CN111400409B - 一种基于学生数据溯源的信息分析系统 - Google Patents
一种基于学生数据溯源的信息分析系统 Download PDFInfo
- Publication number
- CN111400409B CN111400409B CN202010358829.4A CN202010358829A CN111400409B CN 111400409 B CN111400409 B CN 111400409B CN 202010358829 A CN202010358829 A CN 202010358829A CN 111400409 B CN111400409 B CN 111400409B
- Authority
- CN
- China
- Prior art keywords
- learning
- test
- strategy
- student
- target group
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000010276 construction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000012360 testing method Methods 0.000 claims description 126
- 238000012038 vulnerability analysis Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013481 data capture Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 20
- 238000004883 computer application Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于学生数据溯源的信息分析系统，包括学生信息数据库、薄弱特性数据库以及学习策略数据库；所述信息分析系统还包括薄弱点分析模块、薄弱点特性调取模块、目标组构建模块以及学习计划调取模块；首先通过配置三类数据库，对学生的基本状况进行收集和整合，并且以类型化的方式进行存储，便于其他数据库调用配置，而通过基本状况得到所有可以学习的薄弱点，而根据实际情况按阶段可以调取对应的数据库智能制定学习计划，更加合理可靠。
Description
技术领域
本发明涉及信息处理系统，更具体地说，涉及一种基于学生数据溯源的信息分析系统。
背景技术
学生信息管理系统是针对学校人事处的大量业务处理工作而开发的管理软件，主要用于学校学生信息管理，总体任务是实现学生信息关系的系统化、科学化、规范化和自动化，其主要任务是用计算机对学生各种信息进行日常管理，如查询、修改、增加、删除，另外还考虑到学生选课，针对这些要求设计了学生信息管理系统。
学生信息档案的管理对于学校的管理者来说至关重要，学生信息是高等学校非常重要的一项数据资源，是一个教育单位不可缺少一部分。特别是近几年来，国家政策的调整，我国高等院校大规模的扩招，给高等院校的教学管理、学生管理、后勤管理等方面都带来不少的冲击。其包含的数据量大，涉及的人员面广，而且需要及时更新，故较为复杂，难以单纯地依靠人工管理，而且传统的人工管理方式既不易于规范化，管理效率也不高，我国各类高等院校中还有相当一部分学生档案管理还停留在纸介质的基础上，尤其是中、小学对学生档案的管理更是落后，这样的管理机制已经不能适应时代发展的要求，其管理方法将浪费许多人力和物力。随着科学技术的不断提高，计算机科学与技术日渐成熟，计算机应用的普及已进入人类社会生活的各个领域，并发挥着越来越重要的作用。这种传统的手工管理模式必然被以计算机为物质基础的信息管理方法所取代。
作为计算机应用的一部分，使用计算机对学生档案进行管理，有着手工管理所无法比拟的优点，如：检索迅速、查找方便、可靠性高、存储量大、保密性好、寿命长、成本低等。这些优点能够极大地提高学生档案管理的效率，也是学校向科学化、正规化管理发展的必要条件，更是各个高等院校与世界接轨的重要条件。
而目前信息的存储目前在学生信息系统领域较为成熟，但是对于数据的分析仍然具备一个较大的提升空间，特别是对与学生至关重要的学习计划制定的数据分析，是具有较大意义和前景的技术领域。
发明内容
有鉴于此，本发明目的是提供一种基于学生数据溯源的信息分析系统。
为了解决上述技术问题，本发明的技术方案是：
