CN111882247A - 一种基于综合模糊评价模型的在线学习系统评价方法 - Google Patents

一种基于综合模糊评价模型的在线学习系统评价方法 Download PDF

Info

Publication number
CN111882247A
CN111882247A CN202010788951.5A CN202010788951A CN111882247A CN 111882247 A CN111882247 A CN 111882247A CN 202010788951 A CN202010788951 A CN 202010788951A CN 111882247 A CN111882247 A CN 111882247A
Authority
CN
China
Prior art keywords
evaluation
course
learning
index
indexes
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.)
Pending
Application number
CN202010788951.5A
Other languages
English (en)
Inventor
李冬芬
刘明哲
何菊兰
王林平
唐小川
钟豪
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.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
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 Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN202010788951.5A priority Critical patent/CN111882247A/zh
Publication of CN111882247A publication Critical patent/CN111882247A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明公开了提供一种基于综合模糊评价模型的在线学习系统评价方法，所述学习平台评估方法具体包括：学习平台数据采集；课程质量评价模型构建；课程质量评估分析；学习行为评价模型构建；学生行为评估分析。通过调用在线学习平台数据库，或通过爬虫爬取课程数据完成对在线课程的数据采集，对数据进行预处理后，使用构建的基于层次分析的综合模糊评价模型对数据进行分析，得到定量的评估结果，对分析后的数据进行可视化处理，并且显示给不同的用户（学生/老师），同时我们也提供了在线学习的交流平台，以方便用户对系统或者所学课程进行反馈和改良。

