CN114298872A - 一种学情信息处理方法 - Google Patents
一种学情信息处理方法 Download PDFInfo
- Publication number
- CN114298872A CN114298872A CN202111573743.4A CN202111573743A CN114298872A CN 114298872 A CN114298872 A CN 114298872A CN 202111573743 A CN202111573743 A CN 202111573743A CN 114298872 A CN114298872 A CN 114298872A
- Authority
- CN
- China
- Prior art keywords
- information
- course
- class
- target
- classroom
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及一种学情信息处理方法,包括:学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息;课程情况信息包括多个课堂视频信息和学生考核信息;根据目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成目标班级ID对应的每门课程的课堂专注度信息;根据学生考核信息,生成目标班级ID对应的每门课程的阶段性考核的加权平均成绩;对每门课程的课堂专注度信息和每门课程的阶段性考核的加权平均成绩进行处理,生成每门课程的学情信息;根据每门课程的学情信息,统计目标班级ID的学情信息;根据各个目标班级ID的学情信息,统计目标学校的学情信息,并发送给云端。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种学情信息处理方法。
背景技术
学情分析指的是对学生在学习方面有何特点、学习方法怎样、习惯怎样、兴趣如何、成绩如何等进行分析的过程。学情分析是教学设计的前提和基础,学情分析是实现以学定教的必要环节。教师必须认真研究学生的已有知识、实际需要、掌握水平和认知倾向,才有可能更有效地优化教学设计,达成教学目标,提升教学效率。
对于教育团体而言,如何实现实时掌握其管辖范围内的各个学校的学情信息,及时从各个学校的学情信息,了解学校在教学过程中存在的问题,并对各个学校在教学过程中存在的问题,提出针对性的改进方案,是亟待解决的问题。
发明内容
本发明的目的是针对现有技术所存在的缺陷,提供一种学情信息处理方法,可以实现教育团体对各学校的学情信息进行实时了解,有助于教育团体及时发现各个学校在教学过程中存在的问题,提出针对性的改进方案,同时,有助于帮助教师优化教学设计,达成教学目标,提升教学效率。
为实现上述目的,本发明提供了一种学情信息处理方法,所述学情信息处理方法包括:
学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息;所述课业情况信息包括多门课程的课程情况信息和目标班级ID;所述课程情况信息包括多个课堂视频信息和学生考核信息;
根据所述目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成所述目标班级ID对应的每门课程的课堂专注度信息;
根据所述学生考核信息,生成所述目标班级ID对应的每门课程的阶段性考核的加权平均成绩;
对所述每门课程的课堂专注度信息和每门课程的阶段性考核的加权平均成绩进行处理,生成每门课程的学情信息;
根据所述每门课程的学情信息,统计目标班级ID的学情信息;
根据各个所述目标班级ID的学情信息,统计目标学校的学情信息,并发送给云端;所述目标学校的学情信息包括目标学校ID。
优选的,所述学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息之前,还包括:
实时获取监控设备采集的多个教室视频信息;每个所述教室视频信息包括班级标识信息和采集时间信息;
获取所述班级标识信息对应的课程安排信息;所述课程安排信息包括多个课程时间信息和多个课程标识信息;
根据所述采集时间信息和多个课程时间信息,对所述教室视频信息进行筛选处理,得到每个课程时间信息对应的教室视频信息;
将所述每个课程时间信息对应的教室视频信息与所述课程标识信息之间进行关联;
对关联后的教室视频信息进行转换解析处理,生成所述关联后的教室视频信息的关键词信息;
将所述关联后的教室视频信息的关键词信息和课程标识信息在预设的课程信息库中进行匹配,若匹配成功,则生成所述课堂视频信息;所述课堂视频信息包括所述课程时间信息和课程标识信息;
将所述课堂视频信息存入与各个班级标识信息对应的班级队列中。
进一步优选的,所述学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息之前,还包括:
获取教师端反馈的学生考核信息;所述学生考核信息包括第一班级ID和所述课程标识信息;
将所述第一班级ID与所述班级队列中的班级ID进行比对,若匹配,则将所述学生考核信息存入所述班级队列中;
根据所述课程标识信息,建立学生考核信息与课堂视频信息之间的关联关系。
优选的,所述根据所述目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成所述目标班级ID对应的每门课程的课堂专注度信息,具体包括:
对所述每门课程的每个课堂视频信息,进行人脸特征识别,提取特征信息;
将所述特征信息输入已经训练好的特征模型中进行处理,生成每个课堂视频信息对应的专注度信息;
根据所述每个课堂视频信息对应的专注度信息和预设的阶段性考核周期,计算所述目标班级ID对应的每门课程的课堂专注度信息。
优选的,所述学生考核信息还包括课堂表现评分、作业评分和测试评分。
进一步优选的,所述根据所述学生考核信息,生成所述目标班级ID对应的每门课程的阶段性考核的加权平均成绩,具体包括:
获取设定的课堂表现评分、作业评分和测试评分的权重;
根据所述权重、课堂表现评分、作业评分、测试评分和课程标识信息,计算所述目标班级ID的每门课程的阶段性考核的加权平均成绩。
优选的,所述对所述每门课程的课堂专注度信息和每门课程的阶段性考核的加权平均成绩进行处理,生成每门课程的学情信息,具体包括:
获取预设的课程专注度系数和预设的阶段性考核系数;
根据所述每门课程的课堂专注度信息和预设的课程专注度系数,计算课程专注度得分数据;
根据所述每门课程的阶段性考核的加权平均成绩和预设的阶段性考核系数,计算所述每门课程的阶段性考核得分数据;
根据所述课程专注度得分数据和阶段性考核得分数据,计算每门课程的阶段性考核总得分数据;
根据所述每门课程的阶段性考核总得分数据,在预设的学情信息数据库中进行匹配,生成每门课程的学情信息。
进一步优选的,所述学情信息数据库包括学情评价类型、所述学情评价类型对应的分值范围和学情评价语言信息。
优选的,所述根据所述每门课程的学情信息,统计目标班级ID的学情信息,具体包括:
根据所述每门课程的学情信息和所述预设的阶段性考核周期内所述目标班级ID的课程数量,统计目标班级ID的学情信息。
优选的,所述根据所述各个目标班级ID的学情信息,统计目标学校的学情信息,具体包括:
根据各个目标班级ID的学情信息和目标班级的预设数量,统计目标学校的学情信息。
本发明实施例提供的一种学情信息处理方法,可以实现教育团体对各学校的学情信息进行实时了解,有助于教育团体及时发现各个学校在教学过程中存在的问题,提出针对性的改进方案,同时,有助于帮助教师优化教学设计,达成教学目标,提升教学效率。
附图说明
图1为本发明实施例提供的一种学情信息处理方法流程图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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它实施例,都属于本发明保护的范围。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明实施例提供的学情信息处理方法,将各个学校的学情信息进行统一管理,方便教育团体对各个学校的教学现状进行实时的跟踪和了解。
图1为本发明实施例提供的一种学情信息处理方法流程图,下面结合图1,对本发明的技术方案以具体实施例进行说明。
本发明实施例提供的一种学情信息处理方法,主要包括如下步骤:
步骤110,学校服务器在预设的阶段性考核周期内,定时从班级队列中调取预设数量个目标班级的课业情况信息;
具体的,学校服务器中存储有本学校的班级队列,班级队列中包括班级ID、班级的基本情况信息以及课业情况信息等。预设的阶段性考核周期具体可以根据教学进度而定的,比如一个月或者间隔一个月或者一个学期,本申请对此不作限定。目标班级可以理解为在预设的阶段性考核周期内需考核的班级。课业情况信息包括多门课程的课程情况信息和目标班级ID。课程情况信息包括多个课堂视频信息和课程的学生考核信息。课堂视频信息包括课程时间信息和课程标识信息。
为保证学校在预设的阶段性考核周期内,按时向教育团体上报本学校的学情信息,学校服务器会对接收到的各种数据进行实时处理,因此,在执行步骤110之前,该方法还包括:
步骤10,实时获取监控设备采集的多个教室视频信息;
此处的教室可以理解为实体教室,也可以理解为虚拟教室。如果是实体教室,监控设备可以是安装在教室内的摄像头。如果是虚拟教室,监控设备就是每个学生用户终端的摄像头。本例中以实体教室为例进行举例说明。每个教室视频信息包括班级标识信息和采集时间信息。
步骤11,获取班级标识信息对应的课程安排信息;
具体的,学校服务器中存储有本学校全部班级的课程安排信息,因此,根据班级标识信息就可以获取对应的课程安排信息。课程安排信息包括多个课程时间信息和多个课程标识信息。
步骤12,根据采集时间信息和多个课程时间信息,对教室视频信息进行筛选处理,得到每个课程时间信息对应的教室视频信息;
只要监控设备不关闭,采集时间信息基本上是连续的,一般情况下,采集时间的时长要大于课程时间的时长。因此,可以将课程时间信息跟采集时间信息进行比对,每匹配成功一次,就将教室视频信息按照课程时间信息进行剪切,这样不断重复执行比对过程,会筛选出与课程时间信息相匹配的教室视频信息。
步骤13,将每个课程时间信息对应的教室视频信息与课程标识信息之间进行关联;
具体的,根据每个课程时间信息,在课程安排信息表中查找对应的课程标识信息,得到教室视频信息与课程标识信息之间的对应关系。
步骤14,对关联后的教室视频信息进行转换解析处理,生成关联后的教室视频信息的关键词信息;
具体的,关联后的教室视频信息可以理解为课堂的教室视频信息,而非课间或课后的教室视频信息。将关联后的教室视频信息转换成音频信息,再通过语音识别技术,将音频信息转成文本信息;通过对文本信息进行语义分析,再通过算法识别高频词汇,从而将高于预设频率的词汇作为关联后的教室视频信息的关键词信息。
步骤15,将关联后的教室视频信息的关键词信息和课程标识信息在预设的课程信息库中进行匹配,若匹配成功,则生成课堂视频信息;
此处的课程信息库是预先建立的,包括第一课程标识信息、课程内容简介等信息。因此,可以将课程标识信息与第一课程标识信息进行比对,将关键词信息在课程内容简介中进行关键词信息的查找匹配。如果匹配成功,说明该教室视频信息中的关键词信息与课程标识信息相匹配,也就是说该教室视频信息对应的课程与课程安排信息中的课程是一致的,将教室视频信息标记为课堂视频信息,也就是说每个课堂视频信息包括课程标识信息、教室视频信息以及课程时间信息。
在一个优选的方案中,如果匹配不成功,即该教室视频信息对应的课程与课程安排信息中的课程不一致时,则结束程序。
步骤16,将课堂视频信息存入与各个班级标识信息对应的班级队列中。
进一步地,步骤110之前,还包括:
步骤20,获取教师端反馈的学生考核信息;
具体的,学生考核信息包括第一班级ID、课程标识信息、课堂表现评分、作业评分和测试评分。其中,课堂表现评分等三项评分均为该目标班级ID的学生的平均分。
步骤21,将第一班级ID与班级队列中的班级ID进行比对,若匹配,则将学生考核信息存入班级队列中;
步骤22,根据课程标识信息,建立学生考核信息与课堂视频信息之间的关联关系。
步骤120,根据目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成目标班级ID对应的每门课程的课堂专注度信息;
具体步骤如下:
步骤121,对每门课程的每个课堂视频信息,进行人脸特征识别,提取特征值;
具体的,课堂视频信息中包括学生面部特征、坐姿特征等信息,可以对这些信息进行信息筛选,筛选掉无用信息,并对筛选后的信息进行人脸特征提取,得到特征信息。
步骤122,将特征信息输入已经训练好的特征模型中进行处理,生成每个课堂视频信息对应的专注度信息;
具体的,每个课堂视频信息对应的专注度信息具体可以包括描述性信息和专注度值。已经训练好的特征模型中具有预设的描述性信息和专注度值范围的映射关系。
进一步具体的,预设描述性信息和专注度值范围的映射关系如下表:
描述性信息 | 专注度值范围 |
非常好 | 8~10 |
良好 | 6~8 |
一般 | 3~6 |
比较差 | 0~3 |
步骤123,根据每个课堂视频信息对应的专注度信息和预设的阶段性考核周期,计算目标班级ID对应的每门课程的课堂专注度信息。
具体的,根据预设的阶段性考核周期统计每门课程的课堂视频信息的数量,然后根据课堂视频信息的数量统计每门课程的课堂专注度信息。
进一步具体的,从每个课堂视频信息提取出每个课堂视频信息的专注度值,再计算每门课程的平均专注度值,将平均专注度值与上述的预设描述性信息和专注度值范围的映射关系相匹配,得到每门课程的课堂专注度信息。
例如,预设的阶段性考核周期为半个月,英语的课堂视频信息为4个,专注度值分别为9,7,7,7。那么英语课的课堂专注度平均等级为(9+7+7+7)/4,即为7.5,属于等级信息6~8,因此,输出英语课的课堂专注度信息为良好,专注度值为7.5。
步骤130,根据学生考核信息,生成目标班级ID对应的每门课程的阶段性考核的加权平均成绩;
具体的,由于学生考核信息是多方面的,考虑到对学生考核的公平性和客观性,学生考核信息的各个项目均设置了相应的权重比例。
进一步具体的,
步骤131,获取设定的课堂表现评分、作业评分和测试评分的权重。
在一个具体的例子中,课堂表现评分对应的权重为40%,作业评分对应的权重为30%,测试评分对应的权重为30%。可以理解的是各项权重可以适当进行调整。权重的设置,可以方便教师很清楚地了解影响学生成绩的因素是教学过程中的哪个环节,有利于教师及时并且有针对性地调整教学计划,从而帮助教师优化教学设计,达成教学目标,提升教学效率。
