CN114549249B - 一种高校用在线教学资源库管理系统及方法 - Google Patents
一种高校用在线教学资源库管理系统及方法 Download PDFInfo
- Publication number
- CN114549249B CN114549249B CN202210170608.3A CN202210170608A CN114549249B CN 114549249 B CN114549249 B CN 114549249B CN 202210170608 A CN202210170608 A CN 202210170608A CN 114549249 B CN114549249 B CN 114549249B
- Authority
- CN
- China
- Prior art keywords
- strategy
- acquiring
- preprocessing
- item
- teaching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 130
- 238000012937 correction Methods 0.000 claims description 65
- 230000006399 behavior Effects 0.000 claims description 62
- 238000011156 evaluation Methods 0.000 claims description 54
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 230000006978 adaptation Effects 0.000 claims description 41
- 238000007726 management method Methods 0.000 claims description 26
- 230000007547 defect Effects 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000012790 confirmation Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000012098 association analyses Methods 0.000 claims description 8
- 230000003416 augmentation Effects 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims 1
- 238000002360 preparation method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 206010000117 Abnormal behaviour Diseases 0.000 description 5
- 238000007596 consolidation process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000126 substance Substances 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (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
本发明提供了一种高校用在线教学资源库管理系统及方法,其中,系统包括:确定模块,用于当高校教师输入资源推送请求时,基于资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;预处理模块,用于获取高校教师对应的依据信息,基于依据信息,对资源项进行预处理;推送模块,用于将预处理结果推送给高校教师。本发明的高校用在线教学资源库管理系统及方法,为高校教师推送其需要的教学资源,提升了备课效率,便捷性较高;同时,在推送前,还进行预处理,提升了教学资源推送的针对性,更提升了高校教师的授课效果。
Description
技术领域
本发明涉及资源管理技术领域,特别涉及一种高校用在线教学资源库管理系统及方法。
背景技术
目前,高校教师在上课前,会进行备课(例如:教案设计),在备课时,需要使用到大量教学资源(例如:课件、相关实验实例、专业设备介绍等),在收集教学资源时,需要自行上网搜索,便捷性较低,降低了备课效率;另外,教学资源不一定适宜每个学生(例如:课件的重点内容为学生熟练掌握的知识点),缺乏针对性,降低了授课效果;
因此,亟需一种解决办法。
发明内容
本发明提供一种高校用在线教学资源库管理系统及方法,为高校教师推送其需要的教学资源,提升了备课效率,便捷性较高;同时,在推送前,还进行预处理,提升了教学资源推送的针对性,更提升了高校教师的授课效果。
本发明提供一种高校用在线教学资源库管理系统,包括:
确定模块,用于当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
预处理模块,用于获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理;
推送模块,用于将预处理结果推送给所述高校教师。
优选的,获取所述高校教师对应的依据信息,包括:
获取预设的依据信息节点集,所述依据信息节点集包括:多个第一节点;
获取所述第一节点对应的风险值;
若所述风险值小于等于预设的风险值阈值,将对应所述第一节点作为第二节点;
通过所述第二节点获取所述高校教师对应的至少一个第一依据信息项;
整合各所述第一依据信息项,获得依据信息,完成获取。
优选的,获取所述第一节点对应的风险值,包括:
查询预设的关联事件库,确定所述第一节点与所述高校教师之间的至少一个关联事件;
获取所述关联事件对应的关联类别,所述关联类型包括:主动关联和被动关联;
当所述关联事件对应的关联类别为主动关联时,基于预设的关联分析模型,对所述关联事件进行关联分析,获取第一关联度;
当所述关联事件对应的关联类别为被动关联时,获取所述关联事件对应的事件流程和事件属性;
将所述事件流程拆分成多个第一流程项,同时,获取所述第一流程项对应的顺序标识;
获取预设的流程线,基于所述顺序标识,将所述第一流程项对应设置于所述流程线上;
对所述第一流程项进行特征提取,获得多个第一特征;
获取所述事件属性对应的必要特征库,将所述第一特征与所述必要特征库中的第二特征进行匹配,若匹配符合,将对应所述第一流程项作为第二流程项,同时,获取匹配符合的所述第二特征对应的至少一个检验项,所述检验项包括:检验方向、检验范围和检验策略;
选取所述流程线上所述第二流程项的所述检验方向上对应所述检验范围的所述第一流程项,并作为第二流程项;
基于所述检验策略,对所述第二流程项进行检验,若校验通过,获取所述检验策略对应的第二关联度;
否则,获取所述检验策略对应的影响值;
累加计算所述第一关联度、第二关联度和所述影响值,获得所述第一节点对应的风险值,完成获取。
优选的,所述预处理模块执行如下操作:
获取所述资源项共同对应的多个第一预处理策略;
依次遍历所述第一预处理策略,每次遍历时,获取遍历到的所述第一预处理策略对应的特征-评价值库;
将所述依据信息拆分成多个第二依据信息项;
对所述第二依据信息项进行特征提取,获得多个第三特征;
基于所述特征-评价值库,确定所述第三特征对应的评价值,并与对应所述第二依据信息项进行关联;
累加计算所述第二依据信息项关联的所述评价值,获得评价值和;
获取遍历到的所述第一预处理策略对应的评价值和阈值,若所述评价值和大于等于所述评价值和阈值,将对应所述第二依据信息项作为第三依据信息项;
获取遍历到的所述第一预处理策略对应的适配评价模型,基于所述适配评价模型,根据所述第三依据信息,对遍历到的所述第一预处理策略进行适配评价,获得适配值,并与遍历到的所述第一预处理策略进行关联;
当遍历所述第一预处理策略结束时,累加计算所述第一预处理策略关联的所述适配值,获得适配值和;
将最大所述适配值和对应的所述第一预处理策略作为第二预处理策略;
基于所述第二预处理策略,对所述资源项进行预处理,获得预处理结果。
优选的,高校用在线教学资源库管理系统,还包括:
修正模块,用于当所述高校教师输入修正请求后,基于所述修正请求,进行教学异常监测,当监测到至少一个第一教学异常项时,基于所述第一教学异常项,对所述预处理结果进行相应修正,并将修正后的预处理结果接力推送给所述高校教师。
优选的,基于所述修正请求,进行教学异常监测,包括:
对所述修正请求进行解析,获得所述高校教师当前所处的教学场景;
获取所述高校教师使用所述预处理结果的进程节点;
获取所述预处理结果对应的触发进程节点集,所述触发进程节点集包括:多个第一触发进程节点;
当所述进程节点与任一所述第一触发进程节点一致时,将对应所述第一触发进程节点作为第二触发进程节点;
获取所述第二触发进程节点对应的行为采集策略,基于所述行为采集策略,采集所述教学场景内的多个第一目标行为;
获取所述第二触发进程节点对应的标准行为库,将所述第一目标行为与所述标准行为库中的第一标准行为进行匹配,若匹配不符合,将匹配不符合的第一标准行为作为第二标准行为;
获取所述第二标准行为对应的补充采集策略和异常确认策略;
基于所述补充采集策略,采集教学场景内的多个第二目标行为;
基于所述异常确认策略,根据所述第二目标行为,进行异常确认;
若确认成功,获取所述第二标准行为对应的第一教学异常项。
优选的,基于所述第一教学异常项,对所述预处理结果进行相应修正,包括:
基于预设的结果预测模型,对所述第一教学异常项进行结果预测,获得预测结果;
对所述预测结果进行解析,获取严重值;
若所述严重值大于等于预设的严重阈值,将对应所述第一教学异常项作为第二教学异常项;
获取所述第二教学异常项对应的修正依据获取策略;
基于所述修正依据获取策略,获取修正依据信息;
基于预设的修正策略制定模型,根据所述第二教学异常项和所述修正依据信息,制定多个备选修正策略,并与对应所述第二教学异常项进行关联;
基于预设的策略搭配模型,根据各个所述第二教学异常项对应的严重值和关联的多个备选修正策略,进行策略搭配,获得修正总策略;
基于所述修正总策略,对所述预处理结果进行相应修正。
优选的,高校用在线教学资源库管理系统,还包括:
扩充模块,用于每隔预设的时间间隔,对所述在线教学资源库进行扩充。
优选的,对所述在线教学资源库进行扩充,包括:
获取预设的扩充策略集,所述扩充策略集包括:多个第一扩充策略;
将所述第一扩充策略拆分成多个第一策略项;
获取所述第一策略项对应的执行场景,同时,获取所述执行场景的可信度;
对所述第一策略项进行特征提取,获得多个第四特征;
获取预设的特征-动态风险值库,基于所述特征-动态风险值库,确定所述第四特征对应的动态风险值,并与对应所述第一策略项进行关联;
累加计算所述第一策略项关联的所述动态风险值,获得风险值和;
若所述可信度小于等于预设的可信度阈值和/或所述风险值和大于等于预设的风险值和阈值,将对应所述第一策略项作为第二策略项,同时,获取所述可信度和所述风险值和共同对应的重要权重阈值;
获取所述第二策略项对应于所述第一扩充策略的重要权重,若所述重要权重大于等于所述重要权重阈值,剔除对应所述第一扩充策略;
当需要剔除的所述第一扩充策略均剔除后,将剔除剩余的所述第一扩充策略作为第二扩充策略;
获取所述在线教学资源库对应的多个缺陷事件;
解析所述缺陷事件,获得多个缺陷项;
基于所述第二扩充策略,获取所述缺陷项对应的扩充数据;
将所述扩充数据存入所述在线教学资源库;
当需要存入所述在线教学资源库的所述扩充数据均存入后,完成扩充。
本发明提供一种高校用在线教学资源库管理方法,包括:
步骤1:当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
步骤2:获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理;
步骤3:将预处理结果推送给所述高校教师。
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、权利要求书、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教学资源库管理系统的示意图;
图2为本发明实施例中又一高校用在线教学资源库管理系统的示意图;
图3为本发明实施例中再一高校用在线教学资源库管理系统的示意图;
图4为本发明实施例中一种高校用在线教学资源库管理方法的流程图。
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。
本发明提供一种高校用在线教学资源库管理系统,如图1所示,包括:
确定模块1,用于当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
预处理模块2,用于获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理;
推送模块3,用于将预处理结果推送给所述高校教师。
上述技术方案的工作原理及有益效果为:
高校教师在备课时,当需要教学资源时,基于智能终端(例如:手机、平板等)输入资源推送请求(例如:某PLC设备介绍课件),基于资源推送请求,从预设的在线教学资源库(一种在线数据库,内存储有大量教学资源)中确定相符的多个资源项(例如:多个某PLC设备介绍课件),获取高校教师的依据信息(例如:之前的授课内容、学生的已掌握内容等),基于依据信息,对资源项进行预处理(例如:剔除已授课的内容相关的课件、剔除学生已掌握内容的相关课件),将预处理结果推送给高校教师即发送至智能终端;
本发明实施例为高校教师推送其需要的教学资源,提升了备课效率,便捷性较高;同时,在推送前,还进行预处理,提升了教学资源推送的针对性,更提升了高校教师的授课效果。
本发明提供一种高校用在线教学资源库管理系统,获取所述高校教师对应的依据信息,包括:
获取预设的依据信息节点集,所述依据信息节点集包括:多个第一节点;
获取所述第一节点对应的风险值;
若所述风险值小于等于预设的风险值阈值,将对应所述第一节点作为第二节点;
通过所述第二节点获取所述高校教师对应的至少一个第一依据信息项;
整合各所述第一依据信息项,获得依据信息,完成获取。
上述技术方案的工作原理及有益效果为:
依据信息不仅可以为高校教师之前的授课内容、学生的已掌握内容等,还可以为高校教师之前的授课习惯、授课记录等,但是,一般高校教师均会在不同的大学执教,因此,设置第一节点,第一节点与不同学校的数据库进行对接,便于获取依据信息,但是,为了保证获取依据信息的可靠性以及后续预处理的准确性,需要对第一节点进行风险验证,获取对应风险值,若风险值大于等于预设的风险值阈值,说明获取风险较大,剔除对应第一节点,通过剔除剩余的第二获取节点获取依据信息。
本发明提供一种高校用在线教学资源库管理系统,获取所述第一节点对应的风险值,包括:
查询预设的关联事件库,确定所述第一节点与所述高校教师之间的至少一个关联事件;
获取所述关联事件对应的关联类别,所述关联类型包括:主动关联和被动关联;
当所述关联事件对应的关联类别为主动关联时,基于预设的关联分析模型,对所述关联事件进行关联分析,获取第一关联度;
当所述关联事件对应的关联类别为被动关联时,获取所述关联事件对应的事件流程和事件属性;
将所述事件流程拆分成多个第一流程项,同时,获取所述第一流程项对应的顺序标识;
获取预设的流程线,基于所述顺序标识,将所述第一流程项对应设置于所述流程线上;
对所述第一流程项进行特征提取,获得多个第一特征;
获取所述事件属性对应的必要特征库,将所述第一特征与所述必要特征库中的第二特征进行匹配,若匹配符合,将对应所述第一流程项作为第二流程项,同时,获取匹配符合的所述第二特征对应的至少一个检验项,所述检验项包括:检验方向、检验范围和检验策略;
选取所述流程线上所述第二流程项的所述检验方向上对应所述检验范围的所述第一流程项,并作为第二流程项;
基于所述检验策略,对所述第二流程项进行检验,若校验通过,获取所述检验策略对应的第二关联度;
否则,获取所述检验策略对应的影响值;
累加计算所述第一关联度、第二关联度和所述影响值,获得所述第一节点对应的风险值,完成获取。
上述技术方案的工作原理及有益效果为:
获取风险值时,可以从评判第一节点与高校教师之间的关联程度入手,关联程度越大,风险值越小;查库获取关联事件,关联事件的关联类型分为主动关联(例如:高校教师主动应聘高校教师职位)和被动关联(例如:高校被动邀请高校教师前往学校开设讲座);当关联类型为主动关联时,说明高校教师主观上是认可对应高校的,基于预设的关联分析模型(预先训练的用于分析关联程度的模型),对关联事件进行关联分析,获取第一关联度;当关联类型为被动关联时,说明高校教师的被动性较大,需要对事件流程进行进一步关联确定,获取关联事件对应的事件流程(事件前后流程)和事件属性(例如:邀约讲座),并拆分成多个第一流程项,基于其对应顺序标识,按流程先后顺序,将第一流程项设置于流程线上;提取出第一流程项的第一特征,并与事件属性对应的必要特征库中的第二特征(例如:发出邀约)进行匹配,若匹配符合,说明存在验证的必要性,获取检验项,检验项包含检验方向(例如:后)、检验范围(例如:3个流程项之内)和检测策略(例如:验证高校教师是否及时主动答应邀约),基于检验项,选取对应第二流程项,并基于检验策略,进行相应检验,若校验通过,获取对应第一关联度,若检验未通过,获取对应影响值(负值);累加计算第一关联度、第二关联度和影响值,则获得风险值;
本发明实施例获取风险值时,从判定关联事件的关联程度入手,基于关联事件的关联类别的不同,分别进行关联程度确定,提升了关联程度的判定精准性,也更具有适用性;同时,当关联类型为被动关联时,设置必要特征库,快速确定验证必要性,基于对应检验项,进行相应检验,提升了关联程度确定的精准性。
本发明提供一种高校用在线教学资源库管理系统,所述预处理模块2执行如下操作:
获取所述资源项共同对应的多个第一预处理策略;
依次遍历所述第一预处理策略,每次遍历时,获取遍历到的所述第一预处理策略对应的特征-评价值库;
将所述依据信息拆分成多个第二依据信息项;
对所述第二依据信息项进行特征提取,获得多个第三特征;
基于所述特征-评价值库,确定所述第三特征对应的评价值,并与对应所述第二依据信息项进行关联;
累加计算所述第二依据信息项关联的所述评价值,获得评价值和;
获取遍历到的所述第一预处理策略对应的评价值和阈值,若所述评价值和大于等于所述评价值和阈值,将对应所述第二依据信息项作为第三依据信息项;
获取遍历到的所述第一预处理策略对应的适配评价模型,基于所述适配评价模型,根据所述第三依据信息,对遍历到的所述第一预处理策略进行适配评价,获得适配值,并与遍历到的所述第一预处理策略进行关联;
当遍历所述第一预处理策略结束时,累加计算所述第一预处理策略关联的所述适配值,获得适配值和;
将最大所述适配值和对应的所述第一预处理策略作为第二预处理策略;
基于所述第二预处理策略,对所述资源项进行预处理,获得预处理结果。
上述技术方案的工作原理及有益效果为:
对资源项进行预处理时,获取资源项共同对应的第一预处理策略,第一预处理策略为资源项可以进行的预处理方法(例如:剔除课件中的某内容等),接下来,就要基于依据信息,筛选出适宜的第一预处理策略;因此,获取第一预处理策略对应的特征-评价值库,该库内存储有表征第一预处理策略适宜的特征(例如:课件中的某内容某学生已掌握)和对应评价值,评价值越大,表征程度越高;将依据信息拆分成多个第二依据信息项,提取出第三特征,基于特征-评价值库,确定第三特征对应的评价值;累加计算评价值,获得评价值和;获取第一预处理策略对应的评价值和阈值,若评价值和大于该阈值,说明对应第一预处理策略适宜;但是,特征的表征是局限的,需要进行进一步适配评价,基于第一预处理策略对应的适配评价模型(预先训练用于根据依据信息,对预处理策略进行适配评价的模型),对第一预处理策略进行适配评价(例如:深度评价学生已掌握的内容是否需要巩固),获得适配值,并与对应第一预处理策略进行关联;当遍历第一预处理策略结束后,累加计算第一预处理策略关联的适配值,获得适配值和;将最大适配值和对应的第一预处理策略作为第二预处理策略;基于第二预处理策略,对资源项进行预处理;
本发明实施例获取资源项可以进行的第一预处理策略,设置特征-评价值库,根据依据信息,初步筛选出适宜的第一预处理策略,基于其对应的第三依据信息,进一步进行适配评价,保证筛选出的第二预处理策略的适宜性,同时,也更加智能化。
本发明提供一种高校用在线教学资源库管理系统,如图2所示,还包括:
修正模块4,用于当所述高校教师输入修正请求后,基于所述修正请求,进行教学异常监测,当监测到至少一个第一教学异常项时,基于所述第一教学异常项,对所述预处理结果进行相应修正,并将修正后的预处理结果接力推送给所述高校教师。
上述技术方案的工作原理及有益效果为:
当高校教师基于预处理结果完成教案后,在正式上课时,可输入修正请求,基于修正请求,进行教学异常监测,当检测到第一教学异常项(例如:课件中本应掌握的点,学生均未掌握)时,需要对预处理结果进行相应修正(增添对应知识点的强化巩固内容),并接力推送给高校教师,高校教师可以及时更正教学内容。
本发明提供一种高校用在线教学资源库管理系统,基于所述修正请求,进行教学异常监测,包括:
对所述修正请求进行解析,获得所述高校教师当前所处的教学场景;
获取所述高校教师使用所述预处理结果的进程节点;
获取所述预处理结果对应的触发进程节点集,所述触发进程节点集包括:多个第一触发进程节点;
当所述进程节点与任一所述第一触发进程节点一致时,将对应所述第一触发进程节点作为第二触发进程节点;
获取所述第二触发进程节点对应的行为采集策略,基于所述行为采集策略,采集所述教学场景内的多个第一目标行为;
获取所述第二触发进程节点对应的标准行为库,将所述第一目标行为与所述标准行为库中的第一标准行为进行匹配,若匹配不符合,将匹配不符合的第一标准行为作为第二标准行为;
获取所述第二标准行为对应的补充采集策略和异常确认策略;
基于所述补充采集策略,采集教学场景内的多个第二目标行为;
基于所述异常确认策略,根据所述第二目标行为,进行异常确认;
若确认成功,获取所述第二标准行为对应的第一教学异常项。
上述技术方案的工作原理及有益效果为:
基于修正请求,进行教学异常监测时,解析修正请求,确定教学场景(例如:某教室),获取高校教师使用预处理结果的进程节点(例如:正展示某资源),获取预处理结果对应的第一触发进程节点,该进程节点是需要进行教学异常监测的节点,当进程节点与任一第一触发进程节点一致时,触发进行教学异常监测,获取对应第二触发进程节点对应的行为采集策略(例如:展示某知识点时,需要采集学生的表情是否疑惑等),采集第一目标行为(例如:学生表情),并与第二触发进程节点对应的标准行为库中的第一标准行为(例如:表情为非疑惑)进行匹配,若匹配不符合,说明存在异常,但是,由于学生可能存在开小差等情况,需要进行异常确认,获取第二标准行为对应的补充采集策略(采集该学生在前后一定时间段内的行为)和异常确认策略(确认是否开小差),基于补充采集策略,采集第二目标行为,基于异常确认策略,对第二目标行为进行异常确认,若确认成功(例如:学生在前后一定时间段内未开小差),说明的确存在异常,获取第二标准行为对应的第一教学异常项;
本发明进行教学异常监测时,设置第一触发进程节点,当高校教师的进程节点与该第一触发进程节点一致时,再进行教学异常监测,无需时刻进行监测,减少了监测资源;另外,在初步发现教学异常时,考虑到学生存在一些开小差等特殊情况,进行进一步异常确认,提升了教学异常监测的准确性。
本发明提供一种高校用在线教学资源库管理系统,基于所述第一教学异常项,对所述预处理结果进行相应修正,包括:
基于预设的结果预测模型,对所述第一教学异常项进行结果预测,获得预测结果;
对所述预测结果进行解析,获取严重值;
若所述严重值大于等于预设的严重阈值,将对应所述第一教学异常项作为第二教学异常项;
获取所述第二教学异常项对应的修正依据获取策略;
基于所述修正依据获取策略,获取修正依据信息;
基于预设的修正策略制定模型,根据所述第二教学异常项和所述修正依据信息,制定多个备选修正策略,并与对应所述第二教学异常项进行关联;
基于预设的策略搭配模型,根据各个所述第二教学异常项对应的严重值和关联的多个备选修正策略,进行策略搭配,获得修正总策略;
基于所述修正总策略,对所述预处理结果进行相应修正。
上述技术方案的工作原理及有益效果为:
基对预处理结果进行修正时,需要考虑到出现的第一教学异常项的严重性,严重性较高的越需要及时优先进行修正,因此,基于预设的结果预测模型(预先训练的用于对教学异常项进行结果预测的模型),对第一教学异常项进行结果预测,获得预测结果(例如:该知识点无法掌握,后续关联知识点更无法掌握),对预测结果进行解析,获取严重值,严重值越大,结果越严重;若严重值大于等于预设的严重阈值,对应第一教学异常项越需要及时优先进行修正;获取第二教学异常项对应的修正依据获取策略(获取未掌握的知识点的强化巩固习题),基于其获取修正依据信息;基于预设的修正策略制定模型(预先训练的用于基于修正依据信息和教学异常项制定修正策略的模型),制定多个备选修正策略(例如:增添习题);基于预设的策略搭配模型(预先训练的用于将备选修正策略进行搭配的模型),对备选修正策略进行策略搭配(例如:根据习题由浅到深进行抽取搭配),获得修正总策略;基于修正总策略,对预处理结果进行相应修正;
本发明实施例对预处理结果进行修正时,首先进行教学异常项的严重程度分析,无需针对每一教学异常项,对预处理结果进行修正;在确定备选修正策略后,还进行备选修正策略的搭配,充分保证修正的全面性和适宜性。
本发明提供一种高校用在线教学资源库管理系统,如图3所示,还包括:
扩充模块5,用于每隔预设的时间间隔,对所述在线教学资源库进行扩充。
上述技术方案的工作原理及有益效果为:
为了保证在线教学资源库的丰富性,需要定时对其进行扩充。
本发明提供一种高校用在线教学资源库管理系统,对所述在线教学资源库进行扩充,包括:
获取预设的扩充策略集,所述扩充策略集包括:多个第一扩充策略;
将所述第一扩充策略拆分成多个第一策略项;
获取所述第一策略项对应的执行场景,同时,获取所述执行场景的可信度;
对所述第一策略项进行特征提取,获得多个第四特征;
获取预设的特征-动态风险值库,基于所述特征-动态风险值库,确定所述第四特征对应的动态风险值,并与对应所述第一策略项进行关联;
累加计算所述第一策略项关联的所述动态风险值,获得风险值和;
若所述可信度小于等于预设的可信度阈值和/或所述风险值和大于等于预设的风险值和阈值,将对应所述第一策略项作为第二策略项,同时,获取所述可信度和所述风险值和共同对应的重要权重阈值;
获取所述第二策略项对应于所述第一扩充策略的重要权重,若所述重要权重大于等于所述重要权重阈值,剔除对应所述第一扩充策略;
当需要剔除的所述第一扩充策略均剔除后,将剔除剩余的所述第一扩充策略作为第二扩充策略;
获取所述在线教学资源库对应的多个缺陷事件;
解析所述缺陷事件,获得多个缺陷项;
基于所述第二扩充策略,获取所述缺陷项对应的扩充数据;
将所述扩充数据存入所述在线教学资源库;
当需要存入所述在线教学资源库的所述扩充数据均存入后,完成扩充。
上述技术方案的工作原理及有益效果为:
对在线教学资源库进行扩充时,获取多个第一扩充策略(例如:从某教学资源网站获取),将第一扩充策略拆分成多个第一策略项,获取其对应执行场景(例如:某网页),同时,获取执行场景对应的可信度;对第一策略项进行特征提取,获得多个第四特征(例如:从某网页爬取课件);基于预设的特征-动态风险值库(存储有不同特征对应的表征动态风险程度的动态风险值),确定第四特征对应的动态风险值;累加计算第一策略项关联的动态风险值,获得风险值和;若可信度小于等于预设的可信度阈值和/或风险值和大于等于预设的风险值和阈值,对应第二策略项风险较大;获取可信度和风险值和共同对应的重要权重阈值(可信度越小,风险值和越大,对重要权重的要求越高,重要权重阈值越小),同时,获取第二策略项对应于第一扩充策略的重要权重,若该重要权重大于等于重要权重阈值,说明对应第一扩充策略不可取,应予剔除;获取在线教学资源库对应的多个缺陷事件(例如:某高校教师历史上输入资源请求后,没有合适的资源推送),解析缺陷事件,获得多个缺陷项(缺少某资源);基于剔除剩余的第二扩充策略,获取缺陷项对应的扩充数据;将扩充数据全部存入在线教学资源库,则完成扩充;
本发明实施例在对在线教学资源库进行扩充时,对预准备执行的第一扩充策略进行筛选,在进行筛选时,基于执行场景的可信度和策略特征的动态风险情况,进行综合风险判定,提升了筛选的精准性,保证了扩充的安全性和可靠性;目前,在大数据发展的趋势,保证获取的安全性越来越具有必要性。
本发明提供一种高校用在线教学资源库管理系统,获取所述可信度和所述风险值和共同对应的重要权重阈值时,通过如下公式进行获取:
上述技术方案的工作原理及有益效果为:
公式中,可信度α与重要权重阈值呈正比,β与重要权重阈值呈反比,设置合理,提升了重要权重阈值获取的效率。
本发明提供一种高校用在线教学资源库管理方法,如图4所示,包括:
步骤1:当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
步骤2:获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理;
步骤3:将预处理结果推送给所述高校教师。
上述技术方案的工作原理及有益效果已在系统权要中说明,不再赘述。
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 (9)
1.一种高校用在线教学资源库管理系统,其特征在于,包括:
确定模块,用于当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
预处理模块,用于获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理,其中,依据信息包括之前的授课内容、学生的已掌握内容;
推送模块,用于将预处理结果推送给所述高校教师;
所述预处理模块执行如下操作:
获取所述资源项共同对应的多个第一预处理策略;
依次遍历所述第一预处理策略,每次遍历时,获取遍历到的所述第一预处理策略对应的特征-评价值库;
将所述依据信息拆分成多个第二依据信息项;
对所述第二依据信息项进行特征提取,获得多个第三特征;
基于所述特征-评价值库,确定所述第三特征对应的评价值,并与对应所述第二依据信息项进行关联;
累加计算所述第二依据信息项关联的所述评价值,获得评价值和;
获取遍历到的所述第一预处理策略对应的评价值和阈值,若所述评价值和大于等于所述评价值和阈值,将对应所述第二依据信息项作为第三依据信息项;
获取遍历到的所述第一预处理策略对应的适配评价模型,基于所述适配评价模型,根据所述第三依据信息,对遍历到的所述第一预处理策略进行适配评价,获得适配值,并与遍历到的所述第一预处理策略进行关联;
当遍历所述第一预处理策略结束时,累加计算所述第一预处理策略关联的所述适配值,获得适配值和;
将最大所述适配值和对应的所述第一预处理策略作为第二预处理策略;
基于所述第二预处理策略,对所述资源项进行预处理,获得预处理结果。
2.如权利要求1所述的一种高校用在线教学资源库管理系统,其特征在于,获取所述高校教师对应的依据信息,包括:
获取预设的依据信息节点集,所述依据信息节点集包括:多个第一节点;
获取所述第一节点对应的风险值;
若所述风险值小于等于预设的风险值阈值,将对应所述第一节点作为第二节点;
通过所述第二节点获取所述高校教师对应的至少一个第一依据信息项;
整合各所述第一依据信息项,获得依据信息,完成获取。
3.如权利要求2所述的一种高校用在线教学资源库管理系统,其特征在于,获取所述第一节点对应的风险值,包括:
查询预设的关联事件库,确定所述第一节点与所述高校教师之间的至少一个关联事件;
获取所述关联事件对应的关联类别,所述关联类别包括:主动关联和被动关联;
当所述关联事件对应的关联类别为主动关联时,基于预设的关联分析模型,对所述关联事件进行关联分析,获取第一关联度;
当所述关联事件对应的关联类别为被动关联时,获取所述关联事件对应的事件流程和事件属性;
将所述事件流程拆分成多个第一流程项,同时,获取所述第一流程项对应的顺序标识;
获取预设的流程线,基于所述顺序标识,将所述第一流程项对应设置于所述流程线上;
对所述第一流程项进行特征提取,获得多个第一特征;
获取所述事件属性对应的必要特征库,将所述第一特征与所述必要特征库中的第二特征进行匹配,若匹配符合,将对应所述第一流程项作为第二流程项,同时,获取匹配符合的所述第二特征对应的至少一个检验项,所述检验项包括:检验方向、检验范围和检验策略;
选取所述流程线上所述第二流程项的所述检验方向上对应所述检验范围的所述第一流程项,并作为第二流程项;
基于所述检验策略,对所述第二流程项进行检验,若校验通过,获取所述检验策略对应的第二关联度;
否则,获取所述检验策略对应的影响值;
累加计算所述第一关联度、第二关联度和所述影响值,获得所述第一节点对应的风险值,完成获取。
4.如权利要求1所述的一种高校用在线教学资源库管理系统,其特征在于,还包括:
修正模块,用于当所述高校教师输入修正请求后,基于所述修正请求,进行教学异常监测,当监测到至少一个第一教学异常项时,基于所述第一教学异常项,对所述预处理结果进行相应修正,并将修正后的预处理结果接力推送给所述高校教师。
5.如权利要求4所述的一种高校用在线教学资源库管理系统,其特征在于,基于所述修正请求,进行教学异常监测,包括:
对所述修正请求进行解析,获得所述高校教师当前所处的教学场景;
获取所述高校教师使用所述预处理结果的进程节点;
获取所述预处理结果对应的触发进程节点集,所述触发进程节点集包括:多个第一触发进程节点;
当所述进程节点与任一所述第一触发进程节点一致时,将对应所述第一触发进程节点作为第二触发进程节点;
获取所述第二触发进程节点对应的行为采集策略,基于所述行为采集策略,采集所述教学场景内的多个第一目标行为;
获取所述第二触发进程节点对应的标准行为库,将所述第一目标行为与所述标准行为库中的第一标准行为进行匹配,若匹配不符合,将匹配不符合的第一标准行为作为第二标准行为;
获取所述第二标准行为对应的补充采集策略和异常确认策略;
基于所述补充采集策略,采集教学场景内的多个第二目标行为;
基于所述异常确认策略,根据所述第二目标行为,进行异常确认;
若确认成功,获取所述第二标准行为对应的第一教学异常项。
6.如权利要求4所述的一种高校用在线教学资源库管理系统,其特征在于,基于所述第一教学异常项,对所述预处理结果进行相应修正,包括:
基于预设的结果预测模型,对所述第一教学异常项进行结果预测,获得预测结果;
对所述预测结果进行解析,获取严重值;
若所述严重值大于等于预设的严重阈值,将对应所述第一教学异常项作为第二教学异常项;
获取所述第二教学异常项对应的修正依据获取策略;
基于所述修正依据获取策略,获取修正依据信息;
基于预设的修正策略制定模型,根据所述第二教学异常项和所述修正依据信息,制定多个备选修正策略,并与对应所述第二教学异常项进行关联;
基于预设的策略搭配模型,根据各个所述第二教学异常项对应的严重值和关联的多个备选修正策略,进行策略搭配,获得修正总策略;
基于所述修正总策略,对所述预处理结果进行相应修正。
7.如权利要求1所述的一种高校用在线教学资源库管理系统,其特征在于,还包括:
扩充模块,用于每隔预设的时间间隔,对所述在线教学资源库进行扩充。
8.如权利要求7所述的一种高校用在线教学资源库管理系统,其特征在于,对所述在线教学资源库进行扩充,包括:
获取预设的扩充策略集,所述扩充策略集包括:多个第一扩充策略;
将所述第一扩充策略拆分成多个第一策略项;
获取所述第一策略项对应的执行场景,同时,获取所述执行场景的可信度;
对所述第一策略项进行特征提取,获得多个第四特征;
获取预设的特征-动态风险值库,基于所述特征-动态风险值库,确定所述第四特征对应的动态风险值,并与对应所述第一策略项进行关联;
累加计算所述第一策略项关联的所述动态风险值,获得风险值和;
若所述可信度小于等于预设的可信度阈值和/或所述风险值和大于等于预设的风险值和阈值,将对应所述第一策略项作为第二策略项,同时,获取所述可信度和所述风险值和共同对应的重要权重阈值;
获取所述第二策略项对应于所述第一扩充策略的重要权重,若所述重要权重大于等于所述重要权重阈值,剔除对应所述第一扩充策略;
当需要剔除的所述第一扩充策略均剔除后,将剔除剩余的所述第一扩充策略作为第二扩充策略;
获取所述在线教学资源库对应的多个缺陷事件;
解析所述缺陷事件,获得多个缺陷项;
基于所述第二扩充策略,获取所述缺陷项对应的扩充数据;
将所述扩充数据存入所述在线教学资源库;
当需要存入所述在线教学资源库的所述扩充数据均存入后,完成扩充。
9.一种高校用在线教学资源库管理方法,其特征在于,包括:
步骤1:当高校教师输入资源推送请求时,基于所述资源推送请求,从预设的在线教学资源库中确定相符的多个资源项;
步骤2:获取所述高校教师对应的依据信息,基于所述依据信息,对所述资源项进行预处理,其中,依据信息包括之前的授课内容、学生的已掌握内容;
步骤3:将预处理结果推送给所述高校教师;
所述预处理步骤执行如下操作:
获取所述资源项共同对应的多个第一预处理策略;
依次遍历所述第一预处理策略,每次遍历时,获取遍历到的所述第一预处理策略对应的特征-评价值库;
将所述依据信息拆分成多个第二依据信息项;
对所述第二依据信息项进行特征提取,获得多个第三特征;
基于所述特征-评价值库,确定所述第三特征对应的评价值,并与对应所述第二依据信息项进行关联;
累加计算所述第二依据信息项关联的所述评价值,获得评价值和;
获取遍历到的所述第一预处理策略对应的评价值和阈值,若所述评价值和大于等于所述评价值和阈值,将对应所述第二依据信息项作为第三依据信息项;
获取遍历到的所述第一预处理策略对应的适配评价模型,基于所述适配评价模型,根据所述第三依据信息,对遍历到的所述第一预处理策略进行适配评价,获得适配值,并与遍历到的所述第一预处理策略进行关联;
当遍历所述第一预处理策略结束时,累加计算所述第一预处理策略关联的所述适配值,获得适配值和;
将最大所述适配值和对应的所述第一预处理策略作为第二预处理策略;
基于所述第二预处理策略,对所述资源项进行预处理,获得预处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210170608.3A CN114549249B (zh) | 2022-02-24 | 2022-02-24 | 一种高校用在线教学资源库管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210170608.3A CN114549249B (zh) | 2022-02-24 | 2022-02-24 | 一种高校用在线教学资源库管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549249A CN114549249A (zh) | 2022-05-27 |
CN114549249B true CN114549249B (zh) | 2023-02-24 |
Family
ID=81678477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210170608.3A Active CN114549249B (zh) | 2022-02-24 | 2022-02-24 | 一种高校用在线教学资源库管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549249B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116657A (zh) * | 2013-03-11 | 2013-05-22 | 中国科学院自动化研究所 | 一种网络教学资源的个性化搜索方法 |
CN103440243A (zh) * | 2013-07-09 | 2013-12-11 | 深圳市鸿合创新信息技术有限责任公司 | 一种教学资源推荐方法及其装置 |
CN105117460A (zh) * | 2015-08-21 | 2015-12-02 | 湖南亿谷科技发展股份有限公司 | 学习资源推荐方法和系统 |
CN108564495A (zh) * | 2018-03-08 | 2018-09-21 | 深圳市鹰硕技术有限公司 | 网络教学关注度评估方法以及装置 |
CN109389870A (zh) * | 2017-08-10 | 2019-02-26 | 亿度慧达教育科技(北京)有限公司 | 一种应用于电子教学中的数据自适应调整方法及其装置 |
CN111177413A (zh) * | 2019-12-30 | 2020-05-19 | 北京谦仁科技有限公司 | 学习资源推荐方法、装置和电子设备 |
WO2020215966A1 (zh) * | 2019-04-26 | 2020-10-29 | 北京大米科技有限公司 | 一种远程教学互动方法、服务器、终端以及系统 |
CN112861650A (zh) * | 2021-01-19 | 2021-05-28 | 北京百家科技集团有限公司 | 一种行为评价方法、装置及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130022953A1 (en) * | 2011-07-11 | 2013-01-24 | Ctb/Mcgraw-Hill, Llc | Method and platform for optimizing learning and learning resource availability |
US20130262365A1 (en) * | 2012-03-31 | 2013-10-03 | Sharp Kabushiki Kaisha | Educational system, method and program to adapt learning content based on predicted user reaction |
CN112836994A (zh) * | 2021-03-08 | 2021-05-25 | 陈国荣 | 针对在线远程教育的大数据可视化方法及在线教育服务器 |
-
2022
- 2022-02-24 CN CN202210170608.3A patent/CN114549249B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116657A (zh) * | 2013-03-11 | 2013-05-22 | 中国科学院自动化研究所 | 一种网络教学资源的个性化搜索方法 |
CN103440243A (zh) * | 2013-07-09 | 2013-12-11 | 深圳市鸿合创新信息技术有限责任公司 | 一种教学资源推荐方法及其装置 |
CN105117460A (zh) * | 2015-08-21 | 2015-12-02 | 湖南亿谷科技发展股份有限公司 | 学习资源推荐方法和系统 |
CN109389870A (zh) * | 2017-08-10 | 2019-02-26 | 亿度慧达教育科技(北京)有限公司 | 一种应用于电子教学中的数据自适应调整方法及其装置 |
CN108564495A (zh) * | 2018-03-08 | 2018-09-21 | 深圳市鹰硕技术有限公司 | 网络教学关注度评估方法以及装置 |
WO2020215966A1 (zh) * | 2019-04-26 | 2020-10-29 | 北京大米科技有限公司 | 一种远程教学互动方法、服务器、终端以及系统 |
CN111177413A (zh) * | 2019-12-30 | 2020-05-19 | 北京谦仁科技有限公司 | 学习资源推荐方法、装置和电子设备 |
CN112861650A (zh) * | 2021-01-19 | 2021-05-28 | 北京百家科技集团有限公司 | 一种行为评价方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
基于个性化推荐学习的网络培训教学课程平台的设计与实现;蔡宏果等;《大学教育》;20170501(第05期);第204-206页 * |
高校教师教育资源库系统模型与实施策略;胡振华等;《图书情报知识》;20120710(第04期);第113-117页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114549249A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lo et al. | Learning extended FSA from software: An empirical assessment | |
CN113254844B (zh) | 一种基于知识图谱和图片特征的诈骗网站识别方法与系统 | |
CN111651676B (zh) | 基于能力模型进行职业推荐的方法、装置、设备和介质 | |
CN112596731B (zh) | 一种融合智能教育的编程教学系统及方法 | |
CN116611074A (zh) | 安全信息审查方法、设备、存储介质及装置 | |
CN112069069A (zh) | 缺陷自动定位分析方法、设备及可读存储介质 | |
CN111723870B (zh) | 基于人工智能的数据集获取方法、装置、设备和介质 | |
Salami et al. | Detecting anomalies in students' results using decision trees | |
CN114202978A (zh) | 一种基于大数据的智能培训方法及系统 | |
CN114549249B (zh) | 一种高校用在线教学资源库管理系统及方法 | |
CN111507534A (zh) | 基于学生学习数据的知识点掌握情况的预测分析算法 | |
CN110808947A (zh) | 一种自动化的脆弱性量化评估方法及系统 | |
CN112464237B (zh) | 一种静态代码安全诊断方法及装置 | |
CN112131354B (zh) | 答案筛选方法、装置、终端设备和计算机可读存储介质 | |
CN112860983B (zh) | 一种学习内容推送的方法、系统、设备及可读存储介质 | |
CN114691903A (zh) | 一种智能课程测试方法及系统、电子设备、存储介质 | |
CN112184006A (zh) | 一种多维度的试题评估方法、系统及计算机设备 | |
CN110069783A (zh) | 一种答题内容评测方法及装置 | |
CN116485597B (zh) | 基于岗位能力模型的标准化实训方法 | |
Ecar et al. | Software process improvement diagnostic: A snowballing systematic literature review | |
CN116167667B (zh) | 一种教学评测方法 | |
CN117540917B (zh) | 一种培训平台辅助培训方法、装置、设备以及介质 | |
CN114840308A (zh) | 一种容器注册方法及系统 | |
CN116703332B (zh) | 一种基于微服务架构的石油问卷调查分析系统及方法 | |
Križanić et al. | Process parameters discovery based on application of kmeans algorithm-a real case experimental study |
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 |