CN114493094B - 一种中小学劳动教育智慧评价系统 - Google Patents
一种中小学劳动教育智慧评价系统 Download PDFInfo
- Publication number
- CN114493094B CN114493094B CN202111534890.0A CN202111534890A CN114493094B CN 114493094 B CN114493094 B CN 114493094B CN 202111534890 A CN202111534890 A CN 202111534890A CN 114493094 B CN114493094 B CN 114493094B
- Authority
- CN
- China
- Prior art keywords
- labor
- data
- information
- project
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000013461 design Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 230000001502 supplementing effect Effects 0.000 claims abstract description 4
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 230000036772 blood pressure Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 13
- 230000001788 irregular Effects 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 208000037805 labour Diseases 0.000 description 178
- 239000000047 product Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012258 culturing Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明按“方案设计”“信息收集”“工具使用”“反思交流”“问题解决”“劳动成果”等六个子领域，劳动观念、劳动能力、劳动习惯、劳动精神4个维度指标，对劳动教育领域中劳动者、劳动教育者、劳动环境等数据进行人工及机器自动采集。通过机器学习方法，对机器自动采集的非规则数据进行智能转换。对缺席数据进行自动补充，最后建立一个多目标评价模型，从而对劳动教育进行智能评价。本方法能够实现学校劳动素养评价、家庭劳动素养评价、社区(基地)劳动素养评价等多项功能；能够全按照新课标进行管理。
Description
技术领域
本发明涉及信息技术领域，具体涉及一种中小学劳动教育智慧评价系统。
背景技术
劳动素养评价结果作为衡量学生全面发展情况的重要内容，是评优评先的重要参考和毕业依据，是高一级学校录取的重要参考或依据。
但是现有技术没有将劳动素养纳入学生综合素质评价体系，制定评价标准不能客观记录课内外劳动过程和结果，现有技术不能实现实际劳动技能和价值体认情况的考核。不能建立公示、审核制度，确保记录真实可靠。现有技术劳动评价不能实现学生劳动教育的智能化、自动化、科学化、人性化，不能将通过全过程、全方位、多层次地对学生的劳动素养、劳动内容和实践操作等各项指标进行动态采集。
发明内容
本发明的发明目的是，提供一种可以全过程、全方位、多层次准确进行劳动素养评价的中小学劳动教育智慧评价系统。
本发明提供一种中小学劳动教育智慧评价系统包括，数据采集装置，计算装置；
所述计算装置与数据采集装置连接；
所述传感器包括，温度传感器，光线传感器，心跳传感器，血糖传感器，血压传感器；
所述数据采集装置包括，摄像头，传感器。
进一步的，
所述计算装置执行以下步骤：
S1数据采集步骤，计算装置通过数据采集装置获取劳动者生理数据，劳动环境数据；
S2非结构化数据转化步骤；
S3缺席数据自动补充步骤，对数据采集装置采集到的数据进行自动补充；
S4采用劳动教育多目标智能评价模型进行劳动教育智慧评价。
进一步的，
所述步骤S1包括，
S101数据采集包括“方案设计”“信息收集”“工具使用”“反思交流”“问题解决”“劳动成果”六个子领域，分别用X1、X2、X3、X4、X5、X6表示；
X1.方案设计：对指定劳动项目的基本认识、运用相关知识初步建构解决方案、交流讨论，考查：劳动意识、劳动安全、劳动知识；
X2.信息收集：对劳动教育领域中劳动者、劳动教育者、劳动环境等数据进行采集，选择合理工具与方法，对完成指定“劳动项目”，进行“查询”“分析”“组织”“合成”,重点考查：劳动自觉、劳动知识、劳动技能；
