CN110334129A - 学习行为分析方法、装置及存储介质 - Google Patents
学习行为分析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110334129A CN110334129A CN201910610739.7A CN201910610739A CN110334129A CN 110334129 A CN110334129 A CN 110334129A CN 201910610739 A CN201910610739 A CN 201910610739A CN 110334129 A CN110334129 A CN 110334129A
- Authority
- CN
- China
- Prior art keywords
- learning behavior
- data
- kinds
- analyzed
- learning
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003542 behavioural effect Effects 0.000 claims abstract description 37
- 241001269238 Data Species 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 abstract description 19
- 230000008569 process Effects 0.000 abstract description 9
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229910052573 porcelain Inorganic materials 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于数据分析技术领域。提供了一种学习行为分析方法、装置及存储介质，所述学习行为分析方法包括：采集用户的学习行为数据，并提取所述学习行为数据的行为特征，并根据行为特征对所述学习行为数据进行分类处理，从分类后的学习行为数据中提取各类目标数据，并对所述各类目标数据进行统计，得到统计分析结果。通过对用户的学习行为数据进行分析统计，可以全面了解到用户使用培训系统时进行的各项操作，从而对用户的学习过程有一个直观的认识，对用户的学习行为作出客观全面的评价。
Description
技术领域
本发明属于数据分析技术领域，尤其涉及一种学习行为分析方法、装置及存储介质。
背景技术
目前基于变电运检仿真培训系统所进行的学员学习行为分析测评一般以系统评分为重要依据。但由于每个学员的实际学习过程和学习表现差距较大，这种以结果为导向的测评方法并不能客观的记录和分析学员在使用变电运检仿真培训系统进行学习时的各种操作，不能客观全面的评价学员的学习行为。
发明内容
有鉴于此，本发明实施例提供了一种学习行为分析方法、装置及存储介质，以解决现有技术中以结果为导向不能全面客观的评价学员的学习行为的问题。
本发明实施例的第一方面提供了一种学习行为分析方法，包括：
采集用户的学习行为数据；
获取所述学习行为数据的行为特征；
根据所述行为特征对所述学习行为数据进行分类，得到各类待分析数据；
根据所述行为特征对满足预设条件的各类待分析数据进行分析处理，提取得到各类目标数据；其中，一类满足预设条件的待分析数据对应提取得到一类目标数据；
对所述各类目标数据进行统计，得到统计分析结果。
本发明实施例的第二方面提供了一种学习行为分析装置，包括：
采集模块，用于采集用户的学习行为数据；
行为特征获取模块，用于获取所述学习行为数据的行为特征；
分类模块，用户对所述学习行为数据进行分类；
提取模块，用于提取各类目标数据；
统计分析模块，用于对所述各类目标数据进行统计，得到统计分析结果。
本发明实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中，并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例的第一方面所述的学习行为分析方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例的第一方面所述的学习行为分析方法的步骤。
本发明实施例采用一种学习行为分析方法，采集用户的学习行为数据，获取用户在使用培训系统时所进行的所有操作，然后提取学习行为数据的行为特征，根据所述行为特征对其进行分类，去除一些对统计分析无意义和重复的数据，提取各类对应的目标数据，然后对各类数据进行统计，得到统计结果。通过对用户的学习行为数据进行分析统计，可以全面了解到用户使用培训系统时进行的各项操作，从而对用户的学习过程有一个直观的认识，可对用户的学习行为作出客观全面的评价，克服了以结果为导向的测评数据无法客观全面的评价学员的学习行为的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种学习行为分析方法的实现流程示意图；
图2是本发明实施例提供的一种学习行为分析装置的示意图；
图3是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及其他任何变形，是指“包括但不限于”，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参见图1，本发明一实施例提供了一种学习行为分析方法，包括：
步骤S101，采集用户的学习行为数据。
用户使用培训系统进行学习时每进行一项操作均会在系统中产生一条数据信息，这些数据信息反应了用户在使用培训系统进行学习时进行的操作。本实施例首先采集用户的学习行为数据，即获取用户在使用培训系统时进行的所有操作。
一些实施例中，所述采集用户的学习行为数据，包括：
步骤S1011，根据用户标识，向学习记录库发送读取指令。
一些实施例中，所述用户标识可以为用户ID、用户姓名等用于区别用户身份的信息。
每个用户在使用培训系统时会通过用户标识进行登录，该用户在使用培训系统进行学习时的所有数据均包含该用户标识信息。根据用户标识向学习记录库发送读取指令，请求读取该用户标识对应的学习行为数据。
一些实施例中，通过数据读取程序获取到目标服务器的地址，连接至目标地址仿真管理系统中的学习记录库，从而向记录库发送读取指令，读取用户标识对应的全部学习行为数据。例如：
创建学习行为数据读取程序，数据读取程序首先读取配置文件中的培训系统服务器地址，配置文件格式为：<web name＝""address＝""/>，其中name属性定义为目标系统类型，address属性定义为目标服务器地址。
具体示例如下：
<web name＝"web"address＝"http://118.190.96.206:8080/studySystem/simulatorXapi.html？StudentID＝***"/>
获取到目标服务器的地址后，通过HTTP协议连接目标地址培训系统中的学习记录库，并通过用户标识向服务器请求学员相关的全部学习行为数据。
例如，所述学习记录库可以为LRS(learning record store，LRS)，LRS是存储学习行为记录大数据的数据库。
步骤S1012，从学习记录库中读取所述用户标识对应的用户的学习行为数据。
一些实施例中，所述学习行为数据可以为基于xAPI规范的学习行为数据。xAPI是一套接口标准，xAPI对于客户端的远程学习系统来说，接口的实现非常简单便捷，并且有用各种语言写成的免费的扩展库，可供直接使用。
步骤S102，获取所述学习行为数据的行为特征。
一些实施例中，所述步骤S102可以包括：
步骤S1021，建立学习行为分析模型。
首先，对培训系统中的操作行为进行统计，得到所有可能的操作行为。
用户在使用培训系统进行学习时可能发生各种类型的操作行为，这些操作行为包含所有可以与用户进行交互的操作方式，包括二维界面相关操作行为和三维场景相关操作行为等。无遗漏的统计所有可能的操作行为可以保证学习行为数据分析的有效性。
例如，所述培训系统为变电运检仿真培训系统。所述变电运检仿真培训系统二维界面相关操作行为包括对二维界面按钮和工具栏等按钮的点击，具体操作行为示例如：系统登录、系统退出、系统设置、系统帮助、任务选择、模式选择、工器具选择、工具包窗口打开/关闭、分数评价窗口打开/关闭、动画回放等操作。
所述变电运检仿真培训系统三维场景相关操作行为包括对运维场景三维仿真作业流程的操作，具体操作行为示例如：检查本体外观、检查断路器底座、检查断路器底座接地线、检查断路器瓷瓶、检查断路器三相接线、检查断路器传动部件、回收断路器中SF6气体、检修SF6气体系统管路、检修三相气体管路阀门、校验SF6密度继电器、断路器本体抽真空、检查本体及SF6系统管路密封性、SF6气体微水测试、检查操作机构各元件、检查二次接线端子、检查加热器、检查手动储能系统、合闸系统及回路检查、检查电动储能系统、检查合闸线圈动作电压、检查分闸线圈动作电压、电动储能测试、合闸及动作特性试验、合闸状态下的交流耐压试验、回路电阻测试、分闸及动作特性试验、分闸状态下的交流耐压试验等操作。
然后，根据所有可能的操作行为建立学习行为分析模型。
例如，所述学习分析模型可以为表1：
表1学习行为分析模型
步骤S1022，利用所述学习行为分析模型对所述学习行为数据进行分析，得到所述学习行为数据的行为特征。
利用学习行为分析模型对学习行为数据进行分析，得到所述学习行为数据对应的各参数，从而提取出所述学习行为数据的行为特征。例如，所述行为特征可以为表1中的“情境”这一特征，即根据所述学习行为模型提取出所述学习行为数据中的“情境”这一特征。
步骤S103，根据所述行为特征对所述学习行为数据进行分类，得到各类待分析数据。
根据学习行为特征对学习行为数据进行分类处理，每一类数据分别对应不同的行为特征，根据所述学习行为数据对应的学习行为特征对所述学习行为数据对应分类，从而得到不同类型的待分析数据。
一些实施例中，所述步骤S103可以包括：
步骤S1031，建立学习行为分类模型。
以所述学习行为特征中的某一特征为依据建立学习行为分类模型，例如，当所述特征为“情景-相关活动-类型”时，分类模型可以为表2：
表2分类模型
步骤S1032，根据所述行为特征中的部分特征，利用所述学习行为分类模型对所述学习行为数据进行分类，得到各类待分析数据。
如表2所示，不同类对应不同的特征，根据所述提取到的所述学习行为数据的行为特征中的部分特征对所述学习行为数据进行分类，利用所述分类模型，将所述学习行为数据分别放入不同的类，从而得到不同类型的待分析数据。例如，行为特征可以为表1中的“情境”这一特征，此处采用表1中的“情境”这一特征中的部分特征，例如“情境-相关活动”对所述行为数据进行分类。
步骤S104，根据所述行为特征对满足预设条件的各类待分析数据进行分析处理，提取得到各类目标数据，其中一类满足预设条件的待分析数据对应提取得到一类目标数据。
对所述各类待分析数据进行分析，保留对分析用户学习行为有用的数据，去除无用数据，从而得到各类目标数据。
一些实施例中，步骤S104可以包括：
步骤1041，对所述各类待分析数据进行分析，若某类待分析数据不满足预设条件，则将该类待分析数据去除，得到满足预设条件的各类待分析数据。
一些实施例中，所述预设条件可以为所述各类待分析数据属于无意义行为。
步骤1042，根据所述行为特征中的全部特征或部分特征对满足预设条件的各类待分析数据进行处理，去除冗余数据，得到各类目标数据；其中一类满足预设条件的待分析数据对应提取得到一类目标数据。
例如，所述行为特征为表1中的“情境”这一特征，则可根据所述行为特征中的全部特征，即表1中的“情境”对满足预设条件的各类待分析数据进行处理，去除各类待分析数据中“情境”这一个特征全部相同的数据，得到各类目标数据；或，可根据所述行为特征中的部分特征，例如表1中的“情境-指导者”和“情境-相关活动”两个特征对满足预设条件的各类待分析数据进行处理，去除各类待分析数据中“情境-指导者”和“情境-相关活动”两个特征相同的的数据，得到各类目标数据。
步骤S105，对所述各类目标数据进行统计，得到统计分析结果。
一些实施例中，步骤S105可以包括：
步骤S1051，对所述各类目标数据分别进行排序。
步骤S1052，分别统计所述各类目标数据中各类别的数据的数量，得到统计分析结果。
上述一种学习行为分析方法，采集用户的学习行为数据，然后提取所述学习行为数据的行为特征，并对其进行分层，每一层对应一类数据，提取对应的各类目标数据，然后对各类数据进行统计，得到统计结果。用户学习行为数据各类的统计数量可以全面了解到用户使用培训系统时进行的各项操作，直观的反应用户的学习习惯、知识水平及学习动机等信息，从而对用户的学习过程有一个直观的认识，不仅仅以结果为导向进行测评，可对用户的学习行为作出客观全面的评价。
对应于上文实施例所述的一种学习行为分析方法，图2示出了本发明实施例提供的学习行为分析装置的示意图，用于执行图1所对应的实施例中的方法步骤。如图2所示，在本实施例中，学习行为分析装置2包括：
采集模块21，用于采集用户的学习行为数据。
行为特征获取模块22，用于获取所述学习行为数据的行为特征。
分类模块23，用户对所述学习行为数据进行分类。
提取模块24，用于提取各类目标数据。
统计分析模块25，用于对所述各类目标数据进行统计，得到统计分析结果。
一些实施例中，所述分类模块23还可以包括：
模型建立单元，用于建立学习行为分类模型；及
分类单元，用于根据所述学习行为特征中的部分特征，对所述学习行为数据进行分类。
图3本发明一实施例提供的终端设备的示意图。如图3所示，在本实施例中，终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器30执行所述计算机程序32时实现上述学习行为提升装置实施例中各模块/单元的功能，例如图2所示模块21至25的功能。
示例性地，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如，所述计算机程序32可以被分割成采集模块、提取模块和统计分析模块，各个模块的具体功能如下：
采集模块21，用于采集用户的学习行为数据；
行为特征获取模块22，用于获取所述学习行为数据的行为特征；
分类模块23，用户对所述学习行为数据进行分类；
提取模块24，用于提取各类目标数据；
统计分析模块25，用于对所述各类目标数据进行统计，得到统计分析结果。
所述终端设备可以是手机、平板电脑等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备3还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序32以及所述终端设备3所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的学习行为分析方法、装置及存储介质，可以通过其它的方式实现。例如，以上所描述的学习行为分析装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，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单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (11)
1.一种学习行为分析方法，其特征在于，包括：
采集用户的学习行为数据；
获取所述学习行为数据的行为特征；
根据所述行为特征对所述学习行为数据进行分类，得到各类待分析数据；
根据所述行为特征对满足预设条件的各类待分析数据进行分析处理，提取得到各类目标数据；其中，一类满足预设条件的待分析数据对应提取得到一类目标数据；
对所述各类目标数据进行统计，得到统计分析结果。
2.如权利要求1所述的学习行为分析方法，其特征在于，所述获取所述学习行为数据的行为特征，包括：
建立学习行为分析模型；
利用所述学习行为分析模型对所述学习行为数据进行分析，得到所述学习行为数据的行为特征。
3.如权利要求1所述的学习行为分析方法，其特征在于，所述根据所述行为特征对所述学习行为数据进行分类，得到各类待分析数据，包括：
建立学习行为分类模型；
根据所述学习行为特征中的部分特征，利用所述学习行为分类模型对所述学习行为数据进行分类，得到各类待分析数据。
4.如权利要求1所述的学习行为分析方法，其特征在于，所述根据所述行为特征对满足预设条件的各类待分析数据进行分析处理，提取得到各类目标数据，包括：
对所述各类待分析数据进行分析，若某类待分析数据不满足预设条件，则将该类待分析数据去除，得到满足预设条件的各类待分析数据；
根据所述行为特征中的全部特征或部分特征对满足预设条件的各类待分析数据进行处理，去除冗余数据，得到各类目标数据；其中一类满足预设条件的待分析数据对应提取得到一类目标数据。
5.如权利要求1所述的学习行为分析方法，其特征在于，所述对所述各类目标数据进行统计，得到统计分析结果，包括：
对所述各类目标数据分别进行排序；
分别统计所述各类目标数据中各类别的数据的数量，得到统计分析结果。
6.如权利要求1所述的学习行为分析方法，其特征在于，所述采集用户的学习行为数据，包括：
根据用户标识，向学习记录库发送读取指令；
从学习记录库中读取所述用户标识对应的用户的学习行为数据。
7.如权利要求1至6任一项所述的学习行为分析方法，其特征在于，所述学习行为数据基于xAPI规范。
8.一种学习行为分析装置，其特征在于，包括：
采集模块，用于采集用户的学习行为数据；
行为特征获取模块，用于获取所述学习行为数据的行为特征；
分类模块，用户对所述学习行为数据进行分类；
提取模块，用于提取各类目标数据；
统计分析模块，用于对所述各类目标数据进行统计，得到统计分析结果。
9.如权利要求8所述的学习行为分析装置，其特征在于，所述分类模块包括：
模型建立单元，用于建立学习行为分类模型；
分类单元，用于根据所述学习行为特征中的部分特征，对所述学习行为数据进行分类。
10.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中，并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的学习行为分析方法的步骤。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的学习行为分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910610739.7A CN110334129A (zh) | 2019-07-08 | 2019-07-08 | 学习行为分析方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910610739.7A CN110334129A (zh) | 2019-07-08 | 2019-07-08 | 学习行为分析方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110334129A true CN110334129A (zh) | 2019-10-15 |
Family
ID=68144338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910610739.7A Pending CN110334129A (zh) | 2019-07-08 | 2019-07-08 | 学习行为分析方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110334129A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111914429A (zh) * | 2020-08-12 | 2020-11-10 | 国网河北省电力有限公司培训中心 | 基于区块链的电力仿真培训学习数据管理系统及方法 |
| CN112269936A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 用户科目学习状态的分析方法、系统及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106777024A (zh) * | 2016-12-08 | 2017-05-31 | 北京小米移动软件有限公司 | 识别恶意用户的方法及装置 |
| US20170161636A1 (en) * | 2015-12-03 | 2017-06-08 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Behavior analysis learning system based thereon and method |
