CN112784895A - 一种基于用户画像标签的教学系统 - Google Patents

一种基于用户画像标签的教学系统 Download PDF

Info

Publication number
CN112784895A
CN112784895A CN202110063789.5A CN202110063789A CN112784895A CN 112784895 A CN112784895 A CN 112784895A CN 202110063789 A CN202110063789 A CN 202110063789A CN 112784895 A CN112784895 A CN 112784895A
Authority
CN
China
Prior art keywords
learner
portrait
label
module
result
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
CN202110063789.5A
Other languages
English (en)
Inventor
李宏伟
李艳飞
李广胜
张丰
林海
王琪文
刘洋
王剑
张磊
赵迪
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.)
Liaoning Sunflower Education Technology Co ltd
Original Assignee
Liaoning Sunflower Education Technology Co ltd
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 Liaoning Sunflower Education Technology Co ltd filed Critical Liaoning Sunflower Education Technology Co ltd
Priority to CN202110063789.5A priority Critical patent/CN112784895A/zh
Publication of CN112784895A publication Critical patent/CN112784895A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种基于用户画像标签的教学系统，所述系统包括获取模块、画像标签制定模块、教学计划推送模块；所述获取模块，用于获取学习者的学习历史记录，并传送给所述画像标签制定模块；所述画像标签制定模块，用于基于所述学习者的学习历史记录绘制出所述学习者的画像标签，并将所述画像标签传送给所述教学计划推送模块；所述教学计划推送模块，用于基于所述画像标签匹配出对应的知识标签，将所述画像标签和知识标签推送至教师端进行显示，以辅助教师制定个性化的教学计划。本申请的技术方案基于学习者的学习历史记录来分析得出该学习者对应的画像标签，并将画像标签推送给教师以辅助其进行教学计划的制定，从而使得教师可以直观的了解不同学习者的学习水平及强弱学科/知识点，从而便于其制定更具针对性的教学计划。

