CN109214700A - 一种基于进阶式能力轴的学生能力分析方法 - Google Patents

Abstract

本发明涉及一种基于进阶式能力轴的学生能力分析方法，解决的是不能有效分享教学经验的技术问题，通过采用包括：步骤1，编制进阶式的幼教进阶式能力轴，定义能力模型；步骤2，通过教学辅助系统对待辅助儿童进行行为观察，记录待辅助儿童的行为数据；步骤3，根据辅助儿童的行为数据评测儿童的成长情况；步骤4，根据辅助儿童的成长情况进行分析，并推荐对应的课程；步骤5，根据对应课程生成教学计划，根据教学计划生成专属进阶式能力轴的技术方案，较好的解决了该问题，可用于儿童教学中。

Description

一种基于进阶式能力轴的学生能力分析方法

技术领域

本发明涉及儿童教学领域，具体涉及一种基于进阶式能力轴的学生能力分析方法。

背景技术

幼教是由儿童园和其他专门开设的儿童教育机构来完成，它能够影响儿童身体成长和认知、情感、性格等方面发展，是教育体系中的重要一环。在当今社会中越来越引发大家的重视。但是，在作为幼教中心场所的儿童园中仍然存在一些亟待解决的问题，例如，基于缺少行业经验和数据共享，先进教学方式不能快速推广和评估；教师辅助事务繁重，不能将精力集中在孩子身上。

因而，需要一种辅助儿童教学的方法，一方面能将儿童教师从繁重的辅助事务中解脱出来，实现真正的以儿童为中心，另外一方面能有效利用已有的行业经验和数据，加快教学的评估和决策过程，提高教学课程安排的质量。

发明内容

本发明所要解决的技术问题是现有技术中存在的不能有效分析教学经验的技术问题。提供一种新的基于进阶式能力轴的学生能力分析方法，该基于进阶式能力轴的学生能力分析方法具有能够调每个孩子的个体成长进行分析的特点。

为解决上述技术问题，采用的技术方案如下：

一种基于进阶式能力轴的学生能力分析方法，所述学生能力分析方法包括：

步骤1，编制进阶式的幼教进阶式能力轴，根据幼教专家的意见定义能力模型；

步骤2，老师通过对待辅助儿童进行行为观察，使用互联网工具记录待辅助儿童的行为数据；

步骤3，根据辅助儿童的行为数据评测儿童的成长情况。

上述方案中，为优化，进一步地，步骤2的记录待辅助儿童的行为数据包括使用拍摄图片、录制语言、输入文字进行记录。

进一步地，步骤3的评测包括定义儿童一个年龄段中某个能力点的正常分值为常模，通过分析教师日常提交的教学观察点评结果，在成长能力轴上找到相对于的能力点，计算能力评估值并进行能力分类，对比判定儿童的分值是否达到常模水平，达到或超过，进行下一个能力点的训练教学练习；未达到常模水平则推荐教学方案。

进一步地，所述能力评估值是区间分值和难度等级计算，儿童1个年龄段中只有1个能力，则难度1分值=区间最大值-10；儿童1个年龄段中有2个能力，则难度1=区间最小值+10难度2=区间最大值-10；儿童1个年龄段中有3个及以上能力，则难度1=区间最小值+10；难度t=难度（t-1）+（难度n-难度1）/(n-1)；难度n=区间最大值-10；

其中，t为小于n的正整数。

进一步地，所述能力分类的评估值计算规则为，如果类型未末级分类，则能力分类评估值=该分类下已达标的最高能力评估值；如果类似不是末级分类，则能力分类评估值=各分类按权重计算加权平均值*能力评估值。

进一步地，所述幼教进阶式能力轴包括定义了0—6岁年龄段儿童的能力，能力分为了11个大类，包括语言、艺术、创造力、生活、数学、科学文化、社会情绪情感、感官、运动、英语、基础健康。

本发明的有益效果：本发明通过对儿童的行为数据进行实时观察并进行统计分类，在生活、感官、语言、通识和数学的进阶式能力轴上进行成长情况分析，并根据成长情况在上述进阶式能力轴上选择对应的课程，生成进阶式能力轴；能够根据孩子成长挑选核实的项目组成课程，追踪了成长过程，并减少了老师选课程的精力。另外，通过分享行业数据促进自学习、智能化的提升，也有利于后来的儿童有足够的数据库进行能力模型建立。本发明的分享采用的数据传输实现按需先压缩后传输，提高数据传输效率，降低数据传输成本，传输过程采用一次握手方式及数据包加密，让数据传输过程快捷、安全。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1，实施例1的学生能力分析方法流程图。

图2，进阶式能力轴示意图。

图3，教学循环示意图。

图4，能力模型示意图。

图5，快速安全数据传输方法流程示意图。

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用以解释本发明，并不用于限定本发明。

实施例1

一种基于进阶式能力轴的学生能力分析方法，如图1，所述学生能力分析方法包括：

步骤1，编制进阶式的幼教进阶式能力轴，根据幼教专家的意见定义能力模型；

步骤2，老师通过对待辅助儿童进行行为观察，使用互联网工具记录待辅助儿童的行为数据；

步骤3，根据辅助儿童的行为数据评测儿童的成长情况。

具体地，步骤2的记录待辅助儿童的行为数据包括使用拍摄图片、录制语言、输入文字进行记录。

教学过程中，老师负责观察，然后通过选择教案，拍摄图片、录制语言、输入文字，对相应教案的工作进行观察点的评选。进行观察记录，系统根据教案对应的观察点评分数据进行分析孩子一个能力的达标情况。

具体地，步骤3的评测包括定义儿童一个年龄段中某个能力点的正常分值为常模，通过分析教师日常提交的教学观察点评结果，在成长能力轴上找到相对于的能力点，计算能力评估值并进行能力分类，对比判定儿童的分值是否达到常模水平，达到或超过，进行下一个能力点的训练教学练习；未达到常模水平则推荐教学方案。

每个儿童有一套自己的成长能力轨迹，通过分析教师日常提交的教学观察点点评结果，会在成长能力轴上找到相对于的能力点。然后对比常模（儿童一个年龄段中某个能力点的正常分值），看是否已经达到常模水平，达到或超过，进行下一个能力点的训练教学练习。如果未达标，则查找相应的解决方案推给教师，或者家长。如果能力滞后，则退回到上一节点进行评测。循环这个规则，找到孩子对应的能力。

常模分数修正的方法如下

步骤X1，预设数值

（1）根据幼教专家的经验，设定常模初始值score,初始值数量n1

（2）标准方差阈值 b

步骤X2，根据每天采集的数据，不断累积，进行修正,修正过程如下：

（1）计算平均值

（2）计算标准方差a

（3）修正数据

预先设定的标准方差阈值b，如果a>b,则每次去除与平均值相差最大的数据，重新进行1）2），直到a<=b

（4）求得数据修正score和n1

n1=n1+n

score=（平均值*n + score*n1）/(n+n1)。

具体地，所述能力评估值是区间分值和难度等级计算，儿童1个年龄段中只有1个能力，则难度1分值=区间最大值-10；儿童1个年龄段中有2个能力，则难度1=区间最小值+10难度2=区间最大值-10；儿童1个年龄段中有3个及以上能力，则难度1=区间最小值+10；难度t=难度（t-1）+（难度n-难度1）/(n-1)；难度n=区间最大值-10；其中，t为小于n的正整数。

具体地，所述能力分类的评估值计算规则为，如果类型未末级分类，则能力分类评估值=该分类下已达标的最高能力评估值；如果类似不是末级分类，则能力分类评估值=各分类按权重计算加权平均值*能力评估值。当分类下的能力无任何达标能力时，计算时该分类权重按0处理。

其中，所述幼教进阶式能力轴包括定义了0—6岁年龄段儿童的能力，能力分为了11个大类，包括语言、艺术、创造力、生活、数学、科学文化、社会情绪情感、感官、运动、英语、基础健康。每个分支下有很多的能力点，每个能力点又对应N>1个教案，同时对应N个评测规则。

本实施例的能力模型首先是根据幼教专家的经验，对儿童不同年龄段的进行能力的分配，和预算分值，然后通过后面采集的不同数据对模型进行修正，数据分析多采用数学方法，如：贝塞尔曲线。

本实施例数据传输通过快速安全数据传输方法将记录数据上传到互联网服务器进行共享；所述快速安全数据传输方法包括：

步骤A1,教学辅助系统的发送端对数据添加数据属性标签，对网络连接添加网络连接属性标签，并定义数据属性标签库以及网络连接属性标签库；

步骤A2，教学辅助系统的发送端判断待发送数据属性以及判断网络连接属性进行数据信息发送；

步骤A3，教学辅助系统的发送端侦听互联网服务器接收端的反馈信息，并根据反馈信息判断互联网服务器接收端是否成功接收数据；将反馈信息添加到数据属性标签库。

其中，为了建立可靠连接，通过交换密钥证书，建立TCP/IP连接；服务端IP为互联网唯一识别标识，客户端主动与服务端建立通信连接，服务端周期性发送心跳数据包。

数据打标签：根据数据值状态标识不同的属性，方便在数据传输前检索工作。本实施中，原始数据值有变化，则更新数据属性标签Flag为8；数据已成功发送给互联网服务器接收端，则更新数据属性标签Flag为4；原始数据值初始化时，数据属性标签Flag为0。

数据检索，检索数据区间属性标签（数据值发生变化后，其属性标签将发生相应的变化，用以区别是原始数据与变化后数据），将已变化的数据信息集中打包压缩并进行安全加密。

数据传输：（1）检查网络通道是否被占用，未被占用则开始数据发送过程，如果通道被占用则继续检查网络并等待，直到网络通道空闲时，执行数据发送过程；数据传输过程中接收操作优先级高于发送操作。（2）数据发送后，根据互联网服务器接收端反馈信息判断此次发送是否成功，如果反馈信息成功，则更新已发送数据的属性标签，如果反馈信息失败，则重新发送数据；

数据接收：（1）收到数据包，检查数据包完整性，排除被非法修改的包、数据不全的包。（2）确认数据包无问题后，发送成功信息给教学辅助系统的发送端。（3）拆分数据包，将最新数据更新到原始数据区，并修改数据属性标签。

其中，所述判断待发送数据属性包括检索待发送数据的数据属性标签，待发送数据的数据属性标签在数据属性标签库中匹配成功则判定待发送数据没有存在变化，匹配失败则判定待发送数据存在变化；待发送数据存在变化则对待发送数据进行压缩加密处理；待发送数据没有存在变化则根据待发送数据的数据属性标签调用预先加密数据。

所述压缩加密处理包括RC4流密码加密处理方法，RC4流密码加密处理方法基于RC4流密码生成装置，RC4流密码生成装置包括真随机数生成装置，伪随机数生成装置，以及与所述真随机数生成装置、所述伪随机数生成装置通过字典CD共同连接的流密码的生成装置；所述字典CD为同步的真随机数所构成；RC4流密码加密处理方法包括：

步骤A，伪随机数生成装置通过执行RC4算法生成随机数序列；

步骤B，真随机数生成装置生成同步的真随机数；

步骤C，将RC4算法所产生的伪随机数与真随机数相结合，包括使用RC4算法的指针jt，指向的字典CD中的元素与伪随机数Zt相模加，RC4流密码为：Codet=mod(Zt+CDt[jt], 2ⁿ)。

同步物理随机源包括第三半导体激光器DSL，与第三半导体激光器连接的第一半导体激光器SL1和第二半导体激光器SL2；所述第三半导体激光器DSL设置有外反馈腔QT3，用于给第一半导体激光器SL1和第二半导体激光器SL2提供相同的驱动信号；所述第一半导体激光器SL1与第二半导体激光器SL2均设置有相同的外反馈腔QT1和QT2，外反馈腔QT1(QT2)与外反馈腔QT3的外腔长度及反馈强度不同。

