CN111127266A - 基于大数据的学校教学纵向信息趋势分析动态比对方法 - Google Patents

基于大数据的学校教学纵向信息趋势分析动态比对方法 Download PDF

Info

Publication number
CN111127266A
CN111127266A CN201911321391.6A CN201911321391A CN111127266A CN 111127266 A CN111127266 A CN 111127266A CN 201911321391 A CN201911321391 A CN 201911321391A CN 111127266 A CN111127266 A CN 111127266A
Authority
CN
China
Prior art keywords
teaching
learning
teacher
students
knowledge points
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
Application number
CN201911321391.6A
Other languages
English (en)
Other versions
CN111127266B (zh
Inventor
杨念
肖明
吴琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Winshare Education Science & Technology Co ltd
Original Assignee
Sichuan Winshare Education Science & Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Winshare Education Science & Technology Co ltd filed Critical Sichuan Winshare Education Science & Technology Co ltd
Priority to CN201911321391.6A priority Critical patent/CN111127266B/zh
Publication of CN111127266A publication Critical patent/CN111127266A/zh
Application granted granted Critical
Publication of CN111127266B publication Critical patent/CN111127266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (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

本发明提供一种基于大数据的学校教学纵向信息趋势分析动态比对方法，对每名学生各次测试进行系统化记录；定期对每名学生的数据进行分析系统化掌握不同学生对各知识点的掌握程度、学习方法等信息，从而使校方教学更加系统化且有针对性。对教师的教学方法、教学时间等信息进行记录并形成数据库，定期对教师的教学质量进行考核，并根据考核结果对教师的教学方式进行调整并对教师进行奖惩，使教师的教学可以得到全面的监控和稳步的提高。定期与学生家长进行信息沟通并进行相互之间的学生学习意见反馈，使学生家长实时掌握学生的学习状态，并及时调整学生家庭学习的方法。

