CN113254752A - 基于大数据的备课方法、装置及存储介质 - Google Patents

基于大数据的备课方法、装置及存储介质 Download PDF

Info

Publication number
CN113254752A
CN113254752A CN202110628272.6A CN202110628272A CN113254752A CN 113254752 A CN113254752 A CN 113254752A CN 202110628272 A CN202110628272 A CN 202110628272A CN 113254752 A CN113254752 A CN 113254752A
Authority
CN
China
Prior art keywords
information
learning
data
lesson preparation
current
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
CN202110628272.6A
Other languages
English (en)
Other versions
CN113254752B (zh
Inventor
王枫
马镇筠
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.)
Beijing Love Theory Technology Co ltd
Original Assignee
Beijing Love Theory 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 Beijing Love Theory Technology Co ltd filed Critical Beijing Love Theory Technology Co ltd
Priority to CN202110628272.6A priority Critical patent/CN113254752B/zh
Publication of CN113254752A publication Critical patent/CN113254752A/zh
Application granted granted Critical
Publication of CN113254752B publication Critical patent/CN113254752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于大数据的备课方法、装置及存储介质，包括：基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。本发明提供的技术方案，能够在教学过程中，以人工智能的方式，根据学生的个体学习差异，分别得到不同的备课、学习数据，即降低了老师备课的劳动力，又使得每个学生都能够存在自己的学习方案。

Description

基于大数据的备课方法、装置及存储介质
技术领域
本发明涉及大数据、备课技术领域，尤其涉及一种基于大数据的备课方法、装置及存储介质。
背景技术
备课分个人备课和集体备课两种。个人备课是教师自己专研学科课程标准和教材的活动。集体备课是由相同学科和相同年级的教师共同专研教材，解决教材的重点、难点和教学方法等问题的活动。
无论个人备课还是集体备课，都是以老师的认知为主导出发，综合整个班级、集体的学习状况进行整体备课，无法就每个知识点都根据每个学生的学习差异分别对每个学生进行备课，使得当前的备课存在一定的缺陷。
发明内容
本发明实施例提供一种基于大数据的备课方法、装置及存储介质，基于人工智能技术，根据学生的个体学习差异为每个学生分别备课，提高学生的学习效率。
本发明实施例的第一方面，提供一种基于大数据的备课方法，包括：
基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；
基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。
可选地，在第一方面的一种可能实现方式中，所述基于教学数据生成第一备课数据包括：
预先设置搜索引擎；
获取教师对所述搜索引擎的操作，得到教师的当前操作信息和\或历史操作信息；
基于所述当前操作信息和\或历史操作信息得到教学内容信息；
对所述教学内容信息处理，获取数据库中与所述教学内容信息对应的信息生成第一备课数据。
可选地，在第一方面的一种可能实现方式中，所述教学内容信息包括教师选定的n个知识点s的集合S = {s1, s2, …, sn}；
基于教师选定的n个知识点的集合S，为每一个知识点在所述数据库中获取到一一对应的默认教学顺序，得到顺序集合O = {o1, o2, …, on}；
将集合S内的知识点s的顺序按照顺序集合O内对应的顺序进行排列，得集合S重新排列的集合OS1= {s1, s2, …, sn}；
获取数据库中与排序后的知识点集合OS1= {s1, s2, …, sn}对应的学习资料集合M= {m1, m2, …, mn}。
可选地，在第一方面的一种可能实现方式中，所述基于所述第一备课数据和学习数据生成至少一个第二备课数据包括：
获取所述第一备课数据中的课程信息；
获取所述一个学生的当前学习信息和\或历史学习信息；
将所述课程信息与所述当前学习信息和\或历史学习信息进行融合处理，得到融合结果；
基于所述融合结果得到第二备课数据。
可选地，在第一方面的一种可能实现方式中，其中，课程信息包括多个知识点，所述融合结果包括多个知识点的掌握信息；
对所述多个知识点的掌握信息按照预设逻辑排序得到规划后的学习路径；
可选地，在第一方面的一种可能实现方式中，还包括：
其中，所述课程信息包括n个按默认排序的知识点的集合OS1 = {s1, s2, …, sn}以及所述学习资料集合M= {m1, m2, …, mn}；
所述融合结果包括一个学生对每个知识点的掌握信息m的集合M1= {mr1, mr2,…, mrn}，其中掌握信息m为量化的分值；
对所述集合M1 = {mr1, mr2, …, mrn}按照预设逻辑得到顺序集合O = {o1, o2,…, on}；
基于所述顺序集合O对所述知识点的集合OS1 = {s1, s2, …, sn}进行排序得到排序后的知识点的集合OS1 = {s1, s2, …, sn}；
所述学习路径包括所述n个有序知识点的集合OS1以及学习资料集合M。
可选地，在第一方面的一种可能实现方式中，获取任意一个学生的当前学习信息以及上一时刻生成的第二备课数据；
基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据。
可选地，在第一方面的一种可能实现方式中，所述基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据包括：
其中，所述当前学习信息包括知识点成绩，所述第二备课数据包括知识点信息；
当所述知识点成绩达到预设要求时，对所述知识点成绩对应的知识点信息和\或其他知识点信息进行处理。
可选地，在第一方面的一种可能实现方式中，所述上一时刻的第二备课数据包括上一时刻n个有序知识点的集合OS1 = {s1, s2, …, sn}以及学习资料集合M= {m1, m2,…, mn}；
所述当前学习信息包括所述一个学生在当前时刻对每个知识点的掌握信息的集合M2 = {mr1, mr2, …, mrn}；。
对当前时刻掌握信息集合M2 = {mr1, mr2, …, mrn}按照预设逻辑得到排序后的集合M2 = {mr1, mr2, …, mrn}；
基于所述排序后的掌握信息集合M2 = {mr1, mr2, …, mrn}调整上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}中掌握信息mr的顺序；
根据上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}调整后的顺序生成对应的知识点集合OS2= {s1, s2, …, sn}；
所述规划后的学习路径包括所述n个有序知识点的集合OS2，以及所述学习资料集合M= {m1, m2, …, mn}。
本发明实施例的第二方面，提供一种基于大数据的备课装置，包括：
第一生成模块，用于基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；
第二生成模块，用于基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。
本发明实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于大数据的备课方法、装置及存储介质，能够根据教师的教学数据，可以是在系统内的历史操作等等，生成相应的第一备课数据，第一备课数据是可以是备课的课件、题目等等，然后根据学生的学习数据对第一备课数据进行相应的调整得到第二备课数据，使得第二备课数据是适用于每一个同学的。本发明提供的技术方案，能够在教学过程中，以人工智能的方式，根据学生的个体学习差异，分别得到不同的备课、学习数据，即降低了老师备课的劳动力，又使得每个学生都能够存在自己的学习方案。
附图说明
图1为基于大数据的备课方法的第一种实施方式的流程图；
图2为基于大数据的备课方法的第二种实施方式的流程图；
图3为基于大数据的备课方法的第三种实施方式的流程图；
图4为基于大数据的备课装置的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种基于大数据的备课方法，如图1所示其流程图，包括：
步骤S30、基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息。在本步骤中，根据教学数据生成一个第一备课数据，其中这个第一备课数据是以老师当前的教学数据为出发点生成的，此时教学数据与传统教学时的备课相似，都是根据当前老师的教学情况、进度生成的。
在步骤S30中，如图2所示，还包括：
步骤301、预先设置搜索引擎。其中搜索引擎可以是设置于电脑、手机内。
步骤302、获取教师对所述搜索引擎的操作，得到教师的当前操作信息和\或历史操作信息。其中，教师的当前操作信息和\或历史操作信息，包括教师在搜索引擎搜索的文字输入；科目、年级、教版选择；教师对搜索引擎返回内容的勾选操作等。通过教师当前操作信息和\或历史操作信息可以知道教师以往的课程教到了什么阶段，或者是下一阶段将要进行什么样的课程，例如说一个数学老师历史操作信息在搜索引内搜索的是数学、1年级、十以内的加减法，当前操作信息是数学、1年级、十以上的加减法等等。
步骤303、基于所述当前操作信息和\或历史操作信息得到教学内容信息。此时根据教师的当前操作信息和\或历史操作信息可以得到教学内容信息，教学内容信息可能会包括十以上的加减法课程等等。
步骤304、对所述教学内容信息处理，获取数据库中与所述教学内容信息对应的信息生成第一备课数据。在此步骤中，会对教学内容信息进行处理，可以是自然语言处理的方式，获取教学内容信息中的关键词等等，将关键词在数据库中搜索，得到相应的备课数据，备课数据可以是视频、音频、文档等等，其中视频、音频、文档中分别包括相应的的知识点、题目等等。
其中，所述教学内容信息包括教师选定的n个知识点s的集合S = {s1, s2, …,sn}。例如说十以内的加减法可能会包括多个知识点，例如说连加、连减以及混合运算等等。
基于教师选定的n个知识点的集合S，为每一个知识点在所述数据库中获取到一一对应的默认教学顺序，得到顺序集合O = {o1, o2, …, on}。其中默认教学顺序可以是人为设置的，也可以是自动生成的，如果是人为设置的，就是按照顺序进行相应的排序，优先级依次可以是连加、连减以及混合运算。如果是自动生成的，可以是在数据库预先存储之前，管理员对每个知识点进行评分，当需要获得多个知识点同时教学时，将一个集合内的所有知识点的优先级进行排序，即进行评分的比对，得到相应的顺集合O。也可以是根据教学的连贯性生成顺序集合的。
将集合S内的知识点s的顺序按照顺序集合O内对应的顺序进行排列，得集合S重新排列的集合OS1= {s1, s2, …, sn}。通过知识点的排序，可以使老师和\或学生针对所有知识点的学习顺序进行学习，进而得到学习效率最高的顺序。
获取数据库中与排序后的知识点集合OS1= {s1, s2, …, sn}对应的学习资料集合M= {m1, m2, …, mn}。最后是根据知识点集合得到相应的学习资料集合，每个知识点可能对应一个或多个的学习资料，学习资料可以是视频资料、音频资料以及文档资料等等。
通过以上的步骤，可以自动生成第一备课数据（学习资料），使得本发明的技术方案大大提高了老师的备课效率，并且可以针对不同的知识点进行相应的排序，使得同学能够更好的接收、学习。
在一个实施例中，教师的当前操作信息和\或历史操作信息，包括教师在搜索引擎搜索的文字输入；科目、年级、教版选择；教师对搜索引擎返回内容的勾选操作等。
所述教学内容信息包括教师选定的n个知识点skill的集合Skills = {s1, s2,…, sn}。
所述数据库中对每个知识点skill有一一对应的预存的学习资料material，例如：s1 ->m1。所述数据库也包含对每个知识点skill一一对应的默认教学顺序order, 例如：s1-> o1。
所述学习资料material包括，解释学习资料所服务知识点的文本文件text，视频文件video，用于练习该知识点的m道题目question的题目列表Questions = {q1， q2, …,qm}。例如：m1 -> {t1, v1, Questions1}
基于教师选定的n个知识点的集合Skills，为每一个知识点在所述数据库中获取到一一对应的默认教学顺序，得到顺序集合Orders = {o1, o2, …, on}。将Skills按Orders从小到大的顺序进行重排序，得到按默认教学顺序排序的n个有序知识点的集合OrderedSkills = {s1, s2, …, sn}。
基于所述n个有序知识点的集合OrderedSkills，为每个知识点在所述数据库中获取到一一对应的所述学习资料material，得到学习资料集合，Materials = {m1, m2, …,mn}。
所述第一备课数据，包含所述n个有序知识点的集合OrderedSkills，以及所述学习资料集合Materials。
步骤S60、基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。在步骤S30中，可以根据教学数据生成第一备课数据，在步骤S60中则是可以根据第一备课数据和学习数据得到相应的第二备课数据，在此步骤中，是以学生的学习情况为出发点，根据学生的学习数据结合第一备课数据得到第二备课数据，此时的第二备课数据是多个，而先前的第一备课数据只是一个，可以这样理解，第一备课数据是当前教师在教学过程对整体学生适用的一个备课数据，但是并不是对每一个学生都完全适用，第二备课数据是在第一备课数据的基础上进行调整，得到多个适用于不同学生的第二备课数据。
在步骤S60中，如图3所示，还包括：
步骤S601、获取所述第一备课数据中的课程信息。该课程信息可以是十以内加减法、十以上加减法等等，本申请不做限定。
步骤S602、获取所述一个学生的当前学习信息和\或历史学习信息。当前学习信息和\或历史学习信息可以是对每一个知识点的掌握信息等等。
步骤S603、将所述课程信息与所述当前学习信息和\或历史学习信息进行融合处理，得到融合结果。在该步骤中，课程信息可能会包括多个知识点，并且每个当前学习信息和\或历史学习信息具有知识点的掌握信息，使得课程信息能够与当前学习信息和\或历史学习信息进行融合，得到一个学生的融合结果，该融合结果可以理解为是在一个课程信息内学生对该课程信息内多个知识点不同的掌握信息，掌握信息也就是对知识点的掌握程度，可以是个量化后的百分数。
步骤S604、基于所述融合结果得到第二备课数据。根据每一个学生不同的掌握信息得到第二备课数据。例如说对于知识点连加、连减以及混合运算学生的掌握程度是由上到下的，第二备课数据中对于各连加、连减以及混合运算的学习资料就是由下到上，使得第二备课数据可以根据学生对于每个知识点的掌握程度进行相应的调整。
在一个实施例中，其中，课程信息包括多个知识点，所述融合结果包括多个知识点的掌握信息；
对所述多个知识点的掌握信息按照预设逻辑排序得到规划后的学习路径；
课程信息包括n个按默认排序的知识点的集合OS1 = {s1, s2, …, sn}以及所述学习资料集合M= {m1, m2, …, mn}。
所述融合结果包括一个学生对每个知识点的掌握信息m的集合M1= {mr1, mr2,…, mrn}，其中掌握信息m为量化的分值；
对所述集合M1 = {mr1, mr2, …, mrn}按照预设逻辑得到顺序集合O = {o1, o2,…, on}；
基于所述顺序集合O对所述知识点的集合OS1 = {s1, s2, …, sn}进行排序得到排序后的知识点的集合OS1 = {s1, s2, …, sn}；
所述学习路径包括所述n个有序知识点的集合OS1以及学习资料集合M。
通过以上的步骤，可以基于每个知识点的掌握信息得到一个顺序，并根据该顺序指导知识点的顺序以及与相应的学习资料集合M。其中，学习资料集合M中包括的多个学习资料的顺序与集合OS1 = {s1, s2, …, sn}中各个知识点的顺序是相同的，一个知识点至少对应一个学习资料。
通过以上的方式，可以根据学生的学期情况对知识点、学习资料进行相应的排序，使得学生在学习过程中，知识点以及学习资料的顺序更加适合他，使得学习更加循序渐进。
在一个实施例中，课程信息包括n个按默认排序的知识点的集合OrderedSkills ={s1, s2, …, sn}，以及所述学习资料集合Materials；
所述融合结果包括所述一个学生对每个知识点的掌握信息mastery的集合Masteries1 = {mr1, mr2, …, mrn}。掌握信息与知识点一一对应，例如：s1 -> mr1。
所述掌握信息mastery为0-1之间的得分，代表所述一个学生对所述掌握信息所对应知识点的掌握程度，1代表完全掌握，0代表完全不了解。
根据所述掌握信息集合Masteries1，按照预设逻辑得到若干顺序集合。例如:根据预设逻辑一：优先推荐尚未完全掌握的知识点，得到每个知识点对应顺序order逻辑一的顺序集合Orders逻辑一 = {o1, o2, …, on}。
Figure 388128DEST_PATH_IMAGE001
按照预设逻辑，将所述按默认排序的知识点的集合OrderedSkills，依次按照所述顺序集合（例如Orders逻辑一，Orders逻辑二，…）从小到大进行重排序。得到按照预设逻辑排序的n个有序知识点的集合OrderedSkills1
所述规划后的学习路径包括所述n个有序知识点的集合OrderedSkills1，以及所述学习资料集合Materials。
在一个实施例中，还包括：
获取任意一个学生的当前学习信息以及上一时刻生成的第二备课数据。由于学习具有时效性，即在没有学这个知识点之前和学过这个知识点至后每个学生对于知识点的掌握情况都会发生相应的变化，所以要及时的掌握每个学生当前学习信息，当前学习信息可以是知识点的掌握信息等等。
基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据。要根据学生每个时刻对知识点的掌控随时调节第二备课数据，使得学生在每个时候都能够得到与其当前时刻最佳匹配的第二备课数据，使得学生能够根据知识点掌握情况的变化改变和\或不改变第二备课数据。
在一个实施例中，基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据包括：
其中，所述当前学习信息包括知识点成绩，所述第二备课数据包括知识点信息。所述知识点成绩即为每个知识点的掌握信息，例如说，知识点成绩的区间是0至100，每个知识点的掌握信息区间是0至10，则在知识点成绩是44时，则对应的掌握信息可能是4.4，也可能是4（根据4舍5入规则）等等。
当所述知识点成绩达到预设要求时，对所述知识点成绩对应的知识点信息和\或其他知识点信息进行处理。例如说，预设要求是90，当知识点成绩为90时，此时删除第二备课数据中与知识点为90对应的学习资料以及相应知识点删除和\或部分删除。
在一个实施例中，上一时刻的第二备课数据包括上一时刻n个有序知识点的集合OS1 = {s1, s2, …, sn}以及学习资料集合M= {m1, m2, …, mn}；
所述当前学习信息包括所述一个学生在当前时刻对每个知识点的掌握信息的集合M2 = {mr1, mr2, …, mrn}；。
对当前时刻掌握信息集合M2 = {mr1, mr2, …, mrn}按照预设逻辑得到排序后的集合M2 = {mr1, mr2, …, mrn}；
基于所述排序后的掌握信息集合M2 = {mr1, mr2, …, mrn}调整上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}中掌握信息mr的顺序；
根据上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}调整后的顺序生成对应的知识点集合OS2= {s1, s2, …, sn}；
所述规划后的学习路径包括所述n个有序知识点的集合OS2，以及所述学习资料集合M= {m1, m2, …, mn}。
通过上述的步骤，可以根据不同时刻的掌握信息调整知识点集合的顺序，得到第二备课数据中各个知识点的顺序以及学习资料的顺序，该种方式主要是在学生掌握一个知识点后，此时会对该知识点的顺序即学习资料的顺序进行调整，使其位于顺序的后部，以达到学生优先继续处理、学习没有掌握的知识点、题目等等。
在一个实施例中，上一时刻的第二备课数据包括上一时刻n个有序知识点的集合OrderedSkills1 = {s1, s2, …, sn}以及学习资料集合Materials= {mr1, mr2, …,mrn}；
所述当前学习信息包括所述一个学生在当前时刻对每个知识点的掌握信息mastery的集合Masteries2 = {mr1, mr2, …, mrn}，掌握信息与知识点一一对应，例如：s1-> mr1。
根据所述掌握信息集合Masteries2，按照预设逻辑得到若干顺序集合。例如：上述按照逻辑一得到顺序集合Orders逻辑一。
按照预设逻辑，将所述上一时刻的第二备课数据的有序知识点的集合OrderedSkills1，依次按照所述顺序集合（例如Orders逻辑一，Orders逻辑二，…）从小到大进行重排序。得到按照预设逻辑排序的n个有序知识点的集合OrderedSkills2。
所述规划后的学习路径包括所述n个有序知识点的集合OrderedSkills2，以及所述学习资料集合Materials。
本发明实施例提供的技术方案，如图4所示，还包括一种基于大数据的备课装置，包括：
第一生成模块，用于基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；
第二生成模块，用于基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于大数据的备课方法，其特征在于，包括：
基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；
基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。
2.根据权利要求1所述的基于大数据的备课方法，其特征在于，
所述基于教学数据生成第一备课数据包括：
预先设置搜索引擎；
获取教师对所述搜索引擎的操作，得到教师的当前操作信息和\或历史操作信息；
基于所述当前操作信息和\或历史操作信息得到教学内容信息；
对所述教学内容信息处理，获取数据库中与所述教学内容信息对应的信息生成第一备课数据。
3.根据权利要求2所述的基于大数据的备课方法，其特征在于，
所述教学内容信息包括教师选定的n个知识点s的集合S = {s1, s2, …, sn}；
基于教师选定的n个知识点的集合S，为每一个知识点在所述数据库中获取到一一对应的默认教学顺序，得到顺序集合O = {o1, o2, …, on}；
将集合S内的知识点s的顺序按照顺序集合O内对应的顺序进行排列，得集合S重新排列的集合OS1= {s1, s2, …, sn}；
获取数据库中与排序后的知识点集合OS1= {s1, s2, …, sn}对应的学习资料集合M={m1, m2, …, mn}。
4.根据权利要求1所述的基于大数据的备课方法，其特征在于，
所述基于所述第一备课数据和学习数据生成至少一个第二备课数据包括：
获取所述第一备课数据中的课程信息；
获取所述一个学生的当前学习信息和\或历史学习信息；
将所述课程信息与所述当前学习信息和\或历史学习信息进行融合处理，得到融合结果；
基于所述融合结果得到第二备课数据。
5.根据权利要求4所述的基于大数据的备课方法，其特征在于，
其中，课程信息包括多个知识点，所述融合结果包括多个知识点的掌握信息；
对所述多个知识点的掌握信息按照预设逻辑排序得到规划后的学习路径。
6.根据权利要求4所述的基于大数据的备课方法，其特征在于，还包括：
其中，所述课程信息包括n个按默认排序的知识点的集合OS1 = {s1, s2, …, sn}以及学习资料集合M= {m1, m2, …, mn}；
所述融合结果包括一个学生对每个知识点的掌握信息m的集合M1= {mr1, mr2, …,mrn}，其中掌握信息m为量化的分值；
对所述集合M1 = {mr1, mr2, …, mrn}按照预设逻辑得到顺序集合O = {o1, o2, …,on}；
基于所述顺序集合O对所述知识点的集合OS1 = {s1, s2, …, sn}进行排序得到排序后的知识点的集合OS1 = {s1, s2, …, sn}，
所述学习路径包括所述n个有序知识点的集合OS1以及学习资料集合M。
7.根据权利要求1所述的基于大数据的备课方法，其特征在于，
获取任意一个学生的当前学习信息以及上一时刻生成的第二备课数据；
基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据。
8.根据权利要求7所述的基于大数据的备课方法，其特征在于，
所述基于所述当前学习信息更新上一时刻的第二备课数据得到当前时刻的第二备课数据包括：
其中，所述当前学习信息包括知识点成绩，所述第二备课数据包括知识点信息；
当所述知识点成绩达到预设要求时，对所述知识点成绩对应的知识点信息和\或其他知识点信息进行处理。
9.根据权利要求7所述的基于大数据的备课方法，其特征在于，
所述上一时刻的第二备课数据包括上一时刻n个有序知识点的集合OS1 = {s1, s2,…, sn}以及学习资料集合M= {m1, m2, …, mn}；
所述当前学习信息包括所述一个学生在当前时刻对每个知识点的掌握信息的集合M2= {mr1, mr2, …, mrn}；
对当前时刻掌握信息集合M2 = {mr1, mr2, …, mrn}按照预设逻辑得到排序后的集合M2 = {mr1, mr2, …, mrn}；
基于所述排序后的掌握信息集合M2 = {mr1, mr2, …, mrn}调整上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}中掌握信息mr的顺序；
根据上一时刻的掌握信息集合M1= {mr1, mr2, …, mrn}调整后的顺序生成对应的知识点集合OS2= {s1, s2, …, sn}；
规划后的学习路径包括所述n个有序知识点的集合OS2，以及所述学习资料集合M= {m1,m2, …, mn}。
10.一种基于大数据的备课装置，其特征在于，包括：
第一生成模块，用于基于教学数据生成第一备课数据，所述教学数据包括教师的当前操作信息和\或历史操作信息；
第二生成模块，用于基于所述第一备课数据和学习数据生成至少一个第二备课数据，所述学习数据包括至少一个学生的当前学习信息和\或历史学习信息。
CN202110628272.6A 2021-06-07 2021-06-07 基于大数据的备课方法、装置及存储介质 Active CN113254752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110628272.6A CN113254752B (zh) 2021-06-07 2021-06-07 基于大数据的备课方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110628272.6A CN113254752B (zh) 2021-06-07 2021-06-07 基于大数据的备课方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113254752A true CN113254752A (zh) 2021-08-13
CN113254752B CN113254752B (zh) 2021-11-02

Family

ID=77186643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110628272.6A Active CN113254752B (zh) 2021-06-07 2021-06-07 基于大数据的备课方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113254752B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115760510A (zh) * 2023-01-10 2023-03-07 昆明理工大学 一种基于vr虚拟现实的教学方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001324915A (ja) * 2000-05-15 2001-11-22 Hitachi Ltd 遠隔教育方法及びその実施装置並びにその処理プログラムを記録した記録媒体
US20140220540A1 (en) * 2011-08-23 2014-08-07 Knowledge Factor, Inc. System and Method for Adaptive Knowledge Assessment and Learning Using Dopamine Weighted Feedback
US20170169530A1 (en) * 2015-12-10 2017-06-15 Curious.Com, Inc. Curious quotient system and method
CN112232611A (zh) * 2020-12-18 2021-01-15 北京几原科技有限责任公司 一种生成学生个性化学习方案的方法及系统
CN112328627A (zh) * 2020-11-05 2021-02-05 北京爱论答科技有限公司 一种备课方案的生成方法及装置
