CN113222357A - 针对在线教育的大数据资源分配方法及可读存储介质 - Google Patents
针对在线教育的大数据资源分配方法及可读存储介质 Download PDFInfo
- Publication number
- CN113222357A CN113222357A CN202110432908.XA CN202110432908A CN113222357A CN 113222357 A CN113222357 A CN 113222357A CN 202110432908 A CN202110432908 A CN 202110432908A CN 113222357 A CN113222357 A CN 113222357A
- Authority
- CN
- China
- Prior art keywords
- teaching
- resource
- current
- teacher
- state information
- 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.)
- Granted
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 27
- 230000000875 corresponding effect Effects 0.000 claims description 79
- 230000002457 bidirectional effect Effects 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 15
- 230000009191 jumping Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000013139 quantization Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 15
- 238000013461 design Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (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)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例公开了一种针对在线教育的大数据资源分配方法及可读存储介质，能够对在线教育课程信息的不同的授课资源数据进行分析，从而将师资状态信息、教学状态特征以及课堂交互数据考虑在内，并结合对应的资源分配策略确定针对不同的在线教育终端的待分配资源信息，这样，能够在确保不同的在线教育终端稳定运行的前提下尽可能为不同的在线教育终端针对性地下发教学资源信息，从而提高在线教育终端与在线教育服务器的交互有效性，以便在线教育服务器根据在线教育终端反馈的相关数据进行相关在线教育业务服务的优化和升级。
Description
技术领域
本申请涉及在线教育和大数据处理技术领域，特别涉及一种针对在线教育的大数据资源分配方法及可读存储介质。
背景技术
随着信息技术迅速发展，特别是从互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化，教与学可以不受时间、空间和地点条件的限制，知识获取渠道灵活与多样化。在大数据和云计算的时代背景下，在线教育（e-Learning）应运而生，在线教育是以网络为介质的教学方式。通过互联网络，学员与教师即使相隔万里也可以开展教学活动，此外，借助网络课件，学员还可以随时随地进行学习，真正打破了时间和空间的限制。
现目前，随着智能设备的功能越来越完善，在线教育场景下的交互变得越来越多样化，但同时也为在线教育服务器带来了诸多挑战。比如，随着对接的在线教育智能设备的数量的不断增多，在线教育服务器的数据信息处理压力越来越大，相关的负载均衡技术可以在一定程度上改善在线教育服务器的数据信息处理压力，但是难以从根源上提高在线教育服务器与在线教育智能设备的业务交互效率。
基于上述内容，发明人经研究和分析发现，为了提高在线教育服务器与在线教育智能设备的业务交互效率，需要考虑在线教育服务器的在线教育业务服务的优化和升级并对教学资源信息的分配进行进一步改善。
发明内容
本申请实施例之一提供一种针对在线教育的大数据资源分配方法，所述方法应用于在线教育服务器，所述在线教育服务器与至少一个在线教育终端通信连接，所述方法包括：
获得针对在线教育课程信息的当前组授课资源数据；各组授课资源数据的每个相同教学科目的师资状态信息对应一组资源分配策略，每组资源分配策略包含设定数量个根据在线教育课程信息的授课资源数据的更新情况预设的第一资源分配策略；所述在线教育课程信息的授课资源数据的更新情况为所述在线教育课程信息中存在学员信息变动的课堂交互数据的实时更新情况；
针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配；根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息。
在一些优选的实施方式中，根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息，包括：
若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中任一第一资源分配策略匹配成功，则根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征，并将所述当前师资状态信息确定为第一待分配师资状态信息。
在一些优选的实施方式中，所述方法还包括：
若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中所有第一资源分配策略匹配失败，则从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征，并根据所述当前师资状态信息确定第一候选师资状态信息；
确定所述当前组授课资源数据中是否包含第一候选师资状态信息；
根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源。
在一些优选的实施方式中，在所述针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
按预设的第一数据采样模型对所获得的当前组授课资源数据进行数据采样；
对数据采样后的当前组授课资源数据进行筛选处理，获得第一授课资源数据；
所述针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
针对所述第一授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配。
在一些优选的实施方式中，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对所述当前组授课资源数据中的每个当前师资状态信息，获得所述当前师资状态信息对应的预设授课时段内的每个第一师资状态信息的师资状态评分；
获得预设的当前师资状态评分的课程评估统计结果以及预设的平均师资状态评分的课程评估统计结果；
根据所述当前师资状态信息的师资状态评分以及每个第一师资状态信息的师资状态评分，确定所述预设授课时段对应的平均师资状态评分；
从所述当前师资状态评分的课程评估统计结果中，确定所述当前师资状态信息对应的第一课程评估统计内容；
从所述平均师资状态评分的课程评估统计结果中，获得所确定的平均师资状态评分对应的第二课程评估统计内容；
确定所述第一课程评估统计内容与所述第二课程评估统计内容的比对结果的资源分配量化值；
根据所确定的比对结果的资源分配量化值调整所述当前师资状态信息的师资状态评分；
所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
将所述调整后的当前师资状态信息的师资状态评分与所述调整后的当前师资状态信息对应的一组资源分配策略进行匹配。
在一些优选的实施方式中，所述根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源的步骤，包括：
若所述当前组授课资源数据中包含第一候选师资状态信息，确定所述当前组授课资源数据中存在候选待分配教学资源；
若所述当前组授课资源数据中不包含第一候选师资状态信息，确定所述当前组授课资源数据中不存在候选待分配教学资源；
在所述确定所述当前组授课资源数据中存在候选待分配教学资源的步骤之后，所述方法还包括：