伪随机数生成装置包括密钥分发模块，与密钥分发模块连接的RC4程序单元；所述密钥分发模块用于给RC4程序单元提供密钥；所述RC4程序单元用于将密钥分发模块提供的密钥作为种子执行RC4算法获得随机数序列。其中，所述RC4算法包括密钥初始化算法KSA和伪随机数生成算法PRGA。

RC4算法的工作详细工作方式中N=256，首先对状态S赋初值0,1,2，…255。然后根据密钥的长度，将密钥的值循环赋给T。生成同步的真随机数过程包括:

步骤a：第三半导体激光器DSL在外腔反馈作用下产生初始混沌激光信号；

步骤b：初始混沌激光信号作为驱动信号，分裂成相同的混沌信号SG1与混沌信号SG2，混沌信号SG1注入到第一半导体激光器SL1，混沌信号SG2注入到第二半导体激光器SL2；步骤c：第一半导体激光器SL1和第二半导体激光器SL2所产生的同步的混沌激光信号通过光电转换模块中的光电探测器完成O/E转换得到电信号SE；步骤d：电信号SE通过A/D模块，经过采样、量化、判决之后得到二进制序列C2D；步骤e：二进制序列C2D依次经过延时异或后的随机数序列为同步的真随机数。所述字典CD根据真随机数以及其产生速率做定期的更新。

如果进一步的降低第三半导体激光器DSL到第一半导体激光器SL1/2的注入强度，该相关系数可以进一步减小。

理想的条件下，当第三半导体激光器DSL与第一半导体激光器SL1之间的相关函相关系数为0.6时，从注入信号即第三半导体激光器DSL的输出信号上获得物理随机数的误码率约为0.24。考虑到实际截获过程中所出现的同步误差、采样时钟抖动、时钟失配等情况，从第三半导体激光器DSL输出的混沌激光信号中截获同步物理随机数的误码率要比0.24高的多。所以第三破解方不能够从注入信号中截获有用的信息。

本实施例通过分析之后的推荐步骤如图3 的教学循环。具体地，所述幼教辅助方法还包括：如图4，根据辅助儿童的行为数据生成儿童能力模型，根据能力模型修正教学计划，完成对专属进阶式能力轴的优化。

如图2，所述幼教进阶式能力轴包括生活轴、感官轴、语言轴、通识轴及数学轴。

如图2，所述生活轴包括环境中运动，大动作，精细化控制，集中注意力和自控的运动，环顾环境，与他人建立联系的活动，照顾自己的运动。

需要说明的是，本实施例仅列举了部分幼教进阶式能力轴，除此之外还可以根据所需添加另外的进阶式能力轴。

为了降低后来的辅助儿童建立进阶式能力轴的效率，优选地，所述幼教辅助方法还包括统计分析儿童行为数据，教学计划，儿童能力模型，并共享统计分析结果。

具体地，所述待辅助儿童的年龄分为0-3岁，3-4岁，4-5岁，5-6岁4个阶段。

具体地，本实施例的教学辅助系统包括行为采集端系统、互联网服务器及分享需求者系统；所述行为采集端系统包括多个行为采集端，行为采集端用于采集图像数据、音频数据，对图像数据进行图像编码，音频数据进行音频编码，将图像编码的视频码流和音频码流封包为视频流；所述互联网服务器用于接收行为采集端系统上传的视频流，根据分享需求者系统的实时需求分享流要求，并调用对应的视频流；所述互联网服务器设置有处理器和存储单元，存储单元存储有流媒体程序，所述处理器用于执行所述流媒体程序，用于执行下列步骤：

