CN109376169A - 基于人工智能和大数据的教育优化发展方法、装置及系统 - Google Patents
基于人工智能和大数据的教育优化发展方法、装置及系统 Download PDFInfo
- Publication number
- CN109376169A CN109376169A CN201811265001.3A CN201811265001A CN109376169A CN 109376169 A CN109376169 A CN 109376169A CN 201811265001 A CN201811265001 A CN 201811265001A CN 109376169 A CN109376169 A CN 109376169A
- Authority
- CN
- China
- Prior art keywords
- teacher
- data
- student
- students
- complementary combinations
- 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
- 238000011161 development Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 230000000295 complement effect Effects 0.000 claims abstract description 125
- 230000004069 differentiation Effects 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 44
- 230000001755 vocal effect Effects 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 120
- 238000012549 training Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009885 systemic effect Effects 0.000 description 2
- 241001672694 Citrus reticulata Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing 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
- 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
本申请涉及一种基于人工智能和大数据的教育优化发展方法、装置及系统，包括：通过教师职业能力测评系统收集教师职业能力数据；通过学生学习能力测评系统收集学生学习能力数据；根据教师职业能力数据得到教师差异化分类数据；根据学生学习能力数据得到学生差异化分类数据；根据教师差异化分类数据和学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。可以根据教师差异化分类数据与学生差异化分类数据进行教育资源的匹配，职业能力强的教师与职业能力差的教师组合，有针对性地提升职业能力差的教师的职业能力，以此类推，使教育资源的分配更具针对性，促使教育优化发展。
Description
技术领域
本申请涉及教育信息化技术领域，尤其涉及一种基于人工智能和大数据 的教育优化发展方法、装置及系统。
背景技术
目前，对教育资源的分配主要依据为学校现有教育资源水平的评估结果， 而现有的对学校教育资源水平的评估主要采用人为评估的方式，比如对教师 职业能力的评估，主要由测评组人员对教师的职业能力进行评估，这种人工 评估的方式由于其带有的主观因素较多，会导致评估结果不准确，进而致使 对学校现有教育资源水平的评估不准确，最终导致对教育资源的分配出现不 合理的状况。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于 人工智能和大数据的教育优化发展方法、装置及系统。
根据本申请的第一方面，提供一种基于人工智能和大数据的教育优化发 展方法，包括：
通过教师职业能力测评系统收集教师职业能力数据；
通过学生学习能力测评系统收集学生学习能力数据；
根据所述教师职业能力数据得到教师差异化分类数据；
根据所述学生学习能力数据得到学生差异化分类数据；
根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教 师互补组合、教师与学生互补组合、学生与学生互补组合。
可选的，本方法还包括：
根据所述教师差异化分类向教师有针对性地推送教师学习资源；
根据所述学生差异化分类向学生有针对性地推送学生学习资源。
可选的，本方法还包括：
标识所述教师差异化分类数据对应的教师所在的区域等级；所述区域等 级为一线城市、二线城市、三线城市、乡镇或农村；
所述根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师 与教师互补组合、教师与学生互补组合、学生与学生互补组合，包括：
根据所述教师差异化分类数据和所述学生差异化分类数据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与 学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生 互补组合。
可选的，本方法还包括：
根据所述教师职业能力数据、所述学生学习能力数据、教师差异化分类 数据和学生差异化分类数据统计得到各学校的教育发展数据和各区域的教育 发展数据；
根据所述各学校的教育发展数据和各区域的教育发展数据分配教育资 源。
可选的，所述教师职业能力数据包括品质数据、知识数据和能力数据；
所述通过教师职业能力测评系统收集教师职业能力数据，包括：
获取待测评教师的基本职业信息；
根据所述基本职业信息自动匹配职业能力的测试等级标准、测试大纲及 测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评教师的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细 节得到教师职业能力数据。
可选的，所述学生学习能力数据包括核心品质数据、知识结构数据和关 键能力数据；
所述通过学生学习能力测评系统收集学生学习能力数据，包括：
获取待测评学生基本信息；
根据所述待测评学生基本信息自动匹配学习能力的等级标准、测试大纲 及测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评学生的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细 节得到学生学习能力数据。
根据本申请的第二方面，提供一种基于人工智能和大数据的教育优化发 展装置，包括：
第一收集模块，用于通过教师职业能力测评系统收集教师职业能力数据；
第二收集模块，用于通过学生学习能力测评系统收集学生学习能力数据；
第一生成模块，用于根据所述教师职业能力数据得到教师差异化分类数 据；
第二生成模块，用于根据所述学生学习能力数据得到学生差异化分类数 据；
匹配模块，用于根据所述教师差异化分类数据和所述学生差异化分类数 据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
可选的，本装置还包括：
第一推送模块，用于根据所述教师差异化分类向教师有针对性地推送教 师学习资源；
第二推送模块，用于根据所述学生差异化分类向学生有针对性地推送学 生学习资源。
可选的，本装置还包括：
标识模块，用于标识所述教师差异化分类数据对应的教师所在的区域等 级；所述区域等级为一线城市、二线城市、三线城市、乡镇或农村；
所述匹配模块包括：
匹配单元，用于根据所述教师差异化分类数据和所述学生差异化分类数 据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与 学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生 互补组合。根据本申请的第三方面，提供一种基于人工智能和大数据的教育 优化发展系统，包括：
大数据应用平台；
与所述大数据应用平台相连接的教师职业能力测评系统、学生学习能力 测评系统、学校发展测评系统、区域教育发展测评系统、匹配系统及资源推 送系统；
所述教师职业能力测评系统用于收集教师职业能力数据，以得到教师差 异化分类数据；
所述学生学习能力测评系统用于收集学生学习能力数据，以得到学生差 异化分类数据；
所述学校发展测评系统用于根据所述教师职业能力数据、所述学生学习 能力数据、教师差异化分类数据和学生差异化分类数据统计得到各学校的教 育发展数据；
所述区域教育发展测评系统用于根据所述各学校的教育发展数据统计得 到各区域的教育发展数据；
所述匹配系统用于根据所述教师差异化分类数据和所述学生差异化分类 数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合 以及根据所述各学校的教育发展数据和各区域的教育发展数据分配教育资 源；
所述资源推送系统用于根据所述教师差异化分类向教师有针对性地推送 教师学习资源及根据所述学生差异化分类向学生有针对性地推送学生学习资 源。
本申请提供的技术方案可以包括以下有益效果：通过教师职业能力测评 系统收集教师职业能力数据；通过学生学习能力测评系统收集学生学习能力 数据；根据所述教师职业能力数据得到教师差异化分类数据；根据所述学生 学习能力数据得到学生差异化分类数据；根据所述教师差异化分类数据和所 述学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合。基于此，便可以根据教师差异化分类数据与学生差异化 分类数据进行教育资源的匹配，职业能力强的教师与职业能力差的教师组合， 有针对性地提升职业能力差的教师的职业能力，以此类推，使教育资源的分 配更具针对性，促使教育优化发展。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性 的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申 请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请的实施例一提供的一种基于人工智能和大数据的教育优化 发展方法的流程示意图。
图2是本申请的实施例二提供的一种基于人工智能和大数据的教育优化 发展装置的结构示意图。
图3是本申请的实施例三提供的一种基于人工智能和大数据的教育优化 发展系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的 描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的 要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所 有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一 些方面相一致的装置和方法的例子。
实施例一
请参阅图1，图1是本申请的实施例一提供的一种基于人工智能和大数据 的教育优化发展方法的流程示意图。
本实施例提供的基于人工智能和大数据的教育优化发展方法包括：
步骤11、通过教师职业能力测评系统收集教师职业能力数据；
步骤12、通过学生学习能力测评系统收集学生学习能力数据；
步骤13、根据所述教师职业能力数据得到教师差异化分类数据；
步骤14、根据所述学生学习能力数据得到学生差异化分类数据；
步骤15、根据所述教师差异化分类数据和所述学生差异化分类数据匹配 教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
由于通过教师职业能力测评系统收集教师职业能力数据；通过学生学习 能力测评系统收集学生学习能力数据；根据所述教师职业能力数据得到教师 差异化分类数据；根据所述学生学习能力数据得到学生差异化分类数据；根 据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教师互补 组合、教师与学生互补组合、学生与学生互补组合。基于此，便可以根据教 师差异化分类数据与学生差异化分类数据进行教育资源的匹配，职业能力强 的教师与职业能力差的教师组合，有针对性地提升职业能力差的教师的职业 能力，以此类推，使教育资源的分配更具针对性，促使教育优化发展。
其中，教师职业能力可以包括三个部分：品质结构部分、知识结构部分、 能力结构部分，可以由上述三个部分形成教师指标体系，具体内容可以如表1 所示：
表1
在步骤11中，教师职业能力测评系统会根据上述教师指标体系收集教师 职业能力数据，会得到上述指标体系中根据预设值得到教师的优秀指标和较 差指标，构成步骤13中的教师差异化分类数据。
另外，学生学习能力也可以包括三个部分：核心品质部分、知识结构部 分、关键能力部分，可以由上述三个部分形成学生指标体系，具体内容可以 如表2所示：
表2
