CN112085560A - 一种基于云计算的智能教育方法及系统 - Google Patents
一种基于云计算的智能教育方法及系统 Download PDFInfo
- Publication number
- CN112085560A CN112085560A CN202010839508.6A CN202010839508A CN112085560A CN 112085560 A CN112085560 A CN 112085560A CN 202010839508 A CN202010839508 A CN 202010839508A CN 112085560 A CN112085560 A CN 112085560A
- Authority
- CN
- China
- Prior art keywords
- information
- course
- user
- level
- obtaining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012549 training Methods 0.000 claims abstract description 77
- 238000012795 verification Methods 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 37
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000003062 neural network model Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Marketing (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (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云计算的智能教育方法及系统:获得第一用户的第一基本属性信息;获得所述第一用户的第一需求信息;将所述第一基本属性信息与所述第一需求信息输入训练模型,所述训练模型通过多组训练数据训练获得,每一组训练数据均包括:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;获得所述训练模型的输出信息,根据所述第一课程等级信息获得第一课时信息;获得所述第一用户的时间规划信息;当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。达到结合用户属性与需求,为用户提供个性化教育服务,以便达到预期学习效果,进而提升用户体验感的技术效果。
Description
技术领域
本发明涉及智能教育领域,尤其涉及一种基于云计算的智能教育方法及系统。
背景技术
在线教育顾名思义,是以网络为介质的教学方式,通过网络,学员与教师即使相隔万里也可以开展教学活动;此外,借助网络课件,学员还可以随时随地进行学习,真正打破了时间和空间的限制。
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:
现有技术中为用户匹配在线教育课程的针对性不强,个性化程度低,对于时间的规划率较低,导致学习效率差的技术问题。
发明内容
本申请实施例通过提供一种基于云计算的智能教育方法及系统,解决了现有技术中为用户匹配在线教育课程的针对性不强,个性化程度低,对于时间的规划率较低,导致学习效率差的技术问题,达到结合用户属性与需求,为用户提供个性化教育服务,针对性强,以便达到预期学习效果,进而提升用户体验感的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于云计算的智能教育方法及系统。
第一方面,本申请实施例提供了一种基于云计算的智能教育方法,所述方法包括:获得第一用户的第一基本属性信息;获得所述第一用户的第一需求信息;将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;根据所述第一课程等级信息获得第一课时信息;获得所述第一用户的时间规划信息;判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
另一方面,本申请还提供了一种基于云计算的智能教育系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一用户的第一基本属性信息;第二获得单元,所述第二获得单元用于获得所述第一用户的第一需求信息;第一输入单元,所述第一输入单元用于将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;第三获得单元,所述第三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;第四获得单元,所述第四获得单元用于根据所述第一课程等级信息获得第一课时信息;第五获得单元,所述第五获得单元用于获得所述第一用户的时间规划信息;第一判断单元,所述第一判断单元用于判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;第六获得单元,所述第六获得单元用于当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
第三方面,本发明提供了一种基于云计算的智能教育系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了结合第一用户的基本属性信息和第一需求信息,将所述第一基本属性信息与所述第一需求信息输入训练模型,输出第一课程等级信息,综合考虑第一用户的时间规划信息与第一课程课时信息后,推荐第一课程给所述第一用户的方式,基于训练模型不断自我修正调整的逻辑,使得获得的第一课程的等级信息更加符合所述第一用户需求的知识等级,进而为用户提供个性化教育服务,以便达到预期学习效果,进而提升用户体验感的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于云计算的智能教育方法的流程示意图;
