CN112016431A - 教学质量智能检测分析方法及系统 - Google Patents
教学质量智能检测分析方法及系统 Download PDFInfo
- Publication number
- CN112016431A CN112016431A CN202010856612.6A CN202010856612A CN112016431A CN 112016431 A CN112016431 A CN 112016431A CN 202010856612 A CN202010856612 A CN 202010856612A CN 112016431 A CN112016431 A CN 112016431A
- Authority
- CN
- China
- Prior art keywords
- teaching
- value
- user
- video
- target
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000008030 elimination Effects 0.000 claims abstract description 36
- 238000003379 elimination reaction Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims description 58
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供了教学质量智能检测分析方法及系统,其通过获取用户在观看完毕目标教学视频后的反馈信息以及用户在观看目标教学视频过程中的视频教学相关影响信息,确定用户学习质量与目标教学视频之间的关联匹配程度,再进行适应性的误差剔除处理,以此确定目标教学视频的教学质量是否合格,其能够对教学视频的教学质量进行客观的、全面地和准确的评估,从而高效地对教学视频的教学内容和视频播放形式进行适应性的调整,以此改善教学视频的教学质量。
Description
技术领域
本发明涉及智能教学的技术领域,特别涉及教学质量智能检测分析方法及系统。
背景技术
目前,教学视频广泛应用于线上和线下教育中,通过播放教学视频能够保证学生获得视觉和听觉等不同方面的教学内容,但是由于教学视频的播放通常是一个单向的和较为主观的过程,现有技术无法从客观层面上对教学视频的教学质量进行客观的、全面地和准确的评估,从而不利于对教学视频的教学内容和视频播放形式进行适应性的调整,以此改善教学视频的教学质量。
发明内容
针对现有技术存在的缺陷,本发明提供教学质量智能检测分析方法及系统,其通过向若干用户播放目标教学视频,并根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值,再获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值,最后对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格;可见,该教学质量智能检测分析方法及系统通过获取用户在观看完毕目标教学视频后的反馈信息以及用户在观看目标教学视频过程中的视频教学相关影响信息,确定用户学习质量与目标教学视频之间的关联匹配程度,再进行适应性的误差剔除处理,以此确定目标教学视频的教学质量是否合格,其能够对教学视频的教学质量进行客观的、全面地和准确的评估,从而高效地对教学视频的教学内容和视频播放形式进行适应性的调整,以此改善教学视频的教学质量。
本发明提供教学质量智能检测分析方法,其特征在于,其包括以下步骤:
步骤S1,向若干用户播放目标教学视频,并根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值;
步骤S2,获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值;
步骤S3,对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格;
进一步,在所述步骤S1中,向若干用户播放目标教学视频,并根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值具体包括,
步骤S101,向若干所述用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的所述目标教学视频的播放内容和播放进程均相同;
步骤S102,获取每一个用户在观看所述目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看所述目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间;
步骤S103,根据下面公式(1),确定所述目标教学视频的教学效率评价值
在上述公式(1)中,η表示所述目标教学视频的教学效率评价值,表示,N表示所述用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在所述预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示所述预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5;
进一步,在所述步骤S2中,获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
步骤S201,对所述目标教学视频的视频内容、所述用户的学历和所述用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为所述教学影响信息;
步骤S202,根据下面公式(2),确定所述目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示所述教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的权重值,b1、b2、b3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6;
进一步,在所述步骤S3中,对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格具体包括,
步骤S301,根据下面公式(3),对所述匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示所述匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50;
步骤S302,将所述匹配度综合评分值与预设综合评分阈值进行比对,若所述匹配度综合评分值小于或者等于所述预设综合评分阈值,则确定所述目标教学视频的教学质量合格,否则,确定所述目标教学视频的教学质量不合格。
本发明还提供教学质量智能检测分析系统,其特征在于,其包括教学视频播放模块、教学效率评价模块、匹配度综合评分模块和教学质量确定模块;其中,
所述教学视频播放模块用于向若干用户播放目标教学视频;
所述教学效率评价模块用于根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值;
所述匹配度综合评分模块用于获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值;
所述教学质量确定模块用于对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格;
进一步,所述教学视频播放模块向若干用户播放目标教学视频具体包括向若干所述用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的所述目标教学视频的播放内容和播放进程均相同;
所述教学效率评价模块根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值具体包括
获取每一个用户在观看所述目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看所述目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间,
再根据下面公式(1),确定所述目标教学视频的教学效率评价值
在上述公式(1)中,η表示所述目标教学视频的教学效率评价值,表示,N表示所述用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在所述预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示所述预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5;
进一步,所述匹配度综合评分模块获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
对所述目标教学视频的视频内容、所述用户的学历和所述用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为所述教学影响信息,
再根据下面公式(2),确定所述目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示所述教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的权重值,b1、b2、b3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6;
进一步,所述教学质量确定模块对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格具体包括,
根据下面公式(3),对所述匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示所述匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50,
再将所述匹配度综合评分值与预设综合评分阈值进行比对,若所述匹配度综合评分值小于或者等于所述预设综合评分阈值,则确定所述目标教学视频的教学质量合格,否则,确定所述目标教学视频的教学质量不合格。
相比于现有技术,该教学质量智能检测分析方法及系统通过向若干用户播放目标教学视频,并根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值,再获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值,最后对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格;可见,该教学质量智能检测分析方法及系统通过获取用户在观看完毕目标教学视频后的反馈信息以及用户在观看目标教学视频过程中的视频教学相关影响信息,确定用户学习质量与目标教学视频之间的关联匹配程度,再进行适应性的误差剔除处理,以此确定目标教学视频的教学质量是否合格,其能够对教学视频的教学质量进行客观的、全面地和准确的评估,从而高效地对教学视频的教学内容和视频播放形式进行适应性的调整,以此改善教学视频的教学质量。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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,下面将对实施例或现有技术描述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为本发明提供的教学质量智能检测分析方法的流程示意图。
图2为本发明提供的教学质量智能检测分析系统的结构示意图。
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。
参阅图1,为本发明实施例提供的教学质量智能检测分析方法的流程示意图。该教学质量智能检测分析方法包括以下步骤:
步骤S1,向若干用户播放目标教学视频,并根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值;
步骤S2,获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值;
步骤S3,对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格。
优选地,在该步骤S1中,向若干用户播放目标教学视频,并根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值具体包括,
步骤S101,向若干该用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的该目标教学视频的播放内容和播放进程均相同;
步骤S102,获取每一个用户在观看该目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看该目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间;
步骤S103,根据下面公式(1),确定该目标教学视频的教学效率评价值
在上述公式(1)中,η表示该目标教学视频的教学效率评价值,表示,N表示该用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在该预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示该预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5。
优选地,在该步骤S2中,获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
步骤S201,对该目标教学视频的视频内容、该用户的学历和该用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为该教学影响信息;
步骤S202,根据下面公式(2),确定该目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示该教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自对应的权重值,b1、b2、b3分别表示该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6。
