CN113434719A - 一种学前教育用的互动学习系统 - Google Patents
一种学前教育用的互动学习系统 Download PDFInfo
- Publication number
- CN113434719A CN113434719A CN202110756640.5A CN202110756640A CN113434719A CN 113434719 A CN113434719 A CN 113434719A CN 202110756640 A CN202110756640 A CN 202110756640A CN 113434719 A CN113434719 A CN 113434719A
- Authority
- CN
- China
- Prior art keywords
- unit
- interactive
- marking
- acquiring
- objects
- 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
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 76
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 26
- 230000004927 fusion Effects 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 101000878595 Arabidopsis thaliana Squalene synthase 1 Proteins 0.000 claims description 3
- 101000713575 Homo sapiens Tubulin beta-3 chain Proteins 0.000 claims description 3
- 101000713585 Homo sapiens Tubulin beta-4A chain Proteins 0.000 claims description 3
- 102100036790 Tubulin beta-3 chain Human genes 0.000 claims description 3
- 102100036788 Tubulin beta-4A chain Human genes 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (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
本发明公开了一种学前教育用的互动学习系统,包括数据收集单元、数据挑选单元、调取单元、处理器和显示单元;所述数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象,学习对象具体可为卡片、图册等内容;所述数据收集单元用于将互动信息传输到数据挑选单元;本发明通过数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象,学习对象具体可为卡片、图册等内容;之后通过数据收集单元将互动信息传输到数据挑选单元,进行初步筛选,得到所有的潜在对象融合形成潜在对象组;之后借助调取单元将潜在对象传输到处理器,并借助显示单元进行显示。
Description
技术领域
本发明属于互动学习领域,涉及教育互动技术,具体是一种学前教育用的互动学习系统。
背景技术
公开号为CN109191971A的专利公开了一种基于智能图像识别的学前教育互动系统,包括用于控制所述学前教育互动系统运行的主控模块以及分别与主控模块连接的通讯模块、全息投影模块、语言强化模块,其中:通讯模块用于由学生端和教师端/家长端的任一端发出请求指令并建立双方视频通话,获取图像来源;全息投影模块用于从所述图像来源或其他来源中获取图像,由所述学生端筛选图像后进行全息图像制作,得到适应全息投影需求图像,并将所述需求图像进行显示;语言强化模块用于所述教师端/家长端根据所述需求图像的显示场景输入相适应文字。本发明结合全息投影技术与文字转语音技术辅助学前教育,能够根据不同的学生定制专属教育互动方案,有效提高学前教育质量。
但是,该专利并不能对学前儿童感兴趣的学习对象进行分别,同时判定哪些对象属于学前儿童的爱好对象,根据爱好对象来判断如何继续推荐婴儿感兴趣的学习内容;基于此,现提供一种解决方案。
发明内容
本发明的目的在于提供一种学前教育用的互动学习系统。
本发明的目的可以通过以下技术方案实现:
一种学前教育用的互动学习系统,包括数据收集单元、数据挑选单元、调取单元、处理器和显示单元;
其中,所述数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象;所述数据收集单元用于将互动信息传输到数据挑选单元;所述数据挑选单元用于对互动信息进行初步筛选,得到所有的潜在对象融合形成潜在对象组;
所述数据挑选单元用于将潜在对象组传输到调取单元,所述调取单元用于将潜在对象传输到处理器,所述处理器接收调取单元传输的潜在对象之后,将其传输到显示单元;所述显示单元接收处理器传输的潜在对象并进行实时显示;
所述管理单元与处理器通信连接,用于录入所有的预设值。
进一步地,初步筛选的具体方式为:
步骤一:获取到互动信息内的所有的学习对象;
步骤二:从互联网中对学习对象进行数据搜集,得到所有学习对象的月销均值Yi和喜爱值Ai;
步骤三:获取到月销均值Yi和喜爱值Ai;利用公式计算选值Qi,具体计算公式为:
Qi=0.466*Yi+0.534*Ai;
式中,0.466和0.534均为对应因素的权值;
步骤四:之后按照Qi值从大到小的顺序进行排序;
步骤五:将排名处于前X1名的对应学习对象标记为潜在对象;X1为预设数值;
步骤六:将所有的潜在对象融合形成潜在对象组。
进一步地,步骤二中的数据搜集具体采用下述方式:
S1:获取到所有学习对象的月销均值,月销均值具体指代为任选三家电商平台,调取对应学习对象的近一年的销售量;
之后对三家平台的销售量分别求取对应近一年的销售量的月度均值;
之后对求取到的三个月度均值再进行求取均值,将该均值标记为月销均值Yi,i=1...n;月销均值Yi与学习对象为一一对应关系;
S2:获取到所有的学习对象的喜爱值;具体详见步骤S3;
S3:首先获取到任意三家电商平台的对应学习对象的好评率;
S4:之后进行数据滤除,具体将超过三个月的好评数据删除;
S5:之后对滤除之后的数据进行均值求取,将得到的均值标记为喜爱值;
S6:获取到所有学习对象的喜爱值,将其标记为Ai,i=1...n;Ai与Yi一一对应。
进一步地,步骤五中的X1具体取值为20。
进一步地,还包括
融控单元、行为监控单元、特征分析单元和管理单元;
其中,管理人员用于将显示单元显示的对应的潜在对象一一展示给对应学前儿童,并借助行为监控单元获取学前儿童的对应互动反应,将该反应标记为互动影像;所述行为监控单元用于将互动影像传输到处理器,所述处理器用于将互动影像传输到特征分析单元,所述特征分析单元用于对互动影像进行互动分析,得到偏向目标;
所述特征分析单元用于将偏向目标传输到融控单元,融控单元用于对偏向目标进行融合分析,融合分析具体为:
SS1:获取到偏向目标;
SS2:之后获取到偏向目标位于任选三大电商平台的购物记录;
SS3:将同时购买到偏向目标中任意三样以上的用户记录,之后将该用户购买的其他内容标记为可参对象;
SS4:获取到所有的可参对象;
SS5:根据可参对象近一个月内的好评数从大到小的顺序,将前X5名标记为关联对象,X5为预设值;
所述融控单元用于将关联对象和偏向目标传输到调取单元,所述调取单元用于调取关联对象和偏向目标,并将其标记为新的潜在对象,并自动删除原有的潜在对象数据。
进一步地,互动分析的具体步骤为:
S01:获取到互动影像;
S02:任选一潜在对象;
S03:之后将潜在对象标记为受向标本;
S04:实时获取学前儿童与受向标本的短向距离,短向距离指代学前儿童的整个身体距离受向标本之间的最短距离;
S05:每间隔T1时间获取一次短向距离,得到短向距离组Dj,j=1...m;
S06:之后获取到在互动学习期间短向距离组Dj低于X2的时间,将该时间标记为初段时间,该互动学习期间的时间为固定;
S07:之后获取到对应Dj超过X3的时间点,将该时间点标记为终段时间,初段时间到终段时间标记为交流段,交流段的总时长标记为交互时长;X3大于X2;
S08:之后获取到Dj处于X2到X3之间的次数,包括X2和X3;将该次数标记为乐向次数;
S09:得到对应受向标本的乐向次数和交互时长;
S010:之后获取到交流段时期学前儿童双手舞动的次数,双手舞动指代学前儿童手从胸线上下移动,将该次数标记为活跃次;胸线指代为两个腋下之间的连线;
S011:得到对应受向标本的活跃次、乐向次数和交互时长;
S012:任选下一潜在对象,重复步骤S03-S012,得到所有受向标本的活跃次、乐向次数和交互时长;
S013:将活跃次标记为Ho,o=1...20;将乐向次数标记为Lo,o=1...20;将交互时长标记为Jo,o=1...20;
S014:根据公式计算受向标本的偏向值Po,具体计算公式为:
Po=0.42*Ho+0.256*Lo+0.324*Jo;
式中,0.42、0.256和0.324均为预设的权值;
S015:按照Po从大到小的顺序对受向标本进行排序,将排名为前X4名标记为偏向目标;X4为预设数值。
进一步地,X4具体取值为8。
进一步地,X5具体为7。
本发明的有益效果:
本发明通过数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象,学习对象具体可为卡片、图册等内容;之后通过数据收集单元将互动信息传输到数据挑选单元,进行初步筛选,得到所有的潜在对象融合形成潜在对象组;之后借助调取单元将潜在对象传输到处理器,并借助显示单元进行显示;
之后通过行为监控单元和特征分析单元对学前儿童的行为进行判定和分析,借助相关方式判定其对相关数据是否有兴趣,并根据兴趣点进行进一步推荐。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示,一种学前教育用的互动学习系统,包括数据收集单元、数据挑选单元、调取单元、融控单元、处理器、行为监控单元、特征分析单元、显示单元和管理单元;
其中,所述数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象,学习对象具体可为卡片;所述数据收集单元用于将互动信息传输到数据挑选单元;所述数据挑选单元用于对互动信息进行初步筛选,具体初步筛选方式为:
步骤一:获取到互动信息内的所有的学习对象;
步骤二:从互联网中对学习对象进行数据搜集,数据搜集具体采用下述方式:
S1:获取到所有学习对象的月销均值,月销均值具体指代为任选三家电商平台,调取对应学习对象的近一年的销售量;电商平台包括京东、天猫等在线销售平台;
之后对三家平台的销售量分别求取对应近一年的销售量的月度均值;
之后对求取到的三个月度均值再进行求取均值,将该均值标记为月销均值Yi,i=1...n;月销均值Yi与学习对象为一一对应关系;
S2:获取到所有的学习对象的喜爱值;具体详见步骤S3;
S3:首先获取到任意三家电商平台的对应学习对象的好评率;
S4:之后进行数据滤除,具体将超过三个月的好评数据删除;
S5:之后对滤除之后的数据进行均值求取,将得到的均值标记为喜爱值;
S6:获取到所有学习对象的喜爱值,将其标记为Ai,i=1...n;Ai与Yi一一对应;
步骤三:获取到月销均值Yi和喜爱值Ai;利用公式计算选值Qi,具体计算公式为:
Qi=0.466*Yi+0.534*Ai;
式中,0.466和0.534均为对应因素的权值,因为不同因素对最终结果影响不同,故此引入;
步骤四:之后按照Qi值从大到小的顺序进行排序;
步骤五:将排名处于前X1名的对应学习对象标记为潜在对象;X1为预设数值,具体可以取值为20;
步骤六:将所有的潜在对象融合形成潜在对象组;
所述数据挑选单元用于将潜在对象组传输到调取单元,所述调取单元用于将潜在对象传输到处理器,所述处理器接收调取单元传输的潜在对象之后,将其传输到显示单元;所述显示单元接收处理器传输的潜在对象并进行实时显示;
管理人员用于将显示单元显示的对应的潜在对象一一展示给对应学前儿童,并借助行为监控单元获取学前儿童的对应互动反应,将该反应标记为互动影像;所述行为监控单元用于将互动影像传输到处理器,所述处理器用于将互动影像传输到特征分析单元,所述特征分析单元用于对互动影像进行互动分析,互动分析的具体步骤为:
S01:获取到互动影像;
S02:任选一潜在对象;
S03:之后将潜在对象标记为受向标本;
S04:实时获取学前儿童与受向标本的短向距离,短向距离指代学前儿童的整个身体距离受向标本之间的最短距离;
S05:每间隔T1时间获取一次短向距离,得到短向距离组Dj,j=1...m;
S06:之后获取到在互动学习期间短向距离组Dj低于X2的时间,将该时间标记为初段时间,该互动学习期间的时间为固定;
S07:之后获取到对应Dj超过X3的时间点,将该时间点标记为终段时间,初段时间到终段时间标记为交流段,交流段的总时长标记为交互时长;X3大于X2;
S08:之后获取到Dj处于X2到X3之间的次数,包括X2和X3;将该次数标记为乐向次数;
S09:得到对应受向标本的乐向次数和交互时长;
S010:之后获取到交流段时期学前儿童双手舞动的次数,双手舞动指代学前儿童手从胸线上下移动,将该次数标记为活跃次;胸线指代为两个腋下之间的连线;
S011:得到对应受向标本的活跃次、乐向次数和交互时长;
S012:任选下一潜在对象,重复步骤S03-S012,得到所有受向标本的活跃次、乐向次数和交互时长;
S013:将活跃次标记为Ho,o=1...20;将乐向次数标记为Lo,o=1...20;将交互时长标记为Jo,o=1...20;
S014:根据公式计算受向标本的偏向值Po,具体计算公式为:
Po=0.42*Ho+0.256*Lo+0.324*Jo;
式中,0.42、0.256和0.324均为预设的权值,用于体现所有要素的不同重要程度;
S015:按照Po从大到小的顺序对受向标本进行排序,将排名为前X4名标记为偏向目标;X4为预设数值,具体可取值为8;
所述特征分析单元用于将偏向目标传输到融控单元,融控单元用于对偏向目标进行融合分析,融合分析具体为:
SS1:获取到偏向目标;
SS2:之后获取到偏向目标位于任选三大电商平台的购物记录;
SS3:将同时购买到偏向目标中任意三样以上的用户记录,之后将该用户购买的其他内容标记为可参对象;
SS4:获取到所有的可参对象;
SS5:根据可参对象近一个月内的好评数从大到小的顺序,将前X5名标记为关联对象,X5为预设值,具体可选为7;
所述融控单元用于将关联对象和偏向目标传输到调取单元,所述调取单元用于调取关联对象和偏向目标,并将其标记为新的潜在对象,并自动删除原有的潜在对象数据。之后调取单元会将新的潜在对象传输到处理器进行展示给学前儿童。
所述管理单元与处理器通信连接,用于录入所有的预设值。
本发明通过数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象,学习对象具体可为卡片、图册等内容;之后通过数据收集单元将互动信息传输到数据挑选单元,进行初步筛选,得到所有的潜在对象融合形成潜在对象组;之后借助调取单元将潜在对象传输到处理器,并借助显示单元进行显示;
之后通过行为监控单元和特征分析单元对学前儿童的行为进行判定和分析,借助相关方式判定其对相关数据是否有兴趣,并根据兴趣点进行进一步推荐。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种学前教育用的互动学习系统,其特征在于,包括数据收集单元、数据挑选单元、调取单元、处理器和显示单元;
其中,所述数据收集单元用于收集所有用于学前教育的互动信息,互动信息包括若干学前儿童的学习对象;所述数据收集单元用于将互动信息传输到数据挑选单元;所述数据挑选单元用于对互动信息进行初步筛选,得到所有的潜在对象融合形成潜在对象组;
所述数据挑选单元用于将潜在对象组传输到调取单元,所述调取单元用于将潜在对象传输到处理器,所述处理器接收调取单元传输的潜在对象之后,将其传输到显示单元;所述显示单元接收处理器传输的潜在对象并进行实时显示;
所述管理单元与处理器通信连接,用于录入所有的预设值。
2.根据权利要求1所述的一种学前教育用的互动学习系统,其特征在于,初步筛选的具体方式为:
步骤一:获取到互动信息内的所有的学习对象;
步骤二:从互联网中对学习对象进行数据搜集,得到所有学习对象的月销均值Yi和喜爱值Ai;
步骤三:获取到月销均值Yi和喜爱值Ai;利用公式计算选值Qi,具体计算公式为:
Qi=0.466*Yi+0.534*Ai;
式中,0.466和0.534均为对应因素的权值;
步骤四:之后按照Qi值从大到小的顺序进行排序;
步骤五:将排名处于前X1名的对应学习对象标记为潜在对象;X1为预设数值;
步骤六:将所有的潜在对象融合形成潜在对象组。
3.根据权利要求2所述的一种学前教育用的互动学习系统,其特征在于,步骤二中的数据搜集具体采用下述方式:
步骤S1:获取到所有学习对象的月销均值,月销均值具体指代为任选三家电商平台,调取对应学习对象的近一年的销售量;
之后对三家平台的销售量分别求取对应近一年的销售量的月度均值;
之后对求取到的三个月度均值再进行求取均值,将该均值标记为月销均值Yi,i=1...n;月销均值Yi与学习对象为一一对应关系;
步骤S2:获取到所有的学习对象的喜爱值;具体详见步骤S3;
步骤S3:首先获取到任意三家电商平台的对应学习对象的好评率;
步骤S4:之后进行数据滤除,具体将超过三个月的好评数据删除;
步骤S5:之后对滤除之后的数据进行均值求取,将得到的均值标记为喜爱值;
步骤S6:获取到所有学习对象的喜爱值,将其标记为Ai,i=1...n;Ai与Yi一一对应。
4.根据权利要求2所述的一种学前教育用的互动学习系统,其特征在于,步骤五中的X1具体取值为20。
5.根据权利要求1所述的一种学前教育用的互动学习系统,其特征在于,还包括
融控单元、行为监控单元、特征分析单元和管理单元;
其中,管理人员用于将显示单元显示的对应的潜在对象一一展示给对应学前儿童,并借助行为监控单元获取学前儿童的对应互动反应,将该反应标记为互动影像;所述行为监控单元用于将互动影像传输到处理器,所述处理器用于将互动影像传输到特征分析单元,所述特征分析单元用于对互动影像进行互动分析,得到偏向目标;
所述特征分析单元用于将偏向目标传输到融控单元,融控单元用于对偏向目标进行融合分析,融合分析具体为:
SS1:获取到偏向目标;
SS2:之后获取到偏向目标位于任选三大电商平台的购物记录;
SS3:将同时购买到偏向目标中任意三样以上的用户记录,之后将该用户购买的其他内容标记为可参对象;
SS4:获取到所有的可参对象;
SS5:根据可参对象近一个月内的好评数从大到小的顺序,将前X5名标记为关联对象,X5为预设值;
所述融控单元用于将关联对象和偏向目标传输到调取单元,所述调取单元用于调取关联对象和偏向目标,并将其标记为新的潜在对象,并自动删除原有的潜在对象数据。
6.根据权利要求1所述的一种学前教育用的互动学习系统,其特征在于,互动分析的具体步骤为:
S01:获取到互动影像;
S02:任选一潜在对象;
S03:之后将潜在对象标记为受向标本;
S04:实时获取学前儿童与受向标本的短向距离,短向距离指代学前儿童的整个身体距离受向标本之间的最短距离;
S05:每间隔T1时间获取一次短向距离,得到短向距离组Dj,j=1...m;
S06:之后获取到在互动学习期间短向距离组Dj低于X2的时间,将该时间标记为初段时间,该互动学习期间的时间为固定;
S07:之后获取到对应Dj超过X3的时间点,将该时间点标记为终段时间,初段时间到终段时间标记为交流段,交流段的总时长标记为交互时长;X3大于X2;
S08:之后获取到Dj处于X2到X3之间的次数,包括X2和X3;将该次数标记为乐向次数;
S09:得到对应受向标本的乐向次数和交互时长;
S010:之后获取到交流段时期学前儿童双手舞动的次数,双手舞动指代学前儿童手从胸线上下移动,将该次数标记为活跃次;胸线指代为两个腋下之间的连线;
S011:得到对应受向标本的活跃次、乐向次数和交互时长;
S012:任选下一潜在对象,重复步骤S03-S012,得到所有受向标本的活跃次、乐向次数和交互时长;
S013:将活跃次标记为Ho,o=1...20;将乐向次数标记为Lo,o=1...20;将交互时长标记为Jo,o=1...20;
S014:根据公式计算受向标本的偏向值Po,具体计算公式为:
Po=0.42*Ho+0.256*Lo+0.324*Jo;
式中,0.42、0.256和0.324均为预设的权值;
S015:按照Po从大到小的顺序对受向标本进行排序,将排名为前X4名标记为偏向目标;X4为预设数值。
7.根据权利要求6所述的一种学前教育用的互动学习系统,其特征在于,X4具体取值为8。
8.根据权利要求5所述的一种学前教育用的互动学习系统,其特征在于,X5具体为7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756640.5A CN113434719B (zh) | 2021-07-05 | 2021-07-05 | 一种学前教育用的互动学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756640.5A CN113434719B (zh) | 2021-07-05 | 2021-07-05 | 一种学前教育用的互动学习系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113434719A true CN113434719A (zh) | 2021-09-24 |
CN113434719B CN113434719B (zh) | 2022-11-25 |
Family
ID=77758934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110756640.5A Active CN113434719B (zh) | 2021-07-05 | 2021-07-05 | 一种学前教育用的互动学习系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434719B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680399A (zh) * | 2015-03-13 | 2015-06-03 | 江苏物联网研究发展中心 | 农资商品销售推荐方法 |
CN105653699A (zh) * | 2015-12-30 | 2016-06-08 | 青岛海尔股份有限公司 | 基于食谱的信息推送方法与装置 |
CN107292645A (zh) * | 2016-03-31 | 2017-10-24 | 壹贰叁叁购(厦门)信息技术有限公司 | 一种动态自适应的商品推荐方法 |
CN109118403A (zh) * | 2018-09-27 | 2019-01-01 | 广东小天才科技有限公司 | 一种实现多人互动学习的方法和智能灯具 |
CN109191971A (zh) * | 2018-11-19 | 2019-01-11 | 哈尔滨学院 | 一种基于智能图像识别的学前教育互动系统 |
CN110175883A (zh) * | 2019-04-10 | 2019-08-27 | 拉扎斯网络科技(上海)有限公司 | 一种排序方法、装置、电子设备和非易失性存储介质 |
US20200051450A1 (en) * | 2018-08-13 | 2020-02-13 | Facil Ltd.Co. | Audio-visual teaching platform and recommendation subsystem, analysis subsystem, recommendation method, analysis method thereof |
CN110880136A (zh) * | 2018-09-06 | 2020-03-13 | 北京京东尚科信息技术有限公司 | 配套产品的推荐方法、系统、设备和存储介质 |
CN111540244A (zh) * | 2020-05-11 | 2020-08-14 | 镇江纵陌阡横信息科技有限公司 | 一种基于大数据分析的多端线上授课系统 |
CN111898029A (zh) * | 2020-08-07 | 2020-11-06 | 姚春丽 | 一种基于互联网的网购产品推荐系统 |
KR20210019818A (ko) * | 2019-08-13 | 2021-02-23 | 주식회사 프론트유 | 양방향 교감 맞춤형 학습 컨텐츠 제공 시스템 및 방법 |
CN112767756A (zh) * | 2021-01-28 | 2021-05-07 | 温州大学 | 一种基于现代信息技术的协同教育平台 |
CN113012506A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市微幼科技有限公司 | 一种基于大数据的互动式教学系统 |
-
2021
- 2021-07-05 CN CN202110756640.5A patent/CN113434719B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680399A (zh) * | 2015-03-13 | 2015-06-03 | 江苏物联网研究发展中心 | 农资商品销售推荐方法 |
CN105653699A (zh) * | 2015-12-30 | 2016-06-08 | 青岛海尔股份有限公司 | 基于食谱的信息推送方法与装置 |
CN107292645A (zh) * | 2016-03-31 | 2017-10-24 | 壹贰叁叁购(厦门)信息技术有限公司 | 一种动态自适应的商品推荐方法 |
US20200051450A1 (en) * | 2018-08-13 | 2020-02-13 | Facil Ltd.Co. | Audio-visual teaching platform and recommendation subsystem, analysis subsystem, recommendation method, analysis method thereof |
CN110880136A (zh) * | 2018-09-06 | 2020-03-13 | 北京京东尚科信息技术有限公司 | 配套产品的推荐方法、系统、设备和存储介质 |
CN109118403A (zh) * | 2018-09-27 | 2019-01-01 | 广东小天才科技有限公司 | 一种实现多人互动学习的方法和智能灯具 |
CN109191971A (zh) * | 2018-11-19 | 2019-01-11 | 哈尔滨学院 | 一种基于智能图像识别的学前教育互动系统 |
CN110175883A (zh) * | 2019-04-10 | 2019-08-27 | 拉扎斯网络科技(上海)有限公司 | 一种排序方法、装置、电子设备和非易失性存储介质 |
KR20210019818A (ko) * | 2019-08-13 | 2021-02-23 | 주식회사 프론트유 | 양방향 교감 맞춤형 학습 컨텐츠 제공 시스템 및 방법 |
CN111540244A (zh) * | 2020-05-11 | 2020-08-14 | 镇江纵陌阡横信息科技有限公司 | 一种基于大数据分析的多端线上授课系统 |
CN111898029A (zh) * | 2020-08-07 | 2020-11-06 | 姚春丽 | 一种基于互联网的网购产品推荐系统 |
CN112767756A (zh) * | 2021-01-28 | 2021-05-07 | 温州大学 | 一种基于现代信息技术的协同教育平台 |
CN113012506A (zh) * | 2021-03-01 | 2021-06-22 | 深圳市微幼科技有限公司 | 一种基于大数据的互动式教学系统 |
Non-Patent Citations (4)
Title |
---|
何鹏程: "基于模因理论视角的抖音短视频APP的内容分析", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
周望: "基于机器学习的推荐系统关键技术及其应用研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
张恒: "个性化混合推荐算法在旅游中的应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
罗喆: "电商平台个性化推荐系统对消费者购买行为的影响研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113434719B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gibbons et al. | Focusing on teacher learning opportunities to identify potentially productive coaching activities | |
Wong et al. | Exploring sequences of learner activities in relation to self-regulated learning in a massive open online course | |
Lancaster et al. | Creation of the WHO Indicators of Infant and Young Child Development (IYCD): metadata synthesis across 10 countries | |
TWI707296B (zh) | 智慧教學顧問生成方法、系統、設備及儲存介質 | |
Ochoa et al. | Multimodal learning analytics-Rationale, process, examples, and direction | |
JP4631014B2 (ja) | 電子教材学習支援装置と電子教材学習支援システム及び電子教材学習支援方法並びに電子学習支援プログラム | |
Cobb et al. | Evaluation of virtual learning environments | |
CN110555790A (zh) | 一种自适应在线教育学习系统 | |
CN112001826A (zh) | 一种基于大数据的教育信息智能分类系统 | |
CN204425398U (zh) | 智能早教系统及装置 | |
KR100875942B1 (ko) | 온라인을 이용한 오픈 플랫폼 형 교육정보 제공 시스템 | |
Callaghan-Koru et al. | Theory-Informed course design: Applications of bloom’s taxonomy in undergraduate public health courses | |
Keskin et al. | Visual Attention and Recognition Differences Based on Expertise in a Map Reading and Memorability Study | |
Yuviler-Gavish et al. | Task analysis for developing maintenance and assembly VR training simulators | |
KR101963867B1 (ko) | 이러닝 서버, 이를 포함하는 이러닝 시스템 및 그 서비스 방법 | |
CN113434719B (zh) | 一种学前教育用的互动学习系统 | |
Ganefri et al. | Designing interface based on digipreneur to increase entrepreneurial interest in engineering students | |
Al Hayek et al. | Developing and Implementing a Web-Based educational platform for Children with Special Needs | |
Mungia et al. | Connecting and collaborating: developing national dental PBRN study concepts through POD engagement | |
CN112991554A (zh) | 一种历史文物数字化智能学习系统 | |
Hartini et al. | Analysis Of Online Learning Implementation In Schools During The Covid-19 Pandemic | |
Oussouaddi et al. | Advance in online education recommender systems during and after covid-19 a survey | |
Thompson | Development of a Framework to Measure Science Teachers' Inquiry Perceptions and Practices. | |
Pearson et al. | 32. Use of rapid assessment procedures for evaluation by UNICEF | |
Prodromou | Big Data in Education: Pedagogy and Research |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221108 Address after: 241000 1130, Building 1, South District, Longhu New Town, Longhu Street, Sanshan Economic Development Zone, Wuhu City, Anhui Province Applicant after: Wuhu crossing Information Technology Co.,Ltd. Address before: No.391, Huanghe fifth road, Binzhou City, Shandong Province Applicant before: Wang Dongmei |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |