CN110334895A - 一种基于进化算法思维的教育培训自优化质量控制方法及系统 - Google Patents
一种基于进化算法思维的教育培训自优化质量控制方法及系统 Download PDFInfo
- Publication number
- CN110334895A CN110334895A CN201910373511.0A CN201910373511A CN110334895A CN 110334895 A CN110334895 A CN 110334895A CN 201910373511 A CN201910373511 A CN 201910373511A CN 110334895 A CN110334895 A CN 110334895A
- Authority
- CN
- China
- Prior art keywords
- information
- teacher
- fitness
- parent
- educational training
- 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
- 238000012549 training Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 54
- 238000003908 quality control method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000005284 excitation Effects 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 36
- 108090000623 proteins and genes Proteins 0.000 claims description 36
- 230000008520 organization Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 21
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 210000003813 thumb Anatomy 0.000 claims description 7
- 206010064571 Gene mutation Diseases 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 4
- 241000123815 Lutjanus apodus Species 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002124 endocrine Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- 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
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
为了解决现有教育培训系统，不能持续对产品和服务的质量进行优化的问题，本发明提供一种可以对教育培训系统的产品或服务进行持续优化，使其不断朝着更加符合客户用户需求的方向改进的基于进化算法思维的教育培训自优化质量控制方法，包括以下步骤，监督与评价反馈步骤；确立适应度函数步骤；激励与淘汰步骤，相互借鉴的交叉步骤，保护因材施教与个性化的变异步骤。本发明的有益效果是，通过监督与反馈步骤，确立适应度函数步骤，激励与淘汰步骤，分享与交流步骤，支持因材施教的多样性和个性化，形成新的优化教育培训系统，系统持续重复上述步骤，实现教育培训系统产品和服务的不断自我优化。
Description
技术领域
本发明涉及教育培训领域，具体涉及一种基于进化算法思维的教育培训自优化质量控制方法及系统。
背景技术
目前国内经济发展迅速，更多的家长越来越重视孩子的教育问题，因此许多教育培训机构应运而生，但是面向教育培训等应用场景，一般是家长买单，孩子接受教育培训，家长难以全面真实的感受(或监督)服务质量，这容易导致服务机构的质量控制困难，又伤害消费者的利益。
家长购买产品或服务，该产品或服务的使用者并非支付费用的家长，因此家长无法直接获得产品或服务的使用反馈，产品或服务质量监督难以得到保障。
发明内容
为了解决现有教育培训系统，不能持续对产品和服务的质量进行优化的问题，本发明提供一种可以对教育培训系统的产品或服务进行持续优化，使其不断朝着更加符合客户用户需求的方向改进的基于进化算法思维的教育培训自优化质量控制方法，包括以下步骤，
监督与评价反馈步骤，用于监督与反馈；
确立适应度函数步骤，用于确立确立适应度函数；
激励与淘汰步骤，用于激励与淘汰；
相互借鉴的交叉步骤，用于实现教师之间取长补短，相互学习；
保护因材施教与个性化的变异步骤，用于保护个性及种群多样化。
进一步的，所述监督与评价反馈步骤包括，
获取家长意见反馈信息，家长意见反馈信息包括投诉与点赞信息；
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
进一步的，所述确立适应度函数步骤包括，
模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置。
