CN113011835A - 一种校园健康数据管理方法及系统 - Google Patents
一种校园健康数据管理方法及系统 Download PDFInfo
- Publication number
- CN113011835A CN113011835A CN202110203604.6A CN202110203604A CN113011835A CN 113011835 A CN113011835 A CN 113011835A CN 202110203604 A CN202110203604 A CN 202110203604A CN 113011835 A CN113011835 A CN 113011835A
- Authority
- CN
- China
- Prior art keywords
- health
- data
- guidance information
- acquiring
- target object
- 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
- 230000036541 health Effects 0.000 title claims abstract description 194
- 238000013523 data management Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 238000012797 qualification Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000001364 upper extremity Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013031 physical testing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001360 synchronised 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出一种校园健康数据管理方法及系统，通过便携式终端获取目标对象的属性数据，并采集对应目标对象的健康数据输出至服务器端；服务器端根据所述健康数据构建多个层级数据，基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果；设置一个或多个显示终端与所述服务器端连接，实时展示所述分布统计结果；构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出；本发明可实时了解不同阶段学生的健康状况，及时给出合理改善措施。
Description
技术领域
本发明涉及大数据及智能教育领域，尤其涉及一种校园健康数据管理方法及系统。
背景技术
目前学校除了关注学生学习情况外，更多地需要关注学生的综合素质如身体质量指数(BMI)等。而学生体能健康信息最为直接地体现在体育测试项以及身体基本素质的测试项。这些测试项大多依赖于体育教师通过人工记录，课后登记上传的方式，数据量大，操作繁琐。且人工录入存在主观修改成绩，数据失实等问题。而采用智能穿戴设备采集个人运动数据，通常是针对单个目标对象的定制化数据评估，难以反映学校整体学生综合素质。学校或相关部门通常需要根据整体素质评估，及时了解学生情况，调整教学方案和资源。如何有效结合个体以及整体健康数据，给出对应的改善方案是目前急需解决的问题。
发明内容
鉴于以上现有技术存在的问题，本发明提出一种校园健康数据管理方法及系统，主要解决学校健康数据依赖人工缺乏实时整体评估的问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下。
一种校园健康数据管理方法，包括：
通过便携式终端获取目标对象的属性数据，并采集对应目标对象的健康数据输出至服务器端，其中，所述目标对象属性数据包括：性别、所在地、专属编号；
服务器端根据所述健康数据构建多个层级数据，其中，所述层级包括：个体、班级、年级、校区、地域；
基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，所述分布统计结果包括各项健康数据的合格率、良好率、优秀率；
设置一个或多个显示终端与所述服务器端连接，实时展示所述分布统计结果；
构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出。
可选地，采集目标对象健康数据包括：
将所述便携式终端与体测设备连接，获取目标对象的身体质量指数；和/或，将目标对象的身体质量指数录入所述便携式终端；