图2为本申请实施例一种基于云计算的智能教育方法中获得准确的标识课程等级的标识信息的流程示意图;
图3为本申请实施例一种基于云计算的智能教育方法中进一步获得用来标识课程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云计算的智能教育方法中获得更准确的标识课程等级的标识信息的流程示意图;
图5为本申请实施例一种基于云计算的智能教育方法中获得所述第一用户的第一需求信息的流程示意图;
图6为本申请实施例一种基于云计算的智能教育方法中获得所述第一用户的第一需求信息的流程示意图;
图7为本申请实施例一种基于云计算的智能教育方法中对所述第一用户的需求信息进行加密处理的流程示意图;
图8为本申请实施例一种基于云计算的智能教育方法中获得第一推荐课程的流程示意图;
图9为本申请实施例一种基于云计算的智能教育系统的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第一输入单元13,第三获得单元14,第四获得单元15,第五获得单元16,第一判断单元17,第六获得单元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云计算的智能教育方法及系统,解决了现有技术中为用户匹配在线教育课程的针对性不强,个性化程度低,对于时间的规划率较低,导致学习效率差的技术问题,达到结合用户属性与需求,为用户提供个性化教育服务,针对性强,以便达到预期学习效果,进而提升用户体验感的技术效果。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
在线教育顾名思义,是以网络为介质的教学方式,通过网络,学员与教师即使相隔万里也可以开展教学活动;此外,借助网络课件,学员还可以随时随地进行学习,真正打破了时间和空间的限制。但现有技术中为用户匹配在线教育课程的针对性不强,个性化程度低,对于时间的规划率较低,导致学习效率差的技术问题。
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云计算的智能教育方法,所述方法包括:获得第一用户的第一基本属性信息;获得所述第一用户的第一需求信息;将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;根据所述第一课程等级信息获得第一课时信息;获得所述第一用户的时间规划信息;判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
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云计算的智能教育方法,其中,所述方法包括:
步骤S100:获得第一用户的第一基本属性信息;
具体而言,所述第一用户为有意向学习课程的用户,所述第一基本属性信息为所述第一用户的相关的属性信息,比如第一用户的身份信息,年龄,性别,职业,专业,性格等相关信息。通过对所述第一用户的基本属性信息的获得,为后续个性化为所述第一用户定制课程提供了相应的基础资料。
步骤S200:获得所述第一用户的第一需求信息;
具体而言,所述第一需求信息为所述第一用户根据自己的当前状态或是工作要求,或是想为人生的履历添上一笔与众不同的知识储备而产生的需求信息,通过获得第一客户的需求信息,才好为其定制个性化的相应的课程信息。举例而言,当所述第一用户想学小学数学,根据用户需求的小学数学推荐给所述第一用户相应的小学数学的相关课程信息,而不是简单地了解所述第一用户想学数学,然后推荐了一套高数课程给所述第一用户,通过对所述第一用户的需求的获得,为后续定制个性化课程给所述第一用户夯实了基础。
步骤S300:将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;
具体而言,所述第一训练模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks),是对人类大脑系统的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据集的训练,将所述第一基本属性信息、所述第一需求信息输入神经网络模型,则输出第一课程等级信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息,将所述第一基本属性信息、所述第一需求信息输入到神经网络模型中,所述神经网络模型输出第一课程等级信息,判断所述输出信息与用来标识课程等级的标识信息是否一致,如一致,进行下一组数据的监督学习;如果所述输出信息与用来标识课程等级的标识信息不一致,则所述神经网络模型进行自我修正、调整,直至获得的输出信息与用来标识课程等级的标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入数据更加准确,进而使得输出的第一课程等级信息更加准确,进而根据第一课程等级信息深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
步骤S400:获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;
具体而言,第一课程等级信息为按照某一标准按区分的高下差别课程的信息。举例而言,高一物理课根据学习的深度不同,可分为基础物理课程等级,冲刺物理课程等级,根据第一用户的需求及期望掌握知识、现已掌握知识的不同,为所述第一用户匹配相对应的第一课程等级信息,达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
步骤S500:根据所述第一课程等级信息获得第一课时信息;
具体而言,所述第一课时信息是指第一课程等级对应的总课时信息,所述第一课时信息包含所述第一课程在每天的课时安排的相关的课程时间信息。
步骤S600:获得所述第一用户的时间规划信息;
具体而言,所述时间规划信息为所述第一用户根据事情的轻重缓急及类别不同进行的在一定时间内的相关的规划信息。此处的时间规划为所述第一用户对学习本次课程预先决定付出的时间的规划信息,通过对所述第一课时信息与所述第一用户的时间规划信息的比对,进而判断所述第一用户的时间规划与所述课时安排是否合适,根据时间规划信息及课时信息相互之间的关系,为所述第一用户定制更加合适的课程,进而达到提高所述第一用户学习效果的技术效果。
