CN108460139A - 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 - Google Patents
基于网络爬虫数据挖掘在线课程教学质量评估管理系统 Download PDFInfo
- Publication number
- CN108460139A CN108460139A CN201810195658.0A CN201810195658A CN108460139A CN 108460139 A CN108460139 A CN 108460139A CN 201810195658 A CN201810195658 A CN 201810195658A CN 108460139 A CN108460139 A CN 108460139A
- Authority
- CN
- China
- Prior art keywords
- data
- online
- student
- teaching quality
- dimension
- 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.)
- Granted
Links
- 238000007418 data mining Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 30
- 238000013441 quality evaluation Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 16
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims abstract description 14
- 230000010354 integration Effects 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008901 benefit Effects 0.000 claims abstract description 6
- 230000006872 improvement Effects 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000002452 interceptive effect Effects 0.000 claims abstract description 4
- 238000012550 audit Methods 0.000 claims abstract 2
- 238000001303 quality assessment method Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 238000005065 mining Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002996 emotional effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000000546 chi-square test Methods 0.000 claims description 2
- 230000019771 cognition Effects 0.000 claims description 2
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 claims 2
- 238000010219 correlation analysis Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 claims 1
- 241000270322 Lepidosauria Species 0.000 abstract 1
- 238000013139 quantization Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012800 visualization 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于网络爬虫数据挖掘在线课程教学质量评估管理系统,包括爬虫采集单元、数据资源池、指标提炼与文本分析单元，评估体系与应用体系；利用爬虫技术采集线上平台互动信息；将多源数据进行数据整合、数据审核与清洗，形成数据资源池；评估筛选具有业务价值和统计意义的维度指标；基于处理后数据整合提炼上层维度，形成自上而下的完整评估体系,将评估结果以系统方式进行展现输出和场景应用。充分融合课程建设数据、课程浏览数据、教研活动数据、师生互动数据、学生学习行为数据、学生学习成果数据，以系统的方式对课程教学质量进行科学评定和高效输出展现，有效地完成对各类线上课程的量化质量评估与优劣势分析，直接为各类课程提供改进方向。
Description
技术领域
本发明属于IPC分类G06F电数字数据处理或G06Q专门适用于教育预测目的的数据处理系统或方法中的教学质量评估实现方法改进技术，涉及网络爬虫、文本挖掘、数据挖掘等领域尤其是基，于网络爬虫数据挖掘在线课程教学质量评估管理系统。
背景技术
在线教育是以网络为介质的教学方式，通过网络，学员与教师即使相隔万里也可以开展教学活动；此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制，对于工作繁忙，学习时间不固定的职场人而言网络远程教育是最方便不过的学习方式。
在线教育即E-Learning，通过应用信息科技和互联网技术进行内容传播和快速学习的方法。其中，“E”代表电子化的学习、有效率的学习、探索的学习、经验的学习、拓展的学习、延伸的学习、易使用的学习、增强的学习。美国是e-Learning的发源地，有60％的企业通过网络的形式进行员工培训。1998年以后，e-Learning在世界范围内兴起，从北美、欧洲迅速扩展到亚洲地区。越来越多的国内企业对e-Learning表示了浓厚兴趣，并开始实施e-Learning解决方案。
据美国培训与发展协会(ASTD)预测，到2010年，雇员人数超过500的公司90％都将采用e-Learning培训，e-Learning正成为知识经济时代的正确抉择。
目前，在线教育市场“同质化”现象严重。许多在线教育平台的免费视频大都靠复制，没有原创，更没有优质内容，质量参差不齐。在线教育的教学质量评估最直接的检验标准是学习者的体验反馈。交互体验差，没有学习氛围，缺少效果评价体系是普遍感受。听网上的课，是一个人在家里上课，很容易受到干扰，集中不了注意力从头听到尾。也有部分学生家长认为，使用电子产品进行学习，容易分散注意力，我担心在线教育会让孩子过早地接触电子设备，沉迷其中。起不到良好的教学效果，市场自然会受到影响。
在线教育教育质量评估中的新技术应用正处于不断探索发展阶段。
爬虫技术是一种“自动化浏览网络”的程序，它按照一定的规则，自动在万维网上抓取用户需要的信息。随着互联网的发展，网络成为大量信息的载体。爬虫技术也成为数据采集的重要组成部分，是大数据分析中基础的一个环节。
文本挖掘技术是指对文本的表示及其特征项的选取，是文本挖掘、信息检索中的基本问题。它将无结构的原始文本转化为结构化的计算机可以识别和处理的信息，从而建立数学模型来描述和代替文本，最终实现从大量文本中挖掘有效信息的目的。文本语义分析是识别文本主题、类别与意义等语义信息的过程，在自然语言处理、信息过滤、信息分类、信息检索、语义挖掘等领域都普遍应用。
数据挖掘技术是指从海量数据中抽取有意义的包括非平凡的，隐含的，以前未知的并且是有潜在价值的信息或模式的过程。其利用了来自统计学的抽样、估计和假设检验，模式识别的搜索算法以及最优化、进化计算、信息论、信号处理、可视化和信息检索等思想，对众多领域都起到了重要的支撑作用。
相关专利文献公开较少。
中国专利申请201510851858.3公开了一种专业建设调研与课程开发系统：包括网站数据采集单元、网络问卷采集单元，岗位工作任务采集单元，实践专家访谈单元和舆情管控单元。本发明实现了人力人才市场信息的大数据按需统计，为专业建设提供来源于人力资源市场的统计信息，为职业教育专业建设提供了科学规范的流程和工具。
中国专利申请201510168149.5公开了一种校园个性化掌上服务及用户行为习惯分析的实现方法，本发明属于Web数据采集和大数据分析领域，为提高校园管理系统的便捷性和实用性，弥补校园考勤方式单一、身份识别方式单一、机动性差、数据同步性差、成本高等缺点，进行学生行为习惯研究提供保证。在指定教务网网站的特定爬虫的基础上，利用NFC、OTG设备和蓝牙RFID/指纹设备实现了多终端、多设备支持的考勤方法，采用Web、微信公众平台、App实现系统的管理，使用预警预测、聚类、协同过滤模型进行用户行为习惯分析。本发明为校园课程、成绩信息提供了一种稳定便利的数据来源，为校园考勤提供了多种便携的考勤方式，为校园学院管理提供了一种多平台的管理方式，为师生的行为习惯研究提供了一种快捷的分析途径。
中国专利申请201610777227.6公开了一种基于社交媒体的在线教育资源推荐系统，包括数据抓取模块，信息处理模块和教育资源推荐模块；数据抓取模块，在线教育资源推荐模块均与信息处理模块相连接；数据抓取模块分为两部分：社交媒体数据抓取模块和在线教育资源数据抓取模块；信息处理模块负责分析处理抓取到的数据，对商品进行商品树的建立和映射，并建立社交媒体用户的描述；教育资源推荐模块用于对待推荐用户进行教育资源查询，对得到的教育资源进行排序并进行推荐。本发明针对社交媒体和在线教育结合营销的一个整合系统，通过社交媒体和在线教育，利用客观的社交媒体大数据实现教育资源推荐，充分挖掘用户的资源选择兴趣。
发明内容
本发明的目的是提供基于网络爬虫数据挖掘在线课程教学质量评估管理系统，建立了针对在线教育行业课程教学质量的完整评估体系，打破了当前领域的空白，有效地完成了对各类线上课程的量化质量评估与优劣势分析，直接为各类课程提供了改进方向。
本发明的目的将通过以下技术措施来实现：系统包括依次连接的数据采集单元、数据资源池、指标提炼文本分析单元、评估体系和应用体系，系统工作过程包括以下步骤：
