CN115600011B - 基于分配算法的教育资源配对方法、系统及存储介质 - Google Patents
基于分配算法的教育资源配对方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115600011B CN115600011B CN202211515800.8A CN202211515800A CN115600011B CN 115600011 B CN115600011 B CN 115600011B CN 202211515800 A CN202211515800 A CN 202211515800A CN 115600011 B CN115600011 B CN 115600011B
- Authority
- CN
- China
- Prior art keywords
- learning
- resource
- stage
- information
- learner
- 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 26
- 230000006399 behavior Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 9
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007670 refining Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于分配算法的教育资源配对方法、系统及存储介质,包括:获取学习人员的基础信息,并同时记录检索关键词;利用关键词和基础信息进行大数据资源平台匹配;其中,所述大数据资源平台为:已作数据信息源分配的教育资源系统平台;大数据资源平台反馈出相应的数据信息字节段,学习人员初筛选择与检索关键词相对应的数据信息字节段。本发明通过预先对学习资源进行数据化整合,而后对学习人员的检索行为进行反馈和精炼二次反馈,实现对学习人员的检索行为进行一个精确表达,实现让学习人员能够快速检索到相对应的检索学习知识点,继而保证了学习人员的学习效果。即解决现有技术中存在因无法快速准确匹配到相关知识点造成的学习效率低的缺点。
Description
技术领域
本发明涉及教育技术领域,尤其涉及基于分配算法的教育资源配对方法、系统及存储介质。
背景技术
信息革命对社会各个领域产生了深刻的影响,社会的发展需要人们拥有更新的知识体系,更快地把握瞬息万变的时代变化。但是传统教育模式显然无法跟上知识更替和信息爆炸的步伐。网络作为信息的天然载体,必将通过其在教育领域所特有的功能来回应信息化潮流。
目前,教育资源配置方式是按一定比例将教育资源分到各级各类教育中,以促使教育结构合理化,适应经济与社会发展对教育的需求。教育资源的稀缺决定教育资源的分配必须体现效率,以最少的教育资源投入获得最大的教育产出。
现如今,在全民上网课的情况下,关于学生的学习效率尤其值得重点关注。学生由于通过网络进行远程上学,遇到问题无法直接有效的与授课老师进行沟通交流。因此一般学生在遇到问题后,首先是利用网络资源进行检索相关知识,但网络资源信息量大,一时间让学习者无法快速找到准确的相关知识点介绍,使得学习人员学习难度大,极易影响学习效率。
发明内容
本发明的目的是为了解决现有技术中存在因无法快速准确匹配到相关知识点造成的学习效率低的缺点,而提出的基于分配算法的教育资源配对方法、系统及存储介质。
为了实现上述目的,本发明采用了如下技术方案:
本发明第一方面提供了基于分配算法的教育资源配对方法,包括:
获取学习人员的基础信息,并同时记录检索关键词;
利用关键词和基础信息进行大数据资源平台匹配;
其中,所述大数据资源平台为:已作数据信息源分配的教育资源系统平台;
大数据资源平台反馈出相应的数据信息字节段,学习人员初筛选择与检索关键词相对应的数据信息字节段;
所述大数据资源平台通过与检索关键词相对应的数据信息字节段,进行二次反馈,并输出响应与检索关键词相应的检索目标结果。
在一些可选的实施例中,所述大数据资源平台的数据信息源的分配行为具体包括:
S1:选择单一数据信息源作为信息源母集;
S2:对信息源母集进行多类别划分,形成多个单一母集;
S3:获取多个单一母集,利用单一母集的涉及特性进行逐一分类,生成相应的母集包资源信息;
S4:获取学习人员的学习阶段内容信息,根据学习人员的学习阶段内容信息对多个母集包资源信息进行进行逐一配置,生成单元阶段学习资源包,并进行学习阶段逐一标记;
其中,所述单元阶段学习资源包包括:至少涉及一个学习知识单元内容;
S5:依次重复S1、S2、S3、S4,获取到多个单元阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行二次配置,生成一个阶段学习资源包,并进行逐一配置标记;