Description

一种基于综合模糊评价模型的在线学习系统评价方法
技术领域
本发明涉及教育评估领域，尤其涉及一种基于综合模糊评价模型的在线学习系统评价方法。
背景技术
我国的教育经历了传统面授教学、函授教学、电视广播教学和新兴的大规模网络教学等不同教学方式，步入21世纪以来大规模网络教学更是成为了当今必不可少的一种学习方式。它既可以作为对在读大学生的课外知识延伸的一种补充，也可以作为对在职工作人员空余时间提升自己的一种途径。在互联网教育时代，MOOC(Massive Open OnlineCourse)——大规模在线开放课程应运而生。
MOOC是互联网+教育的产物，它具有互联网的开放特性，只需要一个邮箱就可以注册学习自己感兴趣的课程，但也正是因为它具有高度的开放性，在缺少了传统大学的录取条件限制下，选择参与同一门课程的学生们的基础知识水平往往参差不齐。而再加上网络教学的师生难以进行高度有效互动、学习资源上传的局限性等特点。造成了在线学习效果不好、课程完成度低等问题。
现如今很多大学、机构也都推出了他们自己的独具特色的MOOC课程，甚至在同一个学习平台上还有很多同种类型的课程。疫情促使了互联网教育经济蓬勃发展，根据不完全统计，全国从事网络教育相关企业新增约4238家，解决了远程学习的需求。这也成为了一个行业转型赋能的契机，基础教育、兴趣教育等传统的线下教育模式都在向线上转型，在线教育的商业模式符合共享经济逻辑，以腾讯课堂、学习通为代表的在线教育APP通过在线教育模式完成了迅猛的用户增长。而在纷乱复杂的网络环境下如何客观的评判一门在线课程是否值得学习，如何针对学生的学习行为进行因材施教就成为了我们需要解决的问题。目前关于在线课程的评价和分析研究还不够成熟，因此，如何从通过数据客观角度对在线课程进行分析具有很大的研究价值和研究空间。
发明内容
本发明的目的在于，针对上述问题，提出一种基于综合模糊评价模型的在线学习系统评价方法，以满足对在线课程学习平台进行专业评价与分析的方法的需求。
本发明提供一种基于综合模糊评价模型的在线学习系统评价方法，所述学习平台评估方法具体包括如下步骤：
学习平台数据采集：对学习平台上的在线课程数据集和学生行为数据集进行采集；
课程质量评价模型构建：根据国家发布的在线课程评估一级指标，对课程信息的评价因子进行二级指标分类，基于层次分析法，对各二级指标与课程质量进行相关性分析，确定每个指标的权重分布；
课程质量评估分析：根据课程质量评价模型进行课程质量评估相关指标的综合评判；
学习行为评价模型构建：根据国家发布的学习行为评估一级指标，对学生学习行为指标进行二级指标分类，基于模糊综合评价法，对各二级指标与学习行为进行相关性分析，确定每个指标的权重分布；
学生行为评估分析：根据学习行为评价模型进行学生行为评估相关指标的综合评判。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述的学习平台评估方法还包括在学习平台数据采集步骤后的数据预处理步骤，所述数据预处理步骤包括对获取的EXCEL表格数据进行格式转换、数据补齐和无用信息删除。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述在线课程评估一级指标包括课程设计、课程参与度和课程信息建设维护；所述课程信息的评价因子包括：
课程设计的二级指标：具有学士及以上学位比例、参加者年龄中位数、总课时数；
课程参与度的二级指标：参加者总人数、播放视频人数所占百分比、完成50％以上课程设计内容人数所占百分比。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示课程质量与各指标的相关程度。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述确定每个指标的权重分布包括如下子步骤：
A1：根据获得的每个指标与课程质量的相关系数构建判断矩阵；
A2：对判断矩阵进行归一化处理得到标准矩阵；
A3：将标准矩阵按行求和再进行归一化处理，获得权重值。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述课程质量评估分析是根据获得的二级指标权重进行课程质量评估相关指标的综合评分计算：
M＝A1+A2+A3；
其中，M为综合评分计算得分，A1、A2、A3分别为根据二级指标权重计算的一级指标的得分。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述学习行为评估一级指标包括知识获取、协作交流和学习态度；所述课程信息的评价因子包括：
知识获取的二级指标：课程视频观看完成度、课程资料阅读完成度、作业和测验质量；
协作交流的二级指标：向老师提问次数、发起讨论次数、回复讨论次数；
学习态度的二级指标：课程访问次数、作业和测验完成次数、不良刷课记录。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示学习行为与各指标的相关程度。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述确定每个指标的权重分布包括如下子步骤：
B1：根据获得的每个指标与学习行为的相关系数构建判断矩阵；
B2：对判断矩阵进行归一化处理得到标准矩阵；
B3：将标准矩阵按行求和再进行归一化处理，获得权重值。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述学生行为评估分析将获得的权重值构成的指标向量与构建的模糊评价矩阵计算学生行为综合评分计算：
(1)对二级评价指标进行权重得分计算，得出二级指标的评价结果向量B1、B2和B3：
Figure BDA0002623071500000041
(2)根据B1、B2、B3构建一级评价指标的模糊评判矩阵R：
Figure BDA0002623071500000051
(3)计算学生行为评估的综合评价结果：
Figure BDA0002623071500000052
