CN113627779A - 一种基于大数据和ai技术的教学管理、质量评估系统 - Google Patents
一种基于大数据和ai技术的教学管理、质量评估系统 Download PDFInfo
- Publication number
- CN113627779A CN113627779A CN202110906483.1A CN202110906483A CN113627779A CN 113627779 A CN113627779 A CN 113627779A CN 202110906483 A CN202110906483 A CN 202110906483A CN 113627779 A CN113627779 A CN 113627779A
- Authority
- CN
- China
- Prior art keywords
- module
- analysis
- data
- teaching
- quality
- 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.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 51
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 134
- 230000006399 behavior Effects 0.000 claims description 63
- 238000007726 management method Methods 0.000 claims description 63
- 238000013473 artificial intelligence Methods 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 31
- 230000014509 gene expression Effects 0.000 claims description 29
- 230000006872 improvement Effects 0.000 claims description 28
- 238000007405 data analysis Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000007619 statistical method Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 238000001303 quality assessment method Methods 0.000 claims description 14
- 238000003032 molecular docking Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007477 logistic regression Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004141 dimensional analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 230000007812 deficiency Effects 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 206010027940 Mood altered Diseases 0.000 description 2
- 208000010340 Sleep Deprivation Diseases 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010195 expression analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 238000003326 Quality management system Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/44—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Electrically Operated Instructional Devices (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明涉及教学管理技术领域，具体地说，涉及一种基于大数据和AI技术的教学管理、质量评估系统。包括基础建设单元、课堂分析单元、多层数据单元和质量评估单元；基础建设单元用于提供并管理支持系统运行的建设基础；课堂分析单元用于对教学视频进行质量分析管理；多层数据单元用于对校园教学质量进行综合的分析管理；质量评估单元用于评估并形成最终的分析报告。本发明设计可以全面地获取课堂教学视频，节省人力和时间，能够全面、快速地评估课堂教学质量；可以按照实际需求进行数据归类统计，便于教育工作者快速且准确发现教师及学生存在的问题并进行改善，以提高校园师生的综合素质及课堂质量；可以给教育决策者提供科学、全面的决策依据。
Description
技术领域
本发明涉及教学管理技术领域，具体地说，涉及一种基于大数据和AI技术的教学管理、质量评估系统。
背景技术
课堂教学质量使衡量学校教学水平的重要指标，课堂教学质量和学生的学习成绩、思维发展、个人素质培养等方面息息相关。在教育信息化普及之前乃至当下，都没有一个有效的量化分析和技术手段，只能通过传统的听课、教研等方式来评价课堂质量，这种方式的确能够起到一定的作用，但是见效慢、耗时耗力。传统听课、教研过程中，教师和学生都会产生一定的压力感，而无法展现出日常教学过程中的正常表现状态，同时，听课教研人员一般在课堂尾部，无法直接且全面地观察学生的课堂行为，从而导致教学质量的评价不够准确。同时，传统评估方式不能持续进行，无法形成系统的分析评估报告，导致教学质量评估不够全面，无法更好反应学校教学质量，也无法作为教学任务调整的决策依据。若能够通过录制课堂教学视频，并通过大数据分析和人工智能AI技术对视频进行判识分析，则可以有效解决上述问题。然而，目前却没有可实现该功能的教学质量管理系统。