步骤S700:判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;
具体而言,所述预设条件为预先设定的根据大数据获得的所述第一用户的时间规划信息与所述第一课时的某一匹配度值。举例而言,第一预设条件是第一用户的时间规划与第一课时信息的匹配度达到85%,第一用户的时间规划是用30天学习完所述课程,而第一课时需要40天学习,则所述第一用户的时间规划与所述第一课时匹配度为75%,未达到第一预设条件,则为所述第一用户推荐其他课程或对所述当前课程进行某些适应性调整。
步骤S800:当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
具体而言:当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,则表明所述第一课程适合所述第一用户,为所述第一用户推荐第一课程。达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
如图2所示,为了获得准确的标识课程等级的标识信息,本申请实施例S300还包括:
步骤S310:获得第一课程的第一难度系数;
步骤S320:判断所述第一课程的第一难度系数是否超过第一预设阈值;
步骤S330:当所述第一课程的第一难度系数超过第一预设阈值时,获得所述第一课程的第一知识体系信息;
步骤S340:将所述第一课程的第一难度系数与所述第一课程的第一知识体系进行匹配,获得用来标识课程等级的标识信息。
具体而言,所述第一难度系数为反应第一课程难易程度的数据,与难度不同,难度系数越大,则表明所述课程越简单易学。所述第一预设阈值为根据课程难易程度预先设定的衡量课程难易程度的预设阈值。所述知识体系信息为根据知识的脉络整理获得的知识的相关的信息,主要分为基础段知识体系信息与冲刺段知识体系信息。当所述第一课程的第一难度系数超过第一预设阈值时,获得第一课程的第一知识体系信息,所述第一知识体系信息为基础段知识体系信息,根据所述第一课程的第一难度系数与第一知识体系信息进行匹配,获得更加准确、细化的标识课程等级的标识信息。通过对所述标识课程等级的标识信息进行细化处理的获得,进而保证所述标识信息更加准确,进而获得更加准确的训练模型输出准确的第一课程等级信息,为所述第一用户定制更加合适的课程,进而达到提高所述第一用户学习效果的技术效果。
如图3所示,将所述第一课程的第一难度系数与所述第一课程的第一知识体系进行匹配,获得用来标识课程等级的标识信息,本申请实施例步骤S340还包括:
步骤S341:根据所述第一课程的第一难度系数,获得所述第一课程的一级难度系数和二级难度系数,其中,所述一级难度系数比所述二级难度系数的难度大;
步骤S342:根据所述第一课程的第一知识体系,获得所述第一课程的基础段知识体系和冲刺段知识体系;
步骤S343:将所述第一课程的一级难度系数与所述第一课程的基础段知识体系进行匹配,获得初级课程等级信息;
步骤S344:将所述第一课程的二级难度系数与所述第一课程的冲刺段知识体系进行匹配,获得高阶课程等级信息;
步骤S345:根据所述初级课程等级信息和所述高阶课程等级信息,获得用来标识课程等级的标识信息。
具体而言,根据所述第一课程的第一难度系数,获得所述第一课程的一级难度系数和二级难度系数,且所述一级难度系数大于二级难度系数,根据所述一级难度系数匹配对应的知识体系为第一课程的基础段知识体系,获得初级课程等级信息;根据所述二级难度系数匹配对应的知识体系为第一课程的冲刺段知识体系,获得高阶课程等级信息。根据所述初级课程等级信息和所述高阶课程等级信息,获得用来标识课程等级的标识信息。
如图4所示,为了获得更准确的标识课程等级的标识信息,本申请实施例步骤S340还包括:
步骤S346:根据所述一级难度系数和所述二级难度系数,获得所述第一课程的三级难度系数,其中,所述三级难度系数为所述一级难度系数和所述二级难度系数的中间值难度系数;
步骤S347:根据所述基础段知识体系和所述冲刺段知识体系,获得所述第一课程的强化段知识体系,其中,所述强化段知识体系为所述基础段知识体系和所述冲刺段知识体系的中间段知识体系;
步骤S348:将所述第一课程的三级难度系数与所述第一课程的强化段知识体系匹配,获得中级课程等级信息,将所述中级课程等级信息加入所述用来标识课程等级的标识信息。
具体而言,为了进一步的细化所述标识课程等级的标识信息,进而获得更加准确的训练模型输出第一课程等级信息,对所述难度系数及知识体系进一步细分。获得三级难度系数,所述三级难度系数为所述一级难度系数和所述二级难度系数的中间值难度系数;获得所述第一课程的强化段知识体系,所述第一课程的强化段知识体系为所述基础段知识体系和所述冲刺段知识体系的中间段知识体系。将所述第一课程的三级难度系数与所述第一课程的强化段知识体系匹配,获得中级课程等级信息,将所述中级课程等级信息加入所述用来标识课程等级的标识信息。通过进一步的细化标识课程等级的标识信息,进而获得更加准确的训练模型输出第一课程等级信息,对所述第一课程等级信息准确的判断,进而为所述第一用户匹配相对应的第一课程等级信息,达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
如图5所示,获得所述第一用户的第一需求信息,本申请实施例步骤S200还包括:
步骤S210:获得所述第一用户的第一语音信息或第一文字信息;
步骤S220:根据所述第一语音信息或所述第一文字信息,获得第一关键词信息;
步骤S230:根据所述第一关键词信息,获得所述第一用户的第一需求信息。
具体而言,所述关键词信息为能够准确判断用户需求的关键的信息。根据第一用户的语音信息或文字信息,获取第一用户的需求关键词,通过所述关键词,准确的判断出所述第一用户的第一需求信息,通过获得第一客户的需求信息,才好为其定制个性化的相应的课程信息,为后续定制个性化课程给所述第一用户夯实了基础。
如图6所示,获得所述第一用户的第一需求信息,所述步骤S230还包括:
步骤S231:获得所述第一用户的第一需求信息,并根据所述第一需求信息生成第一验证码,其中,所述第一验证码与所述第一需求信息一一对应;
步骤S232:获得所述第一用户的第二需求信息,并根据所述第二需求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需求信息一一对应;
步骤S233:以此类推,获得所述第一用户的第N需求信息,并根据所述第N需求信息与第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需求信息一一对应,且N为大于1的自然数;
步骤S234: 将所有第一用户的需求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需求信息,获得与第一需求信息一一对应的第一验证码;根据第二需求信息和第一验证码生成的第二验证码;以此类推,根据第N需求信息和第N-1验证码生成的第N验证码,其中,N为大于1的自然数。将所有第一用户的需求信息和验证码分别复制保存在M台设备上,其中,所述第一需求信息和所述第一验证码作为第一区块保存在一台设备上,所述第二需求信息和所述第二验证码作为第二区块保存在一台设备上···所述第N需求信息和所述第N验证码作为第N区块保存在一台设备上,当需要调用所述训练数据时,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,通过哈希函数对于每一存储单位进行串接,使得所述训练数据不易丢失和遭到破坏,通过区块链的逻辑对所述训练数据进行加密处理,保证了所述训练数据的安全性,并存储于多台设备上,所述存储于多台设备上的数据通过共识机制进行处理,即少数服从多数,当一台或多台设备被篡改时,只要存储正确数据的设备数量大于被篡改的设备数量,则获得的训练数据仍然是正确的,进一步的保证了需求信息的安全性。为后续通过所述用户的需求信息定制个性化的课程奠定基础。
如图7所示,对所述第一用户的需求信息进行加密处理,所述步骤S230还包括:
步骤S235:将所述第一需求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S236:根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
步骤S237:将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限;
具体而言,将所述第一需求信息和所述第一验证码作为第一区块,将不能在预定时间内完成记录所述第一区块的设备排除,获得M台设备中记录第一区块运力最快的设备,将所述第一区块的记录权给所述设备。进一步而言,所述第二区块、第三区块、··· 第N区块均采用如第一区块的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证所述区块能够被快速准确的记录在设备中,进而保证了需求信息的安全性,进而保证通过所述需求信息训练获得的训练模型的准确性,进而对所述第一课程等级信息准确的判断,进而为所述第一用户匹配相对应的第一课程等级信息,达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
如图8所示,获得第一推荐课程,所述步骤S800还包括:
步骤S810:根据所述第一推荐课程获得所述第一用户的第一选择语言信息;
步骤S820:根据所述第一选择语言信息,给所述第一用户发送第一语言测试信息;
步骤S830:获得所述第一语言测试的第一测试结果信息;
步骤S840:判断所述第一测试结果信息是否满足第二预设条件;
步骤S850:当所述第一测试结果信息满足第二预设条件时,确定所述第一选择语言为所述第一用户使用所述第一推荐课程的应用语言。
具体而言,所述第二预设条件为测试结果合格的预设条件。为所述第一用户推荐课程信息时,还可根据所述第一用户擅长的语言进行匹配,通过所述用户选择的语言信息,给所述第一用户发送第一语言测试信息,当所述测试结果满足第二预设条件时,确定所述语言为所述第一用户使用所述第一推荐课程的应用语言。通过对于所述语言信息的测试,为所述第二用户提供更加适合第二用户学习的课程语言,当第一用户选择的非母语(可以根据用户的基本属性确定)进而对选择语言进行一个小测试,得到测试结果看是否具备用选择语言学习第一课程的能力,以期达到预期的学习效果,提升用户体验感。
综上所述,本申请实施例所提供的一种基于云计算的智能教育方法及系统具有如下技术效果:
1、由于采用了结合第一用户的基本属性信息和第一需求信息,将所述第一基本属性信息与所述第一需求信息输入训练模型,输出第一课程等级信息,综合考虑第一用户的时间规划信息与第一课程课时信息后,推荐第一课程给所述第一用户的方式,基于训练模型不断自我修正调整的逻辑,使得获得的第一课程的等级信息更加符合所述第一用户需求的知识等级,进而为用户提供个性化教育服务,以便达到预期学习效果,进而提升用户体验感的技术效果。
2、由于采用了根据所述第一课程的第一难度系数与第一知识体系信息进行匹配,获得更加准确、细化的标识课程等级的标识信息的方式,对所述标识课程等级的标识信息进行细化处理,进而保证所述标识信息更加准确,进而获得更加准确的训练模型输出准确的第一课程等级信息,为所述第一用户定制更加合适的课程,进而达到提高所述第一用户学习效果的技术效果。
3、由于采用了进一步的细化标识课程等级的标识信息,进而获得更加准确的训练模型输出第一课程等级信息,对所述第一课程等级信息准确的判断,进而为所述第一用户匹配相对应的第一课程等级信息,达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
4、由于采用了基于区块链逻辑对于需求信息进行加密处理的方式,保证所述区块能够被快速准确的记录在设备中,进而保证了需求信息的安全性,进而保证通过所述需求信息训练获得的训练模型的准确性,进而对所述第一课程等级信息准确的判断,进而为所述第一用户匹配相对应的第一课程等级信息,达到深度结合用户属性与需求,为用户提供个性化教育课程,以便达到预期学习效果,进而提升用户体验感的技术效果。
实施例二
基于与前述实施例中一种基于云计算的智能教育方法同样发明构思,本发明还提供了一种基于云计算的智能教育系统,如图9所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的第一基本属性信息;