一种基于学生数据溯源的信息分析系统，包括学生信息数据库、薄弱特性数据库以及学习策略数据库；所述学生信息数据库存储有学生信息，所述学生信息包括个人数据以及测试数据，所述个人数据反映学生个人情况，所述测试数据反映学生测试情况，所述测试数据包括若干测试项以及该测试项对应下的测试值；所述薄弱特性数据库配置有若干薄弱学习点信息，每一薄弱学习点信息包括薄弱点特性以及与该薄弱点特性对应的薄弱点学时和薄弱点优先系数，所述薄弱点特性反映该薄弱点的特征，所述薄弱点学时反映掌握该薄弱点所需时间，所述薄弱点优先级系数反映该薄弱点的重要程度；所述学习策略数据库存储有若干学习策略信息，所述学习策略信息包括学习目标组以及对应的学习计划，所述学习计划反映学习课程和时间的安排；
所述信息分析系统还包括薄弱点分析模块、薄弱点特性调取模块、目标组构建模块以及学习计划调取模块；
所述薄弱点分析模块配置有薄弱点分析策略，所述薄弱点分析策略用于根据学生信息生成若干薄弱点特性，所述薄弱点分析策略包括根据学生信息中的个人数据生成基准分析数据，所述基准分析数据包括与测试数据的测试项对应的若干基准值，所述薄弱点分析策略筛选测试值低于基准值的测试项以生成所述薄弱点特性；
所述薄弱点特性调取模块配置有薄弱点调取策略，所述薄弱点调取策略根据所述薄弱点分析模块获得的薄弱点特性调取对应的薄弱点学习信息；
所述目标组构建模块配置有目标组构建策略，所述目标组构建策略用于根据所述薄弱点特性分析模块获得的薄弱点学习信息生成学习目标组，所述目标组构建策略还包括生成基准构建条件，并根据筛选符合基准构建条件的薄弱点特性并根据筛选得到的薄弱点特性构建学习目标组；
所述学习计划调取模块配置有学习计划调取策略，所述学习计划调取策略包括根据所述目标组构建模块获得的学习目标组从所述学习策略数据库调取对应的学习计划并输出。
进一步地，所述个人数据包括就读院校、平均排名以及目标院校。
进一步地，所述学生信息数据库配置有入库分类子策略用于生成测试项，所述测试项根据入库分类子策略在每一次测试中根据知识点分布将一次测试分为若干不同的测试项，并计算该学生在该测试项下的得分作为测试值。
进一步地，所述学生信息数据库配置有入库分类子策略用于生成测试项，所述测试项根据入库分类子策略在每一次测试中根据题型分布将一次测试分为若干不同的测试项，并计算该学生在该测试项下的得分作为测试值。
进一步地，所述入库分类子策略还包括当一测试项下生成一新的测试值时，将原有的测试值与新的测试值以加权的方式计算得到该测试项下的测试值。
进一步地，所述测试值权重与测试时间相关，测试时间与实际时间差值越小对应的权重越大。
进一步地，所述基准构建条件包括基准时间条件以及基准权重条件，构建的学习目标组中的薄弱点学时之和满足基准时间条件且构建的学习目标组中的薄弱点优先系数之和满足所述基准权重条件。
进一步地，所述基准构建条件包括根据学生信息得到目标差值，并根据目标差值生成对应的基准构建条件，所述目标差值反映学生目标和学生目前测试的差值。
进一步地，还包括后台专家终端，当所述学习策略数据库没有对应的学习计划时，将学习目标组发送至后台专家终端，后台专家终端根据学习目标组输入学习计划，所述学习策略数据库存储该学习计划以及对应的学习目标组。
进一步地，所述学习策略数据库还连接有云端服务器，所述云端服务器配置有数据抓取算法，所述数据抓取算法用于抓取并生成学习策略并将所述学习策略存储至所述学习策略数据库。
本发明技术效果主要体现在以下方面：通过这样设置，首先通过配置三类数据库，对学生的基本状况进行收集和整合，并且以类型化的方式进行存储，便于其他数据库调用配置，而通过基本状况得到所有可以学习的薄弱点，而根据实际情况按阶段可以调取对应的数据库智能制定学习计划，更加合理可靠。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1：本发明系统架构原理图；
图2：本发明流程原理图。
附图标记：100、薄弱点分析模块；1、学生信息数据库；200、薄弱点特性调取模块；2、薄弱特性数据库；300、目标组构建模块；400、学习计划调取模块；3、学习策略数据库。
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。以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
参照图1所示，一种基于学生数据溯源的信息分析系统，包括学生信息数据库1、薄弱特性数据库2以及学习策略数据库3；