发明内容
本发明的目的在于提供了一种基于大数据和AI技术的教学管理、质量评估系统，以解决上述背景技术中提出的问题。
为实现上述技术问题的解决，本发明的目的之一在于，提供了一种基于大数据和AI技术的教学管理、质量评估系统，包括
基础建设单元、课堂分析单元、多层数据单元和质量评估单元；所述基础建设单元、所述课堂分析单元、所述多层数据单元与所述质量评估单元依次通过网络通信连接；所述基础建设单元用于提供并管理支持系统运行的终端设备、功能应用、智能技术及数据基础等建设基础；所述课堂分析单元用于对单个教室单一课堂的教学视频进行质量分析管理；所述多层数据单元用于联合多层数据对校园教学质量进行综合的分析管理；所述质量评估单元用于对课堂的教学质量进行评估并形成最终的分析报告；
所述基础建设单元包括终端设备模块、支撑应用模块、技术支持模块和数据处理模块；所述课堂分析单元包括表情行为分析模块、行为统计模块、多维数据统计模块和专注度统计模块；所述多层数据单元包括多课堂分析模块、学科分析模块、班级对比模块和学校综合分析模块；所述质量评估单元包括质量评分模块、智能排序模块、改善建议模块和分析报告模块；
基于以若干摄像头和计算机装置为主的所述终端设备模块搭建基础架构，连接校园信息管理系统以获取数据支撑，在大数据和人工智能AI技术的基础上，通过所述数据处理模块从实时摄录的视频及校园信息管理系统中采集获取教学数据并进行整理分析操作；
从教学视频数据中，通过对教师与学生的表情行为、行为频次进行多维度统计分析，并依此对学生课堂的专注度情况进行统计分析；同时从多课堂、学科、班级等方面对课堂质量进行多层次的分析，进而扩展到对校园教学情况的评估分析；
基于多维度、多层次的分析结果，对不同班级、不同教师、不同学生、不同学科的课堂质量进行评分，对评分进行排序，并针对评分过程中发现的课堂质量问题提出改善建议，最后结合所有信息生成全面的分析报告以作为教育工作者调整教学模式的决策依据。
作为本技术方案的进一步改进，所述终端设备模块、所述支撑应用模块、所述技术支持模块与所述数据处理模块依次通过网络通信连接且并列运行；所述终端设备模块用于提供搭建系统的各种智能终端设备并对各终端之间的连接进行管理；所述支撑应用模块用于通过将系统与校园信息管理系统对接以获取关联数据来支撑教学质量分析管理；所述技术支持模块用于通过大数据分析及人工智能AI技术来实现教学质量的数据分析；所述数据处理模块用于对作为教学质量评估分析的基础数据进行采集、分析等操作。
其中，终端设备包括但不限于若干摄像头(分为学生拍摄和教师拍摄两类)、中心机房(包括交换机、数据采集服务器、数据处理服务器、显示终端等)等。
其中，数据处理的项目包括数据采集、清洗、整理、判断、提炼、分析等；具体地，数据类型包括实时录播的教学视频、往期录制的历史教学视频、课表安排、学生成绩等。
作为本技术方案的进一步改进，所述支撑应用模块包括平台连接模块、课表关联模块、成绩对接模块和用户服务模块；所述平台连接模块的信号输出端与所述课表关联模块、所述成绩对接模块、所述用户服务模块的信号输入端连接，所述课表关联模块、所述成绩对接模块与所述用户服务模块并列运行；所述平台连接模块用于在系统与校园信息管理平台之间建立连接及数据共享传输的通道；所述课表关联模块用于支持管理员或拥有权限的教师通过校园信息管理平台向系统导入课表信息，以便系统按照课表信息自动进行课堂数据的采集各分析操作；所述成绩对接模块用于从校园信息管理平台中获取学生的成绩信息并用作与系统的课堂质量进行碰撞分析；所述用户服务模块用于给不同用户按其合法身份分配对应的操作权限以供用户进行信息查询。
其中，用户的身份包括学生、家长、教师、教务处主任、校长、管理员、其他教育工作者等，不同用户可以从系统中查询获取适合自己的数据趋势图或者数据对比图，也可以根据系统数据对比学生个人成绩、班级成绩、升学率等。
作为本技术方案的进一步改进，所述技术支持模块包括大数据分析模块、人工智能模块、生物识别模块和机器学习模块；所述大数据分析模块、所述人工智能模块、所述生物识别模块与所述机器学习模块并列运行；所述大数据分析模块用于通过大数据分析技术来对与教学相关的视频、文本等数据进行深度挖掘分析处理；所述人工智能模块用于通过多种智能AI技术来对教学视频中的图像、人物等对象进行识别分析；所述生物识别模块用于通过生物识别技术对教学视频中的对象身份进行判识；所述机器学习模块用于建立教学质量评估模型并通过机器的深度学习来对模型进行训练。
其中，大数据分析技术包括可视化分析、数据挖掘、预测性分析、语义引擎、数据质量管理、数据存储仓库。
其中，人工智能技术包括但不限于图像识别、语音识别、表情分析、行为分析等。
其中，生物识别技术包括但不限于人脸识别、声纹识别等。
作为本技术方案的进一步改进，所述机器学习模块中，机器学习的算法采用经正则化优化的逻辑回归模型算法，其计算表达式为：
在常规逻辑回归模型的基础上，在逻辑回归模型的损失函数基础上加上正则项来实现正则化：
相应的，正则化后的参数迭代公式为：
其中，需要注意的是，因θ0没有参与正则化，则上式中j≥1。
作为本技术方案的进一步改进，所述表情行为分析模块、所述行为统计模块、所述多维数据统计模块与所述专注度统计模块依次通过网络通信连接且并列运行；所述表情行为分析模块用于对教学视频中学生及教师的表情及行为进行识别、分析并作出对应的标注；所述行为统计模块用于对教学视频中普通学生的各类课堂行为动作进行精确地统计及深度分析；所述多维数据统计模块用于通过多维角度针对某一事项来对整个课堂中学生的整体行为进行统计分析，并可精确地统计每个学生在课堂全国城镇的行为数据进行单独统计；所述专注度统计模块用于通过对课堂分析和行为数据统计进行深度分析来获取专注度数据。
其中，表情行为分析的内容包括但不限于学生行为(听讲、起立、举手、走神、打瞌睡等，并可通过不同颜色框来区分当前学生行为)、学生表情(清醒、瞌睡、疑惑等)、教师行为(板书、讲解时间、PPT演示时间、提问等)、教师表情(正常、高兴、愤怒等)等。
其中，普教学生的课堂行为包括但不限于举手、起立、听讲、阅读、书写等。
其中，整体行为包括但不限于教师提问时有多少学生举手、教师讲解时有多少学生抬头听讲等，个人行为包括但不限于课堂中某个学生举手次数、起立次数、走神次数等。
其中，专注度包括学生个人专注度和整体班级专注度，个人专属度分析便于帮助教师发现学生的问题，如专注度过低的学生可能存在睡眠不足、心情不好的问题；班级专注度基于整个班级的行为数据统计获得，能够使教师发现学生专注度变化，引导教师发现和总结问题，如班级专注度过低可能是教师的教学方式不具吸引力或者存在其他客观因素。
作为本技术方案的进一步改进，所述多课堂分析模块、所述学科分析模块、所述班级对比模块与所述学校综合分析模块依次通过网络通信连接且并列运行；所述多课堂分析模块用于通过分析、统计和积累班级数据以生成基于同一个班级的多次课堂的数据统计对比，从而可以直观地显示该班级学生课堂行为状态的变化；所述学科分析模块用于基于学科层级来统计班级的近期课堂质量分析结果以形成直观对比数据；所述班级对比模块用于对保存的数据进行分统计，并综合各项指标统计出各个班级的特征数据；所述学校综合分析模块用于通过对大量数据的整合归纳，总结出整个学校的课堂变化以便为教育工作者提供有力的数据支持。
作为本技术方案的进一步改进，所述质量评分模块、所述智能排序模块、所述改善建议模块与所述分析报告模块依次通过网络通信连接；所述质量评分模块用于按照预设的评判指标对各班级、各学科、各个教师、各个学生的课堂表现进行评分；所述智能排序模块用于按照一定的类别对各班级的综合教学质量评分进行排序以作为参考；所述改善建议模块用于针对教学质量评估分析中发现的不足，给教师或学生提供改善不足的建议；所述分析报告模块用于结合课堂分析、多层数据分析、质量评估的结果，形成综合性的多维度评估报告及对应的各种图形报表。
作为本技术方案的进一步改进，所述质量评分模块中，教学质量的评分方式采用加权平均算法，其计算表达式为：
式中，F表示被某班级/某学科/某教师/某学生在教学课堂中表现的评估分值；x1，x2，…，x3分别表示不同评判指标项目的评估分数；f1+f2+…+fk＝n，(n＝1)，f1，f2，…，f3叫做权，分别表示x1，x2，…，x3对应的分值在评估总分值中的占比权重。
本发明的目的之二在于，提供了一种基于大数据和AI技术的教学管理、质量评估系统的运行方法，包括如下步骤：
S1、搭建系统运行基础建设，在教室内安装多个固定摄像头，包括覆盖学生的若干摄像头和针对教师拍摄的摄像头，将各个摄像头通过交换机连接到中心机房，便于进行视频传输；
S2、系统与校园信息管理平台对接，共享并获取相关的信息数据；
S3、教师正常进行授课，多个摄像头同时运行，获取同一课堂的多维度教学视频数据，视频数据经数据采集服务器上传到数据处理服务器，数据处理服务器结合多来源相关数据，对课堂教学行为进行分析管理；
S4、系统综合课堂分析及多维数据统计分析结果，对各类别的教学质量相关项目进行评估打分，并按预设的要求自动进行排序；
S5、系统自动生成多维度的分析报告及对应报表图形，并自动保存；
S6、学生/家长/教师用户以合法身份访问系统，可在操作权限内进行信息查询，获取相关分析数据，并获取课堂表现不足的改善建议；
S7、管理员/校园决策人员/其他教育工作者以合法身份访问系统，获取全面的分析数据，评估校园的整体教学质量，并依此作为对教学任务的安排、调整及改进的决策依据。
本发明的目的之三在于，提供了一种基于大数据和AI技术的教学管理、质量评估系统的运行装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述任一的基于大数据和AI技术的教学管理、质量评估系统。
本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一的基于大数据和AI技术的教学管理、质量评估系统。
与现有技术相比，本发明的有益效果：
1.该基于大数据和AI技术的教学管理、质量评估系统通过在教室内设置固定且全面覆盖教师和全部学生的摄像头，可以全面地获取课堂教学视频，在此过程中，不会给教师和学生带来心理压力和排斥感，可以展现出正常的课堂表现，节省人力和时间，能够全面、快速且准确地评估课堂教学质量；
2.该基于大数据和AI技术的教学管理、质量评估系统通过结合课表安排和学生成绩等相关数据，对课堂教学表现和多层数据进行碰撞分析，可以按照实际需求进行数据归类统计，提供多层级的对比分析数据，能够全面评估学校整体的教学水平，便于教育工作者快速且准确发现教师及学生存在的问题，并及时进行改善处理，以提高校园师生的综合素质及课堂质量；
3.该基于大数据和AI技术的教学管理、质量评估系统通过从多方向对课堂教学表现进行评分、排序，并以直观的图表形式生成全面且多维度的分析报告，以供不同用户查询，可以给教育决策者提供科学、全面的决策依据。
附图说明
图1为本发明的示例性产品架构框图；
图2为本发明的整体系统装置结构图；
图3为本发明的局部系统装置结构图之一；
图4为本发明的局部系统装置结构图之二；
图5为本发明的局部系统装置结构图之三；
图6为本发明的局部系统装置结构图之四；
图7为本发明的局部系统装置结构图之五；
图8为本发明的局部系统装置结构图之六；
图9为本发明的示例性电子计算机装置结构示意图。
图中各个标号意义为：
1、教室；11、学生端摄像头；12、教师端摄像头；2、交换机；3、数据采集服务器；4、校园信息管理平台；5、数据处理服务器；6、教学管理平台；7、存储云；8、用户；
100、基础建设单元；101、终端设备模块；102、支撑应用模块；1021、平台连接模块；1022、课表关联模块；1023、成绩对接模块；1024、用户服务模块；103、技术支持模块；1031、大数据分析模块；1032、人工智能模块；1033、生物识别模块；1034、机器学习模块；104、数据处理模块；
200、课堂分析单元；201、表情行为分析模块；202、行为统计模块；203、多维数据统计模块；204、专注度统计模块；
300、多层数据单元；301、多课堂分析模块；302、学科分析模块；303、班级对比模块；304、学校综合分析模块；
400、质量评估单元；401、质量评分模块；402、智能排序模块；403、改善建议模块；404、分析报告模块。
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。
实施例1
如图1-图9所示，本实施例提供了一种基于大数据和AI技术的教学管理、质量评估系统，包括
基础建设单元100、课堂分析单元200、多层数据单元300和质量评估单元400；基础建设单元100、课堂分析单元200、多层数据单元300与质量评估单元400依次通过网络通信连接；基础建设单元100用于提供并管理支持系统运行的终端设备、功能应用、智能技术及数据基础等建设基础；课堂分析单元200用于对单个教室单一课堂的教学视频进行质量分析管理；多层数据单元300用于联合多层数据对校园教学质量进行综合的分析管理；质量评估单元400用于对课堂的教学质量进行评估并形成最终的分析报告；
基础建设单元100包括终端设备模块101、支撑应用模块102、技术支持模块103和数据处理模块104；课堂分析单元200包括表情行为分析模块201、行为统计模块202、多维数据统计模块203和专注度统计模块204；多层数据单元300包括多课堂分析模块301、学科分析模块302、班级对比模块303和学校综合分析模块304；质量评估单元400包括质量评分模块401、智能排序模块402、改善建议模块403和分析报告模块404；
基于以若干摄像头和计算机装置为主的终端设备模块101搭建基础架构，连接校园信息管理系统以获取数据支撑，在大数据和人工智能AI技术的基础上，通过数据处理模块104从实时摄录的视频及校园信息管理系统中采集获取教学数据并进行整理分析操作；
从教学视频数据中，通过对教师与学生的表情行为、行为频次进行多维度统计分析，并依此对学生课堂的专注度情况进行统计分析；同时从多课堂、学科、班级等方面对课堂质量进行多层次的分析，进而扩展到对校园教学情况的评估分析；
基于多维度、多层次的分析结果，对不同班级、不同教师、不同学生、不同学科的课堂质量进行评分，对评分进行排序，并针对评分过程中发现的课堂质量问题提出改善建议，最后结合所有信息生成全面的分析报告以作为教育工作者调整教学模式的决策依据。
本实施例中，终端设备模块101、支撑应用模块102、技术支持模块103与数据处理模块104依次通过网络通信连接且并列运行；终端设备模块101用于提供搭建系统的各种智能终端设备并对各终端之间的连接进行管理；支撑应用模块102用于通过将系统与校园信息管理系统对接以获取关联数据来支撑教学质量分析管理；技术支持模块103用于通过大数据分析及人工智能AI技术来实现教学质量的数据分析；数据处理模块104用于对作为教学质量评估分析的基础数据进行采集、分析等操作。
其中，终端设备包括但不限于若干摄像头(分为学生拍摄和教师拍摄两类)、中心机房(包括交换机、数据采集服务器、数据处理服务器、显示终端等)等。
其中，数据处理的项目包括数据采集、清洗、整理、判断、提炼、分析等；具体地，数据类型包括实时录播的教学视频、往期录制的历史教学视频、课表安排、学生成绩等。
进一步地，支撑应用模块102包括平台连接模块1021、课表关联模块1022、成绩对接模块1023和用户服务模块1024；平台连接模块1021的信号输出端与课表关联模块1022、成绩对接模块1023、用户服务模块1024的信号输入端连接，课表关联模块1022、成绩对接模块1023与用户服务模块1024并列运行；平台连接模块1021用于在系统与校园信息管理平台之间建立连接及数据共享传输的通道；课表关联模块1022用于支持管理员或拥有权限的教师通过校园信息管理平台向系统导入课表信息，以便系统按照课表信息自动进行课堂数据的采集各分析操作；成绩对接模块1023用于从校园信息管理平台中获取学生的成绩信息并用作与系统的课堂质量进行碰撞分析；用户服务模块1024用于给不同用户按其合法身份分配对应的操作权限以供用户进行信息查询。
其中，用户的身份包括学生、家长、教师、教务处主任、校长、管理员、其他教育工作者等，不同用户可以从系统中查询获取适合自己的数据趋势图或者数据对比图，也可以根据系统数据对比学生个人成绩、班级成绩、升学率等。
进一步地，技术支持模块103包括大数据分析模块1031、人工智能模块1032、生物识别模块1033和机器学习模块1034；大数据分析模块1031、人工智能模块1032、生物识别模块1033与机器学习模块1034并列运行；大数据分析模块1031用于通过大数据分析技术来对与教学相关的视频、文本等数据进行深度挖掘分析处理；人工智能模块1032用于通过多种智能AI技术来对教学视频中的图像、人物等对象进行识别分析；生物识别模块1033用于通过生物识别技术对教学视频中的对象身份进行判识；机器学习模块1034用于建立教学质量评估模型并通过机器的深度学习来对模型进行训练。
其中，大数据分析技术包括可视化分析、数据挖掘、预测性分析、语义引擎、数据质量管理、数据存储仓库。
其中，人工智能技术包括但不限于图像识别、语音识别、表情分析、行为分析等。
其中，生物识别技术包括但不限于人脸识别、声纹识别等。
具体地，机器学习模块1034中，机器学习的算法采用经正则化优化的逻辑回归模型算法，其计算表达式为：
在常规逻辑回归模型的基础上，在逻辑回归模型的损失函数基础上加上正则项来实现正则化：
相应的，正则化后的参数迭代公式为：
其中，需要注意的是，因θ0没有参与正则化，则上式中j≥1。
本实施例中，表情行为分析模块201、行为统计模块202、多维数据统计模块203与专注度统计模块204依次通过网络通信连接且并列运行；表情行为分析模块201用于对教学视频中学生及教师的表情及行为进行识别、分析并作出对应的标注；行为统计模块202用于对教学视频中普通学生的各类课堂行为动作进行精确地统计及深度分析；多维数据统计模块203用于通过多维角度针对某一事项来对整个课堂中学生的整体行为进行统计分析，并可精确地统计每个学生在课堂全国城镇的行为数据进行单独统计；专注度统计模块204用于通过对课堂分析和行为数据统计进行深度分析来获取专注度数据。
其中，表情行为分析的内容包括但不限于学生行为(听讲、起立、举手、走神、打瞌睡等，并可通过不同颜色框来区分当前学生行为)、学生表情(清醒、瞌睡、疑惑等)、教师行为(板书、讲解时间、PPT演示时间、提问等)、教师表情(正常、高兴、愤怒等)等。
其中，普教学生的课堂行为包括但不限于举手、起立、听讲、阅读、书写等。
其中，整体行为包括但不限于教师提问时有多少学生举手、教师讲解时有多少学生抬头听讲等，个人行为包括但不限于课堂中某个学生举手次数、起立次数、走神次数等。
其中，专注度包括学生个人专注度和整体班级专注度，个人专属度分析便于帮助教师发现学生的问题，如专注度过低的学生可能存在睡眠不足、心情不好的问题；班级专注度基于整个班级的行为数据统计获得，能够使教师发现学生专注度变化，引导教师发现和总结问题，如班级专注度过低可能是教师的教学方式不具吸引力或者存在其他客观因素。