步骤1：爬虫采集；利用爬虫技术采集教学环节中，学生和教师在线上平台上的互动信息，该互动信息主要为文字，一般在线学习平台不做完整存储；
步骤2：数据整合与清洗；将在线学习平台本身存储的课程建设数据、学生课程浏览数据、学生学习行为数据、学生学习成果数据和步骤1爬取的师生教学互动数据进行整合，同时审核其完整性和有效性，剔除或调整其中的无效值与异常值，形成数据资源池；
步骤3：指标提炼；利用数据挖掘技术，从数据资源池的基础数据中，评估每个维度区分度和有效性，以及彼此之间的潜在关联，筛选具有业务价值和统计意义的维度指标，作为后续在线课程教学质量评估的输入信息；
步骤4：文本分析；利用文本挖掘技术针对教师和学生沟通内容进行中文分词、互信息计算和主题内容提炼，从而评估互动有效性，以及对课程的情感倾向与评论要点；
步骤5：教学质量评估体系构建；利用数据挖掘技术，从课程建设、学生学习成效、师生投入水平三个大方向切入，基于步骤3和4得到的基础维度信息，整合提炼上层维度，并确定维度权重，形成自上而下的完整评估体系；
步骤6：教学质量评估应用；将教学质量评估体系应用于实际在线学习课程，得到各个课程的整体质量评估得分，以及各个分项的得分水平，进而快速锁定课程优劣势，指导课程进行后续改进。
本发明的优点和效果：利用爬虫技术和平台自有数据的整合保证对课程相关资料的全面采集，采用文本挖掘技术和数据挖掘技术，完成对课程评估视角的高效归纳与总结提炼，最终建立具有行业普适性的在线课程教学质量评估体系，拓展行业领域。
附图说明
图1为本发明中工作流程图
具体实施方式
本发明原理在于，充分融合了课程建设数据，课程浏览数据，教研活动数据，师生互动数据，学生学习行为数据，学生学习成果数据等，利用爬虫技术，数据挖掘算法，文本分析技术等进行采集处理与挖掘提炼，建立了针对在线教育行业课程教学质量的完整评估体系，打破了当前领域的空白，有效地完成了对各类线上课程的量化质量评估与优劣势分析，直接为各类课程提供了改进方向。
本发明的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，包括依次连接的数据采集单元、数据资源池、指标提炼文本分析单元、评估体系和应用体系。
下面结合附图和实施例对本发明作进一步说明。
实施例1：如附图1所示，系统工作流程包括：
前述中，步骤1爬虫采集将利用爬虫技术对网页结构进行解析与结构化，针对性爬取学生和教师在线上平台上的互动信息，该互动信息一般主要为文字，且在线学习平台不会做完整存储；
前述中，步骤2数据整合与清洗将针对在线学习平台本身存储的课程建设数据、学生课程浏览数据、学生学习行为数据、学生学习成果数据和步骤1爬取的师生教学互动数据进行横向融合，即进行字段级的融合，而非记录级的融合。在融合之后，进一步对新数据集进行完整性和有效性审核，识别出其中的无效值，如并表后的Null值，字符型空白等，以及异常值，包括不符合常理以及不符合领域内业务认知的取值，针对这部分数据进行剔除或调整，如针对空值的填充操作，以及针对离群值的阈值限定操作。最终基于有效数据，形成数据资源池；
前述中，步骤3指标提炼将利用数据分布以及person相关性检验、卡方检验、信息熵、关联分析等技术，从数据资源池的基础数据中，一方面评估每个维度区分度和有效性，剔除区分度和有效性低的变量，如标准差很小的连续型变量和取值过于集中的分类型变量，另一方面衡量彼此之间的潜在关联，去除重复性强的变量，筛选具有业务价值和统计意义的维度指标，作为后续在线课程教学质量评估的输入信息；
前述中，步骤4文本分析将利用文本挖掘技术针对教师和学生沟通内容进行一系列的处理，包括基于隐马尔科夫链进行中文文本分词、针对分词结果进行互信息计算、基于狄利克雷分布进行内容的主题分类判定，进而提炼获得沟通内容的实体对，拆解获得教师和学生针对课程的情感倾向与评论内容要点；
前述中，步骤5教学质量评估体系构建将利用层次聚类、主成分分析等降维挖掘技术对步骤3和4处理后的指标进行分类，并从课程建设、学生学习成效、师生投入水平三个大方向切入，基于基础维度信息，整合提炼上层维度，并确定维度权重，形成自上而下的完整评估体系；
前述中，步骤6教学质量评估应用将以系统方式，以折线图，柱状图，散点图，饼图，地图，热力图，关系图，漏斗图，仪表盘等在内的各种形式，结合表与文字，进行综合化、立体化呈现。并将教学质量评估结果应用于实际在线学习课程，得到各个课程的整体质量评估得分，以及各个分项的得分水平，进而快速锁定课程优劣势，指导课程进行后续改进。
通过本发明，可以充分整合爬虫数据和平台自有数据，保证对课程相关资料的全面采集与整合，并在此基础上完成对课程评估视角的高效归纳与总结提炼，最终建立具有行业普适性的在线课程教学质量评估体系，拓展行业领域的应用场景。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及实施例内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.基于网络爬虫数据挖掘在线课程教学质量评估管理系统,包括步骤1爬虫采集单元、数据资源池、指标提炼与文本分析单元，评估体系与应用体系；其特征在于，系统工作流程包括步骤1爬虫采集、步骤2数据整合与清洗、步骤3指标提炼、步骤4文本分析、步骤5教学质量评估体系构建和步骤6：教学质量评估应用；其中，
