CN111815489B - 一种基于大数据的算法分析设计教学方法及装置 - Google Patents
一种基于大数据的算法分析设计教学方法及装置 Download PDFInfo
- Publication number
- CN111815489B CN111815489B CN202010845542.4A CN202010845542A CN111815489B CN 111815489 B CN111815489 B CN 111815489B CN 202010845542 A CN202010845542 A CN 202010845542A CN 111815489 B CN111815489 B CN 111815489B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- obtaining
- image information
- evaluation
- 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
- 238000013461 design Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000011156 evaluation Methods 0.000 claims abstract description 91
- 230000006399 behavior Effects 0.000 claims abstract description 42
- 238000012795 verification Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 36
- 230000003993 interaction Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004424 eye movement Effects 0.000 claims description 8
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000007405 data analysis Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000036544 posture Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于大数据的算法分析设计教学方法及装置,其中,所述方法包括:获得第一用户的第一测评信息,获得第二用户的第二测评信息,通过判断所述一、二用户测评信息的差值,获得所述第一用户的第一行为特征,获得所述第一用户对所述第一科目的第一专注度;获得所述第一科目的课堂教学环节信息;获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;结合以上获得的信息,获得所述第一科目的第一设计教学信息。解决了现有技术中缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成课堂效率差等问题,达到了结合大数据针对性设计教学方法,提高学习兴趣,提高用户专注力,提高课堂效率的技术效果。
Description
技术领域
本发明涉及教学管理领域,尤其涉及一种基于大数据的算法分析设计教学方法及装置。
背景技术
教学系统设计,主要是以促进学习者的学习为根本目的,运用系统方法,将学习理论与教学理论的原理转换成对教学目标、教学内容、教学方法和教学策略、教学评价等环节进行具体计划、创设有效的教与学的系统“过程”或“程序”。
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:
现有技术中缺乏将学生的上课动态与学习成绩的大数据进行融合分析,造成教学方法的针对性不强,学生课堂专注力不够,从而导致课堂效率差。
发明内容
本申请实施例通过提供一种基于大数据的算法分析设计教学方法及装置,解决了现有技术中缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成课堂效率差等问题,达到了结合大数据针对性设计教学方法,提高用户学习兴趣,提高用户专注力,提高课堂效率的技术效果。
为了解决上述技术问题,本申请实施例通过提供一种基于大数据的算法分析设计教学方法及装置。
第一方面,本申请实施例通过提供一种基于大数据的算法分析设计教学方法,所述方法包括:获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;获得所述第一科目的课堂教学环节信息;获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息。
另一方面,本申请还提供了一种基于大数据的算法分析设计教学装置,其中,所述装置包括:第一获得单元,所述第一获得单元用于获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;第二获得单元,所述第二获得单元用于获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;第一判断单元,所述第一判断单元用于判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;第三获得单元,所述第三获得单元用于当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;第四获得单元,所述第四获得单元用于根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;第五获得单元,所述第五获得单元用于获得所述第一科目的课堂教学环节信息;第六获得单元,所述第六获得单元用于获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;第七获得单元,所述第七获得单元用于结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息。
另一方面,本申请实施例还提供了一种基于大数据的算法分析设计教学装置,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。
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:
由于采用了将第一用户的第一测评信息与来源于大数据的第二用户的第二测评信息进行比较,以确定第一用户与绝大部分同阶段用户的测评成绩的差值,达到准确获取用户学习不足之处,并结合所述第一用户的第一行为特征分析获取用户在课堂上的第一专注度,以及用户对课堂教学的第一反馈信息,达到将学生的课堂动态与学习成绩相融合,进行针对性的设计教学方法,实现了提高用户学习兴趣,提高用户课堂专注力,进而提高课堂效率的技术效果,解决了现有技术中缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成课堂效率差等问题。
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基于大数据的算法分析设计教学方法的流程示意图;
图2为本申请实施例一种基于大数据的算法分析设计教学方法中获得所述第一专注度的流程示意图;
图3为本申请实施例一种基于大数据的算法分析设计教学方法中获得用来标识用户专注度等级的标识信息的流程示意图;
图4为本申请实施例一种基于大数据的算法分析设计教学方法中获得所述第一用户的第一表情信息的流程示意图;
图5为本申请实施例一种基于大数据的算法分析设计教学方法中获得所述第一用户的第一图像信息的流程示意图;
图6为本申请实施例一种基于大数据的算法分析设计教学方法中获得所述第一科目的第一设计教学信息的流程示意图;
图7为本申请实施例一种基于大数据的算法分析设计教学方法中修正所述第一设计教学信息的流程示意图;
图8为本申请实施例一种基于大数据的算法分析设计教学装置的结构示意图;
图9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,第一判断单元13,第三获得单元14,第四获得单元15,第五获得单元16,第六获得单元17,第七获得单元18,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基于大数据的算法分析设计教学方法及装置,解决了现有技术中缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成课堂效率差等问题,达到了结合大数据针对性设计教学方法,提高学习兴趣,提高用户专注力,提高课堂效率的技术效果。下面,将参考附图详细的描述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
教学系统设计,主要是以促进学习者的学习为根本目的,运用系统方法,将学习理论与教学理论的原理转换成对教学目标、教学内容、教学方法和教学策略、教学评价等环节进行具体计划、创设有效的教与学的系统“过程”或“程序”。但现有技术中还存在缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成教学方法的针对性不强,学生课堂专注力不够,从而导致课堂效率差等问题。
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基于大数据的算法分析设计教学方法及装置,其中,所述方法包括:获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;获得所述第一科目的课堂教学环节信息;获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息。
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基于大数据的算法分析设计教学方法及装置,其中,所述方法包括:
步骤S100:获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;
具体而言,所述第一用户为学习所述第一科目的某一目标群体,可以为某一班级或某一年级,所述第一测评信息是所述第一用户的所述第一科目阶段性的测试成绩,也包括第一用户对于第一科目的学习难点,易出错知识点等;通过获得第一用户的所述第一测评信息,为后续分析处理所述第一用户的学习情况信息奠定了基础。
步骤S200:获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;
具体而言,所述第二用户是通过网络端获得的大数据用户,是与第一用户同时学习第一科目的用户。所述第二测评信息是所有的第二用户对于第一科目的测试成绩的平均值,同时,也包括第二用户对于第一科目的学习难点,易出错知识点等。通过获得所述第二测评信息,为后续获得所述第一用户的学习情况奠定了基础。
步骤S300:判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;
具体而言,所述第一预设阈值为预先设定的衡量所述第一用户的成绩与所述第二用户平均成绩的差值的指标,若所述差值超过这一阈值,则代表所述第一用户的成绩与所述第二用户的成绩差值很大,则需要进行所述第一用户的成绩分析。通过判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值,为后续的分析奠定了基础。
步骤S400:当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;
具体而言,所述第一用户的行为特征为所述第一用户在第一科目课堂上的行为表现。本申请实施例可以通过人工智能技术对第一用户进行人脸识别以及图像捕捉,从而获得所述第一用户在所述第一科目课堂上的行为特征信息图像。从而为后续分析所述第一用户的第一专注度奠定了基础。
步骤S500:根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;
具体而言,所述第一专注度是通过所述第一用户的第一行为特征获得第一用户在课堂上的表现,继而融入机器学习对第一用户的行为特征信息进行深度学习,从而得出所述第一用户的第一专注度。通过获得所述第一用户的第一专注度,从而获得第一用户在当前课程体系下的学习情况,为后续分析及设计教学方法提供了参考,奠定了基础。
步骤S600:获得所述第一科目的课堂教学环节信息:
具体而言,所述第一科目的课堂教学环节信息为所述第一科目的课堂信息,包括所述第一科目已有的问答模式、分组讨论模式等课堂模式。通过获得所述第一科目的课堂教学环节信息来获得对应课堂的教学模式下所述第一用户的反馈信息,从而为后续设计新的教学方法提供了参考及设计依据。
步骤S700:获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;
具体而言,所述第一反馈信息为所述第一用户对所述第一科目的感兴趣程度、喜爱程度等的反馈信息。通过获得所述第一反馈信息,进而能够获得当前教学模式下的教学效果,以及所述第一用户对当前教学方法的接受程度,从而可以进一步对所述教学方法进行分析和改进。实现了能够融合学生的上课动态与学习成绩进行大数据分析,从而针对性的设计教学方法的技术目的。
步骤S800:结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息。
具体而言,由所述第一反馈信息、所述第一专注度、所述第一用户的第一测评信息综合分析,可获得所述第一用户在当前教学模式下的综合学习状况信息,包括专注度、感兴趣程度、成绩水平等。从而对当前教学模式的优缺点进行分析完善,从而获得所述第一科目的第一设计教学信息。所述第一科目的第一设计教学信息为对针对所述第一科目所设计的新的教学方法;通过获得所述第一设计教学信息,从而实现了结合大数据针对性设计教学方法,提高学习兴趣,提高用户专注力,提高课堂效率的技术效果。
如图2所示,为了获得所述第一用户对所述第一科目的第一专注度,本申请实施例步骤S500还包括:
步骤S501:获得所述第一用户的第一图像信息,其中,所述第一图像信息包含所述第一用户的第一行为特征;
步骤S502:将所述第一图像信息输入训练模型,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:所述第一图像信息、用来标识用户专注度等级的标识信息;
步骤S503: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S504:获得所述第一用户的课堂互动信息;
步骤S505: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,获得所述第一用户对所述第一科目的第一专注度。
具体而言,所述第一用户的第一图像信息为通过AI技术对第一用户进行人脸识别以及图像捕捉,从而获得所述第一用户在所述第一科目课堂上的行为特征信息图像;在获得所述第一用户第一图像信息的情况下,通过该用户的第一图像信息对所标识出的所述第一用户的第一专注度信息进行分析匹配,机器学习模型会输出第一用户的专注度等级信息,通过标识的用户专注度等级的标识信息来对机器学习模型输出的用户的专注度等级信息进行校验,如果用户的专注度等级信息同标识的用户的专注度等级标识信息相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果输出的用户的专注度等级信息同标识的用户的专注度等级标识信息不一致,则机器学习模型自身进行调整,直到机器学习模型达到预期的准确率后,进行下一组数据的监督学习。所述训练模型为一机器学习模型,所述机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据;所述多组中的训练数据中的每一组训练数据均包括:所述第一图像信息、用来标识用户专注度等级的标识信息;通过多次训练学习,能够准确获得所述训练模型的输出信息,即所述第一用户的专注度等级信息;所述课堂互动信息包括所诉第一用户回答老师提问的积极性、参加讨论的积极性、课堂互动频率等;由所述第一用户的专注度等级信息和所述课堂互动信息获得所述第一用户对所述第一科目的第一专注度,实现了融合学生的上课动态与学习成绩进行大数据分析的技术目的。
如图3所示,为了获得所述用来标识用户专注度等级的标识信息,本申请实施例步骤S503还包括:
步骤S5031:获得所述第一用户的第一坐姿信息;
步骤S5032:判断所述第一用户的第一坐姿信息是否符合预设条件;
步骤S5033:当所述第一用户的第一坐姿信息符合预设条件时,获得所述第一用户的第一表情信息;
步骤S5034:获得所述第一科目的第一课堂内容信息;
步骤S5035:根据所述第一用户的第一表情信息与所述第一课堂内容信息,获得用来标识用户专注度等级的标识信息。
具体而言,所述第一用户的第一坐姿信息包括所述第一用户在课堂上的坐姿,如趴坐、仰坐、正坐、转身等;所述第一坐姿信息与所述第一用户上课时的专注度有关;所述第一用户的第一表情信息具体表现为所述第一用户的表情是否随课堂内容的变化而变化,如对知识点的思考、对重难点的疑问等;结合所述第一科目的第一课堂内容信息与所述第一用户的表情信息获得所述用来标识用户专注度等级的标识信息;若所述第一用户的第一表情信息表现为与课堂内容符合度高,则所述标识信息表示出一级专注度等级信息;若所述第一用户的第一表情信息表现为与课堂内容符合度低,如出现走神,与同学闲聊等现象,则所述标识信息就会标识出二级专注度等级信息,所述第一用户的第一表情信息与所述课堂内容结合度越高,则标识出的专注度等级越高,以此类推;通过标识所述第一用户的专注度等级信息,实现了结合学生的上课动态来分析所述第一用户学习情况的技术效果。
如图4所示,为了获得所述第一用户的第一表情信息,本申请实施例步骤S5033还包括:
步骤S50331:获得所述第一用户的视线追踪点信息;
步骤S50332:获得所述第一用户的眼动频率信息;
步骤S50333: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追踪点信息,获得所述第一用户的第一表情信息。
具体而言,所述第一用户的视线追踪点信息具体体现在所述第一用户在课堂上的视线是否跟随老师的讲课内容,可以获得所述第一用户在课堂是否专注,是否有其他小动作等信息;根据所述第一用户的眼动频率信息具体可以判断所述第一用户是否在思考,是否出现走神或睡觉的现象;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追踪点信息,获得所述第一用户的第一表情信息,从而结合所述第一用户的第一表情信息进一步对所述第一用户的课堂学习情况进行分析。
如图5所示,为了更准确的获得所述第一用户的第一图像信息,本申请实施例步骤S501还包括:
步骤S5011:获得所述第一用户的第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
步骤S5012:获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
步骤S5013:以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
步骤S5014:将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,根据所述第一用户的第一图像信息生成第一验证码,其中,第一验证码与所述第一用户的第一图像信息是一一对应的;据所述第一用户的第二图像信息和第一验证码生成第二验证码…以此类推,将所述第一用户的第一图像信息与所述第一验证码作为第一存储单位,将所述第一用户的第二图像信息与所述第二验证码作为第二存储单位…以此类推,共获得N个存储单位。所述验证码信息作为主体标识信息,主体的标识信息用来与其他主体作出区别。当需要调用所述第一用户的图像信息数据时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一存储单位进行串接,使得所述图像信息数据不易丢失和遭到破坏,通过基于区块链的数据信息处理技术,提升了所述第一用户的图像信息的数据安全性,保证了数据信息的准确性,为后续分析所述第一用户的学习情况奠定了基础。
如图6所示,为了进一步获得所述第一科目的第一设计教学信息,本申请实施例步骤S800还包括:
步骤S801a:根据所述第一反馈信息与所述第一专注度,获得所述第一用户的第一兴趣点信息;
步骤S802a:根据所述第一用户的第一兴趣点信息与所述第一用户的第一测评信息,获得第一设计游戏环节;
步骤S803a:根据所述第一设计游戏环节,获得所述第一用户对所述第一科目的第二专注度;
步骤S804a:判断所述第一用户对所述第一科目的第二专注度是否满足第二预设阈值;
步骤S805a:当所述第一用户对所述第一科目的第二专注度满足第二预设阈值时,确定所述第一科目的第一设计教学信息包含所述第一设计游戏环节。
具体而言,所述第一用户的第一兴趣点信息为所述第一用户对于课堂上具体哪些环节感兴趣,如小组pk、抢答、问答连连看等环节;所述第一设计游戏环节为结合所述第一测评信息以及所述第一兴趣点信息所设计的,结合考试重点设计课堂上的游戏环节,以提升用户兴趣,提升课堂的效率;所述第二专注度为所述第一用户在包含游戏环节的第一科目的课堂上学习的专注度;所述第二预设阈值为衡量所述第一用户的专注度的指标,若所述第二专注度满足这一指标,则代表所述第一用户在含有游戏环节的课堂专注度更高,则确定所述第一科目的设计教学信息包含所述第一游戏环节,以实现提高课堂效率、提高学习兴趣、提高用户专注力的技术效果。
如图7所示,为了进一步修正所述第一设计教学信息,本申请实施例步骤S800还包括:
步骤S801b:根据所述第一测评信息获得所述第一用户对于第一科目的第一难点信息;
步骤S802b:根据所述第二测评信息获得所述第二用户对于第一科目的第二难点信息;
步骤S803b:判断所述第一难点信息是否包含所述第二难点信息;
步骤S804b:当所述第一难点信息包含所述第二难点信息时,根据所述第二难点信息修正所述第一设计教学信息。
具体而言,所述第一难点信息为所述第一用户在第一科目中容易出错的点,所述第二难点信息为所述第二用户在第一科目中容易出错的点,通过获得所述第一难点信息与所述第二难点信息,判断所述第一用户与所述第二用户对于第一科目的易错点是否相同;若所述第一用户也出现所述第二难点信息,则根据所述第二难点信息对教学的侧重点进行修正,通过对所述第一教学信息进行修正,达到了结合大数据针对性设计教学方法,提高学习兴趣,提高用户专注力,提高课堂效率的技术效果。
综上所述,本申请实施例所提供的一种基于大数据的算法分析设计教学方法具有如下技术效果:
1、由于采用了获得所述第一用户的第一测评信息与所述第二用户的第二测评信息进行比较,以根据大数据分析来获得所述第一用户准确的学习成绩;获得所述第一用户的第一行为特征,所述第一专注度以及在所述第一科目课堂上的第一反馈信息,通过将学生的课堂动态与学习成绩相融合,进行针对性的设计教学方法,解决了现有技术中缺乏融合学生的上课动态与学习成绩的大数据分析信息,造成课堂效率差等问题,达到了结合大数据针对性设计教学方法,提高学习兴趣,提高用户专注力,提高课堂效率的技术效果。
2、由于采用了将所述第一图像信息输入训练模型,再由训练模型输出所述用户的专注度等级的方式,基于训练模型自身能不断优化学习、获得“经验”来处理数据更准确的特点,使得获得的用户专注度等级的信息更准确,提升了对所述第一用户学习状况评估的准确性。
3、由于采用了基于区块链的数据信息存储方法,通过对所述第一用户的图像数据信息分块存储,能够满足数据量较大的数据存储,并提高了数据存储的可靠性,避免整体存储模式下潜在的数据被整体损坏的风险,由于区块链具备的防篡改特性,致使任意一方无法私自对区块链中的存储数据进行篡改,从而有效保证了数据的安全性,提升了对所述第一用户上课动态分析的准确性。
实施例二
基于与前述实施例中一种基于大数据的算法分析设计教学方法同样发明构思,本发明还提供了一种基于大数据的算法分析设计教学装置,如图8所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;
第二获得单元12,所述第二获得单元12用于获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;
第一判断单元13,所述第一判断单元13用于判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;
第三获得单元14,所述第三获得单元14用于当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;
第四获得单元15,所述第四获得单元15用于根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;
第五获得单元16,所述第五获得单元16用于获得所述第一科目的课堂教学环节信息;
第六获得单元17,所述第六获得单元17用于获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;
第七获得单元18,所述第七获得单元18用于结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息。
进一步的,所述装置还包括:
第八获得单元,所述第八获得单元用于获得所述第一用户的第一图像信息,其中,所述第一图像信息包含所述第一用户的第一行为特征;
第一输入单元,所述第一输入单元用于将所述第一图像信息输入训练模型,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:所述第一图像信息、用来标识用户专注度等级的标识信息;
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,获得所述第一用户对所述第一科目的第一专注度。
进一步的,所述装置还包括:
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第一坐姿信息;
第二判断单元,所述第二判断单元用于判断所述第一用户的第一坐姿信息是否符合预设条件;
第十三获得单元,所述第十三获得单元用于当所述第一用户的第一坐姿信息符合预设条件时,获得所述第一用户的第一表情信息;
第十四获得单元,所述第十四获得单元用于获得所述第一科目的第一课堂内容信息;
第十五获得单元,所述第十五获得单元用于根据所述第一用户的第一表情信息与所述第一课堂内容信息,获得用来标识用户专注度等级的标识信息。
进一步的,所述装置还包括:
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视线追踪点信息;
第十七获得单元,所述第十七获得单元用于获得所述第一用户的眼动频率信息;
第十八获得单元,所述第十八获得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追踪点信息,获得所述第一用户的第一表情信息。
进一步的,所述装置还包括:
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第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
第二十获得单元,所述第二十获得单元用于获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
第二十一获得单元,所述第二十一获得单元用于以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
第一存储单元,所述将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
进一步的,所述装置还包括:
第二十二获得单元,所述第二十二获得单元用于根据所述第一反馈信息与所述第一专注度,获得所述第一用户的第一兴趣点信息;
第二十三获得单元,所述第二十三获得单元用于根据所述第一用户的第一兴趣点信息与所述第一用户的第一测评信息,获得第一设计游戏环节;
第二十四获得单元,所述第二十四获得单元用于根据所述第一设计游戏环节,获得所述第一用户对所述第一科目的第二专注度;
第三判断单元,所述第三判断单元用于判断所述第一用户对所述第一科目的第二专注度是否满足第二预设阈值;
第二十五获得单元,所述第二十五获得单元用于当所述第一用户对所述第一科目的第二专注度满足第二预设阈值时,确定所述第一科目的第一设计教学信息包含所述第一设计游戏环节。
进一步的,所述装置还包括:
第二十六获得单元,所述第二十六获得单元用于根据所述第一测评信息获得所述第一用户对于第一科目的第一难点信息;
第二十七获得单元,所述第二十七获得单元用于根据所述第二测评信息获得所述第二用户对于第一科目的第二难点信息;
第四判断单元,所述第四判断单元用于判断所述第一难点信息是否包含所述第二难点信息;
第一修正单元,所述第一修正单元用于当所述第一难点信息包含所述第二难点信息时,根据所述第二难。信息修正所述第一设计教学信息。
前述图1实施例一中的一种基于大数据的算法分析设计教学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基于大数据的算法分析设计教学装置,通过前述对一种基于大数据的算法分析设计教学方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据的算法分析设计教学装置的实施方法,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9来描述本申请实施例的电子设备。
图9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基于大数据的算法分析设计教学方法的发明构思,本发明还提供一种基于大数据的算法分析设计教学装置,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基于大数据的算法分析设计教学方法的任一方法的步骤。
其中,在图9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装置通信的单元。
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。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、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(装置)、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 (7)
1.一种基于大数据的算法分析设计教学方法,其中,所述方法包括:
获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;
获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;
判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;
当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;
根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;
获得所述第一科目的课堂教学环节信息;
获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;
结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息;
其中,所述根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度,包括:
获得所述第一用户的第一图像信息,其中,所述第一图像信息包含所述第一用户的第一行为特征;
将所述第一图像信息输入训练模型,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:所述第一图像信息、用来标识用户专注度等级的标识信息;
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,获得所述第一用户对所述第一科目的第一专注度;
所述获得所述第一用户的第一图像信息,包括:
获得所述第一用户的第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
2.如权利要求1所述的方法,其中,所述用来标识用户专注度等级的标识信息,包括:
获得所述第一用户的第一坐姿信息;
判断所述第一用户的第一坐姿信息是否符合预设条件;
当所述第一用户的第一坐姿信息符合预设条件时,获得所述第一用户的第一表情信息;
获得所述第一科目的第一课堂内容信息;
根据所述第一用户的第一表情信息与所述第一课堂内容信息,获得用来标识用户专注度等级的标识信息。
3.如权利要求2所述的方法,其中,所述获得所述第一用户的第一表情信息,包括:
获得所述第一用户的视线追踪点信息;
获得所述第一用户的眼动频率信息;
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追踪点信息,获得所述第一用户的第一表情信息。
4.如权利要求1所述的方法,其中,所述结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息,包括:
根据所述第一反馈信息与所述第一专注度,获得所述第一用户的第一兴趣点信息;
根据所述第一用户的第一兴趣点信息与所述第一用户的第一测评信息,获得第一设计游戏环节;
根据所述第一设计游戏环节,获得所述第一用户对所述第一科目的第二专注度;
判断所述第一用户对所述第一科目的第二专注度是否满足第二预设阈值;
当所述第一用户对所述第一科目的第二专注度满足第二预设阈值时,确定所述第一科目的第一设计教学信息包含所述第一设计游戏环节。
5.如权利要求4所述的方法,其中,所述方法还包括:
根据所述第一测评信息获得所述第一用户对于第一科目的第一难点信息;
根据所述第二测评信息获得所述第二用户对于第一科目的第二难点信息;
判断所述第一难点信息是否包含所述第二难点信息;
当所述第一难点信息包含所述第二难点信息时,根据所述第二难点信息修正所述第一设计教学信息。
6.一种基于大数据的算法分析设计教学装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户的第一测评信息,其中,所述第一测评信息是所述第一用户对于第一科目的测评结果信息;
第二获得单元,所述第二获得单元用于获得第二用户的第二测评信息,其中,所述第二测评信息是所述第二用户对于所述第一科目的测评结果信息;
第一判断单元,所述第一判断单元用于判断所述第一测评信息与所述第二测评信息的第一差值是否超过第一预设阈值;
第三获得单元,所述第三获得单元用于当所述第一差值超过第一预设阈值时,获得所述第一用户的第一行为特征,其中,所述第一行为特征为所述第一用户在第一科目的课堂上的行为表现;
第四获得单元,所述第四获得单元用于根据所述第一用户的第一行为特征获得所述第一用户对所述第一科目的第一专注度;
第五获得单元,所述第五获得单元用于获得所述第一科目的课堂教学环节信息;
第六获得单元,所述第六获得单元用于获得所述第一用户对所述第一科目的课堂教学环节的第一反馈信息;
第七获得单元,所述第七获得单元用于结合所述第一反馈信息、所述第一专注度和所述第一用户的第一测评信息,获得所述第一科目的第一设计教学信息;
第八获得单元,所述第八获得单元用于获得所述第一用户的第一图像信息,其中,所述第一图像信息包含所述第一用户的第一行为特征;
第一输入单元,所述第一输入单元用于将所述第一图像信息输入训练模型,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:所述第一图像信息、用来标识用户专注度等级的标识信息;
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,获得所述第一用户对所述第一科目的第一专注度;
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第一图像信息,并根据所述第一图像信息生成第一验证码,其中,所述第一验证码与所述第一图像信息一一对应;
第二十获得单元,所述第二十获得单元用于获得所述第一用户的第二图像信息,并根据所述第二图像信息与所述第一验证码生成第二验证码,其中,所述第二验证码与所述第二图像信息一一对应;
第二十一获得单元,所述第二十一获得单元用于以此类推,获得所述第一用户的第N图像信息,并根据所述第N图像信息与第N-1验证码生成第N验证码,其中,所述第N验证码与所述第N图像信息一一对应,且N为大于1的自然数;
第一存储单元,所述将所有第一用户的图像信息和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
7.一种基于大数据的算法分析设计教学装置,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,其特征在于,所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010845542.4A CN111815489B (zh) | 2020-08-20 | 2020-08-20 | 一种基于大数据的算法分析设计教学方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010845542.4A CN111815489B (zh) | 2020-08-20 | 2020-08-20 | 一种基于大数据的算法分析设计教学方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111815489A CN111815489A (zh) | 2020-10-23 |
CN111815489B true CN111815489B (zh) | 2023-04-25 |
Family
ID=72859566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010845542.4A Active CN111815489B (zh) | 2020-08-20 | 2020-08-20 | 一种基于大数据的算法分析设计教学方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815489B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112309578B (zh) * | 2020-11-03 | 2021-06-15 | 南通市第一人民医院 | 一种提高骨质疏松性椎体骨折患者康复效率的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835371A (zh) * | 2015-05-31 | 2015-08-12 | 深圳市采集科技有限公司 | 一种基于学情云数据的反馈教学测评方法及系统 |
CN106097206A (zh) * | 2016-06-30 | 2016-11-09 | 深圳市采集科技有限公司 | 一种教师教学反思功能的实现方法及系统 |
CN109657529A (zh) * | 2018-07-26 | 2019-04-19 | 台州学院 | 基于面部表情识别的课堂教学效果评价系统 |
CN110059614A (zh) * | 2019-04-16 | 2019-07-26 | 广州大学 | 一种基于人脸情绪识别的智能辅助教学方法及系统 |
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 |
CN111161114A (zh) * | 2020-02-18 | 2020-05-15 | 湖北邮电规划设计有限公司 | 一种教师教学反思功能的实现方法及系统 |
CN111311131A (zh) * | 2020-04-14 | 2020-06-19 | 康佳集团股份有限公司 | 一种智慧课堂教学行为分析方法、存储介质及智能电视 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111620A (zh) * | 2019-05-20 | 2019-08-09 | 高强 | 一种虚拟现实学习平台 |
CN110162579A (zh) * | 2019-05-20 | 2019-08-23 | 高强 | 一种智能学习平台 |
-
2020
- 2020-08-20 CN CN202010845542.4A patent/CN111815489B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835371A (zh) * | 2015-05-31 | 2015-08-12 | 深圳市采集科技有限公司 | 一种基于学情云数据的反馈教学测评方法及系统 |
CN106097206A (zh) * | 2016-06-30 | 2016-11-09 | 深圳市采集科技有限公司 | 一种教师教学反思功能的实现方法及系统 |
CN109657529A (zh) * | 2018-07-26 | 2019-04-19 | 台州学院 | 基于面部表情识别的课堂教学效果评价系统 |
CN110059614A (zh) * | 2019-04-16 | 2019-07-26 | 广州大学 | 一种基于人脸情绪识别的智能辅助教学方法及系统 |
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 |
CN111161114A (zh) * | 2020-02-18 | 2020-05-15 | 湖北邮电规划设计有限公司 | 一种教师教学反思功能的实现方法及系统 |
CN111311131A (zh) * | 2020-04-14 | 2020-06-19 | 康佳集团股份有限公司 | 一种智慧课堂教学行为分析方法、存储介质及智能电视 |
Also Published As
Publication number | Publication date |
---|---|
CN111815489A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903617B (zh) | 个性化练习方法和系统 | |
CN107544973B (zh) | 一种对数据进行处理的方法和装置 | |
CA2896037A1 (en) | Adaptive e-learning system and method | |
CN111797324A (zh) | 一种智慧教育用远程教育方法及系统 | |
Baker et al. | Assessment Of Robust Learning With Educational Data Mining. | |
Andayani et al. | Decision-making model for student assessment by unifying numerical and linguistic data | |
Namli et al. | Using the fuzzy logic in assessing the programming performance of students | |
CN111815489B (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
CN110046804A (zh) | 一种基于学员分类的教育培训方法及系统 | |
Mitros et al. | An integrated framework for the grading of freeform responses | |
Icoz et al. | Using Students' Performance to Improve Ontologies for Intelligent E-Learning System. | |
CN108921434B (zh) | 一种通过人机交互完成用户能力预测的方法 | |
Galvez et al. | Student knowledge diagnosis using item response theory and constraint-based modeling | |
CN105336235A (zh) | 一种用于智能学习系统的分值设定方法 | |
Sofiyana | An analysis of preservice teachers critical thinking skills at Universitas Islam Balitar | |
Hare et al. | Optimize student learning via random forest-based adaptive narrative game | |
CN111178770B (zh) | 答题数据评估和学习图像构建方法、装置及存储介质 | |
López-Cuadrado et al. | Integrating adaptive testing in an educational system | |
Wanichsan et al. | A majority-density approach to developing testing and diagnostic systems with the cooperation of multiple experts based on an enhanced concept–effect relationship model | |
CN112241851B (zh) | 一种基于大数据的教学内容评测方法及装置 | |
CN112084510A (zh) | 一种区块链的数据处理方法及系统 | |
Sapountzi et al. | Analysis of stopping criteria for Bayesian Adaptive Mastery Assessment. | |
Sun | Construction of the interactive educational knowledge graph and classification of student groups | |
Huang et al. | Bringing personalized learning into computer-aided question generation | |
Xu et al. | A Novel Three‐Way Decision Model for Improving Computational Thinking Based on Grey Correlation Analysis |
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 |