CN108536799A - 自适应教学监测与洞察信息处理方法 - Google Patents
自适应教学监测与洞察信息处理方法 Download PDFInfo
- Publication number
- CN108536799A CN108536799A CN201810287496.3A CN201810287496A CN108536799A CN 108536799 A CN108536799 A CN 108536799A CN 201810287496 A CN201810287496 A CN 201810287496A CN 108536799 A CN108536799 A CN 108536799A
- Authority
- CN
- China
- Prior art keywords
- metadata
- user
- information
- processing method
- knowledge
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 29
- 230000010365 information processing Effects 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims description 33
- 238000012986 modification Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 21
- 239000000284 extract Substances 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000034303 cell budding Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012106 screening analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (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)
- 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
本发明涉及一种自适应教学监测与洞察信息处理方法，包括：采集学生用户的学习类元数据，或接收含有学生用户的学习类元数据的数据包，并提取数据包中的元数据；将元数据进行分类存储；判断是否存在元数据或元数据的组合满足触发任一预设提醒任务的条件，若为是，则根据该预设提醒任务的模板创建一条提醒消息，并将该提醒消息发送至根据该学生用户和该预设提醒任务得到的所指定的用户。与现有技术相比，本发明通过采集或接收包含学习信息的元数据，并根据消息触发规则向教师推送设定的消息，消息在前端页面的实时显示，可以提高缺乏经验、水平中等的老师提高授课和教学监督质量。
Description
技术领域
本发明涉及一种，尤其是涉及一种自适应教学监测与洞察信息处理方法。
背景技术
自适应学习让每一个人拥有独属的学习路径，帮助学习者高效提升学习效果。社会发展，人口结构与消费模式巨变，教育行业目标人群与消费心理发生颠覆。学习者对提升学习效率的需求明确而迫切。科技进步，人工智能+互联网科技与教育行业结合日益紧密，带来自适应学习技术崛起。
自适应学习监测系统，通过监测技术跟踪记录学生使用自适应学习系统的行为，采集学习行为和效果数据再进行筛选分析、整合洞察，并实时将分析结果反馈给任课老师，为老师准确实施教学干预策略提供有效依据和支撑。
自适应学习在国外已有数十年历史，而在国内是近两年才发生的事，目前整体上处于初期发展阶段。自适应学习监测技术，属于自适应学习领域的一个重要分支。自适应学习监测主流实现方式分两种：一种是实时反馈监测，平台和老师将以学生答题作为基本单位实时展示对象进行信息收集、反馈统计(硬件或软件方式都有)；另一种非实时监测，平台或老师会在课后查询学习行为数据、学习成果数据，通过观察数据找到全班全校共性，总结教学规律促进教学策略。
自适应学习监测技术在教育领域尚处于萌芽期，有待提高之处主要有以下3个方面：
缺陷1：采集数据单纯以题目为单位，老师仅观察学生答题对错，无法观察知识点掌握情况。无法结合先行后续关系的知识图谱洞察问题，教学上治标不治本；缺乏经验的老师，难以在课堂内帮学生快速准确定位错因，在每个学生身上每道题的辅导时间相对较长；
缺陷2：行为数据单纯以时间为单位，行为洞察数据单薄。学生在学习过程中的参与度、沉浸度测量，是多方位多维度数据的结合，很多学习行为异常仅依赖时间数据无法准确判断。
缺陷3：只提供了基础数据，没有给老师明确的教学干预策略。由于仅提供数据，未提供明确行为指引：有教学经验的老师、对数据解读能力教学的老师，才能借助于监测工具实现有效的自适应教学；缺少经验、缺少数据能力的老师，拘囿于传统教学方式，不同水平的老师对同一份数据存在不同的解读，最终的教学质量依然参差不齐。
发明内容
本发明为克服上述现有技术存在的缺陷2和缺陷1而提供一种自适应教学监测与洞察信息处理方法，通过以下技术方案来实现：
一种自适应教学监测与洞察信息处理方法，包括：
采集学生用户的学习类元数据，或接收含有学生用户的学习类元数据的数据包，并提取所述数据包中的元数据；
将元数据进行分类存储；
