CN112465678A - 一种学生选课推荐的方法及系统 - Google Patents
一种学生选课推荐的方法及系统 Download PDFInfo
- Publication number
- CN112465678A CN112465678A CN202011419277.XA CN202011419277A CN112465678A CN 112465678 A CN112465678 A CN 112465678A CN 202011419277 A CN202011419277 A CN 202011419277A CN 112465678 A CN112465678 A CN 112465678A
- Authority
- CN
- China
- Prior art keywords
- student
- course
- data
- evaluation
- students
- 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 29
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 238000012163 sequencing technique Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000011161 development Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 25
- 238000007726 management method Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 10
- 230000008451 emotion Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 230000036651 mood Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004630 mental health Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 244000061520 Angelica archangelica Species 0.000 description 2
- 235000001287 Guettarda speciosa Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种学生选课推荐的方法,涉及智慧校园领域,选课推荐方法包括定义和采集学生数据,整理画像,匹配学生和课程的关系和根据匹配的结果排序并给出推荐。选课推荐系统包括学生成长数据中心、选课推荐子系统和授课管理评价子系统。本发明的选课推荐方法和系统,借助学生成长数据中心的模型和数据,同时为学生和课程画像;同时针对能力特长、兴趣倾向、互动关系和性格习惯四个大类型指标进行对应打分和比对,形成分项和综合的课程适应性排序;还可以追踪后续选课授课数据,进一步对学生及家庭的选课能力进行评价,并且更进一步的,将此评价记入成长数据库,作为后续比对依据,从而追踪相关能力发展过程。
Description
技术领域
本发明涉及智慧校园领域,尤其涉及一种学生进行校园兴趣特色课程选课推荐的方法和系统。
背景技术
随着素质教育教学要求的提高,学校会要求大量进行校本特色课程的开设,结合自己的地区、学区、校情等综合情况,为学生提供更多的个性化课程选择机会,从而从更多方面对学生进行培养。然而,课程的增加与学生个人选择机会的增多,反过来将会导致学生和学生家长对学习课程的选择难度增加。不合适的课程选择将会影响有限课程资源的使用效率。
传统的处理方式是借助教师协助,首先设置选课的前置条件,然后在学生或学生家长报名后,由教师根据个人对学生的印象表现或者组织专门的考核,决定学生是否有资格参与相关课程,这样处置的好处是,相对来讲,比较专业的教师容易做决策,缺点则大幅度降低了学生、家庭的参与感,打消学生上课的积极性。另外由于事实上教师进行决策判断的依据主要也是依托于个人印象,因而很多选课决定也是盲目的,未必可以实现合理推荐决策。对于未来人格发展来说,教会学生如何做决策和选择比简单替代学生选课重要得多,由教师或家长代替学生选择本身也是具有很大问题的。
因此,本领域的技术人员致力于开发一种学生进行校园兴趣特色课程选课推荐的方法和系统,帮助学生或家庭逐渐找到适合自己的选择课程内容。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是如何通过技术手段,从学生的成长数据中抽取特征,并应用这些特征对学生进行画像,然后在多维度下进行课程匹配,最后实现优化的选课推荐结果。
为实现上述目的,本发明提供了一种学生选课推荐的方法,包括以下步骤:
