CN112241851B - 一种基于大数据的教学内容评测方法及装置 - Google Patents
一种基于大数据的教学内容评测方法及装置 Download PDFInfo
- Publication number
- CN112241851B CN112241851B CN202011326899.8A CN202011326899A CN112241851B CN 112241851 B CN112241851 B CN 112241851B CN 202011326899 A CN202011326899 A CN 202011326899A CN 112241851 B CN112241851 B CN 112241851B
- Authority
- CN
- China
- Prior art keywords
- teaching
- obtaining
- information
- evaluation
- evaluation value
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 237
- 238000012549 training Methods 0.000 claims description 61
- 238000012795 verification Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 10
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 29
- 238000002360 preparation method Methods 0.000 abstract description 10
- 238000003062 neural network model Methods 0.000 description 25
- 238000003860 storage Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 230000003925 brain function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 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
- 210000001747 pupil Anatomy 0.000 description 1
- 238000013515 script 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
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (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大数据的教学内容评测方法及装置,通过获得教学主题、第一教学讲义;根据教学主题、第一教学讲义获得第一评测值;根据教学主题获得第一主题标准信息;根据第一教学讲义、第一主题标准信息获得第二评测值;获得第一学生信息;根据第一教学讲义、第一学生信息获得第一匹配度;根据第一匹配度获得第三评测值;根据第一、第二、第三评测值,获得评测结果;判断评测结果是否满足第一预定要求,当满足时获得第一指令用于发送评测结果并保存第一教学讲义。解决现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断,影响教学质量的技术问题。达到多个角度对教学讲义进行评测,确保教学效果的技术效果。
Description
技术领域
本发明涉及教育评测技术领域,尤其涉及一种基于大数据的教学内容评测方法及装置。
背景技术
教学讲义是教师为自己的上课内容准备的材料,课程的内容和环节设置安排都按照教学讲义进行,也是教师进行备课、上课的依据。通过教学讲义可以了解教师的授课内容,而不同的授课内容会影响到教学效果。
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:
现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。
发明内容
本申请实施例通过提供一种基于大数据的教学内容评测方法及装置,解决了现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。达到了从多个角度对教学讲义进行了综合、科学地评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩的技术效果。
鉴于上述问题,提出了本申请实施例提供一种基于大数据的教学内容评测方法及装置。
第一方面,本申请实施例提供了一种基于大数据的教学内容评测方法,所述方法包括:获得教学主题;获得第一教学讲义;根据所述教学主题、第一教学讲义,获得第一评测值;根据所述教学主题,获得第一主题标准信息;根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;获得第一学生信息;根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;根据所述第一匹配度,获得第三评测值;根据所述第一评测值、第二评测值、第三评测值,获得评测结果;判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。
另一方面,本申请还提供了一种基于大数据的教学内容评测装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得教学主题;
第二获得单元,所述第二获得单元用于获得第一教学讲义;
第三获得单元,所述第三获得单元用于根据所述教学主题、第一教学讲义,获得第一评测值;
第四获得单元,所述第四获得单元用于根据所述教学主题,获得第一主题标准信息;
第五获得单元,所述第五获得单元用于根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;
第六获得单元,所述第六获得单元用于获得第一学生信息;
第七获得单元,所述第七获得单元用于根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;
第八获得单元,所述第八获得单元用于根据所述第一匹配度,获得第三评测值;
第九获得单元,所述第九获得单元用于根据所述第一评测值、第二评测值、第三评测值,获得评测结果;
第一执行单元,所述第一执行单元用于判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。
第三方面,本发明提供了一种基于大数据的教学内容评测装置,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第一方面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:
本申请实施例提供了一种基于大数据的教学内容评测方法及装置,通过获得教学主题;获得第一教学讲义;根据所述教学主题、第一教学讲义,获得第一评测值;根据所述教学主题,获得第一主题标准信息;根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;获得第一学生信息;根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;根据所述第一匹配度,获得第三评测值;根据所述第一评测值、第二评测值、第三评测值,获得评测结果;判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。达到了从多个角度对教学讲义进行了综合、科学地评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩的技术效果。从而解决了现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。
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大数据的教学内容评测方法的流程示意图;
图2为本申请实施例一种基于大数据的教学内容评测装置的结构示意图;
图3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,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第一执行单元20,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大数据的教学内容评测方法及装置,解决了现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。达到了从多个角度对教学讲义进行了综合、科学地评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩的技术效果。
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
教学讲义是教师为自己的上课内容准备的材料,课程的内容和环节设置安排都按照教学讲义进行,也是教师进行备课、上课的依据。通过教学讲义可以了解教师的授课内容,而不同的授课内容会影响到教学效果。但现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。
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大数据的教学内容评测方法,获得教学主题;获得第一教学讲义;根据所述教学主题、第一教学讲义,获得第一评测值;根据所述教学主题,获得第一主题标准信息;根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;获得第一学生信息;根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;根据所述第一匹配度,获得第三评测值;根据所述第一评测值、第二评测值、第三评测值,获得评测结果;判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。达到了从多个角度对教学讲义进行了综合、科学地评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩的技术效果。
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
图1为本申请实施例一种基于大数据的教学内容评测方法的流程示意图,如图1所示,本申请实施例提供了一种基于大数据的教学内容评测方法,所述方法包括:
步骤100:获得教学主题;
步骤200:获得第一教学讲义;
步骤300:根据所述教学主题、第一教学讲义,获得第一评测值;
具体而言,根据教学主题对第一教学讲义进行评测,教学主题包括了教学主题名称、分类、所属学科、教学大纲,判断第一教学讲义的内容与教学主题的要求范围关联性和紧密度,是否满足教学主题的规定要求,有没有偏离主题的情况等等,根据两者之间的关联度对第一教学讲义进行评测,获得第一评测值。
步骤400:根据所述教学主题,获得第一主题标准信息;
步骤500:根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;
进一步而言,所述根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值,包括:将所述第一教学讲义作为第一输入信息;将所述第一主题标准信息作为第二输入信息;将所述第一输入信息、所述第二输入信息输入第一训练模型中,所述第一训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息、所述第二输入信息和标识第二评测值的标识信息;获得所述第一训练模型的输出信息,其中,所述输出信息包括第二评测值,所述第二评测值表示根据第一主题标准信息对第一教学讲义进行评价的结果值。
具体而言,根据教学主题,从大数据库中进行匹配,找到符合教学主题内容的标准化教学信息,即该教学主题下的内容规范、内容细节、核心内容,如必然涉及到的公式、定义,或者常利用哪些理论知识、公式进行延伸等,利用该标准化内容对教学大纲进行评测,判断第一教学讲义中是否满足第一主题标准信息中的要求,是否存在逻辑不清楚、内容错误等,可以理解为利用大数据中的标准数据对第一教学讲义中的理论、定义、公式等进行纠错,是否存在错误,根据这个匹配判断结果作为评测的依据,获得第二评测值。为了提高匹配过程中信息的准确性,提高第二评测值的可靠度,本申请实施例利用了神经网络模型的优势,将多组第一教学讲义、第一主题标准信息和标识了第二评测值信息标记作为训练数据,进行了模型训练,并通过大量数据训练和校正以确保神经网络模型的准确性。这样通过数据输入训练模型中,可以获得与标识第二评测值信息相匹配的输出结果。所述第一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,将所述第一教学讲义、第一主题标准信息输入神经网络模型,则输出满足要求的第二评测值信息。
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第一教学讲义、第一主题标准信息和标识满足第二评测值信息的标识信息,将所述第一教学讲义、第一主题标准信息输入到神经网络模型中,所述神经网络模型输出满足第二评测值信息要求的输出结果,判断所述输出信息与标识第二评测值标识信息是否一致,如一致,进行下一组数据的监督学习;如果所述输出信息与标识第二评测值信息不一致,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标识第二评测值信息的标识信息一致,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,进而使得输出的第二评测值更加准确,提供针对教学讲义内容的准确评定数值,为教师准备讲义提供可靠支撑。
步骤600:获得第一学生信息;
步骤700:根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;
步骤800:根据所述第一匹配度,获得第三评测值;
具体而言,针对不同的学生群体,需要针对性的准备教学内容,以符合教学对象的教学要求,如学生是小学生、中学生、大学生、研究生、在职人员等,针对同一主题要准备的教学内容肯定会不同,难度、维度都会进行区别,否则不符合学生特性的教学讲义是不能达到教学目标的,严重影响到教学效果,因而根据不同的学生信息,侧重点和设计维度、难度都要进行对应设定,使得教学对象即学生能够得到准确的知识输入,根据第一教学讲义和第一学生信息的匹配度,进行综合评定获得第三评测值,具体评测值的评测方法可以按照要求进行设定,系统也会根据预存的计算方法进行处理,还可以利用神经网络模型进行建模和运算,以确保计算评测值的准确性。
步骤900:根据所述第一评测值、第二评测值、第三评测值,获得评测结果;
步骤1000:判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。
进一步而言,所述方法包括:当所述评测结果不满足所述第一预定要求时,获得第一提醒指令,所述第一提醒指令用于发送修改所述第一教学讲义的提醒信息和评测结果。
具体而言,根据上述三个方面进行评定的评测值结果进行加权计算确定最终的评测结果,每一项占的加权比例值,根据侧重点进行设定,若没有特点的占比要求,系统按照平均值进行处理。最后判断评测结果是否满足预定要求,举例而言,预定要求为评测结果要满足80分,则当评测结果超过80分时,则为满足,不足80分则为不满足,根据评测结果,输出对满足标准的讲义内容的评分结果,并将该讲义进行存储,当不满足要求时,发送提醒信息,提醒教师内容存在问题需要进行对应修改,并将讲义内容对应的错误进行批注进行输出。实现了从多个角度对教学讲义进行了评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩,增加教师的自信心的技术效果,从而解决了现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。
进一步而言,所述方法包括:根据所述第一学生信息,获得第一历史成绩;根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩;根据预定要求确定第一目标成绩;判断所述第一预估成绩、所述第一目标成绩是否满足相似度要求;当满足时,获得所述第一指令。
进一步的,所述根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩,包括:将所述第一历史成绩、所述第一教学讲义输入第二训练模型中,所述第二训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一历史成绩、所述第一教学讲义和标识第一预估成绩的标识信息;获得所述第二训练模型的输出信息,其中,所述输出信息包括第一预估成绩,所述第一预估成绩表示对第一学生针对第一教学讲义评估的成绩信息。
进一步的,所述根据所述第一学生信息,获得第一历史成绩,包括;根据所述第一学生信息,获得第一学生历史学习信息;根据所述教学主题,获得主题属性;根据所述主题属性从所述第一学生历史学习信息中匹配,获得第一匹配学科,所述第一匹配学科为与所述教学主题满足相同属性要求的学科;根据所述第一匹配学科、所述第一学生历史学习信息,获得所述第一历史成绩。
具体而言,根据学生的学习水平和对第一教学讲义的教学效果进行评定,如果对于学生的平时成绩有提升的效果,则该讲义内容满足要求,对于学生的平时成绩匹配度不高时,则对应评分较低,提醒需要进行改进,如该次教学对象的学生之前学习过类似的学科,接收水平低,效果差,而该次讲义的内容过于高,目标成绩较高,与当前学生的历史成绩不匹配,则应该建议调整教学讲义的内容,以确保学生可以接收到输出的知识,不会存在理解和接受困难的问题,若相差较大会影响教学效果,如果该学生之前的相关科目成绩较高,而该次讲义的目标成绩较低,也需要进行适当调整,当两者相匹配时,则表明该讲义符合要求。
为了提高评估的准确性,本申请实施例利用了神经网络模型的优势,将多组第一历史成绩、所述第一教学讲义和标识了满足要求的第一预估成绩标记作为训练数据,进行了模型训练,并通过大量数据训练和校正以确保神经网络模型的准确性。这样通过数据输入训练模型中,可以获得与标识满足第一预估成绩要求对应的第一预估成绩相匹配的输出结果。所述第一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 NeuralNetworks),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,将所述第一历史成绩、所述第一教学讲义输入神经网络模型,则输出第一预估成绩。
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第一历史成绩、所述第一教学讲义和标识第一评估成绩的标识信息,将所述第一历史成绩、所述第一教学讲义输入到神经网络模型中,所述神经网络模型输出第一预估成绩的输出结果,判断所述输出信息与标识第一预估成绩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标识第一预估成绩信息不一致,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标识第一预估成绩的标识信息一致,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预估成绩信息更加准确,提供可靠的评价结果。
进一步而言,所述方法包括:获得第一评测结果、第二评测结果、直到第N评测结果;根据所述第一评测结果生成第一验证码,其中,所述第一验证码是与所述第一评测结果一一对应的;根据所述第二评测结果和第一验证码生成第二验证码;以此类推,根据所述第N评测结果和第N-1验证码生成第N验证码,其中,N为大于1的自然数;将所有评测结果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,为了确保数据信息存储的安全性,确保其不被篡改,本申请实施例对评测结果进行了基于区块链的加密操作。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。
进一步的,第一评测结果的第一加密等级信息是通过大量的数据训练进行反复的训练获得的,为了保证在进行训练时的训练数据安全性,将训练用实验数据中的第一评测结果生成第一验证码,其中,第一验证码是与第一评测结果一一对应的;根据第二评测结果和第一验证码生成第二验证码;……根据所述第N评测结果和第N-1验证码生成第N验证码;将第一评测结果和第一验证码作为第一存储单位;将第二评测结果和第二验证码作为第二存储单位;……将第N评测结果和第N验证码作为第N存储单位。将第一存储单位、第二存储单位、……第N存储单位分别复制保存在N台设备上;当需要调用训练数据时,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,通过哈希技术对于每一存储单位进行串接,使得训练数据不易丢失和遭到破坏,通过将每一数据信息进行区块链计算获得整个训练数据的方式,对数据信息进行加密处理,进而获得安全的、准确的训练数据来获得第一加密等级信息。从而保证了评测结果的安全性、准确性,避免遭到恶意纂改。
进一步而言,所述方法包括:将所述第N评测结果和第N-1验证码作为第N区块;获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;将第N区块的记录权发送给所述第一设备。
具体而言,获得第一存储单位需要的预定记录时间,将不能在预定时间内完成记录第一存储单位的设备排除,获得N台设备中记录第一存储单位运力最快的设备,将第一存储单位的记录权给设备。进一步而言,第二存储单位、第三存储单位、……、第N存储单位均采用如第一存储单位的记录方法,进而保证了去中心化区块链系统的安全、有效和稳定运行,能够保证存储单位能够被快速准确的记录在设备中,进而保证了训练数据不易丢失和安全性。
对数据信息基于区块链的加密处理,有效保证了数据信息的安全,达到了对于数据信息进行安全存储的技术效果。
实施例二
基于与前述实施例中一种基于大数据的教学内容评测方法同样发明构思,本发明还提供了一种基于大数据的教学内容评测装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得教学主题;
第二获得单元12,所述第二获得单元12用于获得第一教学讲义;
第三获得单元13,所述第三获得单元13用于根据所述教学主题、第一教学讲义,获得第一评测值;
第四获得单元14,所述第四获得单元14用于根据所述教学主题,获得第一主题标准信息;
第五获得单元15,所述第五获得单元15用于根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;
第六获得单元16,所述第六获得单元16用于获得第一学生信息;
第七获得单元17,所述第七获得单元17用于根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;
第八获得单元18,所述第八获得单元18用于根据所述第一匹配度,获得第三评测值;
第九获得单元19,所述第九获得单元19用于根据所述第一评测值、第二评测值、第三评测值,获得评测结果;
第一执行单元20,所述第一执行单元20用于判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。
进一步的,所述装置还包括:
第二执行单元,所述第二执行单元用于将所述第一教学讲义作为第一输入信息;
第三执行单元,所述第三执行单元用于将所述第一主题标准信息作为第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息、所述第二输入信息输入第一训练模型中,所述第一训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息、所述第二输入信息和标识第二评测值的标识信息;
第十获得单元,所述第十获得单元用于获得所述第一训练模型的输出信息,其中,所述输出信息包括第二评测值,所述第二评测值表示根据第一主题标准信息对第一教学讲义进行评价的结果值。
进一步的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一学生信息,获得第一历史成绩;
第十二获得单元,所述第十二获得单元用于根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩;
第一确定单元,所述第一确定单元用于根据预定要求确定第一目标成绩;
第一判断单元,所述第一判断单元用于判断所述第一预估成绩、所述第一目标成绩是否满足相似度要求;
第十三获得单元,所述第十三获得单元用于当满足时,获得所述第一指令。
进一步的,所述装置还包括:
第二输入单元,所述第二输入单元用于将所述第一历史成绩、所述第一教学讲义输入第二训练模型中,所述第二训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一历史成绩、所述第一教学讲义和标识第一预估成绩的标识信息;
第十四获得单元,所述第十四获得单元用于获得所述第二训练模型的输出信息,其中,所述输出信息包括第一预估成绩,所述第一预估成绩表示对第一学生针对第一教学讲义评估的成绩信息。
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于根据所述第一学生信息,获得第一学生历史学习信息;
