法与设备 |
CN110298544A (zh) * | 2019-05-23 | 2019-10-01 | 南京柳橙信息科技有限公司 | 一种未成年人犯罪调查评估综合分析系统 |
CN110503346A (zh) * | 2019-08-30 | 2019-11-26 | 杨帆 | 基于数据深度分析的校本培训质量评估平台、系统及方法 |
CN113673811A (zh) * | 2021-07-05 | 2021-11-19 | 北京师范大学 | 一种基于session的在线学习绩效评估方法及装置 |
CN113673811B (zh) * | 2021-07-05 | 2023-06-27 | 北京师范大学 | 一种基于session的在线学习绩效评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256751A (zh) | 基于大数据的在线教学过程评价方法 | |
Gadhavi et al. | Student final grade prediction based on linear regression | |
Vargas et al. | Automated assessment and monitoring support for competency-based courses | |
Dvoryatkina et al. | New opportunities of computer assessment of knowledge based on fractal modeling | |
Yassine et al. | Measuring learning outcomes effectively in smart learning environments | |
Chang et al. | Artificial Intelligence Technologies for Teaching and Learning in Higher Education | |
Chu et al. | A computerized approach to diagnosing student learning problems in health education | |
Moon et al. | Rich representations for analyzing learning trajectories: Systematic review on sequential data analytics in game-based learning research | |
Koong et al. | The learning effectiveness analysis of JAVA programming with automatic grading system | |
Ivanova | Self-assessment activities as factor for driving the learning performance | |
Senanayake et al. | Predicting Student Performance in an ODL Environment: A Case Study Based on Microprocessor and Interface Course | |
Shi | Deep Learning for College English Education Evaluation | |
Damuluri et al. | A study of several classification algorithms to predict students’ learning performance | |
Liao et al. | Predicting learners' multi-question performance based on neural networks | |
Rosyadi et al. | The Role of AI In Vocational Education: A Systematic Literature Review | |
Baranova et al. | Educational Data Mining Methods for the Analysis of Student’s Digital Footprint | |
Jiménez-Macías et al. | Recreation of different educational exercise scenarios for exercise modeling | |
Ma | Artificial Intelligence in Legal Education under the Background of Big Data Computation | |
Mafu | Leveraging disruptive technologies and systems thinking approach at higher education institutions | |
Eguavoen et al. | Hybrid Soft Computing System for Student Performance Evaluation | |
Cam et al. | Machine learning strategy for enhancing academic achievement in Private University | |
Rabiha et al. | Implementation of K-Nearest neighbor for classification teacher engagement profiling and interventions | |
Salem et al. | Data mining techniques for classifying and predicting Teachers’ performance based on their evaluation reports | |
Morkun et al. | The management of the resources educational institution | |
Şevgin et al. | MARS ve BRT Veri Madenciliği Yöntemlerinin Sınıflama Performanslarının Karşılaştırılması: ABİDE-2016 Örneği |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180706 |
|
WD01 | Invention patent application deemed withdrawn after publication |