本发明的有益效果：提供一种基于综合模糊评价模型的在线学习系统评价方法，通过调用在线学习平台数据库，或通过爬虫爬取课程数据完成对在线课程的数据采集，对数据进行预处理后，使用构建的基于层次分析的综合模糊评价模型对数据进行分析，得到定量的评估结果，对分析后的数据进行可视化处理，并且显示给不同的用户(学生/老师)，同时我们也提供了在线学习的交流平台，以方便用户对系统或者所学课程进行反馈和改良。
附图说明
图1是基于综合模糊评价模型的在线学习系统评价方法流程示意图。
图2是其一实施例的课程指标二级分类图。
图3是其一实施例的在线课程质量三层分级图。
图4是其一实施例的学生学习行为指标二级分类图。
图5是其一实施例的学生学习行为的三层分级图。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
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，所描述的实施例仅是本发明的一部分实施例，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作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。
需要说明，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当人认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明提出了一种实施例，参照图1，图1为本发明提出的一种基于综合模糊评价模型的在线学习系统评价方法流程示意图。
在本实施例中，提供一种基于综合模糊评价模型的在线学习系统评价方法，通过调用在线学习平台数据库，或通过爬虫爬取课程数据完成对在线课程的数据采集，对数据进行预处理后，使用构建的基于层次分析的综合模糊评价模型对数据进行分析，对分析后的数据进行可视化处理，并且显示给不同的用户(学生/老师)，同时我们也提供了在线学习的交流平台，以方便用户对系统或者所学课程进行反馈和改良；其处理方法具体包括如下步骤：
(1)学习平台数据采集：对学习平台上的在线课程数据集和学生行为数据集进行采集；
(2)课程质量评价模型构建：根据国家发布的在线课程评估一级指标，对课程信息的评价因子进行二级指标分类，基于层次分析法，对各二级指标与课程质量进行相关性分析，确定每个指标的权重分布；
(3)课程质量评估分析：根据课程质量评价模型进行课程质量评估相关指标的综合评判；
(4)学习行为评价模型构建：根据国家发布的学习行为评估一级指标，对学生学习行为指标进行二级指标分类，基于模糊综合评价法，对各二级指标与学习行为进行相关性分析，确定每个指标的权重分布；
(5)学生行为评估分析：根据学习行为评价模型进行学生行为评估相关指标的综合评判。
需要说明的是，本实施例提供的学习平台评估方法，所述的学习平台评估方法还包括在学习平台数据采集步骤后的数据预处理步骤，数据预处理是指在进行主要分析之前，将采集到的数据进行一些处理，如格式混乱，形式不统一，数据缺失等。本实施例下载后的日志为excel表格，其中包含一些无用信息，比如参加学生的性别、在线课程的名称、开课类别等，删除这些信息后，将一些零散分布的数据加以统计整理。
进一步的，如图2所示，提供一种基于综合模糊评价模型的在线学习系统评价方法，层次分析法中判断矩阵的构成在多数情况下是由专家进行讨论构建，在实施例中为了更加充分的体现对评价标准体系的客观性。判断矩阵的构建需要由二级指标对一级指标进行相关性分析来确定下一层的数据类型中不同数据类型对上一次起到的作用为多少，再根据相关系数的比较来构造判断矩阵，从而赋权。
根据我国国家市场监督管理总局、国家标准化管理委员会于2018年9月17日发布了GB/T36642-2018《信息技术学习、教育和培训在线课程》(Information technology—Learning,education and training—Online courses)标准。标准的一级指标已经由专家分为课程设计、课程参与度、课程信息建设维护三个一级指标并给出了相应的权重，需要对二级指标进行分类，来确定他们分别占有的权重。如图3所示，所述在线课程评估一级指标包括课程设计、课程参与度和课程信息建设维护；所述课程信息的评价因子包括：
课程设计的二级指标：具有学士及以上学位比例、参加者年龄中位数、总课时数；
课程参与度的二级指标：参加者总人数、播放视频人数所占百分比、完成50％以上课程设计内容人数所占百分比。
需要说明的是，一种基于综合模糊评价模型的在线学习系统评价方法，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示课程质量与各指标的相关程度。
具体的，课程设计中的相关性分析包括：
学士及以上学位比例与课程设计之间的相关性如下表所示；
Figure BDA0002623071500000081
参与课程学生年龄的中位数与课程设计之间的相关性如下表所示；
Figure BDA0002623071500000082
在线课程时长与课程设计之间的相关性如下表所示；
Figure BDA0002623071500000083
综上，课程设计指标相关性汇总如下表所示；
Figure BDA0002623071500000084
Figure BDA0002623071500000091
具体的，课程参与度中的相关性分析包括：
参加者总人数与课程参与度之间的关系如下表所示；
Figure BDA0002623071500000092
播放视频人数比例与课程参与度之间的关系如下表所示；
Figure BDA0002623071500000093
完成50％以上课程设计内容比例与课程参与度之间的关系如下表所示；
Figure BDA0002623071500000094
课程参与度相关信息汇总如下表所示；
Figure BDA0002623071500000095
Figure BDA0002623071500000101
如下表所示
判断矩阵对照表如下所示：
Figure BDA0002623071500000102
然后，按照相关系数对照判断矩阵构造表来构造相关矩阵，具体为：