a.利用爬虫技术采集线上平台互动信息；
b.将多源数据进行数据整合、数据审核与清洗，形成数据资源池；
c.评估筛选具有业务价值和统计意义的维度指标；
d.基于处理后数据整合提炼上层维度，形成自上而下的完整评估体系,并将评估结果以系统方式进行展现输出和场景应用。
2.如权利要求1所述的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，其特征在于，利用爬虫技术采集线上平台互动信息，包括采集教学环节中，学生和教师在线上平台上的互动信息；这些信息主要为文字，一般在线学习平台不做完整存储。
3.如权利要求1所述的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，其特征在于，将多源数据进行数据整合、数据审核与清洗，形成数据资源池，包括：
a.数据整合，将在线学习平台本身存储的课程建设数据、学生课程浏览数据、学生学习行为数据、学生学习成果数据和步骤1爬取的师生教学互动数据进行整合；
b.数据审核与清洗，审核整合后数据的完整性和有效性，剔除或调整其中的无效值与异常值；
c.形成数据资源池。
4.如权利要求1所述的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，其特征在于，评估筛选具有业务价值和统计意义的维度指标，包括：
a.利用数据挖掘技术，从数据资源池的基础数据中，评估每个维度区分度和有效性，以及彼此之间的潜在关联，筛选具有业务价值和统计意义的维度指标，作为后续在线课程教学质量评估的输入信息；
b.利用文本挖掘技术针对教师和学生沟通内容进行中文分词、互信息计算和主题内容提炼，从而评估师生互动的有效性，以及学生、教师对课程的情感倾向与评论要点。
5.如权利要求1所述的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，其特征在于，基于处理后数据整合提炼上层维度，形成自上而下的完整评估体系,并将评估结果以系统方式进行展现输出和场景应用，包括：
a.利用数据挖掘技术，从课程建设、学生学习成效、师生投入水平三个大方向切入，基于提炼整合获得的基础维度信息，整合提炼上层维度，并确定各个维度的权重，形成自上而下的完整评估体系；
b.以系统形式，将教学质量评估体系应用于实际的在线学习课程，得到各个课程的整体质量评估得分，以及各个分项的得分水平，进而快速实现课程之间的横向比较，同时准确锁定课程优劣势，指导课程进行针对性的后续改进。
6.如权利要求1所述的基于网络爬虫数据挖掘在线课程教学质量评估管理系统，其特征在于，步骤1爬虫采集将利用爬虫技术对网页结构进行解析与结构化；
步骤2数据整合与清洗将针对在线学习平台本身存储的课程建设数据、学生课程浏览数据、学生学习行为数据、学生学习成果数据和步骤1爬取的师生教学互动数据进行横向融合，即进行字段级的融合，而非记录级的融合；在融合之后，进一步对新数据集进行完整性和有效性审核，识别出其中的包括并表后的Null值和字符型空白无效值，以及包括不符合常理以及不符合领域内业务认知的取值异常值，针对这部分数据进行剔除，或针对空值的填充操作，以及针对离群值的阈值限定操作调整，最终基于有效数据，形成数据资源池；
步骤3指标提炼将利用数据分布以及person相关性检验、卡方检验、信息熵、关联分析等技术，从数据资源池的基础数据中，一方面评估每个维度区分度和有效性，剔除区分度和包括标准差很小的连续型变量和取值过于集中的分类型变量有效性低的变量，另一方面衡量彼此之间的潜在关联，去除重复性强的变量，筛选具有业务价值和统计意义的维度指标，作为后续在线课程教学质量评估的输入信息；
步骤4文本分析将利用文本挖掘技术针对教师和学生沟通内容进行一系列的处理，包括基于隐马尔科夫链进行中文文本分词、针对分词结果进行互信息计算、基于狄利克雷分布进行内容的主题分类判定，进而提炼获得沟通内容的实体对，拆解获得教师和学生针对课程的情感倾向与评论内容要点；
步骤5教学质量评估体系构建将利用层次聚类、主成分分析等降维挖掘技术对步骤3和4处理后的指标进行分类，并从课程建设、学生学习成效、师生投入水平三个大方向切入，基于基础维度信息，整合提炼上层维度，并确定维度权重，形成自上而下的完整评估体系；
步骤6教学质量评估应用将以系统方式，以折线图、柱状图、散点图、饼图、地图、化呈现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810195658.0A CN108460139B (zh) | 2018-03-09 | 2018-03-09 | 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810195658.0A CN108460139B (zh) | 2018-03-09 | 2018-03-09 | 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108460139A true CN108460139A (zh) | 2018-08-28 |
