CN114037358A - 基于高校互动课堂活动数据的学情分析方法及系统 - Google Patents
基于高校互动课堂活动数据的学情分析方法及系统 Download PDFInfo
- Publication number
- CN114037358A CN114037358A CN202111541659.4A CN202111541659A CN114037358A CN 114037358 A CN114037358 A CN 114037358A CN 202111541659 A CN202111541659 A CN 202111541659A CN 114037358 A CN114037358 A CN 114037358A
- Authority
- CN
- China
- Prior art keywords
- class
- student
- check
- students
- knowledge
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 230000000694 effects Effects 0.000 title claims abstract description 28
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 230000006399 behavior Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000007596 consolidation process Methods 0.000 claims abstract description 14
- 230000002787 reinforcement Effects 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 9
- 230000008451 emotion Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (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高校互动课堂活动数据的学情分析方法及系统，所述方法包括：在课前通过防作弊签到手段统计班级出勤率；在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；在课后通过课后作业统计各个学生对知识的巩固和应用程度；根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。本发明通过统计课前、课内、课后的活动数据进行学情分析，可识别不良行为，设定评分规则分别计算班级和个人学情评分，为高效互动课堂提供综合评分结果。
Description
技术领域
本发明属于学情分析术领域，具体涉及一种基于高校互动课堂活动数据的学情分析方法及系统。
背景技术
传统的学情分析方法是基于教师的观察和考试成绩，或者通过问卷调查进行评测，这样的分析方法主观性较强，获得的数据真实性也存在着一定的问题。尤其对于高校，学生逃课、代为点名签到、上课玩手机等不良行为层出不穷，教师无法准确获取学生的考勤数据和课堂行为数据，也无法准确判定学生究竟是在做与课程相关的学习还是其他无关的娱乐，为准确评析课堂学习情况增加了不小的阻碍。
现有的课堂考勤多为现场点名或学生在手机端签到，现场点名较为繁琐且占用上课时间，手机端签到存在各种不足，比如可利用他人代签或使用软件模拟地理位置进行签到，这种虚假签到信息会影响学情分析的准确性，甚至会误导教师做出错误决策。
现有技术中也出现了大量基于“机器视觉”的学情分析方法，通过采集课堂的照片和视频信息，采用机器学习进行姿态、表情、抬头、注意力等的检测，判定学生行为。但是这样的视觉观察手段需要大量数据进行模型训练，分析处理方法复杂且受外界因素干扰较大，如视频信息损坏、人脸识别算法优劣、个人故意伪装等，这些都会影响到最终的实验结果和结论。
发明内容
针对现有技术的缺陷，本发明提出了一种基于高校互动课堂活动数据的学情分析方法及系统，用于解决高校互动课堂的学情分析时无法有效分辨学生的不良行为的问题。
本发明第一方面，公开一种基于高校互动课堂活动数据的学情分析方法，所述方法包括：
在课前通过防作弊签到手段统计班级出勤率；
在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；
在课后通过课后作业统计各个学生对知识的巩固和应用程度；
根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
优选的，所述在课前通过防作弊签到手段统计班级出勤率具体包括：预先在服务器端存储课程名称、课程时间、教师信息与学生信息的对应关系表；
教师端在课前发起签到，并将签到信息上传至服务器端，签到模式为在线签到和/或GPS定位签到；
根据签到信息和对应关系表确定需要签到的学生及学生图像，发送签到界面到需要签到的学生端上，并在签到界面显示倒计时；
根据签到模式生成对应的签到结果；
将签到结果同时推送到教师端和学生端，在教师端统计班级出勤率。
优选的，所述根据签到模式生成对应的签到结果具体包括：
进入在线签到模式，在需要签到的学生端的签到界面上根据学生的活动账户生成签到二维码，记录签到二维码首次生成时间，并按照预设周期更新签到二维码；
收集学生对签到的二维码识别结果，记录签到二维码识别结果的收集时间；
签到二维码的收集时间减去首次生成时间，得到扫码时段，扫码时段是否在预设的扫码时段之内，若是，则进入GPS定位签到模式或进行身份验证，GPS定位签到模式签到成功或身份验证成功，则签到成功，否则，签到失败。
优选的，当进入GPS定位签到模式时，所述根据签到模式生成对应的签到结果具体包括：
获取当前需要签到的学生端与教师端之间的定位距离，当定位距离大于等于预设的距离阈值时，签到界面锁定，签到失败；
当定位距离小于预设的距离阈值时，签到界面解锁并采集签到学生当前的照片信息，经学生确认后传输到服务器端；
在服务器端将学生当前的照片信息与需要签到的学生图像比对，若匹配成功则签到成功；
若比对成功则发送匹配失败信息到对应的学生端，重新采集签到学生的照片信息，直到达到预设的匹配次数，输出最终的比对结果；
根据定位距离和比对结果生成签到结果。
优选的，所述在课内通过预制的投票主题和课堂试题统计学生对知识的识记和理解程度具体包括：
教师在教师端选择预制的投票主题或自定义投票主题，并设置投票开始和结束时间，发起投票，学生在学生端收到对应的选项，投票结束后，统计投票统计结果，投票统计结果包括学生投票的人数、未投票的人数、投各选项的人数及对应的百分比；
教师在课前从题库中选择课堂中需要的试题，课内从教师端选择预置的试题，设置试题答题开始和结束时间并发布，学生在学生端端收到对应的试题，答题完成后提交，答题时间结束后，统计课堂试题统计结果，课堂试题统计结果包括统计出当前答题的人数，答对的人数，答题的正确率，各个选项的人数及对应的百分比；
根据投票统计结果和课堂试题统计结果计算学生对知识的识记和理解程度，学生对知识的识记和理解程度包括各个投票知识点和试题知识点的总体正确率，总体参与积极度、每个学生的正确率、每个学生的参与积极度。
优选的，所述通过统计学生终端网络使用情况识别非课程相关的网络行为具体包括：
采集学生端在课内的网络行为数据，将学生的网络行为数据分为投票答题时段和非投票答题时段；所述投票答题时段为投票开始和结束之间的时段以及试题答题开始和结束之间的时段，非投票答题时段为课内其余时段；
对于投票答题时段，分析各个学生端非投票和试题页面的上网行为，并监测学生端输入法，当输入法输入的字段与当前投票主题或试题题目相似度超过预设阈值时，判定存在作弊嫌疑，统计存在作弊嫌疑的次数；
对于非投票答题时段，记录各个学生端的上网时间段和上网总时长。
优选的，所述根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分具体包括：
记班级学生总数为N，课程时长为T，班级出勤率为η、学生对知识的识记和理解程度中，各个投票知识点和试题知识点的总体正确率为α，总体参与积极度为β、每个学生的正确率αi、每个学生的参与积极度为βi、学生对知识的巩固和应用程度中，总体正确率为α'，总体参与积极度为β'、每个学生的正确率αi'、每个学生的参与积极度为βi'、非课程相关的网络行为中，各个学生端存在作弊嫌疑的次数为ki，上网总时长为ti；
设定评分规则，分别计算班级和个人学情评分：
Si＝w1*αi*βi+w2*αi'*βi'-w3*αi*βi/(αi'*βi')*ki*ti/T
其中，Si为个人学情评分，i＝1,2,…,N，S2为班级学情评分，w0、w1、w2、w3分别为权重系数。
本发明第二方面，公开一种基于高校互动课堂活动数据的学情分析系统，所述系统包括：
课前考勤模块：在课前通过防作弊签到手段统计班级出勤率；
课内统计模块：在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；
课后统计模块：在课后通过课后作业统计各个学生对知识的巩固和应用程度；
学情分析模块：根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。
本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如本发明第一方面所述的方法。
本发明相对于现有技术具有以下有益效果：
1)在课前通过在线签到和GPS定位签到的混合签到模式作为防作弊签到手段来统计班级出勤率，识别签到作假行为，提高考勤统计准确率；
2)在课内通过预制的投票主题和课堂试题统计学生对知识的识记和理解程度数据，并监测学生端的上网情况，进行非课程相关的上网行为分析，有效分辨出学生的课堂不良行为，提高课堂学情数据的准确性；
3)本发明通过统计课前、课内、课后的活动数据进行学情分析，设定评分规则，然后根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分，学情分析更加全面，为高效教学中学生状态评估提供直观评价。
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地介绍，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为本发明的一种基于高校互动课堂活动数据的学情分析方法流程图；
图2为课内统计数据流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
请参阅图1，本发明提出一种基于高校互动课堂活动数据的学情分析方法，所述方法包括：
S1、在课前通过防作弊签到手段统计班级出勤率；
高校课堂中，学生逃课、玩手机现象最为严重，教师往往很难一一核查，签到时也可能出现作弊、代签等不良行为，因此需要防作弊措施来提高考勤统计准确性。本发明在课前可采用防作弊签到模式来考勤，具体包括如下分步骤：
S11、预先在服务器端存储课程名称、课程时间、教师信息与学生信息的对应关系表；
S12、教师端在课前发起签到，并将签到信息上传至服务器端，签到模式为在线签到和GPS定位签到；
S13、根据签到信息和对应关系表确定需要签到的学生及学生图像，发送签到界面到需要签到的学生端上，并在签到界面显示倒计时；
S14、根据签到模式生成对应的签到结果；
具体的，本发明的签到模式为在线签到模式或GPS定位签到模式或者在线签到和/或GPS定位签到相结合的方式。
1，当签到模式为在线签到时，进入在线签到模式，在需要签到的学生端的签到界面上根据学生的活动账户生成签到二维码，记录签到二维码首次生成时间，并按照预设周期更新签到二维码；
收集学生对签到的二维码识别结果，记录签到二维码识别结果的收集时间；
签到二维码的收集时间减去首次生成时间，得到扫码时段，扫码时段是否在预设的扫码时段之内，若是，则进行身份验证，身份验证通过，则签到成功，否则，签到失败。
2，当签到模式为GPS定位签到时，进入GPS定位签到模式，获取当前需要签到的学生端与教师端之间的定位距离，当定位距离大于等于预设的距离阈值时，签到界面锁定，签到失败；
当定位距离小于预设的距离阈值时，签到界面解锁并采集签到学生当前的照片信息，经学生确认后传输到服务器端；
在服务器端将学生当前的照片信息与需要签到的学生图像比对，若匹配成功则签到成功；
若比对成功则发送匹配失败信息到对应的学生端，重新采集签到学生的照片信息，直到达到预设的匹配次数，输出最终的比对结果；
根据定位距离和比对结果生成签到结果，当定位距离在预设的范围之内且最终的比对结果成功时，则GPS定位签到的签到结果为成功，否则为失败。
3，当签到模式为在线签到和GPS定位签到相结合的混合签到方式时，先进入在线签到模式，采用在线签到模式同样的方式获得扫码时段，判断扫码时段是否在预设的扫码时段之内，若是，则进入GPS定位签到模式，当采用GPS定位签到模式得到的签到结果为成功时，则最终混合签到结果为成功，否则为失败。
S15、将签到结果同时推送到教师端和学生端，在教师端统计班级出勤率。
S2、在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；请参阅图2，课内统计数据流程图，步骤S2具体包括如下分步骤：
S21、教师在教师端选择预制的投票主题或自定义投票主题，并设置投票开始和结束时间，发起投票，学生在学生端收到对应的选项，投票结束后，统计投票统计结果。投票统计结果包括参与投票的人数、未投票的人数、投各选项的人数及对应的百分比。
根据投票统计结果可计算投票参与度和投票正确率。具体的，根据参与投票的人数、未投票的人数计算投票参与度，投票参与积极度为参与投票的学生与学生总数的比值，根据投各选项的人数及对应的百分比计算投票正确率。
S22、教师在课前从题库中选择课堂中需要的试题，课内从教师端选择预置的试题，设置试题答题开始和结束时间并发布，学生在学生端端收到对应的试题，答题完成后提交，答题时间结束后，统计课堂试题统计结果。课堂试题统计结果包括统计出当前答题的人数，答对的人数，各个选项的人数及对应的百分比。
根据课堂试题统计结果可计算答题正确率与答题参阅积极度。
S23、根据投票统计结果和课堂试题统计结果计算学生对知识的识记和理解程度，学生对知识的识记和理解程度包括各个投票知识点和试题知识点的总体正确率，总体参与积极度、每个学生的正确率、每个学生的参与积极度。
具体的，各个投票知识点和试题知识点的总体正确率为班级所有学生投票正确率和班级所有学生答题的正确率之和，总体参与积极度为投票参与积极度与答题参阅积极度之和，每个学生的正确率为投片和答题正确数与投票和答题总数的比值、每个学生的参与积极度为参与的投票和答题数与投票和答题总数的比值。
以上为课内的投票和答题活动统计数据，这些活动的统计数据忽略了学生在课内的不良行为，比如浏览与当前课程无关的网站等，还可能出现上网搜题等等作弊行为，影响课内活动数据的准确性。因此，本发明接下来通过监控学生端在课内的网络行为数据进行上网行为分析，如步骤S24～S26所示。
S24、采集学生端在课内的网络行为数据，将学生的网络行为数据分为投票答题时段和非投票答题时段的数据；所述投票答题时段为投票开始和结束之间的时段以及试题答题开始和结束之间的时段，非投票答题时段为课内其余时段；
S25、对于投票答题时段，分析各个学生端非投票和试题页面的上网行为，并监测学生端输入法，当输入法输入的字段与当前投票主题或试题题目相似度超过预设阈值时，判定存在作弊嫌疑，统计存在作弊嫌疑的次数；
S26、对于非投票答题时段，记录各个学生端的上网时间段和上网总时长。
S3、在课后通过课后作业统计各个学生对知识的巩固和应用程度；
教师在课程结束后发布课后作业，并设置作业提交期限，获取学生提交的作业完成结果，按照步骤S2类似的方式统计学生对知识的巩固和应用程度，比如总体正确率，总体参与积极度、每个学生的正确率、每个学生的参与积极度等。
S4、根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
传统的学情分析大多将统计得到的学生数据分门别类的通过图表展示，虽然较为直观，但是只能分类比较，只能根据分类比较结果结合人为经验进行综合评判，本发明通过设定评分规则，分别计算班级和个人学情评分，得到综合评价结果。
记班级学生总数为N，课程时长为T，班级出勤率为η、学生对知识的识记和理解程度中，各个投票知识点和试题知识点的总体正确率为α，总体参与积极度为β、每个学生的正确率αi、每个学生的参与积极度为βi、学生对知识的巩固和应用程度中，总体正确率为α'，总体参与积极度为β'、每个学生的正确率αi'、每个学生的参与积极度为βi'、非课程相关的网络行为中，各个学生端存在作弊嫌疑的次数为ki，上网总时长为ti；
设定评分规则，分别计算班级和个人学情评分：
Si＝w1*αi*βi+w2*αi'*βi'-w3*αi*βi/(αi'*βi')*ki*ti/T
其中，Si为个人学情评分，i＝1,2,…,N，S2为班级学情评分，w0、w1、w2、w3分别为权重系数。αi*βi/(αi'*βi')总体上反映了各个学生的课堂知识掌握程度，αi*βi/(αi'*βi')值越大，课堂知识掌握程度越低，如果学生对课堂知识掌握程度越低且非课程相关的上网时间越长，则进行扣分降权处理的力度越大，个人学情评分降低；班级学情评分同理。
本发明通过统计课前、课内、课后的活动数据进行学情分析，并识别不良行为，设定评分规则，根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分，学情分析更加准确，为高效教学中学生状态评估提供直观准确评价。
与上述方法实施例相对应，本发明还提出一种基于高校互动课堂活动数据的学情分析系统，所述系统包括：
课前考勤模块：在课前通过防作弊签到手段统计班级出勤率；
课内统计模块：在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；
课后统计模块：在课后通过课后作业统计各个学生对知识的巩固和应用程度；
学情分析模块：根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
以上方法实施例和系统实施例是对应的，系统实施例简述之处请参阅方法实施例即可。
本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的方法。
本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述方法的全部或部分步骤。所述存储介质包括：U盘、移动硬盘、只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下，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案的目的。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，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 (10)
1.一种基于高校互动课堂活动数据的学情分析方法，其特征在于，所述方法包括：
在课前通过防作弊签到手段统计班级出勤率；
在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；
在课后通过课后作业统计各个学生对知识的巩固和应用程度；
根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
2.根据权利要求1所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，所述在课前通过防作弊签到手段统计班级出勤率具体包括：
预先在服务器端存储课程名称、课程时间、教师信息与学生信息的对应关系表；
教师端在课前发起签到，并将签到信息上传至服务器端，签到模式为在线签到和/或GPS定位签到；
根据签到信息和对应关系表确定需要签到的学生及学生图像，发送签到界面到需要签到的学生端上，并在签到界面显示倒计时；
根据签到模式生成对应的签到结果；
将签到结果同时推送到教师端和学生端，在教师端统计班级出勤率。
3.根据权利要求2所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，所述根据签到模式生成对应的签到结果具体包括：
进入在线签到模式，在需要签到的学生端的签到界面上根据学生的活动账户生成签到二维码，记录签到二维码首次生成时间，并按照预设周期更新签到二维码；
收集学生对签到的二维码识别结果，记录签到二维码识别结果的收集时间；
签到二维码的收集时间减去首次生成时间，得到扫码时段，扫码时段是否在预设的扫码时段之内，若是，则进入GPS定位签到模式或进行身份验证，，GPS定位签到模式签到成功或身份验证通过，则在线签到成功，否则，在线签到失败。
4.根据权利要求3所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，当进入GPS定位签到模式时，所述根据签到模式生成对应的签到结果具体包括：
获取当前需要签到的学生端与教师端之间的定位距离，当定位距离大于等于预设的距离阈值时，签到界面锁定；
当定位距离小于预设的距离阈值时，签到界面解锁并采集签到学生当前的照片信息，经学生确认后传输到服务器端；
在服务器端将学生当前的照片信息与需要签到的学生图像比对，若匹配成功，则GPS定位签到成功；
若比对失败则发送失败信息到对应的学生端，重新采集签到学生的照片信息，直到达到预设的匹配次数，输出最终的比对结果；
根据定位距离和比对结果生成签到结果。
5.根据权利要求1所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，所述在课内通过预制的投票主题和课堂试题统计学生对知识的识记和理解程度具体包括：
教师在教师端选择预制的投票主题或自定义投票主题，并设置投票开始和结束时间，发起投票，学生在学生端收到对应的选项，投票结束后，统计投票统计结果，投票统计结果包括学生投票的人数、未投票的人数、投各选项的人数及对应的百分比；
教师在课前从题库中选择课堂中需要的试题，课内从教师端选择预置的试题，设置试题答题开始和结束时间并发布，学生在学生端端收到对应的试题，答题完成后提交，答题时间结束后，统计课堂试题统计结果，课堂试题统计结果包括统计出当前答题的人数，答对的人数，答题的正确率，各个选项的人数及对应的百分比；
根据投票统计结果和课堂试题统计结果计算学生对知识的识记和理解程度，学生对知识的识记和理解程度包括各个投票知识点和试题知识点的总体正确率，总体参与积极度、每个学生的正确率、每个学生的参与积极度。
6.根据权利要求1所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，所述通过统计学生终端网络使用情况识别非课程相关的网络行为具体包括：
采集学生端在课内的网络行为数据，将学生的网络行为数据分为投票答题时段和非投票答题时段；所述投票答题时段为投票开始和结束之间的时段以及试题答题开始和结束之间的时段，非投票答题时段为课内其余时段；
对于投票答题时段，分析各个学生端非投票和试题页面的上网行为，并监测学生端输入法，当输入法输入的字段与当前投票主题或试题题目相似度超过预设阈值时，判定存在作弊嫌疑，统计存在作弊嫌疑的次数；
对于非投票答题时段，记录各个学生端的上网时间段和上网总时长。
7.根据权利要求6所述的基于高校互动课堂活动数据的学情分析方法，其特征在于，所述根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分具体包括：
记班级学生总数为N，课程时长为T，班级出勤率为η、学生对知识的识记和理解程度中，各个投票知识点和试题知识点的总体正确率为α，总体参与积极度为β、每个学生的正确率αi、每个学生的参与积极度为βi、学生对知识的巩固和应用程度中，总体正确率为α'，总体参与积极度为β'、每个学生的正确率αi'、每个学生的参与积极度为βi'、非课程相关的网络行为中，各个学生端存在作弊嫌疑的次数为ki，上网总时长为ti；
设定评分规则，分别计算班级和个人学情评分：
Si＝w1*αi*βi+w2*αi'*βi'-w3*αi*βi/(αi'*βi')*ki*ti/T
其中，Si为个人学情评分，i＝1,2,…,N，S2为班级学情评分，w0、w1、w2、w3分别为权重系数。
8.一种基于高校互动课堂活动数据的学情分析系统，其特征在于，所述系统包括：
课前考勤模块：在课前通过防作弊签到手段统计班级出勤率；
课内统计模块：在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度，并通过统计学生端网络使用情况识别非课程相关的网络行为；
课后统计模块：在课后通过课后作业统计各个学生对知识的巩固和应用程度；
学情分析模块：根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器、通信接口和总线；
其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令使计算机实现如权利要求1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541659.4A CN114037358A (zh) | 2021-12-16 | 2021-12-16 | 基于高校互动课堂活动数据的学情分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541659.4A CN114037358A (zh) | 2021-12-16 | 2021-12-16 | 基于高校互动课堂活动数据的学情分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114037358A true CN114037358A (zh) | 2022-02-11 |
Family
ID=80146932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111541659.4A Pending CN114037358A (zh) | 2021-12-16 | 2021-12-16 | 基于高校互动课堂活动数据的学情分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114037358A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100912A (zh) * | 2022-08-09 | 2022-09-23 | 广州市锐星信息科技有限公司 | 一种基于大数据的教学活动设计系统 |
-
2021
- 2021-12-16 CN CN202111541659.4A patent/CN114037358A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100912A (zh) * | 2022-08-09 | 2022-09-23 | 广州市锐星信息科技有限公司 | 一种基于大数据的教学活动设计系统 |
| CN115100912B (zh) * | 2022-08-09 | 2023-12-08 | 广州市锐星信息科技有限公司 | 一种基于大数据的教学活动设计系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20160293036A1 (en) | System and method for adaptive assessment and training | |
| CN110807962B (zh) | 一种智能组卷考试系统 | |
| Joris et al. | Citizenship-as-competence, what else? Why European citizenship education policy threatens to fall short of its aims | |
| US11669923B2 (en) | Enhanced teaching method and security protocol in testing students | |
| CN112488527A (zh) | 一种基于区块链的学生学习状态分析共享系统 | |
| CN114037358A (zh) | 基于高校互动课堂活动数据的学情分析方法及系统 | |
| Musabirov et al. | Predictors of academic achievement in blended learning: The case of data science minor | |
| Sebina et al. | From perception and knowledge to classroom practice: Teaching listening comprehension to Setswana speakers of English in junior schools in Botswana | |
| CN111259305A (zh) | 一种在线智能教育方法 | |
| CN111080079A (zh) | 一种基于大数据的人才职业技能评估方法及系统 | |
| CN111311134B (zh) | 一种智慧教育云平台 | |
| JP2002140441A (ja) | 情報交換方法、情報交換プログラムを記録したコンピュータ読み取り可能な記録媒体及び情報交換装置 | |
| KR101681404B1 (ko) | 사전체험 강의 제공 장치 및 사전체험 강의 제공 방법 | |
| CN114842567A (zh) | 一种视频巡查方法、装置、设备及介质 | |
| Leckrone | Hippies, feminists, and neocons: Using The Big Lebowski to find the political in the nonpolitical | |
| Soto et al. | Performance-based tasks as a mean to assess the speaking skills of learners of English as a foreign language | |
| Fernando et al. | Innovative, Integrated and Interactive (3I) LMS for Learners and Trainers | |
| Hogue | A phenomenological study of mathematics teacher educators' experiences related to and perceptions of statistics | |
| Pickle | The culture of high expectations and academic achievement in California public high schools | |
| Hamid et al. | Academic Cheating and Fraud Triangle Theory: Undergraduate Students’ Perspectives | |
| Liang | What Role Does Mathematics Play in Accounting Performance? | |
| Gardner et al. | Academic Integrity and the COVID-19 Pandemic: Supporting Students, Strengthening the Academy | |
| Sylvan | Perceptions of Factors that Contribute to the Successful Reading Development of Young African American Male Students | |
| Baquera | Perceptions of Teacher Effectiveness and the Use of an Evidence-Based Teacher Observation Tool Amongst Novice and Experienced Physical Educators: A Multiple-Case Qualitative Study | |
| Jones | Impact of Reflection: A Qualitative Study Measuring the Impact Reflection Has on Teacher Effectiveness |
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 |