CN114445250A - 一种高校用在线开放课程平台系统 - Google Patents
一种高校用在线开放课程平台系统 Download PDFInfo
- Publication number
- CN114445250A CN114445250A CN202210127587.7A CN202210127587A CN114445250A CN 114445250 A CN114445250 A CN 114445250A CN 202210127587 A CN202210127587 A CN 202210127587A CN 114445250 A CN114445250 A CN 114445250A
- Authority
- CN
- China
- Prior art keywords
- learner
- course
- network
- information
- clustering
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 24
- 230000009191 jumping Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 2
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 241000287107 Passer Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised 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
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Electrically Operated Instructional Devices (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (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)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明提供了一种高校用在线开放课程平台系统,包括:教学者端,用于教学者上传网络教程;其中,教学者包括所有能使用高校用在线开放课程平台系统的高校内部人员,教学者端的注册方式为实名岗位注册;系统端,用于管理用户,管理网络教程;学习者端,用于学习者学习网络教程;其中,学习者包括所有能使用高校用在线开放课程平台系统的高校内部人员,学习者可以查看网络教程的上传人;本发明用于解决当学生采用其他课程软件学习的时候不免又会遇到教学内容真假难以分辨、学习时遇到问题无法解决,导致学生在高校内的学习受到遏制的问题,同时学生也可以通过上传网络教程分享出自己的经验,提供了一个学生内部的课程交流平台,促进学生全面发展。
Description
技术领域
本发明涉及教育行业技术领域,尤其涉及一种高校用在线开放课程平台系统。
背景技术
现如今高校内的学生的自主学习能力逐渐加强,学习兴趣面逐渐变广,但高校内的学业主要为基础学业,或为基础学业的进阶学业,缺乏针对学生的兴趣课程开展的授课,或是因大多学生的兴趣课程并不统一无法开展正常授课,当学生采用其他课程软件学习的时候不免又会遇到教学内容真假难以分辨、学习时遇到问题无法解决等问题,导致学生在高校内的学习受到遏制,因此,亟需一种高校用在线开放课程平台系统,用于解决当学生采用其他课程软件学习的时候不免又会遇到教学内容真假难以分辨、学习时遇到问题无法解决,导致学生在高校内的学习受到遏制的问题。
发明内容
针对现有技术的不足,本发明提供一种高校用在线开放课程平台系统,用于解决当学生采用其他课程软件学习的时候不免又会遇到教学内容真假难以分辨、学习时遇到问题无法解决,导致学生在高校内的学习受到遏制的问题。
一种高校用在线开放课程平台系统,包括:
教学者端,用于教学者上传网络教程;其中,教学者包括所有能使用高校用在线开放课程平台系统的高校内部人员,教学者端的注册方式为实名岗位注册;
系统端,用于管理用户,管理网络教程;
学习者端,用于学习者学习网络教程;其中,学习者包括所有能使用高校用在线开放课程平台系统的高校内部人员,学习者可以查看网络教程的上传人。
作为本发明的一种实施例,教学者端包括:
第一登录模块,用于教学者进行登录;
上传模块,用于教学者上传网络教程;
查询模块,用于教学者查看已上传的网络教程的浏览信息;浏览信息包括:播放量,下载量。
作为本发明的一种实施例,学习者端包括:
第二登录模块,用于学习者进行登录;
检索模块,用于检索网络教程;
观看模块,用于在线观看网络教程;
下载模块,用于下载网络教程。
作为本发明的一种实施例,系统端包括:
第一验证注册模块,用于教学者进行注册,并在教学者进行登录时验证数据库中是否存在教学者的登录信息对应的教学者注册信息;
第二验证注册模块,用于学习者进行注册,并在学习者进行登录时验证数据库中是否存在学习者的登录信息对应的学习者注册信息;
分类存储模块,用于对教学者端上传的网络教程进行分类存储;
推送模块,用于对学习者端进行网络教程推送。
作为本发明的一种实施例,系统端、学习者端、教学者端通过网络进行信息交互。
作为本发明的一种实施例,检索模块执行包括如下操作:
获取学习者输入的待查询信息,提取待查询信息中的课程关键词组;课程关键词组包括待查询信息中涉及预设课程词汇的词语;
获取学习者在预设第一时间内输入的上一待查询信息中的前课程关键词组;
将前课程关键词组与课程关键词组进行组合,并剔除组合中重复的词语,形成辅佐关键词组;
筛选数据库中的所有网络教程,得到若干标题信息中涉及的预设课程词汇与辅佐关键词组完全相同的网络教程,作为待显示信息;
根据学习者选择的排序方式将待显示信息进行排序显示。
作为本发明的一种实施例,分类存储模块执行包括如下操作:
获取教学者端上传的网络教程以及网络教程的标题信息;
提取标题信息中涉及的预设课程词汇的词语,构建分类集;
基于预设课程词汇包含关系,根据分类集确定网络教程的存储地址;
根据存储地址将网络教程存储至数据库中的对应位置。
作为本发明的一种实施例,推送模块执行包括如下操作:
获取当前登录的学习者的学习者注册信息,构建个性化用户信息集;个性化用户信息集包括用户年龄、用户学历和用户兴趣课程;
基于个性化用户信息集,获取数据库中若干与当前个性化用户信息集存在相同内容的其他学习者注册信息,对应的学习者在预设第一时间内的历史观看信息和历史下载信息作为第一历史浏览信息;
提取第一历史浏览信息中的若干第一比对关键词组;第一比对关键词组包括第一历史浏览信息中网络教程的标题信息涉及预设课程词汇的词语;
筛选若干第一比对关键词组,得到若干第一比对关键词组中出现重复率最高的比对关键词作为推送关键词;
基于推送关键词,获取数据库中若干标题信息中与推送关键词存在相同内容的网络教程,作为预推送网络教程;
选取所有预推送网络教程中播放量,和/或,下载量最高的预设个预推送网络教程作为推送网络教程;
根据预设推送时间规则将推送网络教程对当前学习者端进行推送。
作为本发明的一种实施例,一种高校用在线开放课程平台系统还包括:
上传教程违规检测模块;
上传教程违规检测模块执行包括如下操作:
S1、获取教学者端上传的网络教程,提取网络教程的每一帧截图作为检测图像;
S2、随机抽取预设第一数量的检测图像通过已训练好的聚类模型进行聚类,得到第一聚类结果;
S3、判断第一聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S4、拒绝存储网络教程并发送警告信息与违规的检测图像至对应的教学者端;
S5、检测剩余的检测图像是否为0,若为0,跳转至S8,若不为0,跳转至S6;
S6、在剩余的检测图像中随机抽取预设第二数量的检测图像通过已训练好的再聚类模型进行聚类,得到第二聚类结果;
S7、判断第二聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S8、将网络教程发送至分类存储模块进行存储;
再聚类模型的训练过程包括:
获取若干携带有类型标记的样本截图;其中,样本截图包括含有违规内容的样本截图和未含有违规内容的样本截图;
获取聚类模型和初始聚类结果,通过聚类模型对样本截图进行再聚类处理,得到再聚类结果;
基于再聚类结果和样本截图的类型标记,计算再聚类结果的正确聚类值;其中,正确聚类值由违规聚类值和未违规聚类值获得,违规聚类值用于表征在聚类处理过程中所有含有违规内容的样本截图的合并操作是否正确,未违规聚类值用于表征在聚类处理过程中所有未含有违规内容的样本截图的合并操作是否正确;
根据再聚类结果的正确聚类值,对聚类模型进行训练,得到再聚类模型。
作为本发明的一种实施例,一种高校用在线开放课程平台系统还包括:排名模块;
排名模块执行包括如下操作:
获取每一网络教程的标题信息,提取标题信息中涉及预设课程词汇的词语,建立排名关键词组;
基于排名关键词组,筛选得到数据库内预设排名题库中所有完全符合排名关键词组的考题,形成排名考题库;
选取任一网络教程,获取历史在线观看网络教程的学习者,建立第一学习者集合;
获取第一学习者集合中每个学习者的历史在线观看网络教程的在线时长,对第一学习者集合中的每个学习者进行对应的时长标记,得到第二学习者集合;
获取第二学习者集合中每个学习者的历史做题正确率,对第二学习者集合中的每个学习者进行对应的做题正确率标记,得到第三学习者集合;
基于第三学习者集合中每个学习者的时长标记和做题正确率标记,计算第三学习者集合中每个学习者的排名积分;
基于第三学习者集合中每个学习者的排名积分,对第三学习者集合中每个学习者的顺序进行排序,得到第四学习者集合;
基于第四学习者集合,建立对应网络教程的学习进度排行榜。
本发明的有益效果为:
本发明能够解决当学生采用其他课程软件学习的时候不免又会遇到教学内容真假难以分辨、学习时遇到问题无法解决,导致学生在高校内的学习受到遏制的问题。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
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。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种高校用在线开放课程平台系统的模块示意图;
图2为本发明实施例中一种高校用在线开放课程平台系统中教学者端的模块示意图;
图3为本发明实施例中一种高校用在线开放课程平台系统中学习者端的模块示意图;
图4为本发明实施例中一种高校用在线开放课程平台系统中系统端的模块示意图;
图5为本发明实施例中一种高校用在线开放课程平台系统中检索模块执行操作的具体流程图;
图6为本发明实施例中一种高校用在线开放课程平台系统中分类存储模块执行操作的具体流程图;
图7为本发明实施例中一种高校用在线开放课程平台系统中推送模块执行操作的具体流程图;
图8为本发明实施例中一种高校用在线开放课程平台系统中上传教程违规检测模块执行操作的具体流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明实施例提供了一种高校用在线开放课程平台系统,包括:
教学者端1,用于教学者上传网络教程;其中,教学者包括所有能使用高校用在线开放课程平台系统的高校内部人员,教学者端的注册方式为实名岗位注册;
系统端2,用于管理用户,管理网络教程;
学习者端3,用于学习者学习网络教程;其中,学习者包括所有能使用高校用在线开放课程平台系统的高校内部人员,学习者可以查看网络教程的上传人;
上述技术方案的工作原理为:教学者端1,面向教学者,该教学者可以为老师、学生、乃至所有能使用高校用在线开放课程平台系统的高校内部人员,优选教学者端的注册方式为实名岗位注册,即教学者在完善自己身份信息时必须需输入自己的实名信息加岗位信息,用于学习者判断选择,教学者端1用于上传网络教程,该网络教程的形式包括但不限于视频、PPT等形式,且上传的网络教程需一同上传其的标题信息用于后续分类与供学习者端筛选;系统端2,面向管理者,该系统端2也可称为服务器端,系统端2用于管理用户和管理网络教程,管理用户包括但不限于用户增减、用户行为管控等,管理网络教程包括但不限于审核网络教程、分类存储网络教程等;学习者端3,面向学习者,该学习者可以为老师、学生、乃至所有能使用高校用在线开放课程平台系统的高校内部人员,学习者端3用于学习网络教程,同时还可查看学习的网络教程的上传人的实名信息和岗位信息,从而更方便遇到问题时能找对教学者进行请教询问;
上述技术方案的有益效果为:因教学者端的使用人员均为高校内部使用人员,通过对教学者端上传的网络教程进行上传人实名标记和岗位标记,学生在自主学习时便不会遇到教学内容真假难以分辨、学习时遇到问题无法解决,导致学生在高校内的学习受到遏制的问题,且因教学者端的使用人员可以为学生,学生们也可以通过上传网络教程分享出自己的经验,提供了一个学生内部的课程交流平台,促进每一个学生全面发展。
请参阅图2,在一个实施例中,教学者端1包括:
第一登录模块101,用于教学者进行登录;
上传模块102,用于教学者上传网络教程;
查询模块103,用于教学者查看已上传的网络教程的浏览信息;浏览信息包括:播放量,下载量;
上述技术方案的工作原理为:第一登录模块101,为教学者提供登录渠道,优选的,可以将教学者的注册模块与第一登录模块101进行合并使用,即若教学者并未注册,就将教学者初次输入的信息作为注册信息进行初次注册,后续通过其他预设模块再补全教学者身份信息;上传模块102,为教学者提供上传渠道,用于教学者上传网络教程,同时上传的还有网络教程的标题信息等附带内容,优选的,当教学者想使用上传功能时,必须先完善自身的身份信息;查询模块103,为教学者提供查询渠道,用于教学者查看自己已上传的网络教程的浏览情况,如播放量、下载量等,优选的,查询模块103还用于查询留言信息等交互信息;
上述技术方案的有益效果为:有益于教学者更方便的使用教学者端。
请参阅图3,在一个实施例中,学习者端3包括:
第二登录模块301,用于学习者进行登录;
检索模块302,用于检索网络教程;
观看模块303,用于在线观看网络教程;
下载模块304,用于下载网络教程;
上述技术方案的工作原理为:第二登录模块301,为学习者提供登录渠道,优选的,可以将学习者的注册模块与第二登录模块301进行合并使用,即若学习者并未注册,就将学习者初次输入的信息作为注册信息进行初次注册,后续通过其他预设模块再补全学习者身份信息;检索模块302,为学习者提供检索渠道,便于学习者根据自身的需求检索对应的网络教程;观看模块303,为学习者提供在线播放渠道,用于学习者在线观看网络教程,优选的,若学习者未补全自身身份信息,拒绝为学习者在线播放网络教程;下载模块304,为学习者提供下载渠道,用于在获取到下载权限时,学习者在有网络的情况下提前下载网络教程;
上述技术方案的有益效果为:有益于学习者更方便的使用学习者端,且有益于提高学习者的使用体验。
请参阅图4,在一个实施例中,系统端2包括:
第一验证注册模块201,用于教学者进行注册,并在教学者进行登录时验证数据库中是否存在教学者的登录信息对应的教学者注册信息;
第二验证注册模块202,用于学习者进行注册,并在学习者进行登录时验证数据库中是否存在学习者的登录信息对应的学习者注册信息;
分类存储模块203,用于对教学者端上传的网络教程进行分类存储;
推送模块204,用于对学习者端进行网络教程推送;
上述技术方案的工作原理为:第一验证注册模块201,优选与教学者端1的第一登录模块101建立连接,用于教学者进行注册,并在教学者进行登录时验证数据库中是否存在教学者的登录信息对应的教学者注册信息,从而实现教学者端1的登录;第二验证注册模块202,优选与学习者端3的第二登录模块301建立连接,用于学习者进行注册,并在学习者进行登录时验证数据库中是否存在学习者的登录信息对应的学习者注册信息,从而实现学习者端3的登录;分类存储模块203,用于基于预设的分类规则,对教学者端上传的网络教程进行分类存储至数据库中,预设的分类规则优选为根据标题信息中携带的关键词进行分类;推送模块204,用于对学习者端进行网络教程推送;
上述技术方案的有益效果为:有益于提高教学者和学习者的使用体验,且有益于更好的辅助管理人员对网络教程和在册用户进行管理。
在一个实施例中,系统端2、学习者端3、教学者端1通过网络进行信息交互;
上述技术方案的工作原理和有益效果为:通过网络进行信息交互有助于实现全高校人员在各地均能方便使用该平台,更进一步地,可以通过设置局域网限制该平台的使用范围,使其仅限于该高校范围内使用。
请参阅图5,在一个实施例中,检索模块302执行包括如下操作:
S101、获取学习者输入的待查询信息,提取待查询信息中的课程关键词组;课程关键词组包括待查询信息中涉及预设课程词汇的词语;
S102、获取学习者在预设第一时间内输入的上一待查询信息中的前课程关键词组;
S103、将前课程关键词组与课程关键词组进行组合,并剔除组合中重复的词语,形成辅佐关键词组;
S104、筛选数据库中的所有网络教程,得到若干标题信息中涉及的预设课程词汇与辅佐关键词组完全相同的网络教程,作为待显示信息;
S105、根据学习者选择的排序方式将待显示信息进行排序显示;
上述技术方案的工作原理为:当学习者登录平台开始检索时,检索模块302首先获取学习者输入的待查询信息,并提取出该待查询信息中的课程关键词组,其中,该课程关键词组包括待查询信息中涉及预设课程词汇的词语,该预设课程词汇优选通过数据库中已有的网络教程的标题信息中获取;获取到该课程关键词组后,获取学习者在预设第一时间内输入的上一待查询信息中的前课程关键词组,其中,预设第一时间优选为3分钟,计时优选从学习者使用检索模块302时开始,更进一步地,若学习者在预设第一时间内频繁输入待查询信息,获取学习者在预设第一时间内输入的上一待查询信息中的所有前课程关键词组参与后续处理过程;得到前课程关键词组后,将前课程关键词组与课程关键词组进行组合,并剔除组合中重复的词语,形成辅佐关键词组,组合方式包括但不限于正序组合、乱序组合等,例如,若课程关键词组为{A,B,C},前课程关键词组为{B,D,F},则辅佐关键词组为{A,B,C,D,F},其中,课程关键词组、前课程关键词组合辅佐关键词组内的词语可以为1个或多个,得到辅佐关键词组后,筛选数据库中的所有网络教程,得到若干标题信息中涉及的预设课程词汇与辅佐关键词组完全相同的网络教程,作为待显示信息,更进一步地,若没有完全相同的网络教程,则根据若干标题信息中涉及的预设课程词汇与辅佐关键词组的相似度和预设相似度阈值决定待显示信息,即若标题信息中涉及的预设课程词汇与辅佐关键词组的相似度达到预设相似度阈值,则将该标题信息对应的网络教程作为待显示信息;形成待显示信息后,根据学习者选择的排序方式将待显示信息进行排序显示,其中,供学习者选择的排序方式包括但不限于按时间排序,按播放量排序等排序方式,该检索模块302的实际操作由系统端2完成,检索模块302仅体现了检索内容,因检索模块302的功能为学习者设计,故设置在学习者端3内;
上述技术方案的有益效果为:学习者在检索时,往往不能第一时间精确检索,而是通过频繁的测试待查询信息来获取想要的网络课程,但往往会出现遗漏等情况,通过上述技术方案,使得学习者在检索时,检索模块自动汇总短时间内学习者检索过的关键词辅佐检索,提高检索的效率和精准度,帮助学习者快速得到自身需要的网络教程。
请参阅图6,在一个实施例中,分类存储模块203执行包括如下操作:
S201、获取教学者端1上传的网络教程以及网络教程的标题信息;
S202、提取标题信息中涉及的预设课程词汇的词语,构建分类集;
S203、基于预设课程词汇包含关系,根据分类集确定网络教程的存储地址;
S204、根据存储地址将网络教程存储至数据库中的对应位置;
上述技术方案的工作原理为:当系统端2接收到教学者端1上传的网络教程以及网络教程的标题信息时,提取标题信息中涉及的预设课程词汇的词语,构建分类集,然后基于预设课程词汇包含关系,根据分类集确定网络教程的存储地址,其中,预设课程词汇包含关系包括但不限于{线性代数∈高数∈数学}、{光合作用∈化学}等,例如,分类集中包含的词语为{数学、线性代数},则网络教程的存储地址则为数学→高数→线性代数,最终存储至数据库中的线性代数文件夹,其中,根据存储顺序和存储位置,优选的给每一个网络教程分配一个唯一的存储号便于提取;
上述技术方案的有益效果为:通过标题信息中的课程关键词作为确定网络教程存储地址的基础,简化存储路径的设置方法,有益于管理者对数据库中的网络教程进行管理,减轻管理压力。
请参阅图7,在一个实施例中,推送模块204执行包括如下操作:
S301、获取当前登录的学习者的学习者注册信息,构建个性化用户信息集;个性化用户信息集包括用户年龄、用户学历和用户兴趣课程;
S302、基于个性化用户信息集,获取数据库中若干与当前个性化用户信息集存在相同内容的其他学习者注册信息,对应的学习者在预设第一时间内的历史观看信息和历史下载信息作为第一历史浏览信息;
S303、提取第一历史浏览信息中的若干第一比对关键词组;第一比对关键词组包括第一历史浏览信息中网络教程的标题信息涉及预设课程词汇的词语;
S304、筛选若干第一比对关键词组,得到若干第一比对关键词组中出现重复率最高的比对关键词作为推送关键词;
S305、基于推送关键词,获取数据库中若干标题信息中与推送关键词存在相同内容的网络教程,作为预推送网络教程;
S306、选取所有预推送网络教程中播放量,和/或,下载量最高的预设个预推送网络教程作为推送网络教程;
S307、根据预设推送时间规则将推送网络教程对当前学习者端进行推送;
上述技术方案的工作原理为:高校内的学生普遍处于无法自我认知学习方向的状态,因此往往会陷入网络教程选择困难症,不知道该如何去挑选适合自己的网络教程,通过推送模块204,自动为学习者推送适合学习者的网络教程;首先,获取当前登录的学习者的学习者注册信息,用于构建个性化用户信息集,其中,个性化用户信息集中优选包括用户年龄、用户学历和用户在注册时所选择的偏爱的用户兴趣课程,然后基于个性化用户信息集,获取数据库中若干与当前个性化用户信息集存在相同内容的其他学习者注册信息对应的学习者在预设第一时间内的历史观看信息和历史下载信息,作为第一历史浏览信息,该第一历史浏览信息里面仅包含每个网络教程的标题信息,再然后,提取第一历史浏览信息中的若干第一比对关键词组;第一比对关键词组包括第一历史浏览信息中网络教程的标题信息涉及预设课程词汇的词语,该第一比对关键词组内的词语可以为一个或多个,筛选若干第一比对关键词组,得到若干第一比对关键词组中出现重复率最高的比对关键词作为推送关键词,基于推送关键词,获取数据库中若干标题信息中与推送关键词存在相同内容的网络教程,作为预推送网络教程,此处存在相同内容的网络教程优选为包含关系,即数据库中的网络教程的标题信息中的关键词组中只要含有推送关键词,则将该网络教程作为预推送网络教程,然后选取所有预推送网络教程中播放量,和/或,下载量最高的预设个预推送网络教程作为推送网络教程,预设个优选为6个,最后根据预设推送时间规则将推送网络教程对当前学习者端进行推送,预设推送时间可以为当学习者打开学习者端时的时间;
上述技术方案的有益效果为:通过推送模块,根据学习者的用户信息主动为学习者提供适配的网络教程,有效节约学习者检索时间,且根据推送模块主动推送的预测学习者会感兴趣的网络教程,可以有效防止学习者无法产生学习兴趣从而导致学习者放弃主动学习的问题。
请参阅图8,在一个实施例中,一种高校用在线开放课程平台系统还包括:上传教程违规检测模块;
上传教程违规检测模块执行包括如下操作:
S1、获取教学者端上传的网络教程,提取网络教程的每一帧截图作为检测图像;
S2、随机抽取预设第一数量的检测图像通过已训练好的聚类模型进行聚类,得到第一聚类结果;
S3、判断第一聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S4、拒绝存储网络教程并发送警告信息与违规的检测图像至对应的教学者端;
S5、检测剩余的检测图像是否为0,若为0,跳转至S8,若不为0,跳转至S6;
S6、在剩余的检测图像中随机抽取预设第二数量的检测图像通过已训练好的再聚类模型进行聚类,得到第二聚类结果;
S7、判断第二聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S8、将网络教程发送至分类存储模块进行存储;
再聚类模型的训练过程包括:
获取若干携带有类型标记的样本截图;其中,样本截图包括含有违规内容的样本截图和未含有违规内容的样本截图;
获取聚类模型和初始聚类结果,通过聚类模型对样本截图进行再聚类处理,得到再聚类结果;
基于再聚类结果和样本截图的类型标记,计算再聚类结果的正确聚类值;其中,正确聚类值由违规聚类值和未违规聚类值获得,违规聚类值用于表征在聚类处理过程中所有含有违规内容的样本截图的合并操作是否正确,未违规聚类值用于表征在聚类处理过程中所有未含有违规内容的样本截图的合并操作是否正确;
根据再聚类结果的正确聚类值,对聚类模型进行训练,得到再聚类模型;
上述技术方案的工作原理为:在上传网络教程方面总会存在一部分人员因为其疏忽或故意的问题,上传一些违规网络教程,导致整个平台充斥着不健康的气息,因本平台仅用于高校内部使用,若聘请职员专门审核网络教程则会导致成本增加的问题,不利用平台的推广使用,通过设置上传教程违规检测模块,主动对每个上传的网络教程进行违规检测,若存在违规的网络教程,则直接拒绝存储该网络教程,更进一步地,本平台还设置申诉模块,若教学者端的上传视频被判为违规,还可通过申诉模块对管理者进行反馈,从而使得管理者干预上次教程违规检测模块,使得通过管理者审核的网络教程得以上传,例如生理学、解剖学方面的网络教程;其中,上传教程违规检测模块执在运作时行包括如下操作:首先,获取教学者端上传的网络教程,提取网络教程的每一帧截图作为检测图像,为防止存在教学者恶意在网络教程中穿插违规图像;然后随机抽取预设第一数量的检测图像通过已训练好的聚类模型进行聚类,得到第一聚类结果,预设第一数量优选为7分之1的数量,已训练好的聚类模型中优选包括两种聚类结果集,一为违规图像聚类结果集,另一为未违规图像聚类结果集,然后判断第一聚类结果中是否包含违规图像聚类结果,若包含,拒绝存储网络教程并发送警告信息与违规的检测图像至对应的教学者端,采用分次数随机抽取的方式聚类筛查,有益于减少一次性聚类时的工作量,同时若提前筛选出存在问题的网络教程,便无需后续再对该网络教程进行筛选,减轻处理器的工作量,若初次检测不包含时,检测剩余的检测图像是否为0,若为0,将该网络教程发送至所述分类存储模块进行存储,该条运行逻辑用于后面跳出检测循环,若不为0,在剩余的检测图像中随机抽取第二预设数量的检测图像通过已训练好的再聚类模型进行聚类,得到第二聚类结果,第二预设数量优选为7分之2,判断第二聚类结果中是否包含违规图像聚类结果,若包含,拒绝存储所述网络教程并发送警告信息与违规的检测图像至对应的教学者端,若不包含,重复上述检测剩余检测图像的步骤,直至检测图像为0或聚类结果中是否包含违规图像聚类结果,其中,再聚类模型的训练过程包括:获取若干携带有类型标记的样本截图;其中,样本截图包括含有违规内容的样本截图和未含有违规内容的样本截图;获取聚类模型和初始聚类结果,通过聚类模型对样本截图进行再聚类处理,得到再聚类结果;基于再聚类结果和样本截图的类型标记,计算再聚类结果的正确聚类值;其中,正确聚类值由违规聚类值和未违规聚类值获得,违规聚类值用于表征在聚类处理过程中所有含有违规内容的样本截图的合并操作是否正确,未违规聚类值用于表征在聚类处理过程中所有未含有违规内容的样本截图的合并操作是否正确;该违规聚类值的计算公式优选为:W1=αZ-αC,其中,W1为违规聚类值,αZ为在聚类处理过程中所有含有违规内容的样本截图的合并操作正确的次数,αC为在聚类处理过程中所有含有违规内容的样本截图的合并操作错误的次数;该未违规聚类值的计算公式优选为:W2=βZ-βC,其中,W2为违规聚类值,βZ为在聚类处理过程中所有未含有违规内容的样本截图的合并操作正确的次数,βC为在聚类处理过程中所有未含有违规内容的样本截图的合并操作错误的次数;该正确聚类值的获取方法优选为:其中,W3为正确聚类值,τ为参与合并操作的样本截图的总数量;根据再聚类结果的正确聚类值,对聚类模型进行训练,直至连续预设次数的再聚类结果的正确聚类值满足预设正确聚类值阈值时,得到再聚类模型;
上述技术方案的有益效果为:在上传网络教程方面总会存在一部分人员因为其疏忽或故意的问题,上传一些违规网络教程,导致整个平台充斥着不健康的气息,因本平台仅用于高校内部使用,若聘请职员专门审核网络教程则会导致成本增加的问题,不利用平台的推广使用,通过设置上传教程违规检测模块,有益于保持平台内的绿色健康环境,且有益于减少成本。
在一个实施例中,一种高校用在线开放课程平台系统还包括:排名模块;
排名模块执行包括如下操作:
获取每一网络教程的标题信息,提取标题信息中涉及预设课程词汇的词语,建立排名关键词组;
基于排名关键词组,筛选得到数据库内预设排名题库中所有完全符合排名关键词组的考题,形成排名考题库;
选取任一网络教程,获取历史在线观看网络教程的学习者,建立第一学习者集合;
获取第一学习者集合中每个学习者的历史在线观看网络教程的在线时长,对第一学习者集合中的每个学习者进行对应的时长标记,得到第二学习者集合;
获取第二学习者集合中每个学习者的历史做题正确率,对第二学习者集合中的每个学习者进行对应的做题正确率标记,得到第三学习者集合;
基于第三学习者集合中每个学习者的时长标记和做题正确率标记,计算第三学习者集合中每个学习者的排名积分;
基于第三学习者集合中每个学习者的排名积分,对第三学习者集合中每个学习者的顺序进行排序,得到第四学习者集合;
基于第四学习者集合,建立对应网络教程的学习进度排行榜;
上述技术方案的工作原理为:在自我学习的过程中,学习者在不知道其他人的学习情况时,因为学习者的惰性总会认为自己学的已经够了,从而不明确学习目的,无法快速掌握学习知识,拉长学习周期甚至于最后放弃学习,通过设置排名模块,使得学习者与学习者之间存在竞争关系,且使得学习者的学习进度有迹可循,从而提高学习者的学习兴趣,其中,排名模块运行时执行包括如下操作:首先,基于数据库中的每一网络教程,提前获取每一网络教程的标题信息,提取标题信息中涉及预设课程词汇的词语,建立排名关键词组,每一网络教程均对应一排名关键词组,然后基于排名关键词组,筛选得到数据库内预设排名题库中所有完全符合排名关键词组的考题,形成排名考题库,其中,预设排名题库中的考题来源包括但不限于从教学者上传的网络教程中提取、管理者基于高校内部渠道提取历往考题等;预设排名题库中的考题均携带有关键词标记,该关键词标记来源包括但不限于从获取课程或考题题目中携带的标题信息上提取的涉及预设课程词汇的词语,而完全符合排名关键词组即考题上携带的关键词组要与排名关键词组完全相同;当各个网络教程的排名考题库已经形成后,以任一网络教程为例,选取任一网络教程,获取历史在线观看网络教程的学习者,建立第一学习者集合,获取第一学习者集合中每个学习者的历史在线观看网络教程的在线时长,对第一学习者集合中的每个学习者进行对应的时长标记,得到第二学习者集合,获取第二学习者集合中每个学习者的历史做题正确率,对第二学习者集合中的每个学习者进行对应的做题正确率标记,得到第三学习者集合,基于第三学习者集合中每个学习者的时长标记和做题正确率标记,计算第三学习者集合中每个学习者的排名积分,其中,排名积分的计算方法优选为其中,γ为排名积分,N为对应网络教程对应的排名考题库中考题的总数,μn为学习者在面对第n个考题时的历史正确率,学习者从未作答过考题则初始历史正确率为0,为预设第一权重系数,优选为80,M为对应网络教程的学习者的在线时长,该在线时长最高为对应网络教程的播放时长,θ为预设第二权重系数,初始优选为20,当M*θ超过预设分值阈值δ时,θ值开始减小,使得M*θ的值始终稳定为预设分值阈值;基于第三学习者集合中每个学习者的排名积分,对第三学习者集合中每个学习者的顺序进行排序,得到第四学习者集合,将排名积分高的学习者位于前序,基于第四学习者集合,建立对应网络教程的学习进度排行榜,其中,排名模块的实际操作在系统端2完成,同时排名的显示情况会同步到学习者端的预设排名显示单元中,更进一步地,当学习者在某一学习进度排行榜上的排名积分已到达预设积分阈值时,将该学习者移除该学习进度排行榜,并为该学习者颁发对应学习课程达标的虚拟奖章,预设积分阈值优选为使得排名模块不会出现无穷高排名积分的情况导致后来的学习者丧失竞争欲望的问题;
上述技术方案的有益效果为:在自我学习的过程中,学习者在不知道其他人的学习情况时,因为学习者的惰性总会认为自己学的已经够了,从而不明确学习目的,无法快速掌握学习知识,拉长学习周期甚至于最后放弃学习,通过设置排名模块,使得学习者与学习者之间存在竞争关系,且使得学习者的学习进度有迹可循,从而提高学习者的学习兴趣。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种高校用在线开放课程平台系统,其特征在于,包括:
教学者端,用于教学者上传网络教程;其中,所述教学者包括所有能使用高校用在线开放课程平台系统的高校内部人员,所述教学者端的注册方式为实名岗位注册;
系统端,用于管理用户,管理网络教程;
学习者端,用于学习者学习网络教程;其中,所述学习者包括所有能使用高校用在线开放课程平台系统的高校内部人员,所述学习者可以查看所述网络教程的上传人。
2.根据权利要求1所述的一种高校用在线开放课程平台系统,其特征在于,所述教学者端包括:
第一登录模块,用于教学者进行登录;
上传模块,用于教学者上传网络教程;
查询模块,用于教学者查看已上传的网络教程的浏览信息;所述浏览信息包括:播放量,下载量。
3.根据权利要求1所述的一种高校用在线开放课程平台系统,其特征在于,所述学习者端包括:
第二登录模块,用于学习者进行登录;
检索模块,用于检索网络教程;
观看模块,用于在线观看网络教程;
下载模块,用于下载网络教程。
4.根据权利要求1所述的一种高校用在线开放课程平台系统,其特征在于,所述系统端包括:
第一验证注册模块,用于教学者进行注册,并在教学者进行登录时验证数据库中是否存在教学者的登录信息对应的教学者注册信息;
第二验证注册模块,用于学习者进行注册,并在学习者进行登录时验证数据库中是否存在学习者的登录信息对应的学习者注册信息;
分类存储模块,用于对所述教学者端上传的网络教程进行分类存储;
推送模块,用于对所述学习者端进行网络教程推送。
5.根据权利要求1所述的一种高校用在线开放课程平台系统,其特征在于,所述系统端、学习者端、教学者端通过网络进行信息交互。
6.根据权利要求3所述的一种高校用在线开放课程平台系统,其特征在于,所述检索模块执行包括如下操作:
获取学习者输入的待查询信息,提取所述待查询信息中的课程关键词组;所述课程关键词组包括所述待查询信息中涉及预设课程词汇的词语;
获取学习者在预设第一时间内输入的上一待查询信息中的前课程关键词组;
将所述前课程关键词组与所述课程关键词组进行组合,并剔除组合中重复的词语,形成辅佐关键词组;
筛选数据库中的所有网络教程,得到若干标题信息中涉及的预设课程词汇与所述辅佐关键词组完全相同的网络教程,作为待显示信息;
根据学习者选择的排序方式将所述待显示信息进行排序显示。
7.根据权利要求4所述的一种高校用在线开放课程平台系统,其特征在于,所述分类存储模块执行包括如下操作:
获取教学者端上传的网络教程以及所述网络教程的标题信息;
提取所述标题信息中涉及的预设课程词汇的词语,构建分类集;
基于预设课程词汇包含关系,根据所述分类集确定所述网络教程的存储地址;
根据所述存储地址将所述网络教程存储至数据库中的对应位置。
8.根据权利要求4所述的一种高校用在线开放课程平台系统,其特征在于,所述推送模块执行包括如下操作:
获取当前登录的学习者的学习者注册信息,构建个性化用户信息集;所述个性化用户信息集包括用户年龄、用户学历和用户兴趣课程;
基于个性化用户信息集,获取数据库中若干与当前个性化用户信息集存在相同内容的其他学习者注册信息,对应的学习者在预设第一时间内的历史观看信息和历史下载信息作为第一历史浏览信息;
提取所述第一历史浏览信息中的若干第一比对关键词组;所述第一比对关键词组包括所述第一历史浏览信息中网络教程的标题信息涉及预设课程词汇的词语;
筛选若干所述第一比对关键词组,得到若干所述第一比对关键词组中出现重复率最高的比对关键词作为推送关键词;
基于所述推送关键词,获取数据库中若干标题信息中与所述推送关键词存在相同内容的网络教程,作为预推送网络教程;
选取所有所述预推送网络教程中播放量,和/或,下载量最高的预设个预推送网络教程作为推送网络教程;
根据预设推送时间规则将所述推送网络教程对当前学习者端进行推送。
9.根据权利要求4所述的一种高校用在线开放课程平台系统,其特征在于,还包括:上传教程违规检测模块;
所述上传教程违规检测模块执行包括如下操作:
S1、获取教学者端上传的网络教程,提取所述网络教程的每一帧截图作为检测图像;
S2、随机抽取预设第一数量的检测图像通过已训练好的聚类模型进行聚类,得到第一聚类结果;
S3、判断所述第一聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S4、拒绝存储所述网络教程并发送警告信息与违规的检测图像至对应的教学者端;