第二获得单元12,所述第二获得单元12用于获得所述第一用户的第一需求信息;
第一输入单元13,所述第一输入单元13用于将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;
第三获得单元14,所述第三获得单元14用于获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;
第四获得单元15,所述第四获得单元15用于根据所述第一课程等级信息获得第一课时信息;
第五获得单元16,所述第五获得单元16用于获得所述第一用户的时间规划信息;
第一判断单元17,所述第一判断单元17用于判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;
第六获得单元18,所述第六获得单元18用于当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
进一步的,所述系统还包括:
第七获得单元,所述第七获得单元用于获得第一课程的第一难度系数;
第二判断单元,所述第二判断单元用于判断所述第一课程的第一难度系数是否超过第一预设阈值;
第八获得单元,所述第八获得单元用于当所述第一课程的第一难度系数超过第一预设阈值时,获得所述第一课程的第一知识体系信息;
第九获得单元,所述第九获得单元用于将所述第一课程的第一难度系数与所述第一课程的第一知识体系进行匹配,获得用来标识课程等级的标识信息。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于根据所述第一课程的第一难度系数,获得所述第一课程的一级难度系数和二级难度系数,其中,所述一级难度系数比所述二级难度系数的难度大;
第十一获得单元,所述第十一获得单元用于根据所述第一课程的第一知识体系,获得所述第一课程的基础段知识体系和冲刺段知识体系。
第十二获得单元,所述第十二获得单元用于将所述第一课程的一级难度系数与所述第一课程的基础段知识体系进行匹配,获得初级课程等级信息;
第十三获得单元,所述第十三获得单元用于将所述第一课程的二级难度系数与所述第一课程的冲刺段知识体系进行匹配,获得高阶课程等级信息;
第十四获得单元,所述第十四获得单元用于根据所述初级课程等级信息和所述高阶课程等级信息,获得用来标识课程等级的标识信息。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于根据所述一级难度系数和所述二级难度系数,获得所述第一课程的三级难度系数,其中,所述三级难度系数为所述一级难度系数和所述二级难度系数的中间值难度系数;
第十六获得单元,所述第十六获得单元用于根据所述基础段知识体系和所述冲刺段知识体系,获得所述第一课程的强化段知识体系,其中,所述强化段知识体系为所述基础段知识体系和所述冲刺段知识体系的中间段知识体系;
第十七获得单元,所述第十七获得单元用于将所述第一课程的三级难度系数与所述第一课程的强化段知识体系匹配,获得中级课程等级信息,将所述中级课程等级信息加入所述用来标识课程等级的标识信息。
进一步的,所述系统还包括:
第十八获得单元,所述第十八获得单元用于获得所述第一用户的第一语音信息或第一文字信息;
第十九获得单元,所述第十九获得单元用于根据所述第一语音信息或所述第一文字信息,获得第一关键词信息;
第二十获得单元,所述第二十获得单元用于根据所述第一关键词信息,获得所述第一用户的第一需求信息。
进一步的,所述系统还包括:
第二十一获得单元,所述第二十一获得单元用于获得所述第一用户的第一需求信息,并根据所述第一需求信息生成第一验证码,其中,所述第一验证码与所述第一需求信息一一对应;
第二十二获得单元,所述第二十二获得单元用于获得所述第一用户的第二需求信息,并根据所述第二需求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需求信息一一对应;
第二十三获得单元,所述第二十三获得单元用于以此类推,获得所述第一用户的第N需求信息,并根据所述第N需求信息与第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需求信息一一对应,且N为大于1的自然数;
第一保存单元,所述第一保存单元用于将所有第一用户的需求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,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于将所述第一需求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;
第二十五获得单元,所述第二十五获得单元用于根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
第一发送单元,所述第一发送单元用于将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限。
进一步的,所述系统还包括:
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推荐课程获得所述第一用户的第一选择语言信息;
第二发送单元,所述第二发送单元用于根据所述第一选择语言信息,给所述第一用户发送第一语言测试信息;
第二十七获得单元,所述第二十七获得单元用于获得所述第一语言测试的第一测试结果信息;
第三判断单元,所述第三判断单元用于判断所述第一测试结果信息是否满足第二预设条件;
第一确定单元,所述第一确定单元用于当所述第一测试结果信息满足第二预设条件时,确定所述第一选择语言为所述第一用户使用所述第一推荐课程的应用语言。