| CN108648123A (zh) * | 2018-07-13 | 2018-10-12 | 江苏开放大学（江苏城市职业学院） | 一种基于大数据的网络教学平台及利用其管理网络教学过程的方法 |
| CN109635869A (zh) * | 2018-12-11 | 2019-04-16 | 成都信息工程大学 | 在线学习干预系统 |
-
2019
- 2019-07-08 CN CN201910610739.7A patent/CN110334129A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170161636A1 (en) * | 2015-12-03 | 2017-06-08 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Behavior analysis learning system based thereon and method |
| CN106777024A (zh) * | 2016-12-08 | 2017-05-31 | 北京小米移动软件有限公司 | 识别恶意用户的方法及装置 |
| CN108648123A (zh) * | 2018-07-13 | 2018-10-12 | 江苏开放大学（江苏城市职业学院） | 一种基于大数据的网络教学平台及利用其管理网络教学过程的方法 |
| CN109635869A (zh) * | 2018-12-11 | 2019-04-16 | 成都信息工程大学 | 在线学习干预系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111914429A (zh) * | 2020-08-12 | 2020-11-10 | 国网河北省电力有限公司培训中心 | 基于区块链的电力仿真培训学习数据管理系统及方法 |
| CN112269936A (zh) * | 2020-11-13 | 2021-01-26 | 广东小天才科技有限公司 | 用户科目学习状态的分析方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109756030B (zh) | 一种智能变电站二次回路可视化在线监测及智能运维方法 | |
| CN110245213A (zh) | 调查问卷生成方法、装置、设备和存储介质 | |
| CN109241711A (zh) | 基于预测模型的用户行为识别方法及装置 | |
| CN110221145A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| CN103699541B (zh) | 用于提高分类精度的交互式可视数据挖掘 | |
| CN106355115B (zh) | 一种跌落信息处理方法及装置 | |
| CN110363427A (zh) | 模型质量评估方法和装置 | |
| CN110334129A (zh) | 学习行为分析方法、装置及存储介质 | |
| CN108663581A (zh) | 一种智能变电站二次设备测试方法 | |
| CN105224434A (zh) | 使用机器学习识别软件阶段 | |
| CN109271762A (zh) | 基于滑块验证码的用户认证方法及装置 | |
| CN110278201A (zh) | 安全策略评价方法及装置、计算机可读介质和电子设备 | |
| CN105488118A (zh) | 电气设备故障信息的展示方法和装置 | |
| CN109687426A (zh) | 故障率参数建模方法、装置、设备与存储介质 | |
| Konig et al. | Reliability analysis of substation automation system functions using PRMs | |
| CN108696371B (zh) | 网络故障确定方法及系统 | |
| CN113852204A (zh) | 一种于数字孪生的变电站三维全景监视系统及方法 | |
| CN109284367A (zh) | 用于处理文本的方法和装置 | |
| CN108304322A (zh) | 一种压力测试方法及终端设备 | |
| CN110309402A (zh) | 检测网站的方法和系统 | |
| CN109559206A (zh) | 一种区域企业诚信评价方法、装置及终端设备 | |
| CN107025293A (zh) | 一种电力二次设备缺陷数据挖掘方法及系统 | |
| CN115982646A (zh) | 一种基于云平台的多源测试数据的管理方法及系统 | |
| CN109145609A (zh) | 一种数据处理方法和装置 | |
| CN108875374A (zh) | 基于文档节点类型的恶意pdf检测方法及装置 |
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: 20191015 |