本实施例中，多课堂分析模块301、学科分析模块302、班级对比模块303与学校综合分析模块304依次通过网络通信连接且并列运行；多课堂分析模块301用于通过分析、统计和积累班级数据以生成基于同一个班级的多次课堂的数据统计对比，从而可以直观地显示该班级学生课堂行为状态的变化；学科分析模块302用于基于学科层级来统计班级的近期课堂质量分析结果以形成直观对比数据；班级对比模块303用于对保存的数据进行分统计，并综合各项指标统计出各个班级的特征数据；学校综合分析模块304用于通过对大量数据的整合归纳，总结出整个学校的课堂变化以便为教育工作者提供有力的数据支持。
本实施例中，质量评分模块401、智能排序模块402、改善建议模块403与分析报告模块404依次通过网络通信连接；质量评分模块401用于按照预设的评判指标对各班级、各学科、各个教师、各个学生的课堂表现进行评分；智能排序模块402用于按照一定的类别对各班级的综合教学质量评分进行排序以作为参考；改善建议模块403用于针对教学质量评估分析中发现的不足，给教师或学生提供改善不足的建议；分析报告模块404用于结合课堂分析、多层数据分析、质量评估的结果，形成综合性的多维度评估报告及对应的各种图形报表。
具体地，质量评分模块401中，教学质量的评分方式采用加权平均算法，其计算表达式为：
式中，F表示被某班级/某学科/某教师/某学生在教学课堂中表现的评估分值；x1，x2，…，x3分别表示不同评判指标项目的评估分数；f1+f2+…+fk＝n，(n＝1)，f1，f2，…，f3叫做权，分别表示x1，x2，…，x3对应的分值在评估总分值中的占比权重。
本实施例还提供了一种基于大数据和AI技术的教学管理、质量评估系统的运行方法，包括如下步骤：
S1、搭建系统运行基础建设，在教室内安装多个固定摄像头，包括覆盖学生的若干摄像头和针对教师拍摄的摄像头，将各个摄像头通过交换机连接到中心机房，便于进行视频传输；
S2、系统与校园信息管理平台对接，共享并获取相关的信息数据；
S3、教师正常进行授课，多个摄像头同时运行，获取同一课堂的多维度教学视频数据，视频数据经数据采集服务器上传到数据处理服务器，数据处理服务器结合多来源相关数据，对课堂教学行为进行分析管理；
S4、系统综合课堂分析及多维数据统计分析结果，对各类别的教学质量相关项目进行评估打分，并按预设的要求自动进行排序；
S5、系统自动生成多维度的分析报告及对应报表图形，并自动保存；
S6、学生/家长/教师用户以合法身份访问系统，可在操作权限内进行信息查询，获取相关分析数据，并获取课堂表现不足的改善建议；
S7、管理员/校园决策人员/其他教育工作者以合法身份访问系统，获取全面的分析数据，评估校园的整体教学质量，并依此作为对教学任务的安排、调整及改进的决策依据。
如图1所示，本实施例还提供了一种基于大数据和AI技术的教学管理、质量评估系统的示例性产品架构，包括教室1，教室1内规则布设有若干覆盖全部学生的学生端摄像头11和固定的教师端摄像头12，学生端摄像头11和教师端摄像头12同时通过交换机2与数据采集服务器3连接，数据采集服务器3可对接校园信息管理平台4，数据采集服务器3通过通讯连接有数据处理服务器5实现视频上传操作，数据处理服务器5与数据管理平台6通讯连接用于汇总传输评估分析数据，系统外还通过通讯连接有存储云7，用于存储校园信息和课堂教学视频数据，此外，各类不同的用户8可以合法身份登录访问校园信息管理平台4和教学管理平台6。
如图9所示，本实施例还提供了一种基于大数据和AI技术的教学管理、质量评估系统的运行装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的基于大数据和AI技术的教学管理、质量评估系统。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于大数据和AI技术的教学管理、质量评估系统。
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面基于大数据和AI技术的教学管理、质量评估系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于大数据和AI技术的教学管理、质量评估系统，其特征在于：包括
基础建设单元(100)、课堂分析单元(200)、多层数据单元(300)和质量评估单元(400)；所述基础建设单元(100)、所述课堂分析单元(200)、所述多层数据单元(300)与所述质量评估单元(400)依次通过网络通信连接；所述基础建设单元(100)用于提供并管理支持系统运行的终端设备、功能应用、智能技术及数据基础等建设基础；所述课堂分析单元(200)用于对单个教室单一课堂的教学视频进行质量分析管理；所述多层数据单元(300)用于联合多层数据对校园教学质量进行综合的分析管理；所述质量评估单元(400)用于对课堂的教学质量进行评估并形成最终的分析报告；
所述基础建设单元(100)包括终端设备模块(101)、支撑应用模块(102)、技术支持模块(103)和数据处理模块(104)；所述课堂分析单元(200)包括表情行为分析模块(201)、行为统计模块(202)、多维数据统计模块(203)和专注度统计模块(204)；所述多层数据单元(300)包括多课堂分析模块(301)、学科分析模块(302)、班级对比模块(303)和学校综合分析模块(304)；所述质量评估单元(400)包括质量评分模块(401)、智能排序模块(402)、改善建议模块(403)和分析报告模块(404)；
基于以若干摄像头和计算机装置为主的所述终端设备模块(101)搭建基础架构，连接校园信息管理系统以获取数据支撑，在大数据和人工智能AI技术的基础上，通过所述数据处理模块(104)从实时摄录的视频及校园信息管理系统中采集获取教学数据并进行整理分析操作；
从教学视频数据中，通过对教师与学生的表情行为、行为频次进行多维度统计分析，并依此对学生课堂的专注度情况进行统计分析；同时从多课堂、学科、班级等方面对课堂质量进行多层次的分析，进而扩展到对校园教学情况的评估分析；
基于多维度、多层次的分析结果，对不同班级、不同教师、不同学生、不同学科的课堂质量进行评分，对评分进行排序，并针对评分过程中发现的课堂质量问题提出改善建议，最后结合所有信息生成全面的分析报告以作为教育工作者调整教学模式的决策依据。
2.根据权利要求1所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述终端设备模块(101)、所述支撑应用模块(102)、所述技术支持模块(103)与所述数据处理模块(104)依次通过网络通信连接且并列运行；所述终端设备模块(101)用于提供搭建系统的各种智能终端设备并对各终端之间的连接进行管理；所述支撑应用模块(102)用于通过将系统与校园信息管理系统对接以获取关联数据来支撑教学质量分析管理；所述技术支持模块(103)用于通过大数据分析及人工智能AI技术来实现教学质量的数据分析；所述数据处理模块(104)用于对作为教学质量评估分析的基础数据进行采集、分析等操作。
3.根据权利要求2所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述支撑应用模块(102)包括平台连接模块(1021)、课表关联模块(1022)、成绩对接模块(1023)和用户服务模块(1024)；所述平台连接模块(1021)的信号输出端与所述课表关联模块(1022)、所述成绩对接模块(1023)、所述用户服务模块(1024)的信号输入端连接，所述课表关联模块(1022)、所述成绩对接模块(1023)与所述用户服务模块(1024)并列运行；所述平台连接模块(1021)用于在系统与校园信息管理平台之间建立连接及数据共享传输的通道；所述课表关联模块(1022)用于支持管理员或拥有权限的教师通过校园信息管理平台向系统导入课表信息，以便系统按照课表信息自动进行课堂数据的采集各分析操作；所述成绩对接模块(1023)用于从校园信息管理平台中获取学生的成绩信息并用作与系统的课堂质量进行碰撞分析；所述用户服务模块(1024)用于给不同用户按其合法身份分配对应的操作权限以供用户进行信息查询。
4.根据权利要求3所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述技术支持模块(103)包括大数据分析模块(1031)、人工智能模块(1032)、生物识别模块(1033)和机器学习模块(1034)；所述大数据分析模块(1031)、所述人工智能模块(1032)、所述生物识别模块(1033)与所述机器学习模块(1034)并列运行；所述大数据分析模块(1031)用于通过大数据分析技术来对与教学相关的视频、文本等数据进行深度挖掘分析处理；所述人工智能模块(1032)用于通过多种智能AI技术来对教学视频中的图像、人物等对象进行识别分析；所述生物识别模块(1033)用于通过生物识别技术对教学视频中的对象身份进行判识；所述机器学习模块(1034)用于建立教学质量评估模型并通过机器的深度学习来对模型进行训练。
5.根据权利要求4所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述机器学习模块(1034)中，机器学习的算法采用经正则化优化的逻辑回归模型算法，其计算表达式为：
在常规逻辑回归模型的基础上，在逻辑回归模型的损失函数基础上加上正则项来实现正则化：
相应的，正则化后的参数迭代公式为：
其中，需要注意的是，因θ0没有参与正则化，则上式中j≥1。
6.根据权利要求5所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述表情行为分析模块(201)、所述行为统计模块(202)、所述多维数据统计模块(203)与所述专注度统计模块(204)依次通过网络通信连接且并列运行；所述表情行为分析模块(201)用于对教学视频中学生及教师的表情及行为进行识别、分析并作出对应的标注；所述行为统计模块(202)用于对教学视频中普通学生的各类课堂行为动作进行精确地统计及深度分析；所述多维数据统计模块(203)用于通过多维角度针对某一事项来对整个课堂中学生的整体行为进行统计分析，并可精确地统计每个学生在课堂全国城镇的行为数据进行单独统计；所述专注度统计模块(204)用于通过对课堂分析和行为数据统计进行深度分析来获取专注度数据。
7.根据权利要求6所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述多课堂分析模块(301)、所述学科分析模块(302)、所述班级对比模块(303)与所述学校综合分析模块(304)依次通过网络通信连接且并列运行；所述多课堂分析模
块(301)用于通过分析、统计和积累班级数据以生成基于同一个班级的多次课堂的数据统计对比，从而可以直观地显示该班级学生课堂行为状态的变化；所述学科分析模块(302)用于基于学科层级来统计班级的近期课堂质量分析结果以形成直观对比数据；所述班级对比模块(303)用于对保存的数据进行分统计，并综合各项指标统计出各个班级的特征数据；所述学校综合分析模块(304)用于通过对大量数据的整合归纳，总结出整个学校的课堂变化以便为教育工作者提供有力的数据支持。
8.根据权利要求7所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述质量评分模块(401)、所述智能排序模块(402)、所述改善建议模块(403)与所述分析报告模块(404)依次通过网络通信连接；所述质量评分模块(401)用于按照预设的评判指标对各班级、各学科、各个教师、各个学生的课堂表现进行评分；所述智能排序模块(402)用于按照一定的类别对各班级的综合教学质量评分进行排序以作为参考；所述改善建议模块(403)用于针对教学质量评估分析中发现的不足，给教师或学生提供改善不足的建议；所述分析报告模块(404)用于结合课堂分析、多层数据分析、质量评估的结果，形成综合性的多维度评估报告及对应的各种图形报表。
9.根据权利要求8所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述质量评分模块(401)中，教学质量的评分方式采用加权平均算法，其计算表达式为：
式中，F表示被某班级/某学科/某教师/某学生在教学课堂中表现的评估分值；x1，x2，…，x3分别表示不同评判指标项目的评估分数；f1+f2+…+fk＝n，(n＝1)，f1，f2，…，f3叫做权，分别表示x1，x2，…，x3对应的分值在评估总分值中的占比权重。
10.根据权利要求9所述的基于大数据和AI技术的教学管理、质量评估系统，其特征在于：所述系统的运行方法包括如下步骤：
S1、搭建系统运行基础建设，在教室内安装多个固定摄像头，包括覆盖学生的若干摄像头和针对教师拍摄的摄像头，将各个摄像头通过交换机连接到中心机房，便于进行视频传输；
S2、系统与校园信息管理平台对接，共享并获取相关的信息数据；
S3、教师正常进行授课，多个摄像头同时运行，获取同一课堂的多维度教学视频数据，视频数据经数据采集服务器上传到数据处理服务器，数据处理服务器结合多来源相关数据，对课堂教学行为进行分析管理；
S4、系统综合课堂分析及多维数据统计分析结果，对各类别的教学质量相关项目进行评估打分，并按预设的要求自动进行排序；
S5、系统自动生成多维度的分析报告及对应报表图形，并自动保存；
S6、学生/家长/教师用户以合法身份访问系统，可在操作权限内进行信息查询，获取相关分析数据，并获取课堂表现不足的改善建议；
S7、管理员/校园决策人员/其他教育工作者以合法身份访问系统，获取全面的分析数据，评估校园的整体教学质量，并依此作为对教学任务的安排、调整及改进的决策依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110906483.1A CN113627779A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110906483.1A CN113627779A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113627779A true CN113627779A (zh) | 2021-11-09 |
Family
ID=78383448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110906483.1A Pending CN113627779A (zh) | 2021-08-09 | 2021-08-09 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113627779A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219460A (zh) * | 2022-02-21 | 2022-03-22 | 牛剑教育科技(深圳)有限公司 | 一种基于人机交互的多媒体教学管理系统 |
| CN114283637A (zh) * | 2021-12-27 | 2022-04-05 | 上海蓝凡网络科技股份有限公司 | 高清主讲互动教学终端 |
| CN114331159A (zh) * | 2021-12-30 | 2022-04-12 | 北京碧云数创科技有限公司 | 教学管理系统 |
| CN114898251A (zh) * | 2022-04-22 | 2022-08-12 | 北京智慧荣升科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN115983556A (zh) * | 2022-12-08 | 2023-04-18 | 武汉猪猪乐园教育咨询有限公司 | 一种教师排课优化方法、系统及存储介质 |
| CN116029596A (zh) * | 2023-01-03 | 2023-04-28 | 华南师范大学 | 基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质 |
| CN116596719A (zh) * | 2023-07-18 | 2023-08-15 | 江西科技学院 | 一种机房计算机教学质量管理系统及方法 |
| CN117114508A (zh) * | 2023-10-20 | 2023-11-24 | 浪潮软件股份有限公司 | 教师层级认定系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050214732A1 (en) * | 2004-03-23 | 2005-09-29 | Sayling Wen | Internet educational system combining teaching, academic affairs, and its method |
| CN108648114A (zh) * | 2018-04-24 | 2018-10-12 | 温州市鹿城区中津先进科技研究院 | 一种基于人工智能的校园教育大数据云平台 |
| CN111242515A (zh) * | 2020-03-05 | 2020-06-05 | 长沙师范学院 | 一种基于教育大数据的课堂教学质量测评系统及测评方法 |
| CN112907054A (zh) * | 2021-02-07 | 2021-06-04 | 重庆惠统智慧科技有限公司 | 一种基于ai与大数据分析的教学质量评估系统 |
-
2021
- 2021-08-09 CN CN202110906483.1A patent/CN113627779A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050214732A1 (en) * | 2004-03-23 | 2005-09-29 | Sayling Wen | Internet educational system combining teaching, academic affairs, and its method |
| CN108648114A (zh) * | 2018-04-24 | 2018-10-12 | 温州市鹿城区中津先进科技研究院 | 一种基于人工智能的校园教育大数据云平台 |
| CN111242515A (zh) * | 2020-03-05 | 2020-06-05 | 长沙师范学院 | 一种基于教育大数据的课堂教学质量测评系统及测评方法 |
| CN112907054A (zh) * | 2021-02-07 | 2021-06-04 | 重庆惠统智慧科技有限公司 | 一种基于ai与大数据分析的教学质量评估系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114283637A (zh) * | 2021-12-27 | 2022-04-05 | 上海蓝凡网络科技股份有限公司 | 高清主讲互动教学终端 |