步骤A，接收行为采集端系统的所有视频流信息，将实时需求分享流信息记录在数据库中，数据库中的直播信息包含行为采集端硬件信息标识；

步骤B，接收所有分享需求者系统查询行为采集端列表的请求，将所有的行为采集端名称发送到观看端；

步骤C，接收观看端查询行为采集端信息请求，以行为采集端硬件信息标识为参数回传行为采集端信息数据给观看端；

步骤D，接收观看端的实时需求分享流请求，以实时需求分享流名为标识，互联网服务器查询数据库中是否有对应实时需求分享流，匹配查询成功则将对应实时需求分享流发送到观看端，匹配查询失败则返回失败标识给观看端。本实施例是单一终端多流教育直播的实现。监控大屏，每个网络摄像机都是一个设备，一路视频流。直播到监控大屏是相互无关的多个视频流。而教学辅助系统，会自动将同一设备的多流实时需求分享流组织成一个直播节目。

行为采集端采用高性能CPU或DSP硬件编码，此处使用的是DSP硬件编码，对中所有传入图像分别进行视频编码，编码格式刻采用目前通用的H264或H265编码，最终对应每一路图像得到码流VCode1，VCode2，VCode3等；

DSP硬件编码对数字混音进行音频编码，使用AAC编码，最终得到一路混音编码ACode；行为采集端将每路视频码流和音频码流封包生成视频流：

V1 = VCode1 + Acode，

V2 = VCode2 + Acode，

V3 = VCode3 + Acode，

……；本实施例的封包采用的是Rtsp格式。

将所有视频流推送到直播服务器系统中。每路视频流的推送名称设置为直播端唯一名称加上视频流序号的方式。确保直播服务器系统中可以区分不同直播端推送上来的视频流，和同一直播端推送上的不同视频流。本例中推送名称设置为：

ID_stream1,ID_stream2,ID_stream3…。其中ID为直播端的唯一名称。能够实现数据共享以及成长追踪与实时需求分享。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化只要在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。

Claims (6)

1.一种基于进阶式能力轴的学生能力分析方法，其特征在于：所述学生能力分析方法包括：

步骤1，编制进阶式的幼教进阶式能力轴，根据幼教专家的意见定义能力模型；

步骤2，老师通过对待辅助儿童进行行为观察，使用互联网工具记录待辅助儿童的行为数据；

步骤3，根据辅助儿童的行为数据评测儿童的成长情况。

2.根据权利要求1所述的基于进阶式能力轴的学生能力分析方法，其特征在于：步骤2的记录待辅助儿童的行为数据包括使用拍摄图片、录制语言、输入文字进行记录。

3.根据权利要求1所述的基于进阶式能力轴的学生能力分析方法，其特征在于：步骤3的评测包括定义儿童一个年龄段中某个能力点的正常分值为常模，通过分析教师日常提交的教学观察点评结果，在成长能力轴上找到相对于的能力点，计算能力评估值并进行能力分类，对比判定儿童的分值是否达到常模水平，达到或超过，进行下一个能力点的训练教学练习；未达到常模水平则推荐教学方案。

4.根据权利要求3所述的基于进阶式能力轴的学生能力分析方法，其特征在于：

所述能力评估值是区间分值和难度等级计算，儿童1个年龄段中只有1个能力，则难度1分值=区间最大值-10；儿童1个年龄段中有2个能力，则难度1=区间最小值+10难度2=区间最大值-10；儿童1个年龄段中有3个及以上能力，则难度1=区间最小值+10；难度t=难度（t-1）+（难度n-难度1）/(n-1)；难度n=区间最大值-10；

其中，t为小于n的正整数。

5.根据权利要求4所述的基于进阶式能力轴的学生能力分析方法，其特征在于：所述能力分类的评估值计算规则为，如果类型未末级分类，则能力分类评估值=该分类下已达标的最高能力评估值；如果类似不是末级分类，则能力分类评估值=各分类按权重计算加权平均值*能力评估值。

6.根据权利要求1-5任一所述的基于进阶式能力轴的学生能力分析方法，其特征在于：所述幼教进阶式能力轴包括定义了0—6岁年龄段儿童的能力，能力分为了11个大类，包括语言、艺术、创造力、生活、数学、科学文化、社会情绪情感、感官、运动、英语、基础健康。