在步骤12中学生学习能力测评系统会根据上述学生指标体系收集学生学 习能力数据，会得到上述指标体系中根据预设值得到学生的优秀指标和较差 指标，构成步骤14中的学生差异化分类数据。
需要说明的是，上述教师指标体系和学生指标体系中的具体内容可以根 据实际需求进行修改。
步骤15中，根据所述教师差异化分类数据和所述学生差异化分类数据匹 配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合，具体 可以为：
根据教师的优秀指标和较差指标匹配教师与教师互补组合，针对某一指 标，分配该指标为优秀的教师去帮扶该指标为较差的教师，以提升该指标较 差的教师对应于该指标的能力；
根据教师的优秀指标和学生的较差指标匹配教师与学生互补组合，有针 对性地将优质资源进行分配，有针对性的对学生进行教学，从真正意义上实 现因材施教。
根据学生的优秀指标和较差指标匹配学生与学生互补组合，针对某一指 标，分配该指标为优秀的学生去帮扶该指标为较差的学生，由于学生之间年 龄相仿，互相帮扶的帮扶质量更佳，因此，这种组合可以在一定程度上提升 该指标较差的学生对应于该指标的能力。
进一步地，还可以根据所述教师差异化分类向教师有针对性地推送教师 学习资源；根据所述学生差异化分类向学生有针对性地推送学生学习资源。 学习资源可以是发展建议、学习建议、知识内容，学习资源的形式可以是视 频、音频等可以承载信息的信息载体。上述推送的过程可以通过人工智能技 术实现。
另外，在匹配上述步骤15中的组合时，由于当前的教育资源分布不均衡， 教师和学生的知识储备和接受能力也具有较大差距，因此，在匹配时，若将 差距较大的教师组或者学生组合在一起，互补的效果可能会比较差，因此， 本实施例提供一种按区域等级组合的方法，其中，区域等级由高到低可以包 括一线城市、二线城市、三线城市、乡镇或农村。
具体的，步骤15可以包括：
根据所述教师差异化分类数据和所述学生差异化分类数据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与 学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生 互补组合。
通过上述方法，使各等级的教育资源能有针对性的有效下沉，各区域等 级教师、学生的能力水平可以得到逐步的稳定提升，进而逐步实现城乡教育 均衡。
需要说明的是，步骤15中，匹配教师与教师互补组合、教师与学生互补 组合、学生与学生互补组合可以通过人工智能技术来实现，通过人工智能技 术，针对某一指标，分配该指标为优秀的教师去帮扶该指标为较差的教师， 以提升该指标较差的教师对应于该指标的能力；通过人工智能技术，有针对 性地将优质资源进行分配，有针对性的对学生进行教学，从真正意义上实现 因材施教；通过人工智能技术，针对某一指标，分配该指标为优秀的学生去 帮扶该指标为较差的学生，由于学生之间年龄相仿，互相帮扶的帮扶质量更 佳，因此，这种组合可以在一定程度上提升该指标较差的学生对应于该指标 的能力。
另外，还可以根据所述教师职业能力数据、所述学生学习能力数据、教 师差异化分类数据和学生差异化分类数据统计得到各学校的教育发展数据和 各区域的教育发展数据。
通过教师职业能力数据形成的教师评估大数据和通过学生学习能力数据 形成的学生评估大数据，形成以教师和学生为核心的对学校发展的科学评估 数据，即各学校的教育发展数据。
基于上述教师评估大数据、学生评估大数据和各学校的教育发展数据形 成对区域的教育评估数据，即各区域的教育发展数据。
然后根据所述各学校的教育发展数据和各区域的教育发展数据分配教育 资源，促进城乡学校互动发展，基于上述数据分析区域教育现状，得到区域 教育决策和教育改革，实现区域与区域之间的精准结对和精准帮扶。
另外，可以通过人工智能技术根据上述各学校的教育发展数据和各区域 的教育发展数据给出学校发展建议或区域发展建议，在形成区域教育决策和 教育改革中作为依据和支持。
另外，本实施例中，所述通过教师职业能力测评系统收集教师职业能力 数据，包括：
获取待测评教师的基本职业信息；
根据所述基本职业信息自动匹配职业能力的测试等级标准、测试大纲及 测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评教师的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细 节得到教师职业能力数据。
获取待测评教师的基本职业信息，然后根据基本职业信息自动匹配生成 职业能力的测试等级标准、测试大纲和测试细节，在获取到所述待测评教师 的测评数据后，根据所述测评数据与所述自动匹配的测试等级标准、测试大 纲及测试细节得到教师职业能力数据。基于此，上述测试等级标准、测试大 纲和测试细节均是预先存储在数据库中的，所以其评判标准是统一的，而得 到测评结果的手段是较大程度地采用非人工的手段，一定程度上避免了测评 的主观性，测评结果更加准确。
其中，测试等级标准、测试大纲及测试细节各分为四个部分：教师基础 能力、教师教学能力、教师教育能力和教师教研与发展能力。
首先对于测试等级标准，对教师基础能力、教师教学能力、教师教育能 力和教师教研与发展能力分别赋予等级标准，所述等级标准包括员级、助理 级、中级、高级和正高级。
然后，根据赋予教师基础能力、教师教学能力、教师教育能力和教师教 研与发展能力各部分的等级标准，对各部分拟定测试大纲，其中，测试大纲 的内容可以包括测试要求与标准、测试内容和测试规则。
最后，根据赋予上述各部分的等级标准以及对各部分拟定的测试大纲拟 定测试细则，所述测试细则可以包括测试点、测试内容和要求、权重和给扣 分办法。
测评数据的可以有多种，比如可以是待测评教师的常态化课堂记录，所 述常态化课堂记录为教师日常上课时的录像、录音等文件和数据。
当测评数据为待测评教师的常态化课堂记录时，步骤14中根据所述测评 数据与所述自动匹配的测试等级标准、测试大纲及测试细节得到测评结果的 方法也可以有多种：
第一种是通过深度神经网络训练模型，形成智能识别系统，可以将常态 化课堂记录中的有关测试点的内容解析出来并对其评分，形成全自动的人工 智能测评系统。
第二种可以包括以下几个步骤：
将所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细节 发送到多个后台终端；
获取测评专家通过所述多个后台终端输入的各测评结果子数据；
将所述各测评结果子数据汇总为所述测评结果。
这种方法为后台专家测评的方法。
另外，测评数据除了常态化课堂记录外，还可以是待测评教师针对测评 试卷给出的答案信息，其中测评试卷是根据所述测试等级标准、测试大纲及 测试细节从数据库中获取试题而生成的。