| CN108460139B CN108460139B (zh) | 2022-09-06 |
Family
ID=63219718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810195658.0A Active CN108460139B (zh) | 2018-03-09 | 2018-03-09 | 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460139B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242305A (zh) * | 2018-09-04 | 2019-01-18 | 深圳至宝网络科技有限公司 | 基于学习行为的教学设计质量评价方法 |
| CN109377432A (zh) * | 2018-12-21 | 2019-02-22 | 广东粤众互联信息技术有限公司 | 一种基于大数据采集的教学系统 |
| CN109508872A (zh) * | 2018-10-29 | 2019-03-22 | 四川文轩教育科技有限公司 | 一种基于大数据的地区教学资源评测方法 |
| CN109615018A (zh) * | 2018-12-24 | 2019-04-12 | 广东德诚科教有限公司 | 用户个性化行为评价方法、装置、计算机设备和存储介质 |
| CN110189236A (zh) * | 2019-04-30 | 2019-08-30 | 南京航空航天大学 | 基于大数据的学习预警方法 |
| CN111260969A (zh) * | 2020-03-06 | 2020-06-09 | 华南农业大学 | 数据挖掘课程教学实践系统和基于系统的教学实践方法 |
| CN111275239A (zh) * | 2019-12-20 | 2020-06-12 | 西安电子科技大学 | 一种基于多模态的网络化教学数据分析方法及系统 |
| CN111611522A (zh) * | 2020-06-02 | 2020-09-01 | 九江学院 | 一种教师教育培训教材大数据处理方法 |
| CN111831817A (zh) * | 2020-07-28 | 2020-10-27 | 平安国际融资租赁有限公司 | 问卷生成分析方法、装置、计算机设备及可读存储介质 |
| CN111882247A (zh) * | 2020-08-07 | 2020-11-03 | 成都理工大学 | 一种基于综合模糊评价模型的在线学习系统评价方法 |
| CN113052461A (zh) * | 2021-03-25 | 2021-06-29 | 重庆科技学院 | 一种基于概率图模式推断的文本智能教学评价方法 |
| CN116258390A (zh) * | 2022-12-22 | 2023-06-13 | 华中师范大学 | 一种面向教师在线教学反馈的认知支持质量评价方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156817A (zh) * | 2014-08-07 | 2014-11-19 | 国家电网公司 | 一种电网综合评估体系智能生成系统及方法 |
| WO2015114658A2 (en) * | 2014-01-22 | 2015-08-06 | Manoj Potdar Manisha | An assessment system and method for assessing educational institutes |
| US20150363795A1 (en) * | 2014-06-11 | 2015-12-17 | Michael Levy | System and Method for gathering, identifying and analyzing learning patterns |
| CN105718587A (zh) * | 2016-01-26 | 2016-06-29 | 王薇 | 一种网络内容资源评估方法及评估系统 |
| CN107491890A (zh) * | 2017-08-29 | 2017-12-19 | 广州思涵信息科技有限公司 | 一种可量化课堂教学质量评估系统及方法 |
-
2018
- 2018-03-09 CN CN201810195658.0A patent/CN108460139B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015114658A2 (en) * | 2014-01-22 | 2015-08-06 | Manoj Potdar Manisha | An assessment system and method for assessing educational institutes |
| US20150363795A1 (en) * | 2014-06-11 | 2015-12-17 | Michael Levy | System and Method for gathering, identifying and analyzing learning patterns |