前述图1实施例一中的一种基于云计算的智能教育方法的各种变化方式和具体实例同样适用于本实施例的一种基于云计算的智能教育系统,通过前述对一种基于云计算的智能教育方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于云计算的智能教育系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图10来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于云计算的智能教育方法的发明构思,本发明还提供一种基于云计算的智能教育系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于云计算的智能教育方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于云计算的智能教育方法,所述方法包括:获得第一用户的第一基本属性信息;获得所述第一用户的第一需求信息;将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;根据所述第一课程等级信息获得第一课时信息;获得所述第一用户的时间规划信息;判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。解决了现有技术中为用户匹配在线教育课程的针对性不强,个性化程度低,对于时间的规划率较低,导致学习效率差的技术问题,达到结合用户属性与需求,为用户提供个性化教育服务,针对性强,以便达到预期学习效果,进而提升用户体验感的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
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,则可对这些实施例做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 (10)
1.一种基于云计算的智能教育方法,其中,所述方法包括:
获得第一用户的第一基本属性信息;
获得所述第一用户的第一需求信息;
将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;
根据所述第一课程等级信息获得第一课时信息;
获得所述第一用户的时间规划信息;
判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;
当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
2.如权利要求1所述的方法,其中,所述用来标识课程等级的标识信息,包括:
获得第一课程的第一难度系数;
判断所述第一课程的第一难度系数是否超过第一预设阈值;
当所述第一课程的第一难度系数超过第一预设阈值时,获得所述第一课程的第一知识体系信息;
将所述第一课程的第一难度系数与所述第一课程的第一知识体系进行匹配,获得用来标识课程等级的标识信息。
3.如权利要求2所述的方法,其中,所述将所述第一课程的第一难度系数与所述第一课程的第一知识体系进行匹配,获得用来标识课程等级的标识信息,包括:
根据所述第一课程的第一难度系数,获得所述第一课程的一级难度系数和二级难度系数,其中,所述一级难度系数比所述二级难度系数的难度大;
根据所述第一课程的第一知识体系,获得所述第一课程的基础段知识体系和冲刺段知识体系;
将所述第一课程的一级难度系数与所述第一课程的基础段知识体系进行匹配,获得初级课程等级信息;
将所述第一课程的二级难度系数与所述第一课程的冲刺段知识体系进行匹配,获得高阶课程等级信息;
根据所述初级课程等级信息和所述高阶课程等级信息,获得用来标识课程等级的标识信息。
4.如权利要求3所述的方法,其中,所述方法还包括:
根据所述一级难度系数和所述二级难度系数,获得所述第一课程的三级难度系数,其中,所述三级难度系数为所述一级难度系数和所述二级难度系数的中间值难度系数;
根据所述基础段知识体系和所述冲刺段知识体系,获得所述第一课程的强化段知识体系,其中,所述强化段知识体系为所述基础段知识体系和所述冲刺段知识体系的中间段知识体系;
将所述第一课程的三级难度系数与所述第一课程的强化段知识体系匹配,获得中级课程等级信息,将所述中级课程等级信息加入所述用来标识课程等级的标识信息。
5.如权利要求1所述的方法,其中,所述获得所述第一用户的第一需求信息,包括:
获得所述第一用户的第一语音信息或第一文字信息;
根据所述第一语音信息或所述第一文字信息,获得第一关键词信息;
根据所述第一关键词信息,获得所述第一用户的第一需求信息。
6.如权利要求5所述的方法,其中,所述获得所述第一用户的第一需求信息,包括:
获得所述第一用户的第一需求信息,并根据所述第一需求信息生成第一验证码,其中,所述第一验证码与所述第一需求信息一一对应;
获得所述第一用户的第二需求信息,并根据所述第二需求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需求信息一一对应;
以此类推,获得所述第一用户的第N需求信息,并根据所述第N需求信息与第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需求信息一一对应,且N为大于1的自然数;
将所有第一用户的需求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.如权利要求6所述的方法,其中,所述方法还包括:
将所述第一需求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;
根据所述第一区块的记账时间,获得所述M台设备中运力最快的第一设备;
将所述第一区块的记账权发送给所述第一设备,所述第一设备执行所述第一区块的记账权限。
8.如权利要求1所述的方法,其中,所述获得第一推荐课程,还包括:
根据所述第一推荐课程获得所述第一用户的第一选择语言信息;
根据所述第一选择语言信息,给所述第一用户发送第一语言测试信息;
获得所述第一语言测试的第一测试结果信息;
判断所述第一测试结果信息是否满足第二预设条件;
当所述第一测试结果信息满足第二预设条件时,确定所述第一选择语言为所述第一用户使用所述第一推荐课程的应用语言。
9.一种基于云计算的智能教育系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一用户的第一基本属性信息;
第二获得单元,所述第二获得单元用于获得所述第一用户的第一需求信息;
第一输入单元,所述第一输入单元用于将所述第一基本属性信息与所述第一需求信息输入训练模型,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:所述第一基本属性信息、所述第一需求信息、用来标识课程等级的标识信息;