确定所述当前组授课资源数据对应的包含至少一个第一候选师资状态信息的候选授课资源数据，将所述候选授课资源数据作为第一候选授课资源数据；
根据所述第一候选授课资源数据，确定所述当前组授课资源数据中的至少一个候选待分配教学资源。
在一些优选的实施方式中，所述每组资源分配策略中的每个第一资源分配策略均为基于在线课堂互动的资源分配策略，每个第一资源分配策略的教学状态特征均包括第一教师授课状态特征、第一学员反馈状态特征和双向教学评分值，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对当前组授课资源数据中的每个当前师资状态信息，分别对所述当前师资状态信息对应的一组资源分配策略中所包含的每个第一资源分配策略的双向教学评分值进行校正，获得每个第一资源分配策略的校正后的双向教学评分值；
根据每个第一资源分配策略的校正后的双向教学评分值，对所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略进行排序，其中，每个第一资源分配策略的排序编号与所对应校正后的双向教学评分值成正相关；
所述根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征的步骤，包括：
利用所述当前师资状态信息的师资状态评分更新所述匹配成功的第一资源分配策略的第一教师授课状态特征以及第一学员反馈状态特征；
且根据所述匹配成功的第一资源分配策略的校正后的双向教学评分值确定双向资源分配热度；
所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
按照所述设定数量个第一资源分配策略的排序结果，将所述当前师资状态信息的师资状态评分依次与每个第一资源分配策略进行匹配，其中，当所述当前师资状态信息的师资状态评分与当前进行匹配的第一资源分配策略满足第一设定条件时，则表征所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略匹配，反之，则不匹配；
所述第一设定条件为：所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略的第一教师授课状态特征的目标匹配结果的资源分配量化值，小于设定比例的所述当前进行匹配的第一资源分配策略的第一学员反馈状态特征的资源分配参考值，且所述当前进行匹配的第一资源分配策略的双向教学评分值大于第一设定阈值，所述第一设定阈值为：根据所述双向资源分配热度以及所述在线教育课程信息的授课资源数据的更新情况确定的判定值。
在一些优选的实施方式中，每个第一资源分配策略的教学状态特征还包括教学内容跳转次数；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对当前组授课资源数据中的每个当前师资状态信息，分别将所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略的教学内容跳转次数加一；
在所述将所述当前师资状态信息确定为第一待分配师资状态信息的步骤之前，所述方法还包括：
判断所述匹配成功的第一资源分配策略的教学内容跳转次数加一后是否小于设定跳转次数；
若为否，执行所述将所述当前师资状态信息确定为第一待分配师资状态信息的步骤。
在一些优选的实施方式中，所述从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征的步骤，包括：
从所述当前师资状态信息对应的一组资源分配策略中，选择所对应双向教学评分值最小的第一资源分配策略；
利用所述当前师资状态信息的师资状态评分，修改所选择的第一资源分配策略的第一教师授课状态特征；
将所选择的第一资源分配策略的第一学员反馈状态特征修改为课堂交互状态特征；
根据所选择的第一资源分配策略的校正后的双向教学评分值确定所述双向资源分配热度；
将所选择的第一资源分配策略的教学内容跳转次数设置为目标跳转次数。
本申请实施例之一提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述的方法。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本发明的一些实施例所示的一种示例性针对在线教育的大数据资源分配方法和/或过程的流程图；
图2是根据本发明的一些实施例所示的一种示例性针对在线教育的大数据资源分配装置的框图；
图3是根据本发明的一些实施例所示的一种示例性针对在线教育的大数据资源分配系统的框图，以及
图4是根据本发明的一些实施例所示的一种示例性在线教育服务器中硬件和软件组成的示意图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
为改善背景技术所述的技术问题，本发明提供了一种针对在线教育的大数据资源分配方法及计算机可读存储介质，能够对在线教育课程信息的不同的授课资源数据进行分析，从而将师资状态信息、教学状态特征以及课堂交互数据考虑在内，并结合对应的资源分配策略确定针对不同的在线教育终端的待分配资源信息，这样，能够在确保不同的在线教育终端稳定运行的前提下尽可能为不同的在线教育终端针对性地下发教学资源信息，从而提高在线教育终端与在线教育服务器的交互有效性，以便在线教育服务器根据在线教育终端反馈的相关数据进行相关在线教育业务服务的优化和升级。
基于上述内容，首先对针对在线教育的大数据资源分配方法进行示例性的说明，请参阅图1，是根据本发明的一些实施例所示的一种示例性针对在线教育的大数据资源分配方法和/或过程的流程图，针对在线教育的大数据资源分配方法可以应用于在线教育服务器，所述在线教育服务器与至少一个在线教育终端通信连接，进一步地，所述方法可以包括以下步骤S110和步骤S120所描述的技术方案。
S110，获得针对在线教育课程信息的当前组授课资源数据。
在相关实施例中，在线教育课程信息可以是在线教育服务器根据在线教育终端上传的课程预定信息而配置的相关视频网课的课程信息和师资配备信息等，比如，各组授课资源数据的每个相同教学科目的师资状态信息可以对应一组资源分配策略，每组资源分配策略包含设定数量个根据在线教育课程信息的授课资源数据的更新情况预设的第一资源分配策略。进一步地，所述在线教育课程信息的授课资源数据的更新情况为所述在线教育课程信息中存在学员信息变动的课堂交互数据的实时更新情况。其中，教学科目可以包括很多阶段的科目，比如小学科目、初中科目、高中科目、大学科目或者职业培训科目等，在此不作限定。师资状态信息可以包括不同教师的课程安排信息、授课评价信息以及教师资质信息等，资源分配策略可以用于指示在线教育服务器进行相关教学资源的分配，比如师资分配或者教学内容分配等，授课资源数据的更新情况主要侧重于存在学员信息变动的课堂交互数据的实时更新情况，举例而言，学院信息变动可以是学员在线状态的变化或者学员人数的变化等，课堂交互数据通常可以是在线教育服务器根据在线教育终端和/或教师授课终端的交互日志得到的，对于一些录播课程，可以仅对在线教育终端进行分析，对于一些实时直播的课程，可以同时对在线教育终端和教师授课终端进行分析。由此，在线教育课程信息的授课资源数据能够获得较为丰富的教学信息，从而为后续的资源分配提供决策依据。举例而言，在线教育课程信息的不同组授课资源数据可以根据时间先后顺序进行记录，比如在线教育课程信息对应的授课资源数据可以为{d1、d2、d3、d4}，也即，在线教育课程信息在一些时段内可以对应第一组授课资源数据d1、第二组授课资源数据d2、第三组授课资源数据d3以及第四组授课资源数据d4。当然，在实际实时过程中，还可以包括其他更多的授课资源数据，在此不作限定。
S120，针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配；根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息。
在相关实施例中，通过将当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配，能够基于课程内容层面、师生交互层面以及在线教育终端的设备运行层面进行综合分析，从而得到对应的匹配结果，由于该匹配结果考虑了在线教育终端和/或教师授课终端的交互日志（也即在线教育终端的交互稳定性），还考虑了当前师资状态信息的教学状态特征（也即师生互动情况），如此一来，能够确保得到的待分配资源信息与在线教育终端的适配性，能够在确保不同的在线教育终端稳定运行的前提下尽可能为不同的在线教育终端针对性地下发教学资源信息，从而提高在线教育终端与在线教育服务器的交互有效性，以便在线教育服务器根据在线教育终端反馈的相关数据进行相关在线教育业务服务的优化和升级。
在上述内容的基础上，不同的匹配结果可能对应不同的待分配资源信息，为了确保得到的待分配资源信息与在线教育终端在数据通信层面和课程教育层面的适配性，需要对不同的匹配结果进行分析和处理，为实现这一目的，步骤“根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息”，可以包括以下两种情况。
第一种情况，若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中任一第一资源分配策略匹配成功，则根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征，并将所述当前师资状态信息确定为第一待分配师资状态信息。在实际实施过程中，所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中任一第一资源分配策略匹配成功可以根据教学状态特征与对应资源分配策略的匹配系数确定，比如，匹配系数可以综合考虑师资情况、课程情况以及在线教育终端的运行情况，若匹配系数大于设定系数，则可以判定所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中任一第一资源分配策略匹配成功，进一步地，将当前师资状态信息确定为第一待分配师资状态信息，可以在后续根据第一待分配师资状态信息绑定对应的课程信息，这样可以确保后续在向在线教育终端分配教育资源时充分考虑在线教育终端的设备通信稳定性和师资课程匹配性。此外，通过更新所述匹配成功的第一资源分配策略的教学状态特征，能够确保后续匹配的时效性。
第二种情况，若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中所有第一资源分配策略匹配失败，则从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征，并根据所述当前师资状态信息确定第一候选师资状态信息；确定所述当前组授课资源数据中是否包含第一候选师资状态信息；根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源。相应地，通过修改第一资源分配策略的教学状态特征，能够对资源分配策略中与当前情况相冲突的相关分配指示进行调整，根据所述当前师资状态信息确定第一候选师资状态信息，能够确保第一候选师资状态信息与当前教学状态下的在线教育终端的网络通信状态相匹配，同时确保第一候选师资状态信息与实时的教学需求相匹配，根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源，能够确保得到的候选待分配教学资源尽可能与在线业务终端匹配，避免多次下发错误的教学资源而造成的资源浪费。
在相关的实施例中，步骤“根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源”之前，还可以包括以下内容：若所述当前组授课资源数据中包含第一候选师资状态信息，确定所述当前组授课资源数据中存在候选待分配教学资源；若所述当前组授课资源数据中不包含第一候选师资状态信息，确定所述当前组授课资源数据中不存在候选待分配教学资源。进一步地，在步骤“确定所述当前组授课资源数据中存在候选待分配教学资源”之后，上述方法还可以包括以下内容：确定所述当前组授课资源数据对应的包含至少一个第一候选师资状态信息的候选授课资源数据，将所述候选授课资源数据作为第一候选授课资源数据；根据所述第一候选授课资源数据，确定所述当前组授课资源数据中的至少一个候选待分配教学资源。比如，可以将满足上课时段要求的至少一个第一候选师资状态信息的候选授课资源数据（课程内容数据）确定为第一候选授课资源数据，然后从所述当前组授课资源数据确定与所述第一候选授课资源数据存在关联的至少一个候选待分配教学资源（比如教师资源和/或课程资源）。在选择性的实施例中，在步骤“根据所述第一候选授课资源数据，确定所述当前组授课资源数据中的至少一个候选待分配教学资源”之前，还可以包括以下内容：针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的预设的第二资源分配策略进行匹配，其中，各组授课资源数据的每个相同教学科目的师资状态信息对应一个第二资源分配策略；若所述当前师资状态信息的教学状态特征与所述第二资源分配策略匹配成功，则将所述当前师资状态信息确定为第二待分配师资状态信息，根据所述当前师资状态信息的教学状态特征更新所述第二资源分配策略的教学状态特征；若所述当前师资状态信息的教学状态特征与所述第二资源分配策略匹配失败，则将所述当前师资状态信息确定为第二候选师资状态信息；确定所述当前组授课资源数据中是否包含第二候选师资状态信息；当确定所述当前组授课资源数据中包含第二候选师资状态信息时，确定所述当前组授课资源数据对应的包含至少一个第二候选师资状态信息的候选授课资源数据，将所述候选授课资源数据作为第二候选授课资源数据。相应地，步骤“根据所述第一候选授课资源数据，确定所述当前组授课资源数据中的至少一个候选待分配教学资源”，可以包括以下内容：根据所述第一候选授课资源数据所包含的至少一个第一候选师资状态信息以及所述第二候选授课资源数据所包含的至少一个第二候选师资状态信息，确定所述当前组授课资源数据中的候选待分配教学资源。举例而言，第一候选授课资源数据所包含的至少一个第一候选师资状态信息与所述第二候选授课资源数据所包含的至少一个第二候选师资状态信息存在差异，比如第一候选授课资源数据所包含的至少一个第一候选师资状态信息针对教师资质，所述第二候选授课资源数据所包含的至少一个第二候选师资状态信息针对教师授课时段，如此设计，能够从多个维度考虑不同的候选师资状态信息，从而确保所述当前组授课资源数据中的候选待分配教学资源尽可能及时地满足在线教育终端的业务需求。在一些选择性的实施例中，所述预设的第二资源分配策略为基于在线课堂互动的资源分配策略，所述第二资源分配策略的教学状态特征包括第二教师授课状态特征和第二学员反馈状态特征，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分，基于此，步骤“根据所述当前师资状态信息的教学状态特征更新所述第二资源分配策略的教学状态特征”可以包括：根据所述当前师资状态信息的师资状态评分更新所述第二资源分配策略的第二教师授课状态特征和第二学员反馈状态特征。比如，可以根据当前师资状态信息的师资状态评分的高低，对第二资源分配策略的第二教师授课状态特征和第二学员反馈状态特征进行差异化更新，这样可以确保第二教师授课状态特征和第二学员反馈状态特征的更新与师资状态评分的高相关性。
在一些选择性的实施例中，在步骤“确定所述当前组授课资源数据中存在候选待分配教学资源”之后，所述方法还包括：获得与所述当前组授课资源数据相关联的前N组授课资源数据，所述N为设定的正整数；根据所获得的前N组授课资源数据以及所述当前组授课资源数据，确定所述候选待分配教学资源的资源响应性能；依据所确定的资源响应性能，确定所述候选待分配教学资源在所述在线教育课程信息中的教学资源匹配度是否低于设定匹配度；当确定所述候选待分配教学资源在所述在线教育课程信息中的教学资源匹配度低于设定匹配度时，输出资源分配提示信息。其中，待分配教学资源的资源响应性能用于表征对应的在线教育终端的设备性能，比如在线教育终端能否播放相关的在线教育视频，相应地，所述候选待分配教学资源在所述在线教育课程信息中的教学资源匹配度可以理解为对应的在线教育终端对候选待分配教学资源的响应能力，因此，在所述候选待分配教学资源在所述在线教育课程信息中的教学资源匹配度低于设定匹配度时，表明在线教育终端难以有效响应和处理候选待分配教学资源，基于此，在线教育服务器可以向在线教育终端输出资源分配提示信息，以提示在线教育终端进行相关的软硬件升级。
在一些选择性的实施例中，在步骤“根据所述第一候选授课资源数据所包含的至少一个第一候选师资状态信息以及所述第二候选授课资源数据所包含的至少一个第二候选师资状态信息，确定所述当前组授课资源数据中的候选待分配教学资源”之前，该方法还可以包括以下内容：按预设的第三数据采样模型对所述第二候选授课资源数据进行数据采样，获得第三授课资源数据；按预设的第一授课资源筛选条件对所述第一候选授课资源数据进行授课资源筛选，获得第四授课资源数据。其中，预设的第三数据采样模型同样可以是机器学习模型，预设的第一授课资源筛选条件可以是基于授课资源的区域化分配结果制定的，比如授课资源的分配是针对某一地区的，那么授课资源的区域化分配结果趋向于集中，则第一授课资源筛选条件可以根据在线教育终端的地理位置分布进行设计。如此，能够实现对第一候选授课资源数据和第二候选授课资源数据的进一步处理，从而提高在线教育服务器的数据处理效率，减少在线教育服务器的数据处理压力。基于此，步骤“根据所述第一候选授课资源数据所包含的至少一个第一候选师资状态信息以及所述第二候选授课资源数据所包含的至少一个第二候选师资状态信息，确定所述当前组授课资源数据中的候选待分配教学资源”的步骤，可以包括：根据所述第三授课资源数据以及所述第四授课资源数据，确定所述当前组授课资源数据中的候选待分配教学资源。在一些选择性的实施例中，步骤“根据所述第三授课资源数据以及所述第四授课资源数据，确定所述当前组授课资源数据中的候选待分配教学资源”，可以包括以下内容：根据所述第三授课资源数据以及所述第四授课资源数据，确定第三候选授课资源数据；利用预设的第二授课资源筛选条件对所述第三候选授课资源数据进行授课资源筛选，得到第五授课资源数据；利用预设的资源关联识别模型对所述第五授课资源数据进行识别，得到所述当前组授课资源数据中的至少一个候选待分配教学资源。可以理解，资源关联识别模型可以对第五授课资源数据的相关资源数据进行搜索和汇总，从而尽可能完整地确定出候选待分配教学资源。
在实际实施过程中，步骤“从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征”，可以包括：从所述当前师资状态信息对应的一组资源分配策略中，选择所对应双向教学评分值最小的第一资源分配策略；利用所述当前师资状态信息的师资状态评分，修改所选择的第一资源分配策略的第一教师授课状态特征；将所选择的第一资源分配策略的第一学员反馈状态特征修改为课堂交互状态特征；根据所选择的第一资源分配策略的校正后的双向教学评分值确定所述双向资源分配热度；将所选择的第一资源分配策略的教学内容跳转次数设置为目标跳转次数。如此设计，能够基于双向教学评分值、师资状态评分进行第一资源分配策略的教学状态特征的修改，从而确保修改过程中教师端和学员端的互相适配，进而确保第一资源分配策略的教学状态特征的全局稳定性。
在实际实施过程中，发明人发现，随着在线教育的规模的不断扩大，在线教育服务器所面临的数据处理压力越来越大，为了减少在线教育服务器的数据处理压力，在步骤“针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”的步骤之前，上述方法还可以包括以下内容：按预设的第一数据采样模型对所获得的当前组授课资源数据进行数据采样；对数据采样后的当前组授课资源数据进行筛选处理，获得第一授课资源数据。在相关实施例中，预设的第一数据采样模型可以是基于机器学习（Machine Learning）的神经网络（Neural Networks，NN）或者支持向量机（Support Vector Machine，SVM）等模型，在此不作限定。通过对当前组授课资源数据进行数据采样，能够滤除掉一些非教学业务型的冗余数据，从而减少数据量，通过对数据采样后的当前组授课资源数据进行筛选处理，能够滤除一些异常的授课资源数据（比如由于网络通信扰动而产生的噪声数据），以进一步减少数据量，这样可以在保证当前组授课资源的数据准确性和可用性的前提下对当前组授课资源数据进行精简，以减少在线教育服务器的数据处理压力。在此基础上，上述步骤“针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”，可以通过以下方式实现：针对所述第一授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配。如此设计，由于当前师资状态信息的教学状态特征是通过第一授课资源数据确定的，因而当前师资状态信息的教学状态特征具有较低的噪声比，这样可以确保当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略的匹配准确性和可信度，还能够减少在线教育服务器的运行压力。
在一些选择性的实施例中，在步骤“针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”之前，上述方法还可以包括以下内容：按预设的第二数据采样模型对所述当前组授课资源数据进行数据采样，获得第二授课资源数据。其中，预设的第二数据采样模型可以集成数据采样、数据分类和数据筛选的功能，这样能够提高对当前组授课资源数据进行前处理的效率，比如，可以将第二数据采样模型部署到关联的服务器中，在使用时通过调用第二数据采样模型实现上述的数据采样功能。基于此，步骤“针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”，可以包括以下内容：针对所述第二授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配。如此设计，由于当前师资状态信息的教学状态特征是通过第二授课资源数据确定的，因而当前师资状态信息的教学状态特征具有较低的噪声比，这样可以确保当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略的匹配准确性和可信度，还能够减少在线教育服务器的运行压力。
在相关实施例中，所述每组资源分配策略中的每个第一资源分配策略均为基于在线课堂互动的资源分配策略，每个第一资源分配策略的教学状态特征均包括第一教师授课状态特征、第一学员反馈状态特征和双向教学评分值，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分。其中，第一教师授课状态特征、第一学员反馈状态特征和双向教学评分值均可用于对授课状态进行评估，第一教师授课状态特征、第一学员反馈状态特征可以通过多个维度对授课状态进行评估，而双向教学评分值可以是教师和学员互评之后经过设定算法计算得到的评分值，一般可以设计在0~100之间。在此基础上，在步骤“将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”之前，该方法还可以包括以下内容：针对当前组授课资源数据中的每个当前师资状态信息，分别对所述当前师资状态信息对应的一组资源分配策略中所包含的每个第一资源分配策略的双向教学评分值进行校正，获得每个第一资源分配策略的校正后的双向教学评分值；根据每个第一资源分配策略的校正后的双向教学评分值，对所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略进行排序，其中，每个第一资源分配策略的排序编号与所对应校正后的双向教学评分值成正相关。通过对每个第一资源分配策略的双向教学评分值进行校正，能够尽可能去掉一些主观情绪对应的评分，从而确保得到的双向教学评分值尽可能客观地反应授课状态。在上述内容的基础上，步骤“根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征”，可以包括以下内容：利用所述当前师资状态信息的师资状态评分更新所述匹配成功的第一资源分配策略的第一教师授课状态特征以及第一学员反馈状态特征；且根据所述匹配成功的第一资源分配策略的校正后的双向教学评分值确定双向资源分配热度。比如，双向资源分配热度可以理解为向教师设备端分配相关教学资源的热度与向学员设备端分配相关教学资源的热度的加权值。进一步地，在一些可选的实施例中，步骤“将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”，可以包括以下内容：按照所述设定数量个第一资源分配策略的排序结果，将所述当前师资状态信息的师资状态评分依次与每个第一资源分配策略进行匹配，其中，当所述当前师资状态信息的师资状态评分与当前进行匹配的第一资源分配策略满足第一设定条件时，则表征所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略匹配，反之，则不匹配。示例性地，所述第一设定条件可以为：所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略的第一教师授课状态特征的目标匹配结果的资源分配量化值，小于设定比例的所述当前进行匹配的第一资源分配策略的第一学员反馈状态特征的资源分配参考值，且所述当前进行匹配的第一资源分配策略的双向教学评分值大于第一设定阈值，所述第一设定阈值为：根据所述双向资源分配热度以及所述在线教育课程信息的授课资源数据的更新情况确定的判定值。比如，资源分配量化值用于表征教学资源分配的可行性程度，比如，资源分配量化值越大，表明教学资源分配的可行性越高。如此设计，可以根据确保当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略的匹配可信度。在相关实施例中，“所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略的第一教师授课状态特征的目标匹配结果”与上述S120的匹配结果可以理解为不同的匹配结果。
在一些可能的实施例中，每个第一资源分配策略的教学状态特征还包括教学内容跳转次数，基于此，在步骤“将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”之前，还可以包括以下内容：针对当前组授课资源数据中的每个当前师资状态信息，分别将所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略的教学内容跳转次数加一。其中，教学内容跳转次数可以理解为在线教育终端切换在线教育视频的次数，通过将第一资源分配策略的教学内容跳转次数加一，能够考虑在线教育终端在交互过程中的误操作，当然，教学内容跳转次数还可以根据实际情况加二或者加三，基于此，“将所述当前师资状态信息确定为第一待分配师资状态信息”，包括：判断所述匹配成功的第一资源分配策略的教学内容跳转次数加一后是否小于设定跳转次数；若为否，执行所述将所述当前师资状态信息确定为第一待分配师资状态信息的步骤。其中，设定跳转次数可以根据实际学员的教学反馈情况进行调整，在此不作限定。如此设计，可以根据教学内容跳转次数确保第一待分配师资状态信息尽可能与学员的实际教学需求相匹配。
在一些可能的实施例中，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分，基于此，在步骤“将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”之前，可以包括以下内容：针对所述当前组授课资源数据中的每个当前师资状态信息，获得所述当前师资状态信息对应的预设授课时段内的每个第一师资状态信息的师资状态评分；获得预设的当前师资状态评分的课程评估统计结果以及预设的平均师资状态评分的课程评估统计结果；根据所述当前师资状态信息的师资状态评分以及每个第一师资状态信息的师资状态评分，确定所述预设授课时段对应的平均师资状态评分；从所述当前师资状态评分的课程评估统计结果中，确定所述当前师资状态信息对应的第一课程评估统计内容；从所述平均师资状态评分的课程评估统计结果中，获得所确定的平均师资状态评分对应的第二课程评估统计内容；确定所述第一课程评估统计内容与所述第二课程评估统计内容的比对结果的资源分配量化值；根据所确定的比对结果的资源分配量化值调整所述当前师资状态信息的师资状态评分。如此设计，通过将当前师资状态信息对应的预设授课时段以及平均师资状态评分的课程评估统计结果考虑在内，能够准确确定所述第一课程评估统计内容与所述第二课程评估统计内容的比对结果的资源分配量化值，这样可以对所述当前师资状态信息的师资状态评分进行调整以确保当前师资状态信息的师资状态评分的可信度。基于此，步骤“将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配”可以包括以下内容：将所述调整后的当前师资状态信息的师资状态评分与所述调整后的当前师资状态信息对应的一组资源分配策略进行匹配。可以理解，关于“将所述调整后的当前师资状态信息的师资状态评分与所述调整后的当前师资状态信息对应的一组资源分配策略进行匹配”的进一步实施方式可以参阅上述类似的实施方式，在此不作赘述。
综上，在实施上述方案时，首先获得针对在线教育课程信息的当前组授课资源数据，其次针对当前组授课资源数据中的每个当前师资状态信息，将当前师资状态信息的教学状态特征与当前师资状态信息对应的一组资源分配策略进行匹配，最后根据得到的匹配结果确定针对在线教育终端的待分配资源信息。如此设计，能够对在线教育课程信息的不同的授课资源数据进行分析，从而将师资状态信息、教学状态特征以及课堂交互数据考虑在内，并结合对应的资源分配策略确定针对不同的在线教育终端的待分配资源信息，这样，能够在确保不同的在线教育终端稳定运行的前提下尽可能为不同的在线教育终端针对性地下发教学资源信息，从而提高在线教育终端与在线教育服务器的交互有效性，以便在线教育服务器根据在线教育终端反馈的相关数据进行相关在线教育业务服务的优化和升级。
比如，在针对性地下发教学资源信息之后，在线教育终端能够与在线教育服务器进行客观且有效的教学互动，比如在线答疑等，这样一来，在线教育服务器能够根据在线教育终端反馈的课堂作业数据或者教学评价数据对在线教育业务服务进行优化和升级，比如针对一些课程内容的差异化的可视化处理以便于相关课程内容更容易被学员理解，又比如将一些互动功能模块在显示时的分布区域进行适应性调整，避免学员在使用在线教育终端时的误操作而导致在线教育终端出现异常。由此一来，通过进行教学资源分配，能够为后续的在线教育业务服务的优化和升级的数据来源提供保障，从而进一步提高在线教育服务器和在线教育终端之间交互的智能化程度。
针对上述针对在线教育的大数据资源分配方法，本发明实施例还提出了一种示例性的针对在线教育的大数据资源分配装置，如图2所示，针对在线教育的大数据资源分配装置200可以包括以下的功能模块。
数据获取模块210，用于获得针对在线教育课程信息的当前组授课资源数据；各组授课资源数据的每个相同教学科目的师资状态信息对应一组资源分配策略，每组资源分配策略包含设定数量个根据在线教育课程信息的授课资源数据的更新情况预设的第一资源分配策略；所述在线教育课程信息的授课资源数据的更新情况为所述在线教育课程信息中存在学员信息变动的课堂交互数据的实时更新情况。
信息确定模块220，用于针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配；根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息。
基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即针对在线教育的大数据资源分配系统，请结合参阅图3，针对在线教育的大数据资源分配系统300可以包括在线教育服务器310和在线教育终端320。其中，在线教育服务器310和在线教育终端320通信用以实施上述方法，进一步地，针对在线教育的大数据资源分配系统300的功能性描述如下。在线教育服务器310获得针对在线教育课程信息的当前组授课资源数据；各组授课资源数据的每个相同教学科目的师资状态信息对应一组资源分配策略，每组资源分配策略包含设定数量个根据在线教育课程信息的授课资源数据的更新情况预设的第一资源分配策略；所述在线教育课程信息的授课资源数据的更新情况为所述在线教育课程信息中存在学员信息变动的课堂交互数据的实时更新情况；针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配；根据得到的匹配结果确定针对所述至少一个在线教育终端320的待分配资源信息。
在上述内容的基础上，请结合参阅图4，在线教育服务器310可以包括处理引擎311、网络模块312和存储器313，处理引擎311和存储器313通过网络模块312通信。
处理引擎311可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎311可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎311可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块312可以促进信息和/或数据的交换。在一些实施例中，网络模块312可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块312可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块312可以包括至少一个网络接入点。例如，网络模块312可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器313可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器313用于存储程序，所述处理引擎311在接收到执行指令后，执行所述程序。
可以理解，图4所示的结构仅为示意，在线教育服务器310还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机可读存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (10)
1.一种针对在线教育的大数据资源分配方法，其特征在于，所述方法应用于在线教育服务器，所述在线教育服务器与至少一个在线教育终端通信连接，所述方法包括：
获得针对在线教育课程信息的当前组授课资源数据；各组授课资源数据的每个相同教学科目的师资状态信息对应一组资源分配策略，每组资源分配策略包含设定数量个根据在线教育课程信息的授课资源数据的更新情况预设的第一资源分配策略；所述在线教育课程信息的授课资源数据的更新情况为所述在线教育课程信息中存在学员信息变动的课堂交互数据的实时更新情况；
针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配；根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息。
2.根据权利要求1所述的方法，其特征在于，根据得到的匹配结果确定针对所述至少一个在线教育终端的待分配资源信息，包括：
若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中任一第一资源分配策略匹配成功，则根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征，并将所述当前师资状态信息确定为第一待分配师资状态信息。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略中所有第一资源分配策略匹配失败，则从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征，并根据所述当前师资状态信息确定第一候选师资状态信息；
确定所述当前组授课资源数据中是否包含第一候选师资状态信息；
根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源。
4.根据权利要求3所述的方法，其特征在于，在所述针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
按预设的第一数据采样模型对所获得的当前组授课资源数据进行数据采样；
对数据采样后的当前组授课资源数据进行筛选处理，获得第一授课资源数据；
所述针对所述当前组授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
针对所述第一授课资源数据中的每个当前师资状态信息，将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配。
5.根据权利要求3所述的方法，其特征在于，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对所述当前组授课资源数据中的每个当前师资状态信息，获得所述当前师资状态信息对应的预设授课时段内的每个第一师资状态信息的师资状态评分；
获得预设的当前师资状态评分的课程评估统计结果以及预设的平均师资状态评分的课程评估统计结果；
根据所述当前师资状态信息的师资状态评分以及每个第一师资状态信息的师资状态评分，确定所述预设授课时段对应的平均师资状态评分；
从所述当前师资状态评分的课程评估统计结果中，确定所述当前师资状态信息对应的第一课程评估统计内容；
从所述平均师资状态评分的课程评估统计结果中，获得所确定的平均师资状态评分对应的第二课程评估统计内容；
确定所述第一课程评估统计内容与所述第二课程评估统计内容的比对结果的资源分配量化值；
根据所确定的比对结果的资源分配量化值调整所述当前师资状态信息的师资状态评分；
所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
将所述调整后的当前师资状态信息的师资状态评分与所述调整后的当前师资状态信息对应的一组资源分配策略进行匹配。
6.根据权利要求3-5任一项所述的方法，其特征在于，所述根据所述当前组授课资源数据是否包含第一候选师资状态信息，确定所述当前组授课资源数据中是否存在候选待分配教学资源的步骤，包括：
若所述当前组授课资源数据中包含第一候选师资状态信息，确定所述当前组授课资源数据中存在候选待分配教学资源；
若所述当前组授课资源数据中不包含第一候选师资状态信息，确定所述当前组授课资源数据中不存在候选待分配教学资源；
在所述确定所述当前组授课资源数据中存在候选待分配教学资源的步骤之后，所述方法还包括：
确定所述当前组授课资源数据对应的包含至少一个第一候选师资状态信息的候选授课资源数据，将所述候选授课资源数据作为第一候选授课资源数据；
根据所述第一候选授课资源数据，确定所述当前组授课资源数据中的至少一个候选待分配教学资源。
7.根据权利要求3所述的方法，其特征在于，所述每组资源分配策略中的每个第一资源分配策略均为基于在线课堂互动的资源分配策略，每个第一资源分配策略的教学状态特征均包括第一教师授课状态特征、第一学员反馈状态特征和双向教学评分值，所述当前师资状态信息的教学状态特征包括所述当前师资状态信息的师资状态评分；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对当前组授课资源数据中的每个当前师资状态信息，分别对所述当前师资状态信息对应的一组资源分配策略中所包含的每个第一资源分配策略的双向教学评分值进行校正，获得每个第一资源分配策略的校正后的双向教学评分值；
根据每个第一资源分配策略的校正后的双向教学评分值，对所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略进行排序，其中，每个第一资源分配策略的排序编号与所对应校正后的双向教学评分值成正相关；
所述根据所述当前师资状态信息的教学状态特征更新所述匹配成功的第一资源分配策略的教学状态特征的步骤，包括：
利用所述当前师资状态信息的师资状态评分更新所述匹配成功的第一资源分配策略的第一教师授课状态特征以及第一学员反馈状态特征；
且根据所述匹配成功的第一资源分配策略的校正后的双向教学评分值确定双向资源分配热度；
所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤，包括：
按照所述设定数量个第一资源分配策略的排序结果，将所述当前师资状态信息的师资状态评分依次与每个第一资源分配策略进行匹配，其中，当所述当前师资状态信息的师资状态评分与当前进行匹配的第一资源分配策略满足第一设定条件时，则表征所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略匹配，反之，则不匹配；
所述第一设定条件为：所述当前师资状态信息的师资状态评分与所述当前进行匹配的第一资源分配策略的第一教师授课状态特征的目标匹配结果的资源分配量化值，小于设定比例的所述当前进行匹配的第一资源分配策略的第一学员反馈状态特征的资源分配参考值，且所述当前进行匹配的第一资源分配策略的双向教学评分值大于第一设定阈值，所述第一设定阈值为：根据所述双向资源分配热度以及所述在线教育课程信息的授课资源数据的更新情况确定的判定值。
8.根据权利要求7所述的方法，其特征在于，每个第一资源分配策略的教学状态特征还包括教学内容跳转次数；
在所述将所述当前师资状态信息的教学状态特征与所述当前师资状态信息对应的一组资源分配策略进行匹配的步骤之前，所述方法还包括：
针对当前组授课资源数据中的每个当前师资状态信息，分别将所述当前师资状态信息对应的一组资源分配策略中所包含的第一资源分配策略的教学内容跳转次数加一；
在所述将所述当前师资状态信息确定为第一待分配师资状态信息的步骤之前，所述方法还包括：
判断所述匹配成功的第一资源分配策略的教学内容跳转次数加一后是否小于设定跳转次数；
若为否，执行所述将所述当前师资状态信息确定为第一待分配师资状态信息的步骤。
9.根据权利要求8所述的方法，其特征在于，所述从所述当前师资状态信息对应的一组资源分配策略中选择一个第一资源分配策略，修改所选择的第一资源分配策略的教学状态特征的步骤，包括：
从所述当前师资状态信息对应的一组资源分配策略中，选择所对应双向教学评分值最小的第一资源分配策略；
利用所述当前师资状态信息的师资状态评分，修改所选择的第一资源分配策略的第一教师授课状态特征；
将所选择的第一资源分配策略的第一学员反馈状态特征修改为课堂交互状态特征；
根据所选择的第一资源分配策略的校正后的双向教学评分值确定所述双向资源分配热度；
将所选择的第一资源分配策略的教学内容跳转次数设置为目标跳转次数。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1-9任一项所述的方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110432908.XA CN113222357B (zh) | 2021-04-22 | 2021-04-22 | 针对在线教育的大数据资源分配方法及可读存储介质 |
| CN202210069284.4A CN114595931A (zh) | 2021-04-22 | 2021-04-22 | 应用大数据的在线教育信息处理方法及可读存储介质 |
| CN202210069301.4A CN114595932A (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的服务资源分配方法及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110432908.XA CN113222357B (zh) | 2021-04-22 | 2021-04-22 | 针对在线教育的大数据资源分配方法及可读存储介质 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210069301.4A Division CN114595932A (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的服务资源分配方法及可读存储介质 |
| CN202210069284.4A Division CN114595931A (zh) | 2021-04-22 | 2021-04-22 | 应用大数据的在线教育信息处理方法及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113222357A true CN113222357A (zh) | 2021-08-06 |
| CN113222357B CN113222357B (zh) | 2022-03-01 |
Family
ID=77088315
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110432908.XA Active CN113222357B (zh) | 2021-04-22 | 2021-04-22 | 针对在线教育的大数据资源分配方法及可读存储介质 |
| CN202210069301.4A Withdrawn CN114595932A (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的服务资源分配方法及可读存储介质 |
| CN202210069284.4A Withdrawn CN114595931A (zh) | 2021-04-22 | 2021-04-22 | 应用大数据的在线教育信息处理方法及可读存储介质 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210069301.4A Withdrawn CN114595932A (zh) | 2021-04-22 | 2021-04-22 | 基于大数据的服务资源分配方法及可读存储介质 |
| CN202210069284.4A Withdrawn CN114595931A (zh) | 2021-04-22 | 2021-04-22 | 应用大数据的在线教育信息处理方法及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (3) | CN113222357B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792248A (zh) * | 2021-11-16 | 2021-12-14 | 深圳华埔之星科技有限公司 | 基于互联网和移动终端的在线教育课程共享分配系统 |
| CN114155123A (zh) * | 2021-11-23 | 2022-03-08 | 陈冬冬 | 应用于大数据和在线教育的业务处理方法及大数据服务器 |
| CN116385227A (zh) * | 2023-04-10 | 2023-07-04 | 华中师范大学 | 一种远程可视化教育系统与方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886054A (zh) * | 2014-03-13 | 2014-06-25 | 中国科学院自动化研究所 | 一种网络教学资源的个性化推荐系统和推荐方法 |
| US20150235561A1 (en) * | 2014-02-19 | 2015-08-20 | Pearson Education, Inc. | Dynamic and individualized scheduling engine for app-based learning |
| CN108091193A (zh) * | 2017-12-21 | 2018-05-29 | 华中科技大学 | 一种手机智能教学与管理平台 |
| CN108492232A (zh) * | 2018-05-29 | 2018-09-04 | 黑龙江省经济管理干部学院 | 一种高等职业院校创新教学课程大纲开发系统 |
| CN108596395A (zh) * | 2018-04-28 | 2018-09-28 | 北京比特智学科技有限公司 | 课程的分配方法和装置 |
| 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 |
| US20190311639A1 (en) * | 2018-04-06 | 2019-10-10 | International Business Machines Corporation | Cognitive Content Mapping and Collating |
| CN112132480A (zh) * | 2020-09-29 | 2020-12-25 | 姜锡忠 | 大数据在线教育平台的师资匹配方法及系统 |
| CN112150331A (zh) * | 2020-09-28 | 2020-12-29 | 河南财政金融学院 | 面向教育目标进行层级分配的教育资源远程共享系统 |
| CN112288239A (zh) * | 2020-10-14 | 2021-01-29 | 崔丽廷 | 一种智能终端在线教育平台 |
| CN112509403A (zh) * | 2020-11-03 | 2021-03-16 | 郑州大学体育学院 | 一种具有辅助学习功能的在线英语学习系统 |
| CN112633700A (zh) * | 2020-12-24 | 2021-04-09 | 宁波凯星通教育科技有限公司 | 一种教育服务平台的商业服务方法 |
-
2021
- 2021-04-22 CN CN202110432908.XA patent/CN113222357B/zh active Active
- 2021-04-22 CN CN202210069301.4A patent/CN114595932A/zh not_active Withdrawn
- 2021-04-22 CN CN202210069284.4A patent/CN114595931A/zh not_active Withdrawn
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150235561A1 (en) * | 2014-02-19 | 2015-08-20 | Pearson Education, Inc. | Dynamic and individualized scheduling engine for app-based learning |
| CN103886054A (zh) * | 2014-03-13 | 2014-06-25 | 中国科学院自动化研究所 | 一种网络教学资源的个性化推荐系统和推荐方法 |
| 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 |
| CN108091193A (zh) * | 2017-12-21 | 2018-05-29 | 华中科技大学 | 一种手机智能教学与管理平台 |
| US20190311639A1 (en) * | 2018-04-06 | 2019-10-10 | International Business Machines Corporation | Cognitive Content Mapping and Collating |
| CN108596395A (zh) * | 2018-04-28 | 2018-09-28 | 北京比特智学科技有限公司 | 课程的分配方法和装置 |
| CN108492232A (zh) * | 2018-05-29 | 2018-09-04 | 黑龙江省经济管理干部学院 | 一种高等职业院校创新教学课程大纲开发系统 |
| CN112150331A (zh) * | 2020-09-28 | 2020-12-29 | 河南财政金融学院 | 面向教育目标进行层级分配的教育资源远程共享系统 |
| CN112132480A (zh) * | 2020-09-29 | 2020-12-25 | 姜锡忠 | 大数据在线教育平台的师资匹配方法及系统 |
| CN112288239A (zh) * | 2020-10-14 | 2021-01-29 | 崔丽廷 | 一种智能终端在线教育平台 |
| CN112509403A (zh) * | 2020-11-03 | 2021-03-16 | 郑州大学体育学院 | 一种具有辅助学习功能的在线英语学习系统 |
| CN112633700A (zh) * | 2020-12-24 | 2021-04-09 | 宁波凯星通教育科技有限公司 | 一种教育服务平台的商业服务方法 |
Non-Patent Citations (3)
| Title |
|---|
| 杨笑冰 等: ""基于混合式教学的学生互动教学策略探究"", 《纺织服装教育》 * |
| 邓莉琼 等: ""基于大数据分析的计算机网络课程自适应学习系统构建"", 《计算机工程与科学》 * |
| 钱研: ""基于BCLRHK模型的大学生个性化在线学习资源推送研究"", 《中国优秀博硕士学位论文全文数据库(博士) 社会科学II辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792248A (zh) * | 2021-11-16 | 2021-12-14 | 深圳华埔之星科技有限公司 | 基于互联网和移动终端的在线教育课程共享分配系统 |
| CN113792248B (zh) * | 2021-11-16 | 2022-02-22 | 深圳华埔之星科技有限公司 | 基于互联网和移动终端的在线教育课程共享分配系统 |
| CN114155123A (zh) * | 2021-11-23 | 2022-03-08 | 陈冬冬 | 应用于大数据和在线教育的业务处理方法及大数据服务器 |
| CN116385227A (zh) * | 2023-04-10 | 2023-07-04 | 华中师范大学 | 一种远程可视化教育系统与方法 |
| CN116385227B (zh) * | 2023-04-10 | 2024-01-26 | 华中师范大学 | 一种远程可视化教育系统与方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113222357B (zh) | 2022-03-01 |
| CN114595931A (zh) | 2022-06-07 |
| CN114595932A (zh) | 2022-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113222357B (zh) | 针对在线教育的大数据资源分配方法及可读存储介质 | |
| US20190114937A1 (en) | Grouping users by problematic objectives | |
| US20170154542A1 (en) | Automated grading for interactive learning applications | |
| US20160275804A1 (en) | Delivery of Personalized Educational Content | |
| US10866956B2 (en) | Optimizing user time and resources | |
| US10541884B2 (en) | Simulating a user score from input objectives | |
| CN113221161B (zh) | 在线教育大数据场景下的信息防护方法及可读存储介质 | |
| US10460245B2 (en) | Flexible, personalized student success modeling for institutions with complex term structures and competency-based education | |
| US11443647B2 (en) | Systems and methods for assessment item credit assignment based on predictive modelling | |
| US10943499B2 (en) | Method, system, and non-transitory computer readable recording medium for providing learning information | |
| US11880662B2 (en) | Matrix based bot implementation | |
| CN109872262A (zh) | 一种考勤系统及方法 | |
| US20230020808A1 (en) | Device and method for recommending educational content | |
| Ghiani et al. | Training offer selection and course timetabling for remedial education | |
| CN106203460A (zh) | 训练信号处理模型以用于信号处理系统中的部件替换 | |
| CN112561196A (zh) | 基于机器学习的试听课老师智能分配方法、装置和电子设备 | |
| Marković et al. | INSOS—educational system for teaching intelligent systems | |
| US11513866B1 (en) | Method and system for managing resource utilization based on reinforcement learning | |
| US20130216984A1 (en) | Learning estimation tool | |
| CN116596268B (zh) | 一种基于线上教育的师生作业交互方法及系统 | |
| CN114155123B (zh) | 应用于大数据和在线教育的业务处理方法及大数据服务器 | |
| US20190287042A1 (en) | System, apparatus, and method for generating secondary staffing schedules | |
| CN108492220B (zh) | 基于数据分析的教学管控方法、存储介质及服务器 | |
| Caragiannis et al. | co-rank: An online tool for collectively deciding efficient rankings among peers | |
| JP2023013135A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220128 Address after: 510700 room 232, building a, No. 19, Nanxiang Third Road, Huangpu District, Guangzhou, Guangdong Province Applicant after: Guangzhou Qianke Education Technology Co.,Ltd. Address before: 650000 room 8068, building A3, intelligent manufacturing industrial park, No. 1, Yunshui Road, Central Yunnan new area, Kunming, Yunnan Applicant before: Zhu Hongdong |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 302, No. 112, Science Avenue, Huangpu District, Guangzhou City, Guangdong Province, 510700 (office only) Patentee after: Guangzhou Qianke Internet Technology Co.,Ltd. Address before: 510700 room 232, building a, No. 19, Nanxiang Third Road, Huangpu District, Guangzhou, Guangdong Province Patentee before: Guangzhou Qianke Education Technology Co.,Ltd. |