| CN104156817A (zh) * | 2014-08-07 | 2014-11-19 | 国家电网公司 | 一种电网综合评估体系智能生成系统及方法 |
| CN105718587A (zh) * | 2016-01-26 | 2016-06-29 | 王薇 | 一种网络内容资源评估方法及评估系统 |
| CN107491890A (zh) * | 2017-08-29 | 2017-12-19 | 广州思涵信息科技有限公司 | 一种可量化课堂教学质量评估系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈琪: "《基于意见挖掘的网络课程评价研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242305B (zh) * | 2018-09-04 | 2022-03-22 | 深圳至宝网络科技有限公司 | 基于学习行为的教学设计质量评价方法 |
| CN109242305A (zh) * | 2018-09-04 | 2019-01-18 | 深圳至宝网络科技有限公司 | 基于学习行为的教学设计质量评价方法 |
| CN109508872A (zh) * | 2018-10-29 | 2019-03-22 | 四川文轩教育科技有限公司 | 一种基于大数据的地区教学资源评测方法 |
| CN109377432A (zh) * | 2018-12-21 | 2019-02-22 | 广东粤众互联信息技术有限公司 | 一种基于大数据采集的教学系统 |
| CN109615018A (zh) * | 2018-12-24 | 2019-04-12 | 广东德诚科教有限公司 | 用户个性化行为评价方法、装置、计算机设备和存储介质 |
| CN110189236A (zh) * | 2019-04-30 | 2019-08-30 | 南京航空航天大学 | 基于大数据的学习预警方法 |
| CN111275239A (zh) * | 2019-12-20 | 2020-06-12 | 西安电子科技大学 | 一种基于多模态的网络化教学数据分析方法及系统 |
| CN111275239B (zh) * | 2019-12-20 | 2023-09-29 | 西安电子科技大学 | 一种基于多模态的网络化教学数据分析方法及系统 |
| CN111260969A (zh) * | 2020-03-06 | 2020-06-09 | 华南农业大学 | 数据挖掘课程教学实践系统和基于系统的教学实践方法 |
| CN111611522A (zh) * | 2020-06-02 | 2020-09-01 | 九江学院 | 一种教师教育培训教材大数据处理方法 |
| CN111611522B (zh) * | 2020-06-02 | 2022-07-12 | 九江学院 | 一种教师教育培训教材大数据处理方法 |
| CN111831817A (zh) * | 2020-07-28 | 2020-10-27 | 平安国际融资租赁有限公司 | 问卷生成分析方法、装置、计算机设备及可读存储介质 |
| CN111882247A (zh) * | 2020-08-07 | 2020-11-03 | 成都理工大学 | 一种基于综合模糊评价模型的在线学习系统评价方法 |
| CN113052461B (zh) * | 2021-03-25 | 2022-04-08 | 重庆科技学院 | 一种基于概率图模式推断的文本智能教学评价方法 |
| CN113052461A (zh) * | 2021-03-25 | 2021-06-29 | 重庆科技学院 | 一种基于概率图模式推断的文本智能教学评价方法 |
| CN116258390A (zh) * | 2022-12-22 | 2023-06-13 | 华中师范大学 | 一种面向教师在线教学反馈的认知支持质量评价方法及系统 |
| CN116258390B (zh) * | 2022-12-22 | 2024-04-05 | 华中师范大学 | 一种面向教师在线教学反馈的认知支持质量评价方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108460139B (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460139B (zh) | 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 | |
| Khan et al. | Student performance analysis and prediction in classroom learning: A review of educational data mining studies | |
| Waheed et al. | A bibliometric perspective of learning analytics research landscape | |
| Estacio et al. | Analyzing students online learning behavior in blended courses using Moodle | |
| Vahdat et al. | Advances in learning analytics and educational data mining. | |
| Kotsiantis et al. | Using learning analytics to identify successful learners in a blended learning course | |
| Balahadia et al. | Teacher's performance evaluation tool using opinion mining with sentiment analysis | |
| Pangrazio et al. | Datafication meets platformization: Materializing data processes in teaching and learning | |
| CN113656687B (zh) | 基于教研数据的教师画像构建方法 | |
| Mat Hussin et al. | Organisation and Move Structure in the Results and Discussion Chapter in Malaysian Undergraduates' Final-Year Projects. | |
| Angra et al. | Implementation of data mining algorithms on student's data using rapid miner | |
| CN117952796B (zh) | 一种基于数据分析的阅读教学质量评估方法及系统 | |
| CN117473078A (zh) | 一种基于跨领域命名实体识别的长篇文学可视阅读系统 | |
| Mamcenko et al. | Analysis of e-exam data using data mining techniques | |
| Mago | A Proposed Framework for Big Data Analytics in Higher Education | |
| Kovanovic | Assessing cognitive presence using automated learning analytics methods | |
| KR102598698B1 (ko) | 사용자 맞춤형 학습 서비스 시스템 | |
| Dobashi | Time series analysis of the in class page view history of digital teaching materials using cross table | |
| Ruby et al. | A study model on the impact of various indicators in the performance of students in higher education | |
| Bin | Cognitive web service-based learning analytics in education systems using big data analytics | |
| Anand et al. | Sentiment Analysis of Social Network for Information Professionals: A Case Study of LisLinks Discussion Forum | |
| CN113377925A (zh) | 一种基于特征工程的在线课程画像的构建方法 | |
| Ros et al. | Analyzing content structure and Moodle milestone to classify student learning behavior in a basic desktop tools course | |
| Yang | FCM Clustering on interaction pattern analysis of Chinese Language learner behavior | |
| Yao | RETRACTED ARTICLE: Assistive Technology-Based Analysis of Students’ Foreign Language Anxiety Using Distributed Machine Learning and Intelligent Affective Computing |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |