CN109523442A - 一种基于校园教育系统的大数据分析方法 - Google Patents
一种基于校园教育系统的大数据分析方法 Download PDFInfo
- Publication number
- CN109523442A CN109523442A CN201811578111.5A CN201811578111A CN109523442A CN 109523442 A CN109523442 A CN 109523442A CN 201811578111 A CN201811578111 A CN 201811578111A CN 109523442 A CN109523442 A CN 109523442A
- Authority
- CN
- China
- Prior art keywords
- data
- student
- target
- model
- big
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000006698 induction Effects 0.000 claims abstract description 4
- 238000013499 data model Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000052 comparative effect Effects 0.000 abstract 1
- 238000007619 statistical method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000021170 buffet Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012163 sequencing technique 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
-
- 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
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
本发明涉及大数据分析领域,具体公开了一种基于校园教育系统的大数据分析方法,根据学生数据库中的学生数据,通过:数据分类、建立数学模型、分析目标、数据归纳、统计分析、结果推送的步骤,将分析目标的数据与大数据中相同模型的学生数据进行统一对比,并根据预设策略显示出分析目标数据对比情况。本发明可以帮助学生、家长和教职人员更准确及时的通过学生数据与大数据分析的数据进行比对,得知学生的学习是否有偏差或者遗漏,个人在校时间分配是否合理;学习效率、学习重点如何调整才能进一步提高学习效果。
Description
技术领域
本发明涉及大数据分析领域,具体公开了一种基于校园教育系统的大数据分析方法。
背景技术
近年来,学生的教育与成绩逐渐成为家庭和社会的关注重点,挑选教学条件优质的学校成为了家长与孩子择校的关键考察因素。随着数字技术的发展,越来越多的院校开始建设自己的数字化系统,数字化教学系统的优劣,成为了新一轮各大院校比拼教学资源的前沿阵地。
公司进入学校,可以实时掌握学校教学师资、教育管理情况、学生学习情况等各项丰富的数据资源,在大数据成为新能源的未来,这无疑是一座巨大的富矿。从大数据的收集到分析,最终实现教育系统的智能化,是所有教育机构的目标。然而现有的教学系统开发,普遍是由校方提出需求,寻找系统开发公司进行功能性的教育系统开发,基本都只注重功能的使用效果和系统性能的优化,缺乏有效数据的收集与利用的规划,对教育系统内数据的运用与分析,均停留在简单的报表与统计之中,缺乏针对教育系统的专业化大数据分析系统。
教师分析学生学习情况时,针对大量的数据和信息只能根据经验得出一个模糊的结论,家长和学生针对自己的学习情况更是只能与身边的同学进行简单比较,难以精确的判断自己的不足与欠缺。
发明内容
为了克服上述问题,本发明提供一种基于校园教育系统的大数据分析方法。
本发明采用的技术方案是:一种基于校园教育系统的大数据分析方法,包含学生数据库,所述的大数据分析方法包含步骤如下:
S1.数据分类,将知识点量化数据、考试分数数据分类为学习数据,将课堂行为记录、在校行程分为动态数据,将学生个人信息、家长信息、校园一卡通消费记录进行量化统计并分为环境数据,将学生点评数据分为评价数据;
S2.建立数学模型,针对不同的学期和所属院校分别建立数学模型,数学模型用于将大数据进行分类归纳;
S3.分析目标,针对分析作为目标的学生个人或群体,提取个人或群体的学生数据,记录各数据的参数范围和平均值为目标数据;
S4.数据归纳,按照数学模型的和目标数据,将学生数据库的数据进行分类筛选,筛选出所有相同数学模型的比对数据1,筛选出所有具有相同数据模型和目标数据的比对数据2;
S5.统计分析,针对学生数据1和学生数据2的数据进形各类数据的分别求平均数计算和计数统计,输出为统计数据;