| CN114331159A (zh) * | 2021-12-30 | 2022-04-12 | 北京碧云数创科技有限公司 | 教学管理系统 |
| CN114219460A (zh) * | 2022-02-21 | 2022-03-22 | 牛剑教育科技(深圳)有限公司 | 一种基于人机交互的多媒体教学管理系统 |
| CN114898251A (zh) * | 2022-04-22 | 2022-08-12 | 北京智慧荣升科技有限公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN115983556A (zh) * | 2022-12-08 | 2023-04-18 | 武汉猪猪乐园教育咨询有限公司 | 一种教师排课优化方法、系统及存储介质 |
| CN115983556B (zh) * | 2022-12-08 | 2023-09-29 | 北京布局未来教育科技有限公司 | 一种教师排课优化方法、系统及存储介质 |
| CN116029596A (zh) * | 2023-01-03 | 2023-04-28 | 华南师范大学 | 基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质 |
| CN116596719A (zh) * | 2023-07-18 | 2023-08-15 | 江西科技学院 | 一种机房计算机教学质量管理系统及方法 |
| CN116596719B (zh) * | 2023-07-18 | 2023-09-19 | 江西科技学院 | 一种机房计算机教学质量管理系统及方法 |
| CN117114508A (zh) * | 2023-10-20 | 2023-11-24 | 浪潮软件股份有限公司 | 教师层级认定系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113627779A (zh) | 一种基于大数据和ai技术的教学管理、质量评估系统 | |
| Vohra | Using the multiple case study design to decipher contextual leadership behaviors in Indian organizations | |
| CN111027865B (zh) | 基于行为和表情识别的教学分析与质量评估系统及方法 | |
| CN115239527B (zh) | 基于知识库的教学特征融合与建模的教学行为分析系统 | |
| CN110782375B (zh) | 基于数据的在线学习全过程动态分析方法及系统 | |
| CN113656687B (zh) | 基于教研数据的教师画像构建方法 | |
| Baker et al. | Extending log-based affect detection to a multi-user virtual environment for science | |
| CN110232343B (zh) | 基于潜变量模型的儿童个性化行为统计分析系统及方法 | |
| CN113269662A (zh) | 一种基于大数据的智慧教学系统 | |
| André | Teaching climate leadership: Promoting integrative learning in courses on strong sustainability | |
| CN112465543A (zh) | 一种用户画像生成方法、设备和计算机存储介质 | |
| CN108388994A (zh) | 职业核心素养智能训练系统和方法 | |
| Mi | Student performance early warning based on data mining | |
| CN110111011A (zh) | 一种教学质量监管方法、装置及电子设备 | |
| CN111460245B (zh) | 多维度人群特征测定方法 | |
| Duong et al. | Exploiting faculty evaluation forms to improve teaching quality: An analytical review | |
| Ashrafimoghari | Big Data and Education: using big data analytics in language learning | |
| KR102318056B1 (ko) | 몰입학습을 위한 비대면 학습방법 및 학습시스템 | |
| Wang et al. | Research on the Reform of English Precision Teaching in Colleges and Universities Facilitated by Artificial Intelligence Technology | |
| CN114255426A (zh) | 一种基于视频识别和语音分离技术的学生专注度评估系统 | |
| Raghavjee et al. | Learning analytics in higher education | |
| CN111461153B (zh) | 人群特征深度学习方法 | |
| TWM612850U (zh) | 人工智慧之學習歷程規劃系統 | |
| Lee et al. | Utilizing natural language processing (NLP) to evaluate engagement in project-based learning | |
| Bisson | Encountering Algorithms: An Investigation of Algorithmic Literacy Among Undergraduate Students |
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 |