判断是否存在元数据或元数据的组合满足触发任一预设提醒任务的条件，若为是，则根据该预设提醒任务的模板创建一条提醒消息，并将该提醒消息发送至根据该学生用户和该预设提醒任务得到的所指定的用户。
本发明为克服上述现有技术存在的缺陷3而提供一种自适应教学监测与洞察信息处理方法，通过以下技术方案来实现：
一种自适应教学监测与洞察信息处理方法还包括：
接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改。
所述接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改，具体包括：
接收来自与用户输入的更改任一预设提醒任务触发条件的指令；
判断该用户是否具备修改该预设提醒任务触发条件的权限，若为是，则执行修改，若为否，则返回拒绝信息。
所述元数据包括原生元数据，和根据多个原生元数据一次或多次转换得到的次生元数据，
所述方法还包括：
判断是否存在原生元数据或次生元数据满足生成次生元数据的条件，若为是，则根据该原生元数据或次生元数据转换得到的次生元数据。
所述元数据的种类包括：答题类数据、学习时间类数据、学科数据、评价类数据、学习路径类数据。
所述元数据被配置有学科信息和知识点信息，
所述方法还包括：
根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱。
所述根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，包括：
读取存储的对应于用户的各元数据的学科信息和知识点信息；
根据学科信息和知识点信息在元数据中出现的频数生成该用户的第一知识图谱；
根据各学科信息和知识点信息对应的元数据的正确率生成该用户的第二知识图谱。
所述第一知识图谱使用不同深度的红色表征各学科信息和知识点信息的频数，其中，红色的深度与频数正相关，
所述第二知识图谱使用不同深度的蓝色表征各学科信息和知识点信息对应的元数据的正确率，其中，蓝色的深度与正确率正相关。
所述根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，还包括：
将第一知识图谱和第二知识图谱叠加后得到第三知识图谱。
与现有技术相比，本发明具有以下有益效果：
1)通过采集或接收包含学习信息的元数据，并根据消息触发规则向教师推送设定的消息，消息在前端页面的实时显示，可以提高缺乏经验、水平中等的老师提高授课和教学监督质量。
2)提供了对于条件的修改机制，实现对于学生信息的干涉，提高教学质量。
3)系统中可以通过对元数据的整合得到次生元数据，便于提高触发条件设置的灵活性，以数据挖掘的方式提高对于数据的利用率，并提高系统响应速度，对于中间量不需要每一次从原生元数据中计算。
4)教师的课堂教学在1对多的场景下，完成1对1学习效果。
5)老师课前备课磨课、课中监课授课、课后批作业教学复盘等工作，都能得益于监测与洞察工具的协助，从而减少大量的重复劳动、教学效率大幅度提升。
附图说明
图1为本发明方法的主要步骤流程示意图；
图2为本发明的同步控制软件流程图；
图3为本发明的系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
一种自适应教学监测与洞察信息处理方法，该方法可以被用于开发教学监测系统，老师借助智能监测系统工作，在第一时间准确判断：学生当前学习状态，本次课薄弱知识点，当前学习进程，学习行为是否异常；是否需要干预，以及最优的辅导路径与教学干预策略。
如图1所示，具体包括：
采集学生用户的学习类元数据，或接收含有学生用户的学习类元数据的数据包，并提取数据包中的元数据；
将元数据进行分类存储；
判断是否存在元数据或元数据的组合满足触发任一预设提醒任务的条件，若为是，则根据该预设提醒任务的模板创建一条提醒消息，并将该提醒消息发送至根据该学生用户和该预设提醒任务得到的所指定的用户。
还包括：
接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改，提供了对于条件的修改机制，实现对于学生信息的干涉，提高教学质量。
接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改，具体包括：
接收来自与用户输入的更改任一预设提醒任务触发条件的指令；
判断该用户是否具备修改该预设提醒任务触发条件的权限，若为是，则执行修改，若为否，则返回拒绝信息。
元数据包括原生元数据，和根据多个原生元数据一次或多次转换得到的次生元数据，系统中可以通过对元数据的整合得到次生元数据，便于提高触发条件设置的灵活性，以数据挖掘的方式提高对于数据的利用率，并提高系统响应速度，对于中间量不需要每一次从原生元数据中计算。
方法还包括：
判断是否存在原生元数据或次生元数据满足生成次生元数据的条件，若为是，则根据该原生元数据或次生元数据转换得到的次生元数据。
元数据的种类包括：答题类数据、学习时间类数据、学科数据、评价类数据、学习路径类数据。
元数据被配置有学科信息和知识点信息，
方法还包括：
根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱。
根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，包括：
读取存储的对应于用户的各元数据的学科信息和知识点信息；
根据学科信息和知识点信息在元数据中出现的频数生成该用户的第一知识图谱；
根据各学科信息和知识点信息对应的元数据的正确率生成该用户的第二知识图谱。
第一知识图谱使用不同深度的红色表征各学科信息和知识点信息的频数，其中，红色的深度与频数正相关，
第二知识图谱使用不同深度的蓝色表征各学科信息和知识点信息对应的元数据的正确率，其中，蓝色的深度与正确率正相关。
根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，还包括：
将第一知识图谱和第二知识图谱叠加后得到第三知识图谱，如此一来，第三知识图谱可以作为综合性评价的依据，第一知识图谱和第二知识图谱可以作为精确的对学生掌握知识点的评价依据。将知识图谱作为触发条件的依据，相互结合可以实现进一步提高学习监测的效果。
根据上述方法得到的系统可以包括以下功能：
1.学生-学情概览
老师可以一目了然查看：学员基本资料；学生当前学习状态，本次课薄弱知识点；最近学习进程；系统洞察分析(包括根据学生行为数据、效果数据的基础指标，给到老师教学策略与教学干预提示)。
2.学生-学习进度
老师可查看学生每门课程的在每个课次、专题、学习阶段内的进程进度；借助于知识图谱可视化工具，老师可以观察学生学习路径，透视薄弱知识点、学习超时的知识点。
3.学生-学情明细
包含：答题明细、知识点明细、任务卡明细
4.学生-学习行为监测
答题连续超时提醒、视频学习快进提醒、课次完成度提醒
5.学生-学习效果监测
连续错答提醒、连续无效学习提醒
6.学生-薄弱知识点洞察
基于薄弱点制定教学策略，系统根据知识点先行后续关系，及班级整体学情分析。
7.班级概览-班级学情概要与排名
包含：学情概要、学情排名-嗷嗷待哺、学情排名-值得表扬功能
8.班级-学习进度
班级整体在每个课程的课次完成率：课次参加人数，完成人数，完成率
9.班级-全班学情洞察
整体学情洞察，展示全班整体知识点掌握情况。向老师提供当前班级的知识点辅导顺序与教学策略。
10.班级-共性行为监测
全班共性超时题目、快进视频、未完成专题/课次
11.班级-学习效果统计
1)全班易错题：展示全班同学所有的错题，按错答率从大到小排序
2)全班易错因：如果题目属性中包含错因分析，展示共性错因
12.对比-学生个体对比
1)按时间线的学生最近课次VS所有课次平均维度上行为数据对比；
2)按时间线的学生最近课次VS所有课次平均维度上学习效率对比
通过对比，老师能够更直观、客观得观察到学生的行为表现与学习投入度升降；如果历史平均值相比明显异常的情况，老师可以进一步查询明细，询问学生发生异常的原因。
13.对比-个体与群体学情对比
1)按时间线的学生个体VS群体维度上行为数据对比；
2)按时间线的学生个体VS群体维度上学习效率对比
通过对比，老师能够更直观、客观洞察到学生之间的行为、效率差异；
如果个体表现相比整体均值明显偏低，老师需要进行更多的教学干预和辅导；
如果个体表现相比整体均值明显偏高，老师需对其调整教学策略，可有效提升培优效果；
此外，通过设计合理的元数据系统，可以实现知识图谱可视化，迅速洞察学生薄弱知识点，例如：
a)学生学情的知识图谱可视化
网状知识点关系的前端呈现
学生在不同阶段对应的知识点掌握状态数据
学生的知识点掌握状态，在知识图谱的呈现
b)知识图谱可视化
网状知识点关系的前端呈现
学生在不同阶段对应的知识点掌握状态数据
学生的知识点掌握状态，在知识图谱的呈现
还可以多维度数据全面雕刻“学生画像”，精准观察共性与个性，例如：
a)透视：个体行为数据存储与分析&群体数据透视分析
b)聚类：基于海量数据模型训练的学生标签，用活的大数据立体描绘学生画像
c)甄别：判断学生行为是否发生异常，加入个性化因子提高侦测精准度还可以为老师提供实时教学干预策略指南，规范化自适应教学行为，例如：
a)设定阈值：冷启动默认值；动态阈值计算规则，k因子权重，上下浮动比例
b)干预策略：监控项阈值设定；超出阈值的警报规则
c)消息传递：消息触发规则、消息结构；消息在前端页面的实时显系统的实际控制流程如图2所示，结构如图3所示。
1)如图2，学生访问学科类学习产品，留下访问痕迹，包括：访问行为、学习路径、学习记录、学习结果、学习时间等基础元数据
2)经过RTM(real time monitor)实时监测模块，捕获、侦测、存储学生所有数据，并进行初步的字典处理和筛选清洗
3)经过RDA(realtime data analytics)实时数据模块，结合预加载或动态生成的洞察策略，扫描巡查学生学习行为、学习效果有无异常
4)老师监测中，经过学习行为分析与洞察、学习效果分析模块，洞察数据可视化、洞察分析模块，向老师提供实时监测报警信号，并提示可行的教学干预实施步骤。
Claims (9)
1.一种自适应教学监测与洞察信息处理方法，其特征在于，包括：
采集学生用户的学习类元数据，或接收含有学生用户的学习类元数据的数据包，并提取所述数据包中的元数据；
将元数据进行分类存储；
判断是否存在元数据或元数据的组合满足触发任一预设提醒任务的条件，若为是，则根据该预设提醒任务的模板创建一条提醒消息，并将该提醒消息发送至根据该学生用户和该预设提醒任务得到的所指定的用户。
2.根据权利要求1所述的一种自适应教学监测与洞察信息处理方法，其特征在于，还包括：
接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改。
