CN115081965B - 一种学情大数据分析系统及学情服务器 - Google Patents
一种学情大数据分析系统及学情服务器 Download PDFInfo
- Publication number
- CN115081965B CN115081965B CN202211002403.0A CN202211002403A CN115081965B CN 115081965 B CN115081965 B CN 115081965B CN 202211002403 A CN202211002403 A CN 202211002403A CN 115081965 B CN115081965 B CN 115081965B
- Authority
- CN
- China
- Prior art keywords
- score
- analysis
- examination
- student
- page
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 179
- 238000012360 testing method Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 16
- 238000007639 printing Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008451 emotion Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000012173 estrus Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (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
本发明提供一种学情大数据分析系统及学情服务器,涉及学情数据处理技术领域,具体包括:学情服务器,教师端以及学生端;系统提供考试分析页面,考试分析页面提供考试数据;提供学科分析选择区,使用户查询所选择学科成绩分析界面;提供成绩分析页面,为学生端提供知识点分析页面,提供每次测评该试卷知识点分析、得分情况及同难度系数该科目预测情况;为学生端提供提分策略页面,根据测评结果分析薄弱知识点,分析学生不同知识点的提分方向;系统针对各个学科进行全方位分析解读,让学生的学习和提升更有针对性。为学校教学提供数字化支撑,全方位了解学生学情,教师教情,最终实现高质量精准教学。
Description
技术领域
本发明涉及学情数据处理技术领域,尤其涉及一种学情大数据分析系统及学情服务器。
背景技术
学情分析是在教学过程中对学生学习过程及学习成绩的分析。学情是指学生在某一个单元时间内或某一项学习活动中的学习状态,学情包括了学习特点,学习兴趣,学习习惯,学习方式等等。
学情分析对于教学过程是一个必不可少的过程,目前常用的方式是比如申请号为202111541659.4,公开的一种基于高校互动课堂活动数据的学情分析方法及系统,该文献是基于在课前通过防作弊签到手段统计班级出勤率;根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分,进行学情分析。这种学情分析无法获悉学生的学习情况,考试情况。使教师和学生无法知晓各学科的成绩状态,无法了解学生的薄弱知识点,更无法有针对性的学习,提升学习成绩,造成学生学习成绩无法有效的提升,使教师缺少针对性的教学,影响学生的考试成绩。
发明内容
本发明提供一种学情大数据分析系统,系统可以全方位的对学生的学情分析,了解学生学情,使教师有针对性的教学培养学生。
系统包括:学情服务器,教师端以及学生端;教师端和学生端分别与学情服务器通信连接,教师端和学生端分别获取学情服务器储存的学情数据信息,供教师和学生查看访问;
学情服务器包括:考试分析模块、试卷分析模块、成绩分析模块、排名分析模块、知识点分析模块,提分策略模块以及打印模块;
考试分析模块用于提供考试分析页面,考试分析页面提供各学校考试数据,各年级和各班级考试数据,还提供各个客户考试数据以及考试排名信息;
试卷分析模块用于提供各科考试试卷的状态信息,提供查看总分、多科以及各单科成绩分析,以及查看成绩对比、历次考试变化趋势;提供学科分析选择区,使用户查询所选择学科成绩分析界面;还用于分析试卷的难易程度;
成绩分析模块用于为学生端提供成绩分析页面,成绩分析页面展示学生测评分数和各个考区,各个学校均分对比情况、不同难度系数题目分布及作答情况;
排名分析模块用于为学生端提供排名分析页面,排名分析页面展示考生总数、最高分、最低分、平均分、中位数、众数及该生排名情况;
知识点分析模块用于为学生端提供知识点分析页面,提供每次测评该试卷知识点分析、得分情况及同难度系数该科目预测情况;
提分策略模块用于为学生端提供提分策略页面,根据测评结果分析薄弱知识点,分析学生不同知识点的提分方向;
打印模块用于给教师和学生提供打印系统数据的功能。
进一步需要说明的是,试卷分析模块还用于分析每次考试的测评知识点分数占比和水平同级考试情况下知识点占比;
每次考试的测评知识点分数占比计算方式为:通过每个小题的知识点占比*小题满分,以及相同的知识点分数相加,得到每个知识点满分,再用知识点满足/试卷满分得到知识点在试卷中的占比;
水平同级考试情况下知识点占比计算方式为:
当次考试出现的知识点在之前考试出现的情况中的平均占比,其中每次考试的各个知识点的占比取出本次考试出现的知识点的平均值;
排名分析模块还用于分析成绩的标准差,标准差计算方式为:
C1、C2、……Cn为每个考生的成绩、P为平均成绩,Z为总考生人数。
进一步需要说明的是,知识点分析模块还用于计算知识点分值,计算得分比,计算掌握水平以及计算预估得分;
知识点分值的计算方式为:通过每个小题的知识点占比*小题满分,相同的知识点分数相加,得到每个知识点满分,再用知识点满分/试卷满分得到该知识点在试卷中的占比;
得分比计算方式为:依次算出学生每个小题的得分*知识点在该题目的占比,然后相同知识点的得分求和,得到学生每个知道点的得分,用学生知识点得分/该知识点满分,得到学生每个知识点的得分比;
掌握水平的计算方式为:通过得分比计算方法得到学生每次考试的每个知识点的得分比,然后找出每个知识点的评价得分比;
预估得分的计算方式为:掌握水平*本次考试该知识点满分;
提分策略模块还用于计算本次考试预估成绩:掌握水平*本次考试知识点满分;
提升后成绩的计算方式为:预估使用提分策略提供的提分资源和侧重攻破的知识点后,能够达到的成绩;
提分资源二维码:用户通过扫描二维码,进入到学情分析系统,学习对应知识点的教师讲解视频;
错题本模块:用于收录考生试卷中所有错题;学生扫描错题二维码,显示针对错题的教师讲解视频。
进一步需要说明的是,学情服务器还包括:筛选模块和分析报告输出模块;
分析报告输出模块用于提供分析报告界面,针对选择的考试,呈现数据分析,提供分析报告打印功能和下载功能;
分析报告界面为学生学情分析报告页面,通过分析设置按钮自定义弹框,设置想看的数据模块;
分析报告界面为学生提分策略报告页面,选择某个学科进入可预览学科提分策略报告,设置按钮自定义选择分析报告输出模块数据展示;
筛选模块用于为学生端提供自主筛选页面,自主筛选页面配置有查询输入对话框,根据学生输入的查询信息,显示有学生分数信息,学生在考区、学校以及班级的名称信息。
本发明还提供一种学情服务器,包括:
数据库,用于存储计算机程序及学情大数据分析系统;
处理器,用于执行所述计算机程序及学情大数据分析系统,以实现学情大数据分析系统。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供的学情大数据分析系统通过考试分析,试卷分析,成绩分析,排名分析以及知识点分析实现多角度多方位学情分析,并提供提分策略,分析学生不同知识点的提分方向,使教学更加具有针对性,提高学生的成绩。而系统能够显示每个学生的总分数据,平均分数,历次考试的总分变化趋势图,在考区,学校以及班级的总分名次以及总分的最高分和最低分;让教师,家长和学生十分清晰的了解学生的学业状态。还可以分析学生的现有学业水平以及学生可能发展到的学业水平,实现学生学业快速提升。
本发明提供的学情大数据分析系统是基于大数据驱动下的精准教学方法,为教与学提供数字化支撑服务,实现对学生学习数据的收集与深度挖掘、分析,实现从数字化到数据化,监督学生学习情况,针对各个学科进行全方位分析解读,靶向分析知识漏洞,聚焦薄弱点提供专属提升方案,智适应推送个性化学习资源,强化学生薄弱知识点,让学生的学习和提升更有针对性。为学校教学提供数字化支撑,全方位了解学生学情,教师教情,最终实现高质量精准教学。
附图说明
为了更清楚地说明本发明的技术方案,下面将对描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为学情大数据分析系统示意图;
图2为学情大数据分析系统实施例示意图。
具体实施方式
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,都属于本发明保护的范围。
本发明提供的学情大数据分析系统中,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。
本发明提供的学情大数据分析系统附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本发明提供的学情大数据分析系统中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
如图1所示,本发明提供的学情大数据分析系统架构可以包括教师端2和学生端3,教师端2和学生端3为终端设备,网络和学情服务器1。网络是用以在教师端2,学生端3和学情服务器1之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,教师端2和学生端3具有任意数目。学情服务器1可以是多个服务器组成的服务器集群等。
教师使用教师端2访问学情服务器1。学生使用学生端3访问学情服务器1。教师端2和学生端3通过网络与学情服务器1交互,以接收或发送消息等。教师端2和学生端3可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机、数字电影放映机等等。
如图2所示,本发明提供的学情大数据分析系统包括:学情服务器1,教师端2以及学生端3;教师端2和学生端3分别与学情服务器1通信连接,教师端2和学生端3分别获取学情服务器1储存的学情数据信息,供教师和学生查看访问;
在教师端2和学生端3访问学情服务器1前,需要注册身份信息,之后访问学情服务器1时,需要正确输入用户手机号、验证码后,单击登录按钮,即可进入系统。具体来讲,需要输入用户账号、密码后,单击登录按钮,即可进入系统。在进入系统界面之后,需要选择进入学生端3或教师端2,并能够根据不同使用者的身份进行切换,方便老师和学生登录访问使用。
作为本发明的一种实施例来讲,学情服务器1包括:考试分析模块、试卷分析模块、成绩分析模块、排名分析模块、知识点分析模块,提分策略模块以及打印模块;
考试分析模块用于提供考试分析页面,考试分析页面提供各学校考试数据,各年级和各班级考试数据,还提供各个客户考试数据以及考试排名信息;
考试分析模块还用于显示学生的成绩与排名,可以筛选不同的考试,还可以查看成绩对比、总分历次考试变化趋势;点击单科科目可以查看科目详情;显示该学生成绩与全校、全市、班级的一个对比;显示历次考试在全市、全校、班级的排名情况与超均率。该页面分考试概况,得分情况,最近发展区,核心素养与关键能力4个模块;右上角可以选择科目进行切换,下面展示该生的科目分析数据。
试卷分析模块用于提供各科考试试卷的状态信息,提供查看总分、多科以及各单科成绩分析,以及查看成绩对比、历次考试变化趋势;提供学科分析选择区,使用户查询所选择学科成绩分析界面;还用于分析试卷的难易程度;
根据每个题目的正确率,正确率越低,表示难度系数越高;难度等级包括:极难,难,一般,易,极易。正确率计算方式为:题目作对数量/总题目数量。
上次考试中同难度题目正确率-本次考试中同难度题目正确率大于0,则正确率上升,反之则下降。
进一步的讲,试卷分析模块还用于分析每次考试的测评知识点分数占比和水平同级考试情况下知识点占比;
每次考试的测评知识点分数占比计算方式为:通过每个小题的知识点占比*小题满分,以及相同的知识点分数相加,得到每个知识点满分,再用知识点满足/试卷满分得到知识点在试卷中的占比;
水平同级考试情况下知识点占比计算方式为:当次考试出现的知识点在之前考试出现的情况中的平均占比,其中每次考试的各个知识点的占比取出本次考试出现的知识点的平均值;
成绩分析模块用于为学生端3提供成绩分析页面,成绩分析页面展示学生测评分数和各个考区,各个学校均分对比情况、不同难度系数题目分布及作答情况;
作为本发明的一种实施例,成绩分析模块还用于根据教师端2和学生端3的控制指令,显示每个学生的总分数据,平均分数,历次考试的总分变化趋势图,在考区,学校以及班级的总分名次以及总分的最高分和最低分;
还用于根据教师端2和学生端3的控制指令,显示各科分数,各科在历次考试的各科分数变化趋势图,在考区,学校以及班级的各科分数名次以及各科分数的最高分和最低分;
还用于根据教师端2和学生端3的控制指令,显示每科考试中,各个题目的得分情况,计算出得分率;
得分率计算方式为:(实际得分/考核分)×100%;
还通过曲线图的方式显示每个题目在各个考区,各学校以及各班级的得分曲线图。
排名分析模块用于为学生端3提供排名分析页面,排名分析页面展示考生总数、最高分、最低分、平均分、中位数、众数及该生排名情况;
排名分析模块通过当次考试科目中,分数与人数的柱状分布图来进行显示。通过成绩进行分组,找出每组成绩下的人数,通过柱的高度来表示人数的多少,并标注学生所处的位置,学生能够更直观的了解自己的考试名次情况。
C1、C2、……Cn为每个考生的成绩、P为平均成绩,Z为总考生人数。
知识点分析模块用于为学生端3提供知识点分析页面,提供每次测评该试卷知识点分析、得分情况及同难度系数该科目预测情况;
具体来讲,知识点分析模块还用于计算知识点分值,计算得分比,计算掌握水平以及计算预估得分;
知识点分值的计算方式为:通过每个小题的知识点占比*小题满分,相同的知识点分数相加,得到每个知识点满分,再用知识点满分/试卷满分得到该知识点在试卷中的占比;
得分比计算方式为:依次算出学生每个小题的得分*知识点在该题目的占比,然后相同知识点的得分求和,得到学生每个知道点的得分,用学生知识点得分/该知识点满分,得到学生每个知识点的得分比;
掌握水平的计算方式为:通过得分比计算方法得到学生每次考试的每个知识点的得分比,然后找出每个知识点的评价得分比;
预估得分的计算方式为:掌握水平*本次考试该知识点满分;
提分策略模块用于为学生端3提供提分策略页面,根据测评结果分析薄弱知识点,分析学生不同知识点的提分方向;
进一步的讲,提分策略模块还用于计算本次考试预估成绩:掌握水平*本次考试知识点满分;
提升后成绩的计算方式为:预估使用提分策略提供的提分资源和侧重攻破的知识点后,能够达到的成绩;
还用于配置知识点掌握水平的提升图,预估使用提升策略提供的资源和侧重攻破的知识点后,每个知识点能够达到的掌握水平;
提分资源二维码:用户通过扫描二维码,进入到学情分析系统,学习对应知识点的教师讲解视频;学生可以根据实际情况和考试情况进行学习,阿里提升成绩。
错题本模块:用于收录考生试卷中所有错题;学生扫描错题二维码,显示针对错题的教师讲解视频。学生可以访问错题本模块重复学习之前的错题,提高知识量,提升成绩。
打印模块用于给教师和学生提供打印系统数据的功能。
系统还具备意见反馈界面,此界面为意见反馈页面,有什么地方不理解或是修改建议可以在这里提交反馈内容,提升系统的应用性能,满足教师和学生的学习需要。
进一步的讲,本发明中的学情服务器1还包括:最近发展期展示模块,核心素养,关键能力分析模块,学科成绩分析模块,学习达标状态分析模块,区间分布分析模块,区间平均分分析模块,人数上线率分析模块,成绩单分析模块,成绩排名处理模块,班级详情分析模块,学业档案分析模块,筛选模块和分析报告输出模块;
最近发展期分析模块用于分析学生的现有学业水平以及学生可能发展到的学业水平;可以是教师和学生了解当前学业水平状态,那些学科需要提升,可以预估后期努力方向。
现有学业水平是通过学生独立活动时,分析其所能达到的解决问题水平;
学生可能发展到的学业水平分析学生通过教学所获得的潜力。
关键能力分析模块用于分析学生的语言构建与运用能力,文化传承与理解能力,审美鉴赏与创造能力和思维发展与提升能;以及学习知识的识别能力,理解能力,表达应用能力和分析综合应用能力;将上述分析结果以框图的方式进行显示。
学科成绩分析模块用于为教师端2提供学科成绩页面,学科成绩页面分析联考及校考学生各学科成绩及排名情况,学科成绩页面上方的筛选项根据需要个性化筛选学科,查看范围,年级以及考试;
学习达标状态分析模块用于为教师端2提供达标情况页面,达标情况页面具有分析联考及校考各个档线达标情况,达标情况页面上方的筛选项,是根据需要个性化筛选学科,考试,年级以及个性化选择班级对比各班不同档线达标情况进行展示;
区间分布分析模块用于为教师端2提供区间分布页面,分析联考及校考区间分布情况;区间分布页面上具有筛选项,根据需要个性化设置区间间隔,筛选学科,查看范围,年级以及考试,对比不同班级区间分布情况;具有下载区间分布表功能,提供下载excel表格使用数据;
区间平均分分析模块用于为教师端2提供区间平均分页面,分析联考及校考区间平均分及累计平均分情况;区间平均分页面具有筛选项,根据需要筛选学科,年级以及考试,选择不同班级对比,展示所需数据。
人数上线率分析模块用于为教师端2提供人数上线率页面,人数上线率分析模块分析联考及校考各科目各档线档内人数及进退对比情况,基于个性化筛选年级整体情况及查看具体班级情况,勾选进退对比选择本次考试和之前某次考试对比,表格内自动展示本次考试各档线人数变化情况,展示所有学科情况;
成绩单分析模块用于为教师端2提供成绩单页面,为用户提供查看不同班级历次考试总分及各科原始成绩、赋分成绩、学校排名和市排名等信息;
成绩单分析模块获取用户选择的下载成绩单控制指令,进行成绩单数据下载;
获取用户输入的年级数据和考试数据,再获取班级选择框选择需要对比的班级,在表格中点击全部展开则历次考试全部展示,点击全部收起则只展示本次考试,每行右侧的上下箭头展开或收缩切换;
成绩排名处理模块用于为教师端2提供成绩排名页面,用户看到各班排名、均分及名次变化等情况。
班级详情分析模块用于提供班级详情分析页面,在班级详情分析页面中具有选择考试选择按键,显示/隐藏市名次、校名次、班名次变化,通过姓名搜索某个学生,选择市级名次区间/校级名次区间/班级名次区间筛选某个名次段该班学员;
学业档案分析模块用于展示学生档案,显示学生最近各学科薄弱点,以及跟踪历次考试变化趋势,能够筛选某个日期时间段或者通过关键词搜索相关考试,基于某个考试查看学生每次考试各学科详细学情。
教师端2还可以显示该学生的成绩与排名,显示界面上可以筛选考试,显示界面上可以查看成绩对比、总分历次考试变化趋势;点击单科科目可以查看科目详情。还可以显示该学生成绩与全校、全市、班级的一个对比。本发明涉及的考区可以以一个城市作为考区,一个城市的行政区作为考区等等,具体范围不做限定。教师端2可以显示历次考试在全市、全校、班级的排名情况与超均率。
教师端2还可以具有分考试概况,得分情况,最近发展区,核心素养与关键能力4个模块显示;显示界面上可以选择科目进行切换,下面展示该生的科目分析数据。
