CN114066695B - 一种基于劳动项目的教育内容分析方法、系统和存储介质 - Google Patents
一种基于劳动项目的教育内容分析方法、系统和存储介质 Download PDFInfo
- Publication number
- CN114066695B CN114066695B CN202210052871.2A CN202210052871A CN114066695B CN 114066695 B CN114066695 B CN 114066695B CN 202210052871 A CN202210052871 A CN 202210052871A CN 114066695 B CN114066695 B CN 114066695B
- Authority
- CN
- China
- Prior art keywords
- information
- labor
- user
- recommended
- acquiring
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000003062 neural network model Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 235000021184 main course Nutrition 0.000 description 2
- 230000004630 mental health Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012545 processing 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
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (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)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开的一种基于劳动项目的教育内容分析方法、系统和存储介质,能够对用户进行分析,得到用户能力信息,根据不同的能力信息推荐适应用户的劳动信息,本发明还能够根据最新用户能力信息进行劳动内容的调整,以适应不同用户的需要,针对性的根据用户的特征进行劳动方案调整,提高了用户使用体验感,也提高了学生的综合能力。另外,本发明还能够根据类似用户群确定推荐劳动信息,以及对劳动成果进行打分,在满足了学生劳动教育的基础上,还增加了趣味性。
Description
技术领域
本申请涉及数据分析及教育领域,更具体的,涉及一种基于劳动项目的教育内容分析方法、系统和存储介质。
背景技术
如今,学生在进行素质教育时,往往还会重视劳动教育。劳动教育,使学生树立正确的劳动观点和劳动态度,热爱劳动和劳动人民,养成劳动习惯的教育,是人德智体美劳全面发展的主要内容之一。目前劳动教育由学校或者教育机构统一进行开展,并未根据学生或者地域的不同设置不同的劳动教育内容。
因此,现有技术存在缺陷,急需改进。
发明内容
本申请的目的在于提供一种基于劳动项目的教育内容分析方法、系统和存储介质,能够对用户进行分析,得到用户能力信息,根据不同的能力信息推荐适应用户的劳动信息,本发明还能够根据最新用户能力信息进行劳动内容的调整,以适应不同用户的需要,针对性的根据用户的特征进行劳动方案调整,提高了用户使用体验感,也提高了学生的综合能力。
本发明第一方面公开了一种基于劳动项目的教育内容分析方法,包括:
获取用户的用户信息;
对所述用户信息进行分析,得到用户能力信息;
根据所述用户能力信息进行分析,得到推荐劳动信息;
将所述推荐劳动信息发送至预设终端;
在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
判断所述能力值是否达到预设能力值阈值;
若未达到,则对所述推荐劳动信息进行修正。
本方案中,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
本方案中,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
本方案中,还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端。
本方案中,还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端。
本方案中,所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为推荐劳动信息。
本发明第二方面公开了一种基于劳动项目的教育内容分析系统,该系统包括:存储器及处理器,所述存储器中包括基于劳动项目的教育内容分析方法的程序,所述基于劳动项目的教育内容分析方法的程序被所述处理器执行时实现以下步骤:
获取用户的用户信息;
对所述用户信息进行分析,得到用户能力信息;
根据所述用户能力信息进行分析,得到推荐劳动信息;
将所述推荐劳动信息发送至预设终端;
在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
判断所述能力值是否达到预设能力值阈值;
若未达到,则对所述推荐劳动信息进行修正。
本方案中,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
本方案中,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
本方案中,还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端。
本方案中,还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端。
本方案中,所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为推荐劳动信息。
本发明第三方面公开了一种可读存储介质,所述可读存储介质中包括基于劳动项目的教育内容分析方法程序,所述基于劳动项目的教育内容分析方法程序被处理器执行时,实现如上述任一项所述的一种基于劳动项目的教育内容分析方法的步骤。
本发明公开的一种基于劳动项目的教育内容分析方法、系统和存储介质,能够对用户进行分析,得到用户能力信息,根据不同的能力信息推荐适应用户的劳动信息,本发明还能够根据最新用户能力信息进行劳动内容的调整,以适应不同用户的需要,针对性的根据用户的特征进行劳动方案调整,提高了用户使用体验感,也提高了学生的综合能力。另外,本发明还能够根据类似用户群确定推荐劳动信息,以及对劳动成果进行打分,在满足了学生劳动教育的基础上,还增加了趣味性。
附图说明
图1示出了本发明一种基于劳动项目的教育内容分析方法的流程图;
图2示出了本发明一种基于劳动项目的教育内容分析系统的框图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
图1示出了本发明一种基于劳动项目的教育内容分析方法的流程图。
如图1所示,本发明公开了一种基于劳动项目的教育内容分析方法,包括:
S102,获取用户的用户信息;
S104,对所述用户信息进行分析,得到用户能力信息;
S106,根据所述用户能力进行分析,得到推荐劳动信息;
S108,将所述推荐劳动信息发送至预设终端;
S110,在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
S112,判断所述能力值是否达到预设能力值阈值;
S114,若未达到,则对所述推荐劳动信息进行修正。
需要说明的是,获取用户的用户信息,其中用户信息包含学生用户的基本信息,例如,姓名、ID标识、年龄、学校等信息,还可以包含有用户的身体状况信息,例如,体质状况、身体特殊情况等。然后根据用户信息进行分析,得到用户能力信息,用户的能力信息表明用户能够从事劳动强度的高和低,能力高的用户,能够从事劳动的强度就大。根据用户的能力进行分析,可以得到推荐劳动信息,所述推荐劳动信息可以包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。然后将推荐劳动信息发送至预设的终端,所述预设终端可以是学生端或者教师端或者家长端。然后在预设时间内等待学生用户进行劳动教育学习,学习之后获取最新用户能力信息,所述最新能力信息反应了学生用户在接受劳动教育之后所获得的能力高低,能力值越高则代表学生当前获得的能力较强。判断所述能力值是否达到预设能力值阈值,如果达到了,则说明当前的劳动教育是有效的,如果没有达到,则说明当前劳动教育可能不太适合当前学生用户,则需要进行调整和修正。
根据本发明实施例,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
需要说明的是,本发明还能够根据类似的用户群进行分析,以进行推荐劳动信息。首先,计算所述用户信息的特征值,得到用户特征值,所述特征值的计算可以采用现有技术中的特征值计算,本发明不再一一赘述。然后计算所述用户特征值与数据库中其他用户特征值的差别率,数据库中的用户是预先存储的。将小于差别率阈值的其他用户归于近似用户群,在得到了近似用户群之后,可以获取近似用户群的用户信息和历史劳动信息;对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。通过对近似用户群的数据分析,可以使得推荐给学生用户的劳动信息更加精准,更匹配用户的情况。
根据本发明实施例,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
需要说明的是,所述劳动神经网络模型的训练,具体为:
获取历史状态数据;对所述历史状态数据进行预处理,得到训练数组;将所述训练数组发送至初始化的神经网络模型中进行训练;获取训练后的神经网络模型的误差率;若所述误差率小于预设的误差率阈值,则停止训练,得到劳动神经网络模型。需要说明的是,通过劳动神经网络模型可以快速的得到分析结果,也就是推荐劳动信息。
根据本发明实施例,还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端。
需要说明的是,本发明还能够通过图像识别技术自动识别劳动作品的内容,并根据与推荐成果信息的相似率确定劳动成果信息分数。通过自动打分,可以减少教师的评分工作,提高了使用体验感。
根据本发明实施例,还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端。
