CN111797324A - 一种智慧教育用远程教育方法及系统 - Google Patents
一种智慧教育用远程教育方法及系统 Download PDFInfo
- Publication number
- CN111797324A CN111797324A CN202010786636.9A CN202010786636A CN111797324A CN 111797324 A CN111797324 A CN 111797324A CN 202010786636 A CN202010786636 A CN 202010786636A CN 111797324 A CN111797324 A CN 111797324A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- obtaining
- knowledge point
- class
- 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.)
- Withdrawn
Links
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
Abstract
本发明公开了一种智慧教育用远程教育方法及系统,其中,所述方法包括:获得第一用户对第一课程的第一提问;获得第一用户的第一上课状态;根据所述第一提问确定所述第一课程中的第一知识点信息;根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,根据所述第一微课,获得所述第一用户的自测信息;对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息,达到提高用户的学习质量及课堂效率的效果。
Description
技术领域
本发明涉及智慧远程教育领域,尤其涉及一种智慧教育用远程教育方法及系统。
背景技术
随着信息技术的飞速发展,特别是从互联网到移动互联网,创造了跨时空的生活、工作和学习方式,使知识获取的方式发生了根本变化。教与学可以不受时间、空间和地点条件的限制,知识获取渠道灵活与多样化,在线教育应运而生。通过网络,学员与教师即使相隔万里也可以开展教学活动,真正打破了时间和空间的限制,使得教育资源共享化。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中的在线智慧教育并没有很好地结合用户的上课状态,针对性的对用户的学习课程查缺补漏,影响用户的学习进度、学习效果及课堂效率。
发明内容
本申请实施例通过提供一种智慧教育用远程教育方法及系统,解决了现有技术中不能有效结合用户的学习状态及学习情况,对所述用户进行针对性查缺补漏的技术问题,实现了针对性的对用户的学习课程查漏补缺,进而通过课后作业信息加强知识点的牢固性,以及与后续课程的连贯性,达到提高用户的学习质量及课堂效率的效果。
鉴于上述问题,提出了本申请实施例提供一种智慧教育用远程教育方法及系统。
第一方面,本申请实施例提供了一种智慧教育用远程教育方法,所述方法包括:获得第一用户对第一课程的第一提问;获得第一用户的第一上课状态;根据所述第一提问确定所述第一课程中的第一知识点信息;根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;根据所述第一微课,获得所述第一用户的自测信息;对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
另一方面,本申请还提供了一种智慧教育用远程教育系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一用户对第一课程的第一提问;第二获得单元,所述第二获得单元用于获得第一用户的第一上课状态;第一确定单元,所述第一确定单元用于根据所述第一提问确定所述第一课程中的第一知识点信息;第三获得单元,所述第三获得单元用于根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;第一判断单元,所述第一判断单元用于判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;第四获得单元,所述第四获得单元用于当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;第五获得单元,所述第五获得单元用于根据所述第一微课,获得所述第一用户的自测信息;第一分析单元,所述第一分析单元用于对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;第六获得单元,所述第六获得单元用于根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
第三方面,本发明提供了一种智慧教育用远程教育系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了结合对第一用户的第一课程的提问、第一用户的上课状态,来获得所述第一用户对所述第一知识点掌握程度,通过对比所述用户对所述知识点的掌握程度,对不满足第一预设值时,获得第一知识点的第一微课,并根据第一微课获得所述用户自测信息,生成分析报告的方式,使得对用户的知识点的掌握盲区、学习状况进行准确的监测及判断,针对性的对用户的学习课程查漏补缺,达到提高用户的学习质量及课堂效率的效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种智慧教育用远程教育方法的流程示意图;
图2为本申请实施例一种智慧教育用远程教育方法中获得所述第一用户的第一上课状态的流程示意图;
图3为本申请实施例一种智慧教育用远程教育方法中获得预设眼动标识信息的流程示意图;
图4为本申请实施例一种智慧教育用远程教育方法中获得准确的预设情绪标识信息的流程示意图;