步骤1、定义和采集学生数据,所述学生数据包括评价数据、行为数据和情绪数据;
步骤2、整理画像,所述画像包括学生数字画像、教师风格画像、生生关系画像和课程数字画像;
步骤3、匹配学生和课程的关系,所述匹配包括能力匹配、兴趣匹配、师生关系匹配和生生关系匹配;
步骤4、根据匹配的结果排序并给出推荐,其中,以聚类的方式匹配排序结果,根据决策模型给出推荐。
进一步地,所述评价数据包括含有预设的四级树形评价指标标记,用来标记学生的被评价信息相关的维度领域,每一条评价数据对应了指标和积分权重值,用以标记相应的数据的重要性;所述行为数据,标记了业务来源和学科差异;所述情绪数据分为六种状态,用1-6的数字来对其赋值,用于后续的聚类分析。
进一步地,所述学生数字画像,是指通过所述学生的评价模型、评价数据、行为数据、成果数据形成的关于学生能力特长、兴趣倾向、互动关系、性格习惯方面的数据量化描述。
进一步地,所述课程数字画像,是指根据课程开设所要求提供的关于课程培养目标、介绍分类、任课教师和在选课系统中已选课同学情况综合给出的,关于课程覆盖学生发展领域、重点能力培养和要求入门水平,任课教师的教学风格,已选课学生的综合水平及关系的信息。
进一步地,所述能力匹配使用学生能力画像向量与课程能力培养目标相乘,得到能力匹配因子Ca,其中,所述课程能力培养目标中有维度记为1,缺失维度记为0;所述兴趣匹配使用学生兴趣画像向量与课程关联学科向量相乘,得到兴趣匹配因子Ci,其中,所述课程关联学科向量中有覆盖的记为1,缺失学科记为0;所述性格匹配使用学生性格向量与任课教师教学风格向量相乘,得到性格匹配因子Cn,其中,任课教师教学风格向量均为3维向量,若某门课有多位教师任教的,则取该学生与多位教师的合集。
进一步地,,所述生生关系匹配为:
学生i与课程c的关系指标为:
Ci-c=(Ca-c,Ci-c,Cn-c,Cr-c),
所有m门课程与学生的匹配关系:
C=(Cm)。
进一步地,,所述决策模型D=(Da,Di,Dn,Dr),计算公式为:
其中,Di越高,表示在选课时,对相关领域的决策计划性越强,越低则表示随意性越强。
进一步地,,还包括以下步骤:
步骤5、统计学生调换课程、后续上课表现、个人和家庭的感受评估的数据,用于生成对学生个人选课能力水平的评价,并将此评价结果反向作为评价数据记录进学生成长数据中心。
本发明还提供了一种学生选课推荐的系统,包括学生成长数据中心、选课推荐子系统和授课管理评价子系统,其中,所述学生成长数据中心包括统一标准的多级学生评价模型,以及和学生相关的评价数据、行为数据以及成果数据,还包括与选课推荐子系统对接的API服务接口;所述选课推荐子系统包括学生数字画像和特色课程数字画像,还包括学生数字画像和特色课程数字画像之间的对比、排序和推荐的算法模块,所述学生数字画像包括能力特长、兴趣倾向、互动关系以及性格习惯,特色数字课程画像包括培养目标、介绍说明、任课教师以及已选课同学。
进一步地,所述学生成长数据中心的统一标准的多级学生评价模型用于生成特色数字课程画像中的培养目标;所述授课管理评价子系统包括课程模块、上课表现以及教师、同学的评价、学生感受评估和家长感受评估,其中,所述学生选课能力评价的结果被配置为存入所述学生成长数据中心的所述评价数据。
本发明所述的学生选课推荐方法可以利用已在学生成长数据中心中存储的标准及数据,并在选课推荐子系统中据此抽取生成每个学生数字画像和每门开设特色课程的数字画像,通过对比找到不同维度下学生适合学习的课程,并针对性量化、排序并通过相应的界面推荐给学生;其中,学生成长数据中心包含多级别学生评价模型、存储学生成长数据,如评价数据、行为数据、成果数据等;选课推荐子系统,是负责根据学生成长数据以及课程管理系统中录入的课程信息,对学生和课程分别进行数字画像解析,进而通过对比、量化,在不同维度上找到相对最适合的学生的课程并予以推荐的系统;学生数字画像,是指通过所述学生的评价模型、评价数据、行为数据、成果数据等内容,而形成的关于学生能力特长、兴趣倾向、互动关系、性格习惯等方面的数据量化描述。
特色课程数字画像,是指根据课程开设所要求提供的关于课程培养目标、介绍分类、任课教师和在选课系统中已选课同学情况等综合给出的,关于课程覆盖学生发展领域、重点能力培养和要求入门水平,任课教师的教学风格,已选课学生的综合水平及关系等信息。量化对比,是指在学生涉及领域上进行维度推荐排序的时候将学生画像和课程画像对应指标进行比对,根据匹配程度进行打分和排序,从而得到学生的综合、分项符合度最高的课程组合。
为了更好追踪学生和家庭合理规划个人学习计划的能力,本发明所述的选课推荐的方法及系统还可以统计学生调换课程、后续上课表现、个人和家庭的感受评估等数据,用来生成对学生个人选课能力水平的评价,并将此评价结果反向作为评价数据记录进学生成长数据中心;统计学生调换课程的数据,是指通过记录学生在确定选课后退课、重选其他课程的行为数据。学生后续上课表现数据,包含教师、学生按照课程规定的评价量表,记录学生在上课过程中的评价数据,和其他通过音视频、管理系统所记录的行为数据,如(包括但不限于)上课片段短视频、考勤信息、大作业分数等等。个人和家庭的学习感受性评估数据,是指通过进一步的访谈、调研等记录下的,学生和家庭对于学生上课期间的主观感受记录。
对个人和家庭的选课能力的评价,是指根据学生选课和上课的相关数据记录,评估给出学生某批次选课的总体是否做出了适合自己的课程选择。反向记入学生成长数据中心,是指相关评估数据的内容可以作为学生评价数据,根据某种设定的指标记录进学生成长数据中心中。
如果符合某些课程的学生人数超出某门课可接受学生上限,可以以告警形式给到学校、教育局或其他管理机构,以便于调整教学资源,更好满足需求。
如图1所示,本发明所述的选课推荐方法包括四个环节,第一个环节是数据定义和采集,其中,所定义和采集的数据包括评价数据、行为数据以及情绪数据;第二个环节是画像整理环节,包括学生的画像,教师风格画像,生生关系画像以及课程画像;第三个环节是确定学生和课程的匹配关系,包括能力匹配、兴趣匹配、师生关系匹配以及生生关系匹配;第四个环节是排序推荐,包括通过聚类方式的排序分级,推荐界面的交互以及导出决策模型和推荐结果。
如图2所示,本发明所述的支持学生选课推荐系统包括学生成长数据中心、选课推荐子系统和授课管理评价子系统,其中,学生成长数据中心包括统一标准的多级学生评价模型,以及和学生相关的评价数据、行为数据以及成果数据,还包括与选课推荐子系统对接的API服务接口。选课推荐子系统包括学生数字画像和特色课程数字画像,还包括学生数字画像和特色课程数字画像之间的对比、排序和推荐的算法模块,学生数字画像包括能力特长、兴趣倾向、互动关系以及性格习惯,特色数字课程画像包括培养目标、介绍说明、任课教师以及选课同学;学生成长数据中心的统一标准的多级学生评价模型用于生成特色数字课程画像中的培养目标。授课管理评价子系统包括课程模块、上课表现以及教师、同学的评价、学生感受评估和家长感受评估,其中,学生选课能力评价的结果将存入学生成长数据中心的评价数据部分。在学生完成所推荐课程以后,进入授课管理评价子系统,将整个教学过程放入一个闭环的系统中,随着系统的不断迭代,其中的数据将越来越丰富,模型将越来越准确。
本发明所述的支持学生选课推荐的信息系统,包含客户端、服务端,采用BS&CS混合架构,依托相对应的平板、自助设备、移动手机、服务器等硬件媒介和APP、服务端软件、数据库软件等软件形式进行实现。
借助学生综合评价系统数据和学校校本特色课管理系统对应教学目标进行比对,从而给出学生参与某节课的适合度的方法和系统。针对预设的评价指标,和课程教学预设目标,可以容易比对出不同评价维度指标下,学生与课程的相关联程度,从而系统给出学生与每一门课程的匹配指标,再通过排序,即可给出适合学生的课程建议。进而,系统还可以设置学生“盲选”功能,和授课追踪功能,以针对学生的“选课”能力进行评估打分,帮助学生或家庭逐渐找到适合自己的选择课程内容的方法。
本发明所述的选课推荐方法,借助学生成长数据中心的模型和数据,同时为学生和课程画像;同时针对能力特长、兴趣倾向、互动关系和性格习惯四个大类型指标进行对应打分和比对,形成分项和综合的课程适应性排序;还可以追踪后续选课授课数据,进一步对学生(及家庭)的选课能力进行评价,并且更进一步的,将此评价记入成长数据库,作为后续比对依据,从而追踪相关能力发展过程。
本发明所述的选课推荐方法,也可以通过设置调查问卷或者评估量表的形式,以心理评估的方式,快速获取学生能力模型和兴趣模型,再与课程教学目标相匹配,也可以进行选课推荐,但相关方式往往是一次性行为,对能力表现快速发展的学生阶段来说,并不非常实用,这种方式用于成人教育会更适合一点。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的选课推荐方法示意图;
图2是本发明的一个较佳实施例的选课推荐系统框图;
图3使本发明的一个较佳实施例的关系匹配的星级评价界面示意图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在本实施例中,呈现学生成长数据库中的数据样例如下表1所示:
表1呈现学生成长数据库中的数据样例
表1中数据分为三类,分别是学生综合评价数据,学生行为作品数据和学生情绪状态数据,对于综合评价数据中,含有系统预设好的四级树形评价指标标记,用来标记学生的被评价信息相关的维度领域,同时,每一条评价数据对应了指标和积分权重值,用以标记相应的数据的重要性;对于行为数据,标记了业务来源和学科差异;对于情绪值,本实施例提供了六种状态,并用1-6的数字来对其赋值,用于后续的聚类分析。所有可能的与他人相关的数据信息中,均记录了对应学生的ID,用以标记互动关系。
培养目标 | 量化 | 任课教师 | 学科领域 | 已选学生名单 | |||
身心素养 | 身体 | 运动 | 锻炼习惯 | 3 | 教师3 | 运动 | 学生1 |
社会发展 | 社团活动 | 领导力 | 团队组织 | 2 | 学生2 | ||
身心素养 | 身体 | 精神意志 | 努力拼搏 | 3 | 学生3 | ||
身心素养 | 身体 | 运动 | 韧带 | 1 |
表2课程数据库
表2规范了一个课程相关信息的情况,包含培养目标(评价模板),对应的目标指标同为四级树形结构,且内容要求成为学生评价指标体系的子集,任课教师列表,课程相关的关联的学科领域。这三项为预置信息。通过与选课系统对接,可以了解到目前已经选课的学生的相关信息,形成已选学生名单列表。
关于学生的统计画像,包含能力、兴趣、性格三个部分,分布通过对前述的评价、行为和情绪数据加以统计取得,其中能力xia指标取2级指标,学生X某一个指标对应取值方式为:
由此,学生X的能力分布为:
X={A指标1,A指标2,……,A指标N}
为了方便学生之间的比较,按照所有指标取百分比做归一化:
X归={A归i},其中A归i=Ai÷∑学生x评价权重值
使用类似的方式,对行为数据中的学科领域条目进行统计,可以得到与学生兴趣有关的数据化描述,为了比较方便,也进行归一化处理。
Y归={I归i},其中I归i=Ii÷∑学生x行为数据
对学生情绪数据取平均值和标准差,设置[1,2.5],[2.5,4.5],[4.5,6]三段,标准差值处于[0,1.5],[1.5,+∞],两个区间;由此确定学生的情绪描述为{倾向,程度,稳定性}的三指标向量,具体的计算方法为:
倾向:当均值大于3.5为1,否则为-1
程度:当均值小于2.5,为-3;大于4.5,为+3,;否则为0
稳定性:标准差小于1.5,为1,否则为0
关于教师的统计画像,围绕学生综合评价数据统计给出,包含评价均衡、倾向和频数三个指标。为了适应不同的场景,统计局限在业务场景为特色课程的评价数据。
首先设教师上一个教学周期内的授课学生集合为S,其中每个学生被评价次数为Si
因为教师作为学校课程提供者,不具备海量可选择的条件,因此可以统一做简化处理,即对上述指标在所有教师范围内进行排序,均分为5等,从高到低对应分值为5,4,3,2,1,这样教师的教学风格即可对应为一个类似(5,3,1)的向量。
关于互动关系统计画像,学生互动关系表现为一个M*M的矩阵R(M),通过成长数据(评价和行为)关联类型获得。学生i与某一个关联学生j之间的关联系数值:
为学生间比较方便,做归一化处理,得到
根据上述画像数据,可以得到对应的学生-课程匹配分值:
1、能力匹配
使用学生能力画像向量与课程能力培养目标(有维度记为1,缺失维度记为0)相乘,得到能力匹配因子Ca
2、兴趣匹配
使用学生兴趣画像向量与课程关联学科向量(有覆盖的记为1,缺失学科记为0)相乘,得到兴趣匹配因子Ci
3、性格匹配
使用学生性格向量与任课教师教学风格向量(均为3维向量)相乘,得到性格匹配因子Cn。某门课有多位教师任教的,取该学生与多位教师的合集
4、关系匹配
由此可得完整的学生i与某门已开设课程c的关系指标
Ci-c=(Ca-c,Ci-c,Cn-c,Cr-c)
对于学校已经开设的M门课程来说,可以计算所有课程与学生的匹配关系
C=(Cm)
为了便于用户理解可以进行可视化推荐设计,可以将M门课程对应的四个维度上的数据进行排序和5级聚类,按数值自高到低排序,对其进行5-1星的赋值,即可实现换算过的学生-课程匹配向量C’i-m,表现为(1,3,2,5)之类的形式。
在界面上可以展示为类似星级评价的方案,用相对温和正面的文案对学生加以引导,如图3所示。
当学生完成选课后,可以依据前述的四个核心维度及学生选课结果进一步提取其选课决策模型D=(Da,Di,Dn,Dr),计算方法如下:
其中,Di越高,表示其在选课时,对相关领域的决策计划性越强,是其选课决策的依据重点,越低则表示其随意性越强。
通过系统持续追踪每次选课,或选课过程中换课前后对应决策模型D的变化情况,可以进一步描述学生对应的个人学习规划能力的变化(提升)情况,也便于学校进行持续的学生能力培养。
对于学校来说,对某个年级段的对应选课匹配关系Cm和选课完成后形成的学生决策模型Dm进行整体的统计分布上的考察和评估,还可以针对性调整学校的课程、师资安排,以及有所侧重的对学生进行个性化的教育引导。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种学生选课推荐的方法,其特征在于,包括以下步骤:
步骤1、定义和采集学生数据,所述学生数据包括评价数据、行为数据和情绪数据;
步骤2、整理画像,所述画像包括学生数字画像、教师风格画像、生生关系画像和课程数字画像;
步骤3、匹配学生和课程的关系,所述匹配包括能力匹配、兴趣匹配、师生关系匹配和生生关系匹配;
步骤4、根据匹配的结果排序并给出推荐,其中,以聚类的方式匹配排序结果,根据决策模型给出推荐。
2.如权利要求1所述学生选课推荐的方法,其特征在于,所述评价数据包括含有预设的四级树形评价指标标记,用来标记学生的被评价信息相关的维度领域,每一条评价数据对应了指标和积分权重值,用以标记相应的数据的重要性;所述行为数据,标记了业务来源和学科差异;所述情绪数据分为六种状态,用1-6的数字来对其赋值,用于后续的聚类分析。
3.如权利要求1所述学生选课推荐的方法,其特征在于,所述学生数字画像,是指通过所述学生的评价模型、评价数据、行为数据、成果数据形成的关于学生能力特长、兴趣倾向、互动关系、性格习惯方面的数据量化描述。
4.如权利要求1所述学生选课推荐的方法,其特征在于,所述课程数字画像,是指根据课程开设所要求提供的关于课程培养目标、介绍分类、任课教师和在选课系统中已选课同学情况综合给出的,关于课程覆盖学生发展领域、重点能力培养和要求入门水平,任课教师的教学风格,已选课学生的综合水平及关系的信息。
5.如权利要求1所述学生选课推荐的方法,其特征在于,所述能力匹配使用学生能力画像向量与课程能力培养目标相乘,得到能力匹配因子Ca,其中,所述课程能力培养目标中有维度记为1,缺失维度记为0;
所述兴趣匹配使用学生兴趣画像向量与课程关联学科向量相乘,得到兴趣匹配因子Ci,其中,所述课程关联学科向量中有覆盖的记为1,缺失学科记为0;
所述性格匹配使用学生性格向量与任课教师教学风格向量相乘,得到性格匹配因子Cn,其中,任课教师教学风格向量均为3维向量,若某门课有多位教师任教的,则取该学生与多位教师的合集。
8.如权利要求1所述学生选课推荐的方法,其特征在于,还包括以下步骤:
步骤5、统计学生调换课程、后续上课表现、个人和家庭的感受评估的数据,用于生成对学生个人选课能力水平的评价,并将此评价结果反向作为评价数据记录进学生成长数据中心。
9.一种学生选课推荐的系统,其特征在于,包括学生成长数据中心、选课推荐子系统和授课管理评价子系统,其中,所述学生成长数据中心包括统一标准的多级学生评价模型,以及和学生相关的评价数据、行为数据以及成果数据,还包括与选课推荐子系统对接的API服务接口;所述选课推荐子系统包括学生数字画像和特色课程数字画像,还包括学生数字画像和特色课程数字画像之间的对比、排序和推荐的算法模块,所述学生数字画像包括能力特长、兴趣倾向、互动关系以及性格习惯,特色数字课程画像包括培养目标、介绍说明、任课教师以及已选课同学。
10.如权利要求9所述学生选课推荐的系统,其特征在于,所述学生成长数据中心的统一标准的多级学生评价模型用于生成特色数字课程画像中的培养目标;所述授课管理评价子系统包括课程模块、上课表现以及教师、同学的评价、学生感受评估和家长感受评估,其中,所述学生选课能力评价的结果被配置为存入所述学生成长数据中心的所述评价数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419277.XA CN112465678A (zh) | 2020-12-07 | 2020-12-07 | 一种学生选课推荐的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419277.XA CN112465678A (zh) | 2020-12-07 | 2020-12-07 | 一种学生选课推荐的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112465678A true CN112465678A (zh) | 2021-03-09 |
Family
ID=74800829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011419277.XA Pending CN112465678A (zh) | 2020-12-07 | 2020-12-07 | 一种学生选课推荐的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465678A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926902A (zh) * | 2021-04-15 | 2021-06-08 | 广州宏途教育网络科技有限公司 | 一种基于学生自身特性的选课方法及处理终端 |
CN113191651A (zh) * | 2021-05-11 | 2021-07-30 | 浙江吉利控股集团有限公司 | 线上线下混合式教育方法、系统、电子设备及存储介质 |
CN113377925A (zh) * | 2021-06-28 | 2021-09-10 | 哈尔滨工业大学 | 一种基于特征工程的在线课程画像的构建方法 |
CN113516571A (zh) * | 2021-05-11 | 2021-10-19 | 浙江吉利控股集团有限公司 | 一种基于职业理想的教育方法及系统 |
CN117172427A (zh) * | 2023-11-01 | 2023-12-05 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834705A (zh) * | 2015-04-30 | 2015-08-12 | 周佳盛 | 一种课程推荐方法及系统 |
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
CN109785694A (zh) * | 2018-12-05 | 2019-05-21 | 广西峰和云启文化投资有限公司 | 一种通过体感技术与云数据相结合的教学管理系统 |
CN109801525A (zh) * | 2017-11-17 | 2019-05-24 | 深圳市鹰硕技术有限公司 | 一种用于网络教学的师生多维匹配方法和系统 |
CN109919810A (zh) * | 2019-01-22 | 2019-06-21 | 山东科技大学 | 在线学习系统中的学生建模与个性化课程推荐方法 |
-
2020
- 2020-12-07 CN CN202011419277.XA patent/CN112465678A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834705A (zh) * | 2015-04-30 | 2015-08-12 | 周佳盛 | 一种课程推荐方法及系统 |
CN106528656A (zh) * | 2016-10-20 | 2017-03-22 | 杨瀛 | 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统 |
CN109801525A (zh) * | 2017-11-17 | 2019-05-24 | 深圳市鹰硕技术有限公司 | 一种用于网络教学的师生多维匹配方法和系统 |
CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
CN109785694A (zh) * | 2018-12-05 | 2019-05-21 | 广西峰和云启文化投资有限公司 | 一种通过体感技术与云数据相结合的教学管理系统 |
CN109919810A (zh) * | 2019-01-22 | 2019-06-21 | 山东科技大学 | 在线学习系统中的学生建模与个性化课程推荐方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926902A (zh) * | 2021-04-15 | 2021-06-08 | 广州宏途教育网络科技有限公司 | 一种基于学生自身特性的选课方法及处理终端 |
CN113191651A (zh) * | 2021-05-11 | 2021-07-30 | 浙江吉利控股集团有限公司 | 线上线下混合式教育方法、系统、电子设备及存储介质 |
CN113516571A (zh) * | 2021-05-11 | 2021-10-19 | 浙江吉利控股集团有限公司 | 一种基于职业理想的教育方法及系统 |
CN113191651B (zh) * | 2021-05-11 | 2023-11-10 | 浙江吉利控股集团有限公司 | 线上线下混合式教育方法、系统、电子设备及存储介质 |
CN113377925A (zh) * | 2021-06-28 | 2021-09-10 | 哈尔滨工业大学 | 一种基于特征工程的在线课程画像的构建方法 |
CN113377925B (zh) * | 2021-06-28 | 2022-10-28 | 哈尔滨工业大学 | 一种基于特征工程的在线课程画像的构建方法 |
CN117172427A (zh) * | 2023-11-01 | 2023-12-05 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
CN117172427B (zh) * | 2023-11-01 | 2024-03-15 | 湖南强智科技发展有限公司 | 一种辅助高校学生选择课堂的方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112465678A (zh) | 一种学生选课推荐的方法及系统 | |
Camiré et al. | Coach–athlete relationships, basic psychological needs satisfaction and thwarting, and the teaching of life skills in Canadian high school sport | |
CN109299372B (zh) | 一种基于协同过滤的智慧选课推荐方法 | |
Chang et al. | Compelling interest: Examining the evidence on racial dynamics in colleges and universities | |
Lamb | Cultural consumption and the educational plans of Australian secondary school students | |
Huntrods et al. | Impact of intercollegiate athletic participation on leadership development | |
Emery et al. | The BioMedical admissions test for medical student selection: issues of fairness and bias | |
Hemaid et al. | Improving teacher performance using data mining | |
Stickles | An analysis of secondary and middle school teachers' mathematical problem posing | |
Ganeshan et al. | An intelligent student advising system using collaborative filtering | |
Kyriakides et al. | Toward a more comprehensive picture of physical education teaching quality: Combining generic and content-specific practices | |
Campbell et al. | Engaging in paradigmatic dialogue: A bibliometric analysis of coaching scholarship from 1970 to 2020 | |
Zhang | Research on physical education teaching quality improvement based on clustering analysis | |
Rusydiyah et al. | Clustering of learning media user data during Covid-19 Pandemic using K-Means method based on multicultural culture in Indonesia | |
Duehring et al. | Profile of high school strength and conditioning coaches | |
Duong et al. | Exploiting faculty evaluation forms to improve teaching quality: An analytical review | |
dos Santos | The development of coach education: the sports confederations' programs in Brazil | |
Asfaw et al. | Field assignment, field choice and preference matching of ethiopian high school students | |
Yorulmazlar | Evaluation of Turkish Football Federation Vocational Training Seminars in Terms of Efficiency. | |
Koniari | The use of ICT in educational organizations: A quantitative analysis | |
Min et al. | Ranking the personal excellence training needs of undergraduate tourism students. | |
Šerić et al. | Sampling and Types of Samples for Market Research in the Sports Industry | |
Parks et al. | ExSport 1: An Expert System for Sport Management Career Counseling | |
Xiahou et al. | An analysis of the factors of university choice for different groups of college students in China | |
Min-Hsiung | HIGH SCHOOL ADMISSION REFORMS, EQUALITY OF EDUCATIONAL OPPORTUNITY, AND ACADEMIC PERFORMANCE IN TAIWAN |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210309 |