Description

基于大数据的学校教学纵向信息趋势分析动态比对方法
技术领域
本发明具体涉及一种基于大数据的学校教学纵向信息趋势分析动态比对方法。
背景技术
随着互联网时代的到来，教育行业也开始互联网化。大数据在当今的时代的作用也是不容忽视的。教育大数据所呈现出来的优势不仅仅表现为数据量的庞大，它更表现为数据背后的本质。也就是说我们可以通过教育的大数据预测出学生的整个学习的状况。目前对学生知识点掌握程度进行反馈的最好方法就是进行测试，但目前的测试大多只停留在单一学生对应单一成绩的范畴，并没有针对单一学生在不同时间学习时知识点掌握程度进行的系统化分析，这也使校方在进行教学时十分被动，不能根据学生的动态来进行教学的调整。所以急需一种基于大数据的学校教学纵向信息趋势分析动态比对方法来使校方更好的掌握学生的学习情况，并可以根据学生的情况动态的调整自身的教学方式。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于大数据的学校教学纵向信息趋势分析动态比对方法，该基于大数据的学校教学纵向信息趋势分析动态比对方法可以很好地解决上述问题。
为达到上述要求，本发明采取的技术方案是：提供一种基于大数据的学校教学纵向信息趋势分析动态比对方法，该基于大数据的学校教学纵向信息趋势分析动态比对方法包括如下步骤：
S1：对学生进行测试，并对学生基础情况进行调查，将测试结果及基础调查结果汇总分析得出生源质量数据；
S2：进行教师与学生的配对，并记录配对信息；
S3：教师进行知识点教学工作，并校方记录教学工作中教师和学生的工作信息和在校学习信息；
S4：将所述教师和学生的工作学习信息上传至数据库；
S5：定期进行阶段测试，并将测试结果上传至数据库；
S6：对教师教学行为进行大数据分析，得出教师教学参数；
S7：校方向学生家长采集学生家庭学习信息并上传数据库；
S8：结合学生家庭学习信息与在校学习信息分析得出学生学习参数并上传数据库；
S9：对学生学习参数和教师教学参数进行大数据分析并形成分析报告及可视化图表；
S10：根据所述分析报告得出个教师教学质量评测结果，并根据所述评测结果对教师进行奖惩；
S11：根据所述分析报告调整各教师的教学方式，并得出对于学生的家庭学习意见；
S12：并将所述家庭学习意见发送至学生家长，并对家长的反馈意见进行记录；
S13：重复步骤S3至S12；
S14：动态调整教师的教学方式及学生的学习方法，从而提高整体教学质量。
该基于大数据的学校教学纵向信息趋势分析动态比对方法具有的优点如下：
对每名学生各次测试进行系统化记录，包括但不限于错题、错题对应的知识点、知识点学习次数、家庭学习情况等，并形成数据库；定期对每名学生的数据进行分析系统化掌握不同学生对各知识点的掌握程度、学习方法等信息，从而使校方教学更加系统化且有针对性。
对教师的教学方法、教学时间等信息进行记录并形成数据库，定期对教师的教学质量进行考核，并根据考核结果对教师的教学方式进行调整并对教师进行奖惩，使教师的教学可以得到全面的监控和稳步的提高。
定期与学生家长进行信息沟通并进行相互之间的学生学习意见反馈，使学生家长实时掌握学生的学习状态，并及时调整学生家庭学习的方法。
同时，可以实现免费或付费的大数据资源共享，从而在最短的时间内构建最为完整且数据量最大的教学数据库，进而提高行业整体的教学效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示意性地示出了根据本申请一个实施例的基于大数据的学校教学纵向信息趋势分析动态比对方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例，提供一种基于大数据的学校教学纵向信息趋势分析动态比对方法，如图1所示，包括如下步骤：
S1：对学生进行测试，并对学生基础情况进行调查，将测试结果及基础调查结果汇总分析得出生源质量数据；
S2：进行教师与学生的配对，并记录配对信息；
S3：教师进行知识点教学工作，并校方记录教学工作中教师和学生的工作信息和在校学习信息；
S4：将所述教师和学生的工作学习信息上传至数据库；
S5：定期进行阶段测试，并将测试结果上传至数据库；
S6：对教师教学行为进行大数据分析，得出教师教学参数；
S7：校方向学生家长采集学生家庭学习信息并上传数据库；
S8：结合学生家庭学习信息与在校学习信息分析得出学生学习参数并上传数据库；
S9：对学生学习参数和教师教学参数进行大数据分析并形成分析报告及可视化图表；
S10：根据所述分析报告得出个教师教学质量评测结果，并根据所述评测结果对教师进行奖惩；
S11：根据所述分析报告调整各教师的教学方式，并得出对于学生的家庭学习意见；
S12：并将所述家庭学习意见发送至学生家长，并对家长的反馈意见进行记录；
S13：重复步骤S3至S12；
S14：动态调整教师的教学方式及学生的学习方法，从而提高整体教学质量。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中的教师教学参数的计算方式如下：