优选地,在该步骤S3中,对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格具体包括,
步骤S301,根据下面公式(3),对该匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示该匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50;
步骤S302,将该匹配度综合评分值与预设综合评分阈值进行比对,若该匹配度综合评分值小于或者等于该预设综合评分阈值,则确定该目标教学视频的教学质量合格,否则,确定该目标教学视频的教学质量不合格。
总体而言,该教学质量智能检测分析方法通过设置预设固定时间长度的学习时间来获取用户的专注度、学习效率以及满意度来计算出目标视频教学内容的教学效率可以根据用户的实际反馈结果来准确地计算出目标视频内容的教学效率,考虑到了学习过程中的各个因素,使得计算的结果更加准确无误差,并且为后续教学质量的合格性评估提供了有利根据,通过设置多个教学影响信息来应对不同用户各自不同的情况使得最后的综合的分值更加地符合每个用户的实际情况,保证了综合评分值的合理性和准确性,通过将综合评分值中的误差得分值去除来进一步地保证最终得分值的准确性,通过判断最终得分值与预设得分值的差值与预设阈值的大小来确定教学质量是否合格可以使的最终的判定结果的条件维持在一个区间内,而不是一个固定的值,避免了误判定情况的发生。
参阅图2,为本发明实施例提供的教学质量智能检测分析系统的结构示意图。该教学质量智能检测分析系统包括教学视频播放模块、教学效率评价模块、匹配度综合评分模块和教学质量确定模块;其中,
该教学视频播放模块用于向若干用户播放目标教学视频;
该教学效率评价模块用于根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值;
该匹配度综合评分模块用于获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值;
该教学质量确定模块用于对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格。
优选地,该教学视频播放模块向若干用户播放目标教学视频具体包括向若干该用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的该目标教学视频的播放内容和播放进程均相同;
该教学效率评价模块根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值具体包括
获取每一个用户在观看该目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看该目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间,
再根据下面公式(1),确定该目标教学视频的教学效率评价值
在上述公式(1)中,η表示该目标教学视频的教学效率评价值,表示,N表示该用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在该预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示该预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5。
优选地,该匹配度综合评分模块获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
对该目标教学视频的视频内容、该用户的学历和该用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为该教学影响信息,
再根据下面公式(2),确定该目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示该教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自对应的权重值,b1、b2、b3分别表示该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对该教学视频内容难易程度、该用户知识水平和该外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6。
优选地,该教学质量确定模块对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格具体包括,
根据下面公式(3),对该匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示该匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50,
再将该匹配度综合评分值与预设综合评分阈值进行比对,若该匹配度综合评分值小于或者等于该预设综合评分阈值,则确定该目标教学视频的教学质量合格,否则,确定该目标教学视频的教学质量不合格。
总体而言,该教学质量智能检测分析系统通过设置预设固定时间长度的学习时间来获取用户的专注度、学习效率以及满意度来计算出目标视频教学内容的教学效率可以根据用户的实际反馈结果来准确地计算出目标视频内容的教学效率,考虑到了学习过程中的各个因素,使得计算的结果更加准确无误差,并且为后续教学质量的合格性评估提供了有利根据,通过设置多个教学影响信息来应对不同用户各自不同的情况使得最后的综合的分值更加地符合每个用户的实际情况,保证了综合评分值的合理性和准确性,通过将综合评分值中的误差得分值去除来进一步地保证最终得分值的准确性,通过判断最终得分值与预设得分值的差值与预设阈值的大小来确定教学质量是否合格可以使的最终的判定结果的条件维持在一个区间内,而不是一个固定的值,避免了误判定情况的发生。
从上述实施例的内容可知,该教学质量智能检测分析方法及系统通过向若干用户播放目标教学视频,并根据该用户关于目标教学视频内容的反馈信息,确定该目标教学视频的教学效率评价值,再获取基于该目标教学视频进行教学过程中的若干教学影响信息,并根据若干该教学影响信息和该教学效率评价值,确定该目标教学视频的教学内容与用户之间匹配度综合评分值,最后对该匹配度综合评分值进行误差剔除处理,并根据该误差剔除处理的结果值,确定该目标教学视频的教学质量是否合格;可见,该教学质量智能检测分析方法及系统通过获取用户在观看完毕目标教学视频后的反馈信息以及用户在观看目标教学视频过程中的视频教学相关影响信息,确定用户学习质量与目标教学视频之间的关联匹配程度,再进行适应性的误差剔除处理,以此确定目标教学视频的教学质量是否合格,其能够对教学视频的教学质量进行客观的、全面地和准确的评估,从而高效地对教学视频的教学内容和视频播放形式进行适应性的调整,以此改善教学视频的教学质量。
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 (8)
1.教学质量智能检测分析方法,其特征在于,其包括以下步骤:
步骤S1,向若干用户播放目标教学视频,并根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值;
步骤S2,获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值;
步骤S3,对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格。
2.如权利要求1所述的教学质量智能检测分析方法,其特征在于:
在所述步骤S1中,向若干用户播放目标教学视频,并根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值具体包括,
步骤S101,向若干所述用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的所述目标教学视频的播放内容和播放进程均相同;
步骤S102,获取每一个用户在观看所述目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看所述目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间;
步骤S103,根据下面公式(1),确定所述目标教学视频的教学效率评价值:
在上述公式(1)中,η表示所述目标教学视频的教学效率评价值,表示,N表示所述用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在所述预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示所述预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5。
3.如权利要求2所述的教学质量智能检测分析方法,其特征在于:
在所述步骤S2中,获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
步骤S201,对所述目标教学视频的视频内容、所述用户的学历和所述用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为所述教学影响信息;
步骤S202,根据下面公式(2),确定所述目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示所述教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的权重值,b1、b2、b3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6。
4.如权利要求3所述的教学质量智能检测分析方法,其特征在于:
在所述步骤S3中,对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格具体包括,
步骤S301,根据下面公式(3),对所述匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示所述匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50;
步骤S302,将所述匹配度综合评分值与预设综合评分阈值进行比对,若所述匹配度综合评分值小于或者等于所述预设综合评分阈值,则确定所述目标教学视频的教学质量合格,否则,确定所述目标教学视频的教学质量不合格。
5.教学质量智能检测分析系统,其特征在于,其包括教学视频播放模块、教学效率评价模块、匹配度综合评分模块和教学质量确定模块;其中,所述教学视频播放模块用于向若干用户播放目标教学视频;
所述教学效率评价模块用于根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值;
所述匹配度综合评分模块用于获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值;
所述教学质量确定模块用于对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格。
6.如权利要求5所述的教学质量智能检测分析系统,其特征在于:
所述教学视频播放模块向若干用户播放目标教学视频具体包括向若干所述用户播放相同预设固定时间长度的目标教学视频,并且每一个用户对应的所述目标教学视频的播放内容和播放进程均相同;
所述教学效率评价模块根据所述用户关于目标教学视频内容的反馈信息,确定所述目标教学视频的教学效率评价值具体包括
获取每一个用户在观看所述目标教学视频后对应的观看满意度评分值和自我学习效率评分值,以及每一个用户在观看所述目标教学视频过程中的视频注视累计时间和处于问题思考状态的思考累计时间,
再根据下面公式(1),确定所述目标教学视频的教学效率评价值
在上述公式(1)中,η表示所述目标教学视频的教学效率评价值,表示,N表示所述用户的总数量,Si表示第i个用户的学习专注度系数、且其取值为[0.3,1]以及当用户在所述预设固定时间长度内处于注意力分散状态的时间越大,其对应的学习专注度系数取值越小,Ti1表示第i个用户的视频注视累计时间,Ti2表示第i个用户的思考累计时间,T表示所述预设固定时间长度,θi表示第i个用户的自我学习效率评分值、且其取值为[0.2,1]以及其取值随着Ti1和Ti2的增大而增大,e表示自然常数,Ri表示第i个用户的观看满意度评分值、且其取值为[0,1]以及其取值随着自我学习效率评分值的增大而增大,R1表示预设标准观看满意度评分值、且其取值为0.5。
7.如权利要求6所述的教学质量智能检测分析系统,其特征在于:
所述匹配度综合评分模块获取基于所述目标教学视频进行教学过程中的若干教学影响信息,并根据若干所述教学影响信息和所述教学效率评价值,确定所述目标教学视频的教学内容与用户之间匹配度综合评分值具体包括,
对所述目标教学视频的视频内容、所述用户的学历和所述用户在观看视频过程中所处环境分别进行分析,从而确定教学视频内容难易程度、用户知识水平和外部环境声音信息,以此作为所述教学影响信息,
再根据下面公式(2),确定所述目标教学视频的教学内容与用户之间匹配度综合评分值
在上述公式(2)中,Q表示所述教学内容与用户之间匹配度综合评分值,a1、a2、a3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的权重值,b1、b2、b3分别表示所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自对应的教学影响评分值,ω1表示教学影响对应的预设权重比例值、且其取值为0.4,u1、u2、u3分别表示用户对所述教学视频内容难易程度、所述用户知识水平和所述外部环境声音信息各自的评分值,ω2表示用户评价的预设权重比例值、且其取值为0.6。
8.如权利要求7所述的教学质量智能检测分析系统,其特征在于:
所述教学质量确定模块对所述匹配度综合评分值进行误差剔除处理,并根据所述误差剔除处理的结果值,确定所述目标教学视频的教学质量是否合格具体包括,
根据下面公式(3),对所述匹配度综合评分值进行误差剔除处理
Q2=Q*λ-Q1 (3)
在上述公式(3)中,Q2表示所述匹配度综合评分值Q进行误差剔除处理的结果,λ表示预设误差因子、且其取值为[0.02,0.05],Q1表示期望匹配度综合评分值、且其取值为50,
