CN114598934A - 一种基于大数据的教育软件数据处理方法 - Google Patents

一种基于大数据的教育软件数据处理方法 Download PDF

Info

Publication number
CN114598934A
CN114598934A CN202210128422.1A CN202210128422A CN114598934A CN 114598934 A CN114598934 A CN 114598934A CN 202210128422 A CN202210128422 A CN 202210128422A CN 114598934 A CN114598934 A CN 114598934A
Authority
CN
China
Prior art keywords
segment
scoring
value
threshold
user
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
Application number
CN202210128422.1A
Other languages
English (en)
Inventor
姚萌
王济民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Yuezhi Education Technology Co ltd
Original Assignee
Shandong Yuezhi Education Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Yuezhi Education Technology Co ltd filed Critical Shandong Yuezhi Education Technology Co ltd
Priority to CN202210128422.1A priority Critical patent/CN114598934A/zh
Publication of CN114598934A publication Critical patent/CN114598934A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明提供一种基于大数据的教育软件数据处理方法，包括：确定针对教育软件上学习视频的评分方案；获取所述评分方案对应的用户操作，以及所述用户操作在每个片段的次数，其中所述用户操作包括倍速播放、进度条调整、暂停播放和音量调整中的至少一种，所述片段按照学习视频的内容进行划分；通过所述次数计算每个片段的评分值；根据所述评分方案及所述评分值生成学习视频的评分结果。本发明通过分析各个片段内用户操作的次数，实现对该学习视频是否符合大多数学生需求的评价，并通过评分值的形式客观展现，实现教育软件上学习视频的评价。

Description

一种基于大数据的教育软件数据处理方法
技术领域
本发明属于线上学习技术领域，具体涉及一种基于大数据的教育软件数据处理方法。
背景技术
随着教育软件的普及和学习观念的改变，学习完成了从学校向家庭的转移，学生只要持有电子设备就可以随处随时学习，大大节约了时间,满足了快节奏的现代生活的需求。
相比于线下课堂，教育软件的可以无限次地重复听课,充分满足人类生理记忆的要求，在针对某个内容一时没理解，可以反复回放，现在有很多学生喜欢倍速播放，而且可以根据自己的理解速度调整视频的节奏。而如何客观的评判一个学习视频的节奏或者内容是否符合大多数学生的要求，如何针对学生的学习行为实现教育软件的改善就成为了我们需要解决的问题。目前关于教育软件上学习视频的评价和分析研究还不够成熟，仍然存在大量数据没有被利用起来。
发明内容
针对现有技术的上述不足，本发明提供一种基于大数据的教育软件数据处理方法，以解决上述技术问题。
本发明提供一种基于大数据的教育软件数据处理方法，包括：
确定针对教育软件上学习视频的评分方案；
获取所述评分方案对应的用户操作，以及所述用户操作在每个片段的次数，
其中所述用户操作包括倍速播放、进度条调整、暂停播放和音量调整中的至少一种，所述片段按照学习视频的内容进行划分；
通过所述次数计算每个片段的评分值；
根据所述评分方案及所述评分值生成学习视频的评分结果。
进一步的，所述通过所述次数计算每个片段的评分值，包括：
设置次数等级阈值和评分阈值；
通过以下公式计算该片段中每个用户操作的操作分值：
操作分值=m*第一阈值*（次数/第二阈值），其中，m为±1，m的值由预设的评分方案确定；
计算该片段的所有用户操作的操作分值的和，所述和为该片段的评分值。
进一步的，还包括：
定期监测每个片段的次数的增长量；
每当次数增长量达到i个所述第一阈值的情况下，在操作分值的基础上加上i个所述第二阈值，其中，i为自然数。
进一步的，还包括：
计算在所述片段中所有用户操作的频率；
根据所述频率生成判断该片段的评分值，所述频率为该片段中用户操作的次数和该片段的时长的比例。
进一步的，还包括：
通过所述频率确定设置对应片段的权重；
根据所述评分值和权重生成学习视频的评分总值。
进一步的，还包括：
在用户操作为“暂停播放”的情况下，记录对应片段多次“暂停播放”的总时长；
通过以下公式计算该片段中“暂停播放”的操作分值：
操作分值=m*【第一阈值*（“暂停播放”的次数/第二阈值）+（总时长/次数-第三阈值）】，其中，m为±1，m的值由预设的评分方案确定，所述第三阈值由用户按照合理的平均暂停时间设定。
进一步的，所述评分方案存储于方案库中，方案库中还包括每个评分方案对应的用户操作以及每个用户操作对应的片段和次数的获取地址，以及每个用户操作在对应评分方案中的第一阈值、第二阈值、第三阈值和m。
本发明的有益效果在于，
本发明提供的基于大数据的教育软件数据处理方法，通过分析各个片段内用户操作的次数，实现对该学习视频是否符合大多数学生需求的评价，并通过评分值的形式客观展现；同时直接利用教育软件上用户的操作数据，充分利用大数据资源实现教育软件上学习视频的评价。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明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他实施例，都应当属于本发明保护的范围。
对于教育软件来说，学习视频的质量是最关键的，评价的方向要点密集度和视频播放音量，要点密集度为用户对于学习视频重点要素出现频率的评价，视频播放音量为用户对于视频点开后的播放音量的评价。
本申请实施例以要点密集度为例展开说明。要点密集度有两个方向，即密集和疏散。其中，要点密集代表在用户认为重点要素出现的过于频繁，表现在视频中老师语速过快，或者两个重点要素之间的过渡时长较短，以助于用户的思路跟不上；要点疏散代表用户认为重点要素出现的过于慢，或许是视频中老师语速过慢，或者存在太大非重点要素。
该方法具体包括以下内容：
S110，确定针对教育软件上学习视频的评分方案。
评分方案可以包括要点密集度方案和视频播放音量方案，本实施例确定的评分方案为要点密集度方案。
S120，获取所述评分方案对应的用户操作，以及所述用户操作在每个片段的次数；其中所述用户操作包括倍速播放、进度条调整、暂停播放和音量调整中的至少一种，所述片段按照学习视频的内容进行划分。
评分方案为要点密集度时，对应的用户操作可以是“1.5倍速播放”、“0.75倍速播放”、“加快进度条”和“暂停播放”；所述评分方案为视频播放音量时，对应的用户操作为：提高到最高阶音量和降低到最低阶音量。按照学习视频的内容进行划分片段，片段可以是开端片段、知识点讲解片段、案例分析片段以及课堂测验片段；所述次数为学习视屏上线后所有用户在该片段操作的次数。在本实施例中，用户操作在每个片段的次数如下表所示。
1.5倍速播放 0.75倍速播放 加快进度条 暂停播放
开端片段 500 100
知识点讲解片段 500
案例分析片段 300 200
课堂测验片段 200 100
“1.5倍速播放”操作的片段是案例分析片段、开端片段和，其中，案例分析片段的次数为300次，开端片段次数为500次，课堂测验片段的次数为200次;
“0.75倍速播放”对应的是课堂测验片段和案例分析部分，其中，案例分析部分的次数为200次，课堂测验片段的次数为100次;
“加快进度条”对应的片段是开端片段，且次数为100次；
“暂停播放”对应的是知识点讲解片段，且次数为500次。
S130，通过所述次数计算每个片段的评分值。
每个片段都对应一个评分值，该评分值由该片段内所有的用户操作的次数有关，在本实施例中，通过评分值展现该片段的要点密集程度。
S140，根据所述评分方案及所述评分值生成学习视频的评分结果。
根据就所述评分方案分析学习视频在不同片段上的评分值，得到评分值代表的评分结果。所述评分结果可以是分片段分析，例如开端片段的要点过于疏散，知识点讲解片段的要点过于密集。也可以从学习视频整体分析，例如用户认为学习视频整体呈现一种要点密集的状态。
可选地，作为本发明一个实施例，所述通过所述次数计算每个片段的评分值，包括：设置次数等级阈值和评分阈值；通过以下公式计算该片段中每个用户操作的操作分值：操作分值=m*第一阈值*（次数/第二阈值），其中，m为±1，m的值由预设的评分方案确定；计算该片段的所有用户操作的操作分值的和，所述和为该片段的评分值。
在本实施例中，评分方案为要点密集度，该评分方案中m为“-”，代表该操作体现的是用户感觉要点偏密集，评分方案中m为“+”，代表该操作体现的是用户感觉要点偏疏散，具体地，“1.5倍速播放”的“m”为“+” ，“加快进度条”的“m”为“+”，“0.75倍速播放” 的“m”为“-”，“暂停播放”的“m”为“-”。
不同用户操作的第一阈值之间的大小可以由用户输入的用户操作对评分方案的影响关系决定，本方法所在的终端根据所述影响关系生成具体的数值，第一阈值越大的代表该用户操作对于评分方案的结果影响更大。
在本实施例中，用户觉得该片段的知识点疏散，会采用“1.5倍速播放”满足用户节约时间的需求，当知识点的疏散情况导致倍速也无法满足用户的需求，则会直接“加快进度条”，所以，“加快进度条”对要点密集度的影响相比对“1.5倍速播放”要大。
此外，不同用户操作的第一阈值之间的大小也可以直接由用户设定。具体的设定过程不做赘述，在此直接给出最终第一阈值和第二阈值的结果。
在本实施例的开端片段中，“1.5倍速播放”的第一阈值为1，其第二阈值为100次，根据公式计算得到其操作分值为+5。“加快进度条”的第一阈值为2，其第二阈值为50次，其操作分值为+4；操作值相加的和为开端片段的评分值，即为9；此外，“0.75倍速播放”的第一阈值为0.5，其第二阈值为100次，加快进度条的第一阈值为2，其第二阈值为50次，暂停播放的第一阈值为1.5，其第二阈值为75次；同样根据公式计算得到知识点讲解片段的评分值为-10，案例分析片段的评分值为2，课堂测验片段的评分值1.5。
可选地，作为本发明一个实施例，还包括：定期监测每个片段的次数的增长量；每当次数增长量达到i个所述第一阈值的情况下，在操作分值的基础上加上i个所述第二阈值，其中，i为自然数。
例如，开端片段的“1.5倍速播放”的次数每达到100次，则操作分值加1，本实施例中次数增加200次，则操作分值加2。本实施例提供的方法，无需重新采取全部的次数数据，节省数据传输量和计算处理量。
可选地，作为本发明一个实施例，还包括：计算在所述片段中所有用户操作的频率；根据所述频率生成判断该片段的评分值，所述频率为该片段中用户操作的次数和该片段的时长的比例。
所有用户操作指的是该片段的所有操作，按照前述实施例的记载，例如在开端片段的次数为“1.5倍速播放”的次数和“加快进度条”的次数之和，即为600次。在开端片段的时长为10分钟，所有用户操作的频率为60次/分钟；知识点讲解片段的时长为50分钟，所有用户操作的频率为10次/分钟，案例分析片段时长为25分钟，所有用户操作的频率为20次/分钟，以及课堂测验片段时长为15分钟，频率约为20次/分钟。
可选地，作为本发明一个实施例，还包括：通过所述频率确定设置对应片段的权重；根据所述评分值和权重生成学习视频的评分总值。
具体的，根据所述片段之间的频率的比例，作为每个片段的权重；评分总值为每个片段的权重*评分值之和。
例如，按照前述实施例的记载，频率分别为：60次/分钟、10次/分钟、20次/分钟、20次/分钟。，权重依次为“6：1：2：2”。四个片段的评分值分别为“9、-10、2、1.5”，评分总值为9*6-10+4+3=51。
可选地，作为本发明一个实施例，还包括：在用户操作为暂停播放的情况下，记录对应片段多次暂停播放的总时长；通过以下公式计算该片段中暂停播放的操作分值：操作分值=m*【第一阈值*（次数/第二阈值）+（总时长/次数-第三阈值）】，其中，m为±1，m的值由预设的评分方案确定。
在本实施例中，总时长为所有暂停播放和恢复播放之间的时长之和，第三阈值为：总时长为1000分钟，第三阈值为0.5分钟，按照前述实施例的记载，则操作分值为-11.5。其中，“总时长/次数”为平均暂停时间，若平均暂时间小于0.5分钟，则代表用户误触或者截屏等不代表要点密集的情况。
具体地，本实施例评分方案中采用的所有阈值如下表所示。
第一阈值 第二阈值/次 第三阈值/分钟
1.5倍速播放（+） 1 100
0.75倍速播放（-） 0.5 100
加快进度条（+） 2 50
暂停播放（-） 1.5 75 500
可选地，作为本发明一个实施例，所述评分方案存储于方案库中，方案库中还包括每个评分方案对应的用户操作以及每个用户操作对应的片段和次数的获取地址，以及每个用户操作在对应评分方案中的第一阈值、第二阈值和m。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/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所述以权利要求的保护范围为准。

Claims (7)

1.一种基于大数据的教育软件数据处理方法，其特征在于，包括：
确定针对教育软件上学习视频的评分方案；
获取所述评分方案对应的用户操作，以及所述用户操作在每个片段的次数，
其中所述用户操作包括倍速播放、进度条调整、暂停播放和音量调整中的至少一种，所述片段按照学习视频的内容进行划分；
通过所述次数计算每个片段的评分值；
根据所述评分方案及所述评分值生成学习视频的评分结果。
2.根据权利要求1所述的方法，其特征在于，所述通过所述次数计算每个片段的评分值，包括：
设置次数等级阈值和评分阈值；
通过以下公式计算该片段中每个用户操作的操作分值：
操作分值=m*第一阈值*（次数/第二阈值），其中，m为±1，m的值由预设的评分方案确定；
计算该片段的所有用户操作的操作分值的和，所述和为该片段的评分值。
3.根据权利要求2所述的方法，其特征在于，还包括：
定期监测每个片段的次数的增长量；
每当次数增长量达到i个所述第一阈值的情况下，在操作分值的基础上加上i个所述第二阈值，其中，i为自然数。
4.根据权利要求1所述的方法，其特征在于，还包括：
计算在所述片段中所有用户操作的频率；
根据所述频率生成判断该片段的评分值，所述频率为该片段中用户操作的次数和该片段的时长的比例。
5.根据权利要求4所述的方法，其特征在于，还包括：
通过所述频率确定设置对应片段的权重；
根据所述评分值和权重生成学习视频的评分总值。
6.根据权利要求2所述的方法，其特征在于，还包括：
在用户操作为“暂停播放”的情况下，记录对应片段多次“暂停播放”的总时长；
通过以下公式计算该片段中“暂停播放”的操作分值：
操作分值=m*【第一阈值*（“暂停播放”的次数/第二阈值）+（总时长/次数-第三阈值）】，其中，m为±1，m的值由预设的评分方案确定，所述第三阈值由用户按照合理的平均暂停时间设定。
7.根据权利要求6所述的方法，其特征在于，所述评分方案存储于方案库中，方案库中还包括每个评分方案对应的用户操作以及每个用户操作对应的片段和次数的获取地址，以及每个用户操作在对应评分方案中的第一阈值、第二阈值、第三阈值和m。
CN202210128422.1A 2022-02-11 2022-02-11 一种基于大数据的教育软件数据处理方法 Pending CN114598934A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210128422.1A CN114598934A (zh) 2022-02-11 2022-02-11 一种基于大数据的教育软件数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210128422.1A CN114598934A (zh) 2022-02-11 2022-02-11 一种基于大数据的教育软件数据处理方法

Publications (1)

Publication Number Publication Date
CN114598934A true CN114598934A (zh) 2022-06-07

Family

ID=81806021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210128422.1A Pending CN114598934A (zh) 2022-02-11 2022-02-11 一种基于大数据的教育软件数据处理方法

Country Status (1)

Country Link
CN (1) CN114598934A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116992076A (zh) * 2023-09-27 2023-11-03 成都华栖云科技有限公司 基于学习行为的视频抽取方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011064168A1 (en) * 2009-11-30 2011-06-03 International Business Machines Corporation Method and apparatus for identifying popular network video segments
CN103501434A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的质量分析方法及装置
CN103501461A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的播放方法及播放器
CN104486649A (zh) * 2014-12-18 2015-04-01 北京百度网讯科技有限公司 视频内容评级方法及装置
CN104581400A (zh) * 2015-02-10 2015-04-29 飞狐信息技术（天津）有限公司 视频内容处理方法及装置
US20160063881A1 (en) * 2014-08-26 2016-03-03 Zoomi, Inc. Systems and methods to assist an instructor of a course
CN107018408A (zh) * 2017-01-19 2017-08-04 湖南大学 移动端http视频流的体验质量评估方法
CN108122180A (zh) * 2017-12-06 2018-06-05 华南师范大学 一种基于在线学习行为的自主学习投入度实时生成方法
CN109376269A (zh) * 2018-12-05 2019-02-22 西安交通大学 一种基于图谱关联的跨课程视频子图推荐方法
CN110267103A (zh) * 2019-05-13 2019-09-20 深圳市亿联智能有限公司 基于遥控器反馈的多媒体评分系统及方法
CN112862250A (zh) * 2021-01-12 2021-05-28 浙江知行教育科技有限公司 一种基于大数据的高校学习评价系统及方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011064168A1 (en) * 2009-11-30 2011-06-03 International Business Machines Corporation Method and apparatus for identifying popular network video segments
CN102487456A (zh) * 2009-11-30 2012-06-06 国际商业机器公司 用于提供网络视频访问热度的方法和装置
CN103501434A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的质量分析方法及装置
CN103501461A (zh) * 2013-09-17 2014-01-08 北京奇艺世纪科技有限公司 一种视频的播放方法及播放器
US20160063881A1 (en) * 2014-08-26 2016-03-03 Zoomi, Inc. Systems and methods to assist an instructor of a course
CN104486649A (zh) * 2014-12-18 2015-04-01 北京百度网讯科技有限公司 视频内容评级方法及装置
CN104581400A (zh) * 2015-02-10 2015-04-29 飞狐信息技术（天津）有限公司 视频内容处理方法及装置
CN107018408A (zh) * 2017-01-19 2017-08-04 湖南大学 移动端http视频流的体验质量评估方法
CN108122180A (zh) * 2017-12-06 2018-06-05 华南师范大学 一种基于在线学习行为的自主学习投入度实时生成方法
CN109376269A (zh) * 2018-12-05 2019-02-22 西安交通大学 一种基于图谱关联的跨课程视频子图推荐方法
CN110267103A (zh) * 2019-05-13 2019-09-20 深圳市亿联智能有限公司 基于遥控器反馈的多媒体评分系统及方法
CN112862250A (zh) * 2021-01-12 2021-05-28 浙江知行教育科技有限公司 一种基于大数据的高校学习评价系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马栋林等: "基于用户行为的教学视频内容质量评价方法", 《兰州理工大学学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116992076A (zh) * 2023-09-27 2023-11-03 成都华栖云科技有限公司 基于学习行为的视频抽取方法及装置
CN116992076B (zh) * 2023-09-27 2023-12-01 成都华栖云科技有限公司 基于学习行为的视频抽取方法及装置

Similar Documents

Publication Publication Date Title
CN109801525B (zh) 一种用于网络教学的师生多维匹配方法和系统
CN111444391B (zh) 一种基于人工智能的视频学习成效评估方法
Aghaei Pour et al. The impact of system feedback on learners’ affective and physiological states
Oyaid Secondary Student's Perceptions of Information and Communication Technology and Their Usage of It Inside and Outside of School in Riyadh City, Saudi Arabia.
CN108597278A (zh) 一种中小学生数字化课堂智能交互教学系统
Rice et al. Replays as repetitions: Young children's interpretation of television forms
CN110531849A (zh) 一种基于5g通信的增强现实的智能教学系统
CN110782375A (zh) 基于数据的在线学习全过程动态分析方法及系统
WO2018153118A1 (zh) 基于真实数据的虚拟数据构建方法和系统
CN114598934A (zh) 一种基于大数据的教育软件数据处理方法
Roscoe et al. Feedback and revising in an intelligent tutoring system for writing strategies
CN111369408A (zh) 一种医院本科实习生教学管理系统及方法
Shen et al. RETRACTED: Multimedia network teaching platform and its application in mechanical design
CN103927704A (zh) 试卷分析报告系统及方法
CN112184032A (zh) 一种用于对主观题进行智能评分的方法及系统
CN111415283A (zh) 一种有效在线教学的因素分析方法和装置
Webb Advanced lexical development
CN113038259B (zh) 互联网教育的上课质量反馈方法及系统
Schmidgall Modeling speaker proficiency, comprehensibility, and perceived competence in a language use domain
Liu et al. The impact of home computer and internet device on students’ academic performance in the digital age
Ruan Special‐Purpose English Teaching Reform and Model Design in the Era of Artificial Intelligence
CN110853428A (zh) 基于物联网的录播控制方法及系统
TWI789234B (zh) 學習效果評測系統
CN117079338B (zh) 基于人工智能的教学质量监测方法及系统
Hou et al. Student offline classroom concentration identification research based on deep learning

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220607