(1)两两比较完成矩阵的每一列的值，构建出完整的判断矩阵；
(2)判断矩阵中的每一个元素除以该元素所在列的和(即归一化处理)，
构建出一个标准矩阵。
Figure BDA0002623071500000103
(3)将标准矩阵按行求和，结果用
Figure BDA0002623071500000104
来表示：
Figure BDA0002623071500000105
(4)将
Figure BDA0002623071500000106
里每一个元素除以该元素所在列的和(即归一化处理)，得出的结
果即为权重值，用表示wi
Figure BDA0002623071500000107
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述课程质量评估分析是根据获得的二级指标权重进行课程质量评估相关指标的综合评分计算：
M＝A1+A2+A3；
其中，M为综合评分计算得分，A1、A2、A3分别为根据二级指标权重计算的一级指标的得分。
具体的，综合评分计算步骤为：
为了使两两比较更具科学性，当显著性在同一水平时，相关系数较大的将其认为相关性较大。将显著性和相关系数信息整理如下表所示：
Figure BDA0002623071500000111
显著性超过0.1时，说明拒绝零假设的风险过大，该二级指标不进行考虑；
所以用相关系数对照判断矩阵对照表构造判断矩阵通过计算得出最后的权重为：
Figure BDA0002623071500000112
然后根据上述权重值得出计算模型：
设一级指标课程设计、课程参与度、课程信息建设维护为A1、A2、A3；
二级指标分别为aij，i＝1，2，3j＝1，2，3；
总结算模型结果为M。
由此可以得到计算模型公式如下：
A1＝0*a11+0.440*a12+0.560*a13
A2＝0.518*a21+0.482*a22
A3＝0*a31+1*a32
M＝A1+A2+A3。
在本实施例中，如图4所示，一种基于综合模糊评价模型的在线学习系统评价方法，所述学习行为评估一级指标包括知识获取、协作交流和学习态度；如图5所示，所述课程信息的评价因子包括：
知识获取的二级指标：课程视频观看完成度、课程资料阅读完成度、作业和测验质量；
协作交流的二级指标：向老师提问次数、发起讨论次数、回复讨论次数；
学习态度的二级指标：课程访问次数、作业和测验完成次数、不良刷课记录。
优选的，一种基于综合模糊评价模型的在线学习系统评价方法，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示学习行为与各指标的相关程度。
其中，学生学习行为的相关性包括：
视频观看完成度与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000121
资料阅读完成度与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000122
Figure BDA0002623071500000131
作业和测验质量与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000132
老师提问次数与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000133
发起讨论次数与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000134
回复讨论次数与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000135
课程页面访问次数与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000136
作业和测验次数完成度与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000141
不良刷课记录与期末考试成绩的相关性如下表所示；
Figure BDA0002623071500000142
采用如上述实施例的权重设计方法，可得到：
各级指标显著性和相关系数如下表所示；
Figure BDA0002623071500000143
一级指标重要性比较如下表所示；
Figure BDA0002623071500000144
一级指标权重如下表所示；
Figure BDA0002623071500000145
知识获取二级指标判断矩阵和权重如下表所示；
Figure BDA0002623071500000151
协作交流二级指标判断矩阵和权重如下表所示；
Figure BDA0002623071500000152
学习态度二级指标判断矩阵和权重如下表所示；
Figure BDA0002623071500000153
各指标权重值汇总如下表所示；
Figure BDA0002623071500000154
根据上述计算得到的权重值构建模糊综合评判模型：
(一)构造评价指标因子集和结果评判集
1.建立评价指标因子集：
一级评价指标因子集：
U＝(U1，U2，U3)；
＝(知识获取，协作交流，学习态度)；
二级评价指标因子集：
U1＝(u11，u12，u13)；
＝(课程视频观看完成度，课程资料阅读完成度，作业和测验质量)；
U2＝(u21，u22，u23)；
＝(向老师提问次数，发表讨论数，回复讨论数)；
U3＝(u31，u32，u33)；
＝(课程访问次数，作业和测验完成次数，不良刷课记录)；
2.确定结果评价集：
结果评价集:
V＝(v1，v2，v3，v4，v5)
＝(优秀，良好，中等，及格，不及格)
(二)构建模糊评判矩阵
学生学习成绩的好坏符合正态分布，即:成绩优秀和成绩差的学生人数均比较少，学习成绩中等的学生人数较多。据此，我们使用均值比较来确定隶属度。
对于每一门课程的学生的学习行为数据uij，求出该行为数据的平均值
Figure BDA0002623071500000161
求出uij距离
Figure BDA0002623071500000162
的程度d，依据距离程度d来确定隶属度。我们将距离程度d分为五个评价等级。
