CN113961773A - 一种用于大学体育球类课程的智能选课推荐系统 - Google Patents

一种用于大学体育球类课程的智能选课推荐系统 Download PDF

Info

Publication number
CN113961773A
CN113961773A CN202111254390.1A CN202111254390A CN113961773A CN 113961773 A CN113961773 A CN 113961773A CN 202111254390 A CN202111254390 A CN 202111254390A CN 113961773 A CN113961773 A CN 113961773A
Authority
CN
China
Prior art keywords
course
ball
student
courses
recommended
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.)
Withdrawn
Application number
CN202111254390.1A
Other languages
English (en)
Inventor
张峰枫
王庆汉
王鹏
王文广
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.)
Weifang Nursing Vocational College
Original Assignee
Weifang Nursing Vocational College
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 Weifang Nursing Vocational College filed Critical Weifang Nursing Vocational College
Priority to CN202111254390.1A priority Critical patent/CN113961773A/zh
Publication of CN113961773A publication Critical patent/CN113961773A/zh
Withdrawn legal-status Critical Current

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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于大学体育球类课程的智能选课推荐系统，属于课程推荐技术领域，包括兴趣筛选模块、数据库、选课规则筛选模块、课程评分模块和服务器；所述兴趣筛选模块用于对学生需要选择的球类课程进行初步筛选，具体方法包括：获取需要进行球类课程推荐的学生信息，并标记为推荐学生，获取推荐学生同班同学中选择球类课程的学生信息，并标记为参照学生，构建余弦相似度函数，根据球类课程的访问次数、球类课程的访问时长、球类运动的访问频率确定推荐学生的兴趣度函数；通过根据同班同学选择的球类课程进行推荐，将会推荐的更加准确，充分考虑学生的选课习惯。

