CN111127267A - 基于测评大数据的学校教学问题分析方法 - Google Patents

基于测评大数据的学校教学问题分析方法 Download PDF

Info

Publication number
CN111127267A
CN111127267A CN201911321392.0A CN201911321392A CN111127267A CN 111127267 A CN111127267 A CN 111127267A CN 201911321392 A CN201911321392 A CN 201911321392A CN 111127267 A CN111127267 A CN 111127267A
Authority
CN
China
Prior art keywords
data
teaching
learning
analysis
student
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
CN201911321392.0A
Other languages
English (en)
Other versions
CN111127267B (zh
Inventor
杨念
黄冠铭
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 CN201911321392.0A priority Critical patent/CN111127267B/zh
Publication of CN111127267A publication Critical patent/CN111127267A/zh
Application granted granted Critical
Publication of CN111127267B publication Critical patent/CN111127267B/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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • 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)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Technology (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供一种基于测评大数据的学校教学问题分析方法，该方法对于个人：研究和聚焦学习者行为数据，包括学习者在学习过程中的学习行为、学习活动、学习进程和与之交互的学习环境等教育信息的数据，实现以学习者为中心背景下学习全过程的数据采集、编码、存储、分析和反馈，从而深入到行为机理层面对学习者产生重要影响。该方法对于校方：借助相关的教育行为数据应用，采集、记录、分析教与学及其相关教育行为，更好地勾勒出教育教学的真实形态，有效推进教学信息化，深度促进教与学方式的变革。

Description

基于测评大数据的学校教学问题分析方法
技术领域
本发明具体涉及一种基于测评大数据的学校教学问题分析方法。
背景技术
随着计算机技术、互联网以及物联网的不断发展，各种系统异构数据以前所未有的惊人速度迅猛增长，“大数据”时代已经到来。大数据是指数据结构比较复杂、数据规模大的数据集合，其数据量已远远超出了一般数据管理工具可以承受的处理时间以及数据处理及存储管理能力。同时大数据也带来无限想象力和商业应用价值。近年来，我国大数据发展迅猛，技术创新取得明显突破，大数据应用推进势头良好，产业体系初具雏形，支撑能力日益增强。无论是从研究范式、技术应用，还是实践案例都在快速发展之中。
作为大数据的细分领域，教育大数据具有推动教育变革的巨大潜力，其正在成为教育领域不可忽视的新型驱动力，在教育教学研究与实践中发挥着越来越重要的作用。
传统的教学质量评价方式仅根据最终的教学成果进行考核，这种评估方式往往不能反映整个教学过程中发生的诸多问题。这一现象引起了各大高校和教育主管部门的重点关注。所以急需一种基于测评大数据的学校教学问题分析方法以应对日趋复杂的教学情况并有效地提高教学质量。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于测评大数据的学校教学问题分析方法，该基于测评大数据的学校教学问题分析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：提供一种基于测评大数据的学校教学问题分析方法，该基于测评大数据的学校教学问题分析方法包括如下步骤：
S1：对单一学生的学习数据进行数字化采集；
S2：对采集到的单一学生学习数据进行初步存储形成学生初步存储数据；
S3：构建单一学生的学习数据集合的属性特征值与学生学习行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S4：对所述学生初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S5：将处理分析后的数据存储形成学习中间数据；
S6：按照预设数据模型，将多个单一学生数据库的数据进行分类筛选，筛选出所有相同数据模型的学习比对数据，将多个所述学习对比数据进行进一步进行数据分析形成最终学习数据并得出学生学习数据曲线；
S7：对单一教师的教学数据进行数字化采集；
S8：对采集到的单一教师教学数据进行初步存储形成教师初步存储数据；
S9：构建单一教师的教学数据集合的属性特征值与教师教学行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S10：对所述教学初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S11：将处理分析后的数据存储形成教学中间数据；
S12：按照预设数据模型，将多个单一教学数据库的数据进行分类筛选，筛选出所有相同数据模型的教学比对数据，将多个所述教学对比数据进行进一步进行数据分析形成最终教学数据并得出教师教学数据曲线；
S13：将所述最终学习数据、最终教学数据、学生学习数据曲线及教师教学数据曲线进行教学质量对应分析，得出教学数据集合的属性特征值与教师教学行为对学习数据集合的属性特征值与学生学习行为造成的影响，并形成可视化教学影响曲线模型。
该基于测评大数据的学校教学问题分析方法具有的优点如下：
对于个人：研究和聚焦学习者行为数据，包括学习者在学习过程中的学习行为、学习活动、学习进程和与之交互的学习环境等教育信息的数据，实现以学习者为中心背景下学习全过程的数据采集、编码、存储、分析和反馈，从而深入到行为机理层面对学习者产生重要影响。
对于校方：借助相关的教育行为数据应用，采集、记录、分析教与学及其相关教育行为，更好地勾勒出教育教学的真实形态，有效推进教学信息化，深度促进教与学方式的变革。
同时将上述两者结合并利用大数据分析实现彼此之间的相互促进作用，实现不断地深入完善，并可以实现各教学机构之间的有偿或无偿的资源贡献，该方法的根本目的是结合教育机构的自身资源及教学经验实现有效数据的货币化，从而在提高教学质量的同时增加教育机构的收入。
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测评大数据的学校教学问题分析方法的流程示意图。
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，提供一种基于测评大数据的学校教学问题分析方法，如图1所示，包括如下步骤：
S1：对单一学生的学习数据进行数字化采集；
S2：对采集到的单一学生学习数据进行初步存储形成学生初步存储数据；
S3：构建单一学生的学习数据集合的属性特征值与学生学习行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S4：对所述学生初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S5：将处理分析后的数据存储形成学习中间数据；
S6：按照预设数据模型，将多个单一学生数据库的数据进行分类筛选，筛选出所有相同数据模型的学习比对数据，将多个所述学习对比数据进行进一步进行数据分析形成最终学习数据并得出学生学习数据曲线；
S7：对单一教师的教学数据进行数字化采集；
S8：对采集到的单一教师教学数据进行初步存储形成教师初步存储数据；
S9：构建单一教师的教学数据集合的属性特征值与教师教学行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S10：对所述教学初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S11：将处理分析后的数据存储形成教学中间数据；
S12：按照预设数据模型，将多个单一教学数据库的数据进行分类筛选，筛选出所有相同数据模型的教学比对数据，将多个所述教学对比数据进行进一步进行数据分析形成最终教学数据并得出教师教学数据曲线；
S13：将所述最终学习数据、最终教学数据、学生学习数据曲线及教师教学数据曲线进行教学质量对应分析，得出教学数据集合的属性特征值与教师教学行为对学习数据集合的属性特征值与学生学习行为造成的影响，并形成可视化教学影响曲线模型。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法包括如下步骤：S14：根据所述可视化教学影响曲线模型修改教学数据集合的属性特征值与教师教学行为。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法包括如下步骤：循环S1至S14，并形成对教学数据集合的属性特征值与教师教学行为的动态化修改更正。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法包括如下步骤：
S16：将所述最终教学数据、教师教学数据曲线、最终学习数据、学生学习数据曲线及可视化教学影响曲线模型打包形成数据包；
S17：将所述数据包上传至交易服务器；
S18：交易服务器接收数据请求方终端发送的查询请求；
S19：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；
S20：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，该基于测评大数据的学校教学问题分析方法包括如下步骤：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，该基于测评大数据的学校教学问题分析方法包括如下步骤：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，该基于测评大数据的学校教学问题分析方法的S2：对采集到的单一学生学习数据进行初步存储形成初步存储数据的具体步骤还包括：
将建单一学生的学习数据中的原始大数据按照特征分为学习成绩类、学习行为类和知识点掌握类、记忆时间类数据；
再将分类后的数据按数据结构分为结构化数据、半结构化数据及非结构化数据；
根据数据源的不同功能、不同结构分类进行数据存储至新的以Hadoop为基础架构的分布式数据库中，构建学生学习异构大数据基础平台。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法将多个单一学生数据库的数据进行分类筛选，筛选出所有相同数据模型的学习比对数据，将多个所述学习对比数据进行进一步进行数据分析形成最终学习数据还包括如下步骤：
在进行数据对比与筛选分析时所参考的数据相关度I通过如下公式计算获得：
I[A，B]≡M(S(A，B)||S(A)S(B))＝-∫∫S(A，B)ln(S(A)S(B)S(A，B))dAdB
其中，A为待筛选学习数据信息；
B为基准学习数据信息；
M函数为相对熵，其用于表示两个分布之间的关系；
S函数为概率分布函数；
S(A，B)为A和B的联合概率分布。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法将多个单一教学数据库的数据进行分类筛选，筛选出所有相同数据模型的教学比对数据，将多个所述教学对比数据进行进一步进行数据分析形成最终教学数据还包括如下步骤：
在进行数据对比与筛选分析时所参考的数据相关度I通过如下公式计算获得：
I[A，B]≡M(S(A，B)||S(A)S(B))＝-∫∫S(A，B)ln(S(A)S(B)S(A，B))dAdB
其中，A为待筛选教学数据信息；
B为基准教学数据信息；
M函数为相对熵，其用于表示两个分布之间的关系；
S函数为概率分布函数；
S(A，B)为A和B的联合概率分布。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法采用内存计算框架SSark ETL加增量拉取的方式获取服务器中的结构化教学数据，采用数据镜像备份工具RsBnc获取服务器中的半结构化日志文件。
根据本申请的一个实施例，该基于测评大数据的学校教学问题分析方法对于个人：研究和聚焦学习者行为数据，包括学习者在学习过程中的学习行为、学习活动、学习进程和与之交互的学习环境等教育信息的数据，实现以学习者为中心背景下学习全过程的数据采集、编码、存储、分析和反馈，从而深入到行为机理层面对学习者产生重要影响。对于校方：借助相关的教育行为数据应用，采集、记录、分析教与学及其相关教育行为，更好地勾勒出教育教学的真实形态，有效推进教学信息化，深度促进教与学方式的变革。同时将上述两者结合并利用大数据分析实现彼此之间的相互促进作用，实现不断地深入完善，并可以实现各教学机构之间的有偿或无偿的资源贡献，该方法的根本目的是结合教育机构的自身资源及教学经验实现有效数据的货币化，从而在提高教学质量的同时增加教育机构的收入。
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)

1.一种基于测评大数据的学校教学问题分析方法，其特征在于，包括如下步骤：
S1：对单一学生的学习数据进行数字化采集；
S2：对采集到的单一学生学习数据进行初步存储形成学生初步存储数据；
S3：构建单一学生的学习数据集合的属性特征值与学生学习行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S4：对所述学生初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S5：将处理分析后的数据存储形成学习中间数据；
S6：按照预设数据模型，将多个单一学生数据库的数据进行分类筛选，筛选出所有相同数据模型的学习比对数据，将多个所述学习对比数据进行进一步进行数据分析形成最终学习数据并得出学生学习数据曲线；
S7：对单一教师的教学数据进行数字化采集；
S8：对采集到的单一教师教学数据进行初步存储形成教师初步存储数据；
S9：构建单一教师的教学数据集合的属性特征值与教师教学行为分析模型中分析维度的各个特征值关联权重值和匹配值集合；
S10：对所述教学初步存储数据通过大数据处理模块利用云服务器集中大数据资源对采集的数据进行处理分析；
S11：将处理分析后的数据存储形成教学中间数据；
S12：按照预设数据模型，将多个单一教学数据库的数据进行分类筛选，筛选出所有相同数据模型的教学比对数据，将多个所述教学对比数据进行进一步进行数据分析形成最终教学数据并得出教师教学数据曲线；
S13：将所述最终学习数据、最终教学数据、学生学习数据曲线及教师教学数据曲线进行教学质量对应分析，得出教学数据集合的属性特征值与教师教学行为对学习数据集合的属性特征值与学生学习行为造成的影响，并形成可视化教学影响曲线模型。
2.根据权利要求1所述的基于测评大数据的学校教学问题分析方法，其特征在于，还包括如下步骤：
S14：根据所述可视化教学影响曲线模型修改教学数据集合的属性特征值与教师教学行为。
3.根据权利要求2所述的基于测评大数据的学校教学问题分析方法，其特征在于，还包括如下步骤：
S15：循环S1至S14，并形成对教学数据集合的属性特征值与教师教学行为的动态化修改更正。
4.根据权利要求1所述的基于测评大数据的学校教学问题分析方法，其特征在于，还包括如下步骤：
S16：将所述最终教学数据、教师教学数据曲线、最终学习数据、学生学习数据曲线及可视化教学影响曲线模型打包形成数据包；
S17：将所述数据包上传至交易服务器；
S18：交易服务器接收数据请求方终端发送的查询请求；
S19：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；
S20：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。
5.根据权利要求4所述的基于测评大数据的学校教学问题分析方法，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。
6.根据权利要求4所述的基于测评大数据的学校教学问题分析方法，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。
7.根据权利要求1所述的基于测评大数据的学校教学问题分析方法，其特征在于：所述S2：对采集到的单一学生学习数据进行初步存储形成初步存储数据的具体步骤还包括：
将建单一学生的学习数据中的原始大数据按照特征分为学习成绩类、学习行为类和知识点掌握类、记忆时间类数据；
再将分类后的数据按数据结构分为结构化数据、半结构化数据及非结构化数据；
根据数据源的不同功能、不同结构分类进行数据存储至新的以Hadoop为基础架构的分布式数据库中，构建学生学习异构大数据基础平台。
8.根据权利要求1所述的基于测评大数据的学校教学问题分析方法，其特征在于，所述将多个单一学生数据库的数据进行分类筛选，筛选出所有相同数据模型的学习比对数据，将多个所述学习对比数据进行进一步进行数据分析形成最终学习数据还包括如下步骤：
在进行数据对比与筛选分析时所参考的数据相关度I通过如下公式计算获得：
I[A，B]≡M(S(A，B)||S(A)S(B))＝-∫∫S(A，B)ln(S(A)S(B)S(A，B))dAdB
其中，A为待筛选学习数据信息；
B为基准学习数据信息；
M函数为相对熵，其用于表示两个分布之间的关系；
S函数为概率分布函数；
S(A，B)为A和B的联合概率分布。
9.根据权利要求1所述的基于测评大数据的学校教学问题分析方法，其特征在于：所述将多个单一教学数据库的数据进行分类筛选，筛选出所有相同数据模型的教学比对数据，将多个所述教学对比数据进行进一步进行数据分析形成最终教学数据还包括如下步骤：
在进行数据对比与筛选分析时所参考的数据相关度I通过如下公式计算获得：
I[A，B]≡M(S(A，B)||S(A)S(B))＝-∫∫S(A，B)ln(S(A)S(B)S(A，B))dAdB
其中，A为待筛选教学数据信息；
B为基准教学数据信息；
M函数为相对熵，其用于表示两个分布之间的关系；
S函数为概率分布函数；
S(A，B)为A和B的联合概率分布。
10.根据权利要求5所述的基于测评大数据的学校教学问题分析方法，其特征在于：采用内存计算框架SSark ETL加增量拉取的方式获取服务器中的结构化教学数据，采用数据镜像备份工具RsBnc获取服务器中的半结构化日志文件。
CN201911321392.0A 2019-12-18 2019-12-18 基于测评大数据的学校教学问题分析方法 Active CN111127267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911321392.0A CN111127267B (zh) 2019-12-18 2019-12-18 基于测评大数据的学校教学问题分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911321392.0A CN111127267B (zh) 2019-12-18 2019-12-18 基于测评大数据的学校教学问题分析方法

Publications (2)

Publication Number Publication Date
CN111127267A true CN111127267A (zh) 2020-05-08
CN111127267B CN111127267B (zh) 2023-07-14

Family

ID=70500414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911321392.0A Active CN111127267B (zh) 2019-12-18 2019-12-18 基于测评大数据的学校教学问题分析方法

Country Status (1)

Country Link
CN (1) CN111127267B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465260A (zh) * 2020-12-10 2021-03-09 成都寻道科技有限公司 基于校园数据的学生教学管理系统
CN116578755A (zh) * 2022-03-30 2023-08-11 江苏控智电子科技有限公司 基于人工智能和大数据的信息分析系统及方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708463A (zh) * 2012-05-18 2012-10-03 苏州慧飞信息科技有限公司 教学质量综合测评系统
CN105551328A (zh) * 2016-01-28 2016-05-04 北京聚力互信教育科技有限公司 基于移动交互和大数据分析的语言教学辅研同步集成系统
WO2016065405A1 (en) * 2014-10-31 2016-05-06 1010 Id Pty Ltd Method and system for activity monitoring
CN105757414A (zh) * 2016-05-04 2016-07-13 四川文轩教育科技有限公司 一种教学管理系统
CN106997571A (zh) * 2017-03-29 2017-08-01 北京师范大学 一种基于数据驱动的学科学习发展推荐系统及方法
CN107590760A (zh) * 2017-11-01 2018-01-16 长春理工大学 一种基于大数据的高校教学质量测评系统
CN107832947A (zh) * 2017-11-08 2018-03-23 深圳市海云天教育测评有限公司 一种教育大数据平台
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
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
WO2018233398A1 (zh) * 2017-06-23 2018-12-27 北京易真学思教育科技有限公司 学习监控方法、装置及电子设备
CN109523442A (zh) * 2018-12-21 2019-03-26 广东粤众互联信息技术有限公司 一种基于校园教育系统的大数据分析方法
CN109584656A (zh) * 2018-12-03 2019-04-05 湖北美和易思教育科技有限公司 在线教育平台学习轨迹数据统计分析系统和方法
CN109615328A (zh) * 2018-12-06 2019-04-12 天津市职业大学 一种教学测评系统
WO2019195127A1 (en) * 2018-04-05 2019-10-10 Snofolio Corp. Learning management system for task-based objectives

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708463A (zh) * 2012-05-18 2012-10-03 苏州慧飞信息科技有限公司 教学质量综合测评系统
WO2016065405A1 (en) * 2014-10-31 2016-05-06 1010 Id Pty Ltd Method and system for activity monitoring
CN105551328A (zh) * 2016-01-28 2016-05-04 北京聚力互信教育科技有限公司 基于移动交互和大数据分析的语言教学辅研同步集成系统
CN105757414A (zh) * 2016-05-04 2016-07-13 四川文轩教育科技有限公司 一种教学管理系统
CN106997571A (zh) * 2017-03-29 2017-08-01 北京师范大学 一种基于数据驱动的学科学习发展推荐系统及方法
WO2018233398A1 (zh) * 2017-06-23 2018-12-27 北京易真学思教育科技有限公司 学习监控方法、装置及电子设备
CN107590760A (zh) * 2017-11-01 2018-01-16 长春理工大学 一种基于大数据的高校教学质量测评系统
CN107832947A (zh) * 2017-11-08 2018-03-23 深圳市海云天教育测评有限公司 一种教育大数据平台
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
WO2019195127A1 (en) * 2018-04-05 2019-10-10 Snofolio Corp. Learning management system for task-based objectives
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
CN109584656A (zh) * 2018-12-03 2019-04-05 湖北美和易思教育科技有限公司 在线教育平台学习轨迹数据统计分析系统和方法
CN109615328A (zh) * 2018-12-06 2019-04-12 天津市职业大学 一种教学测评系统
CN109523442A (zh) * 2018-12-21 2019-03-26 广东粤众互联信息技术有限公司 一种基于校园教育系统的大数据分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465260A (zh) * 2020-12-10 2021-03-09 成都寻道科技有限公司 基于校园数据的学生教学管理系统
CN116578755A (zh) * 2022-03-30 2023-08-11 江苏控智电子科技有限公司 基于人工智能和大数据的信息分析系统及方法
CN116578755B (zh) * 2022-03-30 2024-01-09 张家口微智网络科技有限公司 基于人工智能和大数据的信息分析系统及方法

Also Published As

Publication number Publication date
CN111127267B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
Lionello et al. Introducing a method for intervals correction on multiple Likert scales: A case study on an urban soundscape data collection instrument
WO2017152532A1 (zh) 一种基于认知模型的计算思维训练方法及装置
CN106126524B (zh) 信息推送方法和装置
Wang et al. Student physical health information management model under big data environment
AU2013251195A1 (en) Program, apparatus, and method for information processing
CN112287037A (zh) 一种多实体混合知识图谱构建方法、装置及存储介质
Gilleece et al. Characteristics associated with paper-based and online reading in Ireland: Findings from PIRLS and ePIRLS 2016
Ntim et al. A model for open access institutional repositories usage for university libraries in Ghana
CN112101231A (zh) 学习行为的监控方法、终端、小程序以及服务器
CN111127267A (zh) 基于测评大数据的学校教学问题分析方法
CN117556965A (zh) 基于智慧作业平台的教学课程优化方法、系统及存储介质
CN111200607B (zh) 一种基于多层lstm的线上用户行为分析方法
CN118537176A (zh) 一种远程互动教育方法及系统
Dixon et al. Catching lightning in a bottle: Surveying plagiarism futures
Hou Application of decision tree algorithm based on data mining in English teaching evaluation
CN115952908A (zh) 学习路径规划方法、系统、设备及存储介质
Fei [Retracted] Innovative Research on Ideological and Political Education in Colleges and Universities Based on Intelligent Wireless Network Environment
Cromley Automated geography ten years later
CN112528790A (zh) 基于行为识别的教学管理方法、装置及服务器
Bin Cognitive Web Service-Based Learning Analytics in Education Systems Using Big Data Analytics.
CN113377925A (zh) 一种基于特征工程的在线课程画像的构建方法
Kasiroori et al. 8 The Impact of Library Resources on Block Release Students’ Academic Achievement in Zimbabwe
Li Analysis of learning behaviors based on learner portraits
Lu et al. [Retracted] Analysis of Key Factors of College Students’ Ideological and Political Education Based on Complex Network
Ou et al. Online educational video engagement prediction based on dynamic graph neural networks

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