其中,所述一个阶段学习资源包包括:至少涉及一个学期的学习知识内容;
S6:依次重复S1、S2、S3、S4、S5,获取到一个阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行多次配置,生成一个年级阶段学习资源包,并进行逐一配置标记;
其中,所述阶段学习资源包包括:至少涉及一个年级的全部学习知识内容。
在一些可选的实施例中,在S2中,所述信息源母集划分类别所利用的判别标准包括:所属科目、应用领域、知识点单一联系中一项或多项组合。
在一些可选的实施例中,在S4中,多个母集包资源信息配置成单元阶段学习资源包包括:
将单元阶段学习资源包定义为Si 单元 ,则:
其中,式中X为单元阶段学习资源中的至少一个子集知识点,且m、n均为整数。
在一些可选的实施例中,在S5中,将多个单元阶段学习资源包二次配置成阶段学习资源包包括:
将阶段学习资源包定义为Si 阶段 ,则:
其中,m、n均为整数。
在一些可选的实施例中,将年级阶段学习资源包定义为Si 年级 ,则:
其中,m、n均为整数。
本发明第二方面提供了一种基于分配算法的教育资源配对系统,所述配对系统能够实现上述第一方面所述的基于分配算法的教育资源配对方法,其特征在于,所述资源配对系统包括:
行为采集模块,所述采集模块用于获取学习人员的基础信息,并对学习人员的行为信息进行采集;
匹配模块,所述匹配模块与所述行为采集模块交互相连,所述匹配模块用于利用学习人员的行为信息和基础信息进行大数据资源平台匹配;
反馈模块,所述反馈模块用于反馈大数据资源平台匹配的检索目标结果。
本发明第三方面提供了一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如第一方面所述的基于分配算法的教育资源配对方法。
本发明的有益效果为:
本发明在实施例中通过预先对学习资源进行数据化整合,而后对学习人员的检索行为进行反馈和精炼二次反馈,实现对学习人员的检索行为进行一个精确表达,实现让学习人员能够快速检索到相对应的检索学习知识点,继而保证了学习人员的学习效果。也即解决现有技术中存在因无法快速准确匹配到相关知识点造成的学习效率低的缺点。
附图说明
图1为本发明实施例中提供的基于分配算法的教育资源配对方法的整体流程示意图;
图2为本发明实施例中提供的基于分配算法的教育资源配对方法的全部流程示意图。
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的一部分实施例,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作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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参照图1、图2,本发明第一方面提供了基于分配算法的
教育资源配对方法,包括:
获取学习人员的基础信息,并同时记录检索关键词;
利用关键词和基础信息进行大数据资源平台匹配;
其中,所述大数据资源平台为:已作数据信息源分配的教育资源系统平台;
大数据资源平台反馈出相应的数据信息字节段,学习人员初筛选择与检索关键词相对应的数据信息字节段;
所述大数据资源平台通过与检索关键词相对应的数据信息字节段,进行二次反馈,并输出响应与检索关键词相应的检索目标结果。
在第一方面的实施例中,通过预先对学习资源进行数据化整合,而后对学习人员的检索行为进行反馈和精炼二次反馈,实现对学习人员的检索行为进行一个精确表达,实现让学习人员能够快速检索到相对应的检索学习知识点,继而保证了学习人员的学习效果。也即解决现有技术中存在因无法快速准确匹配到相关知识点造成的学习效率低的缺点。
在一些可选的实施例中,所述大数据资源平台的数据信息源的分配行为具体包括:
S1:选择单一数据信息源作为信息源母集;可以选择单一或全科目的全部学习资料进行整合,实现得到单一数据信息源;
S2:对信息源母集进行多类别划分,形成多个单一母集;对代表着全部学习资料的单一数据信息源进行类别划分,可以将所述信息源母集划分类别所利用的判别标准划分为:所属科目、应用领域、知识点单一联系中一项或多项组合。即在此利用单一数据信息源内的代表的所属科目进行数据整合;或利用单一数据信息源中的知识运用领域进行数据信息划分;或利用大数据分析算法对单一数据信息源中的知识点进行全方面分析,生成具备相互联系关系的知识点数据包。实现采用上述三种方法对单一数据信息源进行类别划分,得到具备类别分类特性的多个单一母集。
S3:获取多个单一母集,利用单一母集的涉及特性进行逐一分类,生成相应的母集包资源信息;在此利用S2中的所述类别进行划分归类,实现得到代表着一个类别的母集包资源信息。
S4:获取学习人员的学习阶段内容信息,根据学习人员的学习阶段内容信息对多个母集包资源信息进行进行逐一配置,生成单元阶段学习资源包,并进行学习阶段逐一标记;即在此根据学习人员的学习成长阶段处于时间,进行分类别定制话进行配置母集包资源信息,完成对一个学习单元的知识点分类划分。也即所述单元阶段学习资源包包括:至少涉及一个学习知识单元内容。
S5:依次重复S1、S2、S3、S4,获取到多个单元阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行二次配置,生成一个阶段学习资源包,并进行逐一配置标记;即在此根据学习人员的学习成长阶段处于时间,进行分类别定制话进行配置单元阶段学习资源包,完成对一个阶段单元的知识点分类划分和组合,形成对学习人员的至少一个学期的知识点归纳划分整合。也即所述一个阶段学习资源包包括:至少涉及一个学期的学习知识内容;
S6:依次重复S1、S2、S3、S4、S5,获取到一个阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行多次配置,生成一个年级阶段学习资源包,并进行逐一配置标记;即在此根据学习人员的学习成长阶段处于时间,进行分类别定制话进行配置阶段学习资源包,完成对一个年级阶段单元的知识点分类划分和组合,形成对学习人员的至少一个年级的知识点归纳划分整合。也即,所述阶段学习资源包包括:至少涉及一个年级的全部学习知识内容。
在一些可选的实施例中,在S4中,多个母集包资源信息配置成单元阶段学习资源包包括:将单元阶段学习资源包定义为Si 单元 ,则:
其中,式中X为单元阶段学习资源中的至少一个子集知识点,且m、n均为整数。在此方面的本实施例中,通过对单元阶段学习资源包进行数据化的整合标记,使得所述单元阶段学习资源包内部的学习资料数据满足学习人员所属的单元学习阶段的检索要求,并能够很好的保证学习人员能够快速准确稳定的检索到相关的学习知识点,能够实现单元细分化的学习检索。
在一些可选的实施例中,在S5中,将多个单元阶段学习资源包二次配置成阶段学习资源包包括:
将阶段学习资源包定义为Si 阶段,则:
其中,m、n均为整数。
在此方面的本实施例中,通过对阶段学习资源包进行数据化的整合标记,使得所述阶段学习资源包内部的学习资料数据满足学习人员所属的学期学习阶段的检索要求,并能够很好的保证学习人员能够快速准确稳定的检索到相关的至少一个学期学习知识点,能够实现学期细分化的学习检索。
在一些可选的实施例中,将年级阶段学习资源包定义为Si 年级,则:
其中,m、n均为整数。在此方面的本实施例中,通过对阶段学习资源包进行数据化的整合标记,使得所述阶段学习资源包内部的学习资料数据满足学习人员所属的年级学习阶段的检索要求,并能够很好的保证学习人员能够快速准确稳定的检索到相关的至少一个年级学习知识点,能够实现年级细分化的学习检索。
在本实施例中,通过将学习资源进行网络数据化,而后通过多类别分科目的整合成为各种学习阶段的资源包,实现对教育资源的细化整合,能够让学习人员进行准确、快速、稳定的检索到需要检索的所学学习结果,有效的加强了学习人员的自主学习能力和检索知识理解能力。
另外,在本实施例中,在初期检索时(大数据资源平台反馈出相应的数据信息字节段),学习人员能够进行输入检索所属年级或所属知识点进行初期检索,而后学习人员初筛选择与检索关键词相对应的数据信息字节段;
在后期检索时(学习人员初筛精炼选择与检索关键词相对应的数据信息字节段),所述大数据资源平台通过与检索关键词相对应的数据信息字节段,进行二次反馈,获取与精炼选择与检索关键词相对应的数据信息字节段的单元阶段学习资源包,并输出响应与检索关键词相应的检索目标。完成一个全程的精炼检索功能,实现能够让学习人员进行准确、快速、稳定的检索到需要检索的所学学习结果,有效的加强了学习人员的自主学习能力和检索知识理解能力。
本发明第二方面提供了一种基于分配算法的教育资源配对系统,所述配对系统能够实现上述第一方面所述的基于分配算法的教育资源配对方法,其特征在于,所述资源配对系统包括:行为采集模块、匹配模块、反馈模块。所述采集模块用于获取学习人员的基础信息,并对学习人员的行为信息进行采集。即在本实施例中,通过在行为采集模块实现对学习人员的基础信息采集,获取学习人员的受教育程度,并同时获取学习人员的行为信息,即对学习人员的检索关键词行为和精炼关键词行为进行采集识别,保证能够实现根据学习人员的学习行为进行识别处理得到有效的学习情况信息。所述匹配模块与所述行为采集模块交互相连,所述匹配模块用于利用学习人员的行为信息和基础信息进行大数据资源平台匹配。即所述匹配模块针对于行为采集模块进行处理获取学习人员的检索和提炼关键词信息,并根据检索和提炼关键词信息与大数据资源平台进行数据配对匹配,以实现得到标记好的单元阶段学习资源包和/或阶段学习资源包和/或阶段学习资源包的检索目标结果。所述反馈模块用于反馈大数据资源平台匹配的检索目标结果。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。本发明第三方面提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第二方面所述的数据加密处理方法。
在一些实施方式中,所述处理系统可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (3)
1.基于分配算法的教育资源配对方法,其特征在于,包括:
获取学习人员的基础信息,并同时记录检索关键词;
利用关键词和基础信息进行大数据资源平台匹配;
其中,所述大数据资源平台为:已作数据信息源分配的教育资源系统平台;
大数据资源平台反馈出相应的数据信息字节段,学习人员初筛选择与检索关键词相对应的数据信息字节段;
所述大数据资源平台通过与检索关键词相对应的数据信息字节段,进行二次反馈,并输出响应与检索关键词相应的检索目标结果;
S1:选择单一数据信息源作为信息源母集;
S2:对信息源母集进行多类别划分,形成多个单一母集;
S3:获取多个单一母集,利用单一母集的设计特性进行逐一分类,生成相应的母集包资源信息;
S4:获取学习人员的学习阶段内容信息,根据学习人员的学习阶段内容信息对多个母集包资源信息进行逐一配置,生成单元阶段学习资源包,并进行学习阶段逐一标记;
其中,所述单元阶段学习资源包包括:至少涉及一个学习知识单元内容;
S5:依次重复S1、S2、S3、S4,获取到多个单元阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行二次配置,生成一个阶段学习资源包,并进行逐一配置标记;
其中,所述一个阶段学习资源包包括:至少涉及一个学期的学习知识内容;
S6:依次重复S1、S2、S3、S4、S5,获取到一个阶段学习资源包,并利用获取到的所述学习人员的学习阶段内容信息进行多次配置,生成一个年级阶段学习资源包,并进行逐一配置标记;
其中,所述阶段学习资源包包括:至少涉及一个年级的全部学习知识内容;
在S2中,所述信息源母集划分类别所利用的判别标准包括:所属科目、应用领域、知识点单一联系中一项或多项组合;
在S4中,多个母集包资源信息配置成单元阶段学习资源包包括:
其中,式中X为单元阶段学习资源中的至少一个子集知识点,且m、n均为整数;
在S5中,将多个单元阶段学习资源包二次配置成阶段学习资源包包括:
其中,m、n均为整数;
其中,m、n均为整数。
2.一种基于分配算法的教育资源配对系统,所述配对系统能够实现上述权利要求1中所述基于分配算法的教育资源配对方法,其特征在于,所述资源配对系统包括:
行为采集模块,所述采集模块用于获取学习人员的基础信息,并对学习人员的行为信息进行采集;
匹配模块,所述匹配模块与所述行为采集模块交互相连,所述匹配模块用于利用学习人员的行为信息和基础信息进行大数据资源平台匹配;
反馈模块,所述反馈模块用于反馈大数据资源平台匹配的检索目标结果。
3.一种计算机可读介质,其特征在于,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1所述的基于分配算法的教育资源配对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211515800.8A CN115600011B (zh) | 2022-11-30 | 2022-11-30 | 基于分配算法的教育资源配对方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211515800.8A CN115600011B (zh) | 2022-11-30 | 2022-11-30 | 基于分配算法的教育资源配对方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115600011A CN115600011A (zh) | 2023-01-13 |
CN115600011B true CN115600011B (zh) | 2023-05-19 |
Family
ID=84853242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211515800.8A Active CN115600011B (zh) | 2022-11-30 | 2022-11-30 | 基于分配算法的教育资源配对方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600011B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745492B (zh) * | 2023-12-20 | 2024-05-24 | 华南师范大学 | 一种基于教育云平台的教育资源共享方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808641A (zh) * | 2016-02-24 | 2016-07-27 | 百度在线网络技术(北京)有限公司 | 线下资源的挖掘方法和装置 |
