CN110991943B - 一种基于云计算的教学质量评价系统 - Google Patents
一种基于云计算的教学质量评价系统 Download PDFInfo
- Publication number
- CN110991943B CN110991943B CN201911370376.0A CN201911370376A CN110991943B CN 110991943 B CN110991943 B CN 110991943B CN 201911370376 A CN201911370376 A CN 201911370376A CN 110991943 B CN110991943 B CN 110991943B
- Authority
- CN
- China
- Prior art keywords
- student
- module
- knowledge points
- mastered
- course
- 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.)
- Active
Links
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种基于云计算的教学质量评价系统,通过云计算端的测试模块在课程开始前生成一份测试文档作为摸底文档;并在课程结束后生成另一份测试文档作为对比文档;并将摸底文档和对比文档与答案在云端进行比对,再配合错题记录模块和对题记录模块得到学习前后的未掌握知识点和已掌握知识点;最后根据教学质量计算模块计算出该教师的教学质量平均值Q,实现对教学质量的量化,且有助于提高教学质量平均值Q的准确性。通过添加习题讲解模块、学生注意力检测模块、教学质量修正模块,根据听课情况来对Si进行修正。能够避免在实际教学时,因学生自身行为,进而导致知识点无法掌握的问题,提高了Q的准确性和客观性。
Description
技术领域
本发明涉及远程教育领域,具体涉及一种基于云计算的教学质量评价系统。
背景技术
远程教育随着网络的普及逐渐被大众所接收,但相比于传统的面授教学方式,参加课程的学生的水平参差不齐,且对于上课时学生的行为管理也有许多不便之处,导致教学质量无法进行量化。
现有技术中,申请公布号为CN109345156A的专利申请文件公开了一种基于机器视觉的课堂教学质量评价系统,包括以下步骤:
1.采集课堂上学生听课状态的图像信息;
2.利用系统面部识别模块对听课学生进行面部识别,获取学生签到信息;
3.利用学生注意力检测模块检测学生在课堂上的注意力集中情况获取学生听课注意力集中情况信息;
4.建立课堂教学质量评价模型,计算课堂教学质量平均指数,存入数据库,作为评价课堂教学质量的依据,进而满足教学质量客观真实可重复性的评估及以此为基础的政策分析研究。
其中,该申请文件中公开了学生注意力检测模块,但上述技术方案在进行教学质量评价时,并未考虑学生之间的差异性以及学生自身行为对于教学质量评价的影响,会降低教学质量评价的准确性。
发明内容
为了解决上述的技术问题,本发明的目的在于提供一种基于云计算的教学质量评价系统,通过云计算端的测试模块配合错题记录模块和对题记录模块得到学习前后的未掌握知识点和已掌握知识点;最后根据教学质量计算模块计算出该教师的教学质量平均值Q,实现对教学质量的量化,且Q的计算考虑到了每个学生基础不同导致Q的数值波动,有助于提高教学质量平均值Q的准确性。通过在教师端中添加习题讲解模块记录教师在课程中讲解的习题编号以及讲解的起止时间段。以及在学生端中添加学生注意力检测模块来检测各个学生的专注信息,并生成该学生的专注时间段;配合在云计算端添加的教学质量修正模块来对学生在课程中的听课情况进行识别,并根据听课情况来对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正。进一步提高评价的客观性和准确性。
本发明所要解决的技术问题为:
A.如何将教师的教学行为进行准确客观的量化,进而实现对教学质量的真实评价。
本发明的目的可以通过以下技术方案实现:
一种基于云计算的教学质量评价系统,包括云计算端、教师端以及学生端,所述教师端包括教师登陆模块;所述教师登陆模块用于获取使用该教师端的教师编码;
所述学生端包含学生登陆模块和答题模块;所述学生登陆模块用于获取使用该学生端内的学生编码;所述答题模块用于接收测试文档,并记录学生的答题内容生成答题文档;
所述云计算端包括习题库、测试模块、错题记录模块、对题记录模块、教学质量计算模块;
所述习题库内存储有习题,且每个习题均与关联有一个习题编号和若干个知识点;
所述测试模块用于从习题库中获取若干个习题生成覆盖所有知识点的测试文档,并将测试文档发送至学生端,还用于在学生端完成测试文档后,从学生端获取答题文档,并对答题文档进行答案校对,将学生编码与错题对应的习题编号关联后发送至错题记录模块,同时将学生编码与对题对应的习题编号关联后发送至对题记录模块;
且所述测试模块生成测试文档的具体方法如下:
所述测试模块在课程开始前生成一份测试文档作为摸底文档;在课程结束后生成另一份测试文档作为对比文档;
所述错题记录模块用于根据关联的习题编号筛选出各个学生编码对应的未掌握知识点;
所述对题记录模块用于根据关联的习题编号筛选出各个学生编码对应的已掌握知识点;
所述教学质量计算模块用于在课程结束后,根据与教师编码关联的各个学生编码对应的未掌握知识点和已掌握知识点,筛选出课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si,并根据与教师编码关联的学生编码的数量计算教学质量平均值Q,且教学质量平均值Q的计算公式为:
其中,Si为与教师编码关联的第i个学生编码对应的课程开始前未掌握知识点且课程结束后为已掌握知识点的数量,S总-S′i为与教师编码关联的第i个学生编码对应的课程开始前剩余未掌握的知识点的数量;S总为知识点总数量;S′i为与教师编码关联的第i个学生编码对应的课程开始前已掌握知识点的数量;n为与教师编码关联的学生编码的总数量。
进一步的,所述教师端还包括习题讲解模块;所述习题讲解模块用于从习题库中获取习题并记录讲解内容,还用于记录教师在课程中讲解的习题编号以及讲解的起止时间段;
所述学生端还包括学生注意力检测模块;所述学生注意力检测模块用于在教师讲解习题中检测各个学生的专注信息,并生成该学生的专注时间段;
所述云计算端还包括教学质量修正模块,所述教学质量修正模块用于根据该学生的专注时间段和各习题讲解的起止时间段,对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正,且修正的具体方法如下:
S1、从学生端获取登陆的学生编号对应的专注时间段的集合,记为T={t1,t2,t3,…,tx,…};其中,tx为该学生编号的第x个专注时间段,并从教师端获取各习题讲解的起止时间段的集合,记为K={k1,k2,k3,…,ky,…};其中ky为第y个习题讲解的起止时间段;
S2、筛选出K中满足与T中所有元素的交集均为空集的所有元素作为剔除元素,再获取学生端对应的学生编码以及各个剔除元素对应的习题编号,将剔除元素对应的习题编号与学生编码关联后标记为未听课;
S3、获取所有标记为未听课的习题编号对应的知识点,若同一知识点的出现次数超过a次,则检测该知识点是否属于课程开始前未掌握知识点,若属于,将该知识点标记为待修正知识点;
S4、检测各个待修正知识点是否属于课程结束后未掌握知识点,若属于,则将课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si增加1。
进一步的,所述错题记录模块根据关联的习题编号筛选出各个学生编码对应的未掌握知识点的具体方法如下:
H1、获取摸底文档对应的错题的习题编号;
H2、获取各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p1,再统计错题知识点集合中出现的知识点在摸底文档中出现的次数P1,当p1与P1比值大于b%时,将该知识点标记为课程开始前未掌握知识点;
H3、获取对比文档对应的错题的习题编号;
H4、获取H3中得到的各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p2,再统计错题知识点集合中出现的知识点在对比文档中出现的次数P2,当p2与P2比值大于b%时,将该知识点标记为课程结束后未掌握知识点。
进一步的,所述对题记录模块用于根据关联的习题编号筛选出各个学生编码对应的已掌握知识点的具体方法如下:
N1、获取对比文档对应的对题的习题编号;
N2、获取各个对题的习题编号对应的知识点,得到对题知识点集合,统计对题知识点集合中各个知识点的出现次数p3,再统计对题知识点集合中出现的知识点在对比文档中出现的次数P3,当p3=P3时,将该知识点标记为课程结束后已掌握知识点。
本发明的有益效果:
(1)通过云计算端的测试模块在课程开始前生成一份测试文档作为摸底文档;并在课程结束后生成另一份测试文档作为对比文档;并将摸底文档和对比文档与答案在云端进行比对,再配合错题记录模块和对题记录模块得到课程开始前的未掌握知识点和已掌握知识点,课程结束后的未掌握知识点和已掌握知识点;最后根据教学质量计算模块计算出该教师的教学质量平均值Q,实现对教学质量的量化,Q的值越大,表明该教师的教学质量越高,且Q的计算考虑到了每个学生基础不同导致Q的数值波动,使单个学生对应的教学质量评分具有较好的一致性,有助于提高教学质量平均值Q的准确性。
(2)通过在教师端中添加习题讲解模块记录教师在课程中讲解的习题编号以及讲解的起止时间段。以及在学生端中添加学生注意力检测模块来检测各个学生的专注信息,并生成该学生的专注时间段;配合在云计算端添加的教学质量修正模块来对学生在课程中的听课情况进行识别,并根据听课情况来对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正。能够避免在实际教学时,因学生容易出现在上课时走神等自身行为,导致知识点没有听到,进而导致知识点无法掌握的问题,使单个学生对应的教学质量评分降低,最终影响教学质量平均值Q准确性的问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明实施例一的系统框图;
图2是本发明实施例二的系统框图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1所示,本实施例提供了一种基于云计算的教学质量评价系统,包括云计算端、教师端以及学生端,所述教师端包括教师登陆模块;教师端可采用装有相应软件的PC或是其他智能终端,学生端同样可采用装有相应软件的PC或是其他智能终端,两者均于云计算端通信连接。
所述教师登陆模块用于获取使用该教师端的教师编码;教师编码与各个教师一一对应,且每个教师编码关联有多个学生编码,关联的学生编码即为该教师负责课程的学生;
所述学生端包含学生登陆模块和答题模块;所述学生登陆模块用于获取使用该学生端内的学生编码;学生编码与各个学生一一对应,所述答题模块用于接收测试文档,并记录学生的答题内容生成答题文档;答题模块的输入装置可采用麦克风、键盘、手写笔或鼠标等,学生通过输入装置录入答题内容,再通过答题模块自动转化呈对应习题的答题文档传输至云计算端。
所述云计算端为包含云计算功能的服务器包括习题库、测试模块、错题记录模块、对题记录模块、教学质量计算模块;
所述习题库内存储有习题,且每个习题均与关联有一个习题编号和若干个知识点;习题库通过人工导入,并通过人工进行维护和更新。根据习题的难度,一个习题可能只涉及一个知识点,也可能涉及多个知识点。
所述测试模块用于从习题库中获取若干个习题生成覆盖所有知识点的测试文档,即测试文档内包含所有的知识点,且每个知识点出现的次数不少于3次,降级知识点写错的偶然性,进而提高教学质量平均值Q的准确性,并将测试文档发送至学生端,还用于在学生端完成测试文档后,从学生端获取答题文档,并对答题文档进行答案校对,将学生编码与错题对应的习题编号关联后发送至错题记录模块,同时将学生编码与对题对应的习题编号关联后发送至对题记录模块;即对于任意一个学生编码会关联一组习题编号作为错题,关联另一组习题作为对题;
且所述测试模块生成测试文档的具体方法如下:
所述测试模块在课程开始前生成一份测试文档作为摸底文档;在课程结束后生成另一份测试文档作为对比文档;
所述错题记录模块用于根据关联的习题编号筛选出各个学生编码对应的未掌握知识点;
可采用的具体方法如下:
H1、获取摸底文档对应的错题的习题编号;
H2、获取各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p1,再统计错题知识点集合中出现的知识点在摸底文档中出现的次数P1,当p1与P1比值大于b%时,例如b=60,将该知识点标记为课程开始前未掌握知识点;
H3、获取对比文档对应的错题的习题编号;
H4、获取H3中得到的各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p2,再统计错题知识点集合中出现的知识点在对比文档中出现的次数P2,当p2与P2比值大于b%时,说明涉及该知识点的绝大部分题都未做对,因此将该知识点标记为课程结束后未掌握知识点。
所述对题记录模块用于根据关联的习题编号筛选出各个学生编码对应的已掌握知识点;可采用的具体方法如下:
N1、获取对比文档对应的对题的习题编号;
N2、获取各个对题的习题编号对应的知识点,得到对题知识点集合,统计对题知识点集合中各个知识点的出现次数p3,再统计对题知识点集合中出现的知识点在对比文档中出现的次数P3,当p3=P3时,说明涉及该知识点的习题均做对,因此将该知识点标记为课程结束后已掌握知识点。
由于存在两个生成时间不同的测试文档即摸底文档和对比文档,未掌握知识点包含课程开始前未掌握知识点和课程结束后未掌握知识点;同理,已掌握知识点包含课程开始前已掌握知识点和课程结束后已掌握知识点。
所述教学质量计算模块用于在课程结束后,根据与教师编码关联的各个学生编码对应的未掌握知识点和已掌握知识点,筛选出课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si,并根据与教师编码关联的学生编码的数量计算教学质量平均值Q,且教学质量平均值Q的计算公式为:
其中,Si为与教师编码关联的第i个学生编码对应的课程开始前未掌握知识点且课程结束后为已掌握知识点的数量,即通过课程新掌握的知识点;S总-S′i为与教师编码关联的第i个学生编码对应的课程开始前剩余未掌握的知识点的数量;因此,为新掌握的知识点与课程开始前剩余未掌握的知识点的比值;S总为知识点总数量;S′i为与教师编码关联的第i个学生编码对应的课程开始前已掌握知识点的数量;n为与教师编码关联的学生编码的总数量。
其中,为单个学生对应的教学质量评分的求和,而/>为新掌握的知识点与课程开始前剩余未掌握的知识点的比值,S总-S′i考虑了每个学生基础不同,有的学生基础较好,课程开始前,掌握的知识点多,而有的学生基础较差,课程开始前,掌握的知识点较少,在相同的教学质量下,基础较差的学生的课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si的数值会比基础较差的学生的Si数值较少,若不考虑学生基础不同,即不对S总进行修正,则会导致虽然有着相同的教学质量,但基础较差的学生得到的单人教学质量评分较高,而基础较好的学生得到的单人教学质量评分较低,进而无法客观准确的评价整体的教学质量。
本实施例的具体工作过程如下:
1)测试模块在课程开始前生成一份测试文档作为摸底文档;学生通过答题模块填写答案内容,并通过测试模块进行批改,确定课程开始前的错题和对题。
2)错题记录模块和对题记录模块筛选出各个学生编码对应的课程开始前的未掌握知识点以及已掌握知识点;
3)测试模块在课程结束后生成另一份测试文档作为对比文档,学生通过答题模块填写答案内容,并通过测试模块进行批改,确定课程结束后的错题和对题;
4)错题记录模块和对题记录模块筛选出各个学生编码对应的课程结束后的未掌握知识点以及已掌握知识点;
5)教学质量计算模块计算教学质量平均值Q,且Q的值越大,表面教学质量越高。
实施例二
在实际教学时,学生容易出现在上课时走神,导致知识点没有听到,进而导致知识点无法掌握的问题。此情况对客观公正的评价教学质量存在误导,因此需要将此情况导致的误差进行修正。
为了进一步提高教学质量平均值Q的准确性,避免因学生自身行为导致的教学质量平均值Q降低的问题,需要对学生在课程中的听课情况进行识别,并根据听课情况来确定需要修正的数值。
如图2所示,在实施例一的基础上,所述教师端还包括习题讲解模块;所述习题讲解模块用于从习题库中获取习题并记录讲解内容,讲解内容采用视频流传输至云计算端,并共享至所有与该教师编码关联的学生端,还用于记录教师在课程中讲解的习题编号以及讲解的起止时间段;其中讲解的开始时间为教师端选择习题后,检测到麦克风或是键盘输入时,作为开始时间,关闭习题页面时,作为停止时间。
所述学生端还包括学生注意力检测模块;所述学生注意力检测模块用于在教师讲解习题中检测各个学生的专注信息,并生成该学生的专注时间段;
学生注意力检测模块采用现有的动作以及面部识别技术;例如,所述学生注意力检测模块,通过实时采集教室内学生上课的状态信息并每隔15帧对采集到的数据信息进行图像处理操作;根据上课学生的脸部器官的状态信息综合判断学生是否处于疲劳犯困状态;通过学生头部的摆动角度判断学生是否东张西望,注意力不集中;通过相邻学生头部摆动的相对角度以及嘴部的动作判断是否有学生在交头接耳;通过学生头部上下摆动的角度以及头部保持的时间长度综合判断学生是否在做与课堂无关的事情,比如玩手机;未检测到上述情况,则将该时间标记为专注时间,最终形成多个专注时间段。
所述云计算端还包括教学质量修正模块,所述教学质量修正模块用于根据该学生的专注时间段和各习题讲解的起止时间段,对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正,且修正的具体方法如下:
S1、从学生端获取登陆的学生编号对应的专注时间段的集合,记为T={t1,t2,t3,…,tx,…};其中,tx为该学生编号的第x个专注时间段,并从教师端获取各习题讲解的起止时间段的集合,记为K={k1,k2,k3,…,ky,…};其中ky为第y个习题讲解的起止时间段;
S2、筛选出K中满足与T中所有元素的交集均为空集的所有元素作为剔除元素,即该习题讲解的起止时间段未与任何专注时间段重合,学生在该题讲解时并未专注听讲,再获取学生端对应的学生编码以及各个剔除元素对应的习题编号,将剔除元素对应的习题编号与学生编码关联后标记为未听课;
S3、获取所有标记为未听课的习题编号对应的知识点,若同一知识点的出现次数超过a次,如a=2,说明学生因自身行为错过多次该知识点的讲解,则检测该知识点是否属于课程开始前未掌握知识点,若属于,将该知识点标记为待修正知识点;
S4、检测各个待修正知识点是否属于课程结束后未掌握知识点,若属于,说明符合修正的条件,则将课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si增加1。
本实施例的具体工作过程如下:
1)测试模块在课程开始前生成一份测试文档作为摸底文档;学生通过答题模块填写答案内容,并通过测试模块进行批改,确定课程开始前的错题和对题。
2)错题记录模块和对题记录模块筛选出各个学生编码对应的课程开始前的未掌握知识点以及已掌握知识点;
3)测试模块在课程结束后生成另一份测试文档作为对比文档,学生通过答题模块填写答案内容,并通过测试模块进行批改,确定课程结束后的错题和对题;
4)教师通过习题讲解模块对习题进行讲解,同时学生注意力检测模块进行检测;
5)错题记录模块和对题记录模块筛选出各个学生编码对应的课程结束后的未掌握知识点以及已掌握知识点;
6)教学质量修正模块对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正;
7)教学质量计算模块计算教学质量平均值Q,且Q的值越大,表面教学质量越高。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员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,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种基于云计算的教学质量评价系统,包括云计算端、教师端以及学生端,其特征在于,所述教师端包括教师登陆模块;所述教师登陆模块用于获取使用该教师端的教师编码;
所述学生端包含学生登陆模块和答题模块;所述学生登陆模块用于获取使用该学生端内的学生编码;所述答题模块用于接收测试文档,并记录学生的答题内容生成答题文档;
所述云计算端包括习题库、测试模块、错题记录模块、对题记录模块、教学质量计算模块;
所述习题库内存储有习题,且每个习题均与关联有一个习题编号和若干个知识点;
所述测试模块用于从习题库中获取若干个习题生成覆盖所有知识点的测试文档,并将测试文档发送至学生端,还用于在学生端完成测试文档后,从学生端获取答题文档,并对答题文档进行答案校对,将学生编码与错题对应的习题编号关联后发送至错题记录模块,同时将学生编码与对题对应的习题编号关联后发送至对题记录模块;
且所述测试模块生成测试文档的具体方法如下:
所述测试模块在课程开始前生成一份测试文档作为摸底文档;在课程结束后生成另一份测试文档作为对比文档;
所述错题记录模块用于根据关联的习题编号筛选出各个学生编码对应的未掌握知识点;
所述对题记录模块用于根据关联的习题编号筛选出各个学生编码对应的已掌握知识点;
所述教学质量计算模块用于在课程结束后,根据与教师编码关联的各个学生编码对应的未掌握知识点和已掌握知识点,筛选出课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si,并根据与教师编码关联的学生编码的数量计算教学质量平均值Q,且教学质量平均值Q的计算公式为:
其中,Si为与教师编码关联的第i个学生编码对应的课程开始前未掌握知识点且课程结束后为已掌握知识点的数量;S总为知识点总数量;S′i为与教师编码关联的第i个学生编码对应的课程开始前已掌握知识点的数量;n为与教师编码关联的学生编码的总数量;
所述教师端还包括习题讲解模块;所述习题讲解模块用于从习题库中获取习题并记录讲解内容,还用于记录教师在课程中讲解的习题编号以及讲解的起止时间段;
所述学生端还包括学生注意力检测模块;所述学生注意力检测模块用于在教师讲解习题中检测各个学生的专注信息,并生成该学生的专注时间段;
所述云计算端还包括教学质量修正模块,所述教学质量修正模块用于根据该学生的专注时间段和各习题讲解的起止时间段,对课程开始前未掌握知识点且课程结束后为已掌握知识点的数量Si进行修正,且修正的具体方法如下:
S1、从学生端获取登陆的学生编号对应的专注时间段的集合,记为T={t1,t2,t3,…,tx,…};其中,tx为该学生编号的第x个专注时间段,并从教师端获取各习题讲解的起止时间段的集合,记为K={k1,k2,k3,…,ky,…};其中ky为第y个习题讲解的起止时间段;
S2、筛选出K中满足与T中所有元素的交集均为空集的所有元素作为剔除元素,再获取学生端对应的学生编码以及各个剔除元素对应的习题编号,将剔除元素对应的习题编号与学生编码关联后标记为未听课;
S3、获取所有标记为未听课的习题编号对应的知识点,若同一知识点的出现次数超过a次,则检测该知识点是否属于课程开始前未掌握知识点,若属于,将该知识点标记为待修正知识点;
S4、检测各个待修正知识点是否属于课程结束后未掌握知识点,若属于,则将课程开始前为未掌握知识点且课程结束后为已掌握知识点的数量Si增加1。
2.根据权利要求1所述的一种基于云计算的教学质量评价系统,其特征在于,所述错题记录模块根据关联的习题编号筛选出各个学生编码对应的未掌握知识点的具体方法如下:
H1、获取摸底文档对应的错题的习题编号;
H2、获取各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p1,再统计错题知识点集合中出现的知识点在摸底文档中出现的次数P1,当p1与P1比值大于b%时,将该知识点标记为课程开始前未掌握知识点;
H3、获取对比文档对应的错题的习题编号;
H4、获取H3中得到的各个错题的习题编号对应的知识点,得到错题知识点集合,统计错题知识点集合中各个知识点的出现次数p2,再统计错题知识点集合中出现的知识点在对比文档中出现的次数P2,当p2与P2比值大于b%时,将该知识点标记为课程结束后未掌握知识点。
3.根据权利要求1所述的一种基于云计算的教学质量评价系统,其特征在于,所述对题记录模块用于根据关联的习题编号筛选出各个学生编码对应的已掌握知识点的具体方法如下:
N1、获取对比文档对应的对题的习题编号;
N2、获取各个对题的习题编号对应的知识点,得到对题知识点集合,统计对题知识点集合中各个知识点的出现次数p3,再统计对题知识点集合中出现的知识点在对比文档中出现的次数P3,当p3=P3时,将该知识点标记为课程结束后已掌握知识点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370376.0A CN110991943B (zh) | 2019-12-26 | 2019-12-26 | 一种基于云计算的教学质量评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370376.0A CN110991943B (zh) | 2019-12-26 | 2019-12-26 | 一种基于云计算的教学质量评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991943A CN110991943A (zh) | 2020-04-10 |
CN110991943B true CN110991943B (zh) | 2023-08-01 |
Family
ID=70077517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911370376.0A Active CN110991943B (zh) | 2019-12-26 | 2019-12-26 | 一种基于云计算的教学质量评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991943B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113361926B (zh) * | 2021-06-07 | 2024-02-02 | 江苏师范大学 | 一种基于教学序列的教学质量评价方法 |
CN114036445B (zh) * | 2022-01-10 | 2022-03-29 | 广东省出版集团数字出版有限公司 | 一种用于教师备课的数字教材提供平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015128700A1 (en) * | 2014-02-25 | 2015-09-03 | Al Midfa Khalid Omar | Electronic educational content mapping and learning system and a method of ensuring quality teaching and learning effectiveness |
CN107248019A (zh) * | 2017-04-13 | 2017-10-13 | 杭州博世数据网络有限公司 | 一种云教学平台在线教学评价系统 |
CN109243228A (zh) * | 2018-11-12 | 2019-01-18 | 重庆靶向科技发展有限公司 | 一种智能化教学平台系统 |
CN109345156A (zh) * | 2018-12-12 | 2019-02-15 | 范例 | 一种基于机器视觉的课堂教学质量评价系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001055995A1 (fr) * | 2000-01-25 | 2001-08-02 | Norihiko Fujisawa | Systeme, dispositif et methode d'aide a l'enseignement a distance et dispositif d'enseignement, |
CN109698920B (zh) * | 2017-10-20 | 2020-07-24 | 深圳市鹰硕技术有限公司 | 一种基于互联网教学平台的跟随教学系统 |
CN107958351A (zh) * | 2017-12-26 | 2018-04-24 | 重庆大争科技有限公司 | 教学质量评估云服务平台 |
CN107886259A (zh) * | 2017-12-27 | 2018-04-06 | 安徽华久信科技有限公司 | 基于教育大数据的课堂教学质量测评系统 |
CN108257056A (zh) * | 2018-01-23 | 2018-07-06 | 余绍志 | 一种应用于教学行业的大数据的课堂辅助教学系统 |
CN108831225A (zh) * | 2018-06-28 | 2018-11-16 | 合肥右传媒科技有限公司 | 一种基于云平台的课堂教学管理系统 |
-
2019
- 2019-12-26 CN CN201911370376.0A patent/CN110991943B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015128700A1 (en) * | 2014-02-25 | 2015-09-03 | Al Midfa Khalid Omar | Electronic educational content mapping and learning system and a method of ensuring quality teaching and learning effectiveness |
CN107248019A (zh) * | 2017-04-13 | 2017-10-13 | 杭州博世数据网络有限公司 | 一种云教学平台在线教学评价系统 |
CN109243228A (zh) * | 2018-11-12 | 2019-01-18 | 重庆靶向科技发展有限公司 | 一种智能化教学平台系统 |
CN109345156A (zh) * | 2018-12-12 | 2019-02-15 | 范例 | 一种基于机器视觉的课堂教学质量评价系统 |
Non-Patent Citations (2)
Title |
---|
信息化环境下高校课堂学习效果评价系统的设计与实现;姬志敏;陈红普;周旭如;;电脑知识与技术(21);全文 * |
基于BKT模型的网络教学跟踪评价研究;李景奇;卞艺杰;方征;;现代远程教育研究(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110991943A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100978091B1 (ko) | 온라인 테스트 평가 관리 시스템 및 방법 | |
CN105679122A (zh) | 多功能大学英语教学管理系统 | |
CN111242515A (zh) | 一种基于教育大数据的课堂教学质量测评系统及测评方法 | |
US20220366809A1 (en) | Method and apparatus of diagnostic test | |
Ochoa et al. | Controlled evaluation of a multimodal system to improve oral presentation skills in a real learning setting | |
CN105159924A (zh) | 学习资源推送方法和系统 | |
CN111444391B (zh) | 一种基于人工智能的视频学习成效评估方法 | |
CN110991943B (zh) | 一种基于云计算的教学质量评价系统 | |
CN105070130A (zh) | 水平测评方法和系统 | |
CN104598641A (zh) | 一种基于云平台的教学成绩分析统计方法 | |
Perera et al. | The impact of a mathematics computer-assisted learning platform on students’ mathematics test scores | |
US20150056597A1 (en) | System and method facilitating adaptive learning based on user behavioral profiles | |
CN113139885A (zh) | 教学管理系统及其管理方法 | |
US20100191583A1 (en) | Accreditation Tracker | |
CN111369408A (zh) | 一种医院本科实习生教学管理系统及方法 | |
CN108073603B (zh) | 作业分发方法及装置 | |
Chen et al. | Integrated media platform-based virtual office hours implementation for online teaching in post-COVID-19 pandemic era | |
CN113971622A (zh) | 基于大数据的精准教学系统 | |
KR101996247B1 (ko) | 진단 검사 방법 및 장치 | |
CN111027863A (zh) | 一种云计算应用在线培训方法 | |
CN113268512B (zh) | 基于互联网平台的企业岗位职业技能培训系统 | |
CN111640050A (zh) | 一种适用于英语教学的智能教学系统 | |
CN111259305A (zh) | 一种在线智能教育方法 | |
CN108764860A (zh) | 一种基于大数据的商科教学管理系统 | |
KR20190012938A (ko) | 인공지능 기반의 stem 인식 방법 |
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 |