第三获得单元,所述第三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括第一课程等级信息;
第四获得单元,所述第四获得单元用于根据所述第一课程等级信息获得第一课时信息;
第五获得单元,所述第五获得单元用于获得所述第一用户的时间规划信息;
第一判断单元,所述第一判断单元用于判断所述第一用户的时间规划信息与所述第一课时信息的匹配度是否满足第一预设条件;
第六获得单元,所述第六获得单元用于当所述第一用户的时间规划信息与所述第一课时信息的匹配度满足第一预设条件时,获得第一推荐课程。
10.一种基于云计算的智能教育系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010839508.6A CN112085560A (zh) | 2020-08-19 | 2020-08-19 | 一种基于云计算的智能教育方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010839508.6A CN112085560A (zh) | 2020-08-19 | 2020-08-19 | 一种基于云计算的智能教育方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112085560A true CN112085560A (zh) | 2020-12-15 |
Family
ID=73729385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010839508.6A Pending CN112085560A (zh) | 2020-08-19 | 2020-08-19 | 一种基于云计算的智能教育方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112085560A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633397A (zh) * | 2020-12-29 | 2021-04-09 | 江苏惟妙纺织科技有限公司 | 一种绣花定制方法及系统 |
CN112765220A (zh) * | 2021-02-24 | 2021-05-07 | 汇正(广州)企业管理咨询有限公司 | 一种基于云计算的业务数据监测方法及系统 |
CN112784154A (zh) * | 2020-12-31 | 2021-05-11 | 电子科技大学 | 一种带有数据增强的线上教学推荐系统 |
CN112819441A (zh) * | 2021-02-05 | 2021-05-18 | 汇正(广州)企业管理咨询有限公司 | 一种基于大数据的企业管理方法及系统 |
CN112837191A (zh) * | 2021-01-28 | 2021-05-25 | 深圳点猫科技有限公司 | 一种智能定制课程的生成方法、装置及设备 |
CN116188220A (zh) * | 2023-04-23 | 2023-05-30 | 深圳易财信息技术有限公司 | 基于云学习的财务培训方法、系统、设备及存储介质 |
WO2024038570A1 (ja) * | 2022-08-19 | 2024-02-22 | 株式会社イー・エス・アイ | サービス提供サーバ |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463486A (zh) * | 2014-12-17 | 2015-03-25 | 天脉聚源(北京)教育科技有限公司 | 一种用于智慧教学系统的课程管理方法 |
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 |
CN110046804A (zh) * | 2019-03-29 | 2019-07-23 | 广州恒智教育科技有限公司 | 一种基于学员分类的教育培训方法及系统 |
CN110188266A (zh) * | 2019-05-10 | 2019-08-30 | 广州职赢未来信息科技有限公司 | 课程信息推送方法、系统、可读存储介质及终端设备 |
CN111506810A (zh) * | 2020-03-19 | 2020-08-07 | 威比网络科技(上海)有限公司 | 课程信息推送方法、系统、设备及存储介质 |
-
2020
- 2020-08-19 CN CN202010839508.6A patent/CN112085560A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463486A (zh) * | 2014-12-17 | 2015-03-25 | 天脉聚源(北京)教育科技有限公司 | 一种用于智慧教学系统的课程管理方法 |
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 |
CN110046804A (zh) * | 2019-03-29 | 2019-07-23 | 广州恒智教育科技有限公司 | 一种基于学员分类的教育培训方法及系统 |
CN110188266A (zh) * | 2019-05-10 | 2019-08-30 | 广州职赢未来信息科技有限公司 | 课程信息推送方法、系统、可读存储介质及终端设备 |
CN111506810A (zh) * | 2020-03-19 | 2020-08-07 | 威比网络科技(上海)有限公司 | 课程信息推送方法、系统、设备及存储介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633397A (zh) * | 2020-12-29 | 2021-04-09 | 江苏惟妙纺织科技有限公司 | 一种绣花定制方法及系统 |
CN112633397B (zh) * | 2020-12-29 | 2021-12-14 | 江苏惟妙纺织科技有限公司 | 一种绣花定制方法及系统 |