步骤132,根据权重、课堂表现评分、作业评分、测试评分和课程标识信息,计算目标班级ID的每门课程的阶段性考核的加权平均成绩。
在一个具体的例子中,课程标识信息为生物,课堂表现评分90,作业评分85,测试评分90,则生物课程的阶段性考核的加权平均成绩为90*40%+85*30%+90*30%=88.5。
步骤140,对每门课程的课堂专注度信息和每门课程的阶段性考核加权平均成绩进行处理,生成每门课程的学情信息;
具体的,教学过程中,不仅要关注学生的成绩,更重要的是关注影响成绩的根本因素是什么,才有利于实现教学相长。
进一步具体的,
步骤141,获取预设的课程专注度系数和预设的阶段性考核系数;
步骤142,根据每门课程的课堂专注度信息和预设的课程专注度系数,计算课程专注度得分数据;
步骤143,根据每门课程的阶段性考核的加权平均成绩和预设的阶段性考核系数,计算每门课程的阶段性考核得分数据;
步骤144,根据课程专注度得分数据和阶段性考核得分数据,计算每门课程的阶段性考核总得分数据;
步骤145,根据每门课程的阶段性考核总得分数据,在预设的学情信息数据库中进行匹配,生成每门课程的学情信息。
具体的,学情信息数据库是根据经验数据预先建立并实时更新的。其中包括:学情评价类型、学情评价类型对应的分值范围、学情评价语言信息。学情评价类型包括:表扬、批评、正常。对应的分值范围分别为:60以上,51~60,51以下。学情评价语言信息可以理解为与学情评价类型对应的各种文本信息的集合。每门课程的学情信息包括阶段性考核总得分数据、学情评价类型和学情评价内容。
在一个具体的例子中,预设的课程专注度系数具体为0.4,预设的阶段性考核系数为0.6。可以理解的是,此比例可以根据实际需要做相应的调整。
在另一个具体的例子中,语文课堂专注度信息为非常好,专注度值为9,阶段性考核的加权平均成绩为88.5。语文课程的阶段性考核总得分数据为9*0.4+88.5*0.6=56.7。因此,语文课程的学情信息具体为总得分:56.7,学情评价类型:正常,学情评价内容:专注度高、课堂互动较好、作业和测试完成情况良好。
步骤150,根据每门课程的学情信息,统计目标班级ID的学情信息;
具体的,从每门课程的学情信息中,提取每门课程的阶段性考核总得分数据,然后统计预设的阶段性考核周期内,目标班级ID的课程数量,计算班级多门课程的阶段性考核平均得分,最后,在学情信息数据库中进行匹配,生成目标班级ID的学情信息。
步骤160,根据各个目标班级ID的学情信息,统计目标学校的学情信息,并发送给云端。
具体的,目标学校的学情信息包括目标学校ID。
进一步具体的,根据目标班级ID,从目标班级ID的学情信息中提取目标班级ID的多门课程的阶段性考核平均分;
根据目标班级的预设数量,计算目标班级的阶段性考核平均分;
根据目标班级的阶段性考核平均分,在学情信息数据库中进行匹配,生成目标学校的学情信息,并发送给云端,方便教育团体及时了解各个学校的学情信息,有助于教育团体及时发现各个学校在教学过程中存在的问题,提出针对性的改进方案,同时,有助于帮助教师优化教学设计,达成教学目标,提升教学效率。
本发明实施例提供的一种学情信息处理方法,可以实现教育团体对各学校的学情信息进行实时了解,有助于教育团体及时发现各个学校在教学过程中存在的问题,提出针对性的改进方案,从而帮助教师优化教学设计,达成教学目标,提升教学效率。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM动力系统控制方法、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种学情信息处理方法,其特征在于,所述学情信息处理方法包括:
学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息;所述课业情况信息包括多门课程的课程情况信息和目标班级ID;所述课程情况信息包括多个课堂视频信息和学生考核信息;
根据所述目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成所述目标班级ID对应的每门课程的课堂专注度信息;
根据所述学生考核信息,生成所述目标班级ID对应的每门课程的阶段性考核的加权平均成绩;
对所述每门课程的课堂专注度信息和每门课程的阶段性考核的加权平均成绩进行处理,生成每门课程的学情信息;
根据所述每门课程的学情信息,统计目标班级ID的学情信息;
根据各个所述目标班级ID的学情信息,统计目标学校的学情信息,并发送给云端;所述目标学校的学情信息包括目标学校ID。
2.根据权利要求1所述的学情信息处理方法,其特征在于,所述学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息之前,还包括:
实时获取监控设备采集的多个教室视频信息;每个所述教室视频信息包括班级标识信息和采集时间信息;
获取所述班级标识信息对应的课程安排信息;所述课程安排信息包括多个课程时间信息和多个课程标识信息;
根据所述采集时间信息和多个课程时间信息,对所述教室视频信息进行筛选处理,得到每个课程时间信息对应的教室视频信息;
将所述每个课程时间信息对应的教室视频信息与所述课程标识信息之间进行关联;
对关联后的教室视频信息进行转换解析处理,生成所述关联后的教室视频信息的关键词信息;
将所述关联后的教室视频信息的关键词信息和课程标识信息在预设的课程信息库中进行匹配,若匹配成功,则生成所述课堂视频信息;所述课堂视频信息包括所述课程时间信息和课程标识信息;
将所述课堂视频信息存入与各个班级标识信息对应的班级队列中。
3.根据权利要求2所述的学情信息处理方法,其特征在于,所述学校服务器在预设的阶段性考核周期内,定时从班级队列中获取预设数量个目标班级的课业情况信息之前,还包括:
获取教师端反馈的学生考核信息;所述学生考核信息包括第一班级ID和所述课程标识信息;
将所述第一班级ID与所述班级队列中的班级ID进行比对,若匹配,则将所述学生考核信息存入所述班级队列中;
根据所述课程标识信息,建立学生考核信息与课堂视频信息之间的关联关系。
4.根据权利要求1所述的学情信息处理方法,其特征在于,所述根据所述目标班级ID,对每门课程的多个课堂视频信息进行解析处理,生成所述目标班级ID对应的每门课程的课堂专注度信息,具体包括:
对所述每门课程的每个课堂视频信息,进行人脸特征识别,提取特征信息;
将所述特征信息输入已经训练好的特征模型中进行处理,生成每个课堂视频信息对应的专注度信息;
根据所述每个课堂视频信息对应的专注度信息和预设的阶段性考核周期,计算所述目标班级ID对应的每门课程的课堂专注度信息。
5.根据权利要求1所述的学情信息处理方法,其特征在于,所述学生考核信息还包括课堂表现评分、作业评分和测试评分。
6.根据权利要求5所述的学情信息处理方法,其特征在于,所述根据所述学生考核信息,生成所述目标班级ID对应的每门课程的阶段性考核的加权平均成绩,具体包括:
获取设定的课堂表现评分、作业评分和测试评分的权重;
根据所述权重、课堂表现评分、作业评分、测试评分和课程标识信息,计算所述目标班级ID的每门课程的阶段性考核的加权平均成绩。
7.根据权利要求1所述的学情信息处理方法,其特征在于,所述对所述每门课程的课堂专注度信息和每门课程的阶段性考核的加权平均成绩进行处理,生成每门课程的学情信息,具体包括:
获取预设的课程专注度系数和预设的阶段性考核系数;
根据所述每门课程的课堂专注度信息和预设的课程专注度系数,计算课程专注度得分数据;
根据所述每门课程的阶段性考核的加权平均成绩和预设的阶段性考核系数,计算所述每门课程的阶段性考核得分数据;
根据所述课程专注度得分数据和阶段性考核得分数据,计算每门课程的阶段性考核总得分数据;
根据所述每门课程的阶段性考核总得分数据,在预设的学情信息数据库中进行匹配,生成每门课程的学情信息。
8.根据权利要求7所述的学情信息处理方法,其特征在于,所述学情信息数据库包括学情评价类型、所述学情评价类型对应的分值范围和学情评价语言信息。
9.根据权利要求1所述的学情信息处理方法,其特征在于,所述根据所述每门课程的学情信息,统计目标班级ID的学情信息,具体包括:
根据所述每门课程的学情信息和所述预设的阶段性考核周期内所述目标班级ID的课程数量,统计目标班级ID的学情信息。
10.根据权利要求1所述的学情信息处理方法,其特征在于,所述根据所述各个目标班级ID的学情信息,统计目标学校的学情信息,具体包括:
根据各个目标班级ID的学情信息和目标班级的预设数量,统计目标学校的学情信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111573743.4A CN114298872A (zh) | 2021-12-21 | 2021-12-21 | 一种学情信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111573743.4A CN114298872A (zh) | 2021-12-21 | 2021-12-21 | 一种学情信息处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114298872A true CN114298872A (zh) | 2022-04-08 |
Family
ID=80970054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111573743.4A Pending CN114298872A (zh) | 2021-12-21 | 2021-12-21 | 一种学情信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114298872A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879701A (zh) * | 2022-11-24 | 2023-03-31 | 读书郎教育科技有限公司 | 一种基于智慧课堂的课堂时长自适应调整系统 |
-
2021
- 2021-12-21 CN CN202111573743.4A patent/CN114298872A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879701A (zh) * | 2022-11-24 | 2023-03-31 | 读书郎教育科技有限公司 | 一种基于智慧课堂的课堂时长自适应调整系统 |
CN115879701B (zh) * | 2022-11-24 | 2023-11-14 | 读书郎教育科技有限公司 | 一种基于智慧课堂的课堂时长自适应调整系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109903617B (zh) | 个性化练习方法和系统 | |
US10922991B2 (en) | Cluster analysis of participant responses for test generation or teaching | |
CN109272789A (zh) | 基于数据分析的学习效果评估系统及评估方法 | |
CN111915148B (zh) | 一种基于信息技术的课堂教学评价方法和系统 | |
CN109767366A (zh) | 一种实时扫描分析单词记忆效果的计算机雷达系统 | |
Nehm et al. | Human vs. computer diagnosis of students’ natural selection knowledge: testing the efficacy of text analytic software | |
Jensen et al. | Midterm and first-exam grades predict final grades in biology courses | |
CN110675676A (zh) | 一种基于微信小程序的课堂教学及时评分方法 | |
CN111260230A (zh) | 一种基于提升树模型的学业预警方法 | |
CN112785205A (zh) | 一种基于教育大数据的智慧教学综合分析系统 | |
CN114298872A (zh) | 一种学情信息处理方法 | |
Zhou et al. | Development and application of information literacy assessment tool for primary and secondary school teachers | |
CN114330997A (zh) | 基于boppps模型的智慧教案生成系统 | |
CN112926889A (zh) | 一种学习能力评估系统及提升学习能力的方法 | |
CN111104455B (zh) | 多源多维的学校教学横向信息差异比对分析方法 | |
CN113159471A (zh) | 一种基于大数据的新型在线教育管理系统及方法 | |
CN111915224A (zh) | 一种教学测评系统 | |
Duong et al. | Exploiting faculty evaluation forms to improve teaching quality: An analytical review | |
CN114399213A (zh) | 一种教师评价方法 | |
CN112395115A (zh) | 实时成绩处理方法、装置、电子设备及计算机可读介质 | |
CN112862642A (zh) | 一种高校教育质量测评的方法、设备及介质 | |
CN112687138A (zh) | 一种基于物联网的互动教学平台 | |
CN116563067B (zh) | 一种基于大数据的毕业生人群就业分析方法、系统及介质 | |
Lee et al. | Web-based adaptive testing system (wats) for classifying students academic ability | |
Oliva | The effectiveness of the spiral progression approach in teaching junior high school mathematics in Zambales, Philippines |
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 |