本发明中,分析报告输出模块用于提供分析报告界面,针对选择的考试,呈现数据分析,提供分析报告打印功能和下载功能;根据下载控制指令将会把数据生成pdf可下载到本地进行打印。
分析报告界面为学生学情分析报告页面,通过分析设置按钮自定义弹框,设置想看的数据模块;
分析报告界面为学生提分策略报告页面,选择某个学科进入可预览学科提分策略报告,设置按钮自定义选择分析报告输出模块数据展示;
筛选模块用于为学生端3提供自主筛选页面,自主筛选页面配置有查询输入对话框,根据学生输入的查询信息,显示有学生分数信息,学生在考区、学校以及班级的名称信息;
其中在筛选模块中,点击“筛选”按钮弹出此界面,用户可以自己根据市级名次或者成绩进行档线划分,设置预达人数和临界生范围。筛选模块为人数上线率筛选页面,用户可以选择市级名次或成绩自己设置所选学科不同考试的档次划分,也可以点击使用默认。
基于上述提供的学情大数据分析系统,本发明提供的学情服务器1,学情服务器1是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。
所属技术领域的技术人员能够理解,学情大数据分析系统的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
学情大数据分析系统可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种学情大数据分析系统,其特征在于,包括:学情服务器,教师端以及学生端;教师端和学生端分别与学情服务器通信连接,教师端和学生端分别获取学情服务器储存的学情数据信息,供教师和学生查看访问;
学情服务器包括:考试分析模块、试卷分析模块、成绩分析模块、排名分析模块、知识点分析模块,提分策略模块以及打印模块;
考试分析模块用于提供考试分析页面,考试分析页面提供各学校考试数据,各年级和各班级考试数据,还提供各个客户考试数据以及考试排名信息;
试卷分析模块用于提供各科考试试卷的状态信息,提供查看总分、多科以及各单科成绩分析,以及查看成绩对比、历次考试变化趋势;提供学科分析选择区,使用户查询所选择学科成绩分析界面;还用于分析试卷的难易程度;
成绩分析模块用于为学生端提供成绩分析页面,成绩分析页面展示学生测评分数和各个考区,各个学校均分对比情况、不同难度系数题目分布及作答情况;
排名分析模块用于为学生端提供排名分析页面,排名分析页面展示考生总数、最高分、最低分、平均分、中位数、众数及该生排名情况;
知识点分析模块用于为学生端提供知识点分析页面,提供每次测评该试卷知识点分析、得分情况及同难度系数该学科 预测情况;
提分策略模块用于为学生端提供提分策略页面,根据测评结果分析薄弱知识点,分析学生不同知识点的提分方向;
打印模块用于给教师和学生提供打印系统数据的功能;
试卷分析模块还用于分析每次考试的测评知识点分数占比和水平同级考试情况下知识点占比;
每次考试的测评知识点分数占比计算方式为:通过每个小题的知识点占比*小题满分,以及相同的知识点分数相加,得到每个知识点满分,再用知识点满足/试卷满分得到知识点在试卷中的占比;
水平同级考试情况下知识点占比计算方式为:
当次考试出现的知识点在之前考试出现的情况中的平均占比,其中每次考试的各个知识点的占比取出本次考试出现的知识点的平均值;
排名分析模块还用于分析成绩的标准差,标准差计算方式为:
C1、C2、……Cn为每个考生的成绩、P为平均成绩,Z为总考生人数;
知识点分析模块还用于计算知识点分值,计算得分比,计算掌握水平以及计算预估得分;
知识点分值的计算方式为:通过每个小题的知识点占比*小题满分,相同的知识点分数相加,得到每个知识点满分,再用知识点满分/试卷满分得到该知识点在试卷中的占比;
得分比计算方式为:依次算出学生每个小题的得分*知识点在该题目的占比,然后相同知识点的得分求和,得到学生每个知道点的得分,用学生知识点得分/该知识点满分,得到学生每个知识点的得分比;
掌握水平的计算方式为:通过得分比计算方法得到学生每次考试的每个知识点的得分比,然后找出每个知识点的评价得分比;
预估得分的计算方式为:掌握水平*本次考试该知识点满分;
提分策略模块还用于计算本次考试预估成绩:掌握水平*本次考试知识点满分;
提升后成绩的计算方式为:预估使用提分策略提供的提分资源和侧重攻破的知识点后,能够达到的成绩;
提分资源二维码:用户通过扫描二维码,进入到学情分析系统,学习对应知识点的教师讲解视频;
错题本模块:用于收录考生试卷中所有错题;学生扫描错题二维码,显示针对错题的教师讲解视频。
2.根据权利要求1所述的学情大数据分析系统,其特征在于,
成绩分析模块还用于根据教师端和学生端的控制指令,显示每个学生的总分数据,平均分数,历次考试的总分变化趋势图,在考区,学校以及班级的总分名次以及总分的最高分和最低分;
还用于根据教师端和学生端的控制指令,显示各科分数,各科在历次考试的各科分数变化趋势图,在考区,学校以及班级的各科分数名次以及各科分数的最高分和最低分;