通过所述便携式终端记录每个运动项目的测试成绩。
可选地，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息包括：
构建所述不同层级数据与健康影响因子之间的映射关系；
根据所述映射关系获取每个层级的健康数据对应的一个或多个健康影响因子，并根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息。
可选地，获取预设时间段内的不同层级数据作为训练样本，预训练不同识别模型用于构建不同层级数据与健康影响因子之间的映射关系；其中，所述识别模型包括轻量级卷积神经网络模型、循环神经网络模型；
定期对所述识别模型进行再训练，校准模型参数。
可选地，根据每个层级数据中各项健康数据的采集值和/或平均值划分数据区间，并根据所述数据区间设置对应健康数据的权重；
根据每个层级数据中各项健康数据的加权值构建对应识别模型的损失函数，通过对应识别模型反向传播调整所述权重；
建立损失函数的损失值与一个或多个健康影响因子的映射关系，进而获取对应层级数据与一个或多个健康影响因子的映射关系。
可选地，根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息包括：
根据预设的健康影响因子建立索引信息，根据所述索引信息对所述健康指导信息库中的数据进行标注；
在获取健康指导信息时，通过一个或多个健康影响因子获取标注数据并输出至所述便携式终端和/或显示终端。
一种校园健康数据管理系统，包括：
数据采集模块，用于获取目标对象的属性数据，并采集对应目标对象的健康数据，其中，所述目标对象属性数据包括：性别、所在地、专属编号；
数据管理平台，所述数据管理平台对接一个或多个服务器，用于根据所述健康数据构建多个层级数据，其中，所述层级包括：个体、班级、年级、校区、地域；基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，所述分布统计结果包括各项健康数据的合格率、良好率、优秀率；
一个或多个显示模块，用于与所述数据管理平台对接，实时展示所述分布统计结果；
健康指导模块，用于构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出。
可选地，所述数据管理平台包括一个或多个识别单元，所述识别单元与所述健康指导模块连接，用于构建所述不同层级数据与健康影响因子之间的映射关系；
根据所述映射关系获取每个层级的健康数据对应的一个或多个健康影响因子，并根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息。
可选地，所述数据采集模块包括信息接收单元，所述信息接收单元与所述健康指导模块连接，接收并展示对应的健康指导信息。
如上所述，本发明一种校园健康数据管理方法及系统，具有以下有益效果。
可实时获取目标对象健康数据，避免人工后期录入的数据偏差；针对不同层级进行针对性评估指导，为健康数据改善方案提供准确可靠的数据支撑。
附图说明
图1为本发明一实施例中校园健康数据管理方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种校园健康数据管理方法，包括以下步骤：
步骤S01，通过便携式终端获取目标对象的属性数据，并采集对应目标对象的健康数据输出至服务器端，其中，目标对象属性数据包括：性别、所在地、专属编号。
在一实施例中，以某地区一中学校为例，将该校学生作为目标对象。学生的健康数据信息包括身体质量指数(BMI)、各运动项目测试数据等。可通过统一便携式终端采集学生的健康数据。具体地，便携式终端可采用手持移动终端如平板电脑等。便携式终端与对应的身高、体重等体侧设备建立连接，获取当前检测学生的BMI数据信息。可选地，便携式终端也可通过蓝牙等无线连接方式与智能穿戴设备如手环等连接，获取心率等健康数据。
可选地，便携式终端可设置计时模块和/或计数模块，计时模块用于记录计时类运动项目的成绩，如100米、800米、1000米等。计数模块用于记录计数类运动项目的成绩，如跳绳、仰卧起坐等。也可通过数据采集终端的摄像头采集运动视频，通过现有的神经网络算法识别每帧图像中的运动动作，记录连续帧图像中的动作频次，进而记录各运动测试项的成绩。可选地，也可根据体测设备显示数据或运动项目测试结果，手动录入各项健康数据。
在进行健康数据采集前，可在便携式终端预先录入学生的属性数据，包括：性别、所在地、学号等。具体地，可通过便携式终端登录学校的学生信息管理系统，获取对应班级、年级或校区的学生属性数据。将采集的学生健康数据与学生的属性信息关联，即将健康数据与学生信息对应。完成测试后，将学生属性数据与对应的各项健康数据一并输出至服务器端。
步骤S02，服务器端根据健康数据构建多个层级数据，其中，所述层级包括：个体、班级、年级、校区、地域。
层级可划分为个体、班级、年级、校区、地域。个体层级数据可包括每个学生所有健康检测项的数据，按检测项归类后得到每个学生的个人数据集；班级层级数据可包括每个班级所有学生个人数据集，可选地，可按学生性别将个人数据集进行归类，得到班级层级数据。以此方式，分别得到其他层级数据。其中，校区可设置为以学校为单位，而地域可看作某一地区所有学校的整体。通常每个学校会针对每个学生分配专属编号如学号等，通过学号可从学生系统中获取学生个人身份信息，如性别、班级、年级等。因此，可将学号作为各层级归类的统一指标。具体地，归类指标可根据实际应用需求进行调整。
步骤S03，基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，分布统计结果包括各项健康数据的合格率、良好率、优秀率。
针对个体层级，可直接设置采集的各项健康数据值的成绩阈值，如可设置100米短跑成绩分别达到合格、良好、优秀的三个阈值，其他体测项目以此类推。进而统计单个学生各项体侧成绩的分布情况。针对班级可按性别统计男生各项健康数据的达标情况、女生各项健康数据的达标情况，也可统计班级综合达标情况，进而获取每个层级数据的分布统计结果。
步骤S04，设置一个或多个显示终端与所述服务器端连接，实时展示所述分布统计结果。
可在学校内设置显示面板，用于实时显示学校各层级数据的分布统计结果；也可在某一地区综合办公厅设置专用显示面板，用于实时显示负责区域内各学校的健康数据分布统计结果。以便于学校或区域负责人实时了解学生整体身体素质，提出合理有效的改善措施。
步骤S05，构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出。
在一实施例中，可预先整理各类辅助学生提高各项健康数据的指导信息，构建健康指导信息库，并通过健康影响因子对库中的信息进行标注，如腿部力量弱对应一条或多条如何锻炼腿部力量的健康指导信息等。定期更新健康指导信息库以便于提供更为准确全面的指导意见。
在一实施例中，构建完成各层级数据后，分别针对每一层级设置识别模型。将每个层级数据输入对应层级的识别模型中，建立层级数据与一个或多个健康影响因子的映射关系。以个体层级数据为例，某学生A的跑步类如100米、1000米等项目成绩评定为优秀，仰卧起坐、引体向上成绩评定为合格。可针对优秀的成绩区间、合格的成绩区间、良好的成绩区间、不合格的成绩区间等分别设置不同健康数据项的权重。示例性的，如100米达到优秀的权重为0.01，达到良好的权重为0.09，达到合格的权重为0.3，不合格为0.6。以此初始化设置各项健康数据的权重，进而构建损失函数。损失函数可表示为L＝log(w1a1+w2a2+wiai)，其中，wi表示各项健康数据的权重，ai表示各项健康数据的值。最终根据损失函数值划分多个区间，每个值区间对应一个或多个健康影响因子。通过识别模型反向传播更新调整各健康数据的权重，保证建立映射关系的准确性。其中健康影响因子包括上肢力量不足、下肢力量不足、腰部力量不足等，可根据具体应用场景进行设置。
可选地，以班级层级数据为例，假设该层级数据记录了某班级X中100米优秀率为5％，良好率为90％；1000米优秀率3％，良好率50％；800米优秀率2％，良好率40％。将该班级对应的层级数据输入识别模型，若输出为该班整体腿部爆发力优秀，但耐力不足。则可将耐力作为该班学生的健康影响因子。具体识别模型分类输出结果的类型可根据实际情况进行设置。同样地，年级、校区或地域层级的数据识别模式可类比与班级层级数据识别模式，并根据数据差异进行适应性调整。
识别模型可采用现有的较为成熟的神经网络经过预训练得到。神经网络包括循环神经网络、长短期记忆神经网络、轻量级卷积神经网络等。预先建立对应层级数据的训练样本集，对训练样本集中数据进行类别标注，并将标注后的样本集输入初始神经网络进行模型训练，完成训练后，可采用dropout算子简化模型结构，进一步从训练样本集中随机选出小批量数据进行模型测试，以固定模型参数，得到识别模型。可选地，可定期抽取对应层级数据对识别模型进行再训练，以确保模型识别准确性。具体训练和测试过程为现有技术，这里不再赘述。可选地，几个不同层级的数据结构相同时，可采用相同的识别模型，在进行模型更新时，可只对其中一个模型进行参数更新，并将更新参数发布到其他相同模型进行同步更新。
通过识别模型得到各对应层级的健康影响因子后，针对每个健康影响因子输出对应的健康指导信息。如针对上肢力量不足，输出如何合理有效锻炼上肢力量的方法和建议；针对班级整体耐力不足，输出如何优化体育课程结构，增强学生整体耐力的方法和建议；针对某一校区整体运动测试达标率偏低，输出如何优化教育资源，为学生提供更合理的运动设备环境和建议，如增设某方面的文体活动等建议。具体地，可通过识别模型输出的健康影响因子匹配检索健康指导信息库中的数据，获取对应的健康指导信息，并输出至显示终端或者便携式采集终端。
在一实施例中，本实施例提供了一种校园健康数据管理系统，用于执行前述方法实施例中所述的校园健康数据管理方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。
在一实施例中，校园健康数据管理系统包括数据采集模块，用于获取目标对象的属性数据，并采集对应目标对象的健康数据，其中，目标对象属性数据包括：性别、所在地、专属编号；
数据管理平台，数据管理平台对接一个或多个服务器，用于根据健康数据构建多个层级数据，其中，层级包括：个体、班级、年级、校区、地域；基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，分布统计结果包括各项健康数据的合格率、良好率、优秀率；
一个或多个显示模块，用于与数据管理平台对接，实时展示分布统计结果；
健康指导模块，用于构建健康指导信息库，根据不同层级数据从健康指导信息库中获取对应的健康指导信息并输出。
在一实施例中，数据管理平台包括一个或多个识别单元，识别单元与健康指导模块连接，用于构建不同层级数据与健康影响因子之间的映射关系；
根据映射关系获取每个层级的健康数据对应的一个或多个健康影响因子，并根据健康影响因子从健康指导信息库中获取对应的健康指导信息。
数据采集模块可包括信息接收单元，该信息接收单元与指导输出模块建立通讯连接，接收对应的健康指导信息。当数据采集模块为平板电脑等具有显示界面的终端设备时，可将接收的健康指导信息通过数据采集模块的显示界面进行实时展示。数据采集模块操作者可根据健康指导信息向对应的采集目标对象提供准确可靠的锻炼建议。如以体育教师为例，教师在将某一学生体育测试数据通过数据采集模块上传后，接收到反馈的健康指导意见。体育教师可参考该健康指导意见对学生进行针对性指导。
综上所述，本发明一种校园健康数据管理方法及系统，通过实时采集记录体侧对象如学生等的健康数据，避免后期手动填写上传，伪造数据造成数据失实；通过分层级进行健康数据分析，可及时了解不同班级、年级、学校或片区等学生综合素质的差异性，针对薄弱环节提供针对性的整改意见；自动识别学生测试数据对应的健康影响因子，给出合理有效的锻炼建议，有利于针对性地提升学生的身体素质，避免教师疏漏，难以针对每个学生个体差异进行合理指导的问题；分层级进行识别评估，还有利于比较班级之间、年级之间或学校之间的差异性，合理化课程结构，为教师或学校的教学工作提供合理化建议。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种校园健康数据管理方法，其特征在于，包括：
通过便携式终端获取目标对象的属性数据，并采集对应目标对象的健康数据输出至服务器端，其中，所述目标对象属性数据包括：性别、所在地、专属编号；
服务器端根据所述健康数据构建多个层级数据，其中，所述层级包括：个体、班级、年级、校区、地域；
基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，所述分布统计结果包括各项健康数据的合格率、良好率、优秀率；
设置一个或多个显示终端与所述服务器端连接，实时展示所述分布统计结果；
构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出。
2.根据权利要求1所述的校园健康数据管理方法，其特征在于，采集目标对象健康数据包括：
将所述便携式终端与体测设备连接，获取目标对象的身体质量指数；和/或，将目标对象的身体质量指数录入所述便携式终端；
通过所述便携式终端记录每个运动项目的测试成绩。
3.根据权利要求1所述的校园健康数据管理方法，其特征在于，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息包括：
构建所述不同层级数据与健康影响因子之间的映射关系；
根据所述映射关系获取每个层级的健康数据对应的一个或多个健康影响因子，并根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息。
4.根据权利要求3所述的校园健康数据管理方法，其特征在于，获取预设时间段内的不同层级数据作为训练样本，预训练不同识别模型用于构建不同层级数据与健康影响因子之间的映射关系；其中，所述识别模型包括轻量级卷积神经网络模型、循环神经网络模型；
定期对所述识别模型进行再训练，校准模型参数。
5.根据权利要求4所述的校园健康数据管理方法，其特征在于，根据每个层级数据中各项健康数据的采集值和/或平均值划分数据区间，并根据所述数据区间设置对应健康数据的权重；
根据每个层级数据中各项健康数据的加权值构建对应识别模型的损失函数，通过对应识别模型反向传播调整所述权重；
建立损失函数的损失值与一个或多个健康影响因子的映射关系，进而获取对应层级数据与一个或多个健康影响因子的映射关系。
6.根据权利要求3所述的校园健康数据管理方法，其特征在于，根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息包括：
根据预设的健康影响因子建立索引信息，根据所述索引信息对所述健康指导信息库中的数据进行标注；
在获取健康指导信息时，通过一个或多个健康影响因子获取标注数据并输出至所述便携式终端和/或显示终端。
7.一种校园健康数据管理系统，其特征在于，包括：
数据采集模块，用于获取目标对象的属性数据，并采集对应目标对象的健康数据，其中，所述目标对象属性数据包括：性别、所在地、专属编号；
数据管理平台，所述数据管理平台对接一个或多个服务器，用于根据所述健康数据构建多个层级数据，其中，所述层级包括：个体、班级、年级、校区、地域；基于目标对象的属性数据获取每个层级数据中目标对象的健康数据分布统计结果，其中，所述分布统计结果包括各项健康数据的合格率、良好率、优秀率；
一个或多个显示模块，用于与所述数据管理平台对接，实时展示所述分布统计结果；
健康指导模块，用于构建健康指导信息库，根据不同层级数据从所述健康指导信息库中获取对应的健康指导信息并输出。
8.根据权利要求7所述的校园健康数据管理系统，其特征在于，所述数据管理平台包括一个或多个识别单元，所述识别单元与所述健康指导模块连接，用于构建所述不同层级数据与健康影响因子之间的映射关系；
根据所述映射关系获取每个层级的健康数据对应的一个或多个健康影响因子，并根据所述健康影响因子从所述健康指导信息库中获取对应的健康指导信息。
9.根据权利要求7所述的校园健康数据管理系统，其特征在于，所述数据采集模块包括信息接收单元，所述信息接收单元与所述健康指导模块连接，接收并展示对应的健康指导信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110203604.6A CN113011835A (zh) | 2021-02-23 | 2021-02-23 | 一种校园健康数据管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110203604.6A CN113011835A (zh) | 2021-02-23 | 2021-02-23 | 一种校园健康数据管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113011835A true CN113011835A (zh) | 2021-06-22 |
Family
ID=76408435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110203604.6A Pending CN113011835A (zh) | 2021-02-23 | 2021-02-23 | 一种校园健康数据管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113011835A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115564617A (zh) * | 2022-10-20 | 2023-01-03 | 宁波浙鼎教育科技有限公司 | 数字体育考评管理系统 |
| CN115774803A (zh) * | 2023-02-10 | 2023-03-10 | 中大体育产业集团股份有限公司 | 一种体测站点的可视化标识方法及系统 |
| CN117350905A (zh) * | 2023-10-27 | 2024-01-05 | 广东海洋大学 | 一种基于大数据的体育教学管理系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491098A (zh) * | 2016-12-20 | 2017-03-15 | 青岛市实验小学 | 一种监控学生体质健康的方法及其系统 |
| CN206934088U (zh) * | 2016-12-20 | 2018-01-30 | 青岛市实验小学 | 一种监控学生体质健康的装置 |
| CN109979557A (zh) * | 2019-04-01 | 2019-07-05 | 长春工业大学 | 一种基于大数据的学生体质健康监测系统及评价方法 |
| CN211404074U (zh) * | 2019-12-31 | 2020-09-01 | 北京华创互联科技股份有限公司 | 一种体质健康监测系统 |
-
2021
- 2021-02-23 CN CN202110203604.6A patent/CN113011835A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106491098A (zh) * | 2016-12-20 | 2017-03-15 | 青岛市实验小学 | 一种监控学生体质健康的方法及其系统 |
| CN206934088U (zh) * | 2016-12-20 | 2018-01-30 | 青岛市实验小学 | 一种监控学生体质健康的装置 |
| CN109979557A (zh) * | 2019-04-01 | 2019-07-05 | 长春工业大学 | 一种基于大数据的学生体质健康监测系统及评价方法 |
| CN211404074U (zh) * | 2019-12-31 | 2020-09-01 | 北京华创互联科技股份有限公司 | 一种体质健康监测系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115564617A (zh) * | 2022-10-20 | 2023-01-03 | 宁波浙鼎教育科技有限公司 | 数字体育考评管理系统 |
| CN115774803A (zh) * | 2023-02-10 | 2023-03-10 | 中大体育产业集团股份有限公司 | 一种体测站点的可视化标识方法及系统 |
| CN117350905A (zh) * | 2023-10-27 | 2024-01-05 | 广东海洋大学 | 一种基于大数据的体育教学管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113011835A (zh) | 一种校园健康数据管理方法及系统 | |
| CN108090688B (zh) | 智能健身管理系统 | |
| Velloso et al. | Qualitative activity recognition of weight lifting exercises | |
| CN110060762B (zh) | 一种基于多因子量表数据的心理发展水平评估方法及系统 | |
| CN105139317B (zh) | 兴趣取向值测验的认知指标分析方法 | |
| CN102213957A (zh) | 一种提供虚拟私人运动教练的控制方法、控制装置及系统 | |
| CA2736411A1 (en) | Method and system for facilitating golf swing instruction | |
| CN111524578B (zh) | 一种基于电子心理沙盘的心理评估装置、方法及系统 | |
| CN110867252A (zh) | 体能测评管理系统、方法及计算机可读存储介质 | |
| CN107301611A (zh) | 一种孤独症儿童智能教学评估系统 | |
| CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
| CN117352114B (zh) | 一种基于聚类算法的心理测评量表的推荐方法及系统 | |
| WO2022009875A1 (ja) | 集中度判別プログラム | |
| CN112843660B (zh) | 一种体育运动计时系统 | |
| CN108830755A (zh) | 一种低成本易操作的基于知识图谱的学习诊断系统 | |
| CN113808704A (zh) | 运动处方获取系统及方法 | |
| CN114693075A (zh) | 一种应用于就业前景分析功能的就业指导系统及装置 | |
| CN113641856A (zh) | 用于输出信息的方法和装置 | |
| CN113506027A (zh) | 基于学生视觉注意及教师行为的课程质量评估与提升方法 | |
| CN110414848A (zh) | 体育项目测评方法、装置、可读存储介质及电子设备 | |
| CN110634090A (zh) | 一种高考分数换算系统及方法 | |
| CN111985793A (zh) | 一种学生网上评教方法 | |
| CN115908069B (zh) | 一种中小学生体测数据的智慧管理方法及系统 | |
| Karandikar et al. | IoT based Smart Fitness Tracker for Gymnasiums | |
| KR102535943B1 (ko) | 무산소 운동량 측정기기를 이용한 운동처방정보를 제공하는 방법 및 시스템 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |