CN110796364A - 在线课堂的质检方法、装置、电子设备及存储介质 - Google Patents
在线课堂的质检方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110796364A CN110796364A CN201911030098.4A CN201911030098A CN110796364A CN 110796364 A CN110796364 A CN 110796364A CN 201911030098 A CN201911030098 A CN 201911030098A CN 110796364 A CN110796364 A CN 110796364A
- Authority
- CN
- China
- Prior art keywords
- quality inspection
- data
- classroom
- teacher
- materials
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 253
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000006399 behavior Effects 0.000 claims description 30
- 238000013075 data extraction Methods 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 20
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 238000003908 quality control method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G06Q50/205—Education administration or guidance
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
本发明提供一种在线课堂的质检方法、装置、电子设备及存储介质,包括:获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况;按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及到一种在线课堂的质检方法、装置、电子设备及存储介质。
背景技术
在线课堂又叫网络课堂,是基于互联网络新兴的远程在线互动培训课堂。在线课堂中,师生通过视频通信连接后,老师通过会话、板书进行授课,学生在这期间保持听讲,或通过提问与老师进行互动,从而完成一节质量良好的在线课堂。
然在实际的在线课堂中,存在众多影响在线课堂质量的因素,如网络波动、课堂设备差及师生双方课堂行为不守则等因素。现阶段,在线课堂的质检主要依赖人工检测的方式,但人工检测的方式成本高、工作量大且效率低下;人工检测的方式,难以在在线课堂的质检中起到很好的效果。
发明内容
有鉴于此,本发明实施例提供一种在线课堂的质检方法及装置,通过质检机器人来完成对每一节在线课堂的质检作业。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面提供了一种在线课堂的质检方法,包括:
获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;
分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况;
按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;
根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
可选的,所述分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据,包括:
基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据;
对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
可选的,所述多媒体质检素材包括教师授课质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从多媒体文件中抽取教师授课采用的课件中的课件数据,得到教师授课的初始课件数据;其中,所述初始课件数据包括课件有无上传、课件的页数及课件的使用次数。
可选的,所述多媒体质检素材包括师生行为质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从所述多媒体文件中抽取师生课堂的行为数据,得到师生课堂的初始行为数据;其中,所述初始行为数据包括师生登陆及离开课堂时间和师生使用手机次数。
可选的,所述多媒体质检素材包括师生互动质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从所述多媒体文件中抽取师生的互动数据,得到师生的初始互动数据;其中,所述初始互动数据包括师生说话的音频分布点、师生说话的音频占比及师生间的评分数据。
可选的,所述根据所述特征标签对所述在线课堂的课堂质量进行评估,包括:
将所述各个类型的目标数据对应的特征标签导入到评估系统中,触发所述评估系统根据预设的计算方式,根据各个特征标签预设的标签权重对所述在线课堂的课堂质量进行评估。
本发明第二方面提供了一种在线课堂的质检装置,包括:
获取单元,用于获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;
处理单元,用于分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况;
分析单元,用于按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;
评估单元,用于根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
可选的,所述处理单元,包括:
数据抽取单元,用于基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据;
数据清洗单元,用于对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
可选的,所述多媒体质检素材包括教师授课质检素材,所述数据抽取单元,包括:
第一数据抽取子单元,用于基于预设的数据埋点,从所述多媒体文件中抽取教师授课采用的课件中的课件数据,得到教师授课的初始课件数据;其中,所述初始课件数据包括课件有无上传、课件的页数及课件的使用次数。
可选的,所述多媒体质检素材包括师生行为质检素材,所述数据抽取单元,包括:
第二数据抽取子单元,用于基于预设的数据埋点,从所述多媒体文件中抽取师生课堂的行为数据,得到师生课堂的初始行为数据;其中,所述初始行为数据包括师生登陆及离开课堂时间和师生使用手机次数。
可选的,所述多媒体质检素材包括师生互动质检素材,所述数据抽取单元,包括:
第三数据抽取子单元,用于基于预设的数据埋点,从所述多媒体文件中抽取师生的互动数据,得到师生的初始互动数据;其中,所述初始互动数据包括师生说话的音频分布点、师生说话的音频占比及师生间的评分数据。
可选的,所述评估单元,包括:
评估子单元,用于将所述各个类型的目标数据对应的特征标签导入到评估系统中,触发所述评估系统根据预设的计算方式,根据各个特征标签预设的标签权重对所述在线课堂的课堂质量进行评估。
本发明第三方面提供了一种电子设备,包括处理器和存储器;其中:
所述存储器用于存储计算机指令;
所述处理器用于执行所述存储器存储的计算机指令,具体执行如上述任意一项提供的在线课堂的质检方法。
本发明第四方面提供了一种电子设备,用于存储程序,所述程序被执行时,用于实现如上述的任意一项提供的在线课堂的质检方法。
与现有技术相比,本发明包括以下优点:
本发明公开的在线课堂的质检方法中,质检机器人首先获取在线课堂的多个质检素材,并对所述多个质检素材进行数据抽取,从而得到所述在线课堂的多个目标数据,再按照预设的分析策略对所述多个目标数据进行分析,得到与各个所述目标数据对应的特征标签,最终根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。由此可以看出,对于每一节在线课堂,质检机器人都可以采用本发明提供的质检方法,通过质检多个质检素材,来对该课堂进行质检作业,如此使得在线课堂的质检成本降低,且能在工作量较大的情况下保持高效率的质检作业。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种在线课堂的质检方法的方法流程图;
图2为本发明实施例提供的一种质检素材的示意图;
图3为本发明实施例提供的一种对在线课堂进行评估的示意图;
图4为本发明实施例提供的一种在线课堂的的质检装置的结构示意图;
图5为本发明另一实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种在线课堂的质检方法,该方法可应用在在线课堂的质检机器人上,由质检机器人来对每一节在线课堂进行质检作业。其流程可参照图1,具体包括如下步骤:
S101、获取在线课堂的多个质检素材。其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材。
针对于每一节在线课堂,都可以得到该节在线课堂的多个质检素材;所述质检素材是从一节在线课堂中采集出的一系列数据或是文件,可基于质检素材做进一步的处理和分析,从而得到一系列数据,并进而根据该一系列数据对该节在线课堂做出评估,得出课堂的优劣情况。其中,获取在线课堂的多个质检素材的过程,包括:
通过传感器设备获取所述在线课堂的多媒体文件、网络波动及设备信息,并将获取到的多媒体文件、网络波动及设备信息分别确定为所述在线课堂的多媒体质检素材、网络质检素材和设备质检素材。
具体的,针对任意一节在线课堂,例如,可以获取该节在线课堂的录音文件对应的MP3格式文件,和该节在线课堂的录屏文件对应的MP4格式文件,从而得到该节在线课堂的多媒体质检文件。
又例如通过网络情况上报数据,得到师生音频上行下行数据包的流量、语音平均卡顿率、丢包、延时等网络传输质量情况的信息,并将该信息作为该节在线课堂的网络质检素材。
又例如通过获取该节在线课堂上,师生所使用的上课设备的设备信息,及设备上安装的APP版本号,作为该节在线课堂的设备质检素材。
需要说明的是,上述中的多媒体质检素材、网络质检素材和设备质检素材都属于所述多个质检素材中的一个,但在线课堂的质检素材包括并不仅限于这三种。在不同情况的需求下,可以选取其他方面的数据和/或文件,来作为某一个在线课堂的质检素材。
可选的,本发明另一实施例中,如图2所示,在线课堂的多个质检素材,包括:
网络质检素材201、设备质检素材202及多媒体质检素材203。其中,多媒体质检素材203大类中又包括教师授课质检素材204、师生行为质检素材205及师生互动质检素材206三个小类。
需要说明的是,多媒体质检素材203如某一节在线课堂的MP3和/或MP4格式的文件中,基本涵盖了该节在线课堂的声音和画面信息,是一个完整且庞大的质检素材,因此实质上,在该多媒体质检素材203中,包括了教师授课质检素材204、师生行为质检素材205及师生互动质检素材206等三种质检素材。从另一方面即可以理解为,教师授课质检素材204、师生行为质检素材205及师生互动质检素材206等三种质检素材,它们存在于多媒体质检素材203当中。
同理,上述中的教师授课质检素材204、师生行为质检素材205和师生互动质检素材206都属于所述多媒体质检素材203,但多媒体质检素材包括并不仅限于这三种,在不同情况的需求下,多媒体质检素材203也可以涵盖更多分类及可以划分成更多的质检素材小类。
S102、分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况。
通过步骤S101所获取到的多个质检素材中,需要分别对每一个质检素材进行数据处理,才能得到各个质检素材对应的目标数据。其中,所述数据处理的过程可以包括数据抽取和数据清洗,通过数据抽取得到的初始数据可能是不一致、重复、不完整、含噪声的数据,因此需要对初始数据进行数据清洗。经数据抽取和数据清洗后,最终得到了目标数据,且该目标数据反映了在线课堂的某一方面的课堂情况。
可选的,本发明另一实施例中,进行数据处理的过程,可以包括:
基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据。
需要说明的是,质检机器人从质检素材中得到目标数据的过程中,需要预先建立对应的数据埋点,以使得质检机器人能识别和抽取出对应数据埋点的数据项,得到质检素材对应的初始数据。
对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
前述提及,得到的初始数据可能是不一致、重复、不完整、含噪声的数据,因此需要进一步进行数据清洗和格式整理,以得到标准格式的目标数据;其中,可以利用MapReduce、Spark等计算框架来对获取到的数据进行数据清洗和格式处理。
具体的,本发明实施例中,针对多媒体质检素材所包括的教师授课质检素材,从多媒体文件中,基于预设的数据埋点抽取教师授课采用的课件中的课件数据,得到教师授课的初始课件数据;其中,所述初始课件数据包括课件有无上传、课件的页数及课件的使用次数。
对该初始课件数据进行数据清洗和格式整理,得到该教师授课质检素材对应的目标数据。其中,所述经数据清洗和格式整理后得到的目标数据如下表1所示。
表1
课节 | 教师 | 课件有无上传 | 课件页数 | 课件重复使用次数 |
01 | 赵老师 | 1 | 23 | 3 |
在表1中,采用0和1来表示课件是否上传,课件页数表示赵老师在该节在线课堂上所采用的课件的页数。课件重复使用次数则为后端统计该课件的历史使用次数。由此,根据该表1中的一系列目标数据,便可往后按照预设的分析策略进行分析。
同理,本发明实施例中,针对多媒体质检素材所包括的师生行为质检素材,从多媒体文件中,基于预设的数据埋点抽取师生课堂的行为数据,得到师生课堂的初始行为数据,其中,所述初始行为数据包括师生登陆及离开课堂时间、师生进出课堂次数和师生使用手机次数。
对该初始行为数据进行数据清洗和格式整理,得到该师生行为质检素材对应的目标数据;其中,所述师生行为质检素材对应的目标数据如下表2所示。
表2
在表2中,假定在线课堂的开始时间为20:00,则师生登陆时间都没有异常,教师需要提前准备课件,因此可能会提前登陆。需要说明的是,此处的登陆指的可以是某个APP的客户端。假定一节在线课堂的时长为一个小时,那么该节在线课堂的结束时间应为21:00,由此可见,该教师的离开时间过早,而学生的离开时间则为正常;在使用手机方面,监测到教师使用了一次手机,可能为接电话、打电话等动作,学生则在整节在线课堂中,都没有使用过手机。由此,根据该表2中的一系列目标数据,便可往后按照预设的分析策略进行分析。
同理,本发明实施例中,针对多媒体质检素材所包括的师生互动质检素材,从多媒体文件中,基于预设的数据埋点抽取师生的互动数据,得到师生的初始互动数据;其中,所述初始互动数据包括师生说话的音频分布点、师生说话的音频占比及师生间的评分数据。
对该初始互动数据进行数据清洗和格式整理,得到该师生互动质检素材对应的目标数据。
需要说明的是,在师生互动方面,例如可以选取在30秒滚动时间窗口内,统计师生双方说话声音的大小、以及声音在时间序列下分布情况,反映该时间窗口下课堂语音情况;即音频分布点和音频占比。通过师生音量区间内分布情况反映师生是否发言、师生是否交互;通过音量大小反映时间段内教师的讲解质量,学生的发言状态;通过课堂整体数据反映教师讲解时间是否达标、学生课堂表现是否积极。
而师生间的评分数据则可以通过调用后端所记录的,老师对学生的评分及学生对老师的评分等信息。
前述提及,质检素材为从一节在线课堂中采集出的一系列数据或是文件。与多媒体质检素材不同的是,多媒体质检素材为MP3和/或MP4格式的文件,而网络质检素材和设备质检素材则为一系列数据。
针对网络质检素材和设备质检素材所进行的数据处理中,因为其本身就是获取到的数据,因此可以直接进行数据清洗和格式处理,以得到网络质检素材对应的目标数据及设备质检素材所对应的目标数据。
本发明实施例中,针对网络质检素材,通过网络情况上报数据,在得到师生音频上行下行数据包的流量、语音平均卡顿率、丢包、延时等网络传输质量情况的信息后,进而通过数据清洗和格式整理,得到用于后续分析网络质检素材所对应的目标数据。
本发明实施例中,针对设备质检素材,在获取到该在线课堂采用的PC客户端型号、APP软件的版本等初始数据项后,进而通过数据清洗和格式整理,得到用于后续分析的目标数据;该目标数据为设备质检素材所对应的目标数据,其反映出在基础设备方面,学生或者老师的设备是否支持该在线课堂,是否存在使用缺陷等问题,在后续中用于分析和整体评估该节在线课堂。
进一步的,在经处理得到各个目标数据后,可以将各个目标数据存储到合适的存储引擎,例如关系型数据库、大数据集群等。
S103、按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签。
本发明实施例提供的方法中,对于得到的各个目标数据都预先设置了对应的分析策略,具体可以表现为判断目标数据是否为某个数值,或处在某一阈值内,若是,则得到该数值或该阈值对应的特征标签。
以前述中的教师授课质检素材为例,在得到目标数据(即表1)后,进一步确定课件是否上传的得分、课件页数的得分、课件的使用次数的得分等,最后综合三个得分情况,分析得到教师授课方面对应的特征标签。该特征标签可以是A、B、C、D四个等级,四个等级分别对应不同的得分,即通过质检得到教师在授课方面的特征标签。
同样的,在师生行为质检素材方面,在得到目标数据(即表2)后,进一步确定师生登陆时间得分、师生离开时间得分及师生使用手机次数得分,综合三个得分情况分析得到师生行为质检素材方面对应的特征标签。该特征标签亦可以是A、B、C、D四个等级,四个等级分别对应不同的得分。
以此类推,本发明实施例提供的方法中,其他质检素材亦如师生互动质检素材、网络质检素材、设备质检素材等,其分析策略同上述教师授课质检素材及师生行为质检素材的分析策略一致,此处便不再赘述。
S104、根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
步骤S103中得到了多种质检素材分别对应的特征标签,如此一来,便得到了该在线课堂各个维度的特征标签,且每个特征标签都反映了该在线课堂某一方面的状况。例如网络质检素材对应的特征标签反映了该节在线课堂的网络情况,设备质检素材对应的特征标签反映了该节在线课堂的设备情况,即可以表现为是A、B、C、D四个等级对应的得分情况。
进一步的,将得到的一众特征标签进行聚合统计、计算出该节在线课堂的最终得分。
可选的,本发明另一实施例提供的方法中,如图3所示,将网络质检素材对应的特征标签1、设备质检素材对应的特征标签2、教师授课质检素材对应的特征标签3、师生行为质检素材对应的特征标签4及师生互动质检素材对应的特征标签5导入到评估系统中,触发所述评估系统根据预设的计算方式,根据各个特征标签预设的标签权重对所述在线课堂的课堂质量进行评估。
需要说明的是,可以预先赋予每个特征标签于对应的计算权重,进而采用Delphi法计算多个特征权重,从而得到最终的一个得分情况。当然,也可以根据历史的得分情况构建统计模型,训练出计算模型,从而在输入多个特征标签后,评估系统自动分析出得分情况。
可选的,当在线课堂结束后,质检机器人可以将对该在线课堂的评估报告,通过工单的形式派发给相应的复核人员,以便于复核人员基于各项指标数据有针对性提成改进措施。
本发明实施例提供的方法中,针对每一节在线课堂,质检机器人可以获取该在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;所述多媒体质检素材至少包括教师授课质检素材、师生行为质检素材和师生互动质检素材;分别对每个质检素材进行数据处理,得到每个所述质检素材对应的目标数据;进而按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;最终,质检机器人根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。由此可见,本发明实施例提供的方法中,针对每一节在线课堂,都无需采用人工质检在线课堂的传统方法,而是使质检机器人采用本发明提供的质检方法,来对任意一节在线课堂进行质检作业,如此使得在线课堂的质检成本降低,且能在工作量较大的情况下保持高效率的质检作业。
与图1相对应的,本发明实施例还提供了一种在线课堂的质检装置,具体的装置结构图如图4所示,包括:
获取单元401,用于获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材。
处理单元402,用于分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况。
分析单元403,用于按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签。
评估单元404,用于根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
本发明实施例提供的在线课堂的质检装置中,获取单元401获取到任意一个在线课堂的多个质检素材后,处理单元402分别对每个所述质检素材进行数据处理,以得到每个所述质检素材对应的目标数据;分析单元403在按照预设的分析策略分别对每个所述目标数据进行分析,从而得到与各个所述目标数据对应的特征标签;最后评估单元404根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。本发明实施例提供的装置中,针对每一节在线课堂,都无需采用人工质检在线课堂的传统方法,而是使质检机器人配合完成上述401单元至404单元的工作,来对任意一节在线课堂进行质检作业,如此使得在线课堂的质检成本降低,且能在工作量较大的情况下保持高效率的质检作业。
本发明实施例中,获取单元401、处理单元402、分析单元403和评估单元404的具体执行过程,可参见对应图1的方法实施例中的内容,此处不再赘述。
可选的,本发明另一实施例中,处理单元403,包括:
数据抽取单元,用于基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据。
数据清洗单元,用于对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
本实施例中,数据抽取单元和数据清洗单元的具体执行过程,可参见对应图1的方法实施例内容,此处不再赘述。
可选的,本发明另一实施例中,数据抽取单元,包括:
第一数据抽取子单元,用于基于预设的数据埋点,从多媒体文件中抽取教师授课采用的课件中的课件数据,得到教师授课的初始课件数据;其中,所述初始课件数据包括课件有无上传、课件的页数及课件的使用次数。
第二数据抽取子单元,用于基于预设的数据埋点,从多媒体文件中抽取师生课堂的行为数据,得到师生课堂的初始行为数据;其中,所述初始行为数据包括师生登陆及离开课堂时间和师生使用手机次数。
第三数据抽取子单元,用于基于预设的数据埋点,从多媒体文件中抽取师生的互动数据,得到师生的初始互动数据;其中,所述初始互动数据包括师生说话的音频分布点、师生说话的音频占比及师生间的评分数据。
本实施例中,第一数据抽取单元、第二数据抽取单元和第三数据抽取单元的具体执行过程,可参见对应图1的方法实施例内容,此处不再赘述。
可选的,本发明另一实施例中,所述评估单元,包括:
评估子单元,用于将所述各个类型的目标数据对应的特征标签导入到评估系统中,触发所述评估系统根据预设的计算方式,根据各个特征标签预设的标签权重对所述在线课堂的课堂质量进行评估。
本实施例中,评估子单元的具体执行过程,可参见对应图1的方法实施例内容,此处不再赘述。
本发明另一实施例中提供了一种电子设备,如图5所示,包括处理器501和存储器502;其中:
存储器502用于存储计算机指令;
处理器501用于执行所述存储器存储的计算机指令,具体执行上述方法实施例中任意一项所述的在线课堂的质检方法。
本发明另一实施例中提供了一种一种存储介质,用于存储程序,所述程序被执行时,用于实现上述方法实施例中任意一项所述的在线课堂的质检方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种在线课堂的质检方法,其特征在于,包括:
获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;
分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况;
按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;
根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
2.根据权利要求1所述的质检方法,其特征在于,所述分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据,包括:
基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据;
对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
3.根据权利要求2所述的质检方法,其特征在于,所述多媒体质检素材包括教师授课质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从所述多媒体文件中抽取教师授课采用的课件中的课件数据,得到教师授课的初始课件数据;其中,所述初始课件数据包括课件有无上传、课件的页数及课件的使用次数。
4.根据权利要求2所述的质检方法,其特征在于,所述多媒体质检素材包括师生行为质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从所述多媒体文件中抽取师生课堂的行为数据,得到师生课堂的初始行为数据;其中,所述初始行为数据包括师生登陆及离开课堂时间和师生使用手机次数。
5.根据权利要求2所述的质检方法,其特征在于,所述多媒体质检素材包括师生互动质检素材,所述基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据,包括:
基于预设的数据埋点,从多媒体文件中抽取师生的互动数据,得到师生的初始互动数据;其中,所述初始互动数据包括师生说话的音频分布点、师生说话的音频占比及师生间的评分数据。
6.根据权利要求1所述的质检方法,其特征在于,所述根据所述特征标签对所述在线课堂的课堂质量进行评估,包括:
将所述各个类型的目标数据对应的特征标签导入到评估系统中,触发所述评估系统根据预设的计算方式,根据各个特征标签预设的标签权重对所述在线课堂的课堂质量进行评估。
7.一种在线课堂的质检装置,其特征在于,包括:
获取单元,用于获取在线课堂的多个质检素材;其中,所述多个质检素材包括多媒体质检素材、网络质检素材及设备质检素材;
处理单元,用于分别对每个所述质检素材进行数据处理,得到每个所述质检素材对应的目标数据;其中,所述目标数据反映了所述在线课堂的课堂情况;
分析单元,用于按照预设的分析策略分别对每个所述目标数据进行分析,得到与各个所述目标数据对应的特征标签;
评估单元,用于根据所述特征标签对所述在线课堂的课堂质量进行评估,并生成评估报告。
8.根据权利要求7所述的质检装置,其特征在于,所述处理单元,包括:
数据抽取单元,用于基于预设的数据埋点,分别对每个所述质检素材进行数据抽取,得到每个所述质检素材对应的初始数据;
数据清洗单元,用于对所述初始数据进行数据清洗和格式整理,得到每个所述质检素材对应的目标数据。
9.一种电子设备,其特征在于,包括处理器和存储器;其中:
所述存储器用于存储计算机指令;
所述处理器用于执行所述存储器存储的计算机指令,具体执行如权利要求1至6中任意一项所述的在线课堂的质检方法。
10.一种存储介质,其特征在于,用于存储程序,所述程序被执行时,用于实现如权利要求1至6中任意一项所述的在线课堂的质检方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030098.4A CN110796364A (zh) | 2019-10-28 | 2019-10-28 | 在线课堂的质检方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911030098.4A CN110796364A (zh) | 2019-10-28 | 2019-10-28 | 在线课堂的质检方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110796364A true CN110796364A (zh) | 2020-02-14 |
Family
ID=69441446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911030098.4A Pending CN110796364A (zh) | 2019-10-28 | 2019-10-28 | 在线课堂的质检方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796364A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256521A (zh) * | 2020-09-18 | 2021-01-22 | 北京大米科技有限公司 | 基于在线课堂的异常处理方法、装置、存储介质及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226796A (zh) * | 2013-04-02 | 2013-07-31 | 浙江大学 | 面向全过程的在线教育服务质量评估方法 |
CN107516444A (zh) * | 2016-06-17 | 2017-12-26 | 上海理优教育科技有限公司 | 基于移动智能终端的在线教育平台 |
CN108171414A (zh) * | 2017-12-26 | 2018-06-15 | 重庆大争科技有限公司 | 教学质量评估系统 |
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 |
CN109656979A (zh) * | 2018-12-24 | 2019-04-19 | 北京小米移动软件有限公司 | 数据统计分析方法、装置及存储介质 |
-
2019
- 2019-10-28 CN CN201911030098.4A patent/CN110796364A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226796A (zh) * | 2013-04-02 | 2013-07-31 | 浙江大学 | 面向全过程的在线教育服务质量评估方法 |
CN107516444A (zh) * | 2016-06-17 | 2017-12-26 | 上海理优教育科技有限公司 | 基于移动智能终端的在线教育平台 |
CN108171414A (zh) * | 2017-12-26 | 2018-06-15 | 重庆大争科技有限公司 | 教学质量评估系统 |
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 |
CN109656979A (zh) * | 2018-12-24 | 2019-04-19 | 北京小米移动软件有限公司 | 数据统计分析方法、装置及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112256521A (zh) * | 2020-09-18 | 2021-01-22 | 北京大米科技有限公司 | 基于在线课堂的异常处理方法、装置、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151892B2 (en) | Internet teaching platform-based following teaching system | |
CN111915148B (zh) | 一种基于信息技术的课堂教学评价方法和系统 | |
CN109147444B (zh) | 一种学习情况反馈方法及智能台灯 | |
RU2673010C1 (ru) | Способ мониторинга поведения пользователя при взаимодействии с контентом и система для его осуществления | |
CN112417158A (zh) | 文本数据分类模型的训练方法、分类方法、装置和设备 | |
US11226991B2 (en) | Interest tag determining method, computer device, and storage medium | |
US20200250608A1 (en) | Providing feedback by evaluating multi-modal data using machine learning techniques | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
CN110659311A (zh) | 题目推送方法、装置、电子设备及存储介质 | |
CN110111011B (zh) | 一种教学质量监管方法、装置及电子设备 | |
CN111192170B (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN110867187B (zh) | 语音数据的处理方法、装置、存储介质及电子设备 | |
CN111353439A (zh) | 一种教学行为的分析方法、装置、系统及设备 | |
CN111915111A (zh) | 在线课堂的互动质量评价方法、装置及终端设备 | |
CN110796364A (zh) | 在线课堂的质检方法、装置、电子设备及存储介质 | |
CN113657509A (zh) | 教学训练提升方法、装置、终端和存储介质 | |
CN113591678A (zh) | 课堂注意力确定方法、装置、设备、存储介质及程序产品 | |
CN113490002A (zh) | 一种在线教学的交互方法、装置、系统及介质 | |
CN112164259A (zh) | 一种课堂师生互动教学系统及方法 | |
JP6161534B2 (ja) | 教え合い品質推定装置、教え合い品質推定方法およびプログラム | |
CN114219346B (zh) | 一种提高网络学习环境服务质量的方法及系统 | |
CN114691903A (zh) | 一种智能课程测试方法及系统、电子设备、存储介质 | |
CN114926758A (zh) | 一种分析课堂学生参与度的方法 | |
CN111415283A (zh) | 一种有效在线教学的因素分析方法和装置 | |
CN109165877B (zh) | 一种提升网络阅卷速度的方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210901 Address after: 511442 23 floors of B-1 Building, Wanda Commercial Square North District, Wanbo Business District, 79 Wanbo Second Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province (office use only) Applicant after: Guangzhou gathered era Mdt InfoTech Ltd. Address before: 511442 2803, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Sanxing Yibai Education Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |