CN112084510A - 一种区块链的数据处理方法及系统 - Google Patents
一种区块链的数据处理方法及系统 Download PDFInfo
- Publication number
- CN112084510A CN112084510A CN202010839513.7A CN202010839513A CN112084510A CN 112084510 A CN112084510 A CN 112084510A CN 202010839513 A CN202010839513 A CN 202010839513A CN 112084510 A CN112084510 A CN 112084510A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- evaluation information
- obtaining
- verification code
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区块链的数据处理方法,所述方法包括:获得第一用户的第一课堂状态信息;根据所述第一课堂状态信息获得所述第一用户的第一测评信息;获得所述第一用户的第二测评信息;获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;根据所述第一权重值,获得所述第一用户的第一综合测评信息;根据所述第一测评信息生成第一验证码;根据所述第二测评信息与所述第一验证码生成第二验证码;根据所述第一综合测评信息与所述第二验证码生成第三验证码;将所有第一用户的测评信息和验证码分别复制保存在M台设备上。解决了学生的科目成绩无法有效结合课堂状态而获得,提升了科目成绩的准确性。
Description
技术领域
本发明涉及一种数据处理方法,尤其涉及一种区块链的数据处理方法及系统。
背景技术
考核评定学生学习成绩是教学的基本环节之一,是检查教学效果,加强德育、发展智力、培养能力的重要过程。对学生学习成绩的评定,无论用哪种方式,一定要努力做到全面、客观、公正,使得评定结果反映出学生的真实水平,使得评定起到应有的积极促进作用。
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:
由于现有技术中学生的科目成绩无法有效结合课堂状态,通常是依据老师的人为评价课堂状态,存在着偏差或失误,同时降低了科目成绩的准确性,数据的可溯性不足。
发明内容
本申请实施例通过提供一种区块链的数据处理方法,解决了现有技术中学生的科目成绩无法有效结合课堂状态,通常是依据老师的人为评价课堂状态,存在着偏差或失误,同时降低了科目成绩的准确性,数据的可溯性不足的问题,达到了将科目成绩与用户的课堂状态进行融合,能够客观有效地获取用户的课堂状态,提升科目成绩的准确性,可溯性强,保证数据的真实性以及可靠度的技术效果。
本申请实施例提供了一种区块链的数据处理方法及系统,其中,所述方法包括:获得第一用户的第一课堂状态信息;根据所述第一课堂状态信息获得所述第一用户的第一测评信息;获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;根据所述第一权重值,获得所述第一用户的第一综合测评信息;根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;根据所述第二测评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测评信息一一对应;根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;将所有第一用户的测评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。
另一方面,本申请还提供了一种区块链的数据处理系统,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的第一课堂状态信息;第二获得单元:所述第二获得单元用于根据所述第一课堂状态信息获得所述第一用户的第一测评信息;第三获得单元:所述第三获得单元用于获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;第四获得单元:所述第四获得单元用于获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;第五获得单元:所述第五获得单元用于根据所述第一权重值,获得所述第一用户的第一综合测评信息;第一生成单元:所述第一生成单元用于根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;第二生成单元:所述第二生成单元用于根据所述第二测评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测评信息一一对应;第三生成单元:所述第三生成单元用于根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;第一保存单元:所述第一保存单元用于将所有第一用户的测评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。
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:
通过将科目成绩与用户的课堂状态融合起来,使得能够客观有效地获取用户的课堂信息,通过划分课堂状态与考试的权重值,使得学生的成绩评定划分更加清晰,能够更好地进行查漏补缺,进而提高用户的科目成绩。除此之外,对用户的科目成绩进行基于区块链的加密,保证了数据的真实可靠,不被篡改。
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区块链的数据处理方法的流程示意图;
图2为本申请实施例一种区块链的数据处理方法中的所述获得第一用户的第一课堂状态信息的流程示意图;
图3为本申请实施例一种区块链的数据处理方法中的所述获得所述第一用户的第一睡眠信息的流程示意图;
图4为本申请实施例一种区块链的数据处理方法中的所述预设姿态标识信息的流程示意图;
图5为本申请实施例一种区块链的数据处理方法中的从所述P个委托设备中获得第一设备的流程示意图;
图6为本申请实施例一种区块链的数据处理方法中的获得所述第一用户的第三测评信息的流程示意图;
图7为本申请实施例一种区块链的数据处理方法中的所述判断所述第三测评信息是否满足所述第一综合测评信息的流程示意图;
图8为本申请实施例一种区块链的数据处理系统的结构示意图;
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,第三获得单元13,第四获得单元14,第五获得单元15,第一生成单元16,第二生成单元17,第三生成单元18,第一保存单元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区块链的数据处理方法,解决了现有技术中学生的科目成绩无法有效结合课堂状态,通常是依据老师的人为评价课堂状态,存在着偏差或失误,同时降低了科目成绩的准确性,数据的可溯性不足的问题,达到了将科目成绩与用户的课堂状态进行融合,能够客观有效地获取用户的课堂状态,提升科目成绩的准确性,可溯性强,保证数据的真实性以及可靠度的技术效果。
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
考核评定学生学习成绩是教学的基本环节之一,是检查教学效果,加强德育、发展智力、培养能力的重要过程。对学生学习成绩的评定,无论用哪种方式,一定要努力做到全面、客观、公正,使得评定结果反映出学生的真实水平,使得评定起到应有的积极促进作用。由于现有技术中学生的科目成绩无法有效结合课堂状态,通常是依据老师的人为评价课堂状态,存在着偏差或失误,同时降低了科目成绩的准确性,数据的可溯性不足。
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区块链的数据处理方法及系统,其中,所述方法包括:获得第一用户的第一课堂状态信息;根据所述第一课堂状态信息获得所述第一用户的第一测评信息;获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;根据所述第一权重值,获得所述第一用户的第一综合测评信息;根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;根据所述第二测评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测评信息一一对应;根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;将所有第一用户的测评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。
在介绍了本申请基本原理之后,为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种区块链的数据处理方法,其中,所述方法包括:
步骤S100:获得第一用户的第一课堂状态信息;
具体而言:所述第一用户指进行集体学习的用户,涵盖不同阶层、不同年龄段、不同学科等,在此不做具体设定,所述第一课堂状态信息指所述第一用户的上课时的状态信息,观察是否聚精会神的学习或是有开小差等其他的精神状态,通过获得第一用户的第一课堂状态信息,为后续的用户的科目成绩评定埋下基础。
步骤S200:根据所述第一课堂状态信息获得所述第一用户的第一测评信息;
具体而言,所述第一测评信息指根据所述第一用户的课堂上的状态得到的评分,当所述第一用户在课堂认真听讲,表现良好,则所述的第一测评信息较好,当所述第一用户在课堂上没有认真听讲,上课开小差,则所述的第一测评信息较差。
步骤S300:获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;
具体而言,所述第二测评信息不同于所述的第一测评信息,指的是所述第一用户对于试卷测试的测评信息,即对于科目考试的成绩,通过获得所述第一用户的第二测评信息,使得用户对所学知识的掌握度有了清晰地判定,方便进一步的对所学知识进行查漏补缺,及时巩固。
步骤S400:获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;
具体而言,所述第一权重值指所述第一课堂状态信息与所述第一试卷测试信息在科目成绩评定中的相对占比,当所述的第一课堂状态信息占比30%时,则所述的第一试卷测试信息占比70%,通过对科目成绩评定进行权重占比,使得最终的科目成绩评定清晰分明。
步骤S500:根据所述第一权重值,获得所述第一用户的第一综合测评信息;
具体而言,所述第一综合测评信息指根据所述第一权重值计算所述第一用户的总成绩,可具体理解为当第一课堂状态信息评分为80分,第一试卷测试信息评分为90分,按照所述第一课堂状态信息与所述第一试卷测试信息的第一权重占比为3:7时,则所述第一用户的综合测试信息评分则是(80*3+90*7)/10,即最终的综合测试信息的成绩评定为87分。
步骤S600:根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应的;
具体而言,为了保证所述第一测评信息的安全性,使之不被泄露和篡改,对所述第一测评信息的安全性进行基于区块链逻辑的加密处理。进一步可理解为,根据所述第一测评信息生成第一验证码,其中,所述第一验证码是与所述第一测评信息一一对应的。区块链技术是一项具有普适性的底层技术架构,它通过共识机制在分布式节点上生成和同步数据、借助可编程脚本实现合约条款的自动执行和数据操作。区块链被定义为一种按时间顺序来组织数据区块,不同区块之间按序形成链条状连接的数据结构,借助这种数据结构来构建数字账本。
步骤S700:根据所述第二测评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测评信息一一对应;
具体而言,所述第二测评信息为所述第一用户对于试卷测试的测评信息,根据第二测评信息和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测评信息一一对应,通过生成第二验证码为后续的验证码获取埋下铺垫。
步骤S800:根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;
具体而言,根据所述第一综合测评信息与所述第二验证码生成第三验证码,通过将第一测评信息与第一验证码一一对应,第二测评信息与第二验证码一一对应,第一综合测评信息与第三验证码一一对应,直到所述第一用户的所有的测评信息全都验证完毕,存储在区块链上的每一个区块中。
在区块链系统中,每个分布式节点都具有“存储”功能,用于保存账本数据和用户交易等信息,每笔交易和结果需要通过“P2P网络”共享给其他节点,节点在接收到数据后并不是直接保存下来,而是通过“共识机制”对数据进行验证,成功后保存到账本中,一旦保存下来就“不可篡改”。
步骤S900:将所有第一用户的测评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,将所有第一用户的测评信息和验证码分别复制保存在一个区块链上的M台设备上,其中,每个设备对应于一个节点。所有区块组合起来形成了区块链,这样的区块链就构成了一个便于验证(只要验证最后一个区块的Hash值就相当于验证了整个版本),不可更改(任何一个交易信息的更改,会让所有之后的区块的Hash值发生变化,这样在验证时就无法通过)的总账本。
区块链系统采用分布式数据形式,让每一个参与节点都能够获得一份完整的数据库备份,除非能够同时控制整个系统中51%的节点,否则单个节点对数据库的修改是无效的,也无法影响其他节点上的数据内容。因此,参与系统中的节点越多,算力越强,系统中的数据安全性也就越高。基于区块链加密的密钥的生成与存储,有效保证了所述第一用户的测评信息的安全性。
如图2所示,所述获得第一用户的第一课堂状态信息,步骤S100还包括:
步骤S110:获得所述第一用户的第一图像信息;
步骤S120: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、预设姿态标识信息以及预设表情标识信息;
步骤S130: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课堂专注度等级信息;
步骤S140:获得所述第一用户的第一睡眠信息;
步骤S150:根据所述第一用户的课堂专注度等级信息与所述第一用户的第一睡眠信息,获得所述第一用户的第一课堂状态信息。
具体而言,所述第一图像信息是指通过教室或者线上授课时的摄像头获取用户的上课图像信息,通过将所述第一图像信息、预设姿态标识信息以及预设表情标识信息输入训练模型进行训练来获得所述第一用户的课堂专注度等级信息,可具体理解为根据用户的坐姿以及上课时的表情信息,获取用户上课的专注度等级信息。
具体而言,所述训练模型是一个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。在本申请实施例中,将所述第一图像信息、预设姿态标识信息以及预设表情标识信息输入神经网络模型,用预设的姿态标识信息和表情标识信息对所述神经网络模型进行训练。
进一步来说,所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一图像信息、预设姿态标识信息以及预设表情标识信息。通过输入第一用户的所述第一图像信息、预设姿态标识信息以及预设表情标识信息,神经网络模型会输出所述第一用户的课堂专注度等级信息,通过将所述输出信息与所述起标识作用的预设姿态信息和预设表情信息进行校验,如果所述输出信息与所述起标识作用的预设姿态信息和预设表情信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的预设姿态信息和预设表情信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的预设姿态信息和预设表情信息要求相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而使得所述第一用户的课堂专注度等级信息的获得更加精确。
进一步,还可通过获得所述第一用户的第一睡眠信息,综合所述第一用户的课堂专注度等级信息,来获得所述第一用户的第一课堂状态信息。所述第一睡眠信息可具体理解为用户前一天晚上的睡眠状况,好的睡眠质量有助于第二天的听课效率,不好的睡眠质量不利于听课效率,因此结合所述第一用户的第一睡眠信息可以更加明确地获得所述第一用户的第一课堂状态信息。
如图3所示,获得所述第一用户的第一睡眠信息,步骤S140还包括:
步骤S141: 获得所述第一用户的第一体温信息;
步骤S142:根据所述第一体温信息获得所述第一用户的第一身体状况信息;
步骤S143:获得所述第一用户所处的第一环境因素信息;
步骤S144: 根据所述第一环境因素信息与所述第一身体状况信息,获得所述第一用户的第一睡眠信息。
具体而言,获得所述第一用户的第一睡眠信息可结合用户的身体情况,是否出现感冒发烧的症状以及外在的环境因素,如天气过热或过冷,导致睡眠状况差等。所述第一体温信息指用户的体表温度,根据所述第一体温信息获得所述第一用户的第一身体状况信息,所述第一环境因素信息指用户睡觉时周围的环境,是否天气过冷或过热等,结合所述第一环境因素信息与所述第一身体状况信息,获得所述第一用户的第一睡眠信息,进而判断所述第一用户的睡眠信息对第二天听课效率的影响。
如图4所示,获得所述预设姿态标识信息,步骤S120还包括:
步骤S121:获得所述第一用户的第一动作信息;
步骤S122:获得所述第一用户持续所述第一动作的第一时间段信息;
步骤S123:判断所述第一时间段信息是否超过第一预设阈值;
步骤S124:当所述第一时间段信息超过第一预设阈值时,根据所述第一动作信息确定预设姿态标识信息。
具体而言,所述预设姿态标识信息指给所述第一用户预设一个上课时的姿态,有端坐时的姿态,有做小动作的、低头的、转身的、趴着的姿态等,获得所述第一用户的第一动作信息,进而获得所述第一用户持续所述第一动作的第一时间段信息,再判断所述第一时间段信息是否超过第一预设阈值,所述第一预设阈值指设定一个时间的阈值,可具体理解为设置第一用户端坐的时间为30min,设置做其他小动作的时间为5min等,当所述第一时间段信息超过第一预设阈值时,根据所述第一动作信息确定预设姿态标识信息,即所述第一用户保持端坐的姿态超过30min可确定预设姿态的标识信息为端坐,当所述第一用户保持做小动作的时间超过5min可确定预设姿态的标识信息为做小动作。
如图5所示,为了保证去中心化区块链系统的安全、有效和稳定运行,本申请实施例还包括:
步骤S1010:将所述第一测评信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
步骤S1020: 根据所述第一区块记账时间,获得所述P个委托设备,其中,所述P个委托设备为所述M台设备将记账权限委托给其他设备后形成的具有记账权限的设备;
步骤S1030:从所述P个委托设备中获得第一设备;
步骤S1040:将所述记账权限发送给所述第一设备,且所述第一设备执行所述第一区块的记账权限。
具体而言,将所述第一测评信息和所述第一验证码作为第一区块,所述第一区块记账时间为第一区块需要记录的时间,所述P个委托设备为所述M台设备将记账权限委托给其他设备后形成的具有记账权限的设备,所述第一设备为所述P个委托设备中的运力最大一个设备,根据运算能力的大小,从所述P个委托设备中获得最优的第一设备进行数据的运算、核对以及存储等,所述第一设备执行所述第一区块的记账权限。
如图6所示,为了获得更加精确地第一用户的综合成绩的考评,本申请实施例还包括:
步骤S1110:获得所述第一用户的第三测评信息,其中,所述第三测评信息为所述第一用户的课后作业的测评信息;
步骤S1120:判断所述第三测评信息是否满足所述第一综合测评信息;
步骤S1130:当所述第三测评信息满足所述第一综合测评信息时,获得所述第一用户的第一考勤信息;
步骤S1140:判断所述第一用户的第一考勤信息是否满足第二预设阈值;
步骤S1150:当所述第一用户的第一考勤信息不满足第二预设阈值时,根据所述第一考勤信息修正所述第一综合测评信息。
具体而言,所述第三测评信息为所述第一用户的课后作业的测评信息,通过将所述第三测评信息与所述第一综合测评信息进行比较,判断所述第一用户的课后作业的测评信息是否满足所述的第一综合测评信息,当所述第三测评信息满足所述第一综合测评信息时,即第一用户的课后作业的测评信息满足所述的第一综合测评信息,获得所述第一用户的第一考勤信息,所述的第一考勤信息可理解为所述第一用户上课和下课时的考勤打卡,所述第二预设阈值可理解为预设的正常的上课和下课打卡时限,判断所述第一用户的第一考勤信息是否满足第二预设阈值,即判断所述第一用户是否在正常的时限内打卡,是否有迟到或者早退,当所述第一用户的第一考勤信息不满足第二预设阈值时,根据所述第一考勤信息修正所述第一综合测评信息,即所述第一用户存在上课迟到或者下课早退时,根据所述的第一用户的第一考勤信息对第一综合测评信息进行修正。
如图7所示,判断所述第三测评信息是否满足所述第一综合测评信息,步骤S1120还包括:
步骤S1121:当所述第三测评信息不满足所述第一综合测评信息时,获得第一修改指令;
步骤S1122:根据所述第一修改指令,获得所述第一课堂状态信息、所述第一试卷测试信息以及课后作业的第二权重值;
步骤S1123:根据所述第二权重值,对所述第一综合测评信息进行修改。
具体而言,当所述第三测评信息不满足所述第一综合测评信息时,即第一用户的课后作业的测评信息不满足所述的第一综合测评信息,获得第一修改指令,所述第一修改指令用来修改第一综合测评信息,进而获得所述第一课堂状态信息、所述第一试卷测试信息、课后作业这三者之间的第二权重占比,通过重新划分的第二权重值,重新计算得到新的综合测评信息,进一步可以理解为划分三者的权重占比为2:6:2,通过三者的各项测评的实际得分,进而计算出最终的新的综合测评信息。
综上所述,本申请实施例所提供的一种基于生物识别技术的区块链密钥生成方法及系统具有如下技术效果:
1、通过将科目成绩与用户的课堂状态融合起来,使得能够客观有效地获取用户的课堂信息,通过划分课堂状态与考试的权重值,使得学生的成绩评定划分更加清晰,能够更好地进行查漏补缺,进而提高用户的科目成绩。除此之外,对用户的科目成绩进行基于区块链的加密,保证了数据的真实可靠,不被篡改。
2、通过判断第三测评信息即所述第一用户的课后作业的测评信息是否满足第一综合测评信息,使得所述第一用户的综合测评信息更加真实可靠,进而与所述第一用户的上课下课的第一考勤信息结合起来,使得最终的综合测评信息不断地进行修正,达到所述第一用户最真实的成绩测评,有效提升了数据的真实性和可追溯性。