再将所述匹配度综合评分值与预设综合评分阈值进行比对,若所述匹配度综合评分值小于或者等于所述预设综合评分阈值,则确定所述目标教学视频的教学质量合格,否则,确定所述目标教学视频的教学质量不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856612.6A CN112016431B (zh) | 2020-08-24 | 2020-08-24 | 教学质量智能检测分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010856612.6A CN112016431B (zh) | 2020-08-24 | 2020-08-24 | 教学质量智能检测分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016431A true CN112016431A (zh) | 2020-12-01 |
CN112016431B CN112016431B (zh) | 2021-05-07 |
Family
ID=73504209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010856612.6A Active CN112016431B (zh) | 2020-08-24 | 2020-08-24 | 教学质量智能检测分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016431B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453387A (zh) * | 2023-04-10 | 2023-07-18 | 哈尔滨师范大学 | 一种ai智能教学机器人控制系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869088A (zh) * | 2016-04-18 | 2016-08-17 | 李隆帜 | 基于在线教育的教学质量评估系统 |
CN111325643A (zh) * | 2020-02-17 | 2020-06-23 | 合肥工业大学 | 一种慕课教学能力引导方法 |
-
2020
- 2020-08-24 CN CN202010856612.6A patent/CN112016431B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869088A (zh) * | 2016-04-18 | 2016-08-17 | 李隆帜 | 基于在线教育的教学质量评估系统 |
CN111325643A (zh) * | 2020-02-17 | 2020-06-23 | 合肥工业大学 | 一种慕课教学能力引导方法 |
Non-Patent Citations (3)
Title |
---|
JAMES SCHAFFER 等: "An analysis of student behavior in two massive open online courses", 《2016 IEEE/ACM INTERNATIONAL CONFERENCE ON ADVANCES IN SOCIAL NETWORKS ANALYSIS AND MINING》 * |
贺倩: "高中数学网络教学视频资源的评价指标体系研究", 《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》 * |
马栋林等: "基于用户行为的教学视频内容质量评价方法", 《兰州理工大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116453387A (zh) * | 2023-04-10 | 2023-07-18 | 哈尔滨师范大学 | 一种ai智能教学机器人控制系统及方法 |
CN116453387B (zh) * | 2023-04-10 | 2023-09-19 | 哈尔滨师范大学 | 一种ai智能教学机器人控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112016431B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782921A (zh) | 语音测评方法和装置、存储介质及电子装置 | |
CN104538041B (zh) | 异常声音检测方法及系统 | |
CN112614032B (zh) | 基于大数据的教育软件数据处理方法 | |
CN103594087B (zh) | 提高口语评测性能的方法及系统 | |
CN111402439B (zh) | 一种基于人脸识别的在线培训到课率统计管理方法及系统 | |
CN112949562A (zh) | 智适应学习方法及系统 | |
CN111522877B (zh) | 教育课程在线同步处理系统 | |
CN112016431B (zh) | 教学质量智能检测分析方法及系统 | |
CN112330585B (zh) | 图像质量的检测方法、装置及电子设备 | |
CN109410984B (zh) | 一种朗读评分的方法及电子设备 | |
CN112163760A (zh) | 学生学习专注度检测方法和系统 | |
CN110659311A (zh) | 题目推送方法、装置、电子设备及存储介质 | |
CN114743074B (zh) | 一种基于强弱对抗训练的船舶检测模型训练方法及系统 | |
CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
CN109065024B (zh) | 异常语音数据检测方法及装置 | |
CN113178208A (zh) | 智能化学生在线语音答题控制方法与系统 | |
CN113643709A (zh) | 一种基于mean-SAP池化模型的说话人识别方法及系统 | |
CN112132715A (zh) | 智能课件管理方法和系统 | |
CN111708951B (zh) | 一种试题推荐方法及装置 | |
Toomsalu-Stefanova et al. | Study of the Quality of Applicants' Admission to Universities Based on the Results of the Unified State Exam in Russia. | |
CN113035238B (zh) | 音频评测方法、装置、电子设备和介质 | |
CN112784144B (zh) | 一种基于大数据的在线教育课件推送方法 | |
CN113327482A (zh) | 基于视频监控的弦乐乐器弹奏教学方法与系统 | |
CN113409635A (zh) | 基于虚拟现实场景的互动教学方法与系统 | |
WO2022051974A1 (zh) | 应用于嵌入式平台的代码检测方法、装置、设备及计算机可读存储介质 |
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 | ||
PP01 | Preservation of patent right |
Effective date of registration: 20221020 Granted publication date: 20210507 |
|
PP01 | Preservation of patent right |