CN113239185A - 教学课件的制作方法、设备及计算机可读存储介质 - Google Patents

教学课件的制作方法、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN113239185A
CN113239185A CN202110790865.2A CN202110790865A CN113239185A CN 113239185 A CN113239185 A CN 113239185A CN 202110790865 A CN202110790865 A CN 202110790865A CN 113239185 A CN113239185 A CN 113239185A
Authority
CN
China
Prior art keywords
courseware
preset
information
review
making
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
Application number
CN202110790865.2A
Other languages
English (en)
Other versions
CN113239185B (zh
Inventor
葛珊珊
李明利
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.)
Shenzhen Creation Unlimited Science And Technology Development Co ltd
Original Assignee
Shenzhen Creation Unlimited Science And Technology Development 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 Shenzhen Creation Unlimited Science And Technology Development Co ltd filed Critical Shenzhen Creation Unlimited Science And Technology Development Co ltd
Priority to CN202110790865.2A priority Critical patent/CN113239185B/zh
Publication of CN113239185A publication Critical patent/CN113239185A/zh
Application granted granted Critical
Publication of CN113239185B publication Critical patent/CN113239185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/10Text processing
    • G06F40/166Editing, e.g. inserting or deleting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种教学课件的制作方法、设备及计算机可读存储介质,该教学课件的制作方法包括:获取当前课程的所有授课知识点;获取被授课班级的集体兴趣偏好;在授课课件制作过程中,若检测到任一授课知识点,则基于集体兴趣偏好和所检测到授课知识点和从预设的资讯库中获取关联资讯;基于预设的优先级推送关联资讯;根据用户输入的选择指令将被选择的关联资讯以预设形式保存在授课课件中。本申请技术方案的教学课件的制作方法,具有提高学生学习效果的优点。

Description

教学课件的制作方法、设备及计算机可读存储介质
技术领域
本发明涉及教学课件制作技术领域,尤其涉及一种教学课件的制作方法、设备及计算机可读存储介质。
背景技术
教学课件是教学过程中所经常使用的一种教学辅助工具,其可以分为授课时使用授课课件、及学生复习时使用的复习课件。
目前,教师在制作课件时通常依赖于传统教材,传统教材虽然对各个课程及年龄段所要学习的知识点覆盖面广,但由于出版、审核等因素,传统教材中为讲解知识点所举例的例子,往往是年代久远的,无法与时事结合而难以引起学生的学习兴趣。
发明内容
本申请实施例通过提供一种教学课件的制作方法,旨在提高学生的学习兴趣,提升教学效果。
为实现上述目的,本申请实施例提供了一种教学课件的制作方法,包括:
获取当前课程的所有授课知识点;
获取被授课班级的集体兴趣偏好;
在授课课件制作过程中,若检测到任一所述授课知识点,则基于所述集体兴趣偏好和所检测到授课知识点和从预设的资讯库中获取关联资讯;
基于预设的优先级推送所述关联资讯;
根据用户输入的选择指令将被选择的所述关联资讯以预设形式保存在所述授课课件中。
在一实施例中,获取被授课班级的集体兴趣偏好,包括:
获取被授课班级中每个学生对预设的兴趣分类表中各个兴趣领域的评分;
基于所述评分计算所述各个兴趣领域的总评分;
将总评分最高的兴趣领域作为所述被授课板班级的集体兴趣偏好。
在一实施例中,教学课件的制作方法还包括:
每间隔预设时长基于所述预设的兴趣分类表从互联网获取热点资讯;
将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库。
在一实施例中,将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库,包括:
若所述热点资讯同时满足以下筛选条件,则判定所述热点资讯符合所述预设的筛选规则,所述筛选条件包括:
与所述当前课程的预设年龄段相匹配;
最新更新时间在所述预设的资讯库的上一更新日期之后。
在一实施例中,基于预设的优先级推送所述关联资讯,包括:
获取每个关联资讯的历史被选择次数;
获取每个关联资讯的历史最高热度;
获取每个关联资讯的新鲜度,所述新鲜度与所述关联资讯的入库日期呈正相关;
基于所述历史被选择次数、所述历史最高热度、所述新鲜度及与三者一一对应的预设权重,计算各个关联资讯的优先级评分;
基于各个关联资讯的优先级评分的从大到小依次推荐各个关联资讯。
在一实施例中,在授课课件制作完成后,所述教学课件的制作方法还包括:
基于所述当前课程向用户提供预设的复习课件模板;
根据用户输入的数据修改所述预设的复习课件模板以生成基础复习课件;
获取被授课班级的中各个学生的个体兴趣偏好;
基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件。
在一实施例中,基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,包括:
基于预设的复习课件模板确定基础复习课件中的可替换对象;
基于所述个体兴趣偏好从预设的资讯库中获取优先级最高的关联资讯作为个性化资讯;
获取所述个性化资讯中与所述可替换对象语义相近的目标对象;
将所述基础复习课件中的可替换对象替换为所述目标对象;
在所述基础复习课件中的所有可替换对象均被替换为语义相近的目标对象后,生成所述个性化复习课件。
在一实施例中,在生成个性化复习课件之前,基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,还包括:
将所述基础复习课件中可替换对象被替换为目标对象的句子或段落导入训练完成的深度神经网络进行语句评估;
若所述句子或段落的语句评估结果满足预设值,则开始下一可替换对象的替换。
为实现上述目的,本申请实施例还提出一种教学课件的制作设备,存储器、处理器及存储在存储器上并可在处理器上运行的教学课件的制作程序,所述处理器执行所述教学课件的制作程序时实现如上述任一项所述的教学课件的制作方法。
为实现上述目的,本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有教学课件的制作程序,所述教学课件的制作程序被处理器执行时实现如上述任一项所述的教学课件的制作方法。
本申请技术方案的教学课件的制作方法,在教师制作授课课件时,通过当前课程的授课知识点及被授课班级的集体兴趣偏好,以在预设的资讯库中检索关联资讯,并将被教师选择的关联资讯以预设形式保存在授课课件中,如此,教师在教授相关知识点时,可结合学生普遍感兴趣的新鲜资讯或热点新闻进行讲解,从而可提高学生们的学习热情和学习兴趣,并且还有利于加深学生对相关知识点的印象,进而可极大地提高学生的学习效果。可见,相较于传统课件,本申请技术方案的教学课件的制作方法,具有提高学生学习效果的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本发明教学课件的制作设备一实施例的模块结构图;
图2为本发明教学课件的制作方法一实施例的流程示意图;
图3为本发明教学课件的制作方法另一实施例的流程示意图;
图4为本发明教学课件的制作方法又一实施例的流程示意图;
图5为本发明教学课件的制作方法再一实施例的流程示意图;
图6为本发明教学课件的制作方法再一实施例的流程示意图;
图7为本发明教学课件的制作方法再一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。文中出现的“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的数量词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。而“第一”、“第二”、以及“第三”等的使用不表示任何顺序,可将这些词解释为名称。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的服务器1(又叫教学课件的制作设备)结构示意图。
本发明实施例服务器,如“物联网设备”、带联网功能的智能空调、智能电灯、智能电源,带联网功能的AR/VR设备,智能音箱、自动驾驶汽车、PC,智能手机、平板电脑、电子书阅读器、便携计算机等具有显示功能的设备。
如图1所示,所述服务器1包括:存储器11、处理器12及网络接口13。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是服务器1的内部存储单元,例如该服务器1的硬盘。存储器11在另一些实施例中也可以是服务器1的外部存储设备,例如该服务器1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,存储器11还可以包括服务器1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于服务器1的应用软件及各类数据,例如教学课件的制作程序10的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行教学课件的制作程序10等。
网络接口13可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该服务器1与其他电子设备之间建立通信连接。
网络可以为互联网、云网络、无线保真(Wi-Fi)网络、个人网(PAN)、局域网(LAN)和/或城域网(MAN)。网络环境中的各种设备可以被配置为根据各种有线和无线通信协议连接到通信网络。这样的有线和无线通信协议的例子可以包括但不限于以下中的至少一个:传输控制协议和互联网协议(TCP/IP)、用户数据报协议(UDP)、超文本传输协议(HTTP)、文件传输协议(FTP)、ZigBee、EDGE、IEEE 802.11、光保真(Li-Fi)、802.16、IEEE 802.11s、IEEE 802.11g、多跳通信、无线接入点(AP)、设备对设备通信、蜂窝通信协议和/或蓝牙(BlueTooth)通信协议或其组合。
可选地,该服务器还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以称为显示屏或显示单元,用于显示在服务器1中处理的信息以及用于显示可视化的用户界面。
图1仅示出了具有组件11-13以及教学课件的制作程序10的服务器1,本领域技术人员可以理解的是,图1示出的结构并不构成对服务器1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在本实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
获取当前课程的所有授课知识点;
获取被授课班级的集体兴趣偏好;
在授课课件制作过程中,若检测到任一所述授课知识点,则基于所述集体兴趣偏好和所检测到授课知识点和从预设的资讯库中获取关联资讯;
基于预设的优先级推送所述关联资讯;
根据用户输入的选择指令将被选择的所述关联资讯以预设形式保存在所述授课课件中。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
获取被授课班级中每个学生对预设的兴趣分类表中各个兴趣领域的评分;
基于所述评分计算所述各个兴趣领域的总评分;
将总评分最高的兴趣领域作为所述被授课板班级的集体兴趣偏好。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
每间隔预设时长基于所述预设的兴趣分类表从互联网获取热点资讯;
将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
若所述热点资讯同时满足以下筛选条件,则判定所述热点资讯符合所述预设的筛选规则,所述筛选条件包括:
与所述当前课程的预设年龄段相匹配;
最新更新时间在所述预设的资讯库的上一更新日期之后。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
获取每个关联资讯的历史被选择次数;
获取每个关联资讯的历史最高热度;
获取每个关联资讯的新鲜度,所述新鲜度与所述关联资讯的入库日期呈正相关;
基于所述历史被选择次数、所述历史最高热度、所述新鲜度及与三者一一对应的预设权重,计算各个关联资讯的优先级评分;
基于各个关联资讯的优先级评分的从大到小依次推荐各个关联资讯。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
基于所述当前课程向用户提供预设的复习课件模板;
根据用户输入的数据修改所述预设的复习课件模板以生成基础复习课件;
获取被授课班级的中各个学生的个体兴趣偏好;
基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
基于预设的复习课件模板确定基础复习课件中的可替换对象;
基于所述个体兴趣偏好从预设的资讯库中获取优先级最高的关联资讯作为个性化资讯;
获取所述个性化资讯中与所述可替换对象语义相近的目标对象;
将所述基础复习课件中的可替换对象替换为所述目标对象;
在所述基础复习课件中的所有可替换对象均被替换为语义相近的目标对象后,生成所述个性化复习课件。
在一实施例中,处理器12可以用于调用存储器11中存储的教学课件的制作程序,并执行以下操作:
将所述基础复习课件中可替换对象被替换为目标对象的句子或段落导入训练完成的深度神经网络进行语句评估;
若所述句子或段落的语句评估结果满足预设值,则开始下一可替换对象的替换。
基于上述教学课件的制作设备的硬件构架,提出本发明教学课件的制作方了、法的实施例。本发明的教学课件的制作方法,旨在提高学生的学习兴趣,提升教学效果。
参照图2,图2为本发明教学课件的制作方法的一实施例,所述教学课件的制作方法包括以下步骤:
S10、获取当前课程的所有授课知识点。
这其中,当前课程是指制作授课课件时的课程;而该当前课程的所有授课知识点是指当前教学课程下的教学所需的所有知识点。
具体而言,由于采用相同的教材时,即使教师不同,同一课程所教学的知识点也是相同的。因此,可从教材(如人教版教材、苏教版教材等)中获取不同的教程的授课知识点,并录入到设备/系统中,如此,在制作授课课件时,设备/系统可自动获取与当前课程对应的所有授课知识点。
具体地,当用户(通常为教师)在制作授课课件时,系统/设备可根据教师输入的指令确定当前课程所述的学科,如语文、数学、英语等,再根据用户输入的课程关键字/课程选择指令等,从对应的学科中确定当前课程,并获取当前课程的所有授课知识点。
S20、获取被授课班级的集体兴趣偏好。
这其中,该集体兴趣偏好是总结被授课班级中每个学生的个体兴趣偏好所得到班级学生的总兴趣偏好。通过该集体兴趣偏好可以在各个兴趣领域中确定至少一个在被授课班级的学生中接收程度相对较高的兴趣领域。
由于不同班级的集体兴趣偏好各有差异,因此,为达到最佳的教学效果,需获取每个被授课班级的集体兴趣偏好。
S30、在授课课件制作过程中,若检测到任一所述授课知识点,则基于所述集体兴趣偏好和所检测到授课知识点和从预设的资讯库中获取关联资讯。
具体而言,授课课件是指教师在教学过程中所需使用的课件,该预设的资讯库中保存有经过筛选的、各个领域的、在不同时间段紧跟时事的资讯信息。这些资讯信息在入库时,会与不同的知识点关联,并被打上各种兴趣标签,以便于检索。值得说明的是,根据资讯内容的不同,同一资讯可以仅划分至同一课程的某一授课知识点下,也可划分至同一课程的多个授课知识点下,或是同时被划分至多个学科的多个课程中。此外,同一资讯信息可能只有一个兴趣标签,也可能同时具有多个兴趣标签,其中,若同一资讯信息同时具有多个兴趣标签,则按照从前到后的顺序确定各个兴趣标签的优先级。
具体地,在制作授课课件的进程中,若系统/设备检测到教师在授课课件中输入了与当前课程的任一授课知识点相匹配的关键信息时,则系统/设备会自动获取该授课知识点,并结合该授课知识点与被授课班级的集体兴趣偏好在预设的资讯库中检索关联资讯。
值得说明的是,上述关键信息可以为语句、单词、公式、图片等。
S40、基于预设的优先级推送所述关联资讯。
具体而言,在根据授课知识点及被授班级的集体兴趣偏好检索到相关的关联资讯后,可根据每个关联资讯的预设优先级向教师推送这些关联资讯。这样设置,可将相关度较高、热点较高的资讯优先推荐,以便于教师选择,同时,还可减少教师浏览各个资讯所需的时间。
可选地,可通过浮窗(或预览窗口)的方式将检索到的关联资讯推送给教师,该浮窗可以为位于显示界面顶层的可活动窗口,该浮窗内按照关联资讯的优先级,从上到下依次排列各个关联资讯。
为进一步便于教师查看关联资讯,这些关联资讯在浮窗中可滑动,以便于教师查看超过浮窗所能显示数量的关联资讯。
S50、根据用户输入的选择指令将被选择的所述关联资讯以预设形式保存在所述授课课件中。
具体而言,在将关联资讯推送给用户后,用户可选择所需的关联资讯,当用户选择某一或多个关联资讯时,系统/设备可收到对应的选择指令,并根据该选择指令将被用户选择的关联资讯保存在授课课件中,而未被选择的关联资讯则随浮窗一同关闭。此外,若用户未选择任一关联资讯,则对当前所有的关联资讯均不予保存。
在一实施例中,关联资讯以预设形式保存在所述授课课件中,是指根据资讯内容自动生成的图文结合的图片超链接。具体为,该图片中同时含有关联资讯的附图内容及简要文字说明,且该图片以超链接的形式插入课件中。如此,在授课过程中,当教师点击该图片时,可自动跳转到对应的关联资讯中,以便于学生能够更全面的了解该关联资讯的相关内容。当然,该预设形式也可以为图片、文字、超链接当中任意一者或任意两者的结合。
可以理解,本申请技术方案的教学课件的制作方法,在教师制作授课课件时,通过当前课程的授课知识点及被授课班级的集体兴趣偏好,以在预设的资讯库中检索关联资讯,并将被教师选择的关联资讯以预设形式保存在授课课件中,如此,教师在教授相关知识点时,可结合学生普遍感兴趣的新鲜资讯或热点新闻进行讲解,从而可提高学生们的学习热情和学习兴趣,并且还有利于加深学生对相关知识点的印象,进而可极大地提高学生的学习效果。可见,相较于传统课件,本申请技术方案的教学课件的制作方法,具有提高学生学习效果的优点。
如图3所示,在一实施例中,获取被授课班级的集体兴趣偏好,包括:
S21、获取被授课班级中每个学生对预设的兴趣分类表中各个兴趣领域的评分。
这其中,该预设的兴趣分类表是指预先设置的涵盖有各类兴趣领域的评分表。示例性的,兴趣分类表中的各类兴趣领域可以包括娱乐、文学、历史、科学、体育等大类。并且,在这些大类下,又可以包括各种小类,例如,在文学这一大类下,可包括外国文学、中国文学、古代文学、现代文学等小类。关于兴趣分类表的实际兴趣领域分类需视具体情况而定,本申请对此不作具体限定。
具体而言,在确定被授课班级的集体兴趣偏好时,可向该被授课班级的每一名学生发放一份该兴趣分类表,在收到该兴趣分类表后,学生们可根据自己对表中各种兴趣领域的喜好程度进行评分。该评分可以是分数制,也可以是星级制度,为便于确定被授课班级的集体兴趣偏好,需每个学生根据对兴趣分类表中各个兴趣领域的喜好程度的从高到低依次打分。在学生打分结束后,可收集每个学生的兴趣分类表,以获取被授课班级中每个学生对预设的兴趣分类表中各个兴趣领域的评分。
可选地,基于该兴趣分类表的评分工作可以在线上进行,也可以在线下进行。
S22、基于所述评分计算所述各个兴趣领域的总评分。
具体而言,在获取到被授课班级中各个学生对兴趣分类表中各个兴趣领域的评分后,可基于这些评分计算兴趣分类表中各个兴趣领域的总评分。
S23、将总评分最高的兴趣领域作为所述被授课板班级的集体兴趣偏好。
具体而言,在确定了各个兴趣领域的总评分后,可将兴趣分类表中总评分最高的兴趣领域作为当前被授课班级的集体兴趣偏好。
可以理解,采用上述技术方案,一方面可便于确定被授课班级的集体兴趣偏好,以使所确定兴趣领域普遍被各个学生所接受;另一方面则可限定各个兴趣领域,以避免学生自主提交的兴趣领域与教学相关性较低,反而导致学生在教学过程中学生分心的情况。
如图4所示,在一实施例中,本申请的教学课件的制作方法还包括:
S110、每间隔预设时长基于所述预设的兴趣分类表从互联网获取热点资讯。
这其中,该预设时长是指预设的资讯库的更新周期,该热点资讯是指在互联网上,具有一定讨论热度的资讯。示例性的,该热点资讯可以为微博热搜资讯等。
具体而言,每间隔预设时长对预设的资讯库进行更新,即可保证预设的资讯库中保存有过去的各种资讯,又可确保预设资讯库中的资讯与时俱进。
S120、将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库。
具体而言,从互联网上获取了相关的热点资讯后,可对该初步获取的热点资讯进行筛选,以剔除检索到的热点资讯中重复的、不利于学生身心健康的、与教学无关的资讯,并将符合筛选规则的热点资讯更新入预设的资讯库,以保证预设资讯库中各个关联资讯的质量。
具体地,上述将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库,包括:
若所述热点资讯同时满足以下筛选条件,则判定所述热点资讯符合所述预设的筛选规则,所述筛选条件包括:
与所述当前课程的预设年龄段相匹配、及最新更新时间在所述预设的资讯库的上一更新日期之后。
这其中,由于不同的教学课程所面向对象不同,故而不同的课程所应当面向的年龄段不相同,该教学课程所面向对象的年龄段即是不同的课程所匹配的预设年龄段。例如,小学一年级的课程,所面向的对象是六岁到八岁之间的儿童,因此,小学一年级的课程,其所匹配的预设年龄段应该是0~8岁。要求热点资讯与所述当前课程的预设年龄段相匹配,可避免不适合当前年龄段接收的信息被收纳,以保证学生的身心健康。
此外,通过限定热点资讯的更新时间在预设的上一更新日期之后,则可保证所入库的资讯的即时性,避免加入重复的、老旧的资讯。值得说明的是,若某一资讯A之前在资讯库中已经存在,但在当前更新周期中,资讯A更新了新的内容,则该资讯A仍可在资讯库最新的更新日中添加至资讯库中,并替代咨询库中未更新的资讯。
可见,通过上述两个筛选条件,可确保每次新入库的资讯的即时性及健康性。当然,本申请的设计不限于此,于其他实施例中,在筛选热点资讯时,也可要求入库的资讯与授课知识点有较强的关联性。
如图5所示,在一实施例中,所述基于预设的优先级推送所述关联资讯,包括:
S210、获取每个关联资讯的历史被选择次数。
这其中,该历史选择次数是指同一资讯被在当前授课知识点下,被所有教师所选择的次数。例如,与该授课知识点所关联的某一资讯A,分别被a教师、b教师、c教师各选择过1次、2次、3次,那么该资讯A历史被选择次数为6次。通过获取关联资讯的历史被选择次数,可以确定各个教师对当前关联资讯的认可程度,进而可确定不同关联资讯在当前授课知识点下的适用程度。
S220、获取每个关联资讯的历史最高热度。
这其中,历史最高热度是指该关联咨询被入库前的最高热度,该热度可以由全网搜索量、全网讨论量等确定。通过获取关联资讯的历史最高热度,可以确定关联资讯在对应时段的全网知名度。显然,全网知名度越高的资讯越容易被所有学生所知晓。
S230、获取每个关联资讯的新鲜度,所述新鲜度与所述关联资讯的入库日期呈正相关。
这其中,新鲜度与关联资讯的入库日期关联,是指入库日期越晚的关联资讯,其新鲜度越高,反之,入库日期越早的关联资讯,其新鲜度越低。可以理解,通过获取关联资讯的新鲜度,可确定各个关联资讯的新颖程度,以确保关联资讯的时效性。
S240、基于所述历史被选择次数、所述历史最高热度、所述新鲜度及与三者一一对应的预设权重,计算各个关联资讯的优先级评分。
具体而言,历史被选择次数具有第一预设权重,历史最高热度具有第二预设权重,新鲜度具有第三预设权重,在计算关联资讯的优先级评分时,可按照如下公式进行计算:
优先级评分=历史被选择次数×第一预设权重+历史最高热度×第二预设权重+新鲜度×第三预设权重。
这其中,第一预设权重、第二预设权重及第三预设权重的数值可根据实际情况而做适应性设置,本申请的对此不做具体限定。
可选地,在一些实施例中,第一预设权重同时大于第二预设权重及第三预设权重。如此,可提高的历史被选择次数的重要性,以使与教学内容更为贴切的关联资讯被优先推荐。
S250、基于各个关联资讯的优先级评分的从大到小依次推荐各个关联资讯。
这其中,在计算得到各个关联资讯的优先级评分后,便可基于各个关联资讯的优先级评分,进而可根据优先级评分的从大到小依次推荐关联资讯。
可以理解,通过历史被选择次数、历史最高热度、新鲜度三者以确定关联资讯的优先级,可确保关联资讯与同时具备与授课知识点关联性强、学生群体中接受广、新颖性十足的特性。
如图6所示,在一实施例中,在授课课件制作完成后,本申请的教学课件的制作方法还包括:
S310、基于所述当前课程向用户提供预设的复习课件模板。
这其中,复习课件是当前课程授课结束后,学生自行复习时所使用的课件。而该复习课件模板则是基于当前课程的授课知识点所制作的模板,其中涵盖了当前课程的所有授课知识点,并基于这些授课知识点设计了一定的练习题。
S320、根据用户输入的数据修改所述预设的复习课件模板以生成基础复习课件。
具体而言,为避免历届学生收到一致的复习课件,授课教师可对复习课件模板进行适应性的调整,该用户输入的数据即是教师在复习课件模板上进行的更改。在教师修改完成后,即可生成基础复习课件,该基础复习课件即是编辑后的通用复习课件。
S330、获取被授课班级的中各个学生的个体兴趣偏好。
这其中,个体兴趣偏好区别于被授课班级的集体兴趣偏好,是被授课班级中每个学生的个人兴趣爱好。
具体地,可在采集被授课班级学生的兴趣分类表时,以每个学生评分最高的兴趣领域为对应学生的个体兴趣偏好;也可脱离于预设的兴趣分类表,由每个学生单独的申报自己的个人兴趣偏好。
S340、基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件。
具体而言,在确定了每个学生的个体兴趣偏好之后,可在基础复习课件的基础上,结合每个学生的个体兴趣偏好,生成不同的个性化复习课件。
可以理解,基于该个体兴趣偏好,被授课班级的每一学生都有其独特的个性化复习课件。这些个性化复习课件由于针对不同学生的个体兴趣偏好进行了个性化设计,因此更容易引起学生们的兴趣,从而有利于被学生所接受,并且有利于学生结合实际场景进行记忆,提高学生的记忆效果与复习效果。进而,通过该个性化的复习课件可进一步提高学生的学习效果。
值得说明的是,由于仅替换了基础复习课件中的可替换对象,而未改变基础复习课件中关键内容,因此,对于教师而言,每份个性化复习课件中练习题的答案是一致的,从而不会增加教师批改习题的难度。
如图7所示,在一实施例中,所述基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,包括:
S410、基于预设的复习课件模板确定基础复习课件中的可替换对象。
具体而言,在预设的复习课件模板中,事先标记好哪些内容是可替换对象,教师在制作基础复习课件时,可在相应的可替换对象中填入对应的内容。在生成个性化复习课件时,这些可替换对象可以被替换,且这些可替换对象被替换后,不会影响复习课件的实质内容。
S420、基于所述个体兴趣偏好从预设的资讯库中获取优先级最高的关联资讯作为个性化资讯。
具体而言,在确定了每个学生的个体兴趣偏好后,可从预设的资讯库中检索相应的关联资讯,并以检索到的关联资讯中优先级最高的关联资讯作为个性化资讯,该个性化资讯可以被认为是最符合当前学生的资讯。该复习课件制作过程中各个关联资讯的优先级可参照上述授课课件制作过程中各个关联资讯的优先级的计算方式,此处不再赘述。
S430、获取所述个性化资讯中与所述可替换对象语义相近的目标对象。
具体而言,在确定了相应的个性化资讯后,可从该个性化资讯中查找与可替换对象语义相近的内容作为目标对象。该语义相近是指两个对象的所表述的意思相近,例如,“张三”与“李四”均是人名,因此张三和李四是语义相近的对象;再例如,“自行车”和“马车”均是交通工具,故而自行车和马车可认为是语义相近的对象;再例如,“小张周日去唱歌”与“飞机从北京出发”,这其中,“小张”与“飞机”均是主语,在某些语境下也可认定小张与飞机为语义相近的对象。
S440、将所述基础复习课件中的可替换对象替换为所述目标对象。
具体而言,在确定了基础复习课件中的可替换对象及个性化资讯中的目标对象后,便可将可替换对象逐一替换为目标对象。
S450、在所述基础复习课件中的所有可替换对象均被替换为语义相近的目标对象后,生成所述个性化复习课件。
具体而言,待基础复习课件中的所有可替换对象均被替换为语义相近的目标对象后,便可生成对应的个性化复习课件。
如此,通过上述技术方案,便可快捷且精准地将个性化资讯中的内容替换入基础复习课件,以得到所需的个性化课件。
举例来说,以学生小李的个体兴趣偏好是三国演义为例,若基础复习课件中的某一个授课知识点的练习题如下:
“甲以每小时8千米的速度骑自行车去学校,乙比甲晚4小时骑自行车从同一地点出发去追甲,乙每小时行12千米。问:乙几小时可追上甲。”
其中,“甲”、“乙”、“自行车”、“学校”均是可替换对象。那么,经过替换后,得到的练习题将如下:
“张飞以每小时8千米的速度骑马去成都,关羽比张飞晚4小时骑马从同一地点出发去追张飞,关羽每小时行12千米。问:关羽几小时可追上张飞。”
显然,相较于替换前的复习课件内容,替换后的复习课件内容更容易被爱好三国演义的“小李”所接受,且小李的在做习题后的印象也更为深刻。
在一实施例中,在生成个性化复习课件之前,基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,还包括:
S510、将所述基础复习课件中可替换对象被替换为目标对象的句子或段落导入训练完成的深度神经网络进行语句评估。
具体而言,该训练完成的深度神经网络可对语句的逻辑进行评估,以判断该语句是否通顺。因此,将基础复习课件中可替换对象被替换为目标对象的句子或段落导入训练完成的深度神经网络,可评估替换后的句子或段落的是否通顺。
S520、若所述句子或段落的语句评估结果满足预设值,则开始下一可替换对象的替换。
具体而言,若句子或段落的语句评估结果满足预设值,则认为替换后的句子或段落语句通顺,此时,可将下一可替换对象替换为对应的目标对象。
而若是句子或段落的语句评估结果未满足预设值,则认为替换后的句子或段落语句不通顺,此时,可暂停替换可替换对象,并向教师发送相应的警告信息,以等待教师修改完成后再执行替换操作。
通过上述方法,可确保个性化复习课件中语句的通顺度,进而以保证个性化复习课件的质量。
此外,本发明实施例还提出一种计算机可读存储介质,计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等中的任意一种或者几种的任意组合。计算机可读存储介质中包括教学课件的制作程序10,本发明之计算机可读存储介质的具体实施方式与上述教学课件的制作方法以及服务器1的具体实施方式大致相同,在此不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发
明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种教学课件的制作方法,其特征在于,包括:
获取当前课程的所有授课知识点;
获取被授课班级的集体兴趣偏好;
在授课课件制作过程中,若检测到任一所述授课知识点,则基于所述集体兴趣偏好和所检测到授课知识点和从预设的资讯库中获取关联资讯;
基于预设的优先级推送所述关联资讯;
根据用户输入的选择指令将被选择的所述关联资讯以预设形式保存在所述授课课件中。
2.如权利要求1所述的教学课件的制作方法,其特征在于,获取被授课班级的集体兴趣偏好,包括:
获取被授课班级中每个学生对预设的兴趣分类表中各个兴趣领域的评分;
基于所述评分计算所述各个兴趣领域的总评分;
将总评分最高的兴趣领域作为所述被授课班级的集体兴趣偏好。
3.如权利要求2所述的教学课件的制作方法,其特征在于,教学课件的制作方法还包括:
每间隔预设时长基于所述预设的兴趣分类表从互联网获取热点资讯;
将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库。
4.如权利要求3所述的教学课件的制作方法,其特征在于,将符合预设的筛选规则的所述热点资讯更新入所述预设的资讯库,包括:
若所述热点资讯同时满足以下筛选条件,则判定所述热点资讯符合所述预设的筛选规则,所述筛选条件包括:
与所述当前课程的预设年龄段相匹配;
最新更新时间在所述预设的资讯库的上一更新日期之后。
5.如权利要求1所述的教学课件的制作方法,其特征在于,基于预设的优先级推送所述关联资讯,包括:
获取每个关联资讯的历史被选择次数;
获取每个关联资讯的历史最高热度;
获取每个关联资讯的新鲜度,所述新鲜度与所述关联资讯的入库日期呈正相关;
基于所述历史被选择次数、所述历史最高热度、所述新鲜度及与三者一一对应的预设权重,计算各个关联资讯的优先级评分;
基于各个关联资讯的优先级评分的从大到小依次推荐各个关联资讯。
6.如权利要求1至5中任一项所述的教学课件的制作方法,其特征在于,在授课课件制作完成后,所述教学课件的制作方法还包括:
基于所述当前课程向用户提供预设的复习课件模板;
根据用户输入的数据修改所述预设的复习课件模板以生成基础复习课件;
获取被授课班级的中各个学生的个体兴趣偏好;
基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件。
7.如权利要求6所述的教学课件的制作方法,其特征在于,基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,包括:
基于预设的复习课件模板确定基础复习课件中的可替换对象;
基于所述个体兴趣偏好从预设的资讯库中获取优先级最高的关联资讯作为个性化资讯;
获取所述个性化资讯中与所述可替换对象语义相近的目标对象;
将所述基础复习课件中的可替换对象替换为所述目标对象;
在所述基础复习课件中的所有可替换对象均被替换为语义相近的目标对象后,生成所述个性化复习课件。
8.如权利要求7所述的教学课件的制作方法,其特征在于,在生成个性化复习课件之前,基于所述个体兴趣偏好及所述基础复习课件生成个性化复习课件,还包括:
将所述基础复习课件中可替换对象被替换为目标对象的句子或段落导入训练完成的深度神经网络进行语句评估;
若所述句子或段落的语句评估结果满足预设值,则开始下一可替换对象的替换。
9.一种教学课件的制作设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的教学课件的制作程序,所述处理器执行所述教学课件的制作程序时实现如权利要求1-8中任一项所述的教学课件的制作方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有教学课件的制作程序,所述教学课件的制作程序被处理器执行时实现如权利要求1-8中任一项所述的教学课件的制作方法。
CN202110790865.2A 2021-07-13 2021-07-13 教学课件的制作方法、设备及计算机可读存储介质 Active CN113239185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110790865.2A CN113239185B (zh) 2021-07-13 2021-07-13 教学课件的制作方法、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110790865.2A CN113239185B (zh) 2021-07-13 2021-07-13 教学课件的制作方法、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113239185A true CN113239185A (zh) 2021-08-10
CN113239185B CN113239185B (zh) 2021-10-29

Family

ID=77135476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110790865.2A Active CN113239185B (zh) 2021-07-13 2021-07-13 教学课件的制作方法、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113239185B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114707471A (zh) * 2022-06-06 2022-07-05 浙江大学 基于超参数评估图算法的人工智能课件制作方法及装置

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050120002A1 (en) * 2003-10-02 2005-06-02 Hassan Behbehani Automated text generation process
CN101452546A (zh) * 2007-12-07 2009-06-10 李郁贞 模拟作业程序学习与应用的方法
CN101625687A (zh) * 2008-07-11 2010-01-13 西北工业大学 一种支持自适应服务的群体兴趣数据获取方法与装置
CN102467834A (zh) * 2010-11-11 2012-05-23 英业达股份有限公司 课文学习系统及其方法
CN102508846A (zh) * 2011-09-26 2012-06-20 深圳中兴网信科技有限公司 一种基于网络的媒体课件的推荐方法和系统
CN102695086A (zh) * 2012-05-30 2012-09-26 杭州遥指科技有限公司 交互式网络协议电视的内容推送方法和装置
US20140120511A1 (en) * 2012-10-07 2014-05-01 Sharon L. Hall TeachAtCafe - TeaChatCafe, Transparent Digital and Social Media as an Open Network Communication and Collaboration Tool with User Driven Content and Internet Content Submission Capability for Educators and Their Students
CN106408475A (zh) * 2016-09-30 2017-02-15 中国地质大学(北京) 一种在线课程适用性评价方法
TW201717130A (zh) * 2012-07-19 2017-05-16 菲絲博克公司 以計算機實現的方法及計算機程式產品
CN108288414A (zh) * 2018-01-18 2018-07-17 武汉理工大学 一种可实时监控分析的计算机教学系统
CN108363821A (zh) * 2018-05-09 2018-08-03 深圳壹账通智能科技有限公司 一种信息推送方法、装置、终端设备及存储介质
CN108874831A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 一种信息推荐方法及装置
CN109871482A (zh) * 2019-01-15 2019-06-11 南京邮电大学 一种基于纳什均衡的群组教育资源推荐方法
CN111241251A (zh) * 2020-02-04 2020-06-05 潍坊科技学院 一种计算机差异化辅助教学分析系统
US20200380036A1 (en) * 2019-05-28 2020-12-03 Hillegonda Hendrika van Bochove-Gutierrez Methods and systems for chaining biographic inputs using artificial intelligence
CN112182416A (zh) * 2020-09-10 2021-01-05 北京市科学技术情报研究所 一种基于用户群体偏好的科技资源动态协同过滤推荐方法
CN112487290A (zh) * 2020-11-27 2021-03-12 大连交通大学 基于大数据和人工智能的互联网精准化教学方法及系统
CN112885172A (zh) * 2021-04-28 2021-06-01 北京合众美华教育投资有限公司 一种网络教学方法及系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050120002A1 (en) * 2003-10-02 2005-06-02 Hassan Behbehani Automated text generation process
CN101452546A (zh) * 2007-12-07 2009-06-10 李郁贞 模拟作业程序学习与应用的方法
CN101625687A (zh) * 2008-07-11 2010-01-13 西北工业大学 一种支持自适应服务的群体兴趣数据获取方法与装置
CN102467834A (zh) * 2010-11-11 2012-05-23 英业达股份有限公司 课文学习系统及其方法
CN102508846A (zh) * 2011-09-26 2012-06-20 深圳中兴网信科技有限公司 一种基于网络的媒体课件的推荐方法和系统
CN102695086A (zh) * 2012-05-30 2012-09-26 杭州遥指科技有限公司 交互式网络协议电视的内容推送方法和装置
TW201717130A (zh) * 2012-07-19 2017-05-16 菲絲博克公司 以計算機實現的方法及計算機程式產品
US20140120511A1 (en) * 2012-10-07 2014-05-01 Sharon L. Hall TeachAtCafe - TeaChatCafe, Transparent Digital and Social Media as an Open Network Communication and Collaboration Tool with User Driven Content and Internet Content Submission Capability for Educators and Their Students
CN106408475A (zh) * 2016-09-30 2017-02-15 中国地质大学(北京) 一种在线课程适用性评价方法
CN108874831A (zh) * 2017-05-12 2018-11-23 阿里巴巴集团控股有限公司 一种信息推荐方法及装置
CN108288414A (zh) * 2018-01-18 2018-07-17 武汉理工大学 一种可实时监控分析的计算机教学系统
CN108363821A (zh) * 2018-05-09 2018-08-03 深圳壹账通智能科技有限公司 一种信息推送方法、装置、终端设备及存储介质
CN109871482A (zh) * 2019-01-15 2019-06-11 南京邮电大学 一种基于纳什均衡的群组教育资源推荐方法
US20200380036A1 (en) * 2019-05-28 2020-12-03 Hillegonda Hendrika van Bochove-Gutierrez Methods and systems for chaining biographic inputs using artificial intelligence
CN111241251A (zh) * 2020-02-04 2020-06-05 潍坊科技学院 一种计算机差异化辅助教学分析系统
CN112182416A (zh) * 2020-09-10 2021-01-05 北京市科学技术情报研究所 一种基于用户群体偏好的科技资源动态协同过滤推荐方法
CN112487290A (zh) * 2020-11-27 2021-03-12 大连交通大学 基于大数据和人工智能的互联网精准化教学方法及系统
CN112885172A (zh) * 2021-04-28 2021-06-01 北京合众美华教育投资有限公司 一种网络教学方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114707471A (zh) * 2022-06-06 2022-07-05 浙江大学 基于超参数评估图算法的人工智能课件制作方法及装置

Also Published As

Publication number Publication date
CN113239185B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
CN109940627B (zh) 一种面向绘本阅读机器人的人机交互方法和系统
CN106095833B (zh) 人机对话内容处理方法
US11715385B2 (en) Systems and methods for autonomous creation of personalized job or career training curricula
CN113239185B (zh) 教学课件的制作方法、设备及计算机可读存储介质
CN109242736A (zh) 一种协助老师了解学生的学习情况的方法和系统
US9183262B2 (en) Methodology for building and tagging relevant content
CN110674410B (zh) 用户画像构建、内容推荐方法、装置及设备
CN105068661A (zh) 基于人工智能的人机交互方法和系统
CN109388746A (zh) 一种基于学习者模型的学习资源智能推荐方法
CN105117996A (zh) 智能校园课程信息推荐及共享系统
CN113590956A (zh) 知识点推荐方法、装置、终端及计算机可读存储介质
JP2019522229A (ja) 親和性知識ベースの、コンピュータによる学習システム
CN113610680A (zh) 一种基于ai的交互式阅读材料个性化推荐方法及系统
Tan Towards an ancient Chinese-inspired theory of music education
CN110929045A (zh) 诗歌-语义知识图谱的构建方法及系统
EP3535745A1 (en) Mapping data resources to requested objectives
US20170330133A1 (en) Organizing training sequences
Seyitoğlu et al. Tourism education and internships: a metaphor analysis
CN113610681A (zh) 一种基于ai的用户交互式阅读支持方法及系统
Bozhenkova et al. Psychological and pedagogical course of teaching Russian as a foreign language: the stage of speech adaptation
KR101910076B1 (ko) 유아 교육 컨텐츠 제공 방법, 장치 및 컴퓨터 프로그램
Bu Narrative inquiry into reciprocal learning between Canada-China Sister Schools: A Chinese perspective
Shaw et al. An asynchronous, personalized learning platform―Guided Learning Pathways (GLP)
Azpiazu et al. Finding, understanding and learning: Making information discovery tasks useful for children and teachers
KR20160039505A (ko) 학습 컨텐츠 구성 장치 및 그 방법

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
GR01 Patent grant
GR01 Patent grant