实施例二
基于与前述实施例中一种区块链的数据处理方法同样发明构思,本发明还提供了一种区块链的数据处理系统,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课堂状态信息;
第二获得单元12:所述第二获得单元12用于根据所述第一课堂状态信息获得所述第一用户的第一测评信息;
第三获得单元13:所述第三获得单元13用于获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;
第四获得单元14:所述第四获得单元14用于获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;
第五获得单元15:所述第五获得单元15用于根据所述第一权重值,获得所述第一用户的第一综合测评信息;
第一生成单元16:所述第一生成单元16用于根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;
第二生成单元17:所述第二生成单元17用于根据所述第二测评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测评信息一一对应;
第三生成单元18:所述第三生成单元18用于根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;
第一保存单元19:所述第一保存单元19用于将所有第一用户的测评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:
第六获得单元:所述第六获得单元用于获得所述第一用户的第一图像信息;
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、预设姿态标识信息以及预设表情标识信息;
第七获得单元:所述第七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课堂专注度等级信息;
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睡眠信息;
第九获得单元:所述第九获得单元用于根据所述第一用户的课堂专注度等级信息与所述第一用户的第一睡眠信息,获得所述第一用户的第一课堂状态信息。
进一步的,所述装置还包括:
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第一体温信息;
第十一获得单元:所述第十一获得单元用于根据所述第一体温信息获得所述第一用户的第一身体状况信息;
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所处的第一环境因素信息;
第十三获得单元:所述第十三获得单元用于根据所述第一环境因素信息与所述第一身体状况信息,获得所述第一用户的第一睡眠信息。
进一步的,所述装置还包括:
第十四获得单元:所述第十四获得单元用于获得所述第一用户的第一动作信息;
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持续所述第一动作的第一时间段信息;
第一判断单元:所述第一判断单元用于判断所述第一时间段信息是否超过第一预设阈值;
第一确定单元:所述第一确定单元用于当所述第一时间段信息超过第一预设阈值时,根据所述第一动作信息确定预设姿态标识信息。
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将所述第一测评信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
第十七获得单元:所述第十七获得单元用于根据所述第一区块记账时间,获得所述P个委托设备,其中,所述P个委托设备为所述M台设备将记账权限委托给其他设备后形成的具有记账权限的设备;
第十八获得单元:所述第十八获得单元用于从所述P个委托设备中获得第一设备;
第一发送单元:所述第一发送单元用于将所述记账权限发送给所述第一设备,且所述第一设备执行所述第一区块的记账权限。
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三测评信息,其中,所述第三测评信息为所述第一用户的课后作业的测评信息;
第二判断单元:所述第二判断单元用于判断所述第三测评信息是否满足所述第一综合测评信息;
第二十获得单元:所述第二十获得单元用于当所述第三测评信息满足所述第一综合测评信息时,获得所述第一用户的第一考勤信息;
第三判断单元:所述第三判断单元用于判断所述第一用户的第一考勤信息是否满足第二预设阈值;
第一修正单元:所述第一修正单元用于当所述第一用户的第一考勤信息不满足第二预设阈值时,根据所述第一考勤信息修正所述第一综合测评信息。
进一步的,所述装置还包括:
第二十一获得单元:所述第二十一获得单元用于当所述第三测评信息不满足所述第一综合测评信息时,获得第一修改指令;
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修改指令,获得所述第一课堂状态信息、所述第一试卷测试信息以及课后作业的第二权重值;
第一修改单元:所述第一修改单元用于根据所述第二权重值,对所述第一综合测评信息进行修改。
前述图1实施例一中的一种区块链的数据处理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区块链的数据处理系统,通过前述对一种区块链的数据处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中的一种区块链的数据处理系统的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
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的一种区块链的数据处理方法的发明构思,本发明还提供的一种区块链的数据处理系统,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的一种基于生物识别技术的区块链密钥生成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。
本申请实施例提供了一种区块链的数据处理方法及系统,其中,所述方法包括:获得第一用户的第一课堂状态信息;根据所述第一课堂状态信息获得所述第一用户的第一测评信息;获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;根据所述第一权重值,获得所述第一用户的第一综合测评信息;根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;根据所述第二测评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测评信息一一对应;根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;将所有第一用户的测评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。
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)
1.一种区块链的数据处理方法,其中,所述方法包括:
获得第一用户的第一课堂状态信息;
根据所述第一课堂状态信息获得所述第一用户的第一测评信息;
获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;
获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;
根据所述第一权重值,获得所述第一用户的第一综合测评信息;
根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;
根据所述第二测评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测评信息一一对应;
根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;
将所有第一用户的测评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,所述获得第一用户的第一课堂状态信息,包括:
获得所述第一用户的第一图像信息;
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、预设姿态标识信息以及预设表情标识信息;
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课堂专注度等级信息;
获得所述第一用户的第一睡眠信息;
根据所述第一用户的课堂专注度等级信息与所述第一用户的第一睡眠信息,获得所述第一用户的第一课堂状态信息。
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睡眠信息,包括:
获得所述第一用户的第一体温信息;
根据所述第一体温信息获得所述第一用户的第一身体状况信息;
获得所述第一用户所处的第一环境因素信息;
根据所述第一环境因素信息与所述第一身体状况信息,获得所述第一用户的第一睡眠信息。
4.如权利要求2所述的方法,其中,所述预设姿态标识信息,包括:
获得所述第一用户的第一动作信息;
获得所述第一用户持续所述第一动作的第一时间段信息;
判断所述第一时间段信息是否超过第一预设阈值;
当所述第一时间段信息超过第一预设阈值时,根据所述第一动作信息确定预设姿态标识信息。
5.如权利要求1所述的方法,其中,所述方法还包括:
将所述第一测评信息和所述第一验证码作为第一区块,获得所述第一区块的记账时间,其中,所述第一区块的记账时间表示所述第一区块需要记录的时间;
根据所述第一区块记账时间,获得所述P个委托设备,其中,所述P个委托设备为所述M台设备将记账权限委托给其他设备后形成的具有记账权限的设备;
从所述P个委托设备中获得第一设备;
将所述记账权限发送给所述第一设备,且所述第一设备执行所述第一区块的记账权限。
6.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一用户的第三测评信息,其中,所述第三测评信息为所述第一用户的课后作业的测评信息;
判断所述第三测评信息是否满足所述第一综合测评信息;
当所述第三测评信息满足所述第一综合测评信息时,获得所述第一用户的第一考勤信息;
判断所述第一用户的第一考勤信息是否满足第二预设阈值;
当所述第一用户的第一考勤信息不满足第二预设阈值时,根据所述第一考勤信息修正所述第一综合测评信息。
7.如权利要求6所述的方法,其中,所述判断所述第三测评信息是否满足所述第一综合测评信息,还包括:
当所述第三测评信息不满足所述第一综合测评信息时,获得第一修改指令;
根据所述第一修改指令,获得所述第一课堂状态信息、所述第一试卷测试信息以及课后作业的第二权重值;
根据所述第二权重值,对所述第一综合测评信息进行修改。
8.一种区块链的数据处理系统,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的第一课堂状态信息;
第二获得单元:所述第二获得单元用于根据所述第一课堂状态信息获得所述第一用户的第一测评信息;
第三获得单元:所述第三获得单元用于获得所述第一用户的第二测评信息,其中,所述第二测评信息是所述第一用户对于试卷测试的测评信息;
第四获得单元:所述第四获得单元用于获得所述第一课堂状态信息与所述第一试卷测试信息的第一权重值;
第五获得单元:所述第五获得单元用于根据所述第一权重值,获得所述第一用户的第一综合测评信息;
第一生成单元:所述第一生成单元用于根据所述第一测评信息生成第一验证码,其中,所述第一验证码与所述第一测评信息一一对应;
第二生成单元:所述第二生成单元用于根据所述第二测评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测评信息一一对应;
第三生成单元:所述第三生成单元用于根据所述第一综合测评信息与所述第二验证码生成第三验证码,其中,所述第三验证码与所述第一综合测评信息一一对应;
第一保存单元:所述第一保存单元用于将所有第一用户的测评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。
9.一种区块链的数据处理系统,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 |
---|---|---|---|
CN202010839513.7A CN112084510A (zh) | 2020-08-19 | 2020-08-19 | 一种区块链的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010839513.7A CN112084510A (zh) | 2020-08-19 | 2020-08-19 | 一种区块链的数据处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112084510A true CN112084510A (zh) | 2020-12-15 |
Family
ID=73729386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010839513.7A Pending CN112084510A (zh) | 2020-08-19 | 2020-08-19 | 一种区块链的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084510A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113017629A (zh) * | 2021-02-26 | 2021-06-25 | 天津微迪加科技有限公司 | 一种基于情绪斯特鲁普效应的人群危险性评估方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052277A (zh) * | 2017-12-14 | 2018-05-18 | 深圳市艾德互联网络有限公司 | 一种ar定位学习方法和装置 |
CN108172051A (zh) * | 2018-01-24 | 2018-06-15 | 山东科技大学 | 一种体育课教学方法和装置 |
CN109035879A (zh) * | 2018-07-26 | 2018-12-18 | 张家港市青少年社会实践基地 | 一种青少年智能机器人教学方法和装置 |
CN109636219A (zh) * | 2018-12-20 | 2019-04-16 | 众安信息技术服务有限公司 | 基于区块链的评分方法及装置 |
CN110675676A (zh) * | 2019-10-14 | 2020-01-10 | 江苏食品药品职业技术学院 | 一种基于微信小程序的课堂教学及时评分方法 |
CN111145059A (zh) * | 2019-12-31 | 2020-05-12 | 安徽爱学堂教育科技有限公司 | 一种学生学习态度评估方法与系统 |
CN111242515A (zh) * | 2020-03-05 | 2020-06-05 | 长沙师范学院 | 一种基于教育大数据的课堂教学质量测评系统及测评方法 |
-
2020
- 2020-08-19 CN CN202010839513.7A patent/CN112084510A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052277A (zh) * | 2017-12-14 | 2018-05-18 | 深圳市艾德互联网络有限公司 | 一种ar定位学习方法和装置 |
CN108172051A (zh) * | 2018-01-24 | 2018-06-15 | 山东科技大学 | 一种体育课教学方法和装置 |
CN109035879A (zh) * | 2018-07-26 | 2018-12-18 | 张家港市青少年社会实践基地 | 一种青少年智能机器人教学方法和装置 |
CN109636219A (zh) * | 2018-12-20 | 2019-04-16 | 众安信息技术服务有限公司 | 基于区块链的评分方法及装置 |
CN110675676A (zh) * | 2019-10-14 | 2020-01-10 | 江苏食品药品职业技术学院 | 一种基于微信小程序的课堂教学及时评分方法 |
CN111145059A (zh) * | 2019-12-31 | 2020-05-12 | 安徽爱学堂教育科技有限公司 | 一种学生学习态度评估方法与系统 |
CN111242515A (zh) * | 2020-03-05 | 2020-06-05 | 长沙师范学院 | 一种基于教育大数据的课堂教学质量测评系统及测评方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113017629A (zh) * | 2021-02-26 | 2021-06-25 | 天津微迪加科技有限公司 | 一种基于情绪斯特鲁普效应的人群危险性评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Finney et al. | Overview of estimation methods and preconditions for their application with structural equation modeling | |
CN106960245A (zh) | 一种基于认知过程链的个体知识评价方法及系统 | |
CN112085560A (zh) | 一种基于云计算的智能教育方法及系统 | |
CN112232891B (zh) | 一种基于大数据分析的客户匹配方法和装置 | |
Ben-Zeev | The nature and origin of rational errors in arithmetic thinking: Induction from examples and prior knowledge | |
Barón et al. | Assessment of learning in environments interactive through fuzzy cognitive maps | |
Pedamallu et al. | A system dynamics model for improving primary education enrollment in a developing country | |
CN112084510A (zh) | 一种区块链的数据处理方法及系统 | |
Cheng | Computerized adaptive testing—new developments and applications | |
Finkelman et al. | Automated test assembly for cognitive diagnosis models using a genetic algorithm | |
CN111815489B (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
Afanasyev et al. | Organization, development and implementation of intelligent learning environments | |
TWM468100U (zh) | 同儕互評系統 | |
Guo et al. | MTIRL: Multi-trainer interactive reinforcement learning system | |
CN112241851B (zh) | 一种基于大数据的教学内容评测方法及装置 | |
Carbonara et al. | Incentivizing Peer Grading in MOOCS: An Audit Game Approach. | |
CN112905758B (zh) | 一种基于电话机器人的智能培训管理方法及系统 | |
Genale et al. | Big data analysis for knowledge based on machine learning using classification algorithm | |
Chen et al. | Research on Cognitive Diagnostic Model Based on BP Neural Network | |
Yuan et al. | Analyzing the impact of educators’ ability to develop student’s skills in the digital era using fuzzy models | |
Anderson et al. | Classes to passes: Is class attendance a determinant of grades in undergraduate engineering subjects? | |
Hennig | Probability Models in Statistical Data Analysis: Uses, Interpretations, Frequentism-as-Model | |
Yue et al. | Combine DGBL With AI System: A Technical Guidance to Reduce Teacher's Burden in Digital Game-Based Learning | |
Okamoto | A developmental analysis of children's knowledge and processes for solving arithmetic word problems | |
Robledo-Castro et al. | Is It Possible to Improve the Development of Executive Functions in Children by Teaching Computational Thinking? |
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: 20201215 |