其中，测试试卷生成体系可以称为内容体系，内容体系可以分学科、学 段、等级进行建设。其中学科可以有语文、数学、外语、物理、化学、生物、 历史、地理、思想品德、音乐、美术、体育；学段可以包括小学、初中、高 中；等级可以包括预备级、初级、中级、高级、正高级。
需要说明的是，测评数据还可以是上述答案信息与常态化课堂记录的结 合。其结合方式可以为根据权重计算总分的方式。
进一步地，本实施例的方法中的测评结果可以包括测评成绩和等级证书， 其中测评成绩可以具体到上述教师基础能力、教师教学能力、教师教育能力 和教师教研与发展能力各部分的详细成绩。
需要说明的是，本实施例中的基本职业信息可以包括身份信息、教学学 科信息、学段信息和待测评教师现阶段职业能力等级信息，还可以包括待测 评教师已通过的等级考试成绩；所述等级考试包括国家级或省级的能力等级 考试。本方法可以直接获取国家级、省级的相关测试成绩，与国家、省级已 有的相关测试高度结合，比如，计算机等级考试、普通话等级考试、教师资 格证考试等，与之相辅相成，可以避免重复测试的问题，形成闭合的教师职 业能力测评体系。
另外，对在实施本方法前或者过程中，需要对其效度信度进行检测，检 测过程可以包括如下步骤：
测试标准制定与反复论证修改；
围绕国家教育教学改革精心制作内容体系；
师范生试测，进行效度信度检测；
培训教师试测，进行效度信度检测；
中小学教师样本试测，进行效度信度检测；
对合作区域内教师试测，进行效度信度检测；
根据上述检测得到的数据建模；
成果总结推广；
建设教师职业能力测试信息化平台。
其中，所述教师职业能力测试信息化平台可以包括：评估网上预约系统、 评价内容生成系统、评估要素采集系统、能力评估系统、评估结果反馈系统 和后续服务系统。
评估网上预约系统可以包括时间地点的选择、项目评估的选择和个人成 长档案的建立，其中，个人成长档案的建立即为获取待测评教师的基本职业 信息。
评价内容生成系统执行的内容即根据所述基本职业信息自动匹配职业能 力的测试等级标准、测试大纲及测试细节；所述测试等级标准、测试大纲及 测试细节预先存储在数据库中。
评估要素采集系统执行的内容即获取所述待测评教师的测评数据。
能力评估系统执行的内容即根据所述测评数据与所述自动匹配的测试等 级标准、测试大纲及测试细节得到测评结果。
另外，评估结果反馈系统执行的内容为上述所说的教师职业能力数据， 即测评成绩和等级证书，此处，还可以包括自动生成发展报告，用来建议教 师发展的方向。
后续服务系统执行的内容即根据所述测评结果推送发展建议、学习资源 或学习指导中的任一项或任意组合项，以提高教师的职业能力。
需要说明的是，上述教师职业能力测试信息化平台可以应用到多个场景 中，下面对多个应用场景进行说明。
可以应用的第一种场景为师范生教师职业能力训练和管理。
利用上述教师职业能力测试信息化平台对师范生进行教师基础能力、教 师教学能力、教师教育能力和教师教研与发展能力各部分的测试，根据测试 结果安排师范生教师职业技能训练项目，强化师范生教师职业能力考核与评 价。
可以应用的第二种场景为各级培训项目。
首先利用上述教师职业能力测试信息化平台在培训前进行摸底测试，将 参与培训人员的职业能力的强项与弱项标识出来，提高培训的针对性；
然后在培训的过程中，可以利用上述教师职业能力测试信息化平台对参 与培训人员进行测试，根据测试的结果调整培训的内容，使培训更具实效性；
另外，在培训完成后利用上述教师职业能力测试平台对参训人员进行测 试，根据测试结果总结培训的效果，增强培训的应用性。
可以应用的第三种场景为教师职业能力诊断与发展。
待诊断教师可以在上述教师职业能力测试平台输入个人信息以及测试诉 求，平台自动生成测试题目，平台接收到教师输入的答案信息后根据所述答 案信息对教师进行评改与等级评定，生成能力发张建议报告。
除上述3种场景外，可以应用的场景还有很多，比如，教师能力评估考 核、教师人事改革、区域教育诊断与发展、教师教育质量监控与评估。
另外，本实施例中所述通过学生学习能力测评系统收集学生学习能力数 据，包括：
获取待测评学生基本信息；
根据所述待测评学生基本信息自动匹配学习能力的等级标准、测试大纲 及测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评学生的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细 节得到学生学习能力数据。
上述过程与通过教师职业能力测评系统收集教师职业能力数据类似，此 处不再赘述。
通过深度神经网络训练模型，形成智能识别系统，可以将学生基本信息 中的有关测试点的内容解析出来并对其评分，形成全自动的人工智能测评系 统。其中，学生的基本信息包括通过图像信息采集装置采集的学生在校表现 以及作业完成的详细情况等与学习相关的所有信息。
本实施例中学生学习能力测评系统即学生综合素质测试信息化平台的建 设过程大致如下：
标准制定与反复论证修改；
围绕国家教育教学改革精心制作内容体系；
分区域选点，部分学生试测，进行效度信度检测；
区域学生试测，进行效度信度检测；
建模；
成果总结推广；
建设学生综合素质测试信息化平台。
上述学生综合素质测试信息化平台可应用于学生个人发展潜力诊断、学 生综合或单项素质发展推动、学生发展路径选择、学生综合素质(或单项素 质)评估、考试选拔改革、人才云图建立、国家决策依据。
实施例二
请参阅图2，图2是本申请的实施例二提供的一种基于人工智能和大数据 的教育优化发展装置的结构示意图。
本实施例提供的基于人工智能和大数据的教育优化发展装置包括：
第一收集模块21，用于通过教师职业能力测评系统收集教师职业能力数 据；
第二收集模块22，用于通过学生学习能力测评系统收集学生学习能力数 据；
第一生成模块23，用于根据所述教师职业能力数据得到教师差异化分类 数据；
第二生成模块24，用于根据所述学生学习能力数据得到学生差异化分类 数据；
匹配模块25，用于根据所述教师差异化分类数据和所述学生差异化分类 数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
进一步地，本装置还包括：
第一推送模块，用于根据所述教师差异化分类向教师有针对性地推送教 师学习资源；
第二推送模块，用于根据所述学生差异化分类向学生有针对性地推送学 生学习资源。
进一步地，本装置还包括：
标识模块，用于标识所述教师差异化分类数据对应的教师所在的区域等 级；所述区域等级为一线城市、二线城市、三线城市、乡镇或农村；
所述匹配模块包括：
匹配单元，用于根据所述教师差异化分类数据和所述学生差异化分类数 据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学 生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与 学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生 互补组合。
实施例三
请参阅图3，图3是本申请实施例三提供的一种基于人工智能和大数据的 教育优化发展系统的结构示意图。
如图3所示，本实施例提供的基于人工智能和大数据的教育优化发展系 统包括：
大数据应用平台31；
与所述大数据应用平台相连接的教师职业能力测评系统32、学生学习能 力测评系统33、学校发展测评系统34、区域教育发展测评系统35、匹配系统 36及资源推送系统37；
所述教师职业能力测评系统用于收集教师职业能力数据，以得到教师差 异化分类数据；
所述学生学习能力测评系统用于收集学生学习能力数据，以得到学生差 异化分类数据；
所述学校发展测评系统用于根据所述教师职业能力数据、所述学生学习 能力数据、教师差异化分类数据和学生差异化分类数据统计得到各学校的教 育发展数据；
所述区域教育发展测评系统用于根据所述各学校的教育发展数据统计得 到各区域的教育发展数据；
所述匹配系统用于根据所述教师差异化分类数据和所述学生差异化分类 数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合 以及根据所述各学校的教育发展数据和各区域的教育发展数据分配教育资 源；
所述资源推送系统用于根据所述教师差异化分类向教师有针对性地推送 教师学习资源及根据所述学生差异化分类向学生有针对性地推送学生学习资 源。
以上述系统为基础，形成长期真实、持续和稳定的数据记录，建立教育 大数据，形成清晰的教育区域人才结构云图，实现教师的“教”和学生的“学” 精准匹配。为政府教育产业配置和教育人才选择提供科学的依据和参考。改 变人才培养模式、就业模式和职后成长模式。为教育管理部门及中小学提供 系统服务、数据共享。不断丰富系统性教师成长和学生学习资源，有效对接 行业、教育管理部门、家长和服务机构，构建教育行业大平台。最终能贡献 一个效益巨大的的大数据产业。
通过信息化评估平台，建立学生、教师、学校、区域教育大数据，针对 性地提升教师、学校、区域教育水平，有力促进教育均衡发展，高效推进教 育教学改革；在大数据的帮助下，实现学生、教师、学校、就业市场之间的 最优匹配，实现因材施教、学以致用；与教育信息化建设融为一体，实现教 育诊断、智能实训、能力评估、发展跟踪以及大数据、云服务无缝对接，实 现教师教育、教师培养培训的职前职后一体化。为教育管理部门与兄弟院校及中小学提供系统服务、数据共享。不断丰富系统性教师成长和学生学习资 源，有效对接行业、教育管理部门、家关于上述实施例中的装置，其中各个 模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此 处将不做详细阐述说明。
另外，可以利用上述实施例完成教育精准扶贫。
首先提供教育软硬件支持，在贫困学校安装教师测评培训系统软件、硬 件。硬件可以包括网络摄像头、远程智能电视、平板电脑等信息化终端。教 育专家、师范生和大学生志愿者帮助贫困师生学会使用平板电脑、教学软件、 远程互联等功能。
然后，城乡教育资源进行对接，完成教育扶贫，定点对接贫困教师，线 上线下的指导贫困教师备课、上课，为他们提供有针对性的课件、教案。
定点帮扶贫困学生，进行一对一、多对一的辅导，指导他们的学习、成 长，互相交流。
由第三方专业人士进行技能培训，对贫困地区的师生、及贫困户展开农 业专项技术、医疗健康等领域的技能培训。
外出务工的父母可以通过上述实施例中的系统、平台视频了解留守学生 的学习生活状况，使留守儿童得到家庭的关心、身心健康得成长。
由此，可以实现城市学校与贫困农村学校通过互联网对接，实现同步课 堂，弥补农村师资力量的不足，城市教师与贫困农村教师通过互联网对接， 实现教师之间的帮扶和互补，城市学生通过互联网与农村学生对接，相互交 流、共同学习，让贫困学生的视野走出大山，了解外面的世界。
最后，形成全社会共同参与的扶贫爱心平台，为每个贫困学生、贫困教 师及家庭构建公开的扶贫数据档案，让全社会每个人都可以通过手机、电脑 了解到透明的扶贫记录，真实的脱贫需求。共同参与设计扶贫方案、监督扶 贫过程。形成长期、持续的精准扶贫，让脱贫师生及家庭不再重返贫困。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些 实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于 描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中， 除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为， 表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的 代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实 现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时 的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域 的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实 现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的 指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另 一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来 实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具 有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可 编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或 部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一 种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或 其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模 块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模 块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立 的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示 例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描 述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例 中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或 示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多 个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施 例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申 请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于人工智能和大数据的教育优化发展方法，其特征在于，包括：
通过教师职业能力测评系统收集教师职业能力数据；
通过学生学习能力测评系统收集学生学习能力数据；
根据所述教师职业能力数据得到教师差异化分类数据；
根据所述学生学习能力数据得到学生差异化分类数据；
根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
2.根据权利要求1所述的方法，其特征在于，还包括：
根据所述教师差异化分类向教师有针对性地推送教师学习资源；
根据所述学生差异化分类向学生有针对性地推送学生学习资源。
3.根据权利要求1所述的方法，其特征在于，还包括：
标识所述教师差异化分类数据对应的教师所在的区域等级；所述区域等级为一线城市、二线城市、三线城市、乡镇或农村；
所述根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合，包括：
根据所述教师差异化分类数据和所述学生差异化分类数据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
4.根据权利要求1所述的方法，其特征在于，还包括：
根据所述教师职业能力数据、所述学生学习能力数据、教师差异化分类数据和学生差异化分类数据统计得到各学校的教育发展数据和各区域的教育发展数据；
根据所述各学校的教育发展数据和各区域的教育发展数据分配教育资源。
5.根据权利要求1所述的方法，其特征在于，所述教师职业能力数据包括品质数据、知识数据和能力数据；
所述通过教师职业能力测评系统收集教师职业能力数据，包括：
获取待测评教师的基本职业信息；
根据所述基本职业信息自动匹配职业能力的测试等级标准、测试大纲及测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评教师的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细节得到教师职业能力数据。
6.根据权利要求1所述的方法，其特征在于，所述学生学习能力数据包括核心品质数据、知识结构数据和关键能力数据；
所述通过学生学习能力测评系统收集学生学习能力数据，包括：
获取待测评学生基本信息；
根据所述待测评学生基本信息自动匹配学习能力的等级标准、测试大纲及测试细节；所述测试等级标准、测试大纲及测试细节预先存储在数据库中；
获取所述待测评学生的测评数据；
根据所述测评数据与所述自动匹配的测试等级标准、测试大纲及测试细节得到学生学习能力数据。
7.一种基于人工智能和大数据的教育优化发展装置，其特征在于，包括：
第一收集模块，用于通过教师职业能力测评系统收集教师职业能力数据；
第二收集模块，用于通过学生学习能力测评系统收集学生学习能力数据；
第一生成模块，用于根据所述教师职业能力数据得到教师差异化分类数据；
第二生成模块，用于根据所述学生学习能力数据得到学生差异化分类数据；
匹配模块，用于根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
8.根据权利要求7所述的装置，其特征在于，还包括：
第一推送模块，用于根据所述教师差异化分类向教师有针对性地推送教师学习资源；
第二推送模块，用于根据所述学生差异化分类向学生有针对性地推送学生学习资源。
9.根据权利要求7所述的装置，其特征在于，还包括：
标识模块，用于标识所述教师差异化分类数据对应的教师所在的区域等级；所述区域等级为一线城市、二线城市、三线城市、乡镇或农村；
所述匹配模块包括：
匹配单元，用于根据所述教师差异化分类数据和所述学生差异化分类数据匹配：
一线城市与二线城市的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
二线城市与三线城市的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
三线城市与乡镇的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合；
乡镇与农村的教师与教师互补组合、教师与学生互补组合、学生与学生互补组合。
10.一种基于人工智能和大数据的教育优化发展系统，其特征在于，包括：
大数据应用平台；
与所述大数据应用平台相连接的教师职业能力测评系统、学生学习能力测评系统、学校发展测评系统、区域教育发展测评系统、匹配系统及资源推送系统；
所述教师职业能力测评系统用于收集教师职业能力数据，以得到教师差异化分类数据；
所述学生学习能力测评系统用于收集学生学习能力数据，以得到学生差异化分类数据；
所述学校发展测评系统用于根据所述教师职业能力数据、所述学生学习能力数据、教师差异化分类数据和学生差异化分类数据统计得到各学校的教育发展数据；
所述区域教育发展测评系统用于根据所述各学校的教育发展数据统计得到各区域的教育发展数据；
所述匹配系统用于根据所述教师差异化分类数据和所述学生差异化分类数据匹配教师与教师互补组合、教师与学生互补组合、学生与学生互补组合以及根据所述各学校的教育发展数据和各区域的教育发展数据分配教育资源；