Description

一种基于用户画像标签的教学系统
技术领域
本申请涉及智能教学领域，具体而言，涉及一种基于用户画像标签的教学系统。
背景技术
随着互联网教育事业的飞速发展，大量在线教育平台如雨后春笋般涌现，因而有越来越多的教学管理任务在线上完成，布置给学生的作业和考试也随之放到了线上进行。对于教师来说，其通常要面对几十甚至上百的学生，尤其是对于在线学习平台的签约教师来说，其面对的学生甚至可能是成千上万的级别。面对如此多的学生，教师基本不可能给每个学生均制定出个性化的教学方案的。申请人通过检索现有技术后发现，目前在线学习平台上仍然是由签约教师自行制定固定教学计划，或者只能针对某些VI P学生制定个性化教学计划，而且该个性化教学计划也是通过与VI P学生直接沟通后制定出来的，制定效率也是十分低下的，更无法推广到更高数量级的普通学生上，难以满足目前的实际需求。
因此，如何辅助在线学习平台的教师做到因人施教，就是目前在线教育平台所面临的亟需解决的技术问题。
发明内容
为了解决上述技术问题，本申请提供了一种基于用户画像标签的教学系统，以辅助在线学习平台的教师快速制定出个性化的教学计划。
本申请的第一方面提供了一种基于用户画像标签的教学系统，所述系统包括获取模块、画像标签制定模块、教学计划推送模块；
所述获取模块，用于获取学习者的学习历史记录，并传送给所述画像标签制定模块；
所述画像标签制定模块，用于基于所述学习者的学习历史记录绘制出所述学习者的画像标签，并将所述画像标签传送给所述教学计划推送模块；
所述教学计划推送模块，用于基于所述画像标签匹配出对应的知识标签，将所述画像标签和知识标签推送至教师端进行显示，以辅助教师制定个性化的教学计划。
可选地，所述学习历史记录包括该学习者的课程和/或习题数据，以及对应的测试成绩。
可选地，所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，包括：
所述画像标签制定模块对所述学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第一聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第二聚类处理结果，基于所述第一聚类处理结果和所述第二聚类处理结果匹配得出若干个该学习者的画像标签。
可选地，所述获取模块还用于获取学伴的学习历史记录，所述学伴为与所述学习者具有相同学龄的注册用户群。
可选地，所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，还包括：
所述画像标签制定模块对所述学伴的学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第三聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第四聚类处理结果，基于所述第三聚类处理结果和所述第四聚类处理结果匹配得出若干个所述学伴的画像标签，将所述学伴的若干个画像标签与所述学习者的若干个所述画像标签中对应于所述第一聚类处理结果和第三聚类处理结果的画像标签进行比较，基于所述比较结果来修正所述若干个该学习者的画像标签。
可选地，基于所述比较结果来修正所述若干个该学习者的画像标签，包括：
若所述第一聚类处理结果对应的标签优于或等同于所述第三聚类处理结果对应的画像标签，则将所述第一聚类处理结果对应的标签作为最终的该学习者的画像标签推送给所述教学计划推送模块；
若所述第一聚类处理结果对应的标签劣于所述第三聚类处理结果对应的画像标签，则将所述第三聚类处理结果对应的画像标签作为最终的该学习者的画像标签推送给所述教学计划推送模块。
可选地，所述系统还包括统计模块，用于获取与所述教学计划对应的所述学习者的测试成绩；以及还获取与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，其中包括该学伴的课程和/或习题数据，以及对应的测试成绩；以及还用于若所述学习者的测试成绩未达到设定值，则触发所述画像标签制定模块重新修正该学习者的画像标签。
可选地，所述画像标签制定模块重新修正该学习者的画像标签，包括：
所述画像标签制定模块将与所述教学计划对应的所述学习者的测试成绩替换为与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，并结合所述学习者的其它学习历史记录重新绘制出所述学习者的画像标签；其中，所述学伴的学习历史记录还满足测试成绩高于预设阈值。
可选地，所述教师端包括PC端和/或移动端。
本申请的第二方面提供了一种在线教育平台，其特征在于，所述在线教育平台包括如前任一项所述的教学系统。
本发明的有益效果在于：
(1)本申请的技术方案基于学习者的学习历史记录来分析得出该学习者对应的画像标签，并将画像标签推送给教师以辅助其进行教学计划的制定，从而使得教师可以直观的了解不同学习者的学习水平及强弱学科/知识点，从而便于其制定更具针对性的教学计划。
(2)本申请的技术方案还可以基于学伴的学习历史记录来修正该学习者的画像标签，从而可以使得制定出的画像标签既符合该学习者的客观学习水平，也有助于该学习者学习到进阶知识。
(3)本申请的技术方案还可以对教学计划进行评估，若评估结果为该教学计划没有达到预期效果，则对学习者的画像标签重新绘制，如此迭代之后即可保证绘制出的画像标签更加符合学习者的真实学习情况及学习需求，相应地，制定出的教学计划也就更为有效。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本申请实施例一公开的一种基于用户画像标签的教学系统的流程示意图。
图2是本申请实施例二公开的另外一种基于用户画像标签的教学系统的结构示意图。
图3是本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
实施例1
请参阅图1，图1是本申请实施例公开的一种基于用户画像标签的教学系统的流程示意图。如图1所示，本申请的第一方面提供了一种基于用户画像标签的教学系统，所述系统包括获取模块、画像标签制定模块、教学计划推送模块；
所述获取模块，用于获取学习者的学习历史记录，并传送给所述画像标签制定模块；
所述画像标签制定模块，用于基于所述学习者的学习历史记录绘制出所述学习者的画像标签，并将所述画像标签传送给所述教学计划推送模块；
所述教学计划推送模块，用于基于所述画像标签匹配出对应的知识标签，将所述画像标签和知识标签推送至教师端进行显示，以辅助教师制定个性化的教学计划。
在本申请实施例中，本申请首先基于学习者的学习历史记录来分析得出该学习者对应的画像标签，然后并将画像标签推送给教师以辅助其进行教学计划的制定，从而使得教师可以直观的了解不同学习者的学习水平及强弱学科/知识点，从而便于其制定更具针对性的教学计划。
对于其中的画像标签，可以包括两个部分内容，即“科目/知识点+水平”，例如，学习者A的画像标签为“初二物理——良好掌握”，学习者B的画像标签为“摩尔质量——较差掌握”，等等。对于画像标签的具体内容，可以由本领域技术人员根据实际的教学情况自由设定，设定的效果应当能够使教师直观了解该学习者的学习水平及强弱学科/知识点即可，本申请对此不作限定。
可选地，所述学习历史记录包括该学习者的课程和/或习题数据，以及对应的测试成绩。
可选地，所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，包括：
所述画像标签制定模块对所述学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第一聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第二聚类处理结果，基于所述第一聚类处理结果和所述第二聚类处理结果匹配得出若干个该学习者的画像标签。
在本申请实施例中，对于聚类模块所采用的算法，可以为K-means聚类算法、均值漂移聚类算法、DBSCAN聚类算法、凝聚层次聚类算法、混合高斯模型的最大期望聚类算法中的一种或多种。另外，可以设置第一聚类处理和第二聚类处理采用不同的聚类算法，以保持聚类结果的相对多样性，避免同种聚类算法导致的结果趋同问题。
可选地，所述获取模块还用于获取学伴的学习历史记录，所述学伴为与所述学习者具有相同学龄的注册用户群。
在本申请实施例中，画像标签制定模块通常是基于最近周期的测试成绩对学习者进行绘制画像标签，而学习者个体的学习成绩会有较大波动，虽然这属于正常现象，该正常现象会误导画像标签制定模块绘制出不符合学习者真正水平的错误画像标签，进而影响到后续的教学计划的制定。针对该问题，由于学伴群的测试成绩可以更为真实的体现出该学龄的学习者的普遍水平，所以，本申请还基于学伴群的学习历史记录来对该学习者的画像标签进行修正，从而避免学习者个体的测试成绩波动而带来的画像标签绘制错误的问题。
可选地，所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，还包括：
所述画像标签制定模块对所述学伴的学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第三聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第四聚类处理结果，基于所述第三聚类处理结果和所述第四聚类处理结果匹配得出若干个所述学伴的画像标签，将所述学伴的若干个画像标签与所述学习者的若干个所述画像标签中对应于所述第一聚类处理结果和第三聚类处理结果的画像标签进行比较，基于所述比较结果来修正所述若干个该学习者的画像标签。
可选地，基于所述比较结果来修正所述若干个该学习者的画像标签，包括：
若所述第一聚类处理结果对应的标签优于或等同于所述第三聚类处理结果对应的画像标签，则将所述第一聚类处理结果对应的标签作为最终的该学习者的画像标签推送给所述教学计划推送模块；
若所述第一聚类处理结果对应的标签劣于所述第三聚类处理结果对应的画像标签，则将所述第三聚类处理结果对应的画像标签作为最终的该学习者的画像标签推送给所述教学计划推送模块。
在本申请实施例中，若画像标签制定模块基于单个学习者的学习历史记录绘制出的画像标签优于或等同于学伴群的画像标签，则说明该学习者的学习能力较强，直接将绘制出该画像标签作为其自身的画像标签即可。而若劣于学伴群的画像标签，则说明该学习者有可能是学习能力差，也有可能是学习成绩波动导致，所以，设定将学伴群的画像标签赋值给该学习者，也即，此种情况下基于学伴群的平均水准为其画像。如此设置，就可以在学习能力差和成绩波动之间找到了一个平衡，从而可以使得制定出的画像标签既符合该学习者的客观学习水平，也有助于该学习者学习到进阶知识。另外，对于第三、第四聚类算法，可以与第一、第二聚类算法全部或部分不同，当然也可以是全部相同，本申请对此不作限定。
可选地，所述教师端包括PC端和/或移动端。
在本申请实施例中，教师端可以有多种实现方式，既可以是PC端和/或移动端，也可以是其他新兴终端，例如可穿戴设备、VR设备等，本申请对此不作限定。
实施例2
请参阅图2，图2是本申请实施例公开的一种在线教育平台的结构示意图。如图2所示，本申请第二方面提供另外一种基于用户画像标签的教学系统，该实施例的系统是基于实施例一的所述系统，其区别在于，所述系统还包括：
统计模块，用于获取与所述教学计划对应的所述学习者的测试成绩；以及还获取与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，其中包括该学伴的课程和/或习题数据，以及对应的测试成绩；以及还用于若所述学习者的测试成绩未达到设定值，则触发所述画像标签制定模块重新修正该学习者的画像标签。
在本申请实施例中，本申请的技术方案还对教学计划进行检验评估，若评估结果为该教学计划没有达到预期效果，则对学习者的画像标签重新绘制，如此迭代之后即可保证绘制出的画像标签更加符合学习者的真实学习情况及学习需求，相应地，制定出的教学计划也就更为有效。
可选地，所述画像标签制定模块重新修正该学习者的画像标签，包括：
所述画像标签制定模块将与所述教学计划对应的所述学习者的测试成绩替换为与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，并结合所述学习者的其它学习历史记录重新绘制出所述学习者的画像标签；其中，所述学伴的学习历史记录还满足测试成绩高于预设阈值。
在本申请实施例中，对于同一组数据来说，同一算法得出的结果通常是大体相同的，所以，为了避免画像标签制定模块在重新修正后的得出的画像标签仍然是前述不准确的画像标签，本申请设置将与所述教学计划对应的所述学习者的测试成绩替换为与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，然后再结合所述学习者的其它学习历史记录重新绘制出所述学习者的画像标签。如此设置的好处是，重新修正时基于的是执行相似教学计划且取得较好成绩的学伴的学习历史记录，这样即改变了用于重新修正的数据，由于只是将所述学习者最新教学计划对应的学习历史进行替换，所以，对该学习者的学习历史记录数据仅做了有限的变动，后续的绘制结果不会偏离该学习者的真实情况过多；而且，由于引入的数据所述学伴的学习历史记录还满足测试成绩高于预设阈值，所以，引入的该数据可以适度提升该学习者的画像标签，也就会使得制定的教学计划可以适当提升难度及广度，一定程度上也有利于快速提升该学习者的学习成绩。
实施例3
请参阅图3，图3是本申请实施例公开的一种在线教育平台的结构示意图。如图3所示，本申请第三方面提供一种在线教育平台，所述在线教育平台包括如实施例一所述的教学系统。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于用户画像标签的教学系统，其特征在于：所述系统包括获取模块、画像标签制定模块、教学计划推送模块；
所述获取模块，用于获取学习者的学习历史记录，并传送给所述画像标签制定模块；
所述画像标签制定模块，用于基于所述学习者的学习历史记录绘制出所述学习者的画像标签，并将所述画像标签传送给所述教学计划推送模块；
所述教学计划推送模块，用于基于所述画像标签匹配出对应的知识标签，将所述画像标签和知识标签推送至教师端进行显示，以辅助教师制定个性化的教学计划。
2.根据权利要求1所述的系统，其特征在于：所述学习历史记录包括该学习者的课程和/或习题数据，以及对应的测试成绩。
3.根据权利要求2所述的系统，其特征在于：所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，包括：
所述画像标签制定模块对所述学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第一聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第二聚类处理结果，基于所述第一聚类处理结果和所述第二聚类处理结果匹配得出若干个该学习者的画像标签。
4.根据权利要求3所述的系统，其特征在于：所述获取模块还用于获取学伴的学习历史记录，所述学伴为与所述学习者具有相同学龄的注册用户群。
5.根据权利要求4所述的系统，其特征在于：所述画像标签制定模块基于所述学习者的学习历史记录绘制出所述学习者的画像标签，还包括：
所述画像标签制定模块对所述学伴的学习历史记录中的课程和/或习题数据进行第一聚类处理以获得第三聚类处理结果，对与聚类处理后的所述课程和/或习题数据对应的所述测试成绩进行第二聚类处理以获得第四聚类处理结果，基于所述第三聚类处理结果和所述第四聚类处理结果匹配得出若干个所述学伴的画像标签，将所述学伴的若干个画像标签与所述学习者的若干个所述画像标签中对应于所述第一聚类处理结果和第三聚类处理结果的画像标签进行比较，基于所述比较结果来修正所述若干个该学习者的画像标签。
6.根据权利要求5所述的系统，其特征在于：基于所述比较结果来修正所述若干个该学习者的画像标签，包括：
若所述第一聚类处理结果对应的标签优于或等同于所述第三聚类处理结果对应的画像标签，则将所述第一聚类处理结果对应的标签作为最终的该学习者的画像标签推送给所述教学计划推送模块；
若所述第一聚类处理结果对应的标签劣于所述第三聚类处理结果对应的画像标签，则将所述第三聚类处理结果对应的画像标签作为最终的该学习者的画像标签推送给所述教学计划推送模块。
7.根据权利要求6所述的系统，其特征在于：所述系统还包括统计模块，用于获取与所述教学计划对应的所述学习者的测试成绩；以及还获取与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，其中包括该学伴的课程和/或习题数据，以及对应的测试成绩；以及还用于若所述学习者的测试成绩未达到设定值，则触发所述画像标签制定模块重新修正该学习者的画像标签。
8.根据权利要求7所述的系统，其特征在于：所述画像标签制定模块重新修正该学习者的画像标签，包括：
所述画像标签制定模块将与所述教学计划对应的所述学习者的测试成绩替换为与所述教学计划相似度高于阈值的对应的所述学伴的学习历史记录，并结合所述学习者的其它学习历史记录重新绘制出所述学习者的画像标签；其中，所述学伴的学习历史记录还满足测试成绩高于预设阈值。
9.根据权利要求1-8任一项所述的系统，其特征在于：所述教师端包括PC端和/或移动端。
10.一种在线教育平台，其特征在于，所述在线教育平台包括如权利要求1-9任一项所述的教学系统。
CN202110063789.5A 2021-01-18 2021-01-18 一种基于用户画像标签的教学系统 Pending CN112784895A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110063789.5A CN112784895A (zh) 2021-01-18 2021-01-18 一种基于用户画像标签的教学系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110063789.5A CN112784895A (zh) 2021-01-18 2021-01-18 一种基于用户画像标签的教学系统

Publications (1)

Publication Number Publication Date
CN112784895A true CN112784895A (zh) 2021-05-11

Family

ID=75757173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110063789.5A Pending CN112784895A (zh) 2021-01-18 2021-01-18 一种基于用户画像标签的教学系统

Country Status (1)

Country Link
CN (1) CN112784895A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116797052A (zh) * 2023-08-25 2023-09-22 之江实验室 基于编程学习的资源推荐方法、装置、系统和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180174476A1 (en) * 2016-12-20 2018-06-21 Coursera, Inc. User generated content within an online education platform
CN108765227A (zh) * 2018-06-20 2018-11-06 华南师范大学 基于大数据与人工智能的学习画像方法和机器人系统
CN109670110A (zh) * 2018-12-20 2019-04-23 蒋文军 一种教育资源推荐方法、装置、设备及存储介质
CN111179675A (zh) * 2019-12-30 2020-05-19 安徽知学科技有限公司 个性化练习题推荐方法、系统、计算机设备以及存储介质
CN111191122A (zh) * 2019-12-20 2020-05-22 重庆邮电大学 一种基于用户画像的学习资源推荐系统
US20200258420A1 (en) * 2019-02-11 2020-08-13 Hetal B. Kurani Personalized and adaptive math learning system
CN111667248A (zh) * 2020-06-10 2020-09-15 李文竹 基于大数据分析的个性化教育管理系统、方法、介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180174476A1 (en) * 2016-12-20 2018-06-21 Coursera, Inc. User generated content within an online education platform
CN108765227A (zh) * 2018-06-20 2018-11-06 华南师范大学 基于大数据与人工智能的学习画像方法和机器人系统
CN109670110A (zh) * 2018-12-20 2019-04-23 蒋文军 一种教育资源推荐方法、装置、设备及存储介质
US20200258420A1 (en) * 2019-02-11 2020-08-13 Hetal B. Kurani Personalized and adaptive math learning system
CN111191122A (zh) * 2019-12-20 2020-05-22 重庆邮电大学 一种基于用户画像的学习资源推荐系统
CN111179675A (zh) * 2019-12-30 2020-05-19 安徽知学科技有限公司 个性化练习题推荐方法、系统、计算机设备以及存储介质
CN111667248A (zh) * 2020-06-10 2020-09-15 李文竹 基于大数据分析的个性化教育管理系统、方法、介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯春燕: "基于学习者画像的个性化教学研究", 《中国优秀硕士学位论文全文数据库（硕士）社会科学II辑（月刊）》 *
尹婷婷等: "基于用户画像技术的教育资源个性化推荐服务研究", 《用户与服务》 *
康琦等: "基于大数据群体画像的个性化学习环境构建的研究", 《高教学刊》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116797052A (zh) * 2023-08-25 2023-09-22 之江实验室 基于编程学习的资源推荐方法、装置、系统和存储介质

Similar Documents

Publication Publication Date Title
CN110399541B (zh) 基于深度学习的题目推荐方法、装置及存储介质
Balta et al. The effect of 7E learning cycle on learning in science teaching: A meta-analysis study
Van der Lans et al. Cross-national logo evaluation analysis: An individual-level approach
CN112184500A (zh) 基于深度学习和知识图谱的课外学习辅导系统及实现方法
CN110390616A (zh) 作业批改方法、电子设备及存储介质
CN109902128A (zh) 基于大数据的学习路径规划方法、装置、设备和存储介质
Shepherd Learn to teach, teach to learn: A within-pupil across-subject approach to estimating the impact of teacher subject knowledge on South African grade 6 performance
KR20190012939A (ko) 인공지능 기반의 개인 맞춤형 stem 학습 서비스 시스템 및 그 방법
CN104882038A (zh) 使用二维码(qr)和应用的线上线下互连学习系统
CN111126486A (zh) 一种测验统计方法、装置、设备及存储介质
Salehudin The influence of creative learning assisted by Instagram to improve middle school students’ learning outcomes of graphic design subject
CN112784895A (zh) 一种基于用户画像标签的教学系统
CN115050039A (zh) 自动化试卷分析方法、系统、电子设备、存储介质
Tracey et al. Structure of interests and competence perceptions
Deuri Attitude towards choice based credit system of post graduate level students in higher education: a study on Gauhatiuniversity
CN112287154A (zh) 一种信息统计方法、装置、计算机设备及存储介质
Guiner Competencies of technology and livelihood education (tle) instructors: input to a training module in industrial arts
CN106339965A (zh) 一种学情分析方法
CN116228361A (zh) 基于特征匹配的课程推荐方法、装置、设备和存储介质
CN102903066A (zh) 基于不同终端显示成长记录和质量预警的系统及方法
CN113609402B (zh) 一种基于大数据分析的行业交友交流信息智能推荐方法
Linsangan et al. Offline-based clicker using Gaussian frequency shift keying and arduino NRF24L01
CN109213927A (zh) 学习资源推荐处理方法及装置
CN114691856A (zh) 题目推荐方法、装置、设备及介质
US20130203035A1 (en) Learning support system and method

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
TA01 Transfer of patent application right

Effective date of registration: 20211027

Address after: 250011 617-11, block a, Shimao International Plaza, 187 heihuquan North Road, Lixia District, Jinan City, Shandong Province

Applicant after: Jinan Wanyu Zhongwen Internet Technology Co.,Ltd.

Applicant after: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd.

Address before: Room c418, 860-1, shangshengou village, Dongling District, Shenyang City, Liaoning Province, 110000

Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220610

Address after: Room c418, No. 860-1, shangshengou village, Dongling District, Shenyang, Liaoning 110167

Applicant after: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd.

Address before: 250011 617-11, block a, Shimao International Plaza, 187 heihuquan North Road, Lixia District, Jinan City, Shandong Province

Applicant before: Jinan Wanyu Zhongwen Internet Technology Co.,Ltd.

Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Country or region after: China

Address after: No. 868-3, Shangshengou Village, Hunnan District, Shenyang City, Liaoning Province, 110000 (101, 201)

Applicant after: Liaoning Sunflower Digital Technology Co.,Ltd.

Address before: Room c418, No. 860-1, shangshengou village, Dongling District, Shenyang, Liaoning 110167

Applicant before: LIAONING SUNFLOWER EDUCATION TECHNOLOGY Co.,Ltd.

Country or region before: China

CB02 Change of applicant information