Description

一种用于大学体育球类课程的智能选课推荐系统
技术领域
本发明属于课程推荐技术领域，具体是一种用于大学体育球类课程的智能选课推荐系统。
背景技术
随着素质教育教学要求的提高，每个大学学校都会开设多种关于体育球类课程的选修课，用于丰富学生的生活，对学生进行身体锻炼，避免学生长期得不到锻炼，影响学生的身心健康；为学生提供多种体育球类课程的选择机会，从而从更多方面对学生进行培养。然而，体育球类课程的增加与学生个人选择机会的增多，反过来将会导致学生对学习课程的选择难度增加。
影响学生进行选课的因素多种多样，例如：是否有相熟的同学选择同样的课程，考虑不全面的推荐课程并不会被采纳，因此目前亟需提出一种用于大学体育球类课程的智能选课推荐系统，用于解决大学生关于体育球类课程选择的问题。
发明内容
为了解决上述方案存在的问题，本发明提出了一种用于大学体育球类课程的智能选课推荐系统。
本发明的目的可以通过以下技术方案实现：
一种用于大学体育球类课程的智能选课推荐系统，包括兴趣筛选模块、数据库、选课规则筛选模块、课程评分模块和服务器；
所述兴趣筛选模块用于对学生需要选择的球类课程进行初步筛选，具体方法包括：
获取需要进行球类课程推荐的学生信息，并标记为推荐学生，获取推荐学生同班同学中选择球类课程的学生信息，并标记为参照学生，构建余弦相似度函数
Figure BDA0003323577220000021
其中，i和j分别为推荐学生和参照学生的兴趣度向量，兴趣度向量包括：球类课程的访问次数、球类课程的访问时长、球类运动的访问频率，根据球类课程的访问次数、球类课程的访问时长、球类运动的访问频率确定推荐学生的兴趣度函数：
Figure BDA0003323577220000022
设定兴趣度阈值X1，当wij>X1时，将对应的课程标记为筛选课程；
通过选课规则筛选模块对筛选课程进行再次删选，获得二级课程和二级组合，通过课程评分模块对二级课程进行评分，获得推荐值THZe，将THZe<X3的代课老师对应的课程从二级课程中进行删除，将删除后的二级课程标记为推荐课程，并将不全是推荐课程的二级组合进行删除，将删除后的二级组合标记为推荐组合，通过服务器将推荐课程和推荐组合推荐给推荐学生。
进一步地，课规则筛选模块对筛选课程进行再次删选的方法包括：
获取推荐学生的历史选修通过课程名单，标记为历史课程名单，将筛选课程与历史课程名单进行对比，将历史课程名单中存在的课程从筛选课程中进行剔除，将剔除后的筛选课程标记为一级课程；
获取推荐学生还需要选修的选修学分P和一级课程对应的选修学分Lm，将选修学分Lm进行任意组合求和，获得求和值Cv，将Cv>P的组合进行删除，将Cv≤P的组合标记为一级组合，将一级组合中对应的课程标记为二级课程；获取一级组合的课程数量F，将一级组合中课程数量F>X2的组合进行剔除，剩余的一级组合标记为二级组合。
进一步地，程评分模块对二级课程进行评分，获得推荐值THZe的方法包括：
获取二级课程的代课老师信息，根据代课老师信息获取对应代课老师前N届的课程通过率KTae，根据公式
Figure BDA0003323577220000031
获得课程通过率平均值KTse；建立通过率评分表，将通过率平均值KTse输入到通过率评分表中进行匹配，获得通过率评分TGse；
获取选修过二级课程的学生对代课老师的评价，建立评价模型，将选修过二级课程的学生对代课老师的评价整合标记为评价输入数据，将评价输入数据输入到评价模型中，获得对应代课老师的评分PJe；
获取代课老师的课程上课时间，建立课程评分表，将代课老师的课程上课时间输入到课程评分表中进行匹配，获得上课时间评分LSe；根据公式TJZe＝λ×(b1×TGse+b2×PJe+b3×LSe)获取到推荐值THZe。
进一步地，建立课程评分表的方法包括：
建立四个课程时间段评分节点，邀请学生在四个课程时间段评分节点内进行评分，四个课程时间段评分节点对各自内部的评分求平均值，根据四个课程时间段评分节点内的评分平均值设置对应的时间评分，将时间评分和对应的课程时间段整合标记为课程评分表。
进一步地，N为正整数，取值范围为[4,8]。
进一步地，b1、b2、b3均为比例系数，取值范围为1<b1≤2，0<b2≤1，0<b3≤1，λ为修正因子，取值范围为0<λ≤1。
进一步地，其特征在于，α1、α2、α3为调节系数，α1、α2、α3的取值范围为[0，1]。
进一步地，fij表示推荐学生对参照学生的球类课程访问次数，fmin为数据库中记录的最小的球类课程访问次数，fmax为数据库中记录的最大的球类课程访问次数；tij为推荐学生对参照学生的球类课程访问时长，tmax为数据库中记录的最大的球类课程访问时长，tmin为数据库中记录的最小的球类课程访问时长；rij为推荐学生对参照学生的球类运动的访问频率，rmax为数据库中记录的最大的球类运动的访问频率，rmin为数据库中记录的最小的球类运动的访问频率。
与现有技术相比，本发明的有益效果是：通过根据同班同学选择的球类课程进行推荐，将会推荐的更加准确，充分考虑学生的选课习惯，因为是根据同班同学的选修课程进行推荐的，所以筛选课程中不会出现本学期不能选修的课程，减少筛选步骤，提高效率；通过构建余弦相似度函数进行课程推荐，充分考虑球类课程的访问次数、球类课程的访问时长和球类运动的访问频率，实现根据学生的兴趣爱好进行课程推荐，提高推荐课程的准确率，同时实现推荐的课程中具有同班同学，避免学生在上课的过程中没有相熟的同学，影响学生的上课情绪；通过课程评分模块对课程进行进一步的筛选，综合考虑多种因素，确保推荐的课程会被学生接收。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示，一种用于大学体育球类课程的智能选课推荐系统，包括兴趣筛选模块、数据库、选课规则筛选模块、课程评分模块和服务器；
所述兴趣筛选模块用于对学生需要选择的球类课程进行初步筛选，具体方法包括：
获取需要进行球类课程推荐的学生信息，并标记为推荐学生，学生信息包括姓名、年龄、学号、班级、专业、宿舍号等信息，获取推荐学生同班同学中选择球类课程的学生信息，并标记为参照学生，因为影响学生选课的一个重要因素就是是否有相熟的同学选择同样的课程，经常会有在选课前，相熟的同学都会相互打听下所选的可能，尽可能的选在同一个老师同一个课时的课程，因此通过根据同班学生中选择球类课程的学生进行参照，将会推荐的更加准确；因为是根据同班同学的选修课程进行推荐的，所以筛选课程中不会出现本学期不能选修的课程，减少筛选步骤，提高效率；
构建余弦相似度函数
Figure BDA0003323577220000051
其中，i和j分别为推荐学生和参照学生的兴趣度向量，i和j的夹角越小，相似度越高，兴趣度向量包括：球类课程的访问次数、球类课程的访问时长、球类运动的访问频率，其中球类运动指的不仅仅是课程中的运动，还包括课余时间的球类运动，兴趣度向量的格式为三元组(x1，x2，x3)，根据球类课程的访问次数、球类课程的访问时长、球类运动的访问频率确定推荐学生的兴趣度函数：
Figure BDA0003323577220000052
其中α1、α2、α3为调节系数，α1、α2、α3的取值范围为[0，1]，球类课程的访问次数、球类课程的访问时长、球类运动的访问频率分别设置初始值和数据库中读取的值；
通过构建余弦相似度函数进行课程推荐，充分考虑球类课程的访问次数、球类课程的访问时长和球类运动的访问频率，实现根据学生的兴趣爱好进行课程推荐，提高推荐课程的准确率，同时实现推荐的课程中具有同班同学，避免学生在上课的过程中没有相熟的同学，影响学生的上课情绪；
fij表示推荐学生对参照学生的球类课程访问次数，fmin为数据库中记录的最小的球类课程访问次数，fmax为数据库中记录的最大的球类课程访问次数；tij为推荐学生对参照学生的球类课程访问时长，tmax为数据库中记录的最大的球类课程访问时长，tmin为数据库中记录的最小的球类课程访问时长；rij为推荐学生对参照学生的球类运动的访问频率，rmax为数据库中记录的最大的球类运动的访问频率，rmin为数据库中记录的最小的球类运动的访问频率；
设定兴趣度阈值X1，当wij>X1时，将对应的课程标记为筛选课程；
选课规则筛选模块用于根据学校对应的选课规则对筛选课程进行再次删选，具体方法包括：
获取推荐学生的历史选修通过课程名单，标记为历史课程名单，历史选修通过课程名单即为推荐学生之前选修的课程考核通过的课程名单，因为推荐学生选修通过的课程是不能再次选修的，再次选修是没有学分的，例如篮球课，篮球课一般会分为初级篮球课、中级篮球课和高级篮球课，选修初级篮球课并考核通过就，学生将不能再次选修初级篮球课，但是学生可以选修中级篮球课和高级篮球课，这是不冲突的；将筛选课程与历史课程名单进行对比，将历史课程名单中存在的课程从筛选课程中进行剔除，将剔除后的筛选课程标记为一级课程；
获取推荐学生还需要选修的选修学分P和一级课程对应的选修学分Lm，其中m＝1、2、……、n，n为一级课程的数量，例如L3对应的是初级篮球课的选修学分，L5对应的是初级乒乓球课的选修学分；将选修学分Lm进行任意组合求和，获得求和值Cv，其中v＝1、2、……、z，z为选修学分Lm的组合数，将Cv>P的组合进行删除，将Cv≤P的组合标记为一级组合，将一级组合中对应的课程标记为二级课程；获取一级组合的课程数量F，将一级组合中课程数量F>X2的组合进行剔除，剩余的一级组合标记为二级组合，其中X2为阈值；
所述课程评分模块用于对二级课程进行评分，具体方法包括：
获取二级课程的代课老师信息，代课老师信息包括姓名、年龄、性别、照片等信息，根据代课老师信息获取对应代课老师前N届的课程通过率KTae，其中N为正整数，取值范围为[4,8]，从选课开始上课到最终考核结束为一届，其中a＝1、2、……、N，e表示代课老师，为正整数，取值范围为1到代课老师的数量，例如KTa3表示李**老师的课程通过率，KTa5表示王**老师的课程通过率；根据公式
Figure BDA0003323577220000071
获得课程通过率平均值KTse；建立通过率评分表，通过率评分表即为显示通过率和通过率评分的关系，由专家组进行讨论设置，例如通过率为90％，通过率评分为90分，可以通过率和分数相对应；将通过率平均值KTse输入到通过率评分表中进行匹配，获得通过率评分TGse；
获取选修过二级课程的学生对代课老师的评价，因为学校每学期都会有对代课老师的任课评价，可以通过校内系统获得学生对代课老师的评价，建立评价模型，将选修过二级课程的学生对代课老师的评价整合标记为评价输入数据，将评价输入数据输入到评价模型中，获得对应代课老师的评分PJe；
建立评价模型的方法包括：获取历史学生评价，为历史学生评价设置对应的评分；构建人工智能模型；人工智能模型神经网络模型，将历史学生评价和对应的评分整合为训练集；通过训练集对人工智能模型进行训练，将训练完成的人工智能模型标记为评分模型，建立均值模型，均值模型用于将输入的数值求平均值，将均值模型输出的评分输入到均值模型中，获得评分均值，将评分模型和均值模型整合标记为评价模型；
获取代课老师的课程上课时间，一般一天满课有四节课，上午两节和下午两节，但是并不是每天都是满课的，因此学生都喜欢将上午的第一节课空着不选，用作休息，因而学生对不同上课时间的课程的喜爱程度是不同的；建立课程评分表，将代课老师的课程上课时间输入到课程评分表中进行匹配，获得上课时间评分LSe；
建立课程评分表的方法包括：
建立四个课程时间段评分节点，四个课程时间段评分节点分别对应一天的四节课，邀请学生在四个课程时间段评分节点内进行评分，四个课程时间段评分节点对各自内部的评分求平均值，根据四个课程时间段评分节点内的评分平均值设置对应的时间评分，时间评分是由专家组根据评分平均值、评分平均值差值进行讨论设置的，将时间评分和对应的课程时间段整合标记为课程评分表；
根据公式TJZe＝λ×(b1×TGse+b2×PJe+b3×LSe)获取到推荐值THZe，其中，b1、b2、b3均为比例系数，取值范围为1<b1≤2，0<b2≤1，0<b3≤1，λ为修正因子，取值范围为0<λ≤1，将THZe<X3的代课老师对应的课程从二级课程中进行删除，其中X3为阈值；将删除后的二级课程标记为推荐课程，并将不全是推荐课程的二级组合进行删除，将删除后的二级组合标记为推荐组合；
通过服务器将推荐课程和推荐组合推荐给推荐学生。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种用于大学体育球类课程的智能选课推荐系统，其特征在于，包括兴趣筛选模块、数据库、选课规则筛选模块、课程评分模块和服务器；
所述兴趣筛选模块用于对学生需要选择的球类课程进行初步筛选，具体方法包括：
获取需要进行球类课程推荐的学生信息，并标记为推荐学生，获取推荐学生同班同学中选择球类课程的学生信息，并标记为参照学生，构建余弦相似度函数
Figure FDA0003323577210000011
其中，i和j分别为推荐学生和参照学生的兴趣度向量，兴趣度向量包括：球类课程的访问次数、球类课程的访问时长、球类运动的访问频率，根据球类课程的访问次数、球类课程的访问时长、球类运动的访问频率确定推荐学生的兴趣度函数：
Figure FDA0003323577210000012
设定兴趣度阈值X1，当wij>X1时，将对应的课程标记为筛选课程；
通过选课规则筛选模块对筛选课程进行再次删选，获得二级课程和二级组合，通过课程评分模块对二级课程进行评分，获得推荐值THZe，将THZe<X3的代课老师对应的课程从二级课程中进行删除，将删除后的二级课程标记为推荐课程，并将不全是推荐课程的二级组合进行删除，将删除后的二级组合标记为推荐组合，通过服务器将推荐课程和推荐组合推荐给推荐学生。
2.根据权利要求1所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，课规则筛选模块对筛选课程进行再次删选的方法包括：
获取推荐学生的历史选修通过课程名单，标记为历史课程名单，将筛选课程与历史课程名单进行对比，将历史课程名单中存在的课程从筛选课程中进行剔除，将剔除后的筛选课程标记为一级课程；
获取推荐学生还需要选修的选修学分P和一级课程对应的选修学分Lm，将选修学分Lm进行任意组合求和，获得求和值Cv，将Cv>P的组合进行删除，将Cv≤P的组合标记为一级组合，将一级组合中对应的课程标记为二级课程；获取一级组合的课程数量F，将一级组合中课程数量F>X2的组合进行剔除，剩余的一级组合标记为二级组合。
3.根据权利要求1所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，程评分模块对二级课程进行评分，获得推荐值THZe的方法包括：
获取二级课程的代课老师信息，根据代课老师信息获取对应代课老师前N届的课程通过率KTae，根据公式
Figure FDA0003323577210000021
获得课程通过率平均值KTse；建立通过率评分表，将通过率平均值KTse输入到通过率评分表中进行匹配，获得通过率评分TGse；
获取选修过二级课程的学生对代课老师的评价，建立评价模型，将选修过二级课程的学生对代课老师的评价整合标记为评价输入数据，将评价输入数据输入到评价模型中，获得对应代课老师的评分PJe；
获取代课老师的课程上课时间，建立课程评分表，将代课老师的课程上课时间输入到课程评分表中进行匹配，获得上课时间评分LSe；根据公式TJZe＝λ×(b1×TGse+b2×PJe+b3×LSe)获取到推荐值THZe。
4.根据权利要求3所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，建立课程评分表的方法包括：
建立四个课程时间段评分节点，邀请学生在四个课程时间段评分节点内进行评分，四个课程时间段评分节点对各自内部的评分求平均值，根据四个课程时间段评分节点内的评分平均值设置对应的时间评分，将时间评分和对应的课程时间段整合标记为课程评分表。
5.根据权利要求3所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，N为正整数，取值范围为[4,8]。
6.根据权利要求3所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，b1、b2、b3均为比例系数，取值范围为1<b1≤2，0<b2≤1，0<b3≤1，λ为修正因子，取值范围为0<λ≤1。
7.根据权利要求1所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，其特征在于，α1、α2、α3为调节系数，α1、α2、α3的取值范围为[0，1]。
8.根据权利要求1所述的一种用于大学体育球类课程的智能选课推荐系统，其特征在于，fij表示推荐学生对参照学生的球类课程访问次数，fmin为数据库中记录的最小的球类课程访问次数，fmax为数据库中记录的最大的球类课程访问次数；tij为推荐学生对参照学生的球类课程访问时长，tmax为数据库中记录的最大的球类课程访问时长，tmin为数据库中记录的最小的球类课程访问时长；rij为推荐学生对参照学生的球类运动的访问频率，rmax为数据库中记录的最大的球类运动的访问频率，rmin为数据库中记录的最小的球类运动的访问频率。
CN202111254390.1A 2021-10-27 2021-10-27 一种用于大学体育球类课程的智能选课推荐系统 Withdrawn CN113961773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111254390.1A CN113961773A (zh) 2021-10-27 2021-10-27 一种用于大学体育球类课程的智能选课推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111254390.1A CN113961773A (zh) 2021-10-27 2021-10-27 一种用于大学体育球类课程的智能选课推荐系统

Publications (1)

Publication Number Publication Date
CN113961773A true CN113961773A (zh) 2022-01-21

Family

ID=79467531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111254390.1A Withdrawn CN113961773A (zh) 2021-10-27 2021-10-27 一种用于大学体育球类课程的智能选课推荐系统

Country Status (1)

Country Link
CN (1) CN113961773A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117390401A (zh) * 2023-12-05 2024-01-12 云南与同加科技有限公司 一种基于云平台的校园体育数字化管理系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117390401A (zh) * 2023-12-05 2024-01-12 云南与同加科技有限公司 一种基于云平台的校园体育数字化管理系统和方法
CN117390401B (zh) * 2023-12-05 2024-02-13 云南与同加科技有限公司 一种基于云平台的校园体育数字化管理系统和方法

Similar Documents

Publication Publication Date Title
Walkinshaw et al. Native-and Non-Native Speaking English Teachers in Vietnam: Weighing the Benefits.
Nusantara et al. Designing PISA-like mathematics problem relating change and relationship using physical distancing context
CN111062842A (zh) 动态生成个性化题目的方法及装置
Filges et al. Service learning for improving academic success in students in grade K to 12: A systematic review
Miller et al. The Effects of Professional Development on Co-Teaching for Special and General Education Teachers and Students.
CN113961773A (zh) 一种用于大学体育球类课程的智能选课推荐系统
Taqi et al. The Perspectives of Students in the College of Basic Education on the Characteristics of Effective English Language Teachers.
Özüdoğru Turkish Teachers' Culturally Responsive Classroom Management Self-Efficacy: Reflections of Culturally Responsive Teaching.
Shihab et al. Sensing the necessity and impacts of private tuition in English among secondary students in Khulna, Bangladesh
Clow Difference between teacher professed collaborative teaching mode and adult student perception of collaborative teaching mode
Yanuarto et al. The Moderating Model of Teaching Anxiety on Teaching Beliefs and TPACK Effect to ICT Literacy among Pre-Service Mathematics Teachers.
Karačić The Role of Management and School in Organising Primary Students’ Free Time
Davis et al. Decreasing student stress through multi-attempt digital engineering assessments with rotating questions
Nkonkonya Mpuangnan Determining skills of basic schoolteachers in test item construction
Lee Learner instruction, attitudes during class and academic achievement of junior high school students in Korea: a panel analysis
Jin et al. An Analysis of Factors Influencing Secondary School Students' Career Planning
Valle Effects of criteria-referenced formative assessment on achievement in music
Song et al. A study on the process of sports socialization through the physical education classes of middle school students
Kibtiyah et al. The Value of Attribution to Strengthen Self-Efficacy and Self-Regulation of Islamic Boarding School Students
Aton et al. Vocabulary Proficiency And Language Skills Development Of English Majors: Various Factors And Significant Impacts
Pulsawad et al. Examining disciplinary specificity of preservice mathematics and science teachers’ professional identities
Karsen et al. Incompletion Rate Factors in MOOC: A Systematic Literature Review
Oslington et al. Authentic research using statistics by primary school students?: Yes, it is possible!
Chen THE EFFECTS OF REDUCING PARENT-CHILD INFORMATION FRICTIONS ON STUDENTS’ACADEMIC PERFORMANCE: EVIDENCE FROM A FIELD EXPERIMENT
Nazifah et al. The Influence of Teacher Ethics in Forming the Character of Primary School 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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220121

WW01 Invention patent application withdrawn after publication