S5、检测剩余的检测图像是否为0,若为0,跳转至S8,若不为0,跳转至S6;
S6、在剩余的检测图像中随机抽取预设第二数量的检测图像通过已训练好的再聚类模型进行聚类,得到第二聚类结果;
S7、判断所述第二聚类结果中是否包含违规图像聚类结果,若包含,跳转至S4,若不包含,跳转至S5;
S8、将所述网络教程发送至所述分类存储模块进行存储;
所述再聚类模型的训练过程包括:
获取若干携带有类型标记的样本截图;其中,所述样本截图包括含有违规内容的样本截图和未含有违规内容的样本截图;
获取聚类模型和初始聚类结果,通过所述聚类模型对所述样本截图进行再聚类处理,得到再聚类结果;
基于所述再聚类结果和所述样本截图的类型标记,计算所述再聚类结果的正确聚类值;其中,所述正确聚类值由违规聚类值和未违规聚类值获得,所述违规聚类值用于表征在聚类处理过程中所有含有违规内容的样本截图的合并操作是否正确,所述未违规聚类值用于表征在聚类处理过程中所有未含有违规内容的样本截图的合并操作是否正确;
根据所述再聚类结果的正确聚类值,对所述聚类模型进行训练,得到再聚类模型。
10.根据权利要求4所述的一种高校用在线开放课程平台系统,其特征在于,还包括:排名模块;
所述排名模块执行包括如下操作:
获取每一网络教程的标题信息,提取所述标题信息中涉及预设课程词汇的词语,建立排名关键词组;
基于所述排名关键词组,筛选得到数据库内预设排名题库中所有完全符合所述排名关键词组的考题,形成排名考题库;
选取任一网络教程,获取历史在线观看所述网络教程的学习者,建立第一学习者集合;
获取所述第一学习者集合中每个学习者的历史在线观看所述网络教程的在线时长,对所述第一学习者集合中的每个学习者进行对应的时长标记,得到第二学习者集合;
获取所述第二学习者集合中每个学习者的历史做题正确率,对所述第二学习者集合中的每个学习者进行对应的做题正确率标记,得到第三学习者集合;
基于所述第三学习者集合中每个学习者的时长标记和做题正确率标记,计算所述第三学习者集合中每个学习者的排名积分;
基于所述第三学习者集合中每个学习者的排名积分,对所述第三学习者集合中每个学习者的顺序进行排序,得到第四学习者集合;
基于所述第四学习者集合,建立对应网络教程的学习进度排行榜。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127587.7A CN114445250B (zh) | 2022-02-11 | 2022-02-11 | 一种高校用在线开放课程平台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127587.7A CN114445250B (zh) | 2022-02-11 | 2022-02-11 | 一种高校用在线开放课程平台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114445250A true CN114445250A (zh) | 2022-05-06 |
CN114445250B CN114445250B (zh) | 2023-04-07 |
Family
ID=81371567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210127587.7A Active CN114445250B (zh) | 2022-02-11 | 2022-02-11 | 一种高校用在线开放课程平台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114445250B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508678A (zh) * | 2011-10-17 | 2012-06-20 | 李建成 | 皮肤更换方法和系统 |
CN104504949A (zh) * | 2014-12-19 | 2015-04-08 | 江苏开放大学 | 一种远程教育信息平台系统 |
CN109413160A (zh) * | 2018-09-30 | 2019-03-01 | 武汉比城比特数字科技有限公司 | 一种智能教育学习平台 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
CN110889628A (zh) * | 2019-11-27 | 2020-03-17 | 河西学院 | 一种菌物信息管理系统 |
CN111028572A (zh) * | 2019-12-31 | 2020-04-17 | 浙江正元智慧科技股份有限公司 | 一种在线教育平台 |
CN112819422A (zh) * | 2020-12-31 | 2021-05-18 | 浪潮云信息技术股份公司 | 在线教学平台及系统 |
-
2022
- 2022-02-11 CN CN202210127587.7A patent/CN114445250B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508678A (zh) * | 2011-10-17 | 2012-06-20 | 李建成 | 皮肤更换方法和系统 |
CN104504949A (zh) * | 2014-12-19 | 2015-04-08 | 江苏开放大学 | 一种远程教育信息平台系统 |
CN109413160A (zh) * | 2018-09-30 | 2019-03-01 | 武汉比城比特数字科技有限公司 | 一种智能教育学习平台 |
CN109766492A (zh) * | 2018-12-24 | 2019-05-17 | 中国联合网络通信集团有限公司 | 学习推荐方法、装置、设备和可读介质 |
CN110889628A (zh) * | 2019-11-27 | 2020-03-17 | 河西学院 | 一种菌物信息管理系统 |
CN111028572A (zh) * | 2019-12-31 | 2020-04-17 | 浙江正元智慧科技股份有限公司 | 一种在线教育平台 |
CN112819422A (zh) * | 2020-12-31 | 2021-05-18 | 浪潮云信息技术股份公司 | 在线教学平台及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114445250B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teng | Assessing the relationship between vocabulary learning strategy use and vocabulary knowledge | |
US20160293036A1 (en) | System and method for adaptive assessment and training | |
BR112015020314B1 (pt) | sistemas e métodos para aprendizagem de idioma | |
CN101542512A (zh) | 关联有题库和课程的在线教学方法 | |
Hubackova et al. | Experience in foreign language teaching with ICT support | |
Jeffries et al. | Comparing vignette instruction and assessment tasks to classroom observations and reflections | |
Azmi et al. | A case study on the effects of mnemonics on English vocabulary | |
Kim et al. | A STUDY INTO STUDENTS’USE OF DIGITAL ENGLISH LEARNING STRATEGIES IN TERTIARY EDUCATION | |
Zhang | The use of vocabulary learning strategies by good and poor language learners: A case study of Chinese non-English major sophmores | |
MacKinnon et al. | Student and educator experiences of maternal-child simulation-based learning: a systematic review of qualitative evidence | |
Collier et al. | Test review: Texas English language proficiency assessment system (TELPAS) | |
CN112507792A (zh) | 在线视频关键帧定位方法、定位系统、设备及存储介质 | |
Luchoomun et al. | A knowledge based system for automated assessment of short structured questions | |
Qomariah | Islamic senior high school students’ language learning strategies and their English achievement | |
CN114445250B (zh) | 一种高校用在线开放课程平台系统 | |
Jia et al. | Voluntary participation and natural grouping with smartphones: An effective and practical approach to implement a quasi-experiment | |
CN113408810A (zh) | 智能课程管理系统 | |
KR20010104115A (ko) | 인터넷 기반 교육 방법 | |
RU2649289C1 (ru) | Способ коррекции содержания и количества информации учебного материала | |
Edafe et al. | Impact of a novel teaching method based on feedback, activity, individuality and relevance on students’ learning | |
Almalki | Designing a Micro-Learning-Based Learning Environment and Its Impact on Website Designing Skills and Achievement Motivation Among Secondary School Students | |
Budianto et al. | Digital literacy of ESP Learners: voices of medical teachers, learners and authorities | |
US20220020284A1 (en) | System and method for improving learning efficiency | |
Rahimi et al. | Teaching E-Content Based Pre-Reading Strategies to Iranian Third-Grade High School EFL Learners | |
Eze et al. | Information and communication technologies: Availability and utilization in human capital development in computer education in secondary schools in enugu educational zone |
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 |