3.根据权利要求2所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述接收来自可操作任一预设提醒任务触发条件的用户输入的更改该预设提醒任务触发条件的指令，并执行修改，具体包括：
接收来自与用户输入的更改任一预设提醒任务触发条件的指令；
判断该用户是否具备修改该预设提醒任务触发条件的权限，若为是，则执行修改，若为否，则返回拒绝信息。
4.根据权利要求1所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述元数据包括原生元数据，和根据多个原生元数据一次或多次转换得到的次生元数据，
所述方法还包括：
判断是否存在原生元数据或次生元数据满足生成次生元数据的条件，若为是，则根据该原生元数据或次生元数据转换得到的次生元数据。
5.根据权利要求1所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述元数据的种类包括：答题类数据、学习时间类数据、学科数据、评价类数据、学习路径类数据。
6.根据权利要求1所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述元数据被配置有学科信息和知识点信息，
所述方法还包括：
根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱。
7.根据权利要求1所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，包括：
读取存储的对应于用户的各元数据的学科信息和知识点信息；
根据学科信息和知识点信息在元数据中出现的频数生成该用户的第一知识图谱；
根据各学科信息和知识点信息对应的元数据的正确率生成该用户的第二知识图谱。
8.根据权利要求7所述的一种自适应教学监测与洞察信息处理方法，其特征在于，
所述第一知识图谱使用不同深度的红色表征各学科信息和知识点信息的频数，其中，红色的深度与频数正相关，
所述第二知识图谱使用不同深度的蓝色表征各学科信息和知识点信息对应的元数据的正确率，其中，蓝色的深度与正确率正相关。
9.根据权利要求8所述的一种自适应教学监测与洞察信息处理方法，其特征在于，所述根据存储的对应于用户的各元数据的学科信息和知识点信息生成该用户的知识图谱，还包括：
将第一知识图谱和第二知识图谱叠加后得到第三知识图谱。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810287496.3A CN108536799A (zh) | 2018-03-30 | 2018-03-30 | 自适应教学监测与洞察信息处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810287496.3A CN108536799A (zh) | 2018-03-30 | 2018-03-30 | 自适应教学监测与洞察信息处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108536799A true CN108536799A (zh) | 2018-09-14 |
Family
ID=63483007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810287496.3A Pending CN108536799A (zh) | 2018-03-30 | 2018-03-30 | 自适应教学监测与洞察信息处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108536799A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598994A (zh) * | 2018-12-24 | 2019-04-09 | 上海乂学教育科技有限公司 | 一种自适应教学中非知识点错误识别方法及系统 |
| CN110083744A (zh) * | 2019-04-24 | 2019-08-02 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的教学问题诊断方法及系统 |
| CN110634341A (zh) * | 2019-10-15 | 2019-12-31 | 上海乂学教育科技有限公司 | 教师备课辅助系统 |
| CN111242518A (zh) * | 2020-03-25 | 2020-06-05 | 上海乂学教育科技有限公司 | 适合智适应系统的学习流程配置方法 |
| CN113823136A (zh) * | 2020-06-18 | 2021-12-21 | 香港科技大学 | 答题分析测验系统、测验方法及测验软件 |
| CN113852868A (zh) * | 2021-08-06 | 2021-12-28 | 深圳点猫科技有限公司 | 一种视频播放的控制方法、装置、系统及介质 |
| CN114676266A (zh) * | 2022-03-29 | 2022-06-28 | 建信金融科技有限责任公司 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
| CN116091272A (zh) * | 2023-04-13 | 2023-05-09 | 内江市感官密码科技有限公司 | 校园异常活动监测方法、装置、设备及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
| CN102201087A (zh) * | 2011-05-24 | 2011-09-28 | 北京空间飞行器总体设计部 | 一种在pdm系统中自动提取并提醒任务的装置和方法 |
| US20170046376A1 (en) * | 2015-04-03 | 2017-02-16 | Yahoo! Inc. | Method and system for monitoring data quality and dependency |
| CN106600065A (zh) * | 2016-12-16 | 2017-04-26 | 中山大学 | 基于有向超图的个性化学习路径的抽取与拼接方法及系统 |
| CN106875154A (zh) * | 2017-01-16 | 2017-06-20 | 深圳市邦华电子有限公司 | 一种提醒任务触发方法、装置和一种智能终端 |
| CN107038508A (zh) * | 2017-06-06 | 2017-08-11 | 海南大学 | 基于知识图谱的学习能力建模及动态自适应的目标驱动的学习点组织及执行路径推荐方法 |
| CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
| CN107463691A (zh) * | 2017-08-11 | 2017-12-12 | 北京点易通科技有限公司 | 一种学习状态收集与识别的方法及系统 |
-
2018
- 2018-03-30 CN CN201810287496.3A patent/CN108536799A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000600A (zh) * | 2006-12-30 | 2007-07-18 | 南京凌越教育科技服务有限公司 | 学习管理系统及方法 |
| CN102201087A (zh) * | 2011-05-24 | 2011-09-28 | 北京空间飞行器总体设计部 | 一种在pdm系统中自动提取并提醒任务的装置和方法 |
| US20170046376A1 (en) * | 2015-04-03 | 2017-02-16 | Yahoo! Inc. | Method and system for monitoring data quality and dependency |
| CN106600065A (zh) * | 2016-12-16 | 2017-04-26 | 中山大学 | 基于有向超图的个性化学习路径的抽取与拼接方法及系统 |
| CN106875154A (zh) * | 2017-01-16 | 2017-06-20 | 深圳市邦华电子有限公司 | 一种提醒任务触发方法、装置和一种智能终端 |
| CN107085803A (zh) * | 2017-03-31 | 2017-08-22 | 弘成科技发展有限公司 | 基于知识图谱和能力测评的个性化教学资源推荐系统 |
| CN107038508A (zh) * | 2017-06-06 | 2017-08-11 | 海南大学 | 基于知识图谱的学习能力建模及动态自适应的目标驱动的学习点组织及执行路径推荐方法 |
| CN107463691A (zh) * | 2017-08-11 | 2017-12-12 | 北京点易通科技有限公司 | 一种学习状态收集与识别的方法及系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598994A (zh) * | 2018-12-24 | 2019-04-09 | 上海乂学教育科技有限公司 | 一种自适应教学中非知识点错误识别方法及系统 |
| CN110083744A (zh) * | 2019-04-24 | 2019-08-02 | 厦门无常师教育科技有限公司 | 一种基于知识图谱的教学问题诊断方法及系统 |
| CN110634341A (zh) * | 2019-10-15 | 2019-12-31 | 上海乂学教育科技有限公司 | 教师备课辅助系统 |
| CN111242518A (zh) * | 2020-03-25 | 2020-06-05 | 上海乂学教育科技有限公司 | 适合智适应系统的学习流程配置方法 |
| CN113823136A (zh) * | 2020-06-18 | 2021-12-21 | 香港科技大学 | 答题分析测验系统、测验方法及测验软件 |
| CN113823136B (zh) * | 2020-06-18 | 2024-01-09 | 香港科技大学 | 答题分析测验系统、测验方法及测验软件 |
| CN113852868A (zh) * | 2021-08-06 | 2021-12-28 | 深圳点猫科技有限公司 | 一种视频播放的控制方法、装置、系统及介质 |
| CN114676266A (zh) * | 2022-03-29 | 2022-06-28 | 建信金融科技有限责任公司 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
| CN114676266B (zh) * | 2022-03-29 | 2024-02-27 | 建信金融科技有限责任公司 | 基于多层关系图谱的冲突识别方法、装置、设备及介质 |