T＝a/π*Arctangent((sum(f*c*d)+g)/(b/e-h))；
其中，T绩为教师教学参数；
a为教学范围参数；
b为总教学时间；
c为知识点重要性评分；
d为教育时效性评分；
e为知识点教学次数；
f为知识点难度系数；
g为学生创新额外加分；
h为平均教学参照基数。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中的学生学习参数的计算方式如下：
t＝n*(p*i+q*j-n*k+r/l-√o-m)；
其中，t为学生学习参数；
i为知识点学习总数量；
j为知识点学习完成率；
k为知识点学习超期率；
l为知识点平均学习时长；
m为知识点学习平均超期时长；
n为知识点难度等级系数；
o为知识点学习重复次数；
p为知识点分数；
q为知识点重要性参数；
r为预设的知识点学习时长权重。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中的教师教学参数的计算方式如下：
T＝M+a/π*Arctangent((sum(f*c*d)+g)/(b/e-h))；
其中，T绩为教师教学参数；
a为教学范围参数；
b为总教学时间；
c为知识点重要性评分；
d为教育时效性评分；
e为知识点教学次数；
f为知识点难度系数；
g为学生创新额外加分；
h为平均教学参照基数；
M为过往教师教学参数平均值，且初始值为0。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中的学生学习参数的计算方式如下：
t＝N+n*(p*i+q*j-n*k+r/l-√o-m)；
其中，t为学生学习参数；
i为知识点学习总数量；
j为知识点学习完成率；
k为知识点学习超期率；
l为知识点平均学习时长；
m为知识点学习平均超期时长；
n为知识点难度等级系数；
o为知识点学习重复次数；
p为知识点分数；
q为知识点重要性参数；
r为预设的知识点学习时长权重；
N为过往学生学习参数平均值，且初始值为0。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法还包括如下步骤：
S15：将所述教师教学参数、学生学习参数、大数据分析报告及与所述大数据分析报告对应的可视化图表打包形成数据包；
S16：将所述数据包上传至交易服务器；
S17：交易服务器接收数据请求方终端发送的查询请求；
S18：所述交易服务器确定与所述查询条件和所述用户特征标识对应的交易者用户特征信息；
S19：所述交易服务器接收所述数据请求方终端根据所述查询结果发送的购买请求，并根据所述购买请求完成交易。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法还包括如下步骤：
S20：校方重新进行教师与学生的分配；
S21：重复步骤S3至S12；
S22：形成不同教师与不同学生之间的教学质量比对结果；
S23：参照所述教学质量比对结果进行教师与学生的最终配对并建立学习组。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法还包括如下步骤：
S24：根据学生家长的反馈意见调整教师的教学方式及教师与学生之间的配对关系；
S25：重复步骤S3至S12。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中的查询请求中包括查询条件和需满足所述查询条件的用户特征标识，所述用户特征标识为对所述交易者的各用户特征信息进行分类得到的特征类别标识。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法中根据所述交易者用户特征信息的访问权限设置参数得到查询结果，并将所述查询结果发送给所述数据请求方终端。
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法的
根据本申请的一个实施例，该基于大数据的学校教学纵向信息趋势分析动态比对方法可以对每名学生各次测试进行系统化记录，包括但不限于错题、错题对应的知识点、知识点学习次数、家庭学习情况等，并形成数据库；定期对每名学生的数据进行分析系统化掌握不同学生对各知识点的掌握程度、学习方法等信息，从而使校方教学更加系统化且有针对性。并且对教师的教学方法、教学时间等信息进行记录并形成数据库，定期对教师的教学质量进行考核，并根据考核结果对教师的教学方式进行调整并对教师进行奖惩，使教师的教学可以得到全面的监控和稳步的提高。同时，定期与学生家长进行信息沟通并进行相互之间的学生学习意见反馈，使学生家长实时掌握学生的学习状态，并及时调整学生家庭学习的方法。并且可以实现免费或付费的大数据资源共享，从而在最短的时间内构建最为完整且数据量最大的教学数据库，进而提高行业整体的教学效率。
以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。

Claims (10)

1.一种基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于，包括如下步骤：
S1：对学生进行测试，并对学生基础情况进行调查，将测试结果及基础调查结果汇总分析得出生源质量数据；
S2：进行教师与学生的配对，并记录配对信息；
S3：教师进行知识点教学工作，并校方记录教学工作中教师和学生的工作信息和在校学习信息；
S4：将所述教师和学生的工作学习信息上传至数据库；
S5：定期进行阶段测试，并将测试结果上传至数据库；
S6：对教师教学行为进行大数据分析，得出教师教学参数；
S7：校方向学生家长采集学生家庭学习信息并上传数据库；
S8：结合学生家庭学习信息与在校学习信息分析得出学生学习参数并上传数据库；
S9：对学生学习参数和教师教学参数进行大数据分析并形成分析报告及可视化图表；
S10：根据所述分析报告得出个教师教学质量评测结果，并根据所述评测结果对教师进行奖惩；
S11：根据所述分析报告调整各教师的教学方式，并得出对于学生的家庭学习意见；
S12：并将所述家庭学习意见发送至学生家长，并对家长的反馈意见进行记录；
S13：重复步骤S3至S12；
S14：动态调整教师的教学方式及学生的学习方法，从而提高整体教学质量。
2.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于，所述教师教学参数的计算方式如下：
T＝a/π*Arctangent((sum(f*c*d)+g)/(b/e-h))；
其中，T绩为教师教学参数；
a为教学范围参数；
b为总教学时间；
c为知识点重要性评分；
d为教育时效性评分；
e为知识点教学次数；
f为知识点难度系数；
g为学生创新额外加分；
h为平均教学参照基数。
3.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于，所述学生学习参数的计算方式如下：
t＝n*(p*i+q*j-n*k+r/l-√o-m)；
其中，t为学生学习参数；
i为知识点学习总数量；
j为知识点学习完成率；
k为知识点学习超期率；
l为知识点平均学习时长；
m为知识点学习平均超期时长；
n为知识点难度等级系数；
o为知识点学习重复次数；
p为知识点分数；
q为知识点重要性参数；
r为预设的知识点学习时长权重。
4.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于，所述教师教学参数的计算方式如下：
T＝M+a/π*Arctangent((sum(f*c*d)+g)/(b/e-h))；
其中，T绩为教师教学参数；
a为教学范围参数；
b为总教学时间；
c为知识点重要性评分；
d为教育时效性评分；
e为知识点教学次数；
f为知识点难度系数；
g为学生创新额外加分；
h为平均教学参照基数；
M为过往教师教学参数平均值，且初始值为0。
5.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，所述学生学习参数的计算方式如下：
t＝N+n*(p*i+q*j-n*k+r/l-√o-m)；
其中，t为学生学习参数；
i为知识点学习总数量；
j为知识点学习完成率；
k为知识点学习超期率；
l为知识点平均学习时长；
m为知识点学习平均超期时长；
n为知识点难度等级系数；
o为知识点学习重复次数；
p为知识点分数；
q为知识点重要性参数；
r为预设的知识点学习时长权重；
N为过往学生学习参数平均值，且初始值为0。
6.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于还包括如下步骤：
S15：将所述教师教学参数、学生学习参数、大数据分析报告及与所述大数据分析报告对应的可视化图表打包形成数据包；
S16：将所述数据包上传至交易服务器；
S17：交易服务器接收数据请求方终端发送的查询请求；
S18：所述交易服务器确定与所述查询条件和所述用户特征标识对应的交易者用户特征信息；
S19：所述交易服务器接收所述数据请求方终端根据所述查询结果发送的购买请求，并根据所述购买请求完成交易。
7.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于还包括如下步骤：
S20：校方重新进行教师与学生的分配；
S21：重复步骤S3至S12；
S22：形成不同教师与不同学生之间的教学质量比对结果；
S23：参照所述教学质量比对结果进行教师与学生的最终配对并建立学习组。
8.根据权利要求1所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于还包括如下步骤：
S24：根据学生家长的反馈意见调整教师的教学方式及教师与学生之间的配对关系；
S25：重复步骤S3至S12。
9.根据权利要求6所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于：所述查询请求中包括查询条件和需满足所述查询条件的用户特征标识，所述用户特征标识为对所述交易者的各用户特征信息进行分类得到的特征类别标识。
10.根据权利要求6所述的基于大数据的学校教学纵向信息趋势分析动态比对方法，其特征在于：根据所述交易者用户特征信息的访问权限设置参数得到查询结果，并将所述查询结果发送给所述数据请求方终端。
CN201911321391.6A 2019-12-18 2019-12-18 基于大数据的学校教学纵向信息趋势分析动态比对方法 Active CN111127266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911321391.6A CN111127266B (zh) 2019-12-18 2019-12-18 基于大数据的学校教学纵向信息趋势分析动态比对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911321391.6A CN111127266B (zh) 2019-12-18 2019-12-18 基于大数据的学校教学纵向信息趋势分析动态比对方法

Publications (2)

Publication Number Publication Date
CN111127266A true CN111127266A (zh) 2020-05-08
CN111127266B CN111127266B (zh) 2023-06-23

Family

ID=70500434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911321391.6A Active CN111127266B (zh) 2019-12-18 2019-12-18 基于大数据的学校教学纵向信息趋势分析动态比对方法

Country Status (1)

Country Link
CN (1) CN111127266B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705204A (zh) * 2021-08-03 2021-11-26 西安交通大学 结合qq学习群的混合式教学图表数据分析方法、系统、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663658A (zh) * 2012-03-21 2012-09-12 张革伕 一种学生课程学习状态家校通单用户系统与方法
CN103839207A (zh) * 2012-11-23 2014-06-04 多威通信系统(上海)有限公司 一种分析学习者学习活动的设备和方法及其对应的介质
CN104157175A (zh) * 2014-08-27 2014-11-19 湖南堂堂清教育科技有限公司 教学效果即时反馈评估系统
CN106683505A (zh) * 2016-11-22 2017-05-17 安徽安必生信息科技有限公司 一种智慧校园之云课堂实践一体化系统
CN108491994A (zh) * 2018-02-06 2018-09-04 北京师范大学 基于大数据的stem教育测评系统及方法
CN108615423A (zh) * 2018-06-21 2018-10-02 中山大学新华学院 一种基于深度学习的线上教育管理系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663658A (zh) * 2012-03-21 2012-09-12 张革伕 一种学生课程学习状态家校通单用户系统与方法
CN103839207A (zh) * 2012-11-23 2014-06-04 多威通信系统(上海)有限公司 一种分析学习者学习活动的设备和方法及其对应的介质
CN104157175A (zh) * 2014-08-27 2014-11-19 湖南堂堂清教育科技有限公司 教学效果即时反馈评估系统
CN106683505A (zh) * 2016-11-22 2017-05-17 安徽安必生信息科技有限公司 一种智慧校园之云课堂实践一体化系统
CN108491994A (zh) * 2018-02-06 2018-09-04 北京师范大学 基于大数据的stem教育测评系统及方法
CN108615423A (zh) * 2018-06-21 2018-10-02 中山大学新华学院 一种基于深度学习的线上教育管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113705204A (zh) * 2021-08-03 2021-11-26 西安交通大学 结合qq学习群的混合式教学图表数据分析方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN111127266B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Jackson Validating and adapting the motivated strategies for learning questionnaire (MSLQ) for STEM courses at an HBCU
Nowell et al. Assessing faculty performance using student evaluations of teaching in an uncontrolled setting
Peterson et al. Assessment use by counselors in the United States: Implications for policy and practice
AU2009202262B2 (en) Attrition warning and control system
Zwick et al. New perspectives on the correlation of SAT scores, high school grades, and socioeconomic factors
US20180005541A1 (en) Systems and methods for testing, evaluating and providing feedback to students
Broomfield et al. An evaluation of theshort form'course experience questionnaire with medical students
US10909869B2 (en) Method and system to optimize education content-learner engagement-performance pathways
Park et al. Adaptive or adapted to: Sequence and reflexive thematic analysis to understand learners' self‐regulated learning in an adaptive learning analytics dashboard
Nelson et al. Progress monitoring with computer adaptive assessments: The impact of data collection schedule on growth estimates
Milanowski Lower performance evaluation practice ratings for teachers of disadvantaged students: Bias or reflection of reality?
Perdue et al. Deterrents to participation in web‐based continuing professional education
Kaba Online library job advertisement in United Arab Emirates: a content analysis of online sources
Meaders et al. Am I getting through? Surveying students on what messages they recall from the first day of STEM classes
CN111127266A (zh) 基于大数据的学校教学纵向信息趋势分析动态比对方法
Schermer et al. Reconsidering methods for systematic classroom observation: the measurement and analysis of categorical time-series observations
Oreški et al. Role of personal factors in academic success and dropout of IT students: Evidence from students and alumni
Domingue et al. Measuring student learning in technical programs: A case study from Colombia
Franklin The importance of information literacy: Insights from the next generation of scholars
CN114943625A (zh) 一种基于区块链技术的远程教育系统
Nettleman III An assessment of ABET-accredited undergraduate land surveying and geomatics programs in the United States
Lenar et al. Application of learning analytics tools in learning management systems
Aydin The relationship between pre-service science teachers’ cognitive styles and their cognitive structures about technology
Harris et al. Factors that contribute to retention and completion for apprentices and trainees
Veas et al. University Entrance Examinations in Spain: using the construct comparability approach to analyze standards quality

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