计算公式为：
Figure BDA0002623071500000163
其中，距离程度分级如下表所示：
Figure BDA0002623071500000164
评价指标因子隶属度如下表所示：
Figure BDA0002623071500000171
(三)模糊综合评判结果的确定
根据模糊综合评判的基本步骤，评价结果由指标向量和模糊评价矩阵合成，本实施例采用加权平均型的模糊算子作为最后结果。
指标向量在上述实施例中已经计算得出，所以下面将指标向量和模糊评价矩阵根据公式合成：
Figure BDA0002623071500000172
本实施例中，评价指标共有两个层级，采用模糊综合评判的步骤先对二级评价指标进行单一因素评价，得出二级指标的评价结果向量B1、B2和B3，再根据B1、B2和B3构建一级评价指标的模糊评判矩阵R。
Figure BDA0002623071500000173
Figure BDA0002623071500000174
最后得出评价结果B。计算出最后结果，并将最后得出的结果在前端界面用雷达图进行可视化显示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述学习平台评估方法具体包括如下步骤：
学习平台数据采集：对学习平台上的在线课程数据集和学生行为数据集进行采集；
课程质量评价模型构建：根据国家发布的在线课程评估一级指标，对课程信息的评价因子进行二级指标分类，基于层次分析法，对各二级指标与课程质量进行相关性分析，确定每个指标的权重分布；
课程质量评估分析：根据课程质量评价模型进行课程质量评估相关指标的综合评判；
学习行为评价模型构建：根据国家发布的学习行为评估一级指标，对学生学习行为指标进行二级指标分类，基于模糊综合评价法，对各二级指标与学习行为进行相关性分析，确定每个指标的权重分布；
学生行为评估分析：根据学习行为评价模型进行学生行为评估相关指标的综合评判。
2.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述的学习平台评估方法还包括在学习平台数据采集步骤后的数据预处理步骤，所述数据预处理步骤包括对获取的EXCEL表格数据进行格式转换、数据补齐和无用信息删除。
3.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述在线课程评估一级指标包括课程设计、课程参与度和课程信息建设维护；所述课程信息的评价因子包括：
课程设计的二级指标：具有学士及以上学位比例、参加者年龄中位数、总课时数；
课程参与度的二级指标：参加者总人数、播放视频人数所占百分比、完成50％以上课程设计内容人数所占百分比。
4.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示课程质量与各指标的相关程度。
5.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述确定每个指标的权重分布包括如下子步骤：
A1：根据获得的每个指标与课程质量的相关系数构建判断矩阵；
A2：对判断矩阵进行归一化处理得到标准矩阵；
A3：将标准矩阵按行求和再进行归一化处理，获得权重值。
6.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述课程质量评估分析是根据获得的二级指标权重进行课程质量评估相关指标的综合评分计算：
M＝A1+A2+A3；
其中，M为综合评分计算得分，A1、A2、A3分别为根据二级指标权重计算的一级指标的得分。
7.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述学习行为评估一级指标包括知识获取、协作交流和学习态度；所述课程信息的评价因子包括：
知识获取的二级指标：课程视频观看完成度、课程资料阅读完成度、作业和测验质量；
协作交流的二级指标：向老师提问次数、发起讨论次数、回复讨论次数；
学习态度的二级指标：课程访问次数、作业和测验完成次数、不良刷课记录。
8.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述相关性分析采用SPSS的双变量相关分析法，根据获得的相关系数表示学习行为与各指标的相关程度。
9.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述确定每个指标的权重分布包括如下子步骤：
B1：根据获得的每个指标与学习行为的相关系数构建判断矩阵；
B2：对判断矩阵进行归一化处理得到标准矩阵；
B3：将标准矩阵按行求和再进行归一化处理，获得权重值。
10.根据权利要求1所述的一种基于综合模糊评价模型的在线学习系统评价方法，其特征在于，所述学生行为评估分析将获得的权重值构成的指标向量与构建的模糊评价矩阵计算学生行为综合评分计算：
(1)对二级评价指标进行权重得分计算，得出二级指标的评价结果向量B1、B2和B3：
Figure FDA0002623071490000031
(2)根据B1、B2、B3构建一级评价指标的模糊评判矩阵R：
Figure FDA0002623071490000032
(3)计算学生行为评估的综合评价结果：
Figure FDA0002623071490000033
CN202010788951.5A 2020-08-07 2020-08-07 一种基于综合模糊评价模型的在线学习系统评价方法 Pending CN111882247A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010788951.5A CN111882247A (zh) 2020-08-07 2020-08-07 一种基于综合模糊评价模型的在线学习系统评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010788951.5A CN111882247A (zh) 2020-08-07 2020-08-07 一种基于综合模糊评价模型的在线学习系统评价方法

Publications (1)

Publication Number Publication Date
CN111882247A true CN111882247A (zh) 2020-11-03

Family

ID=73210393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010788951.5A Pending CN111882247A (zh) 2020-08-07 2020-08-07 一种基于综合模糊评价模型的在线学习系统评价方法

Country Status (1)

Country Link
CN (1) CN111882247A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435152A (zh) * 2020-12-04 2021-03-02 北京师范大学 一种在线学习投入动态评价方法及系统
CN112465676A (zh) * 2020-11-25 2021-03-09 武威职业学院 一种基于vr技术的会计教学装置
CN113241196A (zh) * 2021-05-17 2021-08-10 中国科学院自动化研究所 基于云-终端协同的远程医疗与分级监控系统
CN113297450A (zh) * 2021-05-24 2021-08-24 华北科技学院(中国煤矿安全技术培训中心) 基于模糊综合评价法的爬虫方法、系统、介质和电子设备
CN114202225A (zh) * 2021-12-17 2022-03-18 西安建筑科技大学 一种混合教学环境下学生成绩评定系统
CN114840819A (zh) * 2022-06-02 2022-08-02 中国人民解放军国防科技大学 网络授课效果分析与评估方法、系统、设备和介质
CN115619279A (zh) * 2022-11-03 2023-01-17 华中师范大学 一种课堂实录数字课程资源质量评价方法及系统
CN115689820A (zh) * 2022-09-27 2023-02-03 东南大学附属中大医院 基于双向的学习质量评估方法及继续医学教育闭环管理系统
CN116227729A (zh) * 2023-03-20 2023-06-06 广州工程技术职业学院 基于机器学习的学习评价方法及装置、设备
CN118644365A (zh) * 2024-08-16 2024-09-13 青岛酒店管理职业技术学院 基于校园大数据的可视化分析评价方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408475A (zh) * 2016-09-30 2017-02-15 中国地质大学（北京） 一种在线课程适用性评价方法
CN107292778A (zh) * 2017-05-19 2017-10-24 华中师范大学 一种基于认知情感感知的云课堂学习评价方法及其装置
CN107862926A (zh) * 2017-11-24 2018-03-30 苏州民众财行企业管理咨询有限公司 一种在线学习效果的评测方法、移动终端和介质
CN108460139A (zh) * 2018-03-09 2018-08-28 上海开放大学 基于网络爬虫数据挖掘在线课程教学质量评估管理系统
CN108712473A (zh) * 2018-04-25 2018-10-26 佛山科学技术学院 一种在线学习新增课程的推送方法及其终端
CN109919810A (zh) * 2019-01-22 2019-06-21 山东科技大学 在线学习系统中的学生建模与个性化课程推荐方法
CN111275239A (zh) * 2019-12-20 2020-06-12 西安电子科技大学 一种基于多模态的网络化教学数据分析方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106408475A (zh) * 2016-09-30 2017-02-15 中国地质大学（北京） 一种在线课程适用性评价方法
CN107292778A (zh) * 2017-05-19 2017-10-24 华中师范大学 一种基于认知情感感知的云课堂学习评价方法及其装置
CN107862926A (zh) * 2017-11-24 2018-03-30 苏州民众财行企业管理咨询有限公司 一种在线学习效果的评测方法、移动终端和介质
CN108460139A (zh) * 2018-03-09 2018-08-28 上海开放大学 基于网络爬虫数据挖掘在线课程教学质量评估管理系统
CN108712473A (zh) * 2018-04-25 2018-10-26 佛山科学技术学院 一种在线学习新增课程的推送方法及其终端
CN109919810A (zh) * 2019-01-22 2019-06-21 山东科技大学 在线学习系统中的学生建模与个性化课程推荐方法
CN111275239A (zh) * 2019-12-20 2020-06-12 西安电子科技大学 一种基于多模态的网络化教学数据分析方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李国刚等: "基于互联网背景下在线学习平台质量的评价模型研究", 《价值工程》 *
王燕: "一种基于模糊理论的网络学习评价系统模型的研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *
肖翔: "基于模糊综合评价在线课程学生满意度的研究", 《科技资讯》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465676A (zh) * 2020-11-25 2021-03-09 武威职业学院 一种基于vr技术的会计教学装置
CN112435152B (zh) * 2020-12-04 2023-04-18 北京师范大学 一种在线学习投入动态评价方法及系统
CN112435152A (zh) * 2020-12-04 2021-03-02 北京师范大学 一种在线学习投入动态评价方法及系统
CN113241196A (zh) * 2021-05-17 2021-08-10 中国科学院自动化研究所 基于云-终端协同的远程医疗与分级监控系统
CN113241196B (zh) * 2021-05-17 2022-03-08 中国科学院自动化研究所 基于云-终端协同的远程医疗与分级监控系统
CN113297450A (zh) * 2021-05-24 2021-08-24 华北科技学院(中国煤矿安全技术培训中心) 基于模糊综合评价法的爬虫方法、系统、介质和电子设备
CN113297450B (zh) * 2021-05-24 2023-04-14 华北科技学院(中国煤矿安全技术培训中心) 基于模糊综合评价法的爬虫方法、系统、介质和电子设备
CN114202225A (zh) * 2021-12-17 2022-03-18 西安建筑科技大学 一种混合教学环境下学生成绩评定系统
CN114840819A (zh) * 2022-06-02 2022-08-02 中国人民解放军国防科技大学 网络授课效果分析与评估方法、系统、设备和介质
CN114840819B (zh) * 2022-06-02 2024-09-10 中国人民解放军国防科技大学 网络授课效果分析与评估方法、系统、设备和介质
CN115689820A (zh) * 2022-09-27 2023-02-03 东南大学附属中大医院 基于双向的学习质量评估方法及继续医学教育闭环管理系统
CN115689820B (zh) * 2022-09-27 2023-08-15 东南大学附属中大医院 基于双向的学习质量评估方法及继续医学教育闭环管理系统
CN115619279A (zh) * 2022-11-03 2023-01-17 华中师范大学 一种课堂实录数字课程资源质量评价方法及系统
CN116227729A (zh) * 2023-03-20 2023-06-06 广州工程技术职业学院 基于机器学习的学习评价方法及装置、设备
CN116227729B (zh) * 2023-03-20 2023-10-10 广州工程技术职业学院 基于机器学习的学习评价方法及装置、设备
CN118644365A (zh) * 2024-08-16 2024-09-13 青岛酒店管理职业技术学院 基于校园大数据的可视化分析评价方法
CN118644365B (zh) * 2024-08-16 2024-10-11 青岛酒店管理职业技术学院 基于校园大数据的可视化分析评价方法

Similar Documents

Publication Publication Date Title
CN111882247A (zh) 一种基于综合模糊评价模型的在线学习系统评价方法
CN109919810B (zh) 在线学习系统中的学生建模与个性化课程推荐方法
CN110782375B (zh) 基于数据的在线学习全过程动态分析方法及系统
Zhang Research on classroom teaching evaluation and instruction system based on GIS mobile terminal
Witkin An Analysis of Needs Assessment Techniques for Educational Planning at State, Intermediate, and District Levels.
Vroeeijenstijn Government and university: opponents or allies in quality assurance?
CN107909278A (zh) 一种编程能力综合评估的方法及系统
Nyhart et al. Computer models as support for complex negotiations
Yuan RETRACTED: On the knowledge education of law practice teaching in law education
Chang Design and Application of Evaluation Method for Civics Classroom Based on CRITIC Fuzzy Algorithm
Alemayehu Expansion of Higher Education in Ethiopia: Challenges and Opportunities: The case of Kotebe Metropolitan University and Saint Mary University
Filatova et al. Mathematical models of information manipulation in the subject field of intellectual production in educational institutions
Hsu et al. Construct the Educational Training Model of the Taiwanese Bakery Industry by using Consistent Fuzzy Preference Relation Analytic Hierarchy Process
Liu The Application of K-Means Clustering Algorithm in the Quality Analysis of College English Teaching
Taleby et al. Financial Assessment using a Fuzzy Analytical Hierarchical Process Method
CN111985793A (zh) 一种学生网上评教方法
Gu et al. Cluster analysis on the teaching evaluation data from college students
Suleiman et al. Knowledge management and its impact on the administrative creativity of service organizations in light of the emerging corona virus epidemic crisis SARS-COV19
Zhu et al. An Instructional Model for Physical Education in the Next Era for Secondary School.
CN116109456B (zh) 一种智慧教育综合评价方法、系统、电子设备及存储介质
Jerschina et al. Leftism, achievement orientation, and basic dimensions of the socioeconomic and political attitudes in Baltic countries versus other Central and East European countries
Agasisti et al. Using statistical analytics to study school performance through administrative datasets
Li et al. A Cluster Study on MOOC Students' Participation Patterns: A Case Study of a Chinese MOOC
Xie et al. Application of Automatic Collection of Real-time Data Based on Clustering Algorithm in Training Assessment
Wijayanti et al. Analysis of user satisfaction graduate in education for Islamic elementary school teachers program UIN Sunan Kalijaga Yogyakarta

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201103