图5为本申请实施例一种智慧教育用远程教育方法中获得更准确的训练模型的流程示意图;
图6为本申请实施例一种智慧教育用远程教育方法中获得更准确的第一用户对所述第一知识点的掌握度的流程示意图;
图7为本申请实施例一种智慧教育用远程教育方法中获得更准确的第一微课分析报告的流程示意图;
图8为本申请实施例一种智慧教育用远程教育方法中为了达到更好的为所述用户针对性的查缺补漏的效果的流程示意图;
图9为本申请实施例一种智慧教育用远程教育系统的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一确定单元13,第三获得单元14,第一判断单元15,第四获得单元16,第五获得单元17,第一分析单元18,第六获得单元19,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种智慧教育用远程教育方法及系统,解决了现有技术中不能有效结合用户的学习状态及学习情况,对所述用户进行针对性查缺补漏的技术问题,实现了针对性的对用户的学习课程查漏补缺,进而通过课后作业信息加强知识点的牢固性,以及与后续课程的连贯性,达到提高用户的学习质量及课堂效率的效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着信息技术的飞速发展,特别是从互联网到移动互联网,创造了跨时空的生活、工作和学习方式,使知识获取的方式发生了根本变化。知识获取渠道灵活与多样化,在线教育应运而生,学员与教师即使相隔万里也可以开展教学活动,真正打破了时间和空间的限制,使得教育资源共享化。但现有技术中的在线智慧教育并没有很好地结合用户的上课状态,针对性的对用户的学习课程查缺补漏,影响用户的学习进度及课堂效率。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种智慧教育用远程教育方法及系统,其中,所述方法包括:获得第一用户对第一课程的第一提问;获得第一用户的第一上课状态;根据所述第一提问确定所述第一课程中的第一知识点信息;根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;根据所述第一微课,获得所述第一用户的自测信息;对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种智慧教育用远程教育方法,其中,所述方法包括:
步骤S100:获得第一用户对第一课程的第一提问;
具体而言,所述第一用户是指通过在线教育进行学习的用户,具体可以为学生、成人、老人和企业等,这里不做具体的限定,所述第一课程为所述用户正在学习的课程,所述第一提问包括但不限于所述第一用户在进行第一课程学习课堂上或者课后提出的问题,通过对所述第一用户针对于第一课程的第一提问的获得,为后续分析所述第一用户的对所述问题相关的知识点的掌握状态夯实基础,进而为针对性的对用户的学习课程查漏补缺,以达到提高用户的学习质量及课堂效率的效果埋好了基础。
步骤S200:获得第一用户的第一上课状态;
具体而言,所述第一用户的上课状态为所述第一用户在学习第一课程时的上课状态,所述第一上课状态可根据所述用户在提问时的表情获得,根据所述第一用户的表情信息,获得所述第一用户的专注度信息。
进一步而言,所述第一用户的专注度信息还可以根据所述第一用户的情绪信息获得。详细来说,根据所述第一用户的眼动频率信息、所述第一用户的视线聚焦点信息,判断所述用户视线是否专注,确定眼动等级信息,根据所述眼动等级信息设定眼动标识信息;根据所述第一用户的嘴型信息、所述第一用户的肢体动作信息,判断用户的情绪是否与课堂的氛围一致,获得情绪标识信息;将所述预设眼动标识信息与所述预设情绪标识信息作为监督数据输入训练模型中。
更进一步来说,所述训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。将第一用户的第一表情信息输入神经网络模型中,所述神经网络模型输出所述第一用户的专注度等级信息。
进一步来说,所述神经网络模型是通过多组训练数据训练获得的,所述多组训练数据中的每一组训练数据均包括:所述第一表情信息、预设眼动标识信息以及预设情绪标识信息。再进一步而言,所述训练过程实质为监督学习的过程,通过将所述第一表情信息输入到神经网络模型中,所述神经网络模型输出所述第一用户的专注度等级信息,判断所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果是否一致,如所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果一致,则进行下一组数据的监督学习;如所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果不一致,则所述神经网络模型进行自我修正、调整,直至获得的输出结果与对预设眼动标识信息以及预设情绪标识信息的分析结果相一致时,则结束本组监督数据的学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过将所述第一用户听课状态时的第一表情输入到所述训练模型,基于所述训练模型通过监督学习,不断自我优化、修正的特性,使得获得的判断所述第一用户上课状态的信息更加准确,从而对用户的学习课程有针对性的查漏补缺,以达到提高用户的学习质量及课堂效率的效果。
步骤S300:根据所述第一提问确定所述第一课程中的第一知识点信息;
具体而言,所述第一知识点信息为所述第一课程中的和第一提问相关的知识点信息,通过所述第一用户的第一提问,在所述第一课程中获得所述第一知识点信息。
步骤S400:根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;
具体而言,结合所述第一用户的第一提问,及所述第一用户的上课的状态,来对所述第一用户对所述知识点的掌握度进行判断。举例来说,当所述第一用户提出的第一问题很有深度,所述第一用户的听课状态很好,那所述第一用户可能对所述第一知识点掌握的很好,所述第一问题可能是所述用户在已经掌握了所述知识点的情况下展开的深度的思考,这种情况下则为所述第一用户对所述知识点掌握很好;当所述第一用户提出的第一问题很基础,所述第一用户的听课状态一般,则可能是所述第一用户对所述知识点的掌握还不够好,还需要进一步的巩固学习,通过对所述第一提问及第一上课状态进行分析,获得准确的第一用户对知识点掌握情况,进而达到有针对性的对用户学习查缺补漏的效果。
步骤S500:判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;
具体而言,所述预设阈值为根据所述知识点的难易程度、重要程度等多个信息综合考量获得的所述知识点的预设阈值。通过判断所述第一用户对所述第一知识点的掌握程度是否满足所述预设阈值来决定是否针对所述第一用户的第一知识点进行补充学习,来达到有针对性的对用户学习查缺补漏的效果。
步骤S600:当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;
具体而言,所述第一微课为针对所述第一知识点的提前备好的微课程,当判断所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,将所述第一微课发送给所述第一用户。所述第一用户只是对所述第一知识点掌握度不足,如果将整个课程全部重新听一遍,太过于浪费学习时间,通过提供与第一知识点相匹配的第一微课的方式,不但达到有针对性的对用户学习查缺补漏的效果,而且保证用户学习质量的同时,又加快了用户的学习进度及课堂效率。
步骤S700:根据所述第一微课,获得所述第一用户的自测信息;
具体而言,所述自测信息是所述第一微课配套的测试获得的信息,当所述第一用户学习完所述第一微课后,所述与第一微课配套的测试系统自动对所述用户进行测试。通过对所述用户针对性学习进行检测,保证所述第一用户对所述第一知识点的熟练掌握。
步骤S800:对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;
具体而言,所述第一微课分析报告包括但不限于所述第一用户对所述知识点的掌握情况、所述第一用户与其他学习第一微课的用户的对比分析情况、大多数用户认为所述微课对应的知识点的难易程度及相应的课后作业匹配信息。所述分析报告能够直观的反映出用户对所述知识点的掌握情况,同时可自动获得存储在云端的其他用户的分析报告的信息,可以直观反映出所述用户对所述知识点的掌握程度,并可根据所述掌握程度为所述用户匹配具有针对性的课后作业来帮助所述第一用户巩固第一知识点。达到有针对性的对用户学习查缺补漏的效果,而且保证用户学习质量的同时,又加快了用户的学习进度及课堂效率。
步骤S900:根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
具体而言,所述第一课后作业信息为日常的作业信息,根据分析报告和对所述第一知识点的掌握度,生成具有侧重点的作业信息;举例而言,当用户对于第一知识点掌握不是很好的时候,所述第一课后作业信息则偏重对于第一知识点的巩固和练习。通过第一课后作业对所述第一知识点掌握的不足进行进一步的巩固的方式,达到保证所述第一用户的学习质量的效果。
如图2所示,为了获得更准确的所述第一用户的第一上课状态,本申请实施例步骤S200还包括:
步骤S210:获得所述第一提问的第一时间;
步骤S220:获得所述第一用户在所述第一时间的第一表情信息;
步骤S230:将所述第一表情信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一表情信息、预设眼动标识信息以及预设情绪标识信息;
步骤S240:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的专注度等级信息;
步骤S250:获得所述第一用户的课堂互动信息;
步骤S260:根据所述第一用户的课堂互动信息与所述第一用户的专注度等级信息,获得第一用户的第一上课状态;
具体而言,所述第一时间是指所述用户进行提问的时间,所述第一表情信息具体为在所述第一时间的面部表情信息及肢体语言信息等,所述专注度等级信息为所述用户是否在专注听讲的等级信息。进一步来说,所述训练模型为神经网络模型,所述神经网络模型是通过多组训练数据训练获得的,所述多组训练数据中的每一组训练数据均包括:所述第一表情信息、预设眼动标识信息以及预设情绪标识信息。通过输入所述第一表情信息到神经网络模型,所述神经网络模型输出所述用户的专注度等级信息,根据所述第一用户的专注度等级信息和所述第一用户在课堂上和老师的互动信息,来获得所述第一用户的第一上课状态。通过对所述第一用户的第一表情信息输入到训练模型处理,使得获得的所述第一用户的专注度等级信息更加准确,从而达到结合所述专注度等级和课堂互动信息获得的第一上课状态更加准确,为准确判断所述第一用户对所述第一知识点的掌握情况奠定了基础。
如图3所示,为了获得预设眼动标识信息,本申请实施例步骤S230还包括:
步骤S231:获得所述第一用户的眼动频率信息;
步骤S232:获得所述第一用户的视线聚焦点信息;
步骤S233:根据所述第一用户的眼动频率信息与所述第一用户的视线聚焦点信息,确定眼动等级信息;
步骤S234:根据所述眼动等级信息设定眼动标识信息;
具体而言,所述眨眼频率信息为单位时间内所述用户的眨眼次数信息,视线聚焦点信息为所述用户在听课的过程中的视线聚焦的位置信息,人在清醒时每分钟眨眼10-20次,当所述用户视线聚焦在课程上时可视为在认真听讲,结合所述眨眼次数信息和视线聚焦点信息获得所述眼动等级信息,通过分析所述眼动等级,判断出在多少眼动等级为认真听讲的等级信息,并根据所述等级信息设定眼动标识信息。通过对所述眼动频率信息和视线聚焦点信息分析,设定眼动标识信息的方式,使得获得的眼动标识信息更加准确、合理,进而保证所述眼动标识信息对所述训练模型的监督过程更准确,使得最终获得的处理输入数据的训练模型更加精准,达到获得的所述第一用户的专注度等级信息更加准确的效果,进而达到有针对性的对用户学习查缺补漏的效果,而且保证用户学习质量的同时,又加快了用户的学习进度及课堂效率。
如图4所示,为了获得准确的预设情绪标识信息,本申请实施例步骤S230还包括:
步骤S235:获得所述第一用户的嘴型信息;
步骤S236:获得所述第一用户的肢体动作信息;
步骤S237:根据所述第一用户的嘴型信息与所述第一用户的肢体动作信息,获得情绪标识信息。
具体而言,所述第一用户的嘴型信息具体为在第一用户听讲过程中的嘴部的表情信息,比如所述用户瘪嘴可能是对所述知识点有疑问或者没有听懂;所述第一用户的肢体动作信息具体为所述第一用户在听讲过程中的身体上的肢体的动作信息,获得所述用户在做出所述嘴型信息及肢体动作信息的时候的课堂氛围,如果所述表现出的情绪与老师课堂氛围一致,则表明所述用户已经融入老师的课堂,在认真听讲;如果表现出的情绪与老师的课堂氛围不一致,出现小动作、烦躁等情绪,则可能对听课的专注度产生影响,通过判断所述第一用户的嘴型信息和肢体动作信息,获得情绪标识信息,使得获得的情绪标识信息更加准确,进而对所述训练模型的监督过程更准确,使得最终获得的处理输入数据的训练模型更加精准,达到获得的所述第一用户的专注度等级信息更加准确的效果,进而达到有针对性的对用户学习查缺补漏的效果,而且保证用户学习质量的同时,又加快了用户的学习进度及课堂效率。
如图5所示,为了获得更准确的训练模型,实现对所述第一用户的专注度等级信息准确判断的效果,所述步骤S230还包括:
步骤S238:将所述预设眼动标识信息与所述预设情绪标识信息作为监督数据,输入所述每一组训练数据中;
步骤S239:利用所述监督数据对所述第一表情信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态;
具体而言,所述训练过程实质为监督学习的过程,通过将所述第一表情信息输入到神经网络模型中,所述神经网络模型输出所述第一用户的专注度等级信息,判断所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果是否一致,如所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果一致,则进行下一组数据的监督学习;如所述输出的第一用户专注度等级信息与预设眼动标识信息以及预设情绪标识信息的分析结果不一致,则所述神经网络模型进行自我修正、调整,直至获得的输出结果与对预设眼动标识信息以及预设情绪标识信息的分析结果相一致时,则结束本组监督数据的学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过将所述第一用户听课状态时的第一表情输入到所述训练模型,基于所述训练模型通过监督学习,不断自我优化、修正的特性,使得获得的判断所述第一用户上课状态的信息更加准确,从而对用户的学习课程有针对性的查漏补缺,以达到提高用户的学习质量及课堂效率的效果。
如图6所示,为了获得更准确的第一用户对所述第一知识点的掌握度,所述步骤S400还包括:
步骤S410:获得所述第一用户的身体状况;
步骤S420:根据所述第一用户的身体状况确定所述第一用户患有第一病症信息;
步骤S430:判断所述第一病症信息对所述第一上课状态的影响度是否超过第二预设阈值;
步骤S440:当所述第一病症信息对所述第一上课状态的影响度超过第二预设阈值时,根据所述第一病症信息调整所述第一用户对所述第一知识点的掌握度;
具体而言,所述第一用户的身体状况信息为所述用户在听课过程中的身体情况,根据所述身体状况判断所述用户的病症信息,所述第二预设阈值为根据病症对所述用户听讲影响状态的轻重通过大量数据制定的某一阈值,当所述第一病症信息对所述第一上课状态的影响度超过第二预设阈值时,根据所述病症的轻重不同对所述第一用户对所述第一知识点的掌握度第一阈值进行适应性调整。通过对所述身体状况不好的用户的知识点掌握度阈值的调整,使得对第一知识点掌握度的第一预设阈值的设定更加合理保证用户的课堂学习效率的同时,又兼顾了学习质量。
如图7所示,为了获得更准确的第一微课分析报告,实现保证用户学习质量的效果,本申请实施例步骤S800还包括:
步骤S810:获得所述自测信息中所述第一用户所用的测试时间;
步骤S820:根据所述自测信息获得测试题目的正确率;
步骤S830:根据所述测试时间与所述测试题目的正确率,获得所述第一用户的测试合格率;
步骤S840:获得所述第一知识点的预设掌握度;
步骤S850:根据所述测试合格率和所述第一知识点的预设掌握度,生成第一微课分析报告。
具体而言,所述第一微课分析报告包括所述第一用户的测试时间信息、第一用户的测试合格率信息等,根据所述用户的测试题目的正确率,生成所述用户的测试合格率,通过判断所述合格率与预设掌握度,生成第一微课分析报告,用来告知所述第一用户对所述第一知识点进行第一微课学习后的掌握情况。通过这样的一种报告反馈的形式,所述第一用户能够清楚明了的了解到通过所述第一微课的学习自己对于第一知识点的掌握究竟有多大的进步,从而激发所述用户对于掌握知识的乐趣,为所述第一用户的学习课程查缺补漏,进而达到保证所述用户的学习质量的效果。
如图8所示,为了达到更好的为所述用户针对性的查缺补漏的效果,所述步骤S900还包括:
步骤S910:获得所述第一微课分析报告;
步骤S920:判断所述第一微课分析报告是否处于及格水平;
步骤S930:当所述第一微课分析报告处于不及格水平时,获得第二课后作业;
步骤S940:所述第二课后作业用于帮助所述第一用户巩固所述第一知识点。
具体而言,所述第二课后作业为针对所述第一知识点配套的专栏第一知识点课后作业,当所述第一微课分析报告处于不及格水平时,则证明所述第一用户对所述第一知识点的掌握仍有欠缺,仅仅靠有侧重点的第一课后作业可能并不能使所述第一用户完全掌握所述第一知识点,此时通过第二课后作业帮助所述第一用户更好的掌握第一知识点,达到不但能查到所述第一用户对于知识点的不足,更能达到“补漏”的效果。
综上所述,本申请实施例所提供的一种智慧教育用远程教育方法及系统具有如下技术效果:
1、由于采用了结合对第一用户的第一课程的提问、第一用户的上课状态,来获得所述第一用户对所述第一知识点掌握程度,通过对比所述用户对所述知识点的掌握程度,对不满足第一预设值时,获得第一知识点的第一微课,并根据第一微课获得所述用户自测信息,生成分析报告的方式,使得对用户的知识点的掌握盲区、学习状况进行准确的监测及判断,针对性的对用户的学习知识点查漏补缺,达到提高用户的学习质量及课堂效率的效果。
2、由于采用了将第一表情信息输入训练模型,并通过预设眼动标识信息以及预设情绪标识信息对所述训练模型进行监督学习的方式,达到所述训练模型输出的第一用户的专注度等级信息更加准确,进而达到对所述用户的课堂状态的准确判断,进而来实现准确判断用户对所述第一知识点的掌握情况,做到针对性的对用户的学习知识点查漏补缺,达到提高用户的学习质量及课堂效率的效果。
3、由于采用了对眼动标识信息的获得进行细化,情绪标识信息细化的方式,使得获得的眼动标识信息、情绪标识信息更加准确,进而对所述训练模型的监督过程更准确,使得最终获得的处理输入数据的训练模型更加精准,达到获得的所述第一用户的专注度等级信息更加准确的效果,进而达到有针对性的对用户学习查缺补漏的效果,而且保证用户学习质量的同时,又加快了用户的学习进度及课堂效率。
4、由于采用了针对所述第一用户对于第一知识点的掌握不足匹配第一微课帮助所述用户掌握上述第一知识点,并生成第一微课分析报告的方式,使得所述第一用户能够清楚明了的了解到通过所述第一微课的学习自己对于第一知识点的掌握究竟有多大的进步,从而激发所述用户对于掌握知识的乐趣,为所述第一用户的学习课程查缺补漏,进而达到保证所述用户的学习质量的效果。
5、由于采用了根据所述第一用户的身体状态修正所述第一用户对所述第一知识点掌握度阈值的方式,使得对第一知识点掌握度的第一预设阈值的设定更加合理保证用户的课堂学习效率的同时,又兼顾了学习质量。
6、由于采用了根据所述第一微课分析报告为所述第一用户提供具有侧重点的第一课后作业和第一知识点专栏的第二课后作业的方式,达到不但能查到所述第一用户对于第一知识点的不足,更能达到使得所述第一用户对于第一知识点掌握度更好的效果。
实施例二
基于与前述实施例中一种智慧教育用远程教育方法同样发明构思,本发明还提供了一种智慧教育用远程教育系统,如图9所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一用户对第一课程的第一提问;
第二获得单元12,所述第二获得单元12用于获得第一用户的第一上课状态;
第一确定单元13,所述第一确定单元13用于根据所述第一提问确定所述第一课程中的第一知识点信息;
第三获得单元14,所述第三获得单元14用于根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;
第一判断单元15,所述第一判断单元15用于判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;
第四获得单元16,所述第四获得单元16用于当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;
第五获得单元17,所述第五获得单元17用于根据所述第一微课,获得所述第一用户的自测信息;
第一分析单元18,所述第一分析单元18用于对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;
第六获得单元19,所述第六获得单元19用于根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得所述第一提问的第一时间;
第八获得单元,所述第八获得单元用于获得所述第一用户在所述第一时间的第一表情信息;
第一输入单元,所述第一输入单元用于将所述第一表情信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一表情信息、预设眼动标识信息以及预设情绪标识信息;
第九获得单元,所述第九获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的专注度等级信息;
第十获得单元,所述第十获得单元用于获得所述第一用户的课堂互动信息;
第十一获得单元,所述第十一获得单元用于根据所述第一用户的课堂互动信息与所述第一用户的专注度等级信息,获得第一用户的第一上课状态;
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于获得所述第一用户的眼动频率信息;
第十三获得单元,所述第十三获得单元用于获得所述第一用户的视线聚焦点信息;
第二确定单元,所述第二确定单元用于根据所述第一用户的眼动频率信息与所述第一用户的视线聚焦点信息,确定眼动等级信息;
第十四获得单元,所述第十四获得单元用于根据所述眼动等级信息设定眼动标识信息;
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于获得所述第一用户的嘴型信息;
第十六获得单元,所述第十六获得单元用于获得所述第一用户的肢体动作信息;
第十七获得单元,所述第十七获得单元用于根据所述第一用户的嘴型信息与所述第一用户的肢体动作信息,获得情绪标识信息;
进一步的,所述系统还包括:
第二输入单元,所述第二输入单元用于将所述预设眼动标识信息与所述预设情绪标识信息作为监督数据,输入所述每一组训练数据中;
第十八获得单元,所述第十八获得单元用于利用所述监督数据对所述第一表情信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态;
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得所述第一用户的身体状况;
第三确定单元,所述第三确定单元用于根据所述第一用户的身体状况确定所述第一用户患有第一病症信息;
第二判断单元,所述第二判断单元用于判断所述第一病症信息对所述第一上课状态的影响度是否超过第二预设阈值;
第一调整单元,所述第一调整单元用于当所述第一病症信息对所述第一上课状态的影响度超过第二预设阈值时,根据所述第一病症信息调整所述第一用户对所述第一知识点的掌握度;
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于获得所述自测信息中所述第一用户所用的测试时间;
第二十一获得单元,所述第二十一获得单元用于根据所述自测信息获得测试题目的正确率;
第二十二获得单元,所述第二十二获得单元用于根据所述测试时间与所述测试题目的正确率,获得所述第一用户的测试合格率;
第二十三获得单元,所述第二十三获得单元用于获得所述第一知识点的预设掌握度;
第二十四获得单元,所述第二十四获得单元用于根据所述测试合格率和所述第一知识点的预设掌握度,生成第一微课分析报告。
前述图1实施例一中的一种智慧教育用远程教育方法的各种变化方式和具体实例同样适用于本实施例的一种智慧教育用远程教育系统,通过前述对一种智慧教育用远程教育方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智慧教育用远程教育系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图10来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种智慧教育用远程教育方法的发明构思,本发明还提供一种智慧教育用远程教育系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种智慧教育用远程教育方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种智慧教育用远程教育方法,其中,所述方法包括:获得第一用户对第一课程的第一提问;获得第一用户的第一上课状态;根据所述第一提问确定所述第一课程中的第一知识点信息;根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;根据所述第一微课,获得所述第一用户的自测信息;对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。解决了现有技术中不能有效结合用户的学习状态及学习情况,对所述用户进行针对性查缺补漏的技术问题,实现了针对性的对用户的学习课程查漏补缺,进而通过课后作业信息加强知识点的牢固性,以及与后续课程的连贯性,达到提高用户的学习质量及课堂效率的效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种智慧教育用远程教育方法,其中,所述方法包括:
获得第一用户对第一课程的第一提问;
获得第一用户的第一上课状态;
根据所述第一提问确定所述第一课程中的第一知识点信息;
根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;
判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;
当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;
根据所述第一微课,获得所述第一用户的自测信息;
对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;
根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
2.如权利要求1所述的方法,其中,所述获得第一用户的第一上课状态,包括:
获得所述第一提问的第一时间;
获得所述第一用户在所述第一时间的第一表情信息;
将所述第一表情信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一表情信息、预设眼动标识信息以及预设情绪标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的专注度等级信息;
获得所述第一用户的课堂互动信息;
根据所述第一用户的课堂互动信息与所述第一用户的专注度等级信息,获得第一用户的第一上课状态。
3.如权利要求2所述的方法,其中,所述预设眼动标识信息,还包括:
获得所述第一用户的眼动频率信息;
获得所述第一用户的视线聚焦点信息;
根据所述第一用户的眼动频率信息与所述第一用户的视线聚焦点信息,确定眼动等级信息;
根据所述眼动等级信息设定眼动标识信息。
4.如权利要求3所述的方法,其中,所述预设情绪标识信息,包括:
获得所述第一用户的嘴型信息;
获得所述第一用户的肢体动作信息;
根据所述第一用户的嘴型信息与所述第一用户的肢体动作信息,获得情绪标识信息。
5.如权利要求4所述的方法,其中,所述训练模型包括:
将所述预设眼动标识信息与所述预设情绪标识信息作为监督数据,输入所述每一组训练数据中;
利用所述监督数据对所述第一表情信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态。
6.如权利要求1所述的方法,其中,所述根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度,还包括:
获得所述第一用户的身体状况;
根据所述第一用户的身体状况确定所述第一用户患有第一病症信息;
判断所述第一病症信息对所述第一上课状态的影响度是否超过第二预设阈值;
当所述第一病症信息对所述第一上课状态的影响度超过第二预设阈值时,根据所述第一病症信息调整所述第一用户对所述第一知识点的掌握度。
7.如权利要求1所述的方法,其中,所述对所述第一用户的自测信息进行测试分析,生成第一微课分析报告,包括:
获得所述自测信息中所述第一用户所用的测试时间;
根据所述自测信息获得测试题目的正确率;
根据所述测试时间与所述测试题目的正确率,获得所述第一用户的测试合格率;
获得所述第一知识点的预设掌握度;
根据所述测试合格率和所述第一知识点的预设掌握度,生成第一微课分析报告。
8.一种智慧教育用远程教育系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一用户对第一课程的第一提问;
第二获得单元,所述第二获得单元用于获得第一用户的第一上课状态;
第一确定单元,所述第一确定单元用于根据所述第一提问确定所述第一课程中的第一知识点信息;
第三获得单元,所述第三获得单元用于根据所述第一提问与所述第一上课状态获得所述第一用户对所述第一知识点的掌握度;
第一判断单元,所述第一判断单元用于判断所述第一用户对所述第一知识点的掌握度是否满足第一预设阈值;
第四获得单元,所述第四获得单元用于当所述第一用户对所述第一知识点的掌握度不满足第一预设阈值时,获得所述第一知识点的第一微课,将所述第一微课发送给所述第一用户;
第五获得单元,所述第五获得单元用于根据所述第一微课,获得所述第一用户的自测信息;
第一分析单元,所述第一分析单元用于对所述第一用户的自测信息进行测试分析,生成第一微课分析报告;
第六获得单元,所述第六获得单元用于根据所述第一微课分析报告与所述第一知识点的掌握度,获得所述第一用户的第一课后作业信息。
9.一种智慧教育用远程教育系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786636.9A CN111797324A (zh) | 2020-08-07 | 2020-08-07 | 一种智慧教育用远程教育方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786636.9A CN111797324A (zh) | 2020-08-07 | 2020-08-07 | 一种智慧教育用远程教育方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111797324A true CN111797324A (zh) | 2020-10-20 |
Family
ID=72828158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010786636.9A Withdrawn CN111797324A (zh) | 2020-08-07 | 2020-08-07 | 一种智慧教育用远程教育方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797324A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289136A (zh) * | 2020-11-10 | 2021-01-29 | 南通市第一人民医院 | 一种危险预知强化护理实践技能训练方法及系统 |
CN112370039A (zh) * | 2020-11-17 | 2021-02-19 | 北京中科心研科技有限公司 | 一种基于智慧课堂的课堂质量检测方法及装置 |
CN112967163A (zh) * | 2021-03-30 | 2021-06-15 | 上海知到知识数字科技有限公司 | 一种在线教育课堂监控方法 |
CN112967547A (zh) * | 2021-03-30 | 2021-06-15 | 上海知到知识数字科技有限公司 | 一种在线教育课堂优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023693A (zh) * | 2016-05-25 | 2016-10-12 | 北京九天翱翔科技有限公司 | 一种基于虚拟现实技术和模式识别技术的教育系统及方法 |
CN109166386A (zh) * | 2018-10-25 | 2019-01-08 | 重庆鲁班机器人技术研究院有限公司 | 儿童逻辑思维辅助训练方法、装置及机器人 |
CN110516979A (zh) * | 2019-09-02 | 2019-11-29 | 西南大学 | 一种个性化学习评价方法及装置 |
CN110991277A (zh) * | 2019-11-20 | 2020-04-10 | 湖南检信智能科技有限公司 | 基于深度学习的多维度多任务学习评价系统 |
CN111210685A (zh) * | 2020-01-08 | 2020-05-29 | 郑州市金水区大山培训学校有限公司 | 知识掌握情况的测试方法、装置和设备 |
CN111242049A (zh) * | 2020-01-15 | 2020-06-05 | 武汉科技大学 | 一种基于面部识别的学生网课学习状态评价方法及系统 |
-
2020
- 2020-08-07 CN CN202010786636.9A patent/CN111797324A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023693A (zh) * | 2016-05-25 | 2016-10-12 | 北京九天翱翔科技有限公司 | 一种基于虚拟现实技术和模式识别技术的教育系统及方法 |
CN109166386A (zh) * | 2018-10-25 | 2019-01-08 | 重庆鲁班机器人技术研究院有限公司 | 儿童逻辑思维辅助训练方法、装置及机器人 |
CN110516979A (zh) * | 2019-09-02 | 2019-11-29 | 西南大学 | 一种个性化学习评价方法及装置 |
CN110991277A (zh) * | 2019-11-20 | 2020-04-10 | 湖南检信智能科技有限公司 | 基于深度学习的多维度多任务学习评价系统 |
CN111210685A (zh) * | 2020-01-08 | 2020-05-29 | 郑州市金水区大山培训学校有限公司 | 知识掌握情况的测试方法、装置和设备 |
CN111242049A (zh) * | 2020-01-15 | 2020-06-05 | 武汉科技大学 | 一种基于面部识别的学生网课学习状态评价方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289136A (zh) * | 2020-11-10 | 2021-01-29 | 南通市第一人民医院 | 一种危险预知强化护理实践技能训练方法及系统 |
CN112370039A (zh) * | 2020-11-17 | 2021-02-19 | 北京中科心研科技有限公司 | 一种基于智慧课堂的课堂质量检测方法及装置 |
CN112370039B (zh) * | 2020-11-17 | 2023-08-08 | 北京中科心研科技有限公司 | 一种基于智慧课堂的课堂质量检测方法及装置 |
CN112967163A (zh) * | 2021-03-30 | 2021-06-15 | 上海知到知识数字科技有限公司 | 一种在线教育课堂监控方法 |
CN112967547A (zh) * | 2021-03-30 | 2021-06-15 | 上海知到知识数字科技有限公司 | 一种在线教育课堂优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797324A (zh) | 一种智慧教育用远程教育方法及系统 | |
CN105159924B (zh) | 学习资源推送方法和系统 | |
CN112348725A (zh) | 基于大数据的知识点难度定级方法 | |
Korver et al. | Feedback Provision in Mentoring Conversation--Differing Mentor and Student Perceptions. | |
Haryadi et al. | Use of bungee jumping with stem approach to improve science process skills | |
Salmi et al. | A novel expert evaluation methodology based on fuzzy logic | |
Han | A fuzzy logic and multilevel analysis-based evaluation algorithm for digital teaching quality in colleges and universities | |
CN111754370A (zh) | 一种基于人工智能的在线教育课程管理方法及系统 | |
CN109800880B (zh) | 基于动态学习风格信息的自适应学习特征提取系统及应用 | |
CN111815489B (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
Perumanathan | Formative assessment and feedback in the primary classroom: An interplay between teachers' beliefs and practices | |
CN113094404B (zh) | 一种大数据采集多核参数自适应分时记忆驱动方法及系统 | |
CN113096688A (zh) | 一种智慧教学方法及系统 | |
CN111178770B (zh) | 答题数据评估和学习图像构建方法、装置及存储介质 | |
CN112732770A (zh) | 基于人工智能的教务管理系统及方法 | |
Jurenoks | Adaptive e-learning system based on student activity skills in Moolde system | |
Xu | An English teaching ability evaluation algorithm based on frequency effect | |
CN112150330A (zh) | 一种基于互联网的监督学习方法及系统 | |
CN112382138A (zh) | 一种互联网+实验教学法的施教试验 | |
Chadli et al. | A two-stage multi-agent based assessment approach to enhance students' learning motivation through negotiated skills assessment | |
Situmorang et al. | The Influence of Inquiry Learning Model and Achievement Motivation on HOTS Economic Learning Outcomes on 11th Grade Students | |
CN116701774B (zh) | 基于学生行为分析的教学方案推荐方法及装置 | |
CN112711675B (zh) | 一种教学视频选择方法、装置、设备及可读存储介质 | |
Ma | Artificial Intelligence in Legal Education under the Background of Big Data Computation | |
Landrum et al. | Fundamental Theorem Learning With Optimum Pedagogy for Technology Integration in Quality Control Course |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201020 |