CN115086363A - 学习任务的预警方法、装置、电子设备和存储介质 - Google Patents

学习任务的预警方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN115086363A
CN115086363A CN202210562600.1A CN202210562600A CN115086363A CN 115086363 A CN115086363 A CN 115086363A CN 202210562600 A CN202210562600 A CN 202210562600A CN 115086363 A CN115086363 A CN 115086363A
Authority
CN
China
Prior art keywords
sub
learning task
learning
early
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.)
Granted
Application number
CN202210562600.1A
Other languages
English (en)
Other versions
CN115086363B (zh
Inventor
李科研
李良斌
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.)
Beijing SoundAI Technology Co Ltd
Original Assignee
Beijing SoundAI 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 Beijing SoundAI Technology Co Ltd filed Critical Beijing SoundAI Technology Co Ltd
Priority to CN202210562600.1A priority Critical patent/CN115086363B/zh
Publication of CN115086363A publication Critical patent/CN115086363A/zh
Application granted granted Critical
Publication of CN115086363B publication Critical patent/CN115086363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18Status alarms
    • G08B21/182Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18Status alarms
    • G08B21/24Reminder alarms, e.g. anti-loss alarms

Landscapes

  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及一种学习任务的预警方法、装置、电子设备和存储介质。该方法包括:根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务;生成与所述第一待预警学习任务对应的第一预警信息。该方法能够得到各学习任务的完成情况,方便监测和管理各学习任务。

Description

学习任务的预警方法、装置、电子设备和存储介质
技术领域
本公开涉及数据处理技术领域,尤其涉及一种学习任务的预警方法、装置、电子设备和存储介质。
背景技术
随着互联网技术的发展,各种线上教育产业也在蓬勃发展,线上教育平台中,基于线上教育平台,用户不仅可以参加实时在线课堂、观看课程视频,还可以完成线上考试,以巩固知识点、检测学习成果。
相关技术中,可以实时监测到各用户的学习情况,然而,无法监测到各学习任务的完成情况。
发明内容
本公开提供了一种学习任务的预警方法、装置、电子设备和存储介质,能够得到各学习任务的完成情况,方便监测和管理各学习任务。
第一方面,本公开提供了一种学习任务的预警方法,包括:
根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;
根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;
根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务;
生成与所述第一待预警学习任务对应的第一预警信息。
可选的,所述方法还包括:
根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;
根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例;
根据所述第二完成比例,确定所述各子学习任务中的第一待预警子学习任务和/或所述第一待预警子学习任务对应的第一待预警用户的身份信息;所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务;
根据所述第一待预警子学习任务和/或所述第一待预警用户的身份信息,生成第二预警信息。
可选的,所述确定各子学习任务的第二完成人数,包括:
确定各用户针对所述各子学习任务的第二完成进度;
根据所述各用户针对目标子学习任务的第二完成进度,确定所述目标子学习任务的第二完成人数,所述目标子学习任务为所述各子学习任务中的任一子学习任务;
所述根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例之后,所述方法还包括:
根据所述各子学习任务的第二完成比例,确定所述各学习任务的第一完成进度;
根据所述第一完成进度,确定所述各学习任务中的第二待预警学习任务;
生成与所述第二待预警学习任务对应的第三预警信息。
可选的,所述根据所述第二完成比例,确定所述第一待预警子学习任务和所述各子学习任务中的所述第一待预警子学习任务对应的第一待预警用户的身份信息之后,所述方法还包括:
基于所述第一待预警子学习任务的标识信息和所述第一待预警用户的身份信息,确定所述第一待预警用户针对所述第一待预警子学习任务的当前完成进度;
基于所述当前完成进度、所述第一待预警子学习任务的标识信息以及所述第一待预警用户的身份信息,生成第四预警信息。
可选的,所述确定所述各子学习任务的第二完成比例之后,所述方法还包括:
根据所述第二完成比例,确定第二待预警子学习任务和/或所述第二待预警子学习任务对应的第二待预警用户的身份信息;其中,所述第二待预警子学习任务为所述第二完成比例大于或等于第二预设比例阈值的子学习任务;
响应于确定第二待预警子学习任务和所述第二待预警子学习任务对应的第二待预警用户的身份信息,基于所述第二待预警子学习任务的标识信息和所述第二待预警用户的身份信息,确定所述第二待预警用户针对所述第二待预警子学习任务的学习时长;
响应于所述学习时长大于或等于预设时长阈值,基于所述第二待预警子学习任务的标识信息以及所述第二待预警用户的身份信息,生成第四预警信息。
可选的,所述确定各用户针对所述各子学习任务的第二完成进度之后,还包括:
响应于所述各子学习任务中存在目标子学习任务,获取第一目标用户在所述目标子学习任务的学习过程中的第一学习数据信息;所述目标子学习任务为所述第二完成进度小于预设进度阈值的任一子学习任务;
根据所述第一学习数据信息,确定所述第一目标用户未完成所述目标子学习任务的原因信息;
根据所述第一目标用户未完成所述目标子学习任务的原因信息,生成第四预警信息。
可选的,所述方法还包括:
获取第二目标用户的第二学习数据信息;所述第二目标用户包括第一待预警用户、第二待预警用户以及第一目标用户中的至少一个;
基于所述第二目标用户的第二学习数据信息,确定所述第二目标用户的学习时间信息;
根据所述第二目标用户的学习时间信息,确定预警信息推送时间;
在所述预警信息推送时间,向所述第二目标用户推送第四预警信息。
第二方面,本公开提供了一种学习任务的预警装置,包括:
确定模块,用于根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务;
预警装置,用于生成与所述第一待预警学习任务对应的第一预警信息。
第三方面,本公开提供了一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一种方法的步骤。
第四方面,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一种方法的步骤。
本公开提供的技术方案中,通过根据各子学习任务的用户信息,各学习任务的第一完成人数,各学习任务中包括至少一个子学习任务;根据各学习任务的第一完成人数,确定各学习任务的第一完成比例;根据第一完成比例,确定各学习任务中的第一待预警学习任务;生成与第一待预警学习任务对应的第一预警信息,第一预警信息可以展示完成情况较差的学习任务。如此,基于第一完成比例可以得到各学习任务的完成情况,方便监测和管理各学习任务,还可以基于第一预警信息展示出完成比例较差的学习任务,方便定位完成比例较差的学习任务。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开提供的一种学习系统的结构示意图;
图2为本公开提供的一种学习任务的预警方法的流程示意图;
图3为本公开提供的另一种学习任务的预警方法的流程示意图;
图4为本公开提供的又一种学习任务的预警方法的流程示意图;
图5为本公开提供的又一种学习任务的预警方法的流程示意图;
图6为本公开提供的又一种学习任务的预警方法的流程示意图;
图7为本公开提供的又一种学习任务的预警方法的流程示意图;
图8为本公开提供的又一种学习任务的预警方法的流程示意图;
图9为本公开提供的又一种学习任务的预警方法的流程示意图;
图10为本公开提供的一种学习任务的预警装置的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
图1为本公开提供的一种学习系统的结构示意图,如图1所示,学习系统中包括:至少一个学习任务11、展示装置12和预警装置13,展示装置12可以向用户展示学习任务11,例如,展示装置12可以是显示器,通过显示器向用户展示学习任务11,学习任务11的展示形式可以是视频、文档、PPT和试题中的至少一种。一些实施例中,学习系统还包括选择器和/或输入装置,基于选择器和/或输入装置可以针对展示装置12展示的试题进行作答。各学习任务11中可以包括一个子学习任务,也可以包括多个子学习任务,本公开主要针对各学习任务11中包括多个子学习任务的场景进行讨论。
一些实施例中,子学习任务的展示形式为视频和试题,用户完成各子学习任务的过程可以为:用户先观看各子学习任务的视频,并在观看完视频后,针对该子学习任务的试题进行作答,作答完所有的试题后,可以确定用户完成该子学习任务,或者,可以在作答结果满足预设条件时确定用户完成该子学习任务。
一些实施例中,子学习任务的展示形式为试题,用户完成各子学习任务的过程可以为:用户对子学习任务中的所有试题进行作答,作答完所有的试题后,可以确定用户完成该子学习任务,或者,可以在作答结果满足预设条件时确定用户完成该子学习任务。
本公开中,可以实时监测各用户针对各子学习任务的学习情况,基于各用户针对各子学习任务的学习情况,可以确定各子学习任务的用户信息。可以根据各子学习任务的用户信息,以及各学习任务中包括的所有子学习任务,可以确定出完成各学习任务中的所有子学习任务的用户的实际人数,即各学习任务的第一完成人数。
本公开中,通过根据各子学习任务的用户信息,确定各学习任务的第一完成人数,各学习任务中包括至少一个子学习任务;根据各学习任务的第一完成人数,确定各学习任务的第一完成比例;根据各学习任务的第一完成比例,确定各学习任务中的第一待预警学习任务,生成与第一待预警学习任务对应的第一预警信息,第一预警信息可以展示完成比例较差的学习任务。如此,基于第一完成比例可以得到各学习任务的完成情况,方便监测和管理各学习任务,还可以基于第一预警信息展示出完成比例较差的学习任务,方便定位完成比例较差的学习任务。
下面以几个具体的实施例来详细描述上述技术方案的内容。
图2为本公开提供的一种学习任务的预警方法的流程示意图,如图2所示,包括:
S101,根据各子学习任务的用户信息,确定各学习任务的第一完成人数。
所述各学习任务中包括至少一个子学习任务。
一些实施例中,学习系统中包括一个学习任务,且该学习任务中包括多个子学习任务。基于监测到的各用户针对学习任务中的各子学习任务的学习情况,可以确定出各子学习任务的用户信息,例如,子学习任务的用户信息可以是完成该子学习任务的用户人数,或者可以是完成该子学习任务的用户的身份信息。根据各子学习任务的用户信息,可以确定是否有用户完成了学习任务中的所有子学习任务,这些完成了学习任务中的所有子学习任务的用户即为完成学习任务的用户。在有用户完成了学习任务中的所有子学习任务的情况下,可以进一步确定出完成学习任务的用户的实际人数,也就是说,可以确定出学习任务的第一完成人数。
例如,学习系统中包括学习任务A1,学习任务A1中包括子学习任务a1和a2,其中,完成子学习任务a1的用户的身份信息为U2、U3、U4、U5、U6、U7、和U8,完成子学习任务a2的用户的身份信息为U5、U6、U7、和U8。显然,同时完成子学习任务a1和a2的用户的身份信息为U5、U6、U7、和U8,如此,可以确定出完成学习任务A1的用户的实际人数为4,即学习任务A1的第一完成人数为4。
需要说明的是,本实施例中仅以两个子学习任务为例对学习任务中包括的子学习任务的数量进行示例性说明,在实际应用中,可以灵活设置学习任务中的子学习任务的数量,本公开对学习任务中包括的子学习任务的数量不做具体限制。
一些实施例中,学习系统中包括多个学习任务,且各学习任务中包括多个子学习任务。基于监测到的各用户针对学习系统中的各子学习任务的学习情况,可以确定出完成各子学习任务的用户信息。根据各子学习任务的用户信息,以及各学习任务中包括的所有子学习任务,可以确定针对每个学习任务,是否有用户完成该学习任务中的所有子学习任务,完成各学习任务中的所有子学习任务的用户即为完成各学习任务的用户。在有用户完成某一学习任务中的所有子学习任务的情况下,可以进一步确定出完成该学习任务的用户的实际人数,也就是说,可以确定出各学习任务的第一完成人数。
例如,学习系统中包括学习任务A1和A2,学习任务A1中包括子学习任务a1和a2,学习任务A2中包括子学习任务a3和a4,其中,完成子学习任务a1的用户为U2、U3、U4、U5、U6、U7、和U8,完成子学习任务a2的用户为U5、U6、U7、和U8,完成子学习任务a3的用户为U3、U4、U5、U6、和U7,完成子学习任务a4的用户为U6和U7。显然,同时完成子学习任务a1和a2的用户为U5、U6、U7、和U8,可以确定完成学习任务A1的用户的实际人数为4,即学习任务A1的第一完成人数为4。同时完成子学习任务a3和a4的用户为U6和U7,可以确定完成学习任务A2的用户的实际人数为2,即学习任务A2的第一完成人数为2。
需要说明的是,本实施例中仅以两个学习任务为例对学习系统中包括的学习任务的数量进行示例性说明,在实际应用中,可以灵活设置学习任务的数量,本公开对学习任务的数量不做具体限制。
S102,根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例。
示例性的,学习系统中针对每个学习任务预设一个应完成该学习任务的人数,即各学习任务的期望人数,根据各学习任务的第一完成人数与该学习任务的期望人数的比值,可以确定出各学习任务的第一完成人数在该学习任务的应完成人数中所占的比例,即确定出各学习任务的第一完成比例。基于各学习任务的第一完成比例,可以展示各学习任务的完成情况。
例如,基于上述实施例,学习任务A1的第一完成人数为4,学习任务A2的第一完成人数为2,若学习任务A1的期望人数为30,学习任务A2的期望人数为20,则学习任务A1的第一完成比例为4/30,即13.3%,学习任务A2的第一完成比例为2/20,即10%。
S103,根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务。
示例性的,学习系统中设置有第一预设比例,将所有学习任务的第一完成比例与第一预设比例进行比较,确定出小于第一预设比例的第一完成比例,小于第一预设比例的第一完成比例的学习任务即为完成比例较差的学习任务。如此,将完成比例较差的学习任务作为需要向用户预警的学习任务,即第一待预警学习任务,方便用户及时获取完成比例较差的学习任务。
S104,生成与所述第一待预警学习任务对应的第一预警信息。
根据第一待预警学习任务,生成对应的第一预警信息,其中,第一预警信息中可以包括第一待预警学习任务的相关信息,如此,基于第一预警信息可以向学习系统的管理员用户展示完成比例较差学习任务。例如,第一预警信息中包括第一待预警学习任务的主题、标识、完成比例、未完成用户的身份信息等。
本实施例中,通过根据各子学习任务的用户信息,确定各学习任务的第一完成人数,各学习任务中包括至少一个子学习任务;根据各学习任务的第一完成人数,确定各学习任务的第一完成比例;根据第一完成比例,确定各学习任务中的第一待预警学习任务;生成与第一待预警学习任务对应的第一预警信息,第一预警信息可以展示完成情况较差的学习任务。如此,基于第一完成比例可以得到各学习任务的完成情况,方便监测和管理各学习任务,还可以基于第一预警信息展示出完成比例较差的学习任务,方便定位完成比例较差的学习任务。
图3为本公开提供的另一种学习任务的预警方法的流程示意图,图3为图2所示实施例的基础上,还包括:
S201,根据各子学习任务的用户信息,确定各子学习任务的第二完成人数。
基于监测到的各用户针对学习系统中的各子学习任务的学习情况,可以确定出完成各子学习任务的用户的身份信息。示例性的,若子学习任务的用户信息为完成该子学习任务的用户的身份信息,基于完成各子学习任务的用户的身份信息,可以确定出完成各子学习任务的实际人数,即各子学习任务的第二完成人数。
例如,学习系统中包括学习任务A1和A2,学习任务A1中包括子学习任务a1和a2,学习任务A2中包括子学习任务a3和a4。完成子学习任务a1的用户的身份信息为U2、U3、U4、U5、U6、U7、和U8,则完成子学习任务a1的实际人数为7,完成子学习任务a2的用户的身份信息为U5、U6、U7、和U8,则完成子学习任务a2的实际人数为4,完成子学习任务a3的用户的身份信息为U5、U6、和U7,则完成子学习任务a3的实际人数为3,完成子学习任务a4的用户的身份信息为U6和U7,则完成子学习任务a3的实际人数为2。如此,子学习任务a1的第二完成人数为7,子学习任务a2的第二完成人数为4,子学习任务a3的第二完成人数为3,子学习任务a2的第二完成人数为2。
S203,根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例。
示例性的,学习系统中针对各学习任务预设一个应完成该学习任务的人数,即各学习任务的期望人数,同一学习任务中的各子学习任务的期望人数均为该学习任务的期望人数,相当于学习系统中针对各子学习任务预设一个应完成该子学习任务的人数,即各子学习任务的期望人数。根据各子学习任务的第二完成人数与该子学习任务的期望人数的比值,可以确定出各子学习任务的第二完成人数在该子学习任务的应完成人数中所占的比例,即确定出各子学习任务的第二完成比例。基于各子学习任务的第二完成比例,可以向用户展示各子学习任务的完成情况。
例如,学习任务A1的期望人数为30,学习任务A2的期望人数为20,也就是说,子学习任务a1的期望人数为30,子学习任务a2的期望人数为30,子学习任务a3的期望人数为20,子学习任务a4的期望人数为20。基于上述实施例,子学习任务a1的第二完成比例为7/30,即23.3%,子学习任务a2的第二完成比例为4/30,即13.3%,子学习任务a3的第二完成比例为3/20,即15%,子学习任务a4的第二完成比例为2/20,即10%。
作为根据第二完成比例,生成第二预警信息的一种可能的实现方式的具体描述,如图3所示:
S205,根据所述第二完成比例,确定各子学习任务中的第一待预警子学习任务。
所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务。
示例性的,学习系统中设置有第一预设比例阈值,将所有子学习任务的第二完成比例与第一预设比例阈值进行比较,确定出小于第一预设比例阈值的第二完成比例,小于第一预设比例阈值的第二完成比例的子学习任务即为完成比例较差的子学习任务。如此,可以将完成比例较差的子学习任务作为需要向用户预警的子学习任务,即第一待预警子学习任务,方便用户及时获取完成比例较差的子学习任务。
S207,根据所述第一待预警子学习任务,生成第二预警信息。
根据第一待预警子学习任务,生成对应的第二预警信息,其中,第二预警信息中可以包括第一待预警子学习任务的相关信息,如此,基于第二预警信息可以向学习系统的管理员用户展示完成情况较差子学习任务。例如,第二预警信息中包括完成比例较差的子学习任务的主题、标识、完成比例、未完成用户的身份信息等。
本实施例中,通过根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;根据各子学习任务的第二完成人数,确定各子学习任务的第二完成比例;根据第二完成比例,确定各子学习任务中的第一待预警子学习任务,第一待预警子学习任务为第二完成比例小于第一预设比例阈值的子学习任务;根据第一待预警子学习任务,生成第二预警信息,第二预警信息可以展示完成比例较差的子学习任务。如此,基于第二完成比例可以得到各子学习任务的完成情况,方便监测和管理各子学习任务,还可以基于第二预警信息展示出完成比例较差的子学习任务,方便定位完成比例较差的子学习任务。
作为根据第二完成比例,生成第二预警信息的另一种可能的实现方式的具体描述,如图4所示:
S205’,根据所述第二完成比例,确定所述各子学习任务中的第一待预警子学习任务对应的第一待预警用户的身份信息。
所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务。
示例性的,学习系统中设置有第一预设比例阈值,将所有子学习任务的第二完成比例与第一预设比例阈值进行比较,确定出小于第一预设比例阈值的第二完成比例,确定小于第一预设比例阈值的第二完成比例的子学习任务为第一待预警子学习任务。基于各用户针对各子学习任务的学习情况,可以确定未完成第一待预警子学习任务的用户的身份信息,即第一待预警子学习任务对应的第一待预警用户的身份信息。
S207’,根据所述第一待预警用户的身份信息,生成第二预警信息。
根据第一待预警子学习任务对应的第一待预警用户的身份信息,生成第一待预警用户的身份信息对应的第二预警信息,其中,第二预警信息中可以包括第一待预警用户的身份信息,如此,基于第二预警信息可以向学习系统的管理员用户展示第一待预警用户的身份信息。例如,第二预警信息中包括第一待预警用户的用户名、网络协议地址、物理地址等。
本实施例中,通过根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;根据各子学习任务的第二完成人数,确定各子学习任务的第二完成比例;根据第二完成比例,确定各子学习任务的第一待预警子学习任务对应的第一待预警用户的身份信息,第一待预警子学习任务为第二完成比例小于第一预设比例阈值的子学习任务;根据第一待预警用户的身份信息,生成第二预警信息,第二预警信息可以展示未完成第一待预警子学习任务的用户的身份信息。如此,基于第二完成比例可以得到各子学习任务的完成情况,方便监测和管理各子学习任务,还可以基于第二预警信息展示出完成比例较差的子学习任务对应的未完成用户的身份信息,方便定位完成比例较差的子学习任务对应的用户。
作为根据第二完成比例,生成第二预警信息的又一种可能的实现方式的具体描述,如下:
S205”,根据所述第二完成比例,确定所述各子学习任务中的第一待预警子学习任务和所述第一待预警子学习任务对应的第一待预警用户的身份信息。
所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务。
示例性的,S205”可以理解为同时执行上述实施例中的S205和S205’,得到S205中的第一待预警子学习任务,以及S205’中的第一待预警子学习任务对应的第一待预警用户的身份信息。
S207”,根据所述第一待预警子学习任务和所述第一待预警用户的身份信息,生成第二预警信息。
示例性的,S207”可以理解为同时执行上述实施例中的S207和S207’,基于第一待预警子学习任务和第一待预警用户的身份信息,生成第二预警信息。第二预警信息中可以包括第一待预警子学习任务和未完成第一待预警子学习任务的用户的身份信息,如此,基于第二预警信息可以向学习系统的管理员用户展示完成比例较差的子学习任务及其对应的未完成用户的信息。例如,第二预警信息中包括第一待预警用户的用户名、网络协议地址、物理地址等中的至少一种,还包括完成比例较差的子学习任务的主题、标识、完成比例、未完成用户的身份信息等中的至少一种。
本实施例中,通过根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;根据各子学习任务的第二完成人数,确定各子学习任务的第二完成比例;根据第二完成比例,确定各子学习任务的第一待预警子学习任务和第一待预警子学习任务对应的第一待预警用户的身份信息,第一待预警子学习任务为第二完成比例小于第一预设比例阈值的子学习任务;根据第一待预警子学习任务和第一待预警用户的身份信息,生成第二预警信息,第二预警信息可以展示完成比例较差的子学习任务及其对应的未完成用户的信息。如此,基于第二完成比例可以得到各子学习任务的完成情况,方便监测和管理各子学习任务,还可以基于第二预警信息展示出完成比例较差的子学习任务,方便定位完成比例较差的子学习任务,还可以基于第二预警信息展示出完成比例较差的子学习任务对应的未完成用户的信息,方便定位完成比例较差的子学习任务对应的未完成用户。
图5为本公开提供的又一种学习任务的预警方法的流程示意图,图5为图3所示实施例的基础上,作为执行S201时的一种可能的实现方式的具体描述,如下:
S301,确定各用户针对所述各子学习任务的第二完成进度。
示例性的,子学习任务的用户信息可以是该子学习任务中各用户已完成试题的数量,各子学习任务中包括预置数量的试题,可以根据各子学习任务中各用户已完成试题的数量与该子学习任务的预置数量的比值,确定出各用户针对各子学习任务的第二完成进度。例如,学习任务A1包括子学习任务a1和a2,子学习任务a1包括N1个试题,子学习任务a2中包括N2个试题,子学习任务a1中用户U1完成n1个试题,用户U2完成n2个试题,子学习任务a2中用户U1完成n1’个试题,用户U2完成n2’个试题。如此,可以确定用户U1针对子学习任务a1的第二完成进度为n1/N1,用户U1针对子学习任务a2的第二完成进度为n1’/N2,用户U2针对子学习任务a1的第二完成进度为n2/N1,用户U2针对子学习任务a2的第二完成进度为n2’/N2。
需要说明的是,本实施例仅以两个用户为例对用户针对各子学习任务的第二完成进度进行示例性说明,在实际应用中,在上述实施例的基础上,针对学习系统中的所有用户,均可以确定出针对各子学习任务的第二完成进度。
S302,根据各用户针对目标子学习任务的第二完成进度,确定所述目标子学习任务的第二完成人数。
所述目标子学习任务为所述各子学习任务中的任一子学习任务。
示例性的,目标子学习任务为所有子学习任务中的任一个子学习任务,可以得到所有用户针对该目标子学习任务的第二完成进度,若所有用户针对该目标子学习任务的第二完成进度中存在100%,可以确定100%对应的用户为已完成该子学习任务的用户。例如,基于上述实施例,若n1=N1,n1’=n2’=N2,则用户U1针对子学习任务a1的第二完成进度为100%,用户U1针对子学习任务a2的第二完成进度100%,用户U2针对子学习任务a2的第二完成进度为100%。可以确定用户U1完成子学习任务a1和a2,用户U2完成子学习任务a2,则子学习任务a1的第二完成人数为1,子学习任务a2的第二完成人数为2。
在上述实施例的基础上,如图5所示,执行S203之后,还包括:
S303,根据所述各子学习任务的第二完成比例,确定所述各学习任务的第一完成进度。
一些实施例中,可以将每个学习任务中的所有子学习任务的第二完成比例的平均值作为该学习任务的完成进度,即各学习任务的第一完成进度。例如,学习系统中包括学习任务A1和A2,学习任务A1中包括子学习任务a1和a2,学习任务A2中包括子学习任务a3和a4,子学习任务a1的第二完成比例为30%,子学习任务a2的第二完成比例为40%,子学习任务a3的第二完成比例为40%,子学习任务a4的第二完成比例为10%,如此,可以确定学习任务A1的第一完成进度为(30%+40%)/2=35%,学习任务A2的第一完成进度为(40%+10%)/2=25%。
一些实施例中,可以对每个学习任务中的所有子学习任务各自的第二完成比例赋权值,将每个学习任务中的所有子学习任务各自的第二完成比例的加权平均值作为该学习任务的完成进度,即各学习任务的第一完成进度。例如,学习系统中包括学习任务A1和A2,学习任务A1中包括子学习任务a1和a2,学习任务A2中包括子学习任务a3和a4,子学习任务a1的第二完成比例为30%,子学习任务a2的第二完成比例为40%,子学习任务a3的第二完成比例为40%,子学习任务a4的第二完成比例为10%,子学习任务a1的权值为P1,子学习任务a2的权值为1-P1,子学习任务a3的权值为P2,子学习任务a4的权值为1-P2。如此,可以确定学习任务A1的第一完成进度为30%*P1+40%*(1-P1),学习任务A2的第一完成进度为40%*P2+10%*(1-P2)。
基于第一完成进度,也可以展示各学习任务的完成情况,故而基于第一完成比例和第一完成进度,可以多维度展示各学习任务的完成情况,实现各学习任务的完成情况的多维度管理和监测。
S304,根据所述第一完成进度,确定所述各学习任务中的第二待预警学习任务。
示例性的,学习系统中设置有第一预设完成进度,将所有学习任务的第一完成进度与第一预设完成进度进行比较,确定出小于第一预设完成进度的第一完成进度,可以将小于第一预设完成进度的第一完成进度的学习任务作为需要向用户预警的学习任务,即第二待预警学习任务。
S305,生成与所述第二待预警学习任务对应的第三预警信息。
根据第二待预警学习任务,生成对应的第三预警信息,其中,第三预警信息中可以包括第二待预警学习任务的相关信息,如此,基于第三预警信息可以向学习系统的管理员用户展示完成进度较差学习任务。例如,第三预警信息中包括第二待预警学习任务的主题、标识、完成比例、未完成用户的身份信息等。
本实施例中,通过确定各用户针对各子学习任务的第二完成进度;根据各用户针对目标子学习任务的第二完成进度,确定目标子学习任务的第二完成人数,目标子学习任务为各子学习任务中的任一子学习任务;根据各子学习任务的第二完成比例,确定各学习任务的第一完成进度;根据第一完成进度,确定各学习任务中的第二待预警学习任务;生成与第二待预警学习任务对应的第三预警信息。如此,可以基于第一完成比例和第一完成进度,多维度展示各学习任务的完成情况,实现各学习任务的完成情况的多维度管理和监测。
图6为本公开提供的又一种学习任务的预警方法的流程示意图,执行S207”之后,如图6所示,还包括:
S401,基于所述第一待预警子学习任务的标识信息和所述第一待预警用户的身份信息,确定所述第一待预警用户针对所述第一待预警子学习任务的当前完成进度。
示例性的,每个第一待预警子学习任务的标识信息对应一个或多个第一待预警用户的身份信息,基于此,可以确定出每个第一待预警用户的身份信息对应的一个或多个第一待预警子学习任务的标识信息。例如,学习系统中确定了两个第一待预警子学习任务,相应的标识信息为a1和a2,其中,标识信息a1对应两个第一待预警用户,且两个第一待预警用户的身份信息分别为U1和U2,标识信息a2也对应两个第一待预警用户,两个第一待预警用户的身份信息分别为U1和U3。如此,身份信息U1对应标识信息a1和a2,身份信息U2对应标识信息a1,身份信息U3对应标识信息a2。
针对每个第一待预警用户,确定该第一待预警用户针对相应的每一个第一待预警子学习任务的已完成试题的数量,根据第一待预警用户针对相应的每一个第一待预警子学习任务的已完成试题的数量,可以确定每个第一待预警用户针对相应的每一个第一待预警子学习任务的当前完成进度。例如,基于上述实施例,针对第一待预警用户U1,确定第一待预警用户U1针对第一待预警子学习任务a1的当前进度为30%,第一待预警用户U1针对第一待预警子学习任务a2的当前进度为80%。针对第一待预警用户U2,确定第一待预警用户U2针对第一待预警子学习任务a1的当前进度为40%。针对第一待预警用户U3,第一待预警用户U3针对第一待预警子学习任务a2的当前进度为56%。
S402,基于所述当前完成进度、所述第一待预警子学习任务的标识信息以及所述第一待预警用户的身份信息,生成第四预警信息。
示例性的,学习系统中设置有第一预设进度,将每个第一待预警用户针对相应的每一个第一待预警子学习任务的当前完成进度与预设进度进行比较,确定出小于预设进度的当前完成进度。根据小于预设进度的当前完成进度对应的第一待预警子学习任务的标识信息和第一待预警用户的身份信息,生成第四预警信息,如此,基于第四预警信息可以向第一待预警用户展示完成情况较差的子学习任务。
本实施例中,通过基于第一待预警子学习任务的标识信息和第一待预警用户的身份信息,确定第一待预警用户针对第一待预警子学习任务的当前完成进度;基于当前完成进度、第一待预警子学习任务的标识信息以及第一待预警用户的身份信息,生成第四预警信息,第四预警信息可以向第一待预警用户展示自身完成情况较差的子学习任务,方便各第一待预警用户定位完成情况较差的子学习任务。
图7为本公开提供的又一种学习任务的预警方法的流程示意图,图7为图3所示实施例的基础上,执行S202之后,还包括:
S501,根据所述第二完成比例,确定第二待预警子学习任务和/或所述第二待预警子学习任务对应的第二待预警用户的身份信息。
其中,所述第二待预警子学习任务为所述第二完成比例大于或等于第二预设比例阈值的子学习任务。
示例性的,学习系统中设置有第二预设比例阈值,将所有子学习任务的第二完成比例与第二预设比例阈值进行比较,确定出不小于第二预设比例阈值的第二完成比例,不小于第二预设比例阈值的第二完成比例的子学习任务即为完成情况较好的子学习任务。可以将完成情况较好的子学习任务作为第二待预警子学习任务,基于各用户针对各子学习任务的学习情况,可以确定第二待预警子学习任务的用户的身份信息,即第二待预警子学习任务对应的第二待预警用户的身份信息。
S502,响应于确定第二待预警子学习任务和所述第二待预警子学习任务对应的第二待预警用户的身份信息,基于所述第二待预警子学习任务的标识信息和所述第二待预警用户的身份信息,确定所述第二待预警用户针对所述第二待预警子学习任务的学习时长。
若确定出第二待预警子学习任务和第二待预警子学习任务对应的第二待预警用户的身份信息,每个第二待预警子学习任务的标识信息对应一个或多个第二待预警用户的身份信息,基于此,可以确定出每个第二待预警用户的身份信息对应的一个或多个第二待预警子学习任务的标识信息。例如,学习系统中确定了两个第二待预警子学习任务,相应的标识信息为a3和a4,其中,标识信息a3对应两个第二待预警用户,且两个第二待预警用户的身份信息分别为U4和U5,标识信息a4也对应两个第二待预警用户,两个第二待预警用户的身份信息分别为U4和U6。如此,身份信息U4对应标识信息a3和a4,身份信息U5对应标识信息a3,身份信息U6对应标识信息a4。
基于每个第二待预警用户的身份信息对应的一个或多个第二待预警子学习任务的标识信息,针对每个第二待预警用户,可以确定该第二待预警用户针对相应的每一个第二待预警子学习任务的学习时长。例如,基于上述实施例,针对第二待预警用户U3,确定第二待预警用户U4针对第二待预警子学习任务a3的学习时长为T1,第二待预警用户U4针对第二待预警子学习任务a4的学习时长为T2。针对第二待预警用户U5,确定第二待预警用户U5针对第二待预警子学习任务a3的学习时长为T3。针对第二待预警用户U6,第二待预警用户U6针对第一待预警子学习任务a4的学习时长为T4。
S503,响应于所述学习时长大于或等于预设时长阈值,基于所述第二待预警子学习任务的标识信息以及所述第二待预警用户的身份信息,生成第四预警信息。
示例性的,学习系统中设置有预设时长,将每个第二待预警用户针对相应的每一个第二待预警子学习任务的学习时长与预设时长进行比较,确定出大于预设时长的学习时长。大于预设时长的学习时长对应的第二待预警子学习任务为学习时间较长的子学习任务,也可以理解为掌握情况不好的子学习任务,大于预设时长的学习时长对应的第二待预警用户为对相应的第二待预警子学习任务掌握不好的用户。例如,预设时长为Tth,基于上述实施例,若T1>Tth,T2<Tth,T3<Tth,T4=Tth,则第二待预警用户U4对第二待预警子学习任务a3的掌握情况不好,第二待预警用户U6对第二待预警子学习任务a4的掌握情况不好。
根据大于预设时长的学习时长对应的第二待预警子学习任务的标识信息和第二待预警用户的身份信息用户生成第四预警信息,如此,基于第四预警信息可以向第二待预警用户展示完成情况较好但掌握情况不佳的子学习任务,方便各第二待预警用户定位完成情况较好但掌握情况不佳的子学习任务。
本实施例中,通过根据第二完成比例,确定第二待预警子学习任务和/或第二待预警子学习任务对应的第二待预警用户的身份信息;其中,第二待预警子学习任务为第二完成比例大于或等于第二预设比例阈值的子学习任务;响应于确定第二待预警子学习任务和第二待预警子学习任务对应的第二待预警用户的身份信息,基于第二待预警子学习任务的标识信息和第二待预警用户的身份信息,确定第二待预警用户针对第二待预警子学习任务的学习时长;响应于学习时长大于或等于预设时长阈值,基于第二待预警子学习任务的标识信息以及第二待预警用户的身份信息,生成第四预警信息,第四预警信息可以向第二待预警用户展示自身完成情况较好但掌握情况不佳的子学习任务,方便各第二待预警用户定位完成情况较好但掌握情况不佳的子学习任务。
图8为本公开提供的又一种学习任务的预警方法的流程示意图,图8为图5所示实施例的基础上,执行S301之后,还包括:
S601,响应于所述各子学习任务中存在目标子学习任务,获取第一目标用户在所述目标子学习任务的学习过程中的第一学习数据信息。
所述目标子学习任务为所述第二完成进度小于预设进度阈值的任一子学习任务。
示例性的,学习系统中设置有预设进度阈值,将每个用户针对各子学习任务的第二完成进度与预设进度阈值进行比较,确定小于预设进度阈值的第二完成进度,将小于预设进度阈值的第二完成进度对应的子学习任务作为目标子学习任务。
学习系统实时监测各用户在各子学习任务的学习过程中的第一学习数据信息,如此,若所有子学习任务中存在目标子学习任务,可以得到第一目标用户在目标子学习任务的学习过程中第一学习数据信息,例如,第一学习数据信息可以是未完成的试题的内容、未完成的试题对应的知识点、学习过程中是否打开其他应用程序等数据信息。
S602,根据所述第一学习数据信息,确定所述第一目标用户未完成所述目标子学习任务的原因信息。
一些实施例中,第一学习数据信息为学习过程中是否打开其他应用程序,若第一目标用户学习目标子学习任务的学习过程中有打开其他应用程序,则可以确定出第一目标用户未完成目标子学习任务的原因信息为:注意力不集中。一些实施例中,第一学习数据信息为未完成的试题的内容,则可以确定出第一目标用户未完成目标子学习任务的原因信息为:未掌握某些知识点,具体未掌握的知识点为未完成的试题对应的知识点。一些实施例中,第一学习数据信息为未完成的试题对应的知识点,则可以确定出第一目标用户未完成目标子学习任务的原因信息为:未掌握未完成的试题对应的知识点。
S603,根据所述第一目标用户未完成所述目标子学习任务的原因信息,生成第四预警信息。
一些实施例中,第一目标用户未完成目标子学习任务的原因信息为:注意力不集中,可以基于第一目标用户打开其他应用程序的时间段,确定打开其他应用程序的时间段内目标子学习任务的视频对应的进度区间,可以基于该进度区间,生成第四预警信息,并将第四预警信息推送给第一目标用户,提醒第一目标用户重新观看目标子学习任务的视频在该进度区间内的内容。
一些实施例中,第一目标用户未完成目标子学习任务的原因信息为:未掌握未完成的试题对应的知识点,可以基于未完成的试题对应的知识点,生成第四预警信息,并将第四预警信息推送给第一目标用户,提醒第一目标用户重新学习未完成的试题对应的知识点。
本实施例中,通过响应于各子学习任务中存在目标子学习任务,获取第一目标用户在所述目标子学习任务的学习过程中的第一学习数据信息;目标子学习任务为所述第二完成进度小于预设进度阈值的任一子学习任务;根据第一学习数据信息,确定第一目标用户未完成目标子学习任务的原因信息;根据第一目标用户未完成目标子学习任务的原因信息,生成第四预警信息,可以自动分析用户未完成子学习任务的原因信息,且可以基于未完成子学习任务的原因信息生成预警信息,以提醒用户采取相应的措施来继续学习未完成的子学习任务。
图9为本公开提供的又一种学习任务的预警方法的流程示意图,图9为图7所示实施例的基础上,还包括:
S701,获取第二目标用户的第二学习数据信息。
所述第二目标用户包括第一待预警用户、第二待预警用户以及第一目标用户中的至少一个。
示例性的,学习系统中记录有每个用户的第二学习数据信息,例如,第二学习数据信息包括用户登录学习系统的时间、退出学习系统的时间、相邻登录时间的时间间隔等中的至少一种。若第二目标用户为第一待预警用户,基于第一待预警用户的身份信息,可以从记录的所有用户的第二学习数据信息中,找出第一待预警用户的第二学习数据信息。若第二目标用户为第二待预警用户,基于第二待预警用户的身份信息,可以从记录的所有用户的第二学习数据信息中,找出第二待预警用户的第二学习数据信息。若第二目标用户为第一目标用户,基于第一目标用户的身份信息,可以从记录的所有用户的第二学习数据信息中,找出第一目标用户的第二学习数据信息。
S702,基于所述第二目标用户的第二学习数据信息,确定所述第二目标用户的学习时间信息。
示例性的,第二学习数据信息包括用户登录学习系统的时间和退出学习系统的时间,可以基于第二目标用户登录学习系统的时间和退出学习系统的时间来确定第二目标用户的学习时间信息。例如,第二目标用户U1登录学习系统的时间为周一至周三的13:00,第二目标用户U1退出学习系统的时间为周一至周三的16:00,则可以确定该第二目标用户U1的学习时间信息为周一至周三的13:00-16:00。
S703,根据所述第二目标用户的的学习时间信息,确定预警信息推送时间。
基于第二目标用户的学习时间信息,可以确定预警信息推送时间为第二目标用户的学习时间中的任意时间段,例如,第二目标用户U1的学习时间为周一至周三的13:00-16:00,可以确定预警信息推送时间为周一至周三的14:00-14:05。
S704,在所述预警信息推送时间,向所述第二目标用户推送所述第四预警信息。
示例性的,第二目标用户U1为第一待预警用户,第四预警信息中包括第一待预警用户的身份信息,可以基于第一待预警用户的身份信息,可以向第一待预警用户推送第四预警信息。在其他实施方式中,第二目标用户U1为第二待预警用户,第四预警信息中包括第二待预警用户的身份信息,可以基于第二待预警用户的身份信息,可以向第二待预警用户推送第四预警信息。或者,第二目标用户U1为第一目标用户,第四预警信息中包括第一目标用户的身份信息,可以基于第一目标用户的身份信息,向第一目标用户推送第四预警信息。例如,基于上述实施例,在周一至周三的14:00-14:05,向第二目标用户U1推送第四预警信息。
本实施例中,获取第二目标用户的第二学习数据信息;第二目标用户包括第一待预警用户、第二待预警用户以及第一目标用户中的至少一个;基于第二目标用户的第二学习数据信息,确定第二目标用户的学习时间信息;根据第二目标用户的学习时间信息,确定预警信息推送时间;在预警信息推送时间,向第二目标用户推送第四预警信息,确保第二目标用户在学习时间内接收到预警信息,利于提升预警信息的有效性。
本公开还提供一种学习任务的预警装置,图10为本公开提供的一种学习任务的预警装置的结构示意图,如图10所示,学习任务的预警装置包括:
确定模块110,用于根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务。
预警装置120,用于生成与所述第一待预警学习任务对应的第一预警信息。
可选的,确定模块110,还用于根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例;根据所述第二完成比例,确定所述各子学习任务中的第一待预警子学习任务和/或所述第一待预警子学习任务对应的第一待预警用户的身份信息;所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务。
预警装置120,还用于根据所述第一待预警子学习任务和/或所述第一待预警用户的身份信息,生成第二预警信息。
可选的,确定模块110,进一步用于确定各用户针对所述各子学习任务的第二完成进度;根据所述各用户针对目标子学习任务的第二完成进度,确定所述目标子学习任务的第二完成人数,所述目标子学习任务为所述各子学习任务中的任一子学习任务。
确定模块110,还用于根据所述各子学习任务的第二完成比例,确定所述各学习任务的第一完成进度;根据所述第一完成进度,确定所述各学习任务中的第二待预警学习任务。
预警装置120,还用于生成与所述第二待预警学习任务对应的第三预警信息。
可选的,确定模块110,还用于基于所述第一待预警子学习任务的标识信息和所述第一待预警用户的身份信息,确定所述第一待预警用户针对所述第一待预警子学习任务的当前完成进度。
预警装置120,还用于基于所述当前完成进度、所述第一待预警子学习任务的标识信息以及所述第一待预警用户的身份信息,生成第四预警信息。
可选的,确定模块110,还用于根据所述第二完成比例,确定第二待预警子学习任务和/或所述第二待预警子学习任务对应的第二待预警用户的身份信息;其中,所述第二待预警子学习任务为所述第二完成比例大于或等于第二预设比例阈值的子学习任务;响应于确定第二待预警子学习任务和所述第二待预警子学习任务对应的第二待预警用户的身份信息,基于所述第二待预警子学习任务的标识信息和所述第二待预警用户的身份信息,确定所述第二待预警用户针对所述第二待预警子学习任务的学习时长。
预警装置120,还用于响应于所述学习时长大于或等于预设时长阈值,基于所述第二待预警子学习任务的标识信息以及所述第二待预警用户的身份信息,生成第四预警信息。
可选的,确定模块110,还用于响应于所述各子学习任务中存在目标子学习任务,获取第一目标用户在所述目标子学习任务的学习过程中的第一学习数据信息;所述目标子学习任务为所述第二完成进度小于预设进度阈值的任一子学习任务;根据所述第一学习数据信息,确定所述第一目标用户未完成所述目标子学习任务的原因信息。
预警装置120,还用于根据所述第一目标用户未完成所述目标子学习任务的原因信息,生成第四预警信息。
可选的,确定模块110,还用于获取第二目标用户的第二学习数据信息;所述第二目标用户包括第一待预警用户、第二待预警用户以及第一目标用户中的至少一个;基于所述第二目标用户的第二学习数据信息,确定所述第二目标用户的学习时间信息;根据所述第二目标用户的学习时间信息,确定预警信息推送时间。
学习任务的预警装置还包括:
推送模块,用于在所述预警信息推送时间,向所述第二目标用户推送第四预警信息。
本公开提供的装置,可用于执行上述方法实施例的步骤,其实现原理和技术效果类似,此处不再赘述。
本公开还提供一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现上述方法实施例的步骤。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的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公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,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 (10)

1.一种学习任务的预警方法,其特征在于,包括:
根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;
根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;
根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务;
生成与所述第一待预警学习任务对应的第一预警信息。
2.根据权利要求1所述方法,其特征在于,所述方法还包括:
根据各子学习任务的用户信息,确定各子学习任务的第二完成人数;
根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例;
根据所述第二完成比例,确定所述各子学习任务中的第一待预警子学习任务和/或所述第一待预警子学习任务对应的第一待预警用户的身份信息;所述第一待预警子学习任务为所述第二完成比例小于第一预设比例阈值的子学习任务;
根据所述第一待预警子学习任务和/或所述第一待预警用户的身份信息,生成第二预警信息。
3.根据权利要求2所述方法,其特征在于,所述确定各子学习任务的第二完成人数,包括:
确定各用户针对所述各子学习任务的第二完成进度;
根据所述各用户针对目标子学习任务的第二完成进度,确定所述目标子学习任务的第二完成人数,所述目标子学习任务为所述各子学习任务中的任一子学习任务;
所述根据所述各子学习任务的第二完成人数,确定所述各子学习任务的第二完成比例之后,所述方法还包括:
根据所述各子学习任务的第二完成比例,确定所述各学习任务的第一完成进度;
根据所述第一完成进度,确定所述各学习任务中的第二待预警学习任务;
生成与所述第二待预警学习任务对应的第三预警信息。
4.根据权利要求2所述方法,其特征在于,所述根据所述第二完成比例,确定所述第一待预警子学习任务和所述各子学习任务中的所述第一待预警子学习任务对应的第一待预警用户的身份信息之后,所述方法还包括:
基于所述第一待预警子学习任务的标识信息和所述第一待预警用户的身份信息,确定所述第一待预警用户针对所述第一待预警子学习任务的当前完成进度;
基于所述当前完成进度、所述第一待预警子学习任务的标识信息以及所述第一待预警用户的身份信息,生成第四预警信息。
5.根据权利要求2所述方法,其特征在于,所述确定所述各子学习任务的第二完成比例之后,所述方法还包括:
根据所述第二完成比例,确定第二待预警子学习任务和/或所述第二待预警子学习任务对应的第二待预警用户的身份信息;其中,所述第二待预警子学习任务为所述第二完成比例大于或等于第二预设比例阈值的子学习任务;
响应于确定第二待预警子学习任务和所述第二待预警子学习任务对应的第二待预警用户的身份信息,基于所述第二待预警子学习任务的标识信息和所述第二待预警用户的身份信息,确定所述第二待预警用户针对所述第二待预警子学习任务的学习时长;
响应于所述学习时长大于或等于预设时长阈值,基于所述第二待预警子学习任务的标识信息以及所述第二待预警用户的身份信息,生成第四预警信息。
6.根据权利要求3所述方法,其特征在于,所述确定各用户针对所述各子学习任务的第二完成进度之后,还包括:
响应于所述各子学习任务中存在目标子学习任务,获取第一目标用户在所述目标子学习任务的学习过程中的第一学习数据信息;所述目标子学习任务为所述第二完成进度小于预设进度阈值的任一子学习任务;
根据所述第一学习数据信息,确定所述第一目标用户未完成所述目标子学习任务的原因信息;
根据所述第一目标用户未完成所述目标子学习任务的原因信息,生成第四预警信息。
7.根据权利要求4-6任一项所述方法,其特征在于,所述方法还包括:
获取第二目标用户的第二学习数据信息;所述第二目标用户包括第一待预警用户、第二待预警用户以及第一目标用户中的至少一个;
基于所述第二目标用户的第二学习数据信息,确定所述第二目标用户的学习时间信息;
根据所述第二目标用户的学习时间信息,确定预警信息推送时间;
在所述预警信息推送时间,向所述第二目标用户推送第四预警信息。
8.一种学习任务的预警装置,其特征在于,包括:
确定模块,用于根据各子学习任务的用户信息,确定各学习任务的第一完成人数;所述各学习任务中包括至少一个子学习任务;根据所述各学习任务的第一完成人数,确定所述各学习任务的第一完成比例;根据所述第一完成比例,确定所述各学习任务中的第一待预警学习任务;
预警装置,用于生成与所述第一待预警学习任务对应的第一预警信息。
9.一种电子设备,其特征在于,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法的步骤。
CN202210562600.1A 2022-05-23 2022-05-23 学习任务的预警方法、装置、电子设备和存储介质 Active CN115086363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210562600.1A CN115086363B (zh) 2022-05-23 2022-05-23 学习任务的预警方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210562600.1A CN115086363B (zh) 2022-05-23 2022-05-23 学习任务的预警方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN115086363A true CN115086363A (zh) 2022-09-20
CN115086363B CN115086363B (zh) 2024-02-13

Family

ID=83250181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210562600.1A Active CN115086363B (zh) 2022-05-23 2022-05-23 学习任务的预警方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN115086363B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2267476A1 (en) * 1998-03-30 1999-09-30 Compuware Corporation Time management & task completion & prediction apparatus
US20040122784A1 (en) * 1999-05-04 2004-06-24 Lewis David D. Methods and apparatus for communicating information in a supervised learning system
EP2639716A2 (en) * 2012-03-09 2013-09-18 Apple Inc. Progress bar
CN103365761A (zh) * 2012-03-09 2013-10-23 苹果公司 进度条
CN103778510A (zh) * 2014-01-23 2014-05-07 北京荣之联科技股份有限公司 用于量化任务价值的任务管理方法及装置
CN107808561A (zh) * 2017-09-25 2018-03-16 刘勤学 一种基于网络技术实现儿童虚拟养育的系统与方法
CN108711325A (zh) * 2018-04-02 2018-10-26 南京课窝教育科技有限公司 英语学习的监控方法及装置
CN108805764A (zh) * 2018-05-31 2018-11-13 上海与德科技有限公司 一种作业进度监控方法、装置、终端及可读介质
CN108932681A (zh) * 2018-06-07 2018-12-04 河海大学 一种基于翻转课堂的高校辅助教学系统
WO2019033426A1 (zh) * 2017-08-18 2019-02-21 深圳市华第时代科技有限公司 在线教学系统的评分提示方法、装置、服务器及存储介质
CN109816120A (zh) * 2018-12-10 2019-05-28 平安科技(深圳)有限公司 机房运维管理方法、电子装置及存储介质
CN110084916A (zh) * 2019-05-06 2019-08-02 中国联合网络通信集团有限公司 下班打卡提醒方法及系统
CN110164249A (zh) * 2019-05-22 2019-08-23 重庆工业职业技术学院 一种计算机在线学习监督辅助系统
US20200097866A1 (en) * 2018-09-24 2020-03-26 International Business Machines Corporation Project resource risk management
CN111626372A (zh) * 2020-05-29 2020-09-04 安徽医学高等专科学校 一种线上教学监督管理方法及系统
CN112151017A (zh) * 2020-11-24 2020-12-29 北京声智科技有限公司 语音处理方法、装置、系统、设备及存储介质
CN113138828A (zh) * 2021-05-10 2021-07-20 上海松鼠课堂人工智能科技有限公司 通过显示动态图像提示学生答题的方法与系统
CN113570220A (zh) * 2021-07-14 2021-10-29 深圳市创茶网络科技有限公司 任务管理方法、装置、计算机设备和存储介质
CN114138327A (zh) * 2021-12-09 2022-03-04 赛尔网络有限公司 学习进度管理方法、装置、设备及介质
CN114298464A (zh) * 2021-11-18 2022-04-08 国网北京市电力公司 任务处理方法、装置、电子设备及计算机可读存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2267476A1 (en) * 1998-03-30 1999-09-30 Compuware Corporation Time management & task completion & prediction apparatus
US20040122784A1 (en) * 1999-05-04 2004-06-24 Lewis David D. Methods and apparatus for communicating information in a supervised learning system
EP2639716A2 (en) * 2012-03-09 2013-09-18 Apple Inc. Progress bar
CN103365761A (zh) * 2012-03-09 2013-10-23 苹果公司 进度条
CN103778510A (zh) * 2014-01-23 2014-05-07 北京荣之联科技股份有限公司 用于量化任务价值的任务管理方法及装置
WO2019033426A1 (zh) * 2017-08-18 2019-02-21 深圳市华第时代科技有限公司 在线教学系统的评分提示方法、装置、服务器及存储介质
CN107808561A (zh) * 2017-09-25 2018-03-16 刘勤学 一种基于网络技术实现儿童虚拟养育的系统与方法
CN108711325A (zh) * 2018-04-02 2018-10-26 南京课窝教育科技有限公司 英语学习的监控方法及装置
CN108805764A (zh) * 2018-05-31 2018-11-13 上海与德科技有限公司 一种作业进度监控方法、装置、终端及可读介质
CN108932681A (zh) * 2018-06-07 2018-12-04 河海大学 一种基于翻转课堂的高校辅助教学系统
US20200097866A1 (en) * 2018-09-24 2020-03-26 International Business Machines Corporation Project resource risk management
CN109816120A (zh) * 2018-12-10 2019-05-28 平安科技(深圳)有限公司 机房运维管理方法、电子装置及存储介质
CN110084916A (zh) * 2019-05-06 2019-08-02 中国联合网络通信集团有限公司 下班打卡提醒方法及系统
CN110164249A (zh) * 2019-05-22 2019-08-23 重庆工业职业技术学院 一种计算机在线学习监督辅助系统
CN111626372A (zh) * 2020-05-29 2020-09-04 安徽医学高等专科学校 一种线上教学监督管理方法及系统
CN112151017A (zh) * 2020-11-24 2020-12-29 北京声智科技有限公司 语音处理方法、装置、系统、设备及存储介质
CN113138828A (zh) * 2021-05-10 2021-07-20 上海松鼠课堂人工智能科技有限公司 通过显示动态图像提示学生答题的方法与系统
CN113570220A (zh) * 2021-07-14 2021-10-29 深圳市创茶网络科技有限公司 任务管理方法、装置、计算机设备和存储介质
CN114298464A (zh) * 2021-11-18 2022-04-08 国网北京市电力公司 任务处理方法、装置、电子设备及计算机可读存储介质
CN114138327A (zh) * 2021-12-09 2022-03-04 赛尔网络有限公司 学习进度管理方法、装置、设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何志辉;卢倩萍;刘涛;: "疾控人才在线培训云平台学习行为特征分析", 继续医学教育, no. 04 *
闪电: "微信群班级管理发布作业和打卡", pages 1 - 16, Retrieved from the Internet <URL:知乎> *
项荣健;李建军;伍秀娟;: "基于任务的引领式协作学习环境的构建与实践", 中国电化教育, no. 04 *

Also Published As

Publication number Publication date
CN115086363B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Muñoz-Merino et al. Inferring higher level learning information from low level data for the Khan Academy platform
Zorrilla et al. A decision support system to improve e-learning environments
US10216849B2 (en) Personalized content recommendations
Arroyo et al. Effort-based tutoring: An empirical approach to intelligent tutoring
Veeramachaneni et al. Towards feature engineering at scale for data from massive open online courses
CA2896037A1 (en) Adaptive e-learning system and method
Cocea et al. Cross-system validation of engagement prediction from log files
CN108536799A (zh) 自适应教学监测与洞察信息处理方法
CN116028602A (zh) 一种题目推荐方法、装置、计算机设备和存储介质
Sheffield Navigating access and maintaining established practice: Social studies teachers’ technology integration at three Florida middle schools
Botelho et al. The prediction of student first response using prerequisite skills
Baker et al. Affect-targeted interviews for understanding student frustration
Bote Lorenzo et al. An approach to build in situ models for the prediction of the decrease of academic engagement indicators in Massive Open Online Courses
Jason et al. The evaluation of an adaptive user interface model
Kelly et al. Predicting learning characteristics in a multiple intelligence based tutoring system
KR101693592B1 (ko) 지능형 학습 관리 방법
McKee An Instructor Learning Analytics Implementation Model.
KR20100000017A (ko) 지능형 맞춤화된 학습서비스 방법
Ley et al. Which user interactions predict levels of expertise in work-integrated learning?
JP6397146B1 (ja) 学習支援装置及びプログラム
Westera et al. Learning analytics in serious gaming: uncovering the hidden treasury of game log files
CN115086363B (zh) 学习任务的预警方法、装置、电子设备和存储介质
Serral Asensio et al. Conceptualizing the domain of automated feedback for learners
KR20120134814A (ko) 원격 강의 솔루션에서 사용자의 학습 상태를 관측하는 시스템 및 그 방법
Anaya et al. Reveal the Collaboration in a Open Learning Environment

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