第十六获得单元,所述第十六获得单元用于根据所述教学主题,获得主题属性;
第十七获得单元,所述第十七获得单元用于根据所述主题属性从所述第一学生历史学习信息中匹配,获得第一匹配学科,所述第一匹配学科为与所述教学主题满足相同属性要求的学科;
第十八获得单元,所述第十八获得单元用于根据所述第一匹配学科、所述第一学生历史学习信息,获得所述第一历史成绩。
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当所述评测结果不满足所述第一预定要求时,获得第一提醒指令,所述第一提醒指令用于发送修改所述第一教学讲义的提醒信息和评测结果。
进一步的,所述装置还包括:
第二十获得单元,所述第二十获得单元用于获得第一评测结果、第二评测结果、直到第N评测结果;
第一生成单元,所述第一生成单元用于根据所述第一评测结果生成第一验证码,其中,所述第一验证码是与所述第一评测结果一一对应的;
第一验证单元,所述第一验证单元用于根据所述第二评测结果和第一验证码生成第二验证码;以此类推,根据所述第N评测结果和第N-1验证码生成第N验证码,其中,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评测结果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:
第四执行单元,所述第四执行单元用于将所述第N评测结果和第N-1验证码作为第N区块;
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N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
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N区块记录时间,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第N区块的记录权发送给所述第一设备。
前述图1实施例一中的一种基于大数据的教学内容评测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大数据的教学内容评测装置,通过前述对一种基于大数据的教学内容评测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据的教学内容评测装置的实施方法,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3来描述本申请实施例的电子设备。
图3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大数据的教学内容评测方法的发明构思,本发明还提供一种基于大数据的教学内容评测装置,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大数据的教学内容评测方法的任一方法的步骤。
其中,在图3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。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本申请实施例提供了一种基于大数据的教学内容评测方法及装置,通过获得教学主题;获得第一教学讲义;根据所述教学主题、第一教学讲义,获得第一评测值;根据所述教学主题,获得第一主题标准信息;根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;获得第一学生信息;根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;根据所述第一匹配度,获得第三评测值;根据所述第一评测值、第二评测值、第三评测值,获得评测结果;判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义。达到了从多个角度对教学讲义进行了综合、科学地评测,以提升教学讲义的准确性,为教学效果提供有力保障,同时对于参加考核的教学内容进行提升,以避免出现纰漏而影响成绩的技术效果。从而解决了现有技术中对于教学讲义的准备缺乏预评,存在教育效果的好坏无法进行判断而影响教学质量,对于教学考核中准备的讲义因缺乏科学指导而可能影响考核结果的技术问题。
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 (8)
1.一种基于大数据的教学内容评测方法,其中,所述方法包括:
获得教学主题;
获得第一教学讲义;
根据所述教学主题、第一教学讲义,获得第一评测值;
根据所述教学主题,获得第一主题标准信息;
根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;
获得第一学生信息;
根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;
根据所述第一匹配度,获得第三评测值;
根据所述第一评测值、第二评测值、第三评测值,获得评测结果;
判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存所述第一教学讲义;
其中,所述方法包括:
根据所述第一学生信息,获得第一历史成绩;
根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩;
根据预定要求确定第一目标成绩;
判断所述第一预估成绩、所述第一目标成绩是否满足相似度要求;
当满足时,获得所述第一指令;
其中,所述根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值,包括:
将所述第一教学讲义作为第一输入信息;
将所述第一主题标准信息作为第二输入信息;
将所述第一输入信息、所述第二输入信息输入第一训练模型中,所述第一训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息、所述第二输入信息和标识第二评测值的标识信息;
判断输出信息与所述标识第二评测值标识信息是否一致,如一致,进行下一组数据的监督学习,如不一致,则所述第一训练模型进行自我修正、调整,直至所述输出信息与所述标识第二评测值信息的标识信息一致;
获得所述第一训练模型的输出信息,其中,所述输出信息包括第二评测值,所述第二评测值表示根据第一主题标准信息对第一教学讲义进行评价的结果值。
2.如权利要求1所述的方法,其中,所述根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩,包括:
将所述第一历史成绩、所述第一教学讲义输入第二训练模型中,所述第二训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一历史成绩、所述第一教学讲义和标识第一预估成绩的标识信息;
获得所述第二训练模型的输出信息,其中,所述输出信息包括第一预估成绩,所述第一预估成绩表示对第一学生针对第一教学讲义评估的成绩信息。
3.如权利要求1所述的方法,其中,所述根据所述第一学生信息,获得第一历史成绩,包括;
根据所述第一学生信息,获得第一学生历史学习信息;
根据所述教学主题,获得主题属性;
根据所述主题属性从所述第一学生历史学习信息中匹配,获得第一匹配学科,所述第一匹配学科为与所述教学主题满足相同属性要求的学科;
根据所述第一匹配学科、所述第一学生历史学习信息,获得所述第一历史成绩。
4.如权利要求1所述的方法,其中,所述方法包括:
当所述评测结果不满足所述第一预定要求时,获得第一提醒指令,所述第一提醒指令用于发送修改所述第一教学讲义的提醒信息和评测结果。
5.如权利要求1所述的方法,其中,所述方法包括:
获得第一评测结果、第二评测结果、直到第N评测结果;
根据所述第一评测结果生成第一验证码,其中,所述第一验证码是与所述第一评测结果一一对应的;
根据所述第二评测结果和第一验证码生成第二验证码;以此类推,根据所述第N评测结果和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
将所有评测结果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。
6.如权利要求5所述的方法,其中,所述方法包括:
将所述第N评测结果和第N-1验证码作为第N区块;
获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;
将第N区块的记录权发送给所述第一设备。
7.一种基于大数据的教学内容评测装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得教学主题;
第二获得单元,所述第二获得单元用于获得第一教学讲义;
第三获得单元,所述第三获得单元用于根据所述教学主题、第一教学讲义,获得第一评测值;
第四获得单元,所述第四获得单元用于根据所述教学主题,获得第一主题标准信息;
第五获得单元,所述第五获得单元用于根据所述第一教学讲义、所述第一主题标准信息,获得第二评测值;
第六获得单元,所述第六获得单元用于获得第一学生信息;
第七获得单元,所述第七获得单元用于根据所述第一教学讲义、所述第一学生信息,获得第一匹配度;
第八获得单元,所述第八获得单元用于根据所述第一匹配度,获得第三评测值;
第九获得单元,所述第九获得单元用于根据所述第一评测值、第二评测值、第三评测值,获得评测结果;
第一执行单元,所述第一执行单元用于判断所述评测结果是否满足第一预定要求,当满足时,获得第一指令,所述第一指令用于发送评测结果并保存第一教学讲义;
所述装置还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一学生信息,获得第一历史成绩;
第十二获得单元,所述第十二获得单元用于根据所述第一历史成绩、所述第一教学讲义,获得第一预估成绩;
第一确定单元,所述第一确定单元用于根据预定要求确定第一目标成绩;
第一判断单元,所述第一判断单元用于判断所述第一预估成绩、所述第一目标成绩是否满足相似度要求;
第十三获得单元,所述第十三获得单元用于当满足时,获得所述第一指令;
第二执行单元,所述第二执行单元用于将所述第一教学讲义作为第一输入信息;
第三执行单元,所述第三执行单元用于将所述第一主题标准信息作为第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息、所述第二输入信息输入第一训练模型中,所述第一训练模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入信息、所述第二输入信息和标识第二评测值的标识信息;
判断输出信息与所述标识第二评测值标识信息是否一致,如一致,进行下一组数据的监督学习,如不一致,则所述第一训练模型进行自我修正、调整,直至所述输出信息与所述标识第二评测值信息的标识信息一致;
第十获得单元,所述第十获得单元用于获得所述第一训练模型的输出信息,其中,所述输出信息包括第二评测值,所述第二评测值表示根据第一主题标准信息对第一教学讲义进行评价的结果值。
8.一种基于大数据的教学内容评测装置,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1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011326899.8A CN112241851B (zh) | 2020-11-24 | 2020-11-24 | 一种基于大数据的教学内容评测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011326899.8A CN112241851B (zh) | 2020-11-24 | 2020-11-24 | 一种基于大数据的教学内容评测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241851A CN112241851A (zh) | 2021-01-19 |
CN112241851B true CN112241851B (zh) | 2022-06-10 |
Family
ID=74175339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011326899.8A Active CN112241851B (zh) | 2020-11-24 | 2020-11-24 | 一种基于大数据的教学内容评测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241851B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060286538A1 (en) * | 2005-06-20 | 2006-12-21 | Scalone Alan R | Interactive distributed processing learning system and method |
JP2008276634A (ja) * | 2007-05-02 | 2008-11-13 | Fujitsu Fsas Inc | 受講者評価システム及び受講者評価方法 |
WO2015156148A1 (ja) * | 2014-04-10 | 2015-10-15 | ソニー株式会社 | 情報処理装置および方法、情報処理システム、並びにプログラム |
CN108345593A (zh) * | 2017-01-22 | 2018-07-31 | 北京新唐思创教育科技有限公司 | 一种基于题库系统的教学讲义生成方法及其装置 |
CN109710931A (zh) * | 2018-12-21 | 2019-05-03 | 中南民族大学 | 一种基于智能分析技术的课堂教学内容评价系统及其方法 |
CN109784951A (zh) * | 2019-01-29 | 2019-05-21 | 浙江甲骨文超级码科技股份有限公司 | 一种基于区块链技术的产品全流程防伪追溯系统 |
-
2020
- 2020-11-24 CN CN202011326899.8A patent/CN112241851B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112241851A (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Attribute‐level and pattern‐level classification consistency and accuracy indices for cognitive diagnostic assessment | |
CN112085560A (zh) | 一种基于云计算的智能教育方法及系统 | |
Andayani et al. | Decision-making model for student assessment by unifying numerical and linguistic data | |
Tekian et al. | Overcome the 60% passing score and improve the quality of assessment | |
CN115205073A (zh) | 学生职业技能倾向评估方法、装置、计算机设备及介质 | |
Lee | Students’ use of “look back” strategies in multiple solution methods | |
Aboalela et al. | Model of learning assessment to measure student learning: inferring of concept state of cognitive skill level in concept space | |
CN112241851B (zh) | 一种基于大数据的教学内容评测方法及装置 | |
Tadlaoui et al. | The initialization of the learner model combining the Bayesian networks and the stereotypes methods | |
CN111815489B (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
CN116776855A (zh) | 基于LLaMA模型解决职业教育机器自主学习方法和装置及设备 | |
Imam et al. | Obtaining ABET student outcome satisfaction from course learning outcome data using fuzzy logic | |
CN108614771A (zh) | 一种数学建模教学学习系统 | |
CN115409257A (zh) | 一种基于条件密度估计模型的成绩分布预测方法及系统 | |
Wyse et al. | A comparison of three conditional growth percentile methods: student growth percentiles, percentile rank residuals, and a matching method | |
CN112084510A (zh) | 一种区块链的数据处理方法及系统 | |
Vourletsis et al. | Effects of a Computational Thinking Experimental Course on Students' Perceptions of Their Problem-Solving Skills | |
KR102304681B1 (ko) | 학업성취도 산출 및 클래스 결정 시스템 | |
CN109858006A (zh) | 科目识别训练方法、装置 | |
Liu et al. | Using learning analytics technologies to find learning structures from online examination system | |
Brigadnov | Development of associative-oriented models of competencies and trainees in automated training systems | |
CN111178770A (zh) | 答题数据评估和学习图像构建方法、装置及存储介质 | |
Zhang et al. | Determination of verb similarity in computational verb theory [J] | |
TWI529650B (zh) | Intelligent adaptive evaluation system using fuzzy markup language and its application method | |
CN108717809A (zh) | 一种虚拟现实仿真教学系统 |
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 |