CN112784154A (zh) * | 2020-12-31 | 2021-05-11 | 电子科技大学 | 一种带有数据增强的线上教学推荐系统 |
CN112784154B (zh) * | 2020-12-31 | 2022-03-15 | 电子科技大学 | 一种带有数据增强的线上教学推荐系统 |
CN112837191A (zh) * | 2021-01-28 | 2021-05-25 | 深圳点猫科技有限公司 | 一种智能定制课程的生成方法、装置及设备 |
CN112819441A (zh) * | 2021-02-05 | 2021-05-18 | 汇正(广州)企业管理咨询有限公司 | 一种基于大数据的企业管理方法及系统 |
CN112819441B (zh) * | 2021-02-05 | 2024-05-03 | 爱晋仕(上海)信息科技有限公司 | 一种基于大数据的企业管理方法及系统 |
CN112765220A (zh) * | 2021-02-24 | 2021-05-07 | 汇正(广州)企业管理咨询有限公司 | 一种基于云计算的业务数据监测方法及系统 |
WO2024038570A1 (ja) * | 2022-08-19 | 2024-02-22 | 株式会社イー・エス・アイ | サービス提供サーバ |
CN116188220A (zh) * | 2023-04-23 | 2023-05-30 | 深圳易财信息技术有限公司 | 基于云学习的财务培训方法、系统、设备及存储介质 |
CN116188220B (zh) * | 2023-04-23 | 2023-07-07 | 深圳易财信息技术有限公司 | 基于云学习的财务培训方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085560A (zh) | 一种基于云计算的智能教育方法及系统 | |
Akram et al. | Parameter reductions in N‐soft sets and their applications in decision‐making | |
Herrera et al. | A fuzzy linguistic methodology to deal with unbalanced linguistic term sets | |
Hahn et al. | Truth tracking performance of social networks: How connectivity and clustering can make groups less competent | |
CN112232891B (zh) | 一种基于大数据分析的客户匹配方法和装置 | |
CN110288878B (zh) | 自适应学习方法及装置 | |
CN112818025B (zh) | 试题生成方法、装置和系统、计算机存储介质和程序产品 | |
CN112949865A (zh) | 一种基于sigma协议的联邦学习贡献度评估方法 | |
CN111797324A (zh) | 一种智慧教育用远程教育方法及系统 | |
Kim et al. | Interval valued intuitionistic fuzzy evaluations for analysis of a student’s knowledge in university e-learning courses | |
CN116956116A (zh) | 文本的处理方法和装置、存储介质及电子设备 | |
CN114565255A (zh) | 一种企业集群协同的供应链管理方法及系统 | |
CN112712264B (zh) | 一种智慧社区信息共享方法及系统 | |
CN111950987B (zh) | 一种基于互联网的远程教育培训方法及系统 | |
CN112102139A (zh) | 一种闲置物品交易扶贫管理方法及系统 | |
Godinez et al. | A Gaussian-Bernoulli Mixed Naïve Bayes Approach to Predict Students’ Academic Procrastination Tendencies in Online Mathematics Learning | |
CN113420261B (zh) | 基于归因分析的课程推荐方法、装置、设备及介质 | |
CN113256432B (zh) | 一种基于金融投资项目的智能管理方法及系统 | |
Allen et al. | Perspectives from early career investigators who are “staying in the game” of precision public health research | |
CN112037092A (zh) | 一种基于模型的在线教育课程分配方法及系统 | |
CN112288342B (zh) | 一种提高多中心协作质量控制的数据处理方法和系统 | |
CN113590786A (zh) | 一种数据预测方法、装置、设备及存储介质 | |
CN111815489A (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
Magalhães et al. | Student dropout prediction in MOOC using machine learning algorithms | |
Reuten | A revision of the neoclassical economics methodology: Appraising Hausman's Mill-twist, Robbins-gist, and Popper-whist |
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 |
Application publication date: 20201215 |
|
RJ01 | Rejection of invention patent application after publication |