所述资源推送系统用于根据所述教师差异化分类向教师有针对性地推送教师学习资源及根据所述学生差异化分类向学生有针对性地推送学生学习资源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811265001.3A CN109376169A (zh) | 2018-10-26 | 2018-10-26 | 基于人工智能和大数据的教育优化发展方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811265001.3A CN109376169A (zh) | 2018-10-26 | 2018-10-26 | 基于人工智能和大数据的教育优化发展方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109376169A true CN109376169A (zh) | 2019-02-22 |
Family
ID=65390213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811265001.3A Pending CN109376169A (zh) | 2018-10-26 | 2018-10-26 | 基于人工智能和大数据的教育优化发展方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109376169A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197256A (zh) * | 2019-04-30 | 2019-09-03 | 济南大学 | 一种基于类神经网络的专业认证权重优化方法及系统 |
| CN111507581A (zh) * | 2020-03-26 | 2020-08-07 | 威比网络科技(上海)有限公司 | 基于语速的课程匹配方法、系统、设备及存储介质 |
| CN112509403A (zh) * | 2020-11-03 | 2021-03-16 | 郑州大学体育学院 | 一种具有辅助学习功能的在线英语学习系统 |
| CN116578755A (zh) * | 2022-03-30 | 2023-08-11 | 江苏控智电子科技有限公司 | 基于人工智能和大数据的信息分析系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080014569A1 (en) * | 2006-04-07 | 2008-01-17 | Eleutian Technology, Llc | Teacher Assisted Internet Learning |
| CN103456196A (zh) * | 2013-05-23 | 2013-12-18 | 陈飞 | 依据群体信息进行个体教学资源递送及制作的装置和方法 |
| CN105184520A (zh) * | 2015-10-22 | 2015-12-23 | 成都往来教育科技有限公司 | 教师职业能力测评方法及装置 |
| CN105719206A (zh) * | 2016-01-01 | 2016-06-29 | 河南牧业经济学院 | 一种高等教育教学资源配置与分析系统 |
| CN108564502A (zh) * | 2018-04-20 | 2018-09-21 | 蔡丽煌 | 一种基于移动互联的高效互动式教学系统 |
| CN108596480A (zh) * | 2018-04-24 | 2018-09-28 | 北京菲尔麦德咨询有限公司 | 块型教育资源配置方法 |
-
2018
- 2018-10-26 CN CN201811265001.3A patent/CN109376169A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080014569A1 (en) * | 2006-04-07 | 2008-01-17 | Eleutian Technology, Llc | Teacher Assisted Internet Learning |
| CN103456196A (zh) * | 2013-05-23 | 2013-12-18 | 陈飞 | 依据群体信息进行个体教学资源递送及制作的装置和方法 |
| CN105184520A (zh) * | 2015-10-22 | 2015-12-23 | 成都往来教育科技有限公司 | 教师职业能力测评方法及装置 |
| CN105719206A (zh) * | 2016-01-01 | 2016-06-29 | 河南牧业经济学院 | 一种高等教育教学资源配置与分析系统 |
| CN108564502A (zh) * | 2018-04-20 | 2018-09-21 | 蔡丽煌 | 一种基于移动互联的高效互动式教学系统 |
| CN108596480A (zh) * | 2018-04-24 | 2018-09-28 | 北京菲尔麦德咨询有限公司 | 块型教育资源配置方法 |
Non-Patent Citations (2)
| Title |
|---|
| 徐娟: "合作学习在小学四年级英语教学中的应用研究", 《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》 * |
| 黎琼锋: "《追寻幸福 教师专业发展之路》", 31 July 2017, 广西师范大学出版社 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110197256A (zh) * | 2019-04-30 | 2019-09-03 | 济南大学 | 一种基于类神经网络的专业认证权重优化方法及系统 |
| CN110197256B (zh) * | 2019-04-30 | 2022-10-11 | 济南大学 | 一种基于类神经网络的专业认证权重优化方法及系统 |
| CN111507581A (zh) * | 2020-03-26 | 2020-08-07 | 威比网络科技(上海)有限公司 | 基于语速的课程匹配方法、系统、设备及存储介质 |
| CN111507581B (zh) * | 2020-03-26 | 2023-07-14 | 平安直通咨询有限公司 | 基于语速的课程匹配方法、系统、设备及存储介质 |
| CN112509403A (zh) * | 2020-11-03 | 2021-03-16 | 郑州大学体育学院 | 一种具有辅助学习功能的在线英语学习系统 |
| CN116578755A (zh) * | 2022-03-30 | 2023-08-11 | 江苏控智电子科技有限公司 | 基于人工智能和大数据的信息分析系统及方法 |
| CN116578755B (zh) * | 2022-03-30 | 2024-01-09 | 张家口微智网络科技有限公司 | 基于人工智能和大数据的信息分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Civitillo et al. | Challenging beliefs about cultural diversity in education: A synthesis and critical review of trainings with pre-service teachers | |
| Yılmaz | Young children’s number sense development: Age related complexity across cases of three children | |
| Hsiao | The culturally responsive teacher preparedness scale: An exploratory study. | |
| Frejd | Modes of modelling assessment—A literature review | |
| Mapeala et al. | The development and validation of a test of science critical thinking for fifth graders | |
| Nuangchalerm | TPACK in ASEAN Perspectives: Case Study on Thai Pre-Service Teacher. | |
| Bastian et al. | Teacher noticing and its growth toward expertise: An expert–novice comparison with pre-service and in-service secondary mathematics teachers | |
| CN109376169A (zh) | 基于人工智能和大数据的教育优化发展方法、装置及系统 | |
| Akl | Problem Based Learning (PBL) in Teacher Education: A Review of the Effect of PBL on Pre-Service Teachers' Knowledge and Skills. | |
| Lopez-Caudana et al. | Robotic platform for teaching maths in junior high school | |
| Song et al. | STEM teachers’ preparation, teaching beliefs, and perceived teaching competence: A multigroup structural equation approach | |
| Dollar et al. | Evaluating a graduate program of English language teacher education | |
| CN110428173B (zh) | 一种基于教学大数据的开放式实训课程评价系统 | |
| Ziegenfuss et al. | Beyond the Click: Rethinking Assessment of an Adult Professional Development MOOC. | |
| Reddy et al. | Digital Literacy: A Catalyst for the 21 st Century Education | |
| Surahman et al. | In-service STEM teachers professional development programmes: A systematic literature review 2018–2022 | |
| Zulueta et al. | Scenario-based microlearning strategy for improved basic science process skills in self-directed learning | |
| Saleh et al. | Predicting student performance using data mining and learning analysis technique in Libyan Higher Education | |
| Şahin et al. | A new model to assess mathematical power | |
| AFANASYEVA et al. | Teacher's readiness to increase the degree of continuity of education: Concepts and means of evaluation | |
| Arora | Artificial Intelligence: New pathways and challenges in higher education | |
| Boateng | Lecturers’ acceptance and use of ICT tools in Ghanaian Colleges of Education | |
| CN109360129A (zh) | 教师职业能力测评方法、装置及设备 | |
| Антонова et al. | Adaptive educational web-environment aimed at ensuring the activities of supporting educational institutions of the depressive region (Zhytomyr) in the conditions of educational network optimization | |
| Allen et al. | Using the One Minute Paper to Gain Insight into Potential Threshold Concepts in Artificial Intelligence Courses |
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: 20190222 |