还用于根据教师端和学生端的控制指令,显示每科考试中,各个题目的得分情况,计算出得分率;
得分率计算方式为:(实际得分/考核分)×100%;
还通过曲线图的方式显示每个题目在各个考区,各学校以及各班级的得分曲线图。
3.根据权利要求1所述的学情大数据分析系统,其特征在于,
学情服务器还包括:最近发展期展示模块,关键能力分析模块;
最近发展期分析模块用于分析学生的现有学业水平以及学生可能发展到的学业水平;
现有学业水平是通过学生独立活动时,分析其所能达到的解决问题水平;
学生可能发展到的学业水平分析学生通过教学所获得的潜力;
关键能力分析模块用于分析学生的语言构建与运用能力,文化传承与理解能力,审美鉴赏与创造能力和思维发展与提升能;以及学习知识的识别能力,理解能力,表达应用能力和分析综合应用能力;
将分析结果以框图的方式进行显示。
4.根据权利要求1所述的学情大数据分析系统,其特征在于,
学情服务器还包括:学科成绩分析模块,学习达标状态分析模块,区间分布分析模块和区间平均分分析模块;
学科成绩分析模块用于为教师端提供学科成绩页面,学科成绩页面分析联考及校考学生各学科成绩及排名情况,学科成绩页面上方的筛选项根据需要个性化筛选学科,查看范围,年级以及考试;
学习达标状态分析模块用于为教师端提供达标情况页面,达标情况页面具有分析联考及校考各个档线达标情况,达标情况页面上方的筛选项,是根据需要个性化筛选学科,考试,年级以及个性化选择班级对比各班不同档线达标情况进行展示;
区间分布分析模块用于为教师端提供区间分布页面,分析联考及校考区间分布情况;区间分布页面上具有筛选项,根据需要个性化设置区间间隔,筛选学科,查看范围,年级以及考试,对比不同班级区间分布情况;具有下载区间分布表功能,提供下载excel表格使用数据;
区间平均分分析模块用于为教师端提供区间平均分页面,分析联考及校考区间平均分及累计平均分情况;区间平均分页面具有筛选项,根据需要筛选学科,年级以及考试,选择不同班级对比,展示所需数据。
5.根据权利要求1所述的学情大数据分析系统,其特征在于,
学情服务器还包括:人数上线率分析模块、成绩单分析模块和成绩排名处理模块;
人数上线率分析模块用于为教师端提供人数上线率页面,人数上线率分析模块分析联考及校考各科目各档线档内人数及进退对比情况,基于个性化筛选年级整体情况及查看具体班级情况,勾选进退对比选择本次考试和之前某次考试对比,表格内自动展示本次考试各档线人数变化情况,展示所有学科情况;
成绩单分析模块用于为教师端提供成绩单页面,为用户提供查看不同班级历次考试总分及各科原始成绩、赋分成绩、学校排名和市排名信息;
成绩单分析模块获取用户选择的下载成绩单控制指令,进行成绩单数据下载;
获取用户输入的年级数据和考试数据,再获取班级选择框选择需要对比的班级,在表格中点击全部展开则历次考试全部展示,点击全部收起则只展示本次考试,每行右侧的上下箭头展开或收缩切换;
成绩排名处理模块用于为教师端提供成绩排名页面,用户看到各班排名、均分及名次变化情况。
6.根据权利要求1所述的学情大数据分析系统,其特征在于,
学情服务器还包括:班级详情分析模块和学业档案分析模块;
班级详情分析模块用于提供班级详情分析页面,在班级详情分析页面中具有选择考试选择按键,显示/隐藏市名次、校名次、班名次变化,通过姓名搜索某个学生,选择市级名次区间/校级名次区间/班级名次区间筛选某个名次段该班学员;
学业档案分析模块用于展示学生档案,显示学生最近各学科薄弱点,以及跟踪历次考试变化趋势,能够筛选某个日期时间段或者通过关键词搜索相关考试,基于某个考试查看学生每次考试各学科详细学情。
7.根据权利要求1所述的学情大数据分析系统,其特征在于,
学情服务器还包括:筛选模块和分析报告输出模块;
分析报告输出模块用于提供分析报告界面,针对选择的考试,呈现数据分析,提供分析报告打印功能和下载功能;
分析报告界面为学生学情分析报告页面,通过分析设置按钮自定义弹框,设置想看的数据模块;
分析报告界面为学生提分策略报告页面,选择某个学科进入可预览学科提分策略报告,设置按钮自定义选择分析报告输出模块数据展示;
筛选模块用于为学生端提供自主筛选页面,自主筛选页面配置有查询输入对话框,根据学生输入的查询信息,显示有学生分数信息,学生在考区、学校以及班级的名称信息。
8.一种学情服务器,其特征在于,包括:
数据库,用于存储计算机程序及学情大数据分析系统;
处理器,用于执行所述计算机程序及学情大数据分析系统,以实现如权利要求1至7任意一项所述学情大数据分析系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211002403.0A CN115081965B (zh) | 2022-08-22 | 2022-08-22 | 一种学情大数据分析系统及学情服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211002403.0A CN115081965B (zh) | 2022-08-22 | 2022-08-22 | 一种学情大数据分析系统及学情服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115081965A CN115081965A (zh) | 2022-09-20 |
CN115081965B true CN115081965B (zh) | 2022-11-25 |
Family
ID=83245300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211002403.0A Active CN115081965B (zh) | 2022-08-22 | 2022-08-22 | 一种学情大数据分析系统及学情服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115081965B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079504B (zh) * | 2023-10-13 | 2024-01-05 | 山东金榜苑文化传媒有限责任公司 | 一种大数据精准教学批阅系统的错题数据管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130065861A (ko) * | 2011-12-05 | 2013-06-20 | 김은정 | 학생의 취약 부분 분석 시스템 및 방법 |
CN113159480A (zh) * | 2020-12-31 | 2021-07-23 | 广东国粒教育技术有限公司 | 一种基于教育大数据画像的学情评价方法及其装置 |
CN114581269A (zh) * | 2022-02-28 | 2022-06-03 | 深圳懂你教育科技有限公司 | 作业到考试全方位学生学情跟踪平台 |
CN114782227A (zh) * | 2022-04-11 | 2022-07-22 | 北京和气聚力教育科技有限公司 | 一种试卷分析系统、方法、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579886A (zh) * | 2020-11-30 | 2021-03-30 | 成都文通网络科技发展有限公司 | 一种个性化定制学生学情分析的软件 |
CN112634097A (zh) * | 2020-12-23 | 2021-04-09 | 贵州树精英教育科技有限责任公司 | 一种基于题目参数的学情分析系统 |
-
2022
- 2022-08-22 CN CN202211002403.0A patent/CN115081965B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130065861A (ko) * | 2011-12-05 | 2013-06-20 | 김은정 | 학생의 취약 부분 분석 시스템 및 방법 |
CN113159480A (zh) * | 2020-12-31 | 2021-07-23 | 广东国粒教育技术有限公司 | 一种基于教育大数据画像的学情评价方法及其装置 |
CN114581269A (zh) * | 2022-02-28 | 2022-06-03 | 深圳懂你教育科技有限公司 | 作业到考试全方位学生学情跟踪平台 |
CN114782227A (zh) * | 2022-04-11 | 2022-07-22 | 北京和气聚力教育科技有限公司 | 一种试卷分析系统、方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115081965A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Samarraie et al. | E-learning continuance satisfaction in higher education: a unified perspective from instructors and students | |
Tipton et al. | A review of statistical methods for generalizing from evaluations of educational interventions | |
Dowd et al. | Understanding the complex relationship between critical thinking and science reasoning among undergraduate thesis writers | |
Van Deursen et al. | Modeling traditional literacy, Internet skills and Internet usage: An empirical study | |
Crompton et al. | Affordances and challenges of artificial intelligence in K-12 education: A systematic review | |
Chatti et al. | Learning analytics: Challenges and future research directions | |
US11030913B2 (en) | Intelligent and contextual system for knowledge progression and quiz management | |
Geng et al. | Understanding the pedagogical potential of Interactive Spherical Video-based Virtual Reality from the teachers’ perspective through the ACE framework | |
Adams et al. | The multidimensional random coefficients multinomial logit model | |
Kinnunen et al. | Phenomenography and grounded theory as research methods in computing education research field | |
Snell | Interrogating video data: Systematic quantitative analysis versus micro‐ethnographic analysis | |
US10922991B2 (en) | Cluster analysis of participant responses for test generation or teaching | |
US20120135389A1 (en) | Learning environment with user defined content | |
AU2017273199A1 (en) | Free learning analytics methods and systems | |
WO2019046177A1 (en) | MEASURABLE PROGRESSION LEARNING SYSTEM BASED ON EVALUATION | |
KR101576727B1 (ko) | Qr코드 및 앱을 이용한 온오프라인 연동 학습 시스템 | |
Liu et al. | Mining online discussion data for understanding teachers reflective thinking | |
Baek et al. | Past, present, and future directions of learning analytics research for students with disabilities | |
CN115081965B (zh) | 一种学情大数据分析系统及学情服务器 | |
US11928984B2 (en) | Intelligent and contextual system for test management | |
Marshall | Contribution of open-ended questions in student evaluation of teaching | |
Banihashem et al. | Learning analytics for online game-Based learning: a systematic literature review | |
KR20220053982A (ko) | 인공지능 기반 학원 추천 방법 | |
Ding et al. | EduAware: using tablet-based navigation gestures to predict learning module performance | |
Hai-ling et al. | Big data technology applied to learning behavior evaluation system |
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 |