X3.工具使用：对指定劳动项目选择恰当工具、原料、程序等进行实践操作,重点考查：劳动意识、劳动安全、劳动知识、劳动技能；
X4.反思交流：能用在项目设计、制作、产品或使用等成果展现或汇报中，善于尊重他人劳动项目经验、贡献、成果与技术，能借鉴或采用,重点考查：劳动奉献、劳动品格、劳动创造；
X5.问题解决：善于在操作过程中将想法或创意付诸实践；善于发现在项目设计与制作或劳动作品中存在问题与不足，能运用科学方法开展研究与解决,重点考查：劳动责任、劳动创造、劳动幸福；
X6.劳动成果：具备选择合适工具、使用工具与设备的知识和技能；设计与制作作品有一定创意；有体现不断改进复杂的制品和用品的意识,重点考查：劳动技能、劳动创造、劳动奉献、劳动幸福；
S102用Y1、Y2、Y3、Y4、，4个维度表示在不同境遇劳动素养要求，每一领域都对应劳动素养的信息持续跟踪采集，Y1、Y2为劳动观念与劳动能力指标，Y3、Y4为劳动习惯与劳动精神指标；
Y1.劳动知识：能提出自己的想法，能形成完成“劳动项目”初步思路和方案；能通过适合方式收集相关信息与数据采用便捷工具、适合的沟通载体与沟通方式；能够在自己的劳动作品中，正确地引用别人的想法、方法、方案；能及时发现项目设计缺陷或问题，并寻找可行的解决方案；完善设计、选择和展示最优的实施方案；能采用诸如数字化等工具，收集、贮存、分析和展示作品及信息；
Y2.劳动技能：能向合作同伴提供关于自己“劳动产品”设计方案、图示或作品；采用便捷、可行的方式和渠道获取大量实践项目信息、重视辨析信息真实与准确性；选取并使用适当的有利于提高劳动效率、劳动项目质量的工具、流程和方法；能辨别并举例如何正确合理地引用来源于他人或书籍的信息、贡献与创意；回溯劳动项目任务中的低效或无效或误差较大的技术或方法或环节，能综合运用知识、分析问题；使用合适的工具形成完整劳动成果或比较规范的研究报告等；
Y3.劳动创造：高质量劳动的成果；新颖的观点和劳动的成果；新颖的劳动的方法；恰当评价自己或他人项目及成果；劳动成果不足的自我认识；劳动工具的改进与创新；
Y4.劳动情境：通过设计或模拟真实生产性劳动项目，运用相应劳动知识、技能、创造来完成任务、达到目标的情境；
S103老师、家长根据学生的表现和测量的数据按日常生活劳动、服务性劳动和生产劳动进行填报；
S104摄像头、传感器等智慧教室设备感知劳动者生理特征信息并自动上传。
进一步的，
所述步骤S2包括，
S201通过随机的方式对摄像头数据裁剪；
S202颜色干扰：裁剪之后的原图，每一个像素的是0到255的固定的数值，随机选择RGB三个通道中的一个，然后在原像素值的基础上，随机添加一个从[-20,20]之间的数值实现颜色干扰；
S203构建图片识别模型：构建1024*1024-30-30-30-30-30-30—24的图片识别模型；1024*1024是指图片的1024*1024个像素点，30是指每个隐含层有30个节点，共6个隐含层，输出层有24个节点，即24种劳动分类；
S204模型训练及调参。
进一步的，
所述步骤S3包括，
S301令X为采集数据，Y为学生劳动表现数据，θ为参数，设函数hθ(x1,x2,…xn)＝θ0+θ1x1+…+θnxn的矩阵表达方式为：
hθ(x)＝xθ；
其中，设函数hθ(x)＝xθ为m×1的向量，θ为n×1的向量，里面有n个代数法的模型参数，X为m×n维的矩阵，m代表样本的个数，n代表样本的特征数，x1,x2,…xn为采集数据；
损失函数定义为其中Y是样本的输出向量；维度为m×1；
对损失函数对θ向量求导取0，结果如下式：
对上述求导等式整理后可得：
θ＝(XTY)-1XTY
S302缺席数据自动补充：根据学生平常的劳动习惯，给定劳动者的一个具体结果，基于S301的模型，反推缺席数据，再进行高斯扰动，采用以下公式进行
X＝Y-1+N(σ2)
N(σ2)为高斯扰动项；
进一步的，
所述步骤S4包括，
劳动素养评价，各指标需要通过学生“实践操作”中对劳动活动的认知诊断来实现数据或信息采集；评估指标数据的实现是通过某一劳动内容在劳动情境下的“实践操作”活动，评价学生劳动操作设计、信息、工具、反思、问题、成果的描述、解释、分析、比较及评估、论证等表现行为；最终形成劳动素养模型。
本发明的有益效果是：
1本发明按“方案设计”“信息收集”“工具使用”“反思交流”“问题解决”“劳动成果”等六个子领域，劳动观念、劳动能力、劳动习惯、劳动精神4个维度指标，对劳动教育领域中劳动者、劳动教育者、劳动环境等数据进行人工及机器自动采集。通过机器学习方法，对机器自动采集的非规则数据进行智能转换。通过第一算法对缺席数据进行自动补充，最后建立一个多目标评价模型，从而对劳动教育进行智能评价。本方法能够实现学校劳动素养评价、家庭劳动素养评价、社区(基地)劳动素养评价等多项功能；能够全按照新课标进行管理。
2本发明通过劳动检测平台大数据中心的AI运算形成数据报告，并反馈至学生、学校、家长、教育局等多方面。并且系统自身能基于所形成的劳动素养评价针对性得列出针对不同学生的劳动建议，实现量身定制劳动任务清单，针对性的培养学生的劳动观念、劳动能力、劳动习惯与劳动精神。真正做到加快构建德智体美劳全面培养的教育体系。
3本发明促进学生劳动能力的发展，遵循教育教学规律和学生发展规律，加强新时代大中小学劳动教育水平，建立健全劳动教育评价体系。尊重学生劳动能力的阶段性和差异性特征，帮助学生培养劳动兴趣、激发劳动热情，使学生在劳动中能充实自我，有助于实现通过教学与评价促进学生培养劳动能力的目标，并有助于构建德智体美劳全面培养的教育体系。
附图说明
图1为本发明系统结构图。
具体实施方式
本发明提供一种中小学劳动教育智慧评价系统包括，数据采集装置，计算装置；
所述计算装置与数据采集装置连接；
所述传感器包括，温度传感器，光线传感器，心跳传感器，血糖传感器，血压传感器；
所述数据采集装置包括，摄像头，传感器。
所述计算装置执行以下步骤
S1数据采集：对劳动教育领域中劳动者、劳动教育者、劳动环境等数据进行采集，具体包括基于老师、家长劳动记录、评价数据上传；基于摄像头、传感器等智慧教室设备感知劳动者生理特征信息的传感数据，推断学生劳动课程和实践的参与情况。
S101从实践操作方面设计“方案设计”“信息收集”“工具使用”“反思交流”“问题解决”“劳动成果”等六个子领域，分别用X1、X2、X3、X4、X5、X6表示。
X1.方案设计：对指定劳动项目(如制作书签)的基本认识、运用相关知识初步建构解决方案、交流讨论，重点考查：劳动意识、劳动安全、劳动知识。
X2.信息收集:对劳动教育领域中劳动者、劳动教育者、劳动环境等数据进行采集，选择合理工具与方法，对完成指定“劳动项目”(如“烹饪水煮鱼”)，进行“查询”“分析”“组织”“合成”,重点考查：劳动自觉、劳动知识、劳动技能。
X3.工具使用:对指定劳动项目(如无土栽培豆芽)选择恰当工具、原料、程序等进行实践操作,重点考查：劳动意识、劳动安全、劳动知识、劳动技能。
X4.反思交流:能用在项目设计、制作、产品或使用等成果展现或汇报中，善于尊重他人劳动项目经验、贡献、成果与技术，能借鉴或采用,重点考查：劳动奉献、劳动品格、劳动创造。
X5.问题解决:善于在操作过程中将想法或创意付诸实践；善于发现在项目设计与制作或劳动作品(成果)中存在问题与不足，能运用科学方法开展研究与解决,重点考查：劳动责任、劳动创造、劳动幸福。
X6.劳动成果:具备选择合适工具、使用工具与设备的知识和技能；设计与制作作品有一定创意；有体现不断改进复杂的制品和用品的意识,重点考查：劳动技能、劳动创造、劳动奉献、劳动幸福。
S102用(Y1、Y2、Y3、Y4、)4个维度表示在不同境遇劳动素养要求，每一领域都对应一些劳动素养的信息持续跟踪采集，Y1、Y2主要是劳动观念与劳动能力指标，Y3、Y4主要是劳动习惯与劳动精神指标。
Y1.劳动知识：能提出自己的想法，能形成完成“劳动项目”初步思路和方案；能通过适合方式收集相关信息与数据采用便捷工具、适合的沟通载体与沟通方式；能够在自己的劳动作品中，正确地引用别人的想法、方法、方案；能及时发现项目设计缺陷或问题，并寻找可行的解决方案；完善设计、选择和展示最优的实施方案；能采用诸如数字化等工具，收集、贮存、分析和展示作品及信息。
Y2.劳动技能:能向合作同伴提供关于自己“劳动产品”设计方案、图示或作品；采用便捷、可行的方式和渠道获取大量实践项目信息、重视辨析信息真实与准确性；选取并使用适当的有利于提高劳动效率、劳动项目质量的工具、流程和方法；能辨别并举例如何正确合理地引用来源于他人或书籍的信息、贡献与创意；回溯劳动项目任务中的低效或无效或误差较大的技术或方法或环节，能综合运用知识、分析问题；使用合适的工具(方案、方法、工具和机械)，形成完整劳动成果或比较规范的研究报告等。
Y3.劳动创造:高质量劳动的成果(作品)；新颖的观点和劳动的成果(作品)；新颖的劳动的方法(技术)；恰当评价自己或他人项目及成果(评价)；劳动成果(作品)不足的自我认识；劳动工具(或者作品)的改进与创新。
Y4.劳动情境：通过设计或模拟真实生产性劳动项目，运用相应劳动知识、技能、创造来完成任务、达到目标的情境。
S103老师、家长根据学生的表现和测量的数据按日常生活劳动、服务性劳动和生产劳动进行填报。
S104摄像头、传感器等智慧教室设备感知劳动者生理特征信息并自动上传。
目标人像区域视场空间XYZ不宜过大(如下图)，其人像图像应满足识别要求：
其中XYZ为摄像头所提取的人脸三维特征，tgA为水平距离与垂直距离形成的夹角度数，L为人与摄像头的水平距离，H1(2200mm＜＜H1＜＜3000mm)为摄像头与地面的垂直距离，H2(1500mm＜＜H2＜＜1900mm)为人与地面垂直距离。本发明通过上述公式，解决了在大视场空间下不能实现人像准确识别的技术问题，产生了在大视场空间下对人像进行准确定位，准确识别的技术效果。
S2非结构化数据转化：由于基于摄像头采集的数据为图片形式，进行智能识别。
S201数据裁减：由于智慧教室摄像头为旋转摄像，导致所拍的图像的大小各不相同，通过随机的方式裁剪，实现子图完全落在图像中。
S202颜色干扰：裁剪之后的原图，每一个像素的是0到255的固定的数值，随机选择RGB三个通道中的一个，然后在原像素值的基础上，随机添加一个从[-20,20]之间的数值实现颜色干扰。
S203构建图片识别模型：输入输出序列(X,Y)，构建1024*1024-30-30-30-30-30-30—24的图片识别模型。1024*1024是指图片的1024*1024个像素点，30是指每个隐含层有30个节点，共6个隐含层，输出层有24个节点，即24种劳动分类。
转化后的数据模型yi表示为：
其中，xi代表所读取到的图片栅格数据，β为图片转化后的卷积大小。
本发明通过上述公式，解决了原始图片数据不易处理的技术问题，后续步骤可以对经过上述公式处理过的数据更加高效的进行处理。
S204模型训练及调参：初始化输入层和输出层神经元之间的连接权值Wij,隐含层和输出层神经元之间的连接权值Wjk，初始化隐含层阈值a,输出层阈值b,给定学习速率和神经元激励函数。根据输入向量X，可计算隐含层输出H为：：
i，j为中间变量，n表示样本的特征数，l表示隐含层的数量；
隐含层激励函数为tanh，如(2)式所示：
根据隐含层输出H,连接权值Wjk和阈值b,计算深度神经网络预测输出O为
根据网络预测输出O和期望输出Y,计算网络预测误差e为
ek＝Yk-Ok k＝1,2,…,n (4)
根据网络预测误差e更新网络连接权值Wij,Wjk
wij＝wij+ηHj(1-Hj)x(i)∑k＝1wjkek,i＝1,2,…,n；j＝1,2,…,l (5)
wjk＝wjk+ηHjek j＝1,2,…,l；k＝1,2,…,m (6)
η为学习速率，m表示样本的个数，阈值更新。根据网络预测误差e更新网络节点阈值a,b。
bk＝ek k＝1,2,…,m (8)
S3缺席数据自动补充：由于基于摄像头、传感器等智慧教室设备自动感知数据有可能不全面，采用第一算法进行自动补充。
S301建立劳动教育多目标智能评价模型。令X为采集数据，Y为学生劳动表现数据，θ为参数，假设函数hθ(x1,x2,…xn)＝θ0+θ1x1+…+θnxn的矩阵表达方式为：
hθ(x)＝xθ (9)
其中，假设函数hθ(x)＝xθ为m×1的向量，θ为n×1的向量，里面有n个代数法的模型参数，X为m×n维的矩阵，m代表样本的个数，n代表样本的特征数。
损失函数定义为其中Y是样本的输出向量。维度为m×1，/>在这主要是为了求导后系数为1，方便运算。
对这个损失函数对θ向量求导取0，结果如下式：
对上述求导等式整理后可得：
θ＝(XTY)-1XTY (11)
S302缺席数据自动补充：根据学生平常的劳动习惯，给定劳动者的一个具体结果，基于S301的模型，反推缺席数据，如(12)式所示
X＝Y-1+N(σ2) (12)
N(σ2)为高斯扰动项。
S4劳动教育多目标智能评价模型。
劳动素养评价，各指标需要通过学生“实践操作”中对劳动活动的认知诊断来实现数据或信息采集。评估指标数据的实现是通过某一劳动内容在劳动情境下的“实践操作”活动，评价学生劳动操作设计、信息、工具、反思、问题、成果(包括作品)的描述、解释、分析、比较及评估、论证等表现行为。最终形成劳动素养模型Z＝F(X)的函数，其中x分别代表老师、家长填报的主观数据，摄像头、传感器等智慧教室设备感知的客观数据，主观数据受客观数据约束，G代表每个劳动者需要达到的劳动评分。
多目标智能评价模型主要描述形式：
fk(x)表示第k个劳动者的劳动评分，k表示劳动者的序号，代表m个主观数据总得分，gm表示第m种劳动的达标得分，m表示劳动类型，当/>时，说明该劳动者未达到劳动要求，系统会自动提醒劳动者劳动，实现对劳动者的劳动要求精准评分，并对劳动效果进行量化评估。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (3)
1.一种中小学劳动教育智慧评价系统，包括，数据采集装置，计算装置；
所述计算装置与数据采集装置连接；
所述数据采集装置包括，摄像头，传感器；
所述传感器包括，温度传感器，光线传感器，心跳传感器，血糖传感器，血压传感器；
所述计算装置执行以下步骤：
S1数据采集步骤，计算装置通过数据采集装置获取劳动者生理数据，劳动环境数据；
S2非结构化数据转化步骤；
S3缺席数据自动补充步骤，对数据采集装置采集到的数据进行自动补充；
S4采用劳动教育多目标智能评价模型进行劳动教育智慧评价；
所述步骤S2包括，
S201通过随机的方式对摄像头数据裁剪；
S202颜色干扰：裁剪之后的原图，每一个像素的是0到255的固定的数值，随机选择RGB三个通道中的一个，然后在原像素值的基础上，随机添加一个从[-20，20]之间的数值实现颜色干扰；
S203构建图片识别模型：构建1024*1024-30-30-30-30-30-30—24的图片识别模型；1024*1024是指图片的1024*1024个像素点，30是指每个隐含层有30个节点，共6个隐含层，输出层有24个节点，即24种劳动分类；
S204模型训练及调参；
所述步骤S3包括，
S301令X为采集数据，Y为学生劳动表现数据，θ为参数，设函数hθ(x1，x2，...xn)＝θ0+θ1x1+...+θn xn的矩阵表达方式为：
hθ(x)＝xθ；
其中，设函数hθ(x)＝xθ为m×1的向量，θ为n×1的向量，里面有n个代数法的模型参数，X为m×n维的矩阵，m代表样本的个数，n代表样本的特征数；
损失函数定义为其中Y是样本的输出向量；维度为m×1；
损失函数对θ向量求导取0，结果如下式：
对上述求导等式整理后得：
θ＝(XT X)-1X TY
S302缺席数据自动补充：根据学生平常的劳动习惯，给定劳动者的一个具体结果，基于S301的模型，采用以下公式进行反推缺席数据，
X＝Y-1+N(σ2)
N(σ2)为高斯扰动项。
2.如权利要求1所述的一种中小学劳动教育智慧评价系统，其特征在于，
所述步骤S1包括，
S101数据采集包括“方案设计”“信息收集”“工具使用”“反思交流”“问题解决”“劳动成果”六个子领域，分别用X1、X2、X3、X4、X5、X6表示；
X1.方案设计：对指定劳动项目的基本认识、运用相关知识初步建构解决方案、交流讨论，考查：劳动意识、劳动安全、劳动知识；
X2.信息收集：对劳动教育领域中劳动者、劳动教育者、劳动环境数据进行采集，选择合理工具与方法，对完成指定“劳动项目”，进行“查询”“分析”“组织”“合成”，重点考查：劳动自觉、劳动知识、劳动技能；
X3.工具使用：对指定劳动项目选择恰当工具、原料、程序进行实践操作，重点考查：劳动意识、劳动安全、劳动知识、劳动技能；
X4.反思交流：能用在项目设计、制作、产品或使用成果展现或汇报中，善于尊重他人劳动项目经验、贡献、成果与技术，能借鉴或采用，重点考查：劳动奉献、劳动品格、劳动创造；
X5.问题解决：善于在操作过程中将想法或创意付诸实践；善于发现在项目设计与制作或劳动作品中存在问题与不足，能运用科学方法开展研究与解决，重点考查：劳动责任、劳动创造、劳动幸福；
X6.劳动成果：具备选择合适工具、使用工具与设备的知识和技能；设计与制作作品有一定创意；有体现不断改进复杂的制品和用品的意识，重点考查：劳动技能、劳动创造、劳动奉献、劳动幸福；
S102用Y1、Y2、Y3、Y4，4个维度表示在不同境遇劳动素养要求，每一领域都对应劳动素养的信息持续跟踪采集，Y1、Y2为劳动观念与劳动能力指标，Y3、Y4为劳动习惯与劳动精神指标；
Y1.劳动知识：能提出自己的想法，能形成完成“劳动项目”初步思路和方案；能通过适合方式收集相关信息与数据采用便捷工具、适合的沟通载体与沟通方式；能够在自己的劳动作品中，正确地引用别人的想法、方法、方案；能及时发现项目设计缺陷或问题，并寻找可行的解决方案；完善设计、选择和展示最优的实施方案；能采用数字化工具，收集、贮存、分析和展示作品及信息；
Y2.劳动技能：能向合作同伴提供关于自己“劳动产品”设计方案、图示或作品；采用便捷、可行的方式和渠道获取大量实践项目信息、重视辨析信息真实与准确性；选取并使用适当的有利于提高劳动效率、劳动项目质量的工具、流程和方法；能辨别并举例如何正确合理地引用来源于他人或书籍的信息、贡献与创意；回溯劳动项目任务中的低效或无效或误差较大的技术或方法或环节，能综合运用知识、分析问题；使用合适的工具形成完整劳动成果或比较规范的研究报告；
Y3.劳动创造：高质量劳动的成果；新颖的观点和劳动的成果；新颖的劳动的方法；恰当评价自己或他人项目及成果；劳动成果不足的自我认识；劳动工具的改进与创新；
Y4.劳动情境：通过设计或模拟真实生产性劳动项目，运用相应劳动知识、技能、创造来完成任务、达到目标的情境；
S103老师、家长根据学生的表现和测量的数据按日常生活劳动、服务性劳动和生产劳动进行填报；
S104摄像头、传感器智慧教室设备感知劳动者生理特征信息并自动上传。
3.如权利要求1所述的一种中小学劳动教育智慧评价系统，其特征在于，
所述步骤S4包括，
劳动素养评价，各指标需要通过学生“实践操作”中对劳动活动的认知诊断来实现数据或信息采集；评估指标数据的实现是通过某一劳动内容在劳动情境下的“实践操作”活动，评价学生劳动操作设计、信息、工具、反思、问题、成果的描述、解释、分析、比较及评估、论证表现行为；最终形成劳动素养模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111534890.0A CN114493094B (zh) | 2021-12-15 | 2021-12-15 | 一种中小学劳动教育智慧评价系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111534890.0A CN114493094B (zh) | 2021-12-15 | 2021-12-15 | 一种中小学劳动教育智慧评价系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114493094A CN114493094A (zh) | 2022-05-13 |
| CN114493094B true CN114493094B (zh) | 2024-05-07 |
Family
ID=81494856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111534890.0A Active CN114493094B (zh) | 2021-12-15 | 2021-12-15 | 一种中小学劳动教育智慧评价系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114493094B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446364A (zh) * | 2018-03-14 | 2018-08-24 | 湖南商学院 | 一种面向校园大数据的可视化分析方法 |
| CN108537517A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的校园智慧教育云平台 |
| CN110059539A (zh) * | 2019-02-27 | 2019-07-26 | 天津大学 | 一种基于图像分割的自然场景文本位置检测方法 |
| CN112686789A (zh) * | 2021-01-11 | 2021-04-20 | 重庆电子工程职业学院 | 一种高校课堂教学效果智能化评价方法 |
| GB202105796D0 (en) * | 2020-10-25 | 2021-06-09 | Motional Ad Llc | Metric back-propagation for subsystem performance evaluation |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11308335B2 (en) * | 2019-05-17 | 2022-04-19 | Zeroeyes, Inc. | Intelligent video surveillance system and method |
-
2021
- 2021-12-15 CN CN202111534890.0A patent/CN114493094B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108446364A (zh) * | 2018-03-14 | 2018-08-24 | 湖南商学院 | 一种面向校园大数据的可视化分析方法 |
| CN108537517A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的校园智慧教育云平台 |
| CN110059539A (zh) * | 2019-02-27 | 2019-07-26 | 天津大学 | 一种基于图像分割的自然场景文本位置检测方法 |
| GB202105796D0 (en) * | 2020-10-25 | 2021-06-09 | Motional Ad Llc | Metric back-propagation for subsystem performance evaluation |
| CN112686789A (zh) * | 2021-01-11 | 2021-04-20 | 重庆电子工程职业学院 | 一种高校课堂教学效果智能化评价方法 |
Non-Patent Citations (6)
| Title |
|---|
| 半监督学习研究的述评;韩嵩;韩秋弘;;计算机工程与应用;20200217(第06期);第25-33页 * |
| 新时代中小学劳动素养评价的历史逻辑与体系构建;龚春燕等;《劳动教育评论》;20200731;第42-54页 * |
| 智慧校园环境下中小学综合素质评价研究;李文利;《中国优秀硕士学位论文全文数据库 (社会科学Ⅱ辑)》;20190115(第01期);第H130-271页 * |
| 赖晓晨等.《基于机器学习的数据缺失值填补》.北京：机械工业出版社,2020,(第1版),第204-207页. * |
| 辅助大学课堂教学的端到端学生情绪识别系统的研究;李鹏;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20200715(第07期);第I138-1243页 * |
| 高中生物必修一实验教学中应用表现性评价的案例研究;孙安静;《中国优秀硕士学位论文全文数据库 (社会科学Ⅱ辑)》;20180215(第02期);第H130-3024页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114493094A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109255998B (zh) | 一种学生成绩诊断提升系统 | |
| CN105069294B (zh) | 一种用于认知能力值测试的计算和分析方法 | |
| Grimes | The overconfident principles of economics student: An examination of a metacognitive skill | |
| Baker | Learning to fish, fishing to learn: Guided participation in the interpersonal ecology of practice | |
| CN112686789A (zh) | 一种高校课堂教学效果智能化评价方法 | |
| CN108596420A (zh) | 一种基于行为的人才测评系统及方法 | |
| CN110232343B (zh) | 基于潜变量模型的儿童个性化行为统计分析系统及方法 | |
| CN107301611A (zh) | 一种孤独症儿童智能教学评估系统 | |
| CN111429044A (zh) | 基于学习行为的智能科技教学系统及控制方法 | |
| Gentile et al. | Using technology and tangible interfaces in a visuospatial cognition task: The case of the Baking Tray Task. | |
| Arqoub et al. | Extending learning management system for learning analytics | |
| CN114493094B (zh) | 一种中小学劳动教育智慧评价系统 | |
| Blomquist | EVALUATION OF STUDENTS: INSTITUTION IS IMPORTANT | |
| CN111985830A (zh) | 一种教学评价系统 | |
| Emeasoba et al. | Self-Management and Problem Solving Skills required of Business Education Students in Colleges of Education for Job Performance in an Organization | |
| Zaric et al. | ILSA–an integrated learning styles analytics system | |
| CN207164829U (zh) | 学子林与成长树信息管理装置 | |
| CN110379230A (zh) | 一种数学建模教学学习系统 | |
| Dolenc et al. | A Potential for Interest Driven Learning to Enhance the Inquiry Based Learning Process. | |
| Almohammadi | Type-2 fuzzy logic based systems for adaptive learning and teaching within intelligent e-learning environments | |
| Shieh et al. | Concept maps construction based on student-problem chart | |
| CN111985793A (zh) | 一种学生网上评教方法 | |
| CN109308569A (zh) | 一种基于人工智能的教学行为分析系统及分析方法 | |
| CN111461153A (zh) | 人群特征深度学习方法 | |
| CN118297428B (zh) | 一种基于Android平台的健康教育调查评价方法及设备 |
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 |