CN110111011A - 一种教学质量监管方法、装置及电子设备 - Google Patents
一种教学质量监管方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110111011A CN110111011A CN201910392120.3A CN201910392120A CN110111011A CN 110111011 A CN110111011 A CN 110111011A CN 201910392120 A CN201910392120 A CN 201910392120A CN 110111011 A CN110111011 A CN 110111011A
- Authority
- CN
- China
- Prior art keywords
- teacher
- data
- student
- default
- students
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 230000003993 interaction Effects 0.000 claims abstract description 155
- 238000000605 extraction Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 23
- 238000010586 diagram Methods 0.000 claims description 21
- 230000036461 convulsion Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 20
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 102100031102 C-C motif chemokine 4 Human genes 0.000 description 4
- 101100054773 Caenorhabditis elegans act-2 gene Proteins 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 230000001256 tonic effect Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种教学质量监管方法、装置及电子设备,通过在线上授课时采集预设授课考核时长内的师生交互数据,进而依据所采集的师生交互数据中与预设教学指标对应的数据计算得到预设教学指标的指标值。这就使得上述实现过程可以提供出准确、可靠的教学指标数据,而依据该数据,即可以实现对教师教学质量的评价与监管,从而在一定程度上保证了教学质量。
Description
技术领域
本申请涉及在线教学领域,具体而言,涉及一种教学质量监管方法、装置及电子设备。
背景技术
随着近年来线上教学的普及,许多新兴技术也被应用于线上教学领域,旨在打造更优的教学环境与教学方式。由于线上教学打破了时间和空间的限制,且实现成本不高,使得教学资源得到了广泛的传播,促进了教育公平。同时,相较于传统的填鸭式教学方式,线上教学更加自由,这使得线上教学的受众从学生扩展到都市白领等群体。除去资源广泛传播、学习时间空间自由、受众群体广大等特点,线上教学还成功保留了传统教学具有的教学优势,即师生互动。在相关技术中,几乎所有教学平台都具有师生互动的功能,如视频直播、在线文本教学等。
然而,传统教学因其严格的教师资格认证、线下面对面教学、教务主任巡查等特点的存在,可以一定程度上保证教师的教学质量,但线上教学则并不具备这些特点,因此不能得到有效的监管,无法保证教学质量。
发明内容
本申请实施例的目的在于提供一种教学质量监管方法、装置及电子设备,用以提供准确、可靠的教学指标数据,以便于据此进行教学监管。
本申请实施例提供了一种教学质量监管方法,包括:在线上授课时,采集在预设授课考核时长内的师生交互数据;提取所述师生交互数据中与预设教学指标对应的数据;根据所述对应的数据,确定所述预设教学指标的指标值。
在上述实现过程中,通过在线上授课时采集预设授课考核时长内的师生交互数据,进而依据所采集的师生交互数据中与预设教学指标对应的数据计算得到预设教学指标的指标值。换言之,本申请实施例可以通过采集并挖掘师生交互数据,可以提供出准确、可靠的教学指标数据,而依据该数据(即预设教学指标的指标值),即可以实现后续对教师教学质量的评价与监管,从而在一定程度上保证了教学质量。
进一步地,所述采集在预设授课考核时长内的师生交互数据包括:按照预设采集频率,采集在所述预设授课考核时长内,自上一采集时间点到当前时间点之间的所有师生交互数据。
在实际授课过程中,授课时长并不一定是严格的定长(如在某些QQ、微信等知识型社群的授课过程中,授课时长是依据实际交流时长来定的,并不是一个定长),这就导致若在授课完毕之后一次性进行数据采集,采集的数据量可能会比较大,从而采集的负荷较高。在上述实现过程中,通过预设采集频率,可以将预设授课考核时长内的师生交互数据分多次进行采集,有效减小了采集负荷。
进一步地,在所述预设教学指标包括教师活跃度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的教师发言次数;所述根据所述对应的数据,确定所述预设教学指标的指标值包括:基于所述教师发言次数确定所述教师活跃度。
在实际授课过程中,通常教师越活越,其所进行的发言次数就会越多。在上述实现过程中,在预设教学指标包括教师活跃度时,基于教师发言次数即可较为准确的定位出教师活跃度,保证确定出的教师活跃度是符合实际的。
进一步地,所述方法还包括:获取除所述教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数;所述基于所述教师的教师发言次数确定所述教师活跃度包括:基于所述教师的教师发言次数和所述其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数确定所述教师活跃度。
在上述实现过程中,结合当前教师的教师发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数来确定教师活跃度,使得确定出的当前教师的教师活跃度更加具有可比性,更加符合实际需要。
进一步地,在所述预设教学指标包括学生活跃度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的学生发言次数;所述根据所述对应的数据,确定所述预设教学指标的指标值包括:基于所述学生发言次数确定所述学生活跃度。
在实际授课过程中,通常学生越活越,其所进行的发言次数就会越多。在上述实现过程中,在预设教学指标包括学生活跃度时,基于学生发言次数即可较为准确的定位出学生活跃度,保证确定出的学生活跃度是符合实际的。
进一步地,所述方法还包括:获取除所述教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数;所述基于所述教师对应的学生发言次数确定所述学生活跃度包括:基于所述教师对应的学生发言次数和所述其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数确定所述学生活跃度。
在上述实现过程中,结合当前教师对应的学生发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数来确定学生活跃度,使得确定出的当前教师的学生活跃度更加具有可比性,更加符合实际需要。
进一步地,在所述预设教学指标包括师生互动程度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的教师发言次数和学生发言次数;所述根据所述对应的数据,确定所述预设教学指标的指标值包括:确定所述师生交互数据中教师发言次数和学生发言次数的比值,基于所述比值确定所述师生互动程度。
在上述实现过程中,由于教师发言次数和学生发言次数的比值可以在一定程度上反映出教师和学生之间的互动情况,因此基于通过教师发言次数和学生发言次数的比值来确定的师生互动得分能够贴合实际,较为客观地反映出师生互动程度。
进一步地,在所述预设教学指标包括任务完成情况时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的教师发言数据;所述根据所述对应的数据,确定所述预设教学指标的指标值包括:解析所述师生交互数据中的教师发言数据得到第一关键词列表,判断所述第一关键词列表中的词语是否涵盖了预设的任务关键词;若是,则确定任务完成;否则,确定任务未完成。
目前对于授课过程中的任务完成情况都是通过学生反馈来实现确定的。而在上述实现过程中,通过对教师发言数据进行解析从而确定其是否涵盖了预设的任务关键词,进而通过任务关键词的涵盖情况来确定任务完成情况。将主观的任务完成情况客观化,从而使得通过机器即可以实现对任务完成情况的确定,节约了实现成本。
进一步地,所述方法还包括:提取所述师生交互数据中的教师发言数据和学生发言数据;解析所述教师发言数据和学生发言数据得到第二关键词列表;显示或发送所述第二关键词列表。
在上述实现过程中,通过对教师发言数据和学生发言数据进行解析即可得到第二关键词列表,进而显示或发送该第二关键词列表,即可使得相关监管人员能够基于该第二关键词列表确定出教师和学生在考核时长内的主要讨论内容是什么,进而可以确定出教师和学生的发言与教学主题的关联度。
进一步地,在所述预设教学指标包括教师活跃度时,所述方法还包括:获取所述教师的历史教师活跃度,基于所述历史教师活跃度绘制教师活跃度示意图。
在上述实现过程中,可以基于教师的历史教师活跃度绘制出教师活跃度示意图,使得教师的教师活跃度十分直观的显现出来,从而使得教学相关人员通过该教师活跃度示意图大致了解该教师的教学活跃情况。
进一步地,在所述预设教学指标包括学生活跃度时,所述方法还包括:获取所述教师的历史学生活跃度,基于所述历史学生活跃度绘制学生活跃度示意图。
在上述实现过程中,可以基于教师的历史学生活跃度绘制出学生活跃度示意图,使得教师的学生活跃度十分直观的显现出来,从而使得教学相关人员通过该学生活跃度示意图大致了解该教师进行教学时,学生的活跃情况。
进一步地,在所述预设教学指标包括师生互动程度时,所述方法还包括:获取所述教师的历史师生互动得分,基于所述历史师生互动得分绘制师生互动情况示意图。
在上述实现过程中,可以基于教师的历史师生互动得分绘制出师生互动情况示意图,使得教师授课时的师生互动情况十分直观的显现出来,从而使得教学相关人员通过该师生互动情况示意图大致了解该教师进行教学时,师生互动情况。
进一步地,在所述预设教学指标包括任务完成情况时,所述方法还包括:获取并统计所述教师完成任务的历史时间段。
在上述实现过程中,可以统计所述教师完成任务的历史时间段,进而明确出教师对任务的完成时长情况,教学相关人员通过该完成任务的历史时间段也可以大致了解该教师进行教学时,对任务的完成耗时情况。
进一步地,所述师生交互数据包括学生发言数据;所述方法还包括:解析所述学生发言数据,得到第三关键词列表;基于所述第三关键词列表得到学生发言关键词榜单。
在上述实现过程中,可以通过对学生发言数据进行解析得到学生发言关键词榜单,进而使得授课过程中学生发言情况得以直观的显示出来,教学相关人员通过该学生发言关键词榜单即可了解该教师进行教学时,学生的知识接受情况。
本申请实施例还提供了一种教学质量监管装置,包括:采集模块、提取模块和处理模块;所述采集模块用于在教师进行线上授课时,采集在预设授课考核时长内的师生交互数据;所述提取模块用于提取所述师生交互数据中与预设教学指标对应的数据;所述处理模块用于根据所述提取模块提取出的所述与预设教学指标对应的数据,确定所述预设教学指标的指标值。
在上述实现结构中,通过在线上授课时采集预设授课考核时长内的师生交互数据,进而依据所采集的师生交互数据中与预设教学指标对应的数据计算得到预设教学指标的指标值。这就使得上述实现过程可以提供出准确、可靠的教学指标数据,而依据该数据(即预设教学指标的指标值),即可以实现对教师教学质量的评价与监管,从而在一定程度上保证了教学质量。
本申请实施例中还提供了一种电子设备,包括处理器、存储器及通信总线;所述通信总线用于实现处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任意一种教学质量监管方法的步骤。
本申请实施例中还提供了一种计算机存储介质,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任意一种教学质量监管方法的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种教学质量监管方法的基本流程示意图;
图2为本申请实施例提供的一种在线教学的实现结构示意图;
图3为本申请实施例提供的一种教学质量监管装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一
请参看图1,图1为本申请实施例提供的一种教学质量监管方法的基本流程示意图,包括:
S101:在教师进行线上授课时,采集在预设授课考核时长内的师生交互数据;
需要说明的是,预设授课考核时长可以由工程师或教学相关人员(如教学监管人员)根据实际考核需要进行设定。例如,可以设定一个科目的一个课时或一个学时为一个授课考核时长。又例如,可以设定一个教学主题的一个教学日为一个授课考核时长。
应当明确的是,在本申请实施例中,是在教师进行线上授课时采集师生交互数据,采集到的师生交互数据是对应于该教师的数据。此后计算得到的指标值也是针对该教师在该预设授课考核时长内的指标值。
在本申请实施例中,可以按照预设采集频率,采集在预设授课考核时长内,自上一采集时间点到当前时间点之间的所有师生交互数据。示例性的,可以在服务器中新建的一个进程专门进行数据采集,进程每隔N(N为预设的大于0的正数)分钟即自动采集一次。在每一次采集完毕时,可以在最后采集的那一条数据的位置处设置一个标识,在下一次采集时,采集自该标识之后的所有数据,采集完毕时在最后采集的那一条数据的位置处重新设置一个标识。这样,可以将预设授课考核时长内的师生交互数据分多次进行采集,从而有效减小数据采集的负荷。需要说明的是,预设采集频率可以由工程师或教学相关人员(如教学监管人员)根据实际考核需要进行设定,例如可以设置为每10分钟采集一次师生交互数据。
还需要说明的是,在本申请实施例中,也可以设置在每一个预设授课考核时长结束时获取该预设授课考核时长内的所有师生交互数据。例如以一个教学日为一个预设授课考核时长的情况为例,可以设置教师在该教学日的教学完毕时,自动采集该教师在该教学日内的所有师生交互数据。
在本申请实施例中,采集的师生交互数据可以是文本数据、音频数据、视频数据、图片数据等。需要说明的是,对于音频数据、视频数据、图片数据等数据而言,其数据往往较大,因此可以采集对应的链接地址作为数据内容。
值得注意的是,在本申请实施例中,服务器内可以设立专门的数据存储库用以存储采集到的师生交互数据等。还值得注意的是,在存储师生交互数据时,可以存储该数据对应的采集时间、教学主题、教师等信息,以便于后期进行针对性调用。
还值得注意的是,参见图2所示,在实际操作过程中,教师和学生是通过各自的终端设备进行的在线教学,教师终端2与学生终端3之间的信息交互则可以通过服务器1来实现,因此服务器1可以容易的实现对在线教学过程中师生交互数据的采集。
S102:提取师生交互数据中与预设教学指标对应的数据;
在本申请实施例中,预设教学指标可以包括教师活跃度、学生活跃度、师生互动程度、任务完成情况中的至少一种。
应当理解的是,对于不同的教学指标而言,其对应所需的数据即可能会有不同。例如在预设教学指标包括教师活跃度时,所需提取的数据包括师生交互数据中教师的教师发言次数;在预设教学指标包括学生活跃度时,所需提取的数据包括师生交互数据中教师对应的学生发言次数;在预设教学指标包括师生互动程度时,所需提取的数据包括师生交互数据中教师对应的教师发言次数和学生发言次数;在预设教学指标包括任务完成情况时,所需提取的数据包括师生交互数据中教师的教师发言数据。
需要说明的是,本申请实施例中教师对应的学生发言次数是指,在预设授课考核时长内教师教授的所有学生的发言次数之和。
需要说明的是,本申请实施例中,师生交互数据中由教师发表的数据即为教师发言数据,由学生发表的数据即为学生发言数据。教师发言次数可以通过统计保存的在预设授课考核时长内的师生交互数据中教师发言数据的个数来得到;同理,学生发言次数可以通过统计保存的在预设授课考核时长内的师生交互数据中学生发言数据的个数来得到。
需要说明的是,在本申请实施例中,对于非文本格式的数据,可以将其转换为文本数据后进行解析。例如,对语音数据可以采用语音识别技术将语音数据转化为文本数据。对图像数据可以采用图像识别技术识别出图像描述的内容,如对于微信表情图片“微笑”,通过图像识别技术识别后即可得到文本数据“微笑”。对于视频数据而言,则可以通过语音识别技术以及图像识别技术将视频数据转化为文本数据。
S103:根据该预设教学指标对应的数据,确定该预设教学指标的指标值。
应当理解的是,在实际应用过程中对于一个教师而言,其对应的授课考核时长可能不止一个。上述步骤中所计算的指标值为其中一个授课考核时长的指标值。通常,提取的预设教学指标对应的数据属于哪一个授课考核时长,则计算得到的指标值即对应哪一个授课考核时长。
在本申请实施例中,在预设教学指标包括教师活跃度时,即可以基于当前教师(即当前计算的指标值所对应的教师,后文出现的当前教师含义与此处相同)的教师发言次数确定教师活跃度。示例性的,可以预先设定一个教师发言次数阈值,进而将教师的教师发言次数与该教师发言次数阈值进行比较,进而确定出一个教师活跃度。如可以按照公式教师活跃度=教师发言次数-教师发言次数阈值,得到教师活跃度。
此外,在本申请实施例中,还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数。进而同时基于当前教师的教师发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数共同确定出当前教师的教师活跃度。示例性的,可以依据公式计算出当前教师的教师活跃度;其中,Act1为在预设授课考核时长内的教师活跃度,C1为当前教师在预设授课考核时长内的教师发言次数,μ1为相同教学主题中,其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数均值。在前述示例中,可以限定Act1值域为(0,1],即当计算结果大于等于1时,以1为其活跃度。
在本申请实施例的一种可行实施方式中,可以由服务器将确定出的教师活跃度与预设的教师活跃度阈值进行比较;在教师活跃度大于教师活跃度阈值时,确定教师活跃度合格;否则,确定教师活跃度不合格。而在本申请实施例的另一种可行实施方式中,也可以将得到的教师活跃度显示或发送给教学相关人员,以便其进行人工确认教师活跃度是否合格。
应当理解的是,在本申请实施例中所描述的计算公式可以根据实际需要进行改变,不应认为本申请实施例只能采用上述公式进行计算得到教师活跃度。
在本申请实施例中,在预设教学指标包括学生活跃度时,即可以基于当前教师对应的学生发言次数确定学生活跃度。示例性的,可以预先设定一个学生发言次数阈值,进而将教师的学生发言次数与该学生发言次数阈值进行比较,进而确定出一个学生活跃度。如可以按照公式学生活跃度=(学生发言次数-学生发言次数阈值)/学生发言次数阈值,得到学生活跃度。
此外,在本申请实施例中,还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数。进而同时基于当前教师对应的学生发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数共同确定出当前教师的学生活跃度。示例性的,可以依据公式计算出当前教师的学生活跃度;其中,Act2为在预设授课考核时长内的学生活跃度,C2为在预设授课考核时长内的学生发言次数,μ2为相同教学主题中,其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数均值。在前述示例中,可以限定Act2值域为(0,1],即当计算结果大于等于1时,以1为其活跃度。
在本申请实施例的一种可行实施方式中,可以由服务器将确定出的学生活跃度与预设的学生活跃度阈值进行比较;在学生活跃度大于学生活跃度阈值时,确定学生活跃度合格;否则,确定学生活跃度不合格。而在本申请实施例的另一种可行实施方式中,也可以将得到的学生活跃度显示或发送给教学相关人员,以便其进行人工确认学生活跃度是否合格。
应当理解的是,在本申请实施例中所描述的计算公式可以根据实际需要进行改变,不应认为本申请实施例只能采用上述公式进行计算得到学生活跃度。
在本申请实施例中,在预设教学指标包括师生互动程度时,即可以基于当前教师对应的教师发言次数和学生发言次数共同来确定师生互动程度。可选的,可以先确定教师发言次数和学生发言次数的比值,进而基于该比值确定师生互动得分。示例性的,可以预先设定一个标准比值(如1),进而将教师发言次数和学生发言次数的比值与该标准比值比较,进而确定出师生互动得分。例如,可以计算教师发言次数和学生发言次数的比值与该标准比值之间的差值,该差值的绝对值越大即表征师生互动程度越小。
此外,在本申请实施例中,还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数和学生发言次数。进而同时基于当前教师的教师发言次数和学生发言次数,以及其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数和学生发言次数,共同确定出当前教师对应的师生互动程度。示例性的,可以依据公式计算出当前教师对应的师生互动程度;其中,IntePoint为当前教师在预设授课考核时长内的师生互动程度,Inte为在预设授课考核时长内当前教师的教师发言次数和学生发言次数的比值,μ3为相同教学主题中,其余教师就同一教学主题进行教学时在预设授课考核时长内的师生互动得分均值。在前述示例中,可以限定IntePoint值域为(0,1],即当计算结果大于等于1时,以1为其师生互动程度。
在本申请实施例的一种可行实施方式中,可以由服务器将确定出的师生互动得分与预设的师生互动得分阈值进行比较;在师生互动得分大于师生互动得分阈值时,确定师生互动得分合格;否则,确定师生互动得分不合格。而在本申请实施例的另一种可行实施方式中,也可以将得到的师生互动得分显示或发送给教学相关人员,以便其进行人工确认师生互动程度是否合格。
应当理解的是,在本申请实施例中所描述的计算公式可以根据实际需要进行改变,不应认为本申请实施例只能采用上述公式进行计算得到师生互动得分。
需要说明的是,在上述计算式中,k1-k6为预设的大于0的常数,其值大小可以由工程师或教学相关人员根据实际考核需要进行设定。例如可以设定k1、k3、k5为0.5,k2、k4、k6为1。
在本申请实施例中,在预设教学指标包括任务完成情况时,即可以基于当前教师的教师发言数据来确定任务完成情况。示例性的,可以解析教师发言数据得到第一关键词列表,并判断第一关键词列表中的词语是否涵盖了预设的任务关键词;若是,则确定任务完成;否则,确定任务未完成。
需要说明的是,在本申请实施例中预设的任务关键词可以是由服务器解析预先确定好的教学主题得到,也可以是由工程师或教学相关人员预先设定好的。
还需要说明的是,在本申请实施例中,在解析教师发言数据后,可以将解析得到的所有关键词都放入第一关键词列表中,但是也可以仅将部分关键词放入第一关键词列表中,如将出现频率最高的100个关键词放入第一关键词列表中。
值得注意的是,在数据库中保存的数据量达到预设规模之后,可以将数据库中保存的数据作为样本,通过机器学习算法(如深度神经网络算法)构建指标模型。进而在需要对教师新的授课考核时长内授课情况进行监管时,即可将该教师在该授课考核时长内的师生交互数据输入值该指标模型中,进而依据该指标模型计算得到指标值。
应当理解的是,在本申请实施例中还可以提取师生交互数据中的教师发言数据和学生发言数据,进而解析教师发言数据和学生发言数据得到第二关键词列表。此后可以显示或发送该第二关键词列表给教学相关人员,由于第二关键词列表中展现了授课考核时长内的师生交互过程中的主要信息,因此教学相关人员基于此即可判断当前教师的教学情况。
应当理解的是,在本申请实施例中可以以单个教学主题的所需时间为一个授课考核时长来解析得到第二关键词列表,进而使得教学相关人员可以判断当前教师对该教学主题的总体教学情况。
需要说明的是,在本申请实施例中,在解析教师发言数据和学生发言数据后,可以将解析得到的所有关键词都放入第二关键词列表中,但是也可以仅将部分关键词放入第二关键词列表中,如将出现频率最高的200个关键词放入第二关键词列表中。
此外,在本申请实施例中,还可以针对学生发言数据进行解析,得到第三关键词列表。第三关键词列表即可反映授课过程中,学生的主要发言内容。
在本申请实施例中,可以采用关键词提取算法(如TextRank算法、TF-IDF(termfrequency–inverse document frequency,词频–逆文本频率指数)算法等)来实现对教师发言数据、学生发言数据的解析。
需要说明的是,在本申请实施例中,在得到第三关键词列表后,还可以基于第三关键词列表得到学生发言关键词榜单。应当理解的是,对于如TF-IDF等算法而言,其在提取出关键词时,即会为各关键词配置一个权值,本申请实施例中可以依据该权值对各关键词进行排序,进而得到学生发言关键词榜单。
需要说明的是,在本申请实施例中,在解析学生发言数据后,可以将解析得到的所有关键词都放入第三关键词列表中,但是也可以仅将部分关键词放入第三关键词列表中,如将出现频率最高的100个关键词放入第三关键词列表中。
还需要说明的是,本申请实施例中对于教师的各个学生的具体身份可以不做区分,此时基于所有学生的学生发言数据进行解析,得到的学生发言关键词榜单即是对应于该教师的所有学生的整体发言关键词榜。当然,也可以在采集数据时同时采集各学生发言数据对应的学生的身份标识,进而分别针对各学生的学生发言数据进行解析,分别得到的各学生对应的发言关键词榜单。
此外,在本申请实施例中,在得到第一、第二、第三关键词列表后,可以对应在数据库中进行保存,进而可以依据历史第一关键词列表得到历史教师发言关键词榜单,依据历史第二关键词列表得到历史教学关键词榜单,依据历史第三关键词列表得到历史学生发言关键词榜单。
在本申请实施例中,在预设教学指标包括教师活跃度时,还可以获取该教师的历史教师活跃度,基于历史教师活跃度绘制该教师的教师活跃度示意图。
在本申请实施例中,在预设教学指标包括学生活跃度时,还可以获取该教师的历史学生活跃度,基于历史学生活跃度绘制该教师的学生活跃度示意图。
在本申请实施例中,在预设教学指标包括师生互动程度时,还可以获取该教师的历史师生互动得分,基于该历史师生互动得分绘制师生互动情况示意图。
应当理解的是,本申请实施例中上述示意图可以是折线图、曲线图、条形图、直方图、饼状图等形式,在本申请中不做限定。
此外,在预设教学指标包括任务完成情况时,还可以获取并统计教师完成任务的历史时间段,这样就可以明确出教师对任务的完成时长情况,教学相关人员通过该完成任务的历史时间段即可大致了解该教师进行教学时,对任务的完成耗时情况。例如,对于教师A而言其历史完成的教学任务有教学任务1和教学任务2,设教学任务1完成的时间段为5月1号到5月3号,教学任务2完成的时间段为5月4号到5月8号,统计后教学相关人员即可查看到教师A个历史教学任务的完成时间段,进而了解该教师进行教学时,对任务的完成耗时情况。
应当理解的是,本申请实施例的方案可以应用于如视频直播、在线文本教学等线上教学模式中,尤其是应用于在线文本教学的情况下时,由于在线文本教学主要是通过文本数据的互动来实现的教学,因此采用本申请实施例的方案可以得到很准确、可靠的教学指标数据,从而使得相关监管人员可以据此实现对教师教学质量的评价与监管。
综上所述,本申请实施例提供的教学质量监管方法,通过在线上授课时采集预设授课考核时长内的师生交互数据,进而依据所采集的师生交互数据中与预设教学指标对应的数据计算得到预设教学指标的指标值。这就使得上述实现过程可以提供出准确、可靠的教学指标数据,而依据该数据(即预设教学指标的指标值),即可以实现对教师教学质量的评价与监管,从而在一定程度上保证了教学质量。
实施例二:
本实施例在实施例一的基础上,以一种在线文本教学的教学质量监管过程为例,对本申请做进一步示例说明。
设预设授课考核时长为一个教学日。
本实施例中,服务器通过以下三个步骤实现教学质量监管:
步骤一:数据采集
在进行在线文本教学服务时,由服务器中预设的专用进程进行采集工作。采集时,按照每10分钟采集一次的采集频率采集师生交互数据以及相关数据(如师生交互数据对应的教学主题、教学日、教师、发言人身份、发言人ID(编号)、数据ID、时间等)。在每一次采集完毕时,在采集的最后一条数据出进行标识,从而便于在下一次采集时,采集该标识的数据之后的数据。服务器在采集到师生交互数据后,会对其进行解密操作(通常而言在进行在线文本教学服务时,教学过程中所产生的数据会自动进行加密,因此在采集后急需要对应进行解密操作。对于教学过程中所产生的数据未进行加密的情况,则不存在解密过程),其中,对于图片、音频、视频等数据,将其链接地址作为信息内容。
步骤二:数据存储
将步骤一中获得的数据存储进数据库中,以方便后续分析操作。
数据库存储字段主要包括:师生交互数据对应的教学主题ID、教学日ID、教师ID、发言人身份、发言人ID、数据ID、时间、师生交互数据内容等。将获取到的数据按对应字段进行分割并将信息存入数据库中,完成数据存储。
步骤三:数据分析
以教学日(预设授课考核时长)为单位,统计每一教学日中教师的发言次数、学生发言次数、每一教学主题的每一教学日中教师或学生的发言次数,每一教学日中教师或学生的发言次数均值,每一教学日中教师的师生互动得分均值。
在早期数据库中数据量不充足的情况下,通过上述统计得到的数据作为指标计算的依据。当数据库中数据量积累至一定程度时,可以依据数据库中数据进行机器学习,得到指标模型,进而依据指标模型来计算指标值。
需要说明的是,本申请实施例中可以通过文本挖掘技术,如对文本进行分词与词频统计,得到词频列表,并通过相关算法(如TF-IDF算法)确定出所分析的数据中的关键词。可选的,可以将每一教学日中的师生交互数据视作一篇文档,进行文本挖掘,确定出每一教学日中师生交互数据的关键词。
根据以上数据分析方式,分别进行以下分析:
1、教师活跃度
按照教学日为单位,计算教师的活跃度。在未建立指标模型时,按照以下公式计算教师的活跃度:
其中,Act1为教师1的教师活跃度,C1为教师1在教学日内的教师发言次数,μ1为相同教学主题中,除教师1外的其余教师就同一教学主题进行教学时在教学日内的教师发言次数均值。本实施例中可以限定Act1值域为(0,1],即当计算结果大于等于1时,以1为其活跃度。对于其余教师而言,其对应的教师活跃度计算方式与上述针对教师1的教师活跃度计算方式相同。
2、学生活跃度
按照教学日为单位,计算学生活跃度。在未建立指标模型时,按照以下公式计算学生活跃度:
其中,Act2为在教学日内教师1对应的学生活跃度,C2为在教学日内的学生发言次数,μ2为相同教学主题中,除教师1外的其余教师就同一教学主题进行教学时在教学日内的学生发言次数均值。本实施例中可以限定Act2值域为(0,1],即当计算结果大于等于1时,以1为其活跃度。对于其余教师而言,其对应的学生活跃度计算方式与上述针对教师1的学生活跃度计算方式相同。
3、师生互动程度
按照教学日为单位,计算师生互动得分。可以将教学日分割为若干时段,计算每一时段中教师发言次数与学生发言次数的比值,作为该时段的师生互动得分值,为避免每一时段的交互程度的较大差异影响整体的得分,将所有时段的师生互动得分加和求平均作为该教学日的师生互动得分值。
在未建立指标模型时,按照以下公式计算各时段的师生互动得分:
其中,IntePoint为教师1在一个时段内的师生互动程度,Inte为在该时段内教师1的教师发言次数和学生发言次数的比值,μ3为相同教学主题中,其余教师就同一教学主题进行教学时在预设授课考核时长内的师生互动得分均值。本实施例中可以限定IntePoint值域为(0,1],即当计算结果大于等于1时,以1为其师生互动程度。对于其余教师而言,其对应的师生互动程度计算方式与上述针对教师1的师生互动程度计算方式相同。
4、任务完成情况
以教学日为单位(若任务的完成要求时限不为一个教学日,则也可以以任务的完成要求时限为单位),通过对教师发言数据进行词频统计,在其词频列表中查找是否存在预设的任务关键词,若均存在,则确定已经完成任务。
5、教学主题是否关联
以教学日为单位(也可以以某个教学主题的授课时间为单位),将该时间内的教师和学生发言数据视作一个整体进行文本挖掘,得到关键词列表,并将该关键词列表返回给监管人员,以供监管人员据此判断教师的总体教学情况。
6、学生发言情况
以教学日为单位,通过学生发言数据进行文本挖掘,得到学生发言的关键词列表。
7、工作习惯
综合教师活跃度、学生活跃度、任务完成时间、师生互动程度、主题教学时间等历史数据,生成每位教师的工作习惯图集,包括教师活跃折线图、学生活跃折线图、师生交互情况曲线、历史任务完成时间段、历史教学主题关键词榜单、学生发言关键词榜单等,以反映教师在何时比较活跃,在何种活跃状态下有最高的学生活跃度或学生满意度,习惯在教学日中的哪一时段完成教学任务等。
综上所述,本申请实施例的方案通过对师生交互数据的采集和分析,结合文本挖掘技术,从多方面反映了教师在每一预设授课考核时长内的表现情况,得以对每位教师进行有效的监管和督促,在一定程度上保证了教学质量,也让用户可以放心进行相关学习。
实施例三
请参阅图3,图3示出了可以实现图1所示的教学质量监管方法的教学质量监管装置,应理解,该装置300与实施例一中的方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置300具体的功能可以参见实施例一中的描述,为避免重复,此处适当省略详细描述。装置300包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置300的操作系统(operating system,OS)中的软件功能模块。具体地,该装置300包括:采集模块301、提取模块302和处理模块303。
采集模块301用于在教师进行线上授课时,采集在预设授课考核时长内的师生交互数据;
提取模块302用于提取师生交互数据中与预设教学指标对应的数据;
处理模块303用于根据提取模块提取出的与预设教学指标对应的数据,确定预设教学指标的指标值。
在本申请实施例中,采集模块301可以按照预设采集频率,采集在预设授课考核时长内,自上一采集时间点到当前时间点之间的所有师生交互数据。
在本申请实施例中,预设教学指标可以包括教师活跃度、学生活跃度、师生互动程度、任务完成情况中的至少一种。应当理解的是,对于不同的教学指标而言,其对应所需的数据即可能会有不同。例如在预设教学指标包括教师活跃度时,提取模块302所需提取的数据包括师生交互数据中教师的教师发言次数;在预设教学指标包括学生活跃度时,提取模块302所需提取的数据包括师生交互数据中教师对应的学生发言次数;在预设教学指标包括师生互动程度时,提取模块302所需提取的数据包括师生交互数据中教师对应的教师发言次数和学生发言次数;在预设教学指标包括任务完成情况时,提取模块302所需提取的数据包括师生交互数据中教师的教师发言数据。
在本申请实施例中,在预设教学指标包括教师活跃度时,处理模块303即可以基于当前教师(即当前计算的指标值所对应的教师,后文出现的当前教师含义与此处相同)的教师发言次数确定教师活跃度。
此外,在本申请实施例中,提取模块302还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数。进而处理模块303同时基于当前教师的教师发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数共同确定出当前教师的教师活跃度。
在本申请实施例中,在预设教学指标包括学生活跃度时,处理模块303即可以基于当前教师对应的学生发言次数确定学生活跃度。
此外,在本申请实施例中,提取模块302还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数。处理模块303进而同时基于当前教师对应的学生发言次数和其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数共同确定出当前教师的学生活跃度。
在本申请实施例中,在预设教学指标包括师生互动程度时,处理模块303即可以基于当前教师对应的教师发言次数和学生发言次数共同来确定师生互动程度。可选的,可以先确定教师发言次数和学生发言次数的比值,进而基于该比值确定师生互动得分。
此外,在本申请实施例中,提取模块302还可以从已存储的数据中,获取除当前教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数和学生发言次数。处理模块303进而同时基于当前教师的教师发言次数和学生发言次数,以及其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数和学生发言次数,共同确定出当前教师对应的师生互动程度。
在本申请实施例中,在预设教学指标包括任务完成情况时,处理模块303即可以基于当前教师的教师发言数据来确定任务完成情况。示例性的,处理模块303可以解析教师发言数据得到第一关键词列表,并判断第一关键词列表中的词语是否涵盖了预设的任务关键词;若是,则确定任务完成;否则,确定任务未完成。
值得注意的是,在数据库中保存的数据量达到预设规模之后,处理模块303可以依据数据库中保存的数据进行机器学习,构建指标模型,进而依据该指标模型来计算的指标值。
应当理解的是,在本申请实施例中提取模块302还可以提取师生交互数据中的教师发言数据和学生发言数据,处理模块303进而解析教师发言数据和学生发言数据得到第二关键词列表。此后可以显示或发送该第二关键词列表给教学相关人员。
此外,在本申请实施例中,处理模块303还可以针对学生发言数据进行解析,得到第三关键词列表。第三关键词列表即可反映授课过程中,学生的主要发言内容。在得到第三关键词列表后,处理模块303还可以基于第三关键词列表得到学生发言关键词榜单。
此外,在本申请实施例中,在得到第一、第二、第三关键词列表后,可以对应在数据库中进行保存,处理模块303进而可以依据历史第一关键词列表得到历史教师发言关键词榜单,依据历史第二关键词列表得到历史教学关键词榜单,依据历史第三关键词列表得到历史学生发言关键词榜单。
在本申请实施例中,在预设教学指标包括教师活跃度时,提取模块302还可以获取该教师的历史教师活跃度,处理模块303基于历史教师活跃度绘制该教师的教师活跃度示意图。
在本申请实施例中,在预设教学指标包括学生活跃度时,提取模块302还可以获取该教师的历史学生活跃度,处理模块303基于历史学生活跃度绘制该教师的学生活跃度示意图。
在本申请实施例中,在预设教学指标包括师生互动程度时,提取模块302还可以获取该教师的历史师生互动得分,处理模块303基于该历史师生互动得分绘制师生互动情况示意图。
此外,在预设教学指标包括任务完成情况时,提取模块302还可以获取教师完成任务的历史时间段,并由处理模块303统计。
本申请实施例提供的教学质量监管装置,通过在线上授课时采集预设授课考核时长内的师生交互数据,进而依据所采集的师生交互数据中与预设教学指标对应的数据计算得到预设教学指标的指标值。这就使得上述实现过程可以提供出准确、可靠的教学指标数据,而依据该数据(即预设教学指标的指标值),即可以实现对教师教学质量的评价与监管,从而在一定程度上保证了教学质量。
实施例四
本实施例提供了一种电子设备,参见图4所示,其包括处理器401、存储器402以及通信总线403。其中:
通信总线403用于实现处理器401和存储器402之间的连接通信。
处理器401用于执行存储器402中存储的一个或多个程序,以实现上述实施例一和/或实施例二中教学质量监管的各步骤。
在本申请实施例中,电子设备可以是个人计算机、服务器或网络设备等,本申请实施例并不限于此。
可以理解,图4所示的结构仅为示意,电子设备还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。
本实施例提供了一种计算机可读存储介质,如软盘、光盘、硬盘、闪存、U盘、CF卡、SD卡、MMC卡等,在该计算机可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述第一实施例中教学质量监管方法的各步骤。在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (14)
1.一种教学质量监管方法,其特征在于,所述教学质量监管方法包括:
在教师进行线上授课时,采集在预设授课考核时长内的师生交互数据;
提取所述师生交互数据中与预设教学指标对应的数据;
根据所述对应的数据,确定所述预设教学指标的指标值。
2.如权利要求1所述的教学质量监管方法,其特征在于,所述采集在预设授课考核时长内的师生交互数据包括:
按照预设采集频率,采集在所述预设授课考核时长内,自上一采集时间点到当前时间点之间的所有师生交互数据。
3.如权利要求1所述的教学质量监管方法,其特征在于,在所述预设教学指标包括教师活跃度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中所述教师的教师发言次数;
所述根据所述对应的数据,确定所述预设教学指标的指标值包括:基于所述教师的教师发言次数确定所述教师活跃度。
4.如权利要求3所述的教学质量监管方法,其特征在于,所述方法还包括:获取除所述教师外的其余教师就同一教学主题进行教学时在所述预设授课考核时长内的教师发言次数;
所述基于所述教师的教师发言次数确定所述教师活跃度包括:
基于所述教师的教师发言次数和所述其余教师就同一教学主题进行教学时在预设授课考核时长内的教师发言次数确定所述教师活跃度。
5.如权利要求1所述的教学质量监管方法,其特征在于,在所述预设教学指标包括学生活跃度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中所述教师对应的学生发言次数;
所述根据所述对应的数据,确定所述预设教学指标的指标值包括:基于所述教师对应的学生发言次数确定所述学生活跃度。
6.如权利要求5所述的教学质量监管方法,其特征在于,所述方法还包括:获取除所述教师外的其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数;
所述基于所述教师对应的学生发言次数确定所述学生活跃度包括:
基于所述教师对应的学生发言次数和所述其余教师就同一教学主题进行教学时在预设授课考核时长内的学生发言次数确定所述学生活跃度。
7.如权利要求1所述的教学质量监管方法,其特征在于,在所述预设教学指标包括师生互动程度时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的教师发言次数和学生发言次数;
所述根据所述对应的数据,确定所述预设教学指标的指标值包括:确定所述师生交互数据中教师发言次数和学生发言次数的比值,基于所述比值确定所述师生互动程度。
8.如权利要求1所述的教学质量监管方法,其特征在于,在所述预设教学指标包括任务完成情况时,所述提取所述师生交互数据中与预设教学指标对应的数据包括:提取所述师生交互数据中的教师发言数据;
所述根据所述对应的数据,确定所述预设教学指标的指标值包括:解析所述师生交互数据中的教师发言数据得到第一关键词列表,判断所述第一关键词列表中的词语是否涵盖了预设的任务关键词;若是,则确定任务完成;否则,确定任务未完成。
9.如权利要求1所述的教学质量监管方法,其特征在于,所述方法还包括:
提取所述师生交互数据中的教师发言数据和学生发言数据;
解析所述教师发言数据和学生发言数据得到第二关键词列表;
显示或发送所述第二关键词列表。
10.如权利要求1所述的教学质量监管方法,其特征在于,
在所述预设教学指标包括教师活跃度时,所述方法还包括:获取所述教师的历史教师活跃度,基于所述历史教师活跃度生成教师活跃度示意图;
或,
在所述预设教学指标包括学生活跃度时,所述方法还包括:获取所述教师的历史学生活跃度,基于所述历史学生活跃度生成学生活跃度示意图;
或,
在所述预设教学指标包括师生互动程度时,所述方法还包括:获取所述教师的用于表征师生互动程度的历史师生互动得分,基于所述历史师生互动得分生成师生互动情况示意图。
11.如权利要求1所述的教学质量监管方法,其特征在于,在所述预设教学指标包括任务完成情况时,所述方法还包括:
获取并统计所述教师完成任务的历史时间段。
12.如权利要求1-11任一项所述的教学质量监管方法,其特征在于,所述师生交互数据包括学生发言数据;所述方法还包括:
解析所述学生发言数据,得到第三关键词列表;
基于所述第三关键词列表生成学生发言关键词榜单。
13.一种教学质量监管装置,其特征在于,包括:采集模块、提取模块和处理模块;
所述采集模块用于在教师进行线上授课时,采集在预设授课考核时长内的师生交互数据;
所述提取模块用于提取所述师生交互数据中与预设教学指标对应的数据;
所述处理模块用于根据所述提取模块提取出的所述与预设教学指标对应的数据,确定所述预设教学指标的指标值。
14.一种电子设备,其特征在于,包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至12中任一项所述的教学质量监管方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910392120.3A CN110111011B (zh) | 2019-05-09 | 2019-05-09 | 一种教学质量监管方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910392120.3A CN110111011B (zh) | 2019-05-09 | 2019-05-09 | 一种教学质量监管方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110111011A true CN110111011A (zh) | 2019-08-09 |
CN110111011B CN110111011B (zh) | 2021-06-18 |
Family
ID=67489564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910392120.3A Active CN110111011B (zh) | 2019-05-09 | 2019-05-09 | 一种教学质量监管方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111011B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028853A (zh) * | 2019-11-25 | 2020-04-17 | 探客柏瑞科技(北京)有限公司 | 一种口语表达力评估方法及系统 |
CN114339276A (zh) * | 2021-12-20 | 2022-04-12 | 北京快来文化传播集团有限公司 | 基于直播平台的名师榜单生成方法和装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130309648A1 (en) * | 2012-05-21 | 2013-11-21 | Samsung Electronics Co., Ltd. | Method, apparatus and system for interactive class support and education management |
CN107025614A (zh) * | 2017-03-20 | 2017-08-08 | 广东小天才科技有限公司 | 一种直播视频中的教学效果检测方法、系统及装置 |
CN107633472A (zh) * | 2017-10-31 | 2018-01-26 | 广州努比互联网科技有限公司 | 一种基于教学事件流和即时讨论的互联网学习方法 |
CN108108903A (zh) * | 2017-12-26 | 2018-06-01 | 重庆大争科技有限公司 | 课堂教学质量评估系统 |
CN109523201A (zh) * | 2019-01-22 | 2019-03-26 | 湖南财政经济学院 | 一种基于大数据时代高效慕课质量评估方法 |
-
2019
- 2019-05-09 CN CN201910392120.3A patent/CN110111011B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130309648A1 (en) * | 2012-05-21 | 2013-11-21 | Samsung Electronics Co., Ltd. | Method, apparatus and system for interactive class support and education management |
CN107025614A (zh) * | 2017-03-20 | 2017-08-08 | 广东小天才科技有限公司 | 一种直播视频中的教学效果检测方法、系统及装置 |
CN107633472A (zh) * | 2017-10-31 | 2018-01-26 | 广州努比互联网科技有限公司 | 一种基于教学事件流和即时讨论的互联网学习方法 |
CN108108903A (zh) * | 2017-12-26 | 2018-06-01 | 重庆大争科技有限公司 | 课堂教学质量评估系统 |
CN109523201A (zh) * | 2019-01-22 | 2019-03-26 | 湖南财政经济学院 | 一种基于大数据时代高效慕课质量评估方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028853A (zh) * | 2019-11-25 | 2020-04-17 | 探客柏瑞科技(北京)有限公司 | 一种口语表达力评估方法及系统 |
CN114339276A (zh) * | 2021-12-20 | 2022-04-12 | 北京快来文化传播集团有限公司 | 基于直播平台的名师榜单生成方法和装置、设备及介质 |
CN114339276B (zh) * | 2021-12-20 | 2023-10-24 | 北京快来文化传播集团有限公司 | 基于直播平台的名师榜单生成方法和装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110111011B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151892B2 (en) | Internet teaching platform-based following teaching system | |
RU2673010C1 (ru) | Способ мониторинга поведения пользователя при взаимодействии с контентом и система для его осуществления | |
Pangrazio et al. | Datafication meets platformization: Materializing data processes in teaching and learning | |
CN113627779A (zh) | 一种基于大数据和ai技术的教学管理、质量评估系统 | |
WO2022170985A1 (zh) | 选题方法、装置、计算机设备和存储介质 | |
Gao | Research and implementation of intelligent evaluation system of teaching quality in universities based on artificial intelligence neural network model | |
CN110111011A (zh) | 一种教学质量监管方法、装置及电子设备 | |
CN109542891B (zh) | 数据融合方法及计算机存储介质 | |
CN109409759B (zh) | 一种基于煤矿安全培训游戏的数据挖掘系统及方法 | |
JP2007226460A (ja) | データ処理装置およびデータ処理方法 | |
CN110348328A (zh) | 教学质量的评估方法、装置、存储介质及电子设备 | |
CN110334620A (zh) | 教学质量的评估方法、装置、存储介质及电子设备 | |
CN112766130A (zh) | 一种课堂教学质量监测方法、系统、终端及存储介质 | |
Cosgrove et al. | Understanding achievement in PIRLS and TIMSS 2011 | |
CN115828022B (zh) | 一种数据识别方法、联邦训练模型、装置和设备 | |
CN116487012A (zh) | 一种临床医护人员智能实践教学方法、系统、介质及设备 | |
CN113268512B (zh) | 基于互联网平台的企业岗位职业技能培训系统 | |
CN115511670A (zh) | 一种在线教育方法及在线教育平台 | |
CN114241549A (zh) | 一种远程伴读系统 | |
Fenu et al. | Modelling Student Behavior in Synchronous Online Learning during the COVID-19 Pandemic. | |
Bershadskyy et al. | Experimental economics for machine learning-a methodological contribution | |
CN112528158B (zh) | 课程推荐方法、装置、设备及存储介质 | |
Jianyun | Big data assisted online teaching platform for ideological and political theory course in universities | |
Yao | RETRACTED ARTICLE: Assistive Technology-Based Analysis of Students’ Foreign Language Anxiety Using Distributed Machine Learning and Intelligent Affective Computing | |
US20210294806A1 (en) | Method for monitoring user behavior when interacting with content and a system for its implementation |
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 |