CN111914157A (zh) * | 2019-05-07 | 2020-11-10 | 重庆好德译信息技术有限公司 | 一种基于用户偏好的旅游方案生成方法和系统 |
CN110807121A (zh) * | 2019-09-29 | 2020-02-18 | 广东墨痕教育科技有限公司 | 基于图文智能识别的电子教育资源匹配方法及计算机可读存储介质 |
CN111489799A (zh) * | 2020-04-09 | 2020-08-04 | 杨锋 | 一种基于大数据的医疗检查方法 |
CN113868235A (zh) * | 2021-09-29 | 2021-12-31 | 深圳市联银互通信息有限公司 | 一种基于大数据的信息检索分析系统 |
CN114860791A (zh) * | 2022-05-19 | 2022-08-05 | 青岛黄海学院 | 一种基于大数据的教育资源推荐方法 |
-
2022
- 2022-11-30 CN CN202211515800.8A patent/CN115600011B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115600011A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959531B (zh) | 信息搜索方法、装置、设备及存储介质 | |
US20170011077A1 (en) | Scalable annotation architecture | |
US9189542B2 (en) | Evidence profiling | |
Naitali et al. | Wiener–Hammerstein system identification–an evolutionary approach | |
CN111666416B (zh) | 用于生成语义匹配模型的方法和装置 | |
CN111738010B (zh) | 用于生成语义匹配模型的方法和装置 | |
CN115600011B (zh) | 基于分配算法的教育资源配对方法、系统及存储介质 | |
US20180350250A1 (en) | Network terminal-based learning display device | |
CN111507076B (zh) | 一种用于教学系统的共案课件制作方法、装置和终端 | |
CN111026944B (zh) | 一种信息处理的方法、装置、介质和电子设备 | |
CN113392197B (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN115757400B (zh) | 数据表处理方法、装置、电子设备和计算机可读介质 | |
CN110209781B (zh) | 一种文本处理方法、装置以及相关设备 | |
CN117290477A (zh) | 一种基于二次检索增强的生成式建筑知识问答方法 | |
KR20210048425A (ko) | 데이터 매핑을 위한 방법, 장치 및 시스템 | |
CN110019827A (zh) | 一种语料库生成方法、装置、设备和计算机存储介质 | |
US20150035836A1 (en) | Data display and data display method | |
CN113255327B (zh) | 文本处理方法、装置、电子设备及计算机可读存储介质 | |
CN108550019A (zh) | 一种简历筛选方法及装置 | |
CN117131281A (zh) | 舆情事件处理方法、装置、电子设备和计算机可读介质 | |
WO2023226448A1 (zh) | 物流兴趣点信息生成方法、装置、设备和计算机可读介质 | |
CN114842982B (zh) | 一种面向医疗信息系统的知识表达方法、装置及系统 | |
CN113407668B (zh) | 一种针对认知关联能力训练的数据处理方法及装置 | |
CN112149623B (zh) | 一种自适应多传感器信息融合系统、方法及存储介质 | |
KR101641942B1 (ko) | 꽃 이름 검색 시스템 및 방법 |
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 |