CN112199436A - 一种可视化教学质量监控方法 - Google Patents

一种可视化教学质量监控方法 Download PDF

Info

Publication number
CN112199436A
CN112199436A CN202011101251.0A CN202011101251A CN112199436A CN 112199436 A CN112199436 A CN 112199436A CN 202011101251 A CN202011101251 A CN 202011101251A CN 112199436 A CN112199436 A CN 112199436A
Authority
CN
China
Prior art keywords
data
visual
learning
teaching quality
monitoring method
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
CN202011101251.0A
Other languages
English (en)
Inventor
贾爽
仝海燕
张莉娟
王健伟
李进
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.)
Bozhou University
Original Assignee
Bozhou University
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 Bozhou University filed Critical Bozhou University
Priority to CN202011101251.0A priority Critical patent/CN112199436A/zh
Publication of CN112199436A publication Critical patent/CN112199436A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Abstract

本发明公开一种可视化教学质量监控方法，包括：获取原始数据并对原始数据进行数据处理，其中，原始数据包括学生ID、考试数据和学习数据；对数据处理后的数据进行数据挖掘；对数据挖掘后的数据进行结果数据入库；基于入库的结果数据进行可视化映射；对可视化映射后的数据进行前端呈现。本申请通过设计一种可视化教学质量监控方法，基于互联网收集数据，方便对教学质量进行深入化分析、判断和决策，并通过交互可视化图表的形式帮助决策者快速识别最新形势，让授课教师及时掌控学生学情，辅助教学质量的提高。

Description

一种可视化教学质量监控方法
技术领域
本发明属于计算机网络应用领域，具体地说涉及一种可视化教学质量监控方法。
背景技术
传统的授课方式正在随着计算机技术的进步不断的发生改变，线上线下混合式教学模式已经成为了目前的主流教学模式，同时，在混合式教学模式下，可以在教学的同时记录学生的动态，进而推测教学质量，但如何通过日常教学与考试测验来监控教学质量，并且使该监控结果方便读取和理解成为当前研究的热点。
因此，现有技术还有待于进一步发展和改进。
发明内容
针对现有技术的种种不足，为了解决上述问题，现提出一种可视化教学质量监控方法。本发明提供如下技术方案：
一种可视化教学质量监控方法，包括：
获取原始数据并对原始数据进行数据处理，其中，原始数据包括学生ID、考试数据和学习数据；
对数据处理后的数据进行数据挖掘；
对数据挖掘后的数据进行结果数据入库；
基于入库的结果数据进行可视化映射；
对可视化映射后的数据进行前端呈现。
进一步的，还包括：在对原始数据进行数据处理前进行数据预处理。
进一步的，对考试数据的数据预处理包括处理原始数据的重复点、遗漏点以及离群值。
进一步的，对学习数据的数据预处理包括以学生ID为单位对该学生ID的学习数据进行分类去噪。
进一步的，所述数据处理包括对数据预处理完成的原始数据进行数据降维、数据聚类和数据切分。
进一步的，所述数据挖掘包括通过对学习时长的规律性划分得到一次学习事件的时间阈值，具体步骤为：
a.加载数据，识别第i条数据记录为R_i，按顺序识别下一条第i+1条记录为R_i+1；若gap_i>T，则R_i+1与R_i之间的记录不能划分到同一次学习事件中，将R_i+1作为新的读取数据记录的开始；
b.若gap_i<T，则R_i+1与R_i之间的记录划分到同一次学习事件中，并将接下来学习时长不为零的数据记录为R_i+2；
c.循环执行步骤b，直到数据读取完毕，结束事件划分。
进一步的，所述可视化映射包括数据的标记、可视化空间和视觉通道。
进一步的，通过人机交互对可视化映射后的数据进行前端呈现。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种可视化教学质量监控方法。
一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行一种可视化教学质量监控方法。
有益效果：
本申请通过设计一种可视化教学质量监控方法，基于互联网收集数据，方便对教学质量进行深入化分析、判断和决策，并通过交互可视化图表的形式帮助决策者快速识别最新形势，让授课教师及时掌控学生学情，辅助教学质量的提高。
附图说明
图1是本发明具体实施例中一种可视化教学质量监控方法主流程示意图；
图2是本发明具体实施例中一种可视化教学质量监控方法流程示意图；
图3是本发明具体实施例中群体优良率频数分析示意图；
图4是本发明具体实施例中试题错误率分析示意图；
图5是本发明具体实施例中课程成绩分布区间分析示意图；
图6是本发明具体实施例中个体标准分跟踪分析示意图；
图7是本发明具体实施例中班级群体标准分跟踪分析示意图；
图8是本发明具体实施例中在线学习时长分析示意图；
图9是本发明具体实施例中成绩散点分布示意图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。
如图1和2所示，一种可视化教学质量监控方法，包括：
S100、获取原始数据并对原始数据进行数据处理，其中，原始数据包括学生ID、考试数据和学习数据；
S200、对数据处理后的数据进行数据挖掘；
S300、对数据挖掘后的数据进行结果数据入库；
S400、基于入库的结果数据进行可视化映射；
S500、对可视化映射后的数据进行前端呈现。
原始数据中主要使用的数据库表及字段有：
考试统计表：统计ID，学生ID，试卷ID，答题组ID，所在班级ID，考试成绩，提交时间戳，起始时间戳，截止时间戳，总试题数，考生答题量，试卷分数，考生成绩，班级名次，院系名次，备注等；
学习记录表：学生ID，起始时间戳，截止时间戳，学习科目ID等。
在获取原始数据后，需要对数据进行处理变换，在数据处理变换阶段，针对以上两表的学生ID，试卷ID，所在班级ID，学习科目ID字段与相应表进行数据关联。
进一步的，还包括：在对原始数据进行数据处理前进行数据预处理。
进一步的，对考试数据的数据预处理包括处理原始数据的重复点、遗漏点以及离群值。主要针对考生对允许多次测评的试卷进行多次测试的结果就行去重操作，其次针对部分未及时答题系统自动交卷导致答题量未满的异常数据进行格式化操作，即将其答题量修改为试卷总题数即全部答完，并在该条数据备注中添加标记，最后针对班级中可能出现的学生成绩两级分化现象而导致出现的数据离群值以班级平均值为标准对其进行分类标记，完成重复点、遗漏点以及离群值的处理。
进一步的，对学习数据的数据预处理包括以学生ID为单位对该学生ID的学习数据进行分类去噪。首先按学生ID对原始数据进行分类，将每个学生数据单独分组，对每一组数据内的两时间戳做差求出每次学习时长，对时长小于三十秒或大于四小时的噪声数据予以剔除，最后对处理完毕的数据进行汇总。
进一步的，数据处理包括对数据预处理完成的原始数据进行数据降维、数据聚类和数据切分。在数据处理阶段，使用预处理完毕的数据。数据降维，采用线性PCA方法，首先进行数值规约，即将数据中“答题量”为“零”、“提交时间戳”等于“截止时间戳”、且“考生答题量”不等于“总试题数”的数据予以丢弃，然后将试卷总试题数与考生答题量、以及试卷分数和考生成绩分别做商运算得出其本次测试答题量及试卷成绩占比，剔除上述四个属性特征后，考试统计表剩余十二个属性变量，最后结合预处理阶段两时间戳做差得到的时长参数，得到最终数据。通过对考生统计表中各班级组中成绩进行聚类分组得到各班级内部考生的优良阈值，进而对数据进行切分。
进一步的，数据挖掘包括通过对学习时长的规律性划分得到一次学习事件的时间阈值，具体划分步骤为：
a.加载数据，识别第一条数据记录为R_1，按顺序识别下一条记录为R_2，第i条记录为R_i，第i+1条记录为R_i+1，T为每次学生的学习时间，根据学生每次学习的起止时间来寻找一次学习的阈值；若识别间隙gap_i>T，则R_i+1与R_i之间的记录不能划分到同一次学习事件中，将R_i+1作为新的读取数据记录的开始；
b.若gap_i<T，则R_i+1与R_i之间的记录划分到同一次学习事件中，并将接下来学习时长不为零的数据记录为R_i+2；
c.循环执行步骤b，直到数据读取完毕，结束事件划分。
进一步的，可视化映射包括数据的标记、可视化空间和视觉通道。其中，标记为数据可视化的显示空间，可视化空间为数据属性到可视化几何图形元素的映射，视觉通道为数据属性的值到标记的视觉呈现参数的映射。
进一步的，通过人机交互对可视化映射后的数据进行前端呈现。其中，人机交互包括滚动和缩放、颜色映射的控制、数据映射方式的控制以及数据细节层次控制。
本发明的可视化线上教学质量监控系统通过对高校学生的各类测试数据进行采集分类，从多维度对测试数据进行分析，辅助教师掌握学生的学情，保障教师教学质量，提高学生的学习效率，同时也进一步为教师教研的深度质量分析提供数据支撑。
开发中主要围绕提高学习效率和线上教学效果展开。主要分析的内容包括学生学习水平结构分析、自我发展性评价和教学目标达成度分析。其中学习水平结构分析可以洞悉学生层次结构，并对需要分层教学的学生进行准确定位，为分层教学提供参考，具体通过群体优良率频数分析和课程成绩分布区间分析来实现；自我发展性评价主要分析学生进步情况、学习效率情况、教师教学效果情况等，通过个体标准分跟踪分析和班级群体跟踪分析来实现；教学目标达成度分析主要通过试题错误率、成绩散点分布来实现，在分析中发现学生学习的薄弱点和教师线上教学过程中存在的问题。
分析维度分为以下七种：群体优良率频数分析、试题错误率分析、课程成绩分布区间分析、个体标准分跟踪分析、班级群体标准分跟踪分析、在线学习时长分析和成绩散点分布，具体来说：
1)群体优良率频数分析
群体优良率频数分析指综合分析班级各分数段学生人数的学生结构。根据试卷分值、及格线和试卷总分的75％、90％划分出三条分数线，既及格分数线、良好分数线和优秀分数线。学生成绩在优秀分数线以上的为优秀，在良好分数线和优秀分数线之间的为良好，在及格分数线和良好分数线之间的为及格，在及格分数下下的为不及格。此分析可以实现学生水平的分层准确定位，为分层教学提供参考和依据。
如图3所示，一班两极分化现象较严重，优秀生和不及格学生都较多，因而一班教学应适当补差；六班居中度比较高，良好和及格学生分布学生较多，但优秀学生相对教少，因而六班教学应适当提优。
2)试题错误率分析
试题错误率分析指针对所有考生各试题的答题情况进行分析汇总显示各题的考生答题数及答题错误率详情。如图4所示，系统遍历所有考生的答题详情，先将该题答题数加1后判断该题是否回答错误。若回答错误则更新该题的答题错误率。此分析可以发现教师教学过程中存在的问题和学生的薄弱环节，根据分析结果督促教师及时发现问题及时处理，以提高教学效果。
3)课程成绩分布区间分析
课程成绩分布区间分析将所有考生的总成绩进行汇总最后以直方图的形式进行呈现。如图5所示，分别以不同颜色将各分数段人次分为三等次分别配色。此分析属于教学目标达成度分析，可以发现学生的薄弱环节和教师教学过程中存在的问题，以辅助教师及时进行教学调整，为学习效率和教学效果的提高提供保障。
4)个体标准分跟踪分析
通过统计出学生每次考试的总分、班级名次和年级名次，对学生成绩进行比较。如图6所示，以折线图的形式反映学生的进步状况。此分析可以反映学生的学习效率情况和教师的教学效果。
5)班级群体标准分跟踪分析
跟踪分析也称为内差异分析，强调学生、班级、自己跟自己进行比较。由于学生先天因素，不同学生间存在差异，通过学生的自己跟自己比，更能有效地鼓励学生不断进步，如下表和图7所示。此分析反映班级进步情况、班级整体学习效率和教师教学效果整体情况，题型雷达分析反映教师教学存在的问题。
题型 单选 多选 判断 填空 简答 评分 综合得分
班级情况 86 79 55 98 88 84 406
学生情况 83↓ 80↑ 88↑ 75↓ 68↓ 85↑ 394↓
6)在线学习时长分析
学习时长分析指学生通过利用零星时间在线学习的所有学习时间段数据的统计分析，如图8所示，包括连续最长学习时长及其起始和结束时间点、经常学习时间段、学习次数最多的一天及其当天累计访问次数以及当天访问最早和最晚时间点。
7)成绩散点分布
遍历所有考生考试数据以成绩作为单个散点在数据图表中显示，迭代完成为散点值的最大、最小值分别添加气泡显示其成绩，最后在图表中央使用虚线标出平均分数线。如图9所示，右侧使用四分位数来显示成绩的分散情况，其中，上边缘数是除异常点以外的数据中的最大值，上四分位数是所有数据的上四分之一位数，中位数是数据递增排列后位于中间位置的数，下四分位数是所有数据的下四分之一位数，下边缘数是除异常点以外的数据中的最下值，四分位差是上四分位数与下四分位数的差值，即图中矩形盒左右两端宽度，可反映数据的离散程度，其数值越小表明数据越集中，数值越大表明数据越离散。此分析可以为分层教学提供依据，也可以判断教学效果如何。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种可视化教学质量监控方法。
一种电子终端，包括：处理器及存储器；
存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以使终端执行一种可视化教学质量监控方法。
以上已将本发明做一详细说明，以上所述，仅为本发明之较佳实施例而已，当不能限定本发明实施范围，即凡依本申请范围所作均等变化与修饰，皆应仍属本发明涵盖范围内。

Claims (10)

1.一种可视化教学质量监控方法，其特征在于，包括：
获取原始数据并对原始数据进行数据处理，其中，原始数据包括学生ID、考试数据和学习数据；
对数据处理后的数据进行数据挖掘；
对数据挖掘后的数据进行结果数据入库；
基于入库的结果数据进行可视化映射；
对可视化映射后的数据进行前端呈现。
2.根据权利要求1所述的一种可视化教学质量监控方法，其特征在于，还包括：在对原始数据进行数据处理前进行数据预处理。
3.根据权利要求2所述的一种可视化教学质量监控方法，其特征在于，对考试数据的数据预处理包括处理原始数据的重复点、遗漏点以及离群值。
4.根据权利要求2所述的一种可视化教学质量监控方法，其特征在于，对学习数据的数据预处理包括以学生ID为单位对该学生ID的学习数据进行分类去噪。
5.根据权利要求2所述的一种可视化教学质量监控方法，其特征在于，所述数据处理包括对数据预处理完成的原始数据进行数据降维、数据聚类和数据切分。
6.根据权利要求1所述的一种可视化教学质量监控方法，其特征在于，所述数据挖掘包括通过对学习时长的规律性划分得到一次学习事件的时间阈值，具体步骤为：
a.加载数据，识别第i条数据记录为R_i，按顺序识别下一条第i+1条记录为R_i+1；若gap_i>T，则R_i+1与R_i之间的记录不能划分到同一次学习事件中，将R_i+1作为新的读取数据记录的开始；
b.若gap_i<T，则R_i+1与R_i之间的记录划分到同一次学习事件中，并将接下来学习时长不为零的数据记录为R_i+2；
c.循环执行步骤b，直到数据读取完毕，结束事件划分。
7.根据权利要求1所述的一种可视化教学质量监控方法，其特征在于，所述可视化映射包括数据的标记、可视化空间和视觉通道。
8.根据权利要求1所述的一种可视化教学质量监控方法，其特征在于，通过人机交互对可视化映射后的数据进行前端呈现。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至8中任一项所述的方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至8中任一项所述的方法。
CN202011101251.0A 2020-10-15 2020-10-15 一种可视化教学质量监控方法 Pending CN112199436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011101251.0A CN112199436A (zh) 2020-10-15 2020-10-15 一种可视化教学质量监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011101251.0A CN112199436A (zh) 2020-10-15 2020-10-15 一种可视化教学质量监控方法

Publications (1)

Publication Number Publication Date
CN112199436A true CN112199436A (zh) 2021-01-08

Family

ID=74009652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011101251.0A Pending CN112199436A (zh) 2020-10-15 2020-10-15 一种可视化教学质量监控方法

Country Status (1)

Country Link
CN (1) CN112199436A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657737A (zh) * 2021-08-04 2021-11-16 力合科技（湖南）股份有限公司 基于自动监测数据的水质评价方法及系统、设备、存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657737A (zh) * 2021-08-04 2021-11-16 力合科技（湖南）股份有限公司 基于自动监测数据的水质评价方法及系统、设备、存储介质

Similar Documents

Publication Publication Date Title
Meyers et al. Applied multivariate research: Design and interpretation
Marsh Extracurricular activities: Beneficial extension of the traditional curriculum or subversion of academic goals?
CN109255998B (zh) 一种学生成绩诊断提升系统
Behr et al. Motives for dropping out from higher education—An analysis of bachelor's degree students in Germany
CN106409041B (zh) 一种填空题试题的生成和判卷的方法及系统
CN108182489A (zh) 一种基于在线学习行为分析的个性化学习推荐方法
CN107506762B (zh) 一种基于图像分析的成绩自动录入方法
von Davier et al. Detecting response styles and faking in personality and organizational assessments by mixed Rasch models
Wagner et al. Using and interpreting statistics in the social, behavioral, and health sciences
CN106874508A (zh) 基于网格化图像处理的答卷生成及阅卷方法
CN109598931B (zh) 基于交通安全风险的群体划分与差异性分析方法及系统
CN112199436A (zh) 一种可视化教学质量监控方法
Nestorov et al. Generating insights through data preparation, visualization, and analysis: Framework for combining clustering and data visualization techniques for low-cardinality sequential data
Dixon et al. Quantitative data analysis: using SPSS
Georgieva et al. Data Cleaning Techniques in Detecting Tendencies in Software Engineering
CN115984054A (zh) 一种基于大数据平台的智慧教育方法及系统
CN113673609B (zh) 一种基于线性隐变量的调查问卷数据分析方法
Wang et al. Construct equivalence across grades in a vertical scale for a K-12 large-scale reading assessment
CN107578181A (zh) 基于统计频率和关联规则的异常学生挖掘方法
CN114037256A (zh) 一种多人答题数据的收集与分析方法
Frisby Formal communication within school psychology: A 1990–1994 journal citation analysis
Georg et al. Parental qualifications as determinants of university entrance and choice of a field of study in Germany
JP2001209297A (ja) コンピュータ適応型テスト装置、コンピュータ適応型テストシステム、コンピュータ適応型テスト方法およびコンピュータ適応型テストプログラムを格納する記録媒体
Saliya Data and Variables
EP1380928B1 (de) Vorrichtung und Verfahren zum Untersuchen von Bildern

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