| CN116091272A (zh) * | 2023-04-13 | 2023-05-09 | 内江市感官密码科技有限公司 | 校园异常活动监测方法、装置、设备及介质 |
| CN116091272B (zh) * | 2023-04-13 | 2023-06-20 | 内江市感官密码科技有限公司 | 校园异常活动监测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108536799A (zh) | 自适应教学监测与洞察信息处理方法 | |
| Stohl | Probability in teacher education and development | |
| Muldner et al. | An analysis of students’ gaming behaviors in an intelligent tutoring system: Predictors and impacts | |
| Mubarak et al. | Visual analytics of video‐clickstream data and prediction of learners' performance using deep learning models in MOOCs' courses | |
| Pesare et al. | Digitally enhanced assessment in virtual learning environments | |
| CN112164261A (zh) | 一种智能化考核方法 | |
| Costagliola et al. | Monitoring online tests through data visualization | |
| CN113052737A (zh) | 一种基于强制督学和智能推荐的学习方法及系统 | |
| CN107358554B (zh) | 多维学习力提升系统及方法 | |
| Bull et al. | 20000 inspections of a domain-independent open learner model with individual and comparison views | |
| CN117076782B (zh) | 在线学习平台的课程推荐方法、装置、计算机设备及介质 | |
| CN114240228A (zh) | 一种培训管理方法及系统 | |
| CN113065769A (zh) | 智慧数字教育ai课堂大数据管理系统 | |
| CN113554909A (zh) | 一种在线教育平台 | |
| Hu et al. | Evaluation of a lightweight learning analytics tool in Moodle and edX: Preliminary results | |
| CA2809696A1 (en) | Computer assisted training system for interview-based information gathering and assessment | |
| CN113920396B (zh) | 一种特殊岗位人员视觉认知能力量化评测方法、系统及评测设备 | |
| Griffin et al. | Using Innovative Measurement Tools Based On Big Data Analytics To Assess Collaborative Problem-Solving Skills And Improve Teaching Strategies In Essential Skills For 21st Century Education | |
| Li et al. | Modeling student retention in an environment with delayed testing | |
| Virvou et al. | A learning analytics tool for supporting teacher decision | |
| Scheuer et al. | Results from action analysis in an interactive learning environment | |
| Renkewitz et al. | Tracking memory search for cue information | |
| Costagliola et al. | Logging and visualization of learner behaviour in web-based e-testing | |
| Maulana et al. | Mapping Student Log Files With K-Means Clustering | |
| Wan et al. | Investigating Learners' Behaviors and Implementing Intervention in a SPOC |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |