CN113487248A - 一种基于大数据的个性化课程定制系统及方法 - Google Patents

一种基于大数据的个性化课程定制系统及方法 Download PDF

Info

Publication number
CN113487248A
CN113487248A CN202111040667.0A CN202111040667A CN113487248A CN 113487248 A CN113487248 A CN 113487248A CN 202111040667 A CN202111040667 A CN 202111040667A CN 113487248 A CN113487248 A CN 113487248A
Authority
CN
China
Prior art keywords
course
student
personalized
module
unit
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
CN202111040667.0A
Other languages
English (en)
Other versions
CN113487248B (zh
Inventor
谢小燕
周成滔
李雪勇
李群娣
李文
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 Qicheng Education Technology Co ltd
Original Assignee
Shenzhen Qicheng Education 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 Shenzhen Qicheng Education Technology Co ltd filed Critical Shenzhen Qicheng Education Technology Co ltd
Priority to CN202111040667.0A priority Critical patent/CN113487248B/zh
Publication of CN113487248A publication Critical patent/CN113487248A/zh
Application granted granted Critical
Publication of CN113487248B publication Critical patent/CN113487248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开一种基于大数据的个性化课程定制系统，属于课程定制技术领域。该系统包括学生课堂状态采集模块、学习态度分析模块、判断模块、职业方向规划模块、个性化课程定制模块；所述学生课堂状态采集模块的输出端与所述学习态度分析模块的输入端相连接；所述学习态度分析模块的输出端与所述判断模块的输入端相连接；所述判断模块的输出端与所述职业方向规划模块的输入端相连接；所述职业方向规划模块的输出端与所述个性化课程定制模块的输入端相连接；并同时提供一种基于大数据的个性化课程定制方法，进行具体实施，以保证学生能够在完成基础学业的同时，增添个性化课程，实现教育多元化。

Description

一种基于大数据的个性化课程定制系统及方法
技术领域
本发明涉及课程定制技术领域，具体为一种基于大数据的个性化课程定制系统及方法。
背景技术
大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力，而个性化课程就是尊重学生个性而进行定制的课程，必须根据每个学生的个性、兴趣、特长、需要进行施教，使学生完全是一种自主性的学习，并尽可能提高学生的其他专业能力。
在专利CN201810952570.9一种基于成绩预测的选修课精准推荐方法中，提出了根据命名实体识别及结构化文本特征提取的深度学习建立神经网络框架；从每一门课程教学大纲的结构化描述中提炼出有效刻画该门课程画像特点的表达向量，即课程画像向量，再通过融合一个学生的多门已修课程的课程画像并结合课程成绩，提炼得到该学生的课程画像；基于有效的成绩预测，得到精准的选修课课程推荐技术；但在其中并没有考虑到是不是所有学生都适合个性化课程，并且没有对学生的听课状态进行监测，如果一个学生无法保证一个正常的学习状态，进行个性化课程定制的结果只会适得其反，浪费资源的同时也不利于学生的发展；另外定制课程还存在时间安排的情况，因此需要进一步考虑，所以本发明提出了一种基于大数据的个性化课程定制系统及方法用来进一步加强个性化课程的定制。
发明内容
本发明的目的在于提供一种基于大数据的个性化课程定制系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于大数据的个性化课程定制系统，该系统包括学生课堂状态采集模块、学习态度分析模块、判断模块、职业方向规划模块、个性化课程定制模块；
所述学生课堂状态采集模块用于采集学生在上课过程中的各种学习状态；所述学习态度分析模块用于根据采集到的学习状态数据进行处理分析；所述判断模块用于根据分析数据判断是否开启个性化课程的定制；所述职业方向规划模块用于根据学生的每门课程的成绩和喜好情况建立个性化课程的定制；所述个性化课程定制模块用于根据学生的时间安排进行调整个性化课程的定制，确保学生能够按时上课；
所述学生课堂状态采集模块的输出端与所述学习态度分析模块的输入端相连接；所述学习态度分析模块的输出端与所述判断模块的输入端相连接；所述判断模块的输出端与所述职业方向规划模块的输入端相连接；所述职业方向规划模块的输出端与所述个性化课程定制模块的输入端相连接。
根据上述技术方案，所述学生课堂状态采集模块包括课程状态采集单元、成绩采集单元；
所述课程状态采集单元用于采集学生上课时的课堂提问、听课状态数据；所述成绩采集单元用于采集课后作业成绩数据；
所述课程状态采集单元的输出端与所述学习态度分析模块的输入端相连接；所述成绩采集单元的输出端与所述学习态度分析模块的输入端相连接。
根据上述技术方案，所述学习态度分析模块包括数据处理单元、分析单元；
所述数据处理单元用于处理学生课堂状态采集模块的采集数据，并建立第一模型进行数据处理；所述分析单元用于对第一模型的结果数据进行分析；
所述数据处理单元的输出端与所述分析单元的输入端相连接。
根据上述技术方案，所述判断模块包括接收单元、判断单元；
所述接收单元用于接收学习态度分析模块传输的分析数据；所述判断单元用于根据分析数据进行判断该学生是否满足开启个性化课程定制的条件，并进行相应开启或关闭；
所述接收单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述职业方向规划模块的输入端相连接。
根据上述技术方案，所述职业方向规划模块包括课程成绩单元、喜好单元；
所述课程成绩单元用于获取学生学习的每门课程的最终成绩，并根据成绩预测该学生最可能从事的职业；所述喜好单元用于分析学生的喜好情况，并根据此建立个性化定制课程；
所述课程成绩单元的输出端与所述个性化课程定制模块的输入端相连接；所述喜好单元的输出端与所述个性化课程定制模块的输入端相连接。
根据上述技术方案，所述个性化课程定制模块包括定制单元、时间调节单元；
所述定制单元用于进行个性化课程的定制，并发出课程表到学生端口，供学生查看；所述时间调节单元根据时间大数据进行调节个性化课程的定制，并最终得出结果；
所述定制单元的输出端与所述时间调节单元的输入端相连接。
一种基于大数据的个性化课程定制方法，该方法包括以下步骤：
S1、获取学生上课状态信息数据，对学生课堂状态进行分析，得出学生个人的学习水平和学习态度；
S2、获取学生的学习状态，计算第一模型值，并根据结果判断是否能够开启个性化课程的定制；
S3、根据学生的课程情况进行学生职业方向规划，并根据职业方向规划建立个性化课程定制模型；
S4、根据学生历史时间大数据，对个性化课程定制模型进行调整，满足学生实际上课需求；
在该方法中，学生课程包括文化课程、个性化课程；
所述文化课程为学生有义务完成的学校基础课程；例如一个中学生，那其文化课程就包括有数学、语文、英语等课程；若为一个大学生，则包括其专业课程等；所述个性化课程为尊重学生个性，拓展学生能力的课程；例如一个中学生，那其个性化课程就包括有音乐、美术等课程；若为一个大学生，则包括有选修课程等；
获取学生上课状态信息数据，建立第一模型；
所述学生上课状态信息数据包括出席信息数据、课堂学习状态、课后作业成绩；
所述出席信息数据从考勤表获取，以30天为单位，考勤缺席天数记为Q1；
所述课后作业成绩从教师处获取，以30天为单位，根据公式获取课后作业成绩标准值；
Figure 202868DEST_PATH_IMAGE001
其中，
Figure 275867DEST_PATH_IMAGE002
为课后作业成绩标准值；
Figure 306140DEST_PATH_IMAGE003
分别为出席的每一天的课后作业成绩；
Figure 995747DEST_PATH_IMAGE004
为出席天数数量；
Figure 972930DEST_PATH_IMAGE005
为及格分值；
在计算课后作业成绩标准值时，由于会出现缺席状况，导致不存在课后作业成绩，并最终导致标准值不准确，因此设置出席天数数量进行平衡，提出及格分值作为补充，使最终的标准值趋于准确；
所述课堂学习状态包括课堂提问状态、听课状态；
所述课堂提问状态从教师处获取，以30天为单位，每次课堂提问教师会记录被提问学生的回答状态，其中回答状态包括优、良、差；分别对应相应分值y1、y2、y3；则根据公式获取课堂提问状态标准值；
Figure 166014DEST_PATH_IMAGE006
其中，
Figure 367188DEST_PATH_IMAGE007
为课堂提问状态标准值；
Figure 12933DEST_PATH_IMAGE008
分别为对应y1、y2、y3的数量值；
Figure 793808DEST_PATH_IMAGE009
为提问考核标准值；k1为调节系数值1；
因为在不同的提问数量之下，单纯利用平均值会造成评估的差距性，因此对于提问次数进行限定，添加提问考核标准值，并设立相应的调节系数1，调节系数1根据考核标准值进行改变，即在考核标准值偏大时，调节系数1也偏大，这样可以确保评估的差距性降低，更有利于评估的精准；
所述听课状态监测步骤如下：
以教室任一墙角作为原点，建立空间直角坐标系，获取学生坐在座位上面向黑板时眉心位置坐标，记为
Figure 106977DEST_PATH_IMAGE010
；并同时获取学生人脸图案，进行识别，记录在对应学生档案中；
在每节课内每隔
Figure 682315DEST_PATH_IMAGE011
时刻获取眉心位置坐标，其中任一坐标记为
Figure 549777DEST_PATH_IMAGE012
；
设置偏离值D，若存在
Figure 665500DEST_PATH_IMAGE013
中任一大于偏离值D，则记为一次违纪，并将违纪情况记录在学生档案中；
眉心位置为人脸面向黑板时的眉心位置，若出现较大偏差，则说明学生在左顾右盼、交头接耳或者低头睡觉，都算作为违纪行为；
以30天为单位，统计每位学生的违纪总次数，记为Y；
则第一模型建立如下：
Figure 850755DEST_PATH_IMAGE014
其中，A代表第一模型值，即代表学生的学习状态参考值；
Figure 393731DEST_PATH_IMAGE015
分别代表对应数据的权重值；
获取多组第一模型值，按照时间从前到后的顺序进行排序，计算平均增长率，公式如下：
Figure 217331DEST_PATH_IMAGE016
其中，H为平均增长率；e为第一模型值的数量；
Figure 871166DEST_PATH_IMAGE017
代表第u组的第一模型值；
Figure 690087DEST_PATH_IMAGE018
代表第u-1组的第一模型值；
设置第一模型值阈值为
Figure 403965DEST_PATH_IMAGE019
；平均增长率阈值为
Figure 246019DEST_PATH_IMAGE020
；
若存在平均增长率超过阈值
Figure 703545DEST_PATH_IMAGE020
或获取的第一模型值中超出阈值
Figure 783496DEST_PATH_IMAGE019
的数量为Z组以上时，开启个性化课程定制；否则，不开启；其中，Z为判断指标值，为常数值。
在上述步骤中，分别设置平均增长率与判断指标值作为是否开启个性化课程定制的条件，其中平均增长率代表了学生在一定时间段内的努力程度，判断指标值代表了学生的基本水平程度，若超出二者的阈值则说明该学生具备能够完成文化课程的能力，因此可以开启个性化课程的定制，使之能够进行更全面的发展；
根据上述技术方案，在步骤S3中，建立个性化课程定制模型方法如下：
S8-1、获取学生的学习科目和喜好，同时获取各科目的学习成绩；
S8-2、根据步骤S8-1的学习成绩，选取成绩高于阈值G的科目作为数据基础，进行职业规划分析，并安排相应职业课程，其中，G为成绩阈值；例如一学生其电路分析课程成绩高于阈值G，则其最有可能从事职业为电气工程师，因此会为其安排职业课程为电路学习方面；
S8-3、根据步骤S8-1的喜好，为学生提供相应兴趣课程学习，并按照f1：f2的比例进行分配课程；其中，f1代表根据职业规划进行分配的课程，f2代表根据喜好分配的课程；f1与f2均为正整数。例如，一学生的喜好为音乐，则为其提供音乐兴趣课程；
根据上述技术方案，在步骤S4中，根据时间安排进行个性化课程定制模型调整的方法如下：
设置个性化定制课程r的开始时间为RTi，当前上课人数为RNi；
设置个性化定制课程r的新增上课人数为RNj；
新增上课人数RNj中的每个人的有效开始上课时间记为RT1、RT2……、RTj；
所述每个人的有效开始上课时间即为每个人结束上一课程后空闲时间；
将RT1、RT2……、RTj中超出RTi的人数提取出来，计总人数为K1；
根据公式计算调节值L：
Figure 465013DEST_PATH_IMAGE021
当L＞0时，对模型进行调整，可根据系统需要调节开始时间RTi，直至L=0或L＜0；若L≤0，则不做调整。
在上述步骤中，由于推荐与定制的不同，推荐课程作为一种选择，而定制课程需要付诸行动，而每节课都存在一定的上课时间，每个人在获得了自己的个性化定制课程后，由于个人时间的不确定性，会导致新增学生无法保证按时上课，在实际处理中，增加难度，因此本发明设置了调节值，在人数超出一定比例范围的情况下进行调节，从而确保大部分学生能够进行按时上课，保证个性化课程定制的成功率。
与现有技术相比，本发明所达到的有益效果是：
1、本发明能够提供个性化课程的定制，利于发展全面教育，节省教学时间，使教师们授课目标明确，具备针对性，满足学生的个性化发展，提高我国整体教育教学水平；
2、本发明能够根据学生的课堂状态、听课状态以及学习成绩等多方面综合因素，判断其是否能够进行个性化课程的定制，在一定程度上做到了因材施教，对于能够完成基本学业的学生进行更高的提升，对于不能够完成基础学业的学生进行提示，具备一定的激励作用；
3、本发明还能够根据时间安排对个性化课程定制进行调整，使得个性化课程在定制后能够完整实施，避免课程仅出现定制却无法实际实施的弊端。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于大数据的个性化课程定制系统及方法的流程示意图；
图2是本发明基于大数据的个性化课程定制方法的步骤示意图。
具体实施方式
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。
请参阅图1-图2，本发明提供技术方案：
一种基于大数据的个性化课程定制系统，该系统包括学生课堂状态采集模块、学习态度分析模块、判断模块、职业方向规划模块、个性化课程定制模块；
所述学生课堂状态采集模块用于采集学生在上课过程中的各种学习状态；所述学习态度分析模块用于根据采集到的学习状态数据进行处理分析；所述判断模块用于根据分析数据判断是否开启个性化课程的定制；所述职业方向规划模块用于根据学生的每门课程的成绩和喜好情况建立个性化课程的定制；所述个性化课程定制模块用于根据学生的时间安排进行调整个性化课程的定制，确保学生能够按时上课；
所述学生课堂状态采集模块的输出端与所述学习态度分析模块的输入端相连接；所述学习态度分析模块的输出端与所述判断模块的输入端相连接；所述判断模块的输出端与所述职业方向规划模块的输入端相连接；所述职业方向规划模块的输出端与所述个性化课程定制模块的输入端相连接。
所述学生课堂状态采集模块包括课程状态采集单元、成绩采集单元；
所述课程状态采集单元用于采集学生上课时的课堂提问、听课状态数据；所述成绩采集单元用于采集课后作业成绩数据；
所述课程状态采集单元的输出端与所述学习态度分析模块的输入端相连接；所述成绩采集单元的输出端与所述学习态度分析模块的输入端相连接。
所述学习态度分析模块包括数据处理单元、分析单元；
所述数据处理单元用于处理学生课堂状态采集模块的采集数据，并建立第一模型进行数据处理；所述分析单元用于对第一模型的结果数据进行分析；
所述数据处理单元的输出端与所述分析单元的输入端相连接。
所述判断模块包括接收单元、判断单元；
所述接收单元用于接收学习态度分析模块传输的分析数据；所述判断单元用于根据分析数据进行判断该学生是否满足开启个性化课程定制的条件，并进行相应开启或关闭；
所述接收单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述职业方向规划模块的输入端相连接。
所述职业方向规划模块包括课程成绩单元、喜好单元；
所述课程成绩单元用于获取学生学习的每门课程的最终成绩，并根据成绩预测该学生最可能从事的职业；所述喜好单元用于分析学生的喜好情况，并根据此建立个性化定制课程；
所述课程成绩单元的输出端与所述个性化课程定制模块的输入端相连接；所述喜好单元的输出端与所述个性化课程定制模块的输入端相连接。
所述个性化课程定制模块包括定制单元、时间调节单元；
所述定制单元用于进行个性化课程的定制，并发出课程表到学生端口，供学生查看；所述时间调节单元根据时间大数据进行调节个性化课程的定制，并最终得出结果；
所述定制单元的输出端与所述时间调节单元的输入端相连接。
一种基于大数据的个性化课程定制方法，该方法包括以下步骤：
S1、获取学生上课状态信息数据，对学生课堂状态进行分析，得出学生个人的学习水平和学习态度；
S2、获取学生的学习状态，计算第一模型值，并根据结果判断是否能够开启个性化课程的定制；
S3、根据学生的课程情况进行学生职业方向规划，并根据职业方向规划建立个性化课程定制模型；
S4、根据学生历史时间大数据，对个性化课程定制模型进行调整，满足学生实际上课需求；
在该方法中，学生课程包括文化课程、个性化课程；
所述文化课程为学生有义务完成的学校基础课程；所述个性化课程为尊重学生个性，拓展学生能力的课程；
获取学生上课状态信息数据，建立第一模型；
所述学生上课状态信息数据包括出席信息数据、课堂学习状态、课后作业成绩；
所述出席信息数据从考勤表获取，以30天为单位，考勤缺席天数记为Q1；
所述课后作业成绩从教师处获取，以30天为单位，根据公式获取课后作业成绩标准值；
Figure 997626DEST_PATH_IMAGE022
其中，
Figure 524422DEST_PATH_IMAGE002
为课后作业成绩标准值；
Figure 317935DEST_PATH_IMAGE023
分别为出席的每一天的课后作业成绩；
Figure 435932DEST_PATH_IMAGE024
为出席天数数量；
Figure 252579DEST_PATH_IMAGE025
为及格分值；
所述课堂学习状态包括课堂提问状态、听课状态；
所述课堂提问状态从教师处获取，以30天为单位，每次课堂提问教师会记录被提问学生的回答状态，其中回答状态包括优、良、差；分别对应相应分值y1、y2、y3；则根据公式获取课堂提问状态标准值；
Figure 385663DEST_PATH_IMAGE006
其中，
Figure 502523DEST_PATH_IMAGE007
为课堂提问状态标准值；
Figure 463526DEST_PATH_IMAGE008
分别为对应y1、y2、y3的数量值；
Figure 767469DEST_PATH_IMAGE009
为提问考核标准值；k1为调节系数值1；
所述听课状态监测步骤如下：
以教室任一墙角作为原点，建立空间直角坐标系，获取学生坐在座位上面向黑板时眉心位置坐标，记为
Figure 370488DEST_PATH_IMAGE026
；并同时获取学生人脸图案，进行识别，记录在对应学生档案中；
在每节课内每隔
Figure 810697DEST_PATH_IMAGE027
时刻获取眉心位置坐标，其中任一坐标记为
Figure 473759DEST_PATH_IMAGE012
；
设置偏离值D，若存在
Figure 999419DEST_PATH_IMAGE013
中任一大于偏离值D，则记为一次违纪，并将违纪情况记录在学生档案中；
以30天为单位，统计每位学生的违纪总次数，记为Y；
则第一模型建立如下：
Figure 406129DEST_PATH_IMAGE014
其中，A代表第一模型值，即代表学生的学习状态参考值；
Figure 700844DEST_PATH_IMAGE015
分别代表对应数据的权重值；
获取多组第一模型值，按照时间从前到后的顺序进行排序，计算平均增长率，公式如下：
Figure 534808DEST_PATH_IMAGE016
其中，H为平均增长率；e为第一模型值的数量；
Figure 344501DEST_PATH_IMAGE028
代表第u组的第一模型值；
Figure 289323DEST_PATH_IMAGE029
代表第u-1组的第一模型值；
设置第一模型值阈值为
Figure 907386DEST_PATH_IMAGE030
；平均增长率阈值为
Figure 906392DEST_PATH_IMAGE031
；
若存在平均增长率超过阈值
Figure 406644DEST_PATH_IMAGE031
或获取的第一模型值中超出阈值
Figure 420736DEST_PATH_IMAGE030
的数量为Z组以上时，开启个性化课程定制；否则，不开启；其中，Z为判断指标值，为常数值。
在步骤S3中，建立个性化课程定制模型方法如下：
S8-1、获取学生的学习科目和喜好，同时获取各科目的学习成绩；
S8-2、根据步骤S8-1的学习成绩，选取成绩高于阈值G的科目作为数据基础，进行职业规划分析，并安排相应职业课程，其中，G为成绩阈值；
S8-3、根据步骤S8-1的喜好，为学生提供相应兴趣课程学习，并按照f1：f2的比例进行分配课程；其中，f1代表根据职业规划进行分配的课程，f2代表根据喜好分配的课程；f1与f2均为正整数。
在步骤S4中，根据时间安排进行个性化课程定制模型调整的方法如下：
设置个性化定制课程r的开始时间为RTi，当前上课人数为RNi；
设置个性化定制课程r的新增上课人数为RNj；
新增上课人数RNj中的每个人的有效开始上课时间记为RT1、RT2……、RTj；
所述每个人的有效开始上课时间即为每个人结束上一课程后空闲时间；
将RT1、RT2……、RTj中超出RTi的人数提取出来，计总人数为K1；
根据公式计算调节值L：
Figure 690043DEST_PATH_IMAGE021
当L＞0时，对模型进行调整，可根据系统需要调节开始时间RTi，直至L=0或L＜0；若L≤0，则不做调整。
在本实施例中：
获取学生E上课状态信息数据；
所述学生上课状态信息数据包括出席信息数据、课堂学习状态、课后作业成绩；
所述出席信息数据从考勤表获取，以30天为单位，考勤缺席天数为5天；
所述课后作业成绩从教师处获取，以30天为单位，根据公式获取课后作业成绩标准值；
Figure 865810DEST_PATH_IMAGE032
其中，
Figure 56620DEST_PATH_IMAGE002
为课后作业成绩标准值；
Figure 343245DEST_PATH_IMAGE003
分别为出席的每一天的课后作业成绩；
Figure 732638DEST_PATH_IMAGE004
为出席天数数量；
Figure 79305DEST_PATH_IMAGE005
为及格分值；
其中及格分值为60，25天出席的课后作业成绩分别为95、92、90、92、90、92、90、92、90、95、92、95、92、92、92、95、98、90、95、92、95、92、95、92、98；
Figure 554149DEST_PATH_IMAGE033
所述课堂学习状态包括课堂提问状态、听课状态；
所述课堂提问状态从教师处获取，以30天为单位，每次课堂提问教师会记录被提问学生的回答状态，其中回答状态包括优、良、差；分别对应相应分值y1、y2、y3；则根据公式获取课堂提问状态标准值；
Figure 644465DEST_PATH_IMAGE034
其中，
Figure 91627DEST_PATH_IMAGE007
为课堂提问状态标准值；
Figure 609196DEST_PATH_IMAGE008
分别为对应y1、y2、y3的数量值；
Figure 305756DEST_PATH_IMAGE009
为提问考核标准值；k1为调节系数值1；
其中，y1=90；y2=80；y3=60；
Figure 730921DEST_PATH_IMAGE008
分别为20；12；30；
Figure 298169DEST_PATH_IMAGE009
为60；k1=10；
Figure 986639DEST_PATH_IMAGE035
所述听课状态监测步骤如下：
以教室任一墙角作为原点，建立空间直角坐标系，获取学生坐在座位上面向黑板时眉心位置坐标，记为
Figure 176355DEST_PATH_IMAGE026
；并同时获取学生人脸图案，进行识别，记录在对应学生档案中；
在每节课内每隔
Figure 608474DEST_PATH_IMAGE011
时刻获取眉心位置坐标，其中任一坐标记为
Figure 92544DEST_PATH_IMAGE012
；
设置偏离值D，若存在
Figure 951916DEST_PATH_IMAGE013
中任一大于偏离值D，则记为一次违纪，并将违纪情况记录在学生档案中；
以30天为单位，统计每位学生的违纪总次数，记为Y；
其中Y=160；
则第一模型建立如下：
Figure 623069DEST_PATH_IMAGE036
其中，A代表第一模型值，即代表学生的学习状态参考值；
Figure 593299DEST_PATH_IMAGE015
分别代表对应数据的权重值，分别为0.4、0.02、0.02、0.02；
Figure 666297DEST_PATH_IMAGE037
；
设置第一模型值阈值为
Figure 696570DEST_PATH_IMAGE030
为15；
因为8.4254＜15；所以该同学E不开启个性化课程定制。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的个性化课程定制系统，其特征在于：该系统包括学生课堂状态采集模块、学习态度分析模块、判断模块、职业方向规划模块、个性化课程定制模块；
所述学生课堂状态采集模块用于采集学生在上课过程中的各种学习状态；所述学习态度分析模块用于根据采集到的学习状态数据进行处理分析；所述判断模块用于根据分析数据判断是否开启个性化课程的定制；所述职业方向规划模块用于根据学生的每门课程的成绩和喜好情况建立个性化课程的定制；所述个性化课程定制模块用于根据学生的时间安排进行调整个性化课程的定制，确保学生能够按时上课；
所述学生课堂状态采集模块的输出端与所述学习态度分析模块的输入端相连接；所述学习态度分析模块的输出端与所述判断模块的输入端相连接；所述判断模块的输出端与所述职业方向规划模块的输入端相连接；所述职业方向规划模块的输出端与所述个性化课程定制模块的输入端相连接。
2.根据权利要求1所述的一种基于大数据的个性化课程定制系统，其特征在于：所述学生课堂状态采集模块包括课程状态采集单元、成绩采集单元；
所述课程状态采集单元用于采集学生上课时的课堂提问、听课状态数据；所述成绩采集单元用于采集课后作业成绩数据；
所述课程状态采集单元的输出端与所述学习态度分析模块的输入端相连接；所述成绩采集单元的输出端与所述学习态度分析模块的输入端相连接。
3.根据权利要求1所述的一种基于大数据的个性化课程定制系统，其特征在于：所述学习态度分析模块包括数据处理单元、分析单元；
所述数据处理单元用于处理学生课堂状态采集模块的采集数据，并建立第一模型进行数据处理；所述分析单元用于对第一模型的结果数据进行分析；
所述数据处理单元的输出端与所述分析单元的输入端相连接。
4.根据权利要求1所述的一种基于大数据的个性化课程定制系统，其特征在于：所述判断模块包括接收单元、判断单元；
所述接收单元用于接收学习态度分析模块传输的分析数据；所述判断单元用于根据分析数据进行判断该学生是否满足开启个性化课程定制的条件，并进行相应开启或关闭；
所述接收单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述职业方向规划模块的输入端相连接。
5.根据权利要求1所述的一种基于大数据的个性化课程定制系统，其特征在于：所述职业方向规划模块包括课程成绩单元、喜好单元；
所述课程成绩单元用于获取学生学习的每门课程的最终成绩，并根据成绩预测该学生最可能从事的职业；所述喜好单元用于分析学生的喜好情况，并根据此建立个性化定制课程；
所述课程成绩单元的输出端与所述个性化课程定制模块的输入端相连接；所述喜好单元的输出端与所述个性化课程定制模块的输入端相连接。
6.根据权利要求1所述的一种基于大数据的个性化课程定制系统，其特征在于：所述个性化课程定制模块包括定制单元、时间调节单元；
所述定制单元用于进行个性化课程的定制，并发出课程表到学生端口，供学生查看；所述时间调节单元根据时间大数据进行调节个性化课程的定制，并最终得出结果；
所述定制单元的输出端与所述时间调节单元的输入端相连接。
7.一种基于大数据的个性化课程定制方法，其特征在于：该方法包括以下步骤：
S1、获取学生上课状态信息数据，对学生课堂状态进行分析，得出学生个人的学习水平和学习态度；
S2、获取学生的学习状态，计算第一模型值，并根据结果判断是否能够开启个性化课程的定制；
S3、根据学生的课程情况进行学生职业方向规划，并根据职业方向规划建立个性化课程定制模型；
S4、根据学生历史时间大数据，对个性化课程定制模型进行调整，满足学生实际上课需求；
在该方法中，学生课程包括文化课程、个性化课程；
所述文化课程为学生有义务完成的学校基础课程；所述个性化课程为尊重学生个性，拓展学生能力的课程；
获取学生上课状态信息数据，建立第一模型；
所述学生上课状态信息数据包括出席信息数据、课堂学习状态、课后作业成绩；
所述出席信息数据从考勤表获取，以30天为单位，考勤缺席天数记为Q1；
所述课后作业成绩从教师处获取，以30天为单位，根据公式获取课后作业成绩标准值；
Figure 220375DEST_PATH_IMAGE001
其中，
Figure 728717DEST_PATH_IMAGE002
为课后作业成绩标准值；
Figure 921801DEST_PATH_IMAGE003
分别为出席的每一天的课后作业成绩；
Figure 122975DEST_PATH_IMAGE004
为出席天数数量；
Figure 971983DEST_PATH_IMAGE005
为及格分值；
所述课堂学习状态包括课堂提问状态、听课状态；
所述课堂提问状态从教师处获取，以30天为单位，每次课堂提问教师会记录被提问学生的回答状态，其中回答状态包括优、良、差；分别对应相应分值y1、y2、y3；则根据公式获取课堂提问状态标准值；
Figure 549594DEST_PATH_IMAGE006
其中，
Figure 800447DEST_PATH_IMAGE007
为课堂提问状态标准值；
Figure 172523DEST_PATH_IMAGE008
分别为对应y1、y2、y3的数量值；
Figure 305564DEST_PATH_IMAGE009
为提问考核标准值；k1为调节系数值1；
所述听课状态监测步骤如下：
以教室任一墙角作为原点，建立空间直角坐标系，获取学生坐在座位上面向黑板时眉心位置坐标，记为
Figure 421287DEST_PATH_IMAGE011
；并同时获取学生人脸图案，进行识别，记录在对应学生档案中；
在每节课内每隔
Figure 323384DEST_PATH_IMAGE012
时刻获取眉心位置坐标，其中任一坐标记为
Figure 663099DEST_PATH_IMAGE013
；
设置偏离值D，若存在
Figure 283436DEST_PATH_IMAGE014
中任一大于偏离值D，则记为一次违纪，并将违纪情况记录在学生档案中；
以30天为单位，统计每位学生的违纪总次数，记为Y；
则第一模型建立如下：
Figure 937271DEST_PATH_IMAGE015
其中，A代表第一模型值，即代表学生的学习状态参考值；
Figure 897137DEST_PATH_IMAGE016
分别代表对应数据的权重值；
获取多组第一模型值，按照时间从前到后的顺序进行排序，计算平均增长率，公式如下：
Figure 148033DEST_PATH_IMAGE017
其中，H为平均增长率；e为第一模型值的数量；
Figure 990087DEST_PATH_IMAGE018
代表第u组的第一模型值；
Figure 447613DEST_PATH_IMAGE019
代表第u-1组的第一模型值；
设置第一模型值阈值为
Figure 527564DEST_PATH_IMAGE020
；平均增长率阈值为
Figure 412344DEST_PATH_IMAGE021
；
若存在平均增长率超过阈值
Figure 7273DEST_PATH_IMAGE022
或获取的第一模型值中超出阈值
Figure 268490DEST_PATH_IMAGE023
的数量为Z组以上时，开启个性化课程定制；否则，不开启；其中，Z为判断指标值，为常数值。
8.根据权利要求7所述的一种基于大数据的个性化课程定制方法，其特征在于：在步骤S3中，建立个性化课程定制模型方法如下：
S8-1、获取学生的学习科目和喜好，同时获取各科目的学习成绩；
S8-2、根据步骤S8-1的学习成绩，选取成绩高于阈值G的科目作为数据基础，进行职业规划分析，并安排相应职业课程，其中，G为成绩阈值；
S8-3、根据步骤S8-1的喜好，为学生提供相应兴趣课程学习，并按照f1：f2的比例进行分配课程；其中，f1代表根据职业规划进行分配的课程，f2代表根据喜好分配的课程；f1与f2均为正整数。
9.根据权利要求7所述的一种基于大数据的个性化课程定制方法，其特征在于：在步骤S4中，根据时间安排进行个性化课程定制模型调整的方法如下：
获取个性化定制课程r的开始时间为RTi，当前上课人数为RNi；
获取个性化定制课程r的新增上课人数为RNj；
新增上课人数RNj中的每个人的有效开始上课时间记为RT1、RT2……、RTj；
所述每个人的有效开始上课时间即为每个人结束上一课程后空闲时间；
将RT1、RT2……、RTj中超出RTi的人数提取出来，计总人数为K1；
根据公式计算调节值L：
Figure 202948DEST_PATH_IMAGE024
当L＞0时，对模型进行调整，可根据系统需要调节开始时间RTi，直至L=0或L＜0；若L≤0，则不做调整。
CN202111040667.0A 2021-09-07 2021-09-07 一种基于大数据的个性化课程定制系统及方法 Active CN113487248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111040667.0A CN113487248B (zh) 2021-09-07 2021-09-07 一种基于大数据的个性化课程定制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111040667.0A CN113487248B (zh) 2021-09-07 2021-09-07 一种基于大数据的个性化课程定制系统及方法

Publications (2)

Publication Number Publication Date
CN113487248A true CN113487248A (zh) 2021-10-08
CN113487248B CN113487248B (zh) 2021-12-10

Family

ID=77947362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111040667.0A Active CN113487248B (zh) 2021-09-07 2021-09-07 一种基于大数据的个性化课程定制系统及方法

Country Status (1)

Country Link
CN (1) CN113487248B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493511A (zh) * 2022-01-13 2022-05-13 北京正在关怀科技有限公司 针对孤独症及其他发育障碍儿童的康复教学课堂系统
CN114819748A (zh) * 2022-06-23 2022-07-29 云账户技术(天津)有限公司 个体工商户注册通过率的评估方法、装置及电子设备
CN115689825A (zh) * 2022-10-26 2023-02-03 哈尔滨学院 基于互联网的课堂教学数据管理方法及其系统
CN117153007A (zh) * 2023-09-05 2023-12-01 深圳市弘扬德教科技有限公司 基于人工智能的课堂教学互动系统
CN117557008A (zh) * 2024-01-11 2024-02-13 深圳市博安智控科技有限公司 一种基于用户特征的智慧教育方案推送方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363690A (zh) * 2019-05-29 2019-10-22 广东精标科技股份有限公司 基于大数据的学生管理系统
CN111127263A (zh) * 2019-11-21 2020-05-08 张梓恒 一种基于区块链的学生成长发展智能分析平台
CN111897708A (zh) * 2020-07-24 2020-11-06 海南中金德航科技股份有限公司 用户行为分析系统
CN112651865A (zh) * 2020-12-30 2021-04-13 北京市商汤科技开发有限公司 一种行为状态的提示方法、装置、电子设备及存储介质
WO2021098187A1 (zh) * 2019-11-22 2021-05-27 广东机电职业技术学院 一种学生学习兴趣画像生成系统、方法、装置及存储介质
CN112950425A (zh) * 2021-03-09 2021-06-11 浙江创课网络科技有限公司 一种基于多维度的个性化学习计划动态生成方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363690A (zh) * 2019-05-29 2019-10-22 广东精标科技股份有限公司 基于大数据的学生管理系统
CN111127263A (zh) * 2019-11-21 2020-05-08 张梓恒 一种基于区块链的学生成长发展智能分析平台
WO2021098187A1 (zh) * 2019-11-22 2021-05-27 广东机电职业技术学院 一种学生学习兴趣画像生成系统、方法、装置及存储介质
CN111897708A (zh) * 2020-07-24 2020-11-06 海南中金德航科技股份有限公司 用户行为分析系统
CN112651865A (zh) * 2020-12-30 2021-04-13 北京市商汤科技开发有限公司 一种行为状态的提示方法、装置、电子设备及存储介质
CN112950425A (zh) * 2021-03-09 2021-06-11 浙江创课网络科技有限公司 一种基于多维度的个性化学习计划动态生成方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493511A (zh) * 2022-01-13 2022-05-13 北京正在关怀科技有限公司 针对孤独症及其他发育障碍儿童的康复教学课堂系统
CN114819748A (zh) * 2022-06-23 2022-07-29 云账户技术(天津)有限公司 个体工商户注册通过率的评估方法、装置及电子设备
CN115689825A (zh) * 2022-10-26 2023-02-03 哈尔滨学院 基于互联网的课堂教学数据管理方法及其系统
CN117153007A (zh) * 2023-09-05 2023-12-01 深圳市弘扬德教科技有限公司 基于人工智能的课堂教学互动系统
CN117557008A (zh) * 2024-01-11 2024-02-13 深圳市博安智控科技有限公司 一种基于用户特征的智慧教育方案推送方法及系统
CN117557008B (zh) * 2024-01-11 2024-03-29 深圳市博安智控科技有限公司 一种基于用户特征的智慧教育方案推送方法及系统

Also Published As

Publication number Publication date
CN113487248B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113487248B (zh) 一种基于大数据的个性化课程定制系统及方法
JP3731868B2 (ja) 学習システム
Gilmartin et al. Gender ratios in high school science departments: The effect of percent female faculty on multiple dimensions of students' science identities
Ornstein Homework, studying, and note taking: Essential skills for students
McIntire et al. Improving retention through intensive practice in college survival skills
FRASIER Programing for the Culturally Diverse
Clow Difference between teacher professed collaborative teaching mode and adult student perception of collaborative teaching mode
Helms Preservice secondary mathematics teachers' beliefs about mathematics and the teaching of mathematics: Two case studies
Soar et al. Problems in Using Pupil Outcomes for Teacher Evaluation.
Connelly Teacher evaluation: A critical review and a plea for supervised reflective practice
Baer The systematic study of teaching and teaching efficiency
HERIZAL The Relationship among learning styles, classroom environment, and academic achievement of English education study program students in state Islamic university of Raden Fatah Palembang
Barrett A Comparison of Two Approaches to First Grade Phonics Instruction in the Riverside Unified School District.
Winborn A Study of the Effectiveness of a Saturday School in Reducing Suspension, Expulsion, and Corporal Punishment.
KR20010104022A (ko) 등급별 문제은행 운영 방법
Serwatka et al. Single versus multiple certification for teachers of hearing-impaired students
Sinta School Organizational Culture and Achievement Motivation With Teacher Performance at MA Miftahul'Ulum Tuyau School
Breton Family, Schools, or Culture: What Explains Differences in US Student Achievement Across Ethnic Groups on PISA 2012?
Walter et al. Attrition among hearing-impaired college students in the US
Foeller Student/Teacher Interactions and Their Effect on Pre-College Economic Literacy.
Angius The Appropriateness Of Selected Inservice Education Practices As Perceived By Secondary School Educators.
Byrne Optimal matching of teachers and students by conceptual systems in an introductory psychology course using student achievement as criterion
Shanks Curriculum Standardization and the Role of Teachers.
JONES JR The effect of in-service training on the performance and attitudes of inner-city teachers
WK et al. COMPETENCE OF LECTURERS FACULTY OF ECONOMICS UNIVERSITY OF SRIWIJAYA

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