需要说明的是,通过图像识别技术,可以获得劳动成果信息与原始推荐成果信息的差别,得到差别信息。然后根据差别信息可以生成指导意见信息,所述指导意见信息包括手工操作内容等信息,然后发送至预设的终端,所述预设终端可以是学生端和家长端、教师端,以方便指导学生用户进行动作等的修改,提高使用体验感。
根据本发明实施例,所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为推荐劳动信息。
需要说明的是,本发明能够将能力值和预设能力值进行比较,得到差值,然后根据差值确定待提高能力的方向。其中能力值可以为多个方向,包括心理能力值、德智能力值、动手能力值等。再根据待提高能力信息确定劳动内容信息,将所述劳动内容信息作为推荐劳动信息。由于每个学生的能力不同,导致综合能力也不同,因此针对薄弱的能力方向进行针对性的劳动教育,可以使得学生用户全面发展。
根据本发明实施例,还包括:
获取所述劳动成果信息对应的标记值;
获取标记值的数值;
判断所述数值是否超过预设的数值阈值;
若超过,则将所述劳动成果作为原始推荐成果信息。
需要说明的是,学生用户完成的劳动作品可以在平台中进行图片和视频展示,其他用户可以针对每个展示进行点赞。本发明可以根据点赞数量确定劳动课程的标准,如果点赞数量多,说明受到众人喜欢,那么可以将点赞的作品作为原始推荐成果信息,也就是作为劳动课程的成品交付标准。所述标记值可以为点赞数,或者是点击数量,标记值可以衡量公众对劳动成果信息的喜欢程度。获取了标记值的数值,然后判断数值是否超过预设的数值阈值,所述数值阈值可以是本领域技术人员根据实际需要设置的,可以是100或者1000等。如果超过,说明公众对此作品的喜欢程度较高,则可以此作品作为原始推荐成果信息,作为劳动作品的交付标准或者参考标准。通过本发明此步骤,可以使得劳动成果的作品更加符合公众的需求和审美,提高了使用体验感。
根据本发明实施例,还包括:
获取学习阶段时间信息和课程信息;
根据当前时间、学习阶段时间信息和课程信息确定第一劳动信息;
将所述第一劳动信息发送至预设终端进行确认;
获取预设终端的确认信息,将所述第一劳动信息作为劳动信息。
需要说明的是,本发明还能够根据学期的时间和课程繁忙度进行劳动课程的安排。首先,获取学习阶段时间信息和课程信息,学习阶段信息可以为学期的时间信息或者学期安排信息,课程信息为每个时间阶段的课程繁忙度信息。然后通过当前时间、学习阶段时间信息和课程信息确定第一劳动信息,所述第一劳动信息为经过分析后推荐的劳动课程信息,包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。在确定了第一劳动信息之后,需要发送至预设终端进行确认,所述预设终端可以为教务处端、教师端、学校端,本领域技术人员可以根据实际需要进行确认。最后,得到了预设终端发送的确认信息之后,可以将第一劳动信息作为劳动信息,以推送学生用户进行劳动学习。通过不同阶段和课程繁忙度的分析,推送相应的劳动课程,可以使得学生合理的学习劳动又不耽误主课程的学习,提高了使用体验感。
根据本发明实施例,还包括:
根据用户的用户信息确定用户体质信息;
根据所述用户体质信息确定第二劳动信息;
将所述第二劳动信息作为劳动信息。
需要说明的是,本发明还能够根据每个学生用户的体质确定劳动内容,首先,获取了用户的用户信息,根据用户信息确定用户体质信息。所述体质信息包括用户的疫病状态、残疾状态、身体问题等体质方面的信息。然后根据用户的体质信息确定第二劳动信息,所述第二劳动信息包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。例如,用户体质较弱的话,劳动时长则会相应缩短,劳动类别也会相应轻松一些。通过本发明的技术方案,可以根据每个用户体质的不同,选择合适的劳动学习内容,提高了用户体验感。
根据本发明实施例,还包括:
根据用户的用户信息判断用户是否属于特殊人群;
若属于,则确定所述用户的适应劳动信息;
根据所述适应劳动信息确定第三劳动信息;
将所述第三劳动信息作为劳动信息。
需要说明的是,本发明还针对特殊人群进行劳动信息的分析和推荐。所述特殊人群可以为残疾用户,残疾可以分为多种残疾,例如,四肢残疾或者五官残疾等。所述适应劳动信息为用户适合的劳动内容,不同的残疾内容会有不同的劳动种类,例如,脚残疾的用户适合手部的劳动学习;手部残疾的用户适合脚部的劳动学习等。通过本发明的技术方案,可以根据用户的特殊性针对性的选择合适的劳动学习内容,科学化的提高特殊人群的劳动学习能力。
根据本发明实施例,还包括:
获取地域信息和环境信息;
根据所述地域信息和环境信息得到第四劳动信息;
将所述第四劳动信息作为劳动信息。
需要说明的是,每个学校所处的地域和环境不同,则适合的劳动项目内容可能也不同。例如,东北地区在冬季时,户外温度较低,为了学生身体健康,则选择室内劳动学习较为适合。所述地域信息为学校或者学生用户所处的地理位置信息,包括经纬度信息;所述环境信息为温度、气压、海拔高度等信息。通过地域信息和环境信息可以确定当前学生用户适合的劳动学习内容。例如,温度较低或者户外下雨时,可以选择室内劳动,通过自适应的劳动推荐,可以提高学生身心健康,增加了学生的劳动兴趣。
根据本发明实施例,还包括:
获取第三方设备的检测信息;
根据所述检测信息进行用户的识别,得到用户ID标识;
获取用户动作信息和作品信息;
将所述动作信息和作品信息与原始推荐动作信息和原始推荐作品信息进行比较,得到分值;
将所述分值和用户ID标识信息发送至预设终端进行显示。
需要说明的是,所述第三方设备可以是摄像装置或者图像捕捉装置,用以获取学生用户的图像或者动作信息。首先获取第三方设备的检测信息,所述检测信息为图像信息。根据所述检测信息可以识别出来用户,得到用户ID标识信息。具体的识别可以采用图像识别技术,本发明不再一一赘述。接着再获取用户动作信息和作品信息,通过本发明可以在操场或者室内直接识别用户在劳动过程中的动作以及完成劳动的作品信息,而无需用户单独上传每个劳动信息。获取到了动作信息和作品信息之后,与原始推荐动作信息和原始推荐作品信息进行比较,得到差别率,通过差别率得到分值。其中,差别率越大,说明与标准的动作或者作品的偏差较大,则分值越低。最终,将分值和用户ID标识信息发送至预设终端进行显示。所述的预设终端可以是家长端或者老师端,以用于了解学生的劳动学习情况。
图2示出了本发明一种基于劳动项目的教育内容分析系统的框图。
本发明第二方面公开了一种基于劳动项目的教育内容分析系统2,该系统包括:存储器21及处理器22,所述存储器中包括基于劳动项目的教育内容分析方法的程序,所述基于劳动项目的教育内容分析方法的程序被所述处理器执行时实现以下步骤:
获取用户的用户信息;
对所述用户信息进行分析,得到用户能力信息;
根据所述用户能力信息进行分析,得到推荐劳动信息;
将所述推荐劳动信息发送至预设终端;
在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
判断所述能力值是否达到预设能力值阈值;
若未达到,则对所述推荐劳动信息进行修正。
需要说明的是,获取用户的用户信息,其中用户信息包含学生用户的基本信息,例如,姓名、ID标识、年龄、学校等信息,还可以包含有用户的身体状况信息,例如,体质状况、身体特殊情况等。然后根据用户信息进行分析,得到用户能力信息,用户的能力信息表明用户能够从事劳动强度的高和低,能力高的用户,能够从事劳动的强度就大。根据用户的能力进行分析,可以得到推荐劳动信息,所述推荐劳动信息可以包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。然后将推荐劳动信息发送至预设的终端,所述预设终端可以是学生端或者教师端或者家长端。然后在预设时间内等待学生用户进行劳动教育学习,学习之后获取最新用户能力信息,所述最新能力信息反应了学生用户在接受劳动教育之后所获得的能力高低,能力值越高则代表学生当前获得的能力较强。判断所述能力值是否达到预设能力值阈值,如果达到了,则说明当前的劳动教育是有效的,如果没有达到,则说明当前劳动教育可能不太适合当前学生用户,则需要进行调整和修正。
根据本发明实施例,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
需要说明的是,本发明还能够根据类似的用户群进行分析,以进行推荐劳动信息。首先,计算所述用户信息的特征值,得到用户特征值,所述特征值的计算可以采用现有技术中的特征值计算,本发明不再一一赘述。然后计算所述用户特征值与数据库中其他用户特征值的差别率,数据库中的用户是预先存储的。将小于差别率阈值的其他用户归于近似用户群,在得到了近似用户群之后,可以获取近似用户群的用户信息和历史劳动信息;对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。通过对近似用户群的数据分析,可以使得推荐给学生用户的劳动信息更加精准,更匹配用户的情况。
根据本发明实施例,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
需要说明的是,所述劳动神经网络模型的训练,具体为:
获取历史状态数据;对所述历史状态数据进行预处理,得到训练数组;将所述训练数组发送至初始化的神经网络模型中进行训练;获取训练后的神经网络模型的误差率;若所述误差率小于预设的误差率阈值,则停止训练,得到劳动神经网络模型。需要说明的是,通过劳动神经网络模型可以快速的得到分析结果,也就是推荐劳动信息。
根据本发明实施例,还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端。
需要说明的是,本发明还能够通过图像识别技术自动识别劳动作品的内容,并根据与推荐成果信息的相似率确定劳动成果信息分数。通过自动打分,可以减少教师的评分工作,提高了使用体验感。
根据本发明实施例,还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端。
需要说明的是,通过图像识别技术,可以获得劳动成果信息与原始推荐成果信息的差别,得到差别信息。然后根据差别信息可以生成指导意见信息,所述指导意见信息包括手工操作内容等信息,然后发送至预设的终端,所述预设终端可以是学生端和家长端、教师端,以方便指导学生用户进行动作等的修改,提高使用体验感。
根据本发明实施例,所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为推荐劳动信息。
需要说明的是,本发明能够将能力值和预设能力值进行比较,得到差值,然后根据差值确定待提高能力的方向。其中能力值可以为多个方向,包括心理能力值、德智能力值、动手能力值等。再根据待提高能力信息确定劳动内容信息,将所述劳动内容信息作为推荐劳动信息。由于每个学生的能力不同,导致综合能力也不同,因此针对薄弱的能力方向进行针对性的劳动教育,可以使得学生用户全面发展。
根据本发明实施例,还包括:
获取所述劳动成果信息对应的标记值;
获取标记值的数值;
判断所述数值是否超过预设的数值阈值;
若超过,则将所述劳动成果作为原始推荐成果信息。
需要说明的是,学生用户完成的劳动作品可以在平台中进行图片和视频展示,其他用户可以针对每个展示进行点赞。本发明可以根据点赞数量确定劳动课程的标准,如果点赞数量多,说明受到众人喜欢,那么可以将点赞的作品作为原始推荐成果信息,也就是作为劳动课程的成品交付标准。所述标记值可以为点赞数,或者是点击数量,标记值可以衡量公众对劳动成果信息的喜欢程度。获取了标记值的数值,然后判断数值是否超过预设的数值阈值,所述数值阈值可以是本领域技术人员根据实际需要设置的,可以是100或者1000等。如果超过,说明公众对此作品的喜欢程度较高,则可以此作品作为原始推荐成果信息,作为劳动作品的交付标准或者参考标准。通过本发明此步骤,可以使得劳动成果的作品更加符合公众的需求和审美,提高了使用体验感。
根据本发明实施例,还包括:
获取学习阶段时间信息和课程信息;
根据当前时间、学习阶段时间信息和课程信息确定第一劳动信息;
将所述第一劳动信息发送至预设终端进行确认;
获取预设终端的确认信息,将所述第一劳动信息作为劳动信息。
需要说明的是,本发明还能够根据学期的时间和课程繁忙度进行劳动课程的安排。首先,获取学习阶段时间信息和课程信息,学习阶段信息可以为学期的时间信息或者学期安排信息,课程信息为每个时间阶段的课程繁忙度信息。然后通过当前时间、学习阶段时间信息和课程信息确定第一劳动信息,所述第一劳动信息为经过分析后推荐的劳动课程信息,包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。在确定了第一劳动信息之后,需要发送至预设终端进行确认,所述预设终端可以为教务处端、教师端、学校端,本领域技术人员可以根据实际需要进行确认。最后,得到了预设终端发送的确认信息之后,可以将第一劳动信息作为劳动信息,以推送学生用户进行劳动学习。通过不同阶段和课程繁忙度的分析,推送相应的劳动课程,可以使得学生合理的学习劳动又不耽误主课程的学习,提高了使用体验感。
根据本发明实施例,还包括:
根据用户的用户信息确定用户体质信息;
根据所述用户体质信息确定第二劳动信息;
将所述第二劳动信息作为劳动信息。
需要说明的是,本发明还能够根据每个学生用户的体质确定劳动内容,首先,获取了用户的用户信息,根据用户信息确定用户体质信息。所述体质信息包括用户的疫病状态、残疾状态、身体问题等体质方面的信息。然后根据用户的体质信息确定第二劳动信息,所述第二劳动信息包含劳动类别、劳动时长、劳动地点、劳动材料、劳动工具等内容。例如,用户体质较弱的话,劳动时长则会相应缩短,劳动类别也会相应轻松一些。通过本发明的技术方案,可以根据每个用户体质的不同,选择合适的劳动学习内容,提高了用户体验感。
根据本发明实施例,还包括:
根据用户的用户信息判断用户是否属于特殊人群;
若属于,则确定所述用户的适应劳动信息;
根据所述适应劳动信息确定第三劳动信息;
将所述第三劳动信息作为劳动信息。
需要说明的是,本发明还针对特殊人群进行劳动信息的分析和推荐。所述特殊人群可以为残疾用户,残疾可以分为多种残疾,例如,四肢残疾或者五官残疾等。所述适应劳动信息为用户适合的劳动内容,不同的残疾内容会有不同的劳动种类,例如,脚残疾的用户适合手部的劳动学习;手部残疾的用户适合脚部的劳动学习等。通过本发明的技术方案,可以根据用户的特殊性针对性的选择合适的劳动学习内容,科学化的提高特殊人群的劳动学习能力。
根据本发明实施例,还包括:
获取地域信息和环境信息;
根据所述地域信息和环境信息得到第四劳动信息;
将所述第四劳动信息作为劳动信息。
需要说明的是,每个学校所处的地域和环境不同,则适合的劳动项目内容可能也不同。例如,东北地区在冬季时,户外温度较低,为了学生身体健康,则选择室内劳动学习较为适合。所述地域信息为学校或者学生用户所处的地理位置信息,包括经纬度信息;所述环境信息为温度、气压、海拔高度等信息。通过地域信息和环境信息可以确定当前学生用户适合的劳动学习内容。例如,温度较低或者户外下雨时,可以选择室内劳动,通过自适应的劳动推荐,可以提高学生身心健康,增加了学生的劳动兴趣。
根据本发明实施例,还包括:
获取第三方设备的检测信息;
根据所述检测信息进行用户的识别,得到用户ID标识;
获取用户动作信息和作品信息;
将所述动作信息和作品信息与原始推荐动作信息和原始推荐作品信息进行比较,得到分值;
将所述分值和用户ID标识信息发送至预设终端进行显示。
需要说明的是,所述第三方设备可以是摄像装置或者图像捕捉装置,用以获取学生用户的图像或者动作信息。首先获取第三方设备的检测信息,所述检测信息为图像信息。根据所述检测信息可以识别出来用户,得到用户ID标识信息。具体的识别可以采用图像识别技术,本发明不再一一赘述。接着再获取用户动作信息和作品信息,通过本发明可以在操场或者室内直接识别用户在劳动过程中的动作以及完成劳动的作品信息,而无需用户单独上传每个劳动信息。获取到了动作信息和作品信息之后,与原始推荐动作信息和原始推荐作品信息进行比较,得到差别率,通过差别率得到分值。其中,差别率越大,说明与标准的动作或者作品的偏差较大,则分值越低。最终,将分值和用户ID标识信息发送至预设终端进行显示。所述的预设终端可以是家长端或者老师端,以用于了解学生的劳动学习情况。
本发明第三方面公开了一种可读存储介质,所述可读存储介质中包括基于劳动项目的教育内容分析方法程序,所述基于劳动项目的教育内容分析方法程序被处理器执行时,实现如上述任一项所述的一种基于劳动项目的教育内容分析方法的步骤。
本发明公开的一种基于劳动项目的教育内容分析方法、系统和存储介质,能够对用户进行分析,得到用户能力信息,根据不同的能力信息推荐适应用户的劳动信息,本发明还能够根据最新用户能力信息进行劳动内容的调整,以适应不同用户的需要,针对性的根据用户的特征进行劳动方案调整,提高了用户使用体验感,也提高了学生的综合能力。另外,本发明还能够根据类似用户群确定推荐劳动信息,以及对劳动成果进行打分,在满足了学生劳动教育的基础上,还增加了趣味性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于劳动项目的教育内容分析方法,其特征在于,包括:
获取用户的用户信息;
对所述用户信息进行分析,得到用户能力信息;
根据所述用户能力信息进行分析,得到推荐劳动信息;
将所述推荐劳动信息发送至预设终端;
在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
判断所述能力值是否达到预设能力值阈值;
若未达到,则对所述推荐劳动信息进行修正;
还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端;
还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端;
所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为修正后的推荐劳动信息;
还包括:
获取所述劳动成果信息对应的标记值;
获取标记值的数值;
判断所述数值是否超过预设的数值阈值;
若超过,则将所述劳动成果作为原始推荐成果信息;
所述根据所述用户能力信息进行分析,得到推荐劳动信息,具体为:
获取学习阶段时间信息和课程信息;
根据当前时间、学习阶段时间信息和课程信息确定第一劳动信息;
将所述第一劳动信息发送至预设终端进行确认;
获取预设终端的确认信息,将所述第一劳动信息作为劳动信息;
根据用户的用户信息确定用户体质信息;
根据所述用户体质信息确定第二劳动信息;
将所述第二劳动信息作为劳动信息;
根据用户的用户信息判断用户是否属于特殊人群;
若属于,则确定所述用户的适应劳动信息;
根据所述适应劳动信息确定第三劳动信息;
将所述第三劳动信息作为劳动信息;
获取地域信息和环境信息;
根据所述地域信息和环境信息得到第四劳动信息;
将所述第四劳动信息作为劳动信息;
还包括:
获取第三方设备的检测信息;
根据所述检测信息进行用户的识别,得到用户ID标识;
获取用户动作信息和作品信息;
将所述动作信息和作品信息与原始推荐动作信息和原始推荐作品信息进行比较,
得到分值;
将所述分值和用户ID标识信息发送至预设终端进行显示。
2.根据权利要求1所述的一种基于劳动项目的教育内容分析方法,其特征在于,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
3.根据权利要求2所述的一种基于劳动项目的教育内容分析方法,其特征在于,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
4.一种基于劳动项目的教育内容分析系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于劳动项目的教育内容分析方法的程序,所述基于劳动项目的教育内容分析方法的程序被所述处理器执行时实现以下步骤:
获取用户的用户信息;
对所述用户信息进行分析,得到用户能力信息;
根据所述用户能力信息进行分析,得到推荐劳动信息;
将所述推荐劳动信息发送至预设终端;
在预设时间内获取最新用户能力信息,将所述最新用户能力转换为能力值;
判断所述能力值是否达到预设能力值阈值;
若未达到,则对所述推荐劳动信息进行修正;
还包括:
获取用户上传的劳动成果信息;
针对所述劳动成果信息进行图像识别,与原始推荐成果信息进行对比,得到相似率;
根据所述相似率确定劳动成果信息分数;
将所述劳动成果信息分数发送至预设终端;
还包括:
对比所述劳动成果信息和原始推荐成果信息的差别,得到差别信息;
基于所述差别信息生成指导意见信息;
将所述指导意见信息发送至预设终端;
所述对所述推荐劳动信息进行修正,具体为:
获取所述能力值与预设能力值阈值的差值;
根据所述差值和用户信息确定待提高能力信息;
根据所述待提高能力信息确定劳动内容信息;
将所述劳动内容信息作为修正后的推荐劳动信息;
还包括:
获取所述劳动成果信息对应的标记值;
获取标记值的数值;
判断所述数值是否超过预设的数值阈值;
若超过,则将所述劳动成果作为原始推荐成果信息;
所述根据所述用户能力信息进行分析,得到推荐劳动信息,具体为:
获取学习阶段时间信息和课程信息;
根据当前时间、学习阶段时间信息和课程信息确定第一劳动信息;
将所述第一劳动信息发送至预设终端进行确认;
获取预设终端的确认信息,将所述第一劳动信息作为劳动信息;
根据用户的用户信息确定用户体质信息;
根据所述用户体质信息确定第二劳动信息;
将所述第二劳动信息作为劳动信息;
根据用户的用户信息判断用户是否属于特殊人群;
若属于,则确定所述用户的适应劳动信息;
根据所述适应劳动信息确定第三劳动信息;
将所述第三劳动信息作为劳动信息;
获取地域信息和环境信息;
根据所述地域信息和环境信息得到第四劳动信息;
将所述第四劳动信息作为劳动信息;
还包括:
获取第三方设备的检测信息;
根据所述检测信息进行用户的识别,得到用户ID标识;
获取用户动作信息和作品信息;
将所述动作信息和作品信息与原始推荐动作信息和原始推荐作品信息进行比较,
得到分值;
将所述分值和用户ID标识信息发送至预设终端进行显示。
5.根据权利要求4所述的一种基于劳动项目的教育内容分析系统,其特征在于,包括:
计算所述用户信息的特征值,得到用户特征值;
计算所述用户特征值与数据库中其他用户特征值的差别率;
将小于差别率阈值的其他用户归于近似用户群;
获取近似用户群的用户信息和历史劳动信息;
对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息。
6.根据权利要求5所述的一种基于劳动项目的教育内容分析系统,其特征在于,所述对所述近似用户群的用户信息和历史劳动信息进行分析,得到推荐劳动信息,具体为:
将所述近似用户群的用户信息和历史劳动信息进行训练,得到劳动神经网络模型;
将所述用户的用户信息输入至劳动神经网络模型中,得到推荐劳动信息。
7.一种可读存储介质,其特征在于,所述可读存储介质中包括基于劳动项目的教育内容分析方法程序,所述基于劳动项目的教育内容分析方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种基于劳动项目的教育内容分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210052871.2A CN114066695B (zh) | 2022-01-18 | 2022-01-18 | 一种基于劳动项目的教育内容分析方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210052871.2A CN114066695B (zh) | 2022-01-18 | 2022-01-18 | 一种基于劳动项目的教育内容分析方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066695A CN114066695A (zh) | 2022-02-18 |
CN114066695B true CN114066695B (zh) | 2022-05-24 |
Family
ID=80231297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210052871.2A Active CN114066695B (zh) | 2022-01-18 | 2022-01-18 | 一种基于劳动项目的教育内容分析方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066695B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672809A (zh) * | 2021-08-18 | 2021-11-19 | 广州创显科教股份有限公司 | 一种基于个性化推荐算法的智能导学方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101101662A (zh) * | 2006-07-07 | 2008-01-09 | 一零四资讯科技股份有限公司 | 提供求职者能力需求条件并推荐教育课程的系统 |
CN103400124B (zh) * | 2013-07-03 | 2017-09-15 | 北京鸿合智能系统有限公司 | 一种试卷识别方法及装置 |
CN105225553B (zh) * | 2014-06-17 | 2018-06-12 | 中兴通讯股份有限公司 | 在线教育中课程的推荐方法及装置 |
US10878710B1 (en) * | 2014-09-03 | 2020-12-29 | Eab Global, Inc. | Systems and methods for electronic platform and data processing for student success in higher education institutions |
CN105512617B (zh) * | 2015-11-26 | 2019-01-25 | 广州华多网络科技有限公司 | 图像筛选方法及装置 |
CN106228143A (zh) * | 2016-08-02 | 2016-12-14 | 王国兴 | 一种教学视频与摄像头视频运动对比评分的方法 |
US10867000B2 (en) * | 2019-03-31 | 2020-12-15 | Td Ameritrade Ip Company, Inc. | Recommendation system for providing personalized and mixed content on a user interface based on content and user similarity |
CN112214670A (zh) * | 2020-10-09 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 一种在线课程推荐方法、装置、电子设备及存储介质 |
CN111966913A (zh) * | 2020-10-21 | 2020-11-20 | 拼说说(深圳)网络科技有限公司 | 一种教育资源推荐处理方法、装置及计算机设备 |
CN112685645A (zh) * | 2021-01-13 | 2021-04-20 | 敖客星云(北京)科技发展有限公司 | 基于知识图谱的智能教育推荐方法、系统、设备和介质 |
-
2022
- 2022-01-18 CN CN202210052871.2A patent/CN114066695B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672809A (zh) * | 2021-08-18 | 2021-11-19 | 广州创显科教股份有限公司 | 一种基于个性化推荐算法的智能导学方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114066695A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118091B (zh) | 一种艺术素质测评系统 | |
US6341267B1 (en) | Methods, systems and apparatuses for matching individuals with behavioral requirements and for managing providers of services to evaluate or increase individuals' behavioral capabilities | |
US20110256521A1 (en) | Method and apparatus for customizing lesson plans | |
KR101581921B1 (ko) | 학습 컨설팅 방법 및 장치 | |
US20210197022A1 (en) | Evaluation method, model establishing method, teaching device, system, and electrical apparatus | |
CN111126864A (zh) | 一种基于人机对抗评分的街道品质评估方法 | |
CN111353921A (zh) | 一种考试管理方法及系统、电子设备 | |
CN112862639B (zh) | 一种基于大数据分析的在线教育平台的教育方法 | |
KR20190006409A (ko) | 암기학습 데이터를 활용한 단어 인지상태 정량화와 스마트기기 학습 및 스케줄링 장치 및 방법 | |
JP3883795B2 (ja) | 受講講習会選定装置、受講講習会選定方法、及び記憶媒体 | |
CN111597305B (zh) | 实体标记方法、装置、计算机设备和存储介质 | |
CN113012490A (zh) | 一种基于虚拟场景的语言学习系统及装置 | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
CN115205764A (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
JP4447411B2 (ja) | 学習者習得特性分析システム及びその方法並びにプログラム | |
CN112837190B (zh) | 一种基于在线互动培训课堂培训装置的培训方法 | |
CN114066695B (zh) | 一种基于劳动项目的教育内容分析方法、系统和存储介质 | |
Kasaki et al. | A geo-location context-aware mobile learning system with adaptive correlation computing methods | |
CN110443122B (zh) | 信息处理方法及相关产品 | |
KR20220053982A (ko) | 인공지능 기반 학원 추천 방법 | |
CN116992140A (zh) | 一种应用于康复医学科下的教学课程在线推荐方法及系统 | |
Palmer | Understanding unbiased dimensions: the use of repertory-grid methodology | |
JP2015219247A (ja) | 看護学習システム、看護学習サーバ、プログラム | |
CN111429044A (zh) | 基于学习行为的智能科技教学系统及控制方法 | |
KR20040021212A (ko) | 학습자 특성을 고려한 개인화 학습을 지원하는 학습환경관리시스템 |
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 |