S6.结果推送,比较目标数据与统计数据,得出目标学生个人或群体针对该学期和近似范围学生的,通过预设策略将比较结果推送或显示给相关人员查看。
作为优选的,所述的学生数据库包括多所院校历年全部学生的个人信息、家长信息、知识点量化数据、考试分数数据、课堂行为记录、在校行程、校园一卡通消费记录、学生点评数据。
优选的,所述的步骤S5求平均数时,排除数据中1%的最大的数据和1%的最小的数据作为异常数据不纳入计算。
优选的,所述的步骤S4还包括子步骤如下:
A1.常用模型保存,当相同的数据模型和目标数据筛选超过2次时,将该数学模型和目标数据的步骤S4和步骤S5的统计结果数据保存为常用模型;
A2.当步骤S4接收到的数据模型和目标数据与常用模型相同时,直接调用常用模型的数据并执行S6。
本发明的有益效果是:可以帮助学生、家长和教职人员更准确及时的通过学生数据与大数据分析的数据进行比对,得知学生的学习是否有偏差或者遗漏,个人在校时间分配是否合理,学习效率、学习重点如何调整才能进一步提高学习效果。
具体实施方式
本发明是一种基于校园教育系统的大数据分析方法,其中大数据是多所院校历年来全部学生的数据记录。
大数据保存在学生数据库中,其中包括全部学生的个人信息、家长信息、知识点量化数据、考试分数数据、课堂行为记录、在校行程、校园一卡通消费记录、学生点评数据。
个人信息主要包括性别、年龄、住址、身高、体重等数据信息。
家长信息主要包括年龄、性别、住址、收入范围、从事行业、文化水平等数据信息。
知识点量化数据是教职人员将课程的知识点录入计算机系统后,系统针对科目、年级、先后顺序进行编号,并统计对应知识点授课时学生的学习数据和对应知识点的考试题目对错情况以及作业数据,最终统计针对该知识点的学习参数。
考试分数数据是学生考试的总分数据以及错题分布数据,包括体育、艺术等课程的记录和分数在内。
课堂行为记录是通过安装在课堂内的智能学生行为分析摄像头,通过对学生的上课行为分析,统计的认证听课时间数据,以及每堂课教师针对学生的打分数据。
在校行程数据是学生的考勤数据以及校车乘坐数据,以及在校内的活动数据。
校园一卡通消费记录是学生在校通过一卡通在食堂、小卖部或者自动售货机消费的数据。
学生点评数据是教职人员和家长针对学生的定期评分数据。
大数据分析方法包含步骤如下:
S1.数据分类,将知识点量化数据、考试分数数据分类为学习数据,将课堂行为记录、在校行程分为动态数据,将学生个人信息、家长信息、校园一卡通消费记录进行量化统计并分为环境数据,将学生点评数据分为评价数据;
S2.建立数学模型,针对不同的学期和所属院校分别建立数学模型,数学模型用于将大数据进行分类归纳;
S3.分析目标,针对分析作为目标的学生个人或群体,提取个人或群体的学生数据,记录各数据的参数范围和平均值为目标数据;
S4.数据归纳,按照数学模型的和目标数据,将学生数据库的数据进行分类筛选,筛选出所有相同数学模型的比对数据1,筛选出所有具有相同数据模型和目标数据的比对数据2;
S5.统计分析,针对学生数据1和学生数据2的数据进形各类数据的分别求平均数计算和计数统计,输出为统计数据;
S6.结果推送,比较目标数据与统计数据,得出目标学生个人或群体针对该学期和近似范围学生的,通过预设策略将比较结果推送或显示给相关人员查看。
例如需要分析3年级第一学期的某学生的数据,该学生为男性,个人点评分数为8,则比对3年级第一学期的所有学生数据的数据平均模型,以及3年级第一学期的所有男性且个人点评分数为8的所有学生的数据平均模型,通过知识点量化数据、考试分数数据、课堂行为记录、在校行程等数据的对比,显示出该学生再哪一些地方低于平均水平,需要进一步完善,以及哪方面做的好,值得表扬。
步骤S4还包括子步骤如下:
A1.常用模型保存,当相同的数据模型和目标数据筛选超过2次时,将该数学模型和目标数据的步骤S4和步骤S5的统计结果数据保存为常用模型;
A2.当步骤S4接收到的数据模型和目标数据与常用模型相同时,直接调用常用模型的数据并执行S6。
常用模型的每次检索均会进行技术,当常用模型累积到一定数量后,即可通过这些检索次数最高的常用模型现出该数据模型中学生的常见情况模型,以供进一步数据分析和优化所用,亦可作为人工智能教育系统的参考数据模型。
步骤S5求平均数时,排除数据中1%的最大的数据和1%的最小的数据作为异常数据不纳入计算,以尽可能排除无效或者特异数据。
Claims (4)
1.一种基于校园教育系统的大数据分析方法,包含学生数据库,其特征是:所述的大数据分析方法包含步骤如下:
S1.数据分类,将知识点量化数据、考试分数数据分类为学习数据,将课堂行为记录、在校行程分为动态数据,将学生个人信息、家长信息、校园一卡通消费记录进行量化统计并分为环境数据,将学生点评数据分为评价数据;
S2.建立数学模型,针对不同的学期和所属院校分别建立数学模型,数学模型用于将大数据进行分类归纳;
S3.分析目标,针对分析作为目标的学生个人或群体,提取个人或群体的学生数据,记录各数据的参数范围和平均值为目标数据;