CN112380263A (zh) * 2020-11-11 2021-02-19 北京爱论答科技有限公司 一种教学数据推荐方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001324915A (ja) * 2000-05-15 2001-11-22 Hitachi Ltd 遠隔教育方法及びその実施装置並びにその処理プログラムを記録した記録媒体
US20140220540A1 (en) * 2011-08-23 2014-08-07 Knowledge Factor, Inc. System and Method for Adaptive Knowledge Assessment and Learning Using Dopamine Weighted Feedback
US20170169530A1 (en) * 2015-12-10 2017-06-15 Curious.Com, Inc. Curious quotient system and method
CN112328627A (zh) * 2020-11-05 2021-02-05 北京爱论答科技有限公司 一种备课方案的生成方法及装置
CN112380263A (zh) * 2020-11-11 2021-02-19 北京爱论答科技有限公司 一种教学数据推荐方法及装置
CN112232611A (zh) * 2020-12-18 2021-01-15 北京几原科技有限责任公司 一种生成学生个性化学习方案的方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115760510A (zh) * 2023-01-10 2023-03-07 昆明理工大学 一种基于vr虚拟现实的教学方法及系统

Also Published As

Publication number Publication date
CN113254752B (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113590956B (zh) 知识点推荐方法、装置、终端及计算机可读存储介质
US20110208508A1 (en) Interactive Language Training System
CN111242816B (zh) 基于人工智能的多媒体教案制作方法和系统
CN117150151B (zh) 一种基于大语言模型的错题分析及试题推荐系统和方法
CN105787833A (zh) 一种学生学习综合管理系统
JP3883795B2 (ja) 受講講習会選定装置、受講講習会選定方法、及び記憶媒体
CN112001826A (zh) 一种基于大数据的教育信息智能分类系统
Neuman Designing databases as tools for higher-level learning: Insights from instructional systems design
CN112598547A (zh) 基于自动生产线的教育题目生成方法、装置和电子设备
CN116595188A (zh) 一种基于人工智能和大数据的教育知识图谱系统
CN113254752B (zh) 基于大数据的备课方法、装置及存储介质
Helaluddin et al. Digital immigrants versus digital natives: A systematic literature review of the “ideal teacher” in a disruptive era
WO2000070582A1 (en) Interactive computer networked study aid and guide
CN111625631B (zh) 一种选择题选项生成方法
CN110765278B (zh) 一种查找相似习题的方法、计算机设备及存储介质
CN112764760A (zh) 基于程序评测的辅助答题系统
Mühling et al. Exploring teachers' attitudes towards object oriented modelling and programming in secondary schools
CN113918588B (zh) 一种基于知识点的错题动态智能管理系统
TWI528339B (zh) 概念形成教學歷程輔助方法及系統
CN111508289B (zh) 基于字词使用频率的语言学习系统
JP3777497B2 (ja) 学習システム及び学習方法
CN117635690B (zh) 一种可视化图形的检测方法、装置及线上教育平台
Tang A Case Study on The Application of Artificial Intelligence in Education Industry
CN112819669B (zh) 教学资源的处理方法及电子设备
CN108776794B (zh) 基于大数据与人工智能的教学效果画像方法和机器人系统

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