CN112685470B - 基于学分银行和大数据分析的终身学习资源智能推送方法 - Google Patents

Abstract

本发明公开了一种基于学分银行和大数据分析的终身学习资源智能推送方法，涉及学分银行技术领域，解决现有学分银行系统推送课程准确性差的技术问题，所述方法包括：查询学分银行得到学员的历史学习记录，历史学习记录包括已学课程、取得成绩、取得学分，得到已学课程集合D；对学员进行能力倾向测验得到能力课程集合A；对学员进行兴趣测验得到兴趣课程集合B；对学员进行注意力测验得到注意力课程集合C；对集合A、B、C、D进行数字化处理并求交集得到符合条件课程集合E；将符合条件课程集合E与专业库内的专业做相似度分析，得到最匹配的专业课程集合T，并推送给学员做参考。本发明可以根据学员自身的整体素质推送最匹配的专业课程。

Description

基于学分银行和大数据分析的终身学习资源智能推送方法

技术领域

本发明涉及学分银行技术领域，更具体地说，它涉及一种基于学分银行和大数据分析的终身学习资源智能推送方法及装置。

背景技术

学分银行(school credit bank)是一种模拟或是借鉴银行的功能特点，使学生能够自由选择学习内容、学习时间、学习地点的管理模式。学分银行的主要内容为累积学分，它突破传统的专业限制和学习时段限制，将技能培训与学历教育结合起来。学分银行制度将学生完成学业的时间从固定学习制改变为弹性学习制。根据学分银行制度，学生只要学完一门课就计一定的学分，参加技能培训、考证也计学分，然后按全部应得学分累积；同时，允许学生不按常规的学期时间进行学习，而是像银行存款零存整取一样，学习时间可集中也可中断，即使隔了几年，曾有的学习经历仍可折合成学分，存于学分银行。

随着科学事业的不断发展，优化和挑选适合的专业教育和培养人才的问题，越来越引起重视。而现有的学分银行系统通常是学生自己选择课程来修学分，或者是学生自己选择专业方向后，系统推荐该专业的通用专业课程给学生。学生自己选择课程或系统推荐课程往往没有全面考虑学生的自身素质，课程准确性差，不能达到优化培养人才。

发明内容

本发明要解决的技术问题是针对现有技术的上述不足，本发明的目的是提供一种推荐课程准确性高的基于学分银行和大数据分析的终身学习资源智能推送方法。

本发明的技术方案是：一种基于学分银行和大数据分析的终身学习资源智能推送方法，包括：

查询学分银行得到学员的历史学习记录，所述历史学习记录包括已学课程、取得成绩、取得学分，得到已学课程集合D＝{Km|Km∈P，0<＝m<＝n_K}；

对所述学员进行能力倾向测验得到能力课程集合A＝{Xi|Xi∈P，0<＝i<＝n_X}；

对所述学员进行兴趣测验得到兴趣课程集合B＝{Yj|Yj∈P，0<＝j<＝n_Y}；

对所述学员进行注意力测验得到注意力课程集合C＝{Zk|Zk∈P，0<＝k<＝n_Z}；

对所述集合A、B、C、D进行数字化处理并求交集得到符合条件课程集合E＝A∩B∩C∩D＝{S_q|S_q∈P,0<＝q<＝n_S}；

将所述符合条件课程集合E与专业库内的专业做相似度分析，得到最匹配的专业课程集合T，并推送给所述学员做参考，所述专业课程集合T通过交集运算得到：

其中，函数MAX-3为测试题指数最大的前三个数指向的课程组成的集合。

作为进一步地改进，所述能力倾向测验采用中国修订韦氏成人智力测试的语言测验，包括对知识、领悟、算术、相似性、数字广度及词汇方面进行测验；所述能力倾向测还包括成就测验部分，所述成就测验部分是在阅读理解、数学、社会学科、自然学科中一个或多个领域内通过努力所取得的成绩。

进一步地，所述兴趣测验为测量测试对象的职业性向特征，采用斯特朗-坎贝尔职业兴趣问卷进行测验。

进一步地，所述注意力测验采用韦氏记忆测验中的数字长度分测验、韦氏智算术测验中的算术测验、数字广度测验和数字符号测验。

进一步地，在所述能力倾向测验、兴趣测验、注意力测验中录制所述学员的视频，根据所述视频分析所述学员的行为得到所述学员的心理特征数据。

进一步地，还包括建立学生数据库，所述学生数据库包括各学员的ID信息、历史学习记录、能力倾向测验结果、兴趣测验结果、注意力测验结果、最匹配的专业课程集合T。

进一步地，所述ID信息包括身份证号+学号。

进一步地，还包括建立通信连接所述学分银行、学生数据库的网站预报名系统，学员根据ID信息登录所述网站预报名系统后，输入历史学习记录，进行能力倾向测验、兴趣测验、注意力测验，所述网站预报名系统输出最匹配的专业课程集合T。

有益效果

本发明与现有技术相比，具有的优点为：

1.本发明通过能力倾向测验不但能鉴别学生的智力发展情况，还可以了解学生潜在的能力和特殊才能；通过兴趣测验、注意力测验可以知道学生的兴趣、爱好、气质类型，适应环境能力和创造才能，从而预测他们未来发展的领域，从而得到学员自身的整体素质并推送最匹配的专业课程，可以作为管理部门给学生安排适宜专业和课程的参考依据，以便于做到人尽其才，因材施教，避免人才的浪费。

2.本发明的入学测试分析采用基于教育心理学的测量与评估的方法，具有科学的成熟理论模型，其具备常模、信度和效度的认知测验与人格测验的特点，是课程推送及其专业选择的数据基础与分类依据，测试中每道题目都是精心选择，还会根据用户的测试大数据动态更新题库，可以很好的挖掘出学生的心理状态、个性特征与兴趣偏好，识别度与区分度很高，可精准的找到学生最需要最适合的课程与专业。

3.本发明的主要算法使用作为一维数组的集合作为数据运行于存储结构，运算速度提高明显，推送速度快。

4.本发明通过学分银行提供了学生另一个维度的数据，从历史的纵向角度补充上面入学测试分析的不足，使得推送内容更加全面准确，更加贴近学生的个体情况，不但可以推送合适的课程，还可以根据课程与报读专业的匹配度，推送应选专业。

5.本发明通过摄像头获取学生的行为数据，通过物联网硬件技术，再结合网站技术与大数据挖掘技术，智能化分析后快速推送内容。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图中的具体实施例对本发明做进一步的说明。

参阅图1，一种基于学分银行和大数据分析的终身学习资源智能推送方法，包括：

查询学分银行得到学员的历史学习记录，学员在历史学习过程中已经将学习信息记录在学分银行，历史学习记录包括已学课程、取得成绩、取得学分，得到已学课程集合D＝{Km|Km∈P，0<＝m<＝n_K}，Km为已学课程ID，P为学生数据库，n_K为已学课程总数；

对学员进行能力倾向测验得到能力课程集合A＝{Xi|Xi∈P，0<＝i<＝n_X}，Xi为能力课程ID，P为学生数据库，n_X为能力课程总数；

对学员进行兴趣测验得到兴趣课程集合B＝{Yj|Yj∈P，0<＝j<＝n_Y}，Yj为兴趣课程ID，P为学生数据库，n_Y为兴趣课程总数；

对学员进行注意力测验得到注意力课程集合C＝{Zk|Zk∈P，0<＝k<＝n_Z}，Zk为注意力课程ID，P为学生数据库，n_Z为注意力课程总数；

对集合A、B、C、D进行数字化处理并求交集得到符合条件课程集合E＝A∩B∩C∩D＝{S_q|S_q∈P,0<＝q<＝n_S}，S_q为符合条件课程ID，P为学生数据库，n_S为符合条件课程总数；

将符合条件课程集合E与专业库内的专业做相似度分析，得到最匹配的专业课程集合T，并推送给学员做参考，专业课程集合T通过交集运算得到：

其中，函数MAX-3为测试题指数最大的前三个数指向的课程组成的集合。由集合T导出对应的专业一、专业二、专业三以及对应的课程。函数MAX-3详解：返回一个集合，集合中元素为三门课程名称。

语法：

MAX-3(set1,set2,…setn)；

所需的set1,set2,…setn参数为集合，是一个用逗号隔开的集合名称，集合中的元素都附带一种权重值，对本研究而言就是课程指向值。这些值反映了对本课程的喜爱程度，0～1的范围，指数越大，对该课程喜爱的程度越高。每一项测试中每一道题都对应一门课程，并且赋有对该课程的喜欢指数。测试题的属性为下面表格：

测试题属性	说明
		测试题名称
测试题系列号
		选项	根据测试者选项(单选)
课程一指向指数	0～1之间
		课程二指向指数	0～1之间

通过函数运算后得到一个集合，这个集合只有三个课程元素，这三个课程元素的指向值(喜爱指数)是参数set1,set2；…setn全部课程元素中指数中最大的前三名对应的课程。

能力倾向测验采用中国修订韦氏成人智力测试的语言测验，包括对知识、领悟、算术、相似性、数字广度及词汇方面进行测验；能力倾向测还包括成就测验部分，成就测验部分是在阅读理解、数学、社会学科、自然学科中一个或多个领域内通过努力所取得的成绩，所有测验都包括对多个领域的成绩的测量。

兴趣测验为测量测试对象的职业性向特征，采用斯特朗-坎贝尔职业兴趣问卷进行测验，即采用由坎贝尔(D.Campbel)将库德量表中的同质性量表与霍兰德的六大职业领域引入斯特朗职业兴趣问卷的斯特朗一坎贝尔职业兴趣问卷。量表分为8个部分，包括317个项目。该量表为受测者提供剖面图数百个量表得分以及有关的职业信息，通过计算机来计分。通过五类量表得分来分析：一般职业主题、基本兴趣量表、管理指标、人格类型量表和职业量表。经多次修订这五类量表均有较高的内部一致性信度和重测信度，其内容效度、同时效度、预测效度和建构效度也已经过检验，可帮助测试对象规划专业教育和职业生涯。

注意力测验采用韦氏记忆测验中的数字长度分测验、韦氏智算术测验中的算术测验、数字广度测验和数字符号测验。

测试中每道题目都是精心选择，还会根据用户的测试大数据动态更新题库，可以很好的挖掘出学生的心理状态、个性特征与兴趣偏好，识别度与区分度很高，可精准的找到学生最需要最适合的课程与专业。

在能力倾向测验、兴趣测验、注意力测验中录制学员的视频，根据视频分析学员的行为得到学员的心理特征数据，可以作为推送课程的依据。

本发明还包括建立学生数据库，学生数据库内包括有专业库及所有的课程，学生数据库包括有各学员的ID信息、历史学习记录、能力倾向测验结果、兴趣测验结果、注意力测验结果、最匹配的专业课程集合T。ID信息包括身份证号+学号，其中，身份证号信息通过身份证读卡器获取，以提高账号安全性。

本发明还包括建立通信连接学分银行、学生数据库的网站预报名系统，学员根据ID信息登录网站预报名系统后，可以输入历史学习记录并保存到学分银行，或者从学分银行读取历史学习信息，在网站预报名系统进行能力倾向测验、兴趣测验、注意力测验，网站预报名系统输出最匹配的专业课程集合T，并将测验结果保存到学生数据库，以供学员或教育管理部门查询。学员经过入学预报名测试就可以获得一系列符合自己性格与职业发展的学习课程(资源)以及建议报读的专业，便于学员更便捷地实现终身学习，提高知识水平，不断完善自己。

本发明适用于学员终身学习进行推送课程，如方便高考后准确地择选大学专业，在大学期间准确地择选各种必修课和选修课，以更顺利完成学业并为就业作好充分准备，在工作期间也可以通过本发明推送的课程进行更好的转业或进修。

学员在网站预报名系统进行测验时，还可以输入年龄信息、身体信息、体检信息、居住地信息、饮食信息，网站预报名系统在测验完给出最匹配的专业课程集合T的基础上，还会进一步给出与上述年龄信息、身体信息、体检信息、居住地信息或饮食信息相匹配的专业课程，如年龄相匹配的专业课程、与身体状况(如残疾学员或高度近视学员)相匹配的专业课程，学员可以根据自身实际情况选择最合适的专业课程，以及学习所在地或工作所在地，以更好地实现终身学习，提高知识水平，不断完善自己。

当网站预报名系统与教育系统、各高校或教育机构的教育库通信连接时，网站预报名系统可以获取各高校的专业课程及优势专业，网站预报名系统在输出最匹配的专业课程集合T后，还可以输出与专业课程集合T匹配最优的高校或教育机构，以方便学员选择。

以上仅是本发明的优选实施方式，应当指出对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些都不会影响本发明实施的效果和专利的实用性。

Claims (6)

1.一种基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，包括：

查询学分银行得到学员的历史学习记录，所述历史学习记录包括已学课程、取得成绩、取得学分，得到已学课程集合D＝{Km|Km∈P，0<＝m<＝n_K}；

对所述学员进行能力倾向测验得到能力课程集合A＝{Xi|Xi∈P，0<＝i<＝n_X}；

对所述学员进行兴趣测验得到兴趣课程集合B＝{Yj|Yj∈P，0<＝j<＝n_Y}；

对所述学员进行注意力测验得到注意力课程集合C＝{Zk|Zk∈P，0<＝k<＝n_Z}；

对所述集合A、B、C、D进行数字化处理并求交集得到符合条件课程集合E＝A∩B∩C∩D＝{S_q|S_q∈P,0<＝q<＝n_S}；

将所述符合条件课程集合E与专业库内的专业做相似度分析，得到最匹配的专业课程集合T，并推送给所述学员做参考，所述专业课程集合T通过交集运算得到：

其中，函数MAX-3为测试题指数最大的前三个数指向的课程组成的集合；

所述能力倾向测验采用中国修订韦氏成人智力测试的语言测验，包括对知识、领悟、算术、相似性、数字广度及词汇方面进行测验；所述能力倾向测还包括成就测验部分，所述成就测验部分是在阅读理解、数学、社会学科、自然学科中一个或多个领域内通过努力所取得的成绩；

在所述能力倾向测验、兴趣测验、注意力测验中录制所述学员的视频，根据所述视频分析所述学员的行为得到所述学员的心理特征数据。

2.根据权利要求1所述的基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，所述兴趣测验为测量测试对象的职业性向特征，采用斯特朗-坎贝尔职业兴趣问卷进行测验。

3.根据权利要求1所述的基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，所述注意力测验采用韦氏记忆测验中的数字长度分测验、韦氏智算术测验中的算术测验、数字广度测验和数字符号测验。

4.根据权利要求1-3任意一项所述的基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，还包括建立学生数据库，所述学生数据库包括各学员的ID信息、历史学习记录、能力倾向测验结果、兴趣测验结果、注意力测验结果、最匹配的专业课程集合T。

5.根据权利要求4所述的基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，所述ID信息包括身份证号+学号。

6.根据权利要求4所述的基于学分银行和大数据分析的终身学习资源智能推送方法，其特征在于，还包括建立通信连接所述学分银行、学生数据库的网站预报名系统，学员根据ID信息登录所述网站预报名系统后，输入历史学习记录，进行能力倾向测验、兴趣测验、注意力测验，所述网站预报名系统输出最匹配的专业课程集合T。

Images