进一步的，所述激励与淘汰机制步骤包括，
采用以下方式进行激励与淘汰，
教育培训机构管理系统生成授课教师获得的绩效fi与其对应的适应度yi，关系fi∝yi；
教育培训机构管理系统向适应度排名靠后的个体发出淘汰信息。
进一步的，所述相互借鉴的交叉步骤包括，
教育培训机构管理系统按照与适应度成正比的概率pi∝yi，生成组织分享计划信息；
组织分享计划信息包括，学习和讨论适应度高的教师的授课视频数据及教师自我解读数据；
教育培训机构管理系统生成教师授某门课程的基因链，基因链用二进制串表示；
基因链包括，教师的教学方法信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息。
所述保护因材施教与个性化的变异步骤包括，
基因链中随机要素采用用下划线表示；
进行基因突变，对随机要素作相反的改变，生成新的基因链。
为了保证上述方法的实施，本发明还提供一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，包括以下单元，
监督与评价反馈单元，用于监督与反馈；
确立适应度函数单元，用于确立确立适应度函数；
激励与淘汰单元，用于激励与淘汰；
相互借鉴的交叉单元，用于实现教师之间取长补短，相互学习；
保护因材施教与个性化的变异单元，用于保护个性及种群多样化。
进一步的，所述监督与评价反馈单元执行以下步骤，
获取家长意见反馈信息，家长意见反馈信息包括投诉与点赞信息；
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
进一步的，所述确立适应度函数单元执行以下步骤，
模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置。
进一步的，所述激励与淘汰机制单元执行以下步骤，
生成授课教师获得的绩效fi与其对应的适应度yi，关系fi∝yi；
向适应度排名靠后的个体发出淘汰信息。
进一步的，相互借鉴的交叉单元按照与适应度成正比的概率pi∝yi，生成组织分享计划信息；
组织分享计划信息包括，学习和讨论适应度高的教师的授课视频数据及教师自我解读数据；
相互借鉴的交叉单元生成教师授某门课程的基因链，基因链用二进制串表示；
基因链包括，教师的教学系统信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息。
所述保护因材施教与个性化的变异单元对基因链中随机要素采用用下划线表示；
所述保护因材施教与个性化的变异单元执行基因突变步骤，对随机要素作相反的改变，生成新的基因链。
本发明的有益效果是，
1本发通过监督与评价反馈步骤，确立适应度函数步骤，激励与淘汰步骤，相互借鉴的交叉步骤，保护因材施教与个性化的变异步骤，形成新的优化教育培训系统，系统持续重复上述步骤，实现教育培训系统产品和服务的不断自我优化。
2采用本发明的技术方案，培训机构无须设置庞大的质量管理部门，系统具有高鲁棒性和广泛适用性的全局优化能力，具有自组织、自适应、自学习的特性，可有效地处理传统教育培训机构，避免由于培训规模增加的复杂质量监管问题。根据客户需求不断自我优化，让系统具有最佳的品质更好的服务于用户与客户。
附图说明
图1为本发明基于进化算法思维的教育培训自优化质量控制方法流程图。
图2为本发明基于进化算法思维的教育培训自优化质量控制系统结构图。
具体实施方式
本发明解决背景技术中存在问题的发明思路是，构建一个基于手机客户端的视频监督反馈环节，家长可以实时观看教育培训过程，也可以回放其消费的历史视频。模拟进化算法的几个算子，应用家长评价单元模拟进化算法的适应度函数；通过家长评价结果，设计激励与淘汰机制，模拟进化算法的选择算子；通过设计分享机制，视频回放、讲解点评，模拟进化算法的交叉算子；面对千差万别的培训对象和不同的培训课程，及来自不同背景的培训教师，给予因材施教的权利，模拟进化算法的变异算子，周而复始，不断进化。不同培训班级，构成千姿百态的不同个体，所有个体构成进化的种群。
进化算法思维是以达尔文的进化论思想为基础，通过模拟生物进化过程与机制的求解问题的自组织、自适应的人工智能技术。生物进化是通过繁殖、变异、竞争和选择实现的；而进化算法则主要通过选择、交叉和变异这三种操作实现优化问题的求解。
如图1所示，本发明提供提供一种可以对教育培训系统的产品或服务进行持续优化，使其不断朝着更加符合客户用户需求的方向改进的基于进化算法思维的教育培训自优化质量控制方法，包括以下步骤，
监督与评价反馈步骤，
确立适应度函数步骤，
激励与淘汰步骤，
相互借鉴的交叉步骤，
保护因材施教与个性化的变异步骤，
重复上述各过程，系统不断自我优化步骤。
下面对监督与评价反馈步骤进行说明，
监督与反馈步骤构建一个基于手机客户端的视频监督反馈环节，家长可以实时观看教育培训过程，也可以回放其消费的历史视频。及时了解孩子课程培训情况，并将意见反馈至培训系统。培训机构依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，该数据串代表个体，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息息。
下面对确立适应度函数步骤进行说明，
系统根据家长意见反馈的相关数据生成每一位授课教师独有的数据串，模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置。
在本发明中教育培训机构管理系统指教育培训机构的管理软件系统，可以运行于教育培训机构的本地服务器，也可以部署在云端服务器。
下面对激励与淘汰步骤进行说明，
采用以下方式进行激励与淘汰，
教育培训机构管理系统生成授课教师获得的奖励性绩效fi与其对应的适应度yi，关系fi∝yi；
教育培训机构管理系统向适应度排名靠后的个体发出淘汰信息。
下面对相互借鉴的交叉步骤进行说明，
教育培训机构管理系统按照与适应度成正比的概率pi∝yi，生成组织分享计划信息；
组织分享计划信息包括，学习和讨论适应度高的教师的授课视频数据及教师自我解读数据；
教育培训机构管理系统生成教师授某门课程的基因链，基因链用二进制串表示；
基因链包括，教师的教学方法信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息。这些影响因素构成某个教师授某门课程的基因链，可以用二进制串表示，比如个体A：1 0 1 1 0 0 1 1 1 1和个体B：0 0 1 0 0 1 1 0 0 0分别用二进制串这样表示，二进制串里面的每一位分别代表教学效果的某个影响因素，相互借鉴的基因交叉，在某个随机点切断，如箭头位置(个体A：1 0 1 1 0 0 1 ↑ 1 1 1和个体B：0 0 1 0 0 1 1 ↑ 0 00)，经过基因交叉，形成新的个体A:1 0 1 1 0 0 1 0 0 0和个体B：0 0 1 0 0 1 1 1 1 1。这是一点交叉，也可以两点交叉、多点交叉。
模拟进化算法的交叉算子，授课教师通过手机客户端可以查看自己授课视频，及时查缺补漏；查看个体适应度较高的授课教师视频，学习经验；邀请名校名师讲课，分享授课经验。使授课教师不断自我提升和自我优化。
下面对保护因材施教与个性化的变异步骤进行说明，
基因链中随机要素采用用下划线表示；
进行基因突变，对随机要素作一个相反的改变，则生成新的基因链。
保持多样化步骤模拟进化算法的变异算子，给予授课教师因材施教的权利，由于不同授课教师受家庭环境，教育背景，自身经历等多方面因素的影响，都具有其独特的优缺点，给予其因材施教的权利可以最大限度的激发其创新性和积极性。
针对学生及环境的多样性，允许教师在相关法律法规及学校的规定之下，给予个性化、因材施教的权利，模拟进化算法的变异算子。在本发明一实施例中，如某个教师主讲某门课程的因素用二进制串表示，0 0 1 0 0 1 1 0 0 0，在某个随机要素上，用下划线表示0 0 1 0 0 1 1 0 0 0，发生基因突变，作一个相反的改变，则生成新的授课模式0 0 1 00 1 1 0 1 0。
在本发明实施过程中重复上述各步骤，系统不断自我优化，
继续重复上述过程，周而复始，不断进化，继而实现教育培训系统产品和服务的不断自我优化。
进化算法思维，不只局限于遗传算法，也包括基于其他演变后的进化算法的教育培训自由化质量控制方法及系统，如遗传规划、进化规划、进化策略、粒子群算法、免疫算法、内分泌算法、差分进化算法、差分演化算法、微分进化算法、微分演化算法和差异演化算法等等。
在本发明实施过程中针对某个班级的某门课程，管理人员生成社群，邀请家长与授课教师参加，为了培养孩子这个共同的目标，持续交互，调集社群能够触及的相关资源与智慧，自动生成各类合作方式，达到深度培养孩子的目的。
在本发明实施过程中视频监控和记录的公开课程，属于授课教师、教育培训机构和平台共同打造的原创内容制作，由三方共同享有该内容版权。
下面通过实施例来对本发明技术方案进行具体的说明。
实施例1
本实施例以初高中生教育培训系统为具体案例，目前国内初高中生教育培训系统较多，质量参差不齐，家长作为客户买单，培训系统为学生提供课程培训服务，由于直接接受课程培训服务的用户为学生，而学生家长作为客户无法获得真实有效的培训情况反馈，导致信息不对称，补课效果不理想等问题，教育培训系统的管理者难以衡量提供课程培训服务的教师教育水平以及其培训效果和成绩，基于进化算法思维的教育培训自优化质量控制系统与方法，具体步骤如下；
S1：构建监督反馈系统
构建一个基于手机客户端的视频监督反馈环节，将所有授课教师的上课过程录制成视频，并存储在云端系统，家长可以通过手机客户端实时观看教育培训过程，也可以回放其消费的历史视频。及时了解孩子课程培训情况，并将意见反馈至培训系统。所述意见反馈，包括对课程设计，讲师水平，上课效果等方面进行评分。
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，该数据串代表个体，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
S2：确立适应度函数
系统根据家长意见反馈的相关数据生成每一位授课教师独有的数据串，模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置，其适应度函数直接对应每一位授课教师的奖励性绩效。
S3：设立激励与淘汰机制
模拟进化算法的选择算子，选择算子在适应度评估的基础上以优胜略汰为原则，采用概率生存的方法，适应度值较高的个体(产品或服务)以较大的概率生存，并参与后续过程。
教育培训机构管理系统生成授课教师获得的奖励性绩效fi与其对应的适应度yi，关系fi∝yi；
教育培训机构管理系统向适应度排名靠后的个体发出淘汰信息。
S4：设立分享机制
模拟进化算法的交叉算子，面向各授课教师推荐适应度函数排名靠前的授课课程，每门课程推荐适应度排名靠前的课程，让授课教师在同行之间相互借鉴，取长补短；
教育培训机构管理系统按照与适应度成正比的概率pi∝yi，生成组织分享计划信息，组织本教学机构的线下分享，学习和讨论组织的授课视频数据，让适应度高的教师分享教学经验，让适应度低的教师积极参加学习；
通过手机客户端进行授课视频回放、名师讲解点评，互相分享授课经验，每个讲师必须根据自己独特的经历、知识能力与接受服务的特定对象，提出自己独特(创新性)的解决方案；
以上过程，把某位教师的某门授课过程看出一个基因链，包括：教师的教学方法信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息。这些影响因素构成某个教师授某门课程的基因链，可以用二进制串表示，比如个体A：1 0 1 1 0 0 1 1 1 1和个体B：0 0 1 0 0 1 1 0 0 0分别用二进制串这样表示，二进制串里面的每一位分别代表教学效果的某个影响因素，相互借鉴的基因交叉，在某个随机点切断，如箭头位置(个体A：1 0 1 10 0 1 ↑ 1 1 1和个体B：0 0 1 0 0 1 1 ↑ 0 0 0)，经过基因交叉，形成新的个体A:1 0 11 0 0 1 0 0 0和个体B：0 0 1 0 0 1 1 1 1 1。这是一点交叉，也可以两点交叉、多点交叉。
模拟进化算法的交叉算子，授课教师通过手机客户端可以查看自己授课视频，及时查缺补漏；查看个体适应度较高的授课教师视频，学习经验；邀请名校名师讲课，分享授课经验。使教学机构所有授课教师不断自我提升和自我优化。
S5：保持多样化
模拟进化算法的变异算子，给予授课教师因材施教的权利，由于不同授课教师受家庭环境，教育背景，自身经历等多方面因素的影响，都具有其独特的优缺点，给予其针对特定课程、特定学生、特定场景，实时因材施教的权利，可以最大限度的激发其创新性和积极性，周而复始，不断进化。
S6：不断重复以上过程，继而实现教育培训系统产品和服务的不断自我优化。
实施例2
如图1所示，一种基于遗传进化思维的客户用户分离系统全员自优化方法，本实施例以高校教育系统为具体案例，目前国内高校数量众多，不同高校不同讲师的教育水平参差不齐，家长作为客户买单，高校为学生提供高等教育，由于直接接受教育的用户为学生，而学生家长作为客户无法获得真实有效的教育情况反馈，导致信息不对称，教育效果不理想，学生毕业后难以在社会立足等问题，高校管理者难以衡量讲师教授的教育水平以及其教育效果和成绩，许多高校设立专门的教务部门，用于监督和提高整体教育水平，但效果不甚理想。基于遗传算法的客户用户分离系统自优化方法，具体步骤如下；
S1：构建监督反馈系统
与实施例1不同之处在于，考虑到客户用户分离系统的特点，以及高校教育通常是家长与学生物理距离较远的特殊情况，请客户用户(家长学生)共同上课难度较大。因此，采用在上课教室安装视频传输系统，使客户(家长)根据自身用户(学生)的课表，通过手机客户端，实时在线观看上课情况。并对高校的课程设计，讲师(教授)水平，上课效果等方面进行评分。为保证数据合理性，客户用户可以对每堂授课视频进行反复观看，对不同课程多次不定时观看。
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，该数据串代表个体，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
S2：确立适应度函数
系统根据家长意见反馈的相关数据生成每一位授课教师独有的数据串，模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教务管理人员预先在教务管理系统中设置，其适应度函数直接对应每一位授课教师的奖励性绩效。
S3：设立激励与淘汰机制
模拟进化算法的选择算子，选择算子在适应度评估的基础上以优胜略汰为原则，采用概率生存的方法，适应度值较高的个体(产品或服务)以较大的概率生存，并参与后续过程。
教育培训机构管理系统生成授课教师获得的奖励性绩效fi与其对应的适应度yi，关系fi∝yi；
教育培训机构管理系统向适应度排名靠后的个体发出淘汰信息。
S4：设立分享机制
模拟进化算法的交叉算子，面向全校各授课教师推荐适应度函数排名靠前的授课课程，每门课程推荐适应度排名靠前的课程，让授课教师在同行之间相互借鉴，取长补短；
学校教务管理系统按照与适应度成正比的概率pi∝yi，生成组织分享计划信息，组织本教学机构的线下分享，学习和讨论组织的授课视频数据，让适应度高的教师分享教学经验，让适应度低的教师积极参加学习；
通过手机客户端进行授课视频回放、名师讲解点评，互相分享授课经验，每个讲师必须根据自己独特的经历、知识能力与接受服务的特定对象，提出自己独特(创新性)的解决方案；
以上过程，把某位教师的某门授课过程看出一个基因链，包括：教师的教学方法信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息。这些影响因素构成某个教师授某门课程的基因链，可以用二进制串表示，比如个体A：1 0 1 1 0 0 1 1 1 1和个体B：0 0 1 0 0 1 1 0 0 0分别用二进制串这样表示，二进制串里面的每一位分别代表教学效果的某个影响因素，相互借鉴的基因交叉，在某个随机点切断，如箭头位置(个体A：1 0 1 10 0 1 ↑ 1 1 1和个体B：0 0 1 0 0 1 1 ↑ 0 0 0)，经过基因交叉，形成新的个体A:1 0 11 0 0 1 0 0 0 和个体B：0 0 1 0 0 1 1 1 1 1。这是一点交叉，也可以两点交叉、多点交叉。
模拟进化算法的交叉算子，授课教师通过手机客户端可以查看自己授课视频，及时查缺补漏；查看个体适应度较高的授课教师视频，学习经验；邀请名校名师讲课，分享授课经验。使学校所有授课教师不断自我提升和自我优化。
S5：保持多样化
模拟进化算法的变异算子，给予授课教师因材施教的权利，由于不同授课教师受家庭环境，教育背景，自身经历等多方面因素的影响，都具有其独特的优缺点，给予其针对特定课程、特定学生、特定场景，实时因材施教的权利，可以最大限度的激发其创新性和积极性，周而复始，不断进化。
S6：不断重复以上过程，继而实现高校教学产品和服务的不断自我优化。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种基于进化算法思维的教育培训自优化质量控制方法，其特征在于，重复执行以下步骤，
监督与评价反馈步骤，用于监督与反馈；
确立适应度函数步骤，用于确立确立适应度函数；
激励与淘汰步骤，用于激励与淘汰；
相互借鉴的交叉步骤，用于实现教师之间取长补短，相互学习；
保护因材施教与个性化的变异步骤，用于保护个性及种群多样化。
2.如权利要求1所述的一种基于进化算法思维的教育培训自优化质量控制方法，
其特征在于，所述监督与评价反馈步骤包括，
获取家长意见反馈信息，家长意见反馈信息包括投诉与点赞信息；
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示，矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
3.如权利要求2所述的一种基于进化算法思维的教育培训自优化质量控制方法，其特征在于，所述确立适应度函数步骤包括，
模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置。
4.如权利要求3所述的一种基于进化算法思维的教育培训自优化质量控制方法，其特征在于，所述激励与淘汰机制步骤包括，
采用以下方式进行激励与淘汰，
教育培训机构管理系统生成授课教师获得的绩效fi与其对应的适应度yi，关系fi∝yi；
教育培训机构管理系统向适应度排名靠后的个体发出淘汰信息。
5.如权利要求4所述的一种基于进化算法思维的教育培训自优化质量控制方法，其特征在于，所述相互借鉴的交叉步骤包括，
教育培训机构管理系统按照与适应度成正比的概率pi∝yi，生成组织分享计划信息；
组织分享计划信息包括，学习和讨论适应度高的教师的授课视频数据及教师自我解读数据；
教育培训机构管理系统生成教师授某门课程的基因链，基因链用二进制串表示；基因链包括，教师的教学方法信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息；
所述保护因材施教与个性化的变异步骤包括，
基因链中随机要素采用用下划线表示；
进行基因突变，对随机要素作相反的改变，生成新的基因链。
6.一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，包括以下单元，
监督与评价反馈单元，用于监督与反馈；
确立适应度函数单元，用于确立确立适应度函数；
激励与淘汰单元，用于激励与淘汰；
相互借鉴的交叉单元，用于实现教师之间取长补短，相互学习；
保护因材施教与个性化的变异单元，用于保护个性及种群多样化。
7.如权利要求6所述的一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，所述监督与评价反馈单元执行以下步骤，
获取家长意见反馈信息，家长意见反馈信息包括投诉与点赞信息；
依据教师工号、授课地点、授课学期和家长反馈信息生成每一个授课教师的独有数据串，家长反馈信息用矩阵表示矩阵第i行代表第i堂课，矩阵第j列代表第j个学生对应的家长，矩阵元素第i行j列代表第j个学生家长对该门课程第i堂课程的评价结果，吐槽用-1表示，点赞用+1表示，未评价用0表示，若干授课教师的独有数据串构成初始种群P＝{p1,p2,p3,...,pn}，其中P代表种群，pn代表种群中第n个个体信息。
8.如权利要求7所述的一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，所述确立适应度函数单元执行以下步骤，
模拟进化算法的适应度函数，对每一位授课教师生成其对应的适应度值，第n个个体的适应度函数可以表示：其中阶跃函数k1为点赞奖励系数，k2为吐槽惩罚系数，k1和k2的值由各教学机构管理人员预先在教育培训机构管理系统中设置。
9.如权利要求8所述的一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，所述激励与淘汰机制单元执行以下步骤，
生成授课教师获得的绩效fi与其对应的适应度yi，关系fi∝yi；
向适应度排名靠后的个体发出淘汰信息。
10.如权利要求9所述的一种基于进化算法思维的教育培训自优化质量控制系统，其特征在于，
相互借鉴的交叉单元按照与适应度成正比的概率pi∝yi，生成组织分享计划信息；
组织分享计划信息包括，学习和讨论适应度高的教师的授课视频数据及教师自我解读数据；
相互借鉴的交叉单元生成教师授某门课程的基因链，基因链用二进制串表示；基因链包括，教师的教学系统信息、教学手段信息、教学内容优化信息、教学目标设置信息、互动信息、激发兴趣信息、过程调控信息、语言表达信息、风趣幽默信息、精神状态信息，学生的课前准备信息、专注信息、质疑信息、讨论信息、心态信息、对学科和老师的喜欢等级信息；
所述保护因材施教与个性化的变异单元对基因链中随机要素采用用下划线表示；
所述保护因材施教与个性化的变异单元执行基因突变步骤，对随机要素作相反的改变，生成新的基因链。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910373511.0A CN110334895A (zh) | 2019-05-07 | 2019-05-07 | 一种基于进化算法思维的教育培训自优化质量控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910373511.0A CN110334895A (zh) | 2019-05-07 | 2019-05-07 | 一种基于进化算法思维的教育培训自优化质量控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110334895A true CN110334895A (zh) | 2019-10-15 |
Family
ID=68139595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910373511.0A Pending CN110334895A (zh) | 2019-05-07 | 2019-05-07 | 一种基于进化算法思维的教育培训自优化质量控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110334895A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110807606A (zh) * | 2019-11-15 | 2020-02-18 | 深圳市数字星河科技有限公司 | 一种基于大数据的智能自适应教育培训系统 |
| CN116629708A (zh) * | 2023-07-20 | 2023-08-22 | 学能通(山东)智能设备有限公司 | 一种基于数据分析的专业模拟实训管理系统 |
| CN117422252A (zh) * | 2023-10-27 | 2024-01-19 | 广州宏天软件股份有限公司 | 一种改进式遗传算法智能排课方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107437230A (zh) * | 2016-11-23 | 2017-12-05 | 河南中医学院 | 一种基于矩阵编码的多目标进化求解面试分组的方法 |
| CN108805405A (zh) * | 2018-05-02 | 2018-11-13 | 浙江建设职业技术学院 | 一种教学评价系统及其构建方法 |
| CN109166372A (zh) * | 2018-09-10 | 2019-01-08 | 温州大学 | 基于云架构下的教学系统及决策方法 |
-
2019
- 2019-05-07 CN CN201910373511.0A patent/CN110334895A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107437230A (zh) * | 2016-11-23 | 2017-12-05 | 河南中医学院 | 一种基于矩阵编码的多目标进化求解面试分组的方法 |
| CN108805405A (zh) * | 2018-05-02 | 2018-11-13 | 浙江建设职业技术学院 | 一种教学评价系统及其构建方法 |
| CN109166372A (zh) * | 2018-09-10 | 2019-01-08 | 温州大学 | 基于云架构下的教学系统及决策方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘子铭: ""基于遗传算法的教学策略优化研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110807606A (zh) * | 2019-11-15 | 2020-02-18 | 深圳市数字星河科技有限公司 | 一种基于大数据的智能自适应教育培训系统 |
| CN110807606B (zh) * | 2019-11-15 | 2023-10-27 | 深圳市数字星河科技有限公司 | 一种基于大数据的智能自适应教育培训系统 |
| CN116629708A (zh) * | 2023-07-20 | 2023-08-22 | 学能通(山东)智能设备有限公司 | 一种基于数据分析的专业模拟实训管理系统 |
| CN116629708B (zh) * | 2023-07-20 | 2023-09-29 | 学能通(山东)智能设备有限公司 | 一种基于数据分析的专业模拟实训管理系统 |
| CN117422252A (zh) * | 2023-10-27 | 2024-01-19 | 广州宏天软件股份有限公司 | 一种改进式遗传算法智能排课方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stoll | Teacher growth in the effective school | |
| Jong | Does online game-based learning work in formal education at school? A case study of VISOLE | |
| Nath | Factors influencing primary students' learning achievement in Bangladesh | |
| CN110334895A (zh) | 一种基于进化算法思维的教育培训自优化质量控制方法及系统 | |
| Siegel et al. | Aligning assessment to instruction: Collaborative group testing in large-enrollment science classes | |
| CN109754353A (zh) | 一种教育机构培训过程监测与评价系统管理员终端 | |
| CN109919386A (zh) | 一种教育机构培训过程监测与评价系统家长终端 | |
| Umam et al. | The Formation of Noble Morals in Madrasah Aliyah Negeri (MAN) in West Java | |
| Chen et al. | Team formation for collaborative learning with social network consideration based on edX's online discussion board | |
| Ancar et al. | Professional Connections through the Technology Learning Community. | |
| Alsalhi et al. | Evaluating the Impact of Reciprocal Teaching Strategy on International Postgraduate Science Education Programs | |
| Smith | Differentiating teaching for sustainability for diverse student learning | |
| Adani | The an analysis of student teacher’s perspective and practice at stkip muhammadiyah aceh barat daya | |
| Wu | The Japanese education system: A case study summary and analysis | |
| Benson et al. | Developing scholarly teaching at a research university: Using learning communities to build capacity for change | |
| Ahn | Balancing the Equation: Does a Ph. D. Equal Expertise in Teaching?. | |
| CN109727171A (zh) | 一种教育机构培训过程监测与评价系统教师终端 | |
| Mardhiah et al. | IMPROVING CRITICAL THINKING SKILLS THROUGH INNOVATIVE LEARNING AT SDN 45 BANDA ACEH | |
| Wijaya et al. | Character Building through School Culture Development in the Senior High School of Panca Budi Medan | |
| Rodriguez | Multisensory active learning methods to teach number sense: a case study in diverse early elementary settings | |
| Boschmann | Moving toward a more inclusive reward structure | |
| Ahuja et al. | Inculcation of life skills through project based learning to promote sustainability | |
| Wang et al. | Exploring the Way of Playing the Role of Organizational Education Relying on the Construction of Excellent Class Collective | |
| Kamel | The Web as a Learning Environment for Kids: Case Study | |
| Simbolon | EFFECTIVENESS LEARNING IN HYBRID AGAINST DISCIPLINE STUDY STUDENTS IN COURSES STATISTICS |
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 |