所述学生信息数据库1存储有学生信息，所述学生信息包括个人数据以及测试数据，所述个人数据反映学生个人情况，所述测试数据反映学生测试情况，所述测试数据包括若干测试项以及该测试项对应下的测试值；所述学生信息数据库1配置有入库分类子策略用于生成测试项，所述测试项根据入库分类子策略在每一次测试中根据知识点分布将一次测试分为若干不同的测试项，并计算该学生在该测试项下的得分作为测试值。所述学生信息数据库1配置有入库分类子策略用于生成测试项，所述测试项根据入库分类子策略在每一次测试中根据题型分布将一次测试分为若干不同的测试项，并计算该学生在该测试项下的得分作为测试值。所述入库分类子策略还包括当一测试项下生成一新的测试值时，将原有的测试值与新的测试值以加权的方式计算得到该测试项下的测试值。所述测试值权重与测试时间相关，测试时间与实际时间差值越小对应的权重越大。所述个人数据包括就读院校、平均排名以及目标院校。首先对于学生信息进行说明，本发明的学生信息数据库1不是存储所有的学生信息，只是存储与测试分值相关的学生信息，例如个人信息仅仅就涉及到就读院校、平均排名以及目标院校，因为学习环境、学习自信心以及对目标的期望都是可以通过大数据分析直接量化的数据，而测试数据反映的是学生实际的学习情况，例如每次测验在某个知识点或者题型上的得分情况，而这个数据可以了解学生的薄弱环节，进行因材施教，而不是对所有学生制定统一的计划，虽然目前有教师也能够单独对学生出具学习计划，教师资源较为有限，获知信息也仅仅是最后的分值，也无法针对每个学生信息从多个维度制定计划，而具体制定计划时需要的精力也是非常巨大的，也无法得知计划的预期结果。而这个信息输出结果在更多的信息支撑下，起到一个更加全面的分析效果，且能够给教师提供一个数据支持。测试数据是通过测试情况获得，可以是期中、期末测试，入库分类子策略逻辑如下，而测试数据进行分类入库分为两种逻辑，一种是按知识点进行划分，一个题目涉及到一个或多个知识点，那么如果学生在该题上答错或者未拿到相应分数，则说明该知识点没有掌握，所以每个测试项对应一个知识点，第二种是题目类型进行划分，根据题目类型进行划分，也相当于反映出学生对该题目类型的处理未能掌握，而会出现相同题目类型或者相同知识点重复答错的情况，那么以加权进行计算，得到最后的欠缺值。而时间距离实际时间越近，那么越能反映学生的实际情况，也就越准确，所以相应的权重也就越高。例如可以是计算实际时间与每次测试时间的差值得到每个时间值，每个测试项的时间值的倒数比为权重比。
所述薄弱特性数据库2配置有若干薄弱学习点信息，每一薄弱学习点信息包括薄弱点特性以及与该薄弱点特性对应的薄弱点学时和薄弱点优先系数，所述薄弱点特性反映该薄弱点的特征，所述薄弱点学时反映掌握该薄弱点所需时间，所述薄弱点优先级系数反映该薄弱点的重要程度；而薄弱特性数据库2存储的是对应的测试项目的薄弱特性，例如针对英语听力这一项目扣分5分和扣分10分的薄弱点特性是不同的，也就是根据薄弱程度会对应不同的薄弱学习点信息，然后其下会对应需要的学时，这个学时可以通过后台大数据统计，也可以通过专家输入，而薄弱点优先系数则是结合难度、重要程度(比如基础学科或者提升空间较大的学科)确定。
所述学习策略数据库3存储有若干学习策略信息，所述学习策略信息包括学习目标组以及对应的学习计划，所述学习计划反映学习课程和时间的安排；学习策略数据库3记录的是学习目标组，需要说明的是，学习目标组指的是若干薄弱点特性的集合，学习计划则是对具体有明确的学习内容的情况下，对学习内容进行安排，输出一个结果，所以这个学习计划被预先配置在学习策略数据库3中。
所述信息分析系统还包括薄弱点分析模块100、薄弱点特性调取模块200、目标组构建模块300以及学习计划调取模块400；
所述薄弱点分析模块100配置有薄弱点分析策略，所述薄弱点分析策略用于根据学生信息生成若干薄弱点特性，所述薄弱点分析策略包括根据学生信息中的个人数据生成基准分析数据，所述基准分析数据包括与测试数据的测试项对应的若干基准值，所述薄弱点分析策略筛选测试值低于基准值的测试项以生成所述薄弱点特性；首先这个模块的目的是分析学生的薄弱点特性，例如根据学生的个人情况和目标生成一个期望值，例如目标是A学校，那么以该总分下就可以得到期望值，个人情况是例如可以加分的情况，而这个期望值分配到一次测试中就可以获知每个测试项期望下的分数，而这个分数与实际学生的分数的差值则是学生的薄弱环节，而这个差值与测试项的匹配则是基准分析数据，需要说明的是，学习计划不是针对所有薄弱环节，是针对实际情况和成绩和时间进行筛选，所以此时获取的只是所有的薄弱点信息。
所述薄弱点特性调取模块200配置有薄弱点调取策略，所述薄弱点调取策略根据所述薄弱点分析模块100获得的薄弱点特性调取对应的薄弱点学习信息；此处不做过多赘述，根据结果得到对应的薄弱点学习信息。
所述目标组构建模块300配置有目标组构建策略，所述目标组构建策略用于根据所述薄弱点特性分析模块获得的薄弱点学习信息生成学习目标组，所述目标组构建策略还包括生成基准构建条件，并根据筛选符合基准构建条件的薄弱点特性并根据筛选得到的薄弱点特性构建学习目标组；所述基准构建条件包括基准时间条件以及基准权重条件，构建的学习目标组中的薄弱点学时之和满足基准时间条件且构建的学习目标组中的薄弱点优先系数之和满足所述基准权重条件，薄弱点特性已经获得的情况下，根据薄弱点的特性构建学习目标组，是以筛选和组合的方式，得到薄弱点优先系数最高的组合，且满足对应的学习条件，例如学习英语不超过2小时或学习语文多于4小时，这个条件可以根据构建时根据实际需求进行输入，输入方可以是学生自己、老师或者家长，保证学习计划是根据学生实际时间设置的。所述基准构建条件包括根据学生信息得到目标差值，并根据目标差值生成对应的基准构建条件，所述目标差值反映学生目标和学生目前测试的差值。目标组的构建就涉及到对薄弱点的优先级和需要的学习时间的一个安排，而基准构建条件可以是人为输入，也可以是系统生成，只是针对时间上出具一个任务的基准，也可以增加学习人员的偏好或者老师的偏好建议作为筛选因素，而从学习目标组中筛选得到对应的学生的薄弱点特性，就可以得到学习目标组。
所述学习计划调取模块400配置有学习计划调取策略，所述学习计划调取策略包括根据所述目标组构建模块300获得的学习目标组从所述学习策略数据库3调取对应的学习计划并输出。还包括后台专家终端，当所述学习策略数据库3没有对应的学习计划时，将学习目标组发送至后台专家终端，后台专家终端根据学习目标组输入学习计划，所述学习策略数据库3存储该学习计划以及对应的学习目标组。还包括后台专家终端，当所述学习策略数据库3没有对应的学习计划时，将学习目标组发送至后台专家终端，后台专家终端根据学习目标组输入学习计划，所述学习策略数据库3存储该学习计划以及对应的学习目标组。将学习目标组输入学习策略数据库3调取对应的学习计划就可以输出，而需要说明的是，由于学习计划可能会出现调整，所以通过这样设置，就可以起到一个保证及时反馈的效果，例如这个学习目标组中没有对应的学习计划，就可以根据专家补充的学习计划或者通过云服务器获取到的学习计划作为结果输出，并存储该计划，在执行过程中，整个数据库不断完善，更加符合要求。
当然，以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。
Claims (1)
1.一种基于学生数据溯源的信息分析系统，其特征在于：包括学生信息数据库、薄弱特性数据库以及学习策略数据库；所述学生信息数据库存储有学生信息，所述学生信息包括个人数据以及测试数据，所述个人数据反映学生个人情况，所述测试数据反映学生测试情况，所述测试数据包括若干测试项以及该测试项对应下的测试值；所述学生信息数据库配置有入库分类子策略用于生成测试项，所述测试项根据入库分类子策略在每一次测试中根据题型分布将一次测试分为若干不同的测试项，并计算该学生在该测试项下的得分作为测试值；所述入库分类子策略还包括当一测试项下生成一新的测试值时，将原有的测试值与新的测试值以加权的方式计算得到该测试项下的测试值；所述测试值权重与测试时间相关，测试时间与实际时间差值越小对应的权重越大；所述个人数据包括就读院校、平均排名以及目标院校；所述学生信息数据库不是存储所有的学生信息，只是存储与测试分值相关的学生信息，学习环境、学习自信心以及对目标的期望是通过大数据分析直接量化的数据，而所述测试数据反映的是学生实际的学习情况；所述测试数据是通过测试情况获得，是期中、期末测试，所述入库分类子策略逻辑如下，所述测试数据进行分类入库分为两种逻辑，一种是按知识点进行划分，一个题目涉及到一个或多个知识点，那么如果学生在该题上答错或者未拿到相应分数，则说明该知识点没有掌握，所以每个测试项对应一个知识点，第二种是题目类型进行划分，根据题目类型进行划分，也相当于反映出学生对该题目类型的处理未能掌握，而会出现相同题目类型或者相同知识点重复答错的情况，那么以加权进行计算，得到最后的欠缺值；而时间距离实际时间越近，那么越能反映学生的实际情况，也就越准确，所以相应的权重也就越高，计算实际时间与每次测试时间的差值得到每个时间值，每个测试项的时间值的倒数比为权重比；
所述薄弱特性数据库配置有若干薄弱学习点信息，每一薄弱学习点信息包括薄弱点特性以及与该薄弱点特性对应的薄弱点学时和薄弱点优先系数，所述薄弱点特性反映该薄弱点的特征，所述薄弱点学时反映掌握该薄弱点所需时间，所述薄弱点优先级系数反映该薄弱点的重要程度；所述薄弱特性数据库存储的是对应的测试项目的薄弱特性，根据薄弱程度会对应不同的薄弱学习点信息，对应需要的学时，学时通过后台大数据统计或者通过专家输入，而薄弱点优先系数则是结合难度、重要程度确定；
所述学习策略数据库存储有若干学习策略信息，所述学习策略信息包括学习目标组以及对应的学习计划，所述学习计划反映学习课程和时间的安排；学习策略数据库记录的是学习目标组，学习目标组指的是若干薄弱点特性的集合，学习计划则是对具体有明确的学习内容的情况下，对学习内容进行安排，输出一个结果，学习计划被预先配置在学习策略数据库中；
所述信息分析系统还包括薄弱点分析模块、薄弱点特性调取模块、目标组构建模块以及学习计划调取模块；
所述薄弱点分析模块配置有薄弱点分析策略，所述薄弱点分析策略用于根据学生信息生成若干薄弱点特性，所述薄弱点分析策略包括根据学生信息中的个人数据生成基准分析数据，所述基准分析数据包括与测试数据的测试项对应的若干基准值，所述薄弱点分析策略筛选测试值低于基准值的测试项以生成所述薄弱点特性；所述薄弱点分析模块的目的是分析学生的薄弱点特性，根据学生的个人情况和目标生成一个期望值，总分下得到期望值，个人情况是加分的情况，而所述期望值分配到一次测试中获知每个测试项期望下的分数，而该分数与实际学生的分数的差值则是学生的薄弱环节，而该差值与测试项的匹配则是基准分析数据，学习计划不是针对所有薄弱环节，是针对实际情况和成绩和时间进行筛选，所以此时获取的只是所有的薄弱点信息；
所述薄弱点特性调取模块配置有薄弱点调取策略，所述薄弱点调取策略根据所述薄弱点分析模块获得的薄弱点特性调取对应的薄弱点学习信息；
所述目标组构建模块配置有目标组构建策略，所述目标组构建策略用于根据所述薄弱点特性分析模块获得的薄弱点学习信息生成学习目标组，所述目标组构建策略还包括生成基准构建条件，并根据筛选符合基准构建条件的薄弱点特性并根据筛选得到的薄弱点特性构建学习目标组；所述基准构建条件包括基准时间条件以及基准权重条件，构建的学习目标组中的薄弱点学时之和满足基准时间条件且构建的学习目标组中的薄弱点优先系数之和满足所述基准权重条件，薄弱点特性已经获得的情况下，根据薄弱点的特性构建学习目标组，以筛选和组合的方式，得到薄弱点优先系数最高的组合，且满足对应的学习条件，构建时根据实际需求进行输入，输入方是学生自己、老师或者家长，保证学习计划是根据学生实际时间设置的；所述基准构建条件包括根据学生信息得到目标差值，并根据目标差值生成对应的基准构建条件，所述目标差值反映学生目标和学生目前测试的差值；目标组的构建就涉及到对薄弱点的优先级和需要的学习时间的一个安排，而基准构建条件是人为输入或者系统生成，针对时间上出具一个任务的基准，增加学习人员的偏好或者老师的偏好建议作为筛选因素，而从学习目标组中筛选得到对应的学生的薄弱点特性，得到学习目标组；
所述学习计划调取模块配置有学习计划调取策略，所述学习计划调取策略包括根据所述目标组构建模块获得的学习目标组从所述学习策略数据库调取对应的学习计划并输出；还包括后台专家终端，当所述学习策略数据库没有对应的学习计划时，将学习目标组发送至后台专家终端，后台专家终端根据学习目标组输入学习计划，所述学习策略数据库存储该学习计划以及对应的学习目标组；还包括后台专家终端，当所述学习策略数据库没有对应的学习计划时，将学习目标组发送至后台专家终端，后台专家终端根据学习目标组输入学习计划，所述学习策略数据库存储该学习计划以及对应的学习目标组；将学习目标组输入学习策略数据库调取对应的学习计划输出，由于学习计划出现调整，所以通过这样设置，起到一个保证及时反馈的效果，例如这个学习目标组中没有对应的学习计划，就可以根据专家补充的学习计划或者通过云服务器获取到的学习计划作为结果输出，并存储该计划，在执行过程中，整个数据库不断完善；
所述学习策略数据库还连接有云端服务器，所述云端服务器配置有数据抓取算法；
所述数据抓取算法用于抓取并生成学习策略并将所述学习策略存储至所述学习策略数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010358829.4A CN111400409B (zh) | 2020-04-29 | 2020-04-29 | 一种基于学生数据溯源的信息分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010358829.4A CN111400409B (zh) | 2020-04-29 | 2020-04-29 | 一种基于学生数据溯源的信息分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111400409A CN111400409A (zh) | 2020-07-10 |
| CN111400409B true CN111400409B (zh) | 2021-08-17 |
Family
ID=71431807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010358829.4A Active CN111400409B (zh) | 2020-04-29 | 2020-04-29 | 一种基于学生数据溯源的信息分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111400409B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110727790A (zh) * | 2019-10-10 | 2020-01-24 | 江苏曲速教育科技有限公司 | 学习数据报告展示方法和系统 |
| CN110807173A (zh) * | 2019-10-15 | 2020-02-18 | 广州摩翼信息科技有限公司 | 学情分析方法、装置、计算机设备和存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7024033B2 (en) * | 2001-12-08 | 2006-04-04 | Microsoft Corp. | Method for boosting the performance of machine-learning classifiers |
| CN106156908A (zh) * | 2015-03-26 | 2016-11-23 | 深圳中兴网信科技有限公司 | 一种管理教育资源的方法和设备 |
| CN105185178A (zh) * | 2015-10-21 | 2015-12-23 | 华中师范大学 | 一种课件定制系统及方法 |
| US11158204B2 (en) * | 2017-06-13 | 2021-10-26 | Cerego Japan Kabushiki Kaisha | System and method for customizing learning interactions based on a user model |
| CN107492054A (zh) * | 2017-06-29 | 2017-12-19 | 北京易教阳光教育科技有限公司 | 一种错题管理方法、系统、服务器及其存储介质 |
| 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 |
| CN110473123A (zh) * | 2019-07-09 | 2019-11-19 | 北京羽实箫恩信息技术股份有限公司 | 一种多元智能教育方法及系统 |
| CN110704746A (zh) * | 2019-10-10 | 2020-01-17 | 江苏曲速教育科技有限公司 | 根据强弱知识点分析结果进行推荐测试题方法和系统 |
-
2020
- 2020-04-29 CN CN202010358829.4A patent/CN111400409B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110727790A (zh) * | 2019-10-10 | 2020-01-24 | 江苏曲速教育科技有限公司 | 学习数据报告展示方法和系统 |
| CN110807173A (zh) * | 2019-10-15 | 2020-02-18 | 广州摩翼信息科技有限公司 | 学情分析方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111400409A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Intelligent course plan recommendation for higher education: a framework of decision tree | |
| Li et al. | [Retracted] Design of Higher Education System Based on Artificial Intelligence Technology | |
| Goikoetxea | A mathematical framework for enterprise architecture representation and design | |
| CN113205271A (zh) | 一种基于机器学习对企业所得税风险评估的方法 | |
| CN111400409B (zh) | 一种基于学生数据溯源的信息分析系统 | |
| Meng | Analysis and Prediction of College Students' Employment based on Decision Tree Classification Algorithm | |
| Shayakhmetova et al. | Descriptive big data analytics in the field of education | |
| Wang | College Student Employment Management Recommendation System Based on Decision Tree Algorithm | |
| Yu | Design and implementation of English teaching analysis system based on data mining | |
| Hu et al. | Research on smart education service platform based on big data | |
| Hu et al. | [Retracted] Dynamical Alert of Thought and Politics Teaching Based on the Long‐and Short‐Term Memory Neural Network | |
| Fu | Evaluation Model of Employment and Entrepreneurship of University Students Based on Classification Algorithm. | |
| Shang et al. | Optimization of Computer-aided English Classroom Teaching System Based on Data Mining | |
| Cheng | Application of decision tree in student information management system | |
| Liu et al. | Improved Apriori Algorithm in Higher Vocational English Education Information Data Mining | |
| CN111524048B (zh) | 一种基于大数据分析的职业教育教学诊断与改进系统 | |
| Liu et al. | Construction and Optimization of University Digital Archives Cloud Platform Based on Big Data | |
| Beem | A DESIGN STUDY TO ENHANCE PERFORMANCE DASHBOARDS TO IMPROVE THE DECISION-MAKING PROCESS | |
| Chen et al. | Online Evaluation Method of College Students’ Mental Health Based on Campus Network Text Mining | |
| Panwar | Role of Data Warehousing & Data Mining in E-Goverance | |
| Su et al. | Research on the Construction of Education Evaluation Model Based on Big Data | |
| Lv et al. | Research on educational big data analysis based on Hive and Spark | |
| Yang | Application of Data Mining Technology in Exam Score Analysis | |
| Jinghong | Evaluation of College Teaching Quality Based on Association Data Mining | |
| Jie | Hunan Sany Polytechnic College, Changsha 410011, Hunan, China dominic_71268@ 163. com |
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 |