S4.数据归纳,按照数学模型的和目标数据,将学生数据库的数据进行分类筛选,筛选出所有相同数学模型的比对数据1,筛选出所有具有相同数据模型和目标数据的比对数据2;
S5.统计分析,针对学生数据1和学生数据2的数据进形各类数据的分别求平均数计算和计数统计,输出为统计数据;
S6.结果推送,比较目标数据与统计数据,得出目标学生个人或群体针对该学期和近似范围学生的,通过预设策略将比较结果推送或显示给相关人员查看。
2.根据权利要求1所述的一种基于校园教育系统的大数据分析方法,其特征是:所述的学生数据库包括多所院校历年全部学生的个人信息、家长信息、知识点量化数据、考试分数数据、课堂行为记录、在校行程、校园一卡通消费记录、学生点评数据。
3.根据权利要求1所述的一种基于校园教育系统的大数据分析方法,其特征是:所述的步骤S5求平均数时,排除数据中1%的最大的数据和1%的最小的数据作为异常数据不纳入计算。
4.根据权利要求1所述的一种基于校园教育系统的大数据分析方法,其特征是:所述的步骤S4还包括子步骤如下:
A1.常用模型保存,当相同的数据模型和目标数据筛选超过2次时,将该数学模型和目标数据的步骤S4和步骤S5的统计结果数据保存为常用模型;
A2.当步骤S4接收到的数据模型和目标数据与常用模型相同时,直接调用常用模型的数据并执行S6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811578111.5A CN109523442A (zh) | 2018-12-21 | 2018-12-21 | 一种基于校园教育系统的大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811578111.5A CN109523442A (zh) | 2018-12-21 | 2018-12-21 | 一种基于校园教育系统的大数据分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523442A true CN109523442A (zh) | 2019-03-26 |
Family
ID=65795394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811578111.5A Pending CN109523442A (zh) | 2018-12-21 | 2018-12-21 | 一种基于校园教育系统的大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523442A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110072191A (zh) * | 2019-04-23 | 2019-07-30 | 安徽致远慧联电子科技有限公司 | 基于无线技术的学生校内轨迹分析系统及分析方法 |
CN111127267A (zh) * | 2019-12-18 | 2020-05-08 | 四川文轩教育科技有限公司 | 基于测评大数据的学校教学问题分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573071A (zh) * | 2015-01-26 | 2015-04-29 | 湖南大学 | 一种基于大数据技术的校情智能分析系统及方法 |
CN108109089A (zh) * | 2017-12-15 | 2018-06-01 | 华中师范大学 | 一种教育可计算方法 |
CN108171630A (zh) * | 2017-12-29 | 2018-06-15 | 三盟科技股份有限公司 | 基于校园大数据环境下学生行为轨迹的发现方法及系统 |
CN108537517A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的校园智慧教育云平台 |
-
2018
- 2018-12-21 CN CN201811578111.5A patent/CN109523442A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573071A (zh) * | 2015-01-26 | 2015-04-29 | 湖南大学 | 一种基于大数据技术的校情智能分析系统及方法 |
CN108109089A (zh) * | 2017-12-15 | 2018-06-01 | 华中师范大学 | 一种教育可计算方法 |
CN108171630A (zh) * | 2017-12-29 | 2018-06-15 | 三盟科技股份有限公司 | 基于校园大数据环境下学生行为轨迹的发现方法及系统 |
CN108537517A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的校园智慧教育云平台 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110072191A (zh) * | 2019-04-23 | 2019-07-30 | 安徽致远慧联电子科技有限公司 | 基于无线技术的学生校内轨迹分析系统及分析方法 |
CN110072191B (zh) * | 2019-04-23 | 2021-01-12 | 安徽致远慧联电子科技有限公司 | 基于无线技术的学生校内轨迹分析系统及分析方法 |
CN111127267A (zh) * | 2019-12-18 | 2020-05-08 | 四川文轩教育科技有限公司 | 基于测评大数据的学校教学问题分析方法 |
CN111127267B (zh) * | 2019-12-18 | 2023-07-14 | 四川文轩教育科技有限公司 | 基于测评大数据的学校教学问题分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Isenberg et al. | Access to Effective Teaching for Disadvantaged Students: Executive Summary. NCEE 2014-4002. | |
CN103942993B (zh) | 一种基于irt的自适应在线测评系统及其方法 | |
Goldhaber et al. | Why don't schools and teachers seem to matter? Assessing the impact of unobservables on educational productivity | |
CN108182489A (zh) | 一种基于在线学习行为分析的个性化学习推荐方法 | |
CN108805405A (zh) | 一种教学评价系统及其构建方法 | |
Nuankaew | Dropout situation of business computer students, University of Phayao | |
CN111882247A (zh) | 一种基于综合模糊评价模型的在线学习系统评价方法 | |
CN110675676A (zh) | 一种基于微信小程序的课堂教学及时评分方法 | |
CN111260230A (zh) | 一种基于提升树模型的学业预警方法 | |
CN110232343A (zh) | 基于潜变量模型的儿童个性化行为统计分析系统及方法 | |
CN110363378A (zh) | 基于学生综合素质的测评系统 | |
CN109523442A (zh) | 一种基于校园教育系统的大数据分析方法 | |
CN110363377A (zh) | 一种学生综合素质评价系统 | |
Archbald | Measuring school choice using indicators | |
CN112364123A (zh) | 一种题库自动组题及难易度实时更新方法 | |
CN110189236A (zh) | 基于大数据的学习预警方法 | |
Huang | Teaching management data clustering analysis and implementation on ideological and political education of college students | |
Kong et al. | Construction and application of physical education teacher literacy evaluation system based on grey relational model | |
CN113284011A (zh) | 一种基于学习测评数据的个性化认知诊断方法 | |
CN111524048B (zh) | 一种基于大数据分析的职业教育教学诊断与改进系统 | |
CN111339386A (zh) | 一种智慧课堂教学活动推荐方法及系统 | |
Wu | Higher Education Environment Monitoring and Quality Assessment Model Using Big Data Analysis and Deep Learning | |
Geng et al. | The Connotation and Strategy of College Students' Behavior Analysis under the Background of Big Data | |
CN116050780B (zh) | 一种基于教育平台的教育智能化管理方法及系统 | |
Seo et al. | Analysis of Factors Influencing LMS Extracted Data using Learning Analysis on the Total Score of Learners |
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: 20190326 |