CN115908070B - 一种基于云平台的线上学习管理方法及系统 - Google Patents

Abstract

本发明公开了一种基于云平台的线上学习管理方法及系统，通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，能够实现对教学内容的实时数据转化，在遇到线下转线上教学的情况下，能够有效提高教学效率。另外，本发明通过获取学员线上视频数据，根据学员情况动态调整系统的专注力分析模块，从而实现高效的视频数据处理，减少硬件消耗，减轻视频文件的传输压力，使系统在实现学生专注检测功能的同时能够动态调整视频文件处理量，提高线上学习系统运行效率。特别对于线上学习用户量大的情况，系统的硬件负载程度能明显降低。

Description

一种基于云平台的线上学习管理方法及系统

技术领域

本发明涉及线上学习领域，更具体的，涉及一种基于云平台的线上学习管理方法及系统。

背景技术

目前，随着信息技术的逐步发展和线上教育需求的大幅扩张，传统学习转变为在互联网上在线学习的趋势越来越明显，而如何提高线上学习的成效受到了国内教育者的广泛关注。一方面，线上学习平台的资源类型丰富，师生可以采用多种方式进行课堂活动。另一方面，由于师生角色功能的不同，以及网络环境的多变，学员在线上学习方面仍存在着诸多问题，如学习效率低下，学员学习时间、学习专注程度、学习有效性难以统计分析等问题，而在目前的线上教育系统中，还存在线上教学系统优化差，管理效率低，线上教学数据处理量大等问题。因此，现在亟需一种能够解决上述问题的线上学习管理方法。

发明内容

本发明克服了现有技术的缺陷，提出了一种基于云平台的线上学习管理方法及系统。

本发明第一方面提供了一种基于云平台的线上学习管理方法，包括：

获取线下教学数据，将所述线下教学数据上传至云平台；

通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备。

本方案中，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

本方案中，所述通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，具体为：

获取线上教学需求信息；

根据线上教学需求信息对教学数据展示、习题布置方式、教学知识点排布的数据组织形式进行数据结构的定义，得到教学数据组织架构信息；

根据数据组织架构信息，将第二线下教学数据进行数据重构得到对应结构化数据，并标记为线上教学数据。

本方案中，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，之前包括：

构建教学质量评价模型；

所述教学质量评价模型包括肢体分析模块、头部分析模块、眼睛注视分析模块；

从线上教学视频大数据中获取不同学习状态下的学员视频数据，将所述学员视频数据进行数据清洗与标准格式化处理，得到模型训练数据；

将所述模型训练数据导入教学质量评价模型并对肢体分析模块、头部分析模块、眼睛注视分析模块分别进行训练并达到预设分析识别标准。

本方案中，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，具体为：

获取学员档案数据进行数据提取得到年龄、年级、学习时长、历史学员质量评价信息；

根据所述年龄、年级、学习时长、历史学员质量评价信息进行参数转化得到学员参数信息并导入教学质量评价模型；

教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级。

本方案中，所述获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据，具体为：

实时获取学员线上视频数据；

根据所述学员线上视频数据进行关键帧提取得到关键帧集合；

根据专注力分析等级对教学质量评价模型进行分析模块选择，并基于选择的分析模块实时进行专注力分析；

所述分析模块包括肢体分析模块、头部分析模块、眼睛注视分析模块；

根据预设时间间隔计算专注度并进行数值统计，得到专注度趋势信息；

获取线上习题反馈数据，通过所述线上习题反馈数据进行学员知识点掌握情况计算，得到习题通过率；

通过习题通过率与专注度趋势信息进行综合性质量评估得到学员质量评价数据。

本方案中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

获当前学员的历史习题通过率；

根据所述历史习题通过率进行学员基础评估，得到学员基础掌握度；

将线上教学数据根据教学数据组织架构信息进行基于教学难易度的数据划分，得到多段教学数据与对应难易度信息；

根据学员基础掌握度与难易度信息，对多段教学数据进行学员专注度要求分析，得到每段教学数据对应的专注度要求信息；

获取当前学员专注度趋势信息，基于预设学习周期，根据所述专注度趋势信息与专注度要求信息进行对比并判断学员专注度是否符合要求；

若在预设学习周期内，当前学员专注度均符合要求，则对学员进行二次学员基础评估与二次学员专注度要求分析。

本方案中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

将当前学员质量评价数据与历史学员质量评价数据进行对比得到专注度变化信息与教学质量变化信息；

根据专注度变化信息进行趋势分析，若专注度趋于平稳或提升，则降低当前专注力分析等级，若专注度趋于下降，则增加专注力分析等级；

将专注力分析等级的变化数值以参数形式导入教学质量评价模型。

本发明第二方面还提供了一种基于云平台的线上学习管理系统，该系统包括：存储器、处理器，所述存储器中包括基于云平台的线上学习管理程序，所述基于云平台的线上学习管理程序被所述处理器执行时实现如下步骤：

获取线下教学数据，将所述线下教学数据上传至云平台；

通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备。

本方案中，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

本发明公开了一种基于云平台的线上学习管理方法及系统，通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，能够实现对教学内容的实时数据转化，在遇到线下转线上教学的情况下，能够有效提高教学效率。另外，本发明通过获取学员线上视频数据，根据学员情况动态调整系统的专注力分析模块，从而实现高效的视频数据处理，减少硬件消耗，减轻视频文件的传输压力，使系统在实现学生专注检测功能的同时能够动态调整视频文件处理量，提高线上学习系统运行效率。特别对于线上学习用户量大的情况，系统的硬件负载程度能明显降低。

附图说明

图1示出了本发明一种基于云平台的线上学习管理方法的流程图；

图2示出了本发明线上教学数据获取流程图；

图3示出了本发明专注力分析等级获取流程图；

图4示出了本发明一种基于云平台的线上学习管理系统的框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请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发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于云平台的线上学习管理方法的流程图。

如图1所示，本发明第一方面提供了一种基于云平台的线上学习管理方法，包括：

S102，获取线下教学数据，将所述线下教学数据上传至云平台；

S104，通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

S106，根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

S108，根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备。

需要说明的是，所述用户终端设备包括教师端与学生端的计算机终端设备与移动终端设备。

根据本发明实施例，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

需要说明的是，所述教学多媒体数据包括图片、PPT、课堂习题扫描图等线下的多媒体数据。

图2示出了本发明线上教学数据获取流程图。

根据本发明实施例，所述通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，具体为：

S202，获取线上教学需求信息；

S204，根据线上教学需求信息对教学数据展示、习题布置方式、教学知识点排布的数据组织形式进行数据结构的定义，得到教学数据组织架构信息；

S206，根据数据组织架构信息，将第二线下教学数据进行数据重构得到对应结构化数据，并标记为线上教学数据。

需要说明的是，所述线上教学需求信息包括线上教学时长、教学主体内容、教学习题布置方式、教学知识点排布方式等。所述教学数据组织架构信息具体为对教学数据的数据组织架构进行描述的信息，通过所述架构信息，能够将线下教学数据按照一定的数据结构进行数据重构与转化，得到对应的线上教学数据。本发明通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，能够实现对教学内容的实时数据转化，在遇到线下转线上教学的情况下，能够有效提高教学效率。

根据本发明实施例，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，之前包括：

构建教学质量评价模型；

所述教学质量评价模型包括肢体分析模块、头部分析模块、眼睛注视分析模块；

从线上教学视频大数据中获取不同学习状态下的学员视频数据，将所述学员视频数据进行数据清洗与标准格式化处理，得到模型训练数据；

将所述模型训练数据导入教学质量评价模型并对肢体分析模块、头部分析模块、眼睛注视分析模块分别进行训练并达到预设分析识别标准。

需要说明的是，所述肢体分析模块用以分析线上视频中学员肢体动作的变化，进一步判断学员是否存在不专注学习情况，所述头部分析模块用以分析学员头部动作的变化，具体为通过面部五官特征的位置判定头部位置的变化，所述眼睛注视分析模块具体为通过分析学员眼部区域的视频数据进行眼白区域与瞳孔区域分析，并进一步得到眼睛注视点信息。

图3示出了本发明专注力分析等级获取流程图。

根据本发明实施例，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，具体为：

S302，获取学员档案数据进行数据提取得到年龄、年级、学习时长、历史学员质量评价信息；

S304，根据所述年龄、年级、学习时长、历史学员质量评价信息进行参数转化得到学员参数信息并导入教学质量评价模型；

S306，教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级。

需要说明的是，所述专注力分析等级具体为对学员的线上视频数据进行专注分析程度的划分，等级越高，用到的分析模块越多，对学员专注力的分析越为精准，所需处理的传输数据也越大，硬件资源消耗也越大。一般设定为年龄年级越低，等级越高，且通过实时分析学员质量评价数据能够降低或提升学员的专注力分析等级。教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级中，具体为通过年龄、年级、学习时长进行初次判断，后续可通过分析学员质量评价数据进行修正。

根据本发明实施例，所述获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据，具体为：

实时获取学员线上视频数据；

根据所述学员线上视频数据进行关键帧提取得到关键帧集合；

根据专注力分析等级对教学质量评价模型进行分析模块选择，并基于选择的分析模块实时进行专注力分析；

所述分析模块包括肢体分析模块、头部分析模块、眼睛注视分析模块；

根据预设时间间隔计算专注度并进行数值统计，得到专注度趋势信息；

获取线上习题反馈数据，通过所述线上习题反馈数据进行学员知识点掌握情况计算，得到习题通过率；

通过习题通过率与专注度趋势信息进行综合性质量评估得到学员质量评价数据。

需要说明的是，所述线上习题反馈数据具体为学员在线上学习中的习题作答数据。所述根据专注力分析等级对教学质量评价模型进行分析模块选择，并基于选择的分析模块实时进行专注力分析中，所述模块选择包括对肢体分析模块、头部分析模块、眼睛注视分析模块的选择，专注力分析等级越高，选择的模块越多，且用户可以自行设置模块选择规则，例如设置专注力分析等级一共三级，一级为仅有肢体分析模块，二级为肢体分析模块和头部分析模块，三级为肢体分析模块、头部分析模块和眼睛注视分析模块。

根据本发明实施例，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

获当前学员的历史习题通过率；

根据所述历史习题通过率进行学员基础评估，得到学员基础掌握度；

将线上教学数据根据教学数据组织架构信息进行基于教学难易度的数据划分，得到多段教学数据与对应难易度信息；

根据学员基础掌握度与难易度信息，对多段教学数据进行学员专注度要求分析，得到每段教学数据对应的专注度要求信息；

获取当前学员专注度趋势信息，基于预设学习周期，根据所述专注度趋势信息与专注度要求信息进行对比并判断学员专注度是否符合要求；

若在预设学习周期内，当前学员专注度均符合要求，则对学员进行二次学员基础评估与二次学员专注度要求分析。

根据本发明实施例，所述根据学员质量评价数据进行，根据学员质量评价数据调整学员参数信息，具体为：

将当前学员质量评价数据与历史学员质量评价数据进行对比得到专注度变化信息与教学质量变化信息；

根据专注度变化信息进行趋势分析，若专注度趋于平稳或提升，则降低当前专注力分析等级，若专注度趋于下降，则增加专注力分析等级；

将专注力分析等级的变化数值以参数形式导入教学质量评价模型。

需要说明的是，本发明通过分析专注度变化信息能够有效判断学员的专注度与教学质量是否有所提升，若专注度达到要求，则降低学员的专注力分析等级，从而大幅减少系统模块的资源消耗，并减少线上学习中系统在网络传输的数据量，在较大学员数量的情况下，数据减量带来的效益尤为明显。

根据本发明实施例，还包括：

获取教师用户线下教学数据与线上教学数据；

根据所述线下教学数据与线上教学数据进行数据结构化特征分析，得到线上数据架构信息与线下数据架构信息；

根据线上数据架构信息与线下数据架构信息进行数据架构对比分析并得到线下教学数据与线上教学数据之间的数据结构转化规则；

将所述数据结构转化规则存储于上传至云平台。

需要说明的是，由于每个教师用户的教学方式，教学数据存在差异，因此，每个教师用户的对应的数据结构转化规则亦存在差异，本发明通过将数据结构转化规则存储于上传至云平台，能够在后续教师用户进行线下与线上教学中进一步实现快速数据转化，提高系统效率。

根据本发明实施例，还包括：

实时保存线上教学视频，将所述线上教学视频上传至云平台；

根据教学数据组织架构信息将线上教学视频根据知识点进行多段划分得到多段教学视频；

将所述多段教学视频发送至学员终端设备；

统计学员对教学视频的观看次数，观看时间、观看内容进行统计并得到学员视频统计信息；

根据学员视频统计信息对学员进行周期性的知识点掌握分析，根据分析结果进行知识点指导性分析，得到对应的学员指导方案。

需要说明的是，所述线上教学视频为教师直播教学时录制的回放视频。所述学员指导方案为针对学员的在观看线上教学视频时，统计出的其高频次观看内容所对应的知识点，并将所述知识点进行统计汇总，进而得到对学员的指导方案。

图4示出了本发明一种基于云平台的线上学习管理系统的框图。

本发明第二方面还提供了一种基于云平台的线上学习管理系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于云平台的线上学习管理程序，所述基于云平台的线上学习管理程序被所述处理器执行时实现如下步骤：

获取线下教学数据，将所述线下教学数据上传至云平台；

通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备。

需要说明的是，所述用户终端设备包括教师端与学生端的计算机终端设备与移动终端设备。

根据本发明实施例，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

需要说明的是，所述教学多媒体数据包括图片、PPT、课堂习题扫描图等线下的多媒体数据。

根据本发明实施例，所述通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，具体为：

获取线上教学需求信息；

根据线上教学需求信息对教学数据展示、习题布置方式、教学知识点排布的数据组织形式进行数据结构的定义，得到教学数据组织架构信息；

根据数据组织架构信息，将第二线下教学数据进行数据重构得到对应结构化数据，并标记为线上教学数据。

需要说明的是，所述线上教学需求信息包括线上教学时长、教学主体内容、教学习题布置方式、教学知识点排布方式等。所述教学数据组织架构信息具体为对教学数据的数据组织架构进行描述的信息，通过所述架构信息，能够将线下教学数据按照一定的数据结构进行数据重构与转化，得到对应的线上教学数据。本发明通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，能够实现对教学内容的实时数据转化，在遇到线下转线上教学的情况下，能够有效提高教学效率。

根据本发明实施例，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，之前包括：

构建教学质量评价模型；

所述教学质量评价模型包括肢体分析模块、头部分析模块、眼睛注视分析模块；

从线上教学视频大数据中获取不同学习状态下的学员视频数据，将所述学员视频数据进行数据清洗与标准格式化处理，得到模型训练数据；

将所述模型训练数据导入教学质量评价模型并对肢体分析模块、头部分析模块、眼睛注视分析模块分别进行训练并达到预设分析识别标准。

需要说明的是，所述肢体分析模块用以分析线上视频中学员肢体动作的变化，进一步判断学员是否存在不专注学习情况，所述头部分析模块用以分析学员头部动作的变化，具体为通过面部五官特征的位置判定头部位置的变化，所述眼睛注视分析模块具体为通过分析学员眼部区域的视频数据进行眼白区域与瞳孔区域分析，并进一步得到眼睛注视点信息。

根据本发明实施例，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，具体为：

获取学员档案数据进行数据提取得到年龄、年级、学习时长、历史学员质量评价信息；

根据所述年龄、年级、学习时长、历史学员质量评价信息进行参数转化得到学员参数信息并导入教学质量评价模型；

教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级。

需要说明的是，所述专注力分析等级具体为对学员的线上视频数据进行专注分析程度的划分，等级越高，用到的分析模块越多，对学员专注力的分析越为精准，所需处理的传输数据也越大，硬件资源消耗也越大。一般设定为年龄年级越低，等级越高，且通过实时分析学员质量评价数据能够降低或提升学员的专注力分析等级。教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级中，具体为通过年龄、年级、学习时长进行初次判断，后续可通过分析学员质量评价数据进行修正。

根据本发明实施例，所述获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据，具体为：

实时获取学员线上视频数据；

根据所述学员线上视频数据进行关键帧提取得到关键帧集合；

根据专注力分析等级对教学质量评价模型进行分析模块选择，并基于选择的分析模块实时进行专注力分析；

所述分析模块包括肢体分析模块、头部分析模块、眼睛注视分析模块；

根据预设时间间隔计算专注度并进行数值统计，得到专注度趋势信息；

获取线上习题反馈数据，通过所述线上习题反馈数据进行学员知识点掌握情况计算，得到习题通过率；

通过习题通过率与专注度趋势信息进行综合性质量评估得到学员质量评价数据。

需要说明的是，所述线上习题反馈数据具体为学员在线上学习中的习题作答数据。所述根据专注力分析等级对教学质量评价模型进行分析模块选择，并基于选择的分析模块实时进行专注力分析中，所述模块选择包括对肢体分析模块、头部分析模块、眼睛注视分析模块的选择，专注力分析等级越高，选择的模块越多，且用户可以自行设置模块选择规则，例如设置专注力分析等级一共三级，一级为仅有肢体分析模块，二级为肢体分析模块和头部分析模块，三级为肢体分析模块、头部分析模块和眼睛注视分析模块。

根据本发明实施例，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

获当前学员的历史习题通过率；

根据所述历史习题通过率进行学员基础评估，得到学员基础掌握度；

将线上教学数据根据教学数据组织架构信息进行基于教学难易度的数据划分，得到多段教学数据与对应难易度信息；

根据学员基础掌握度与难易度信息，对多段教学数据进行学员专注度要求分析，得到每段教学数据对应的专注度要求信息；

获取当前学员专注度趋势信息，基于预设学习周期，根据所述专注度趋势信息与专注度要求信息进行对比并判断学员专注度是否符合要求；

若在预设学习周期内，当前学员专注度均符合要求，则对学员进行二次学员基础评估与二次学员专注度要求分析。

根据本发明实施例，所述根据学员质量评价数据进行，根据学员质量评价数据调整学员参数信息，具体为：

将当前学员质量评价数据与历史学员质量评价数据进行对比得到专注度变化信息与教学质量变化信息；

根据专注度变化信息进行趋势分析，若专注度趋于平稳或提升，则降低当前专注力分析等级，若专注度趋于下降，则增加专注力分析等级；

将专注力分析等级的变化数值以参数形式导入教学质量评价模型。

需要说明的是，本发明通过分析专注度变化信息能够有效判断学员的专注度与教学质量是否有所提升，若专注度达到要求，则降低学员的专注力分析等级，从而大幅减少系统模块的资源消耗，并减少线上学习中系统在网络传输的数据量，在较大学员数量的情况下，数据减量带来的效益尤为明显。

根据本发明实施例，还包括：

获取教师用户线下教学数据与线上教学数据；

根据所述线下教学数据与线上教学数据进行数据结构化特征分析，得到线上数据架构信息与线下数据架构信息；

根据线上数据架构信息与线下数据架构信息进行数据架构对比分析并得到线下教学数据与线上教学数据之间的数据结构转化规则；

将所述数据结构转化规则存储于上传至云平台。

需要说明的是，由于每个教师用户的教学方式，教学数据存在差异，因此，每个教师用户的对应的数据结构转化规则亦存在差异，本发明通过将数据结构转化规则存储于上传至云平台，能够在后续教师用户进行线下与线上教学中进一步实现快速数据转化，提高系统效率。

根据本发明实施例，还包括：

实时保存线上教学视频，将所述线上教学视频上传至云平台；

根据教学数据组织架构信息将线上教学视频根据知识点进行多段划分得到多段教学视频；

将所述多段教学视频发送至学员终端设备；

统计学员对教学视频的观看次数，观看时间、观看内容进行统计并得到学员视频统计信息；

根据学员视频统计信息对学员进行周期性的知识点掌握分析，根据分析结果进行知识点指导性分析，得到对应的学员指导方案。

需要说明的是，所述线上教学视频为教师直播教学时录制的回放视频。所述学员指导方案为针对学员的在观看线上教学视频时，统计出的其高频次观看内容所对应的知识点，并将所述知识点进行统计汇总，进而得到对学员的指导方案。

本发明公开了一种基于云平台的线上学习管理方法及系统，通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，能够实现对教学内容的实时数据转化，在遇到线下转线上教学的情况下，能够有效提高教学效率。另外，本发明通过获取学员线上视频数据，根据学员情况动态调整系统的专注力分析模块，从而实现高效的视频数据处理，减少硬件消耗，减轻视频文件的传输压力，使系统在实现学生专注检测功能的同时能够动态调整视频文件处理量，提高线上学习系统运行效率。特别对于线上学习用户量大的情况，系统的硬件负载程度能明显降低。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或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，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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以所述权利要求的保护范围为准。

Claims (6)

1.一种基于云平台的线上学习管理方法，其特征在于，包括：

获取线下教学数据，将所述线下教学数据上传至云平台；

通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备；

其中，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，包括：

获取学员档案数据进行数据提取得到年龄、年级、学习时长、历史学员质量评价信息；

根据所述年龄、年级、学习时长、历史学员质量评价信息进行参数转化得到学员参数信息并导入教学质量评价模型；

教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级；

其中，所述通过教学质量评价模型得到学员质量评价数据，具体为：

实时获取学员线上视频数据；

根据所述学员线上视频数据进行关键帧提取得到关键帧集合；

根据专注力分析等级对教学质量评价模型进行分析模块选择，专注力分析等级越高，选择的模块越多,并基于选择的分析模块实时进行专注力分析；

所述分析模块包括肢体分析模块、头部分析模块、眼睛注视分析模块；

根据预设时间间隔计算专注度并进行数值统计，得到专注度趋势信息；

获取线上习题反馈数据，通过所述线上习题反馈数据进行学员知识点掌握情况计算，得到习题通过率；

通过习题通过率与专注度趋势信息进行综合性质量评估得到学员质量评价数据；

其中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

获当前学员的历史习题通过率；

根据所述历史习题通过率进行学员基础评估，得到学员基础掌握度；

将线上教学数据根据教学数据组织架构信息进行基于教学难易度的数据划分，得到多段教学数据与对应难易度信息；

根据学员基础掌握度与难易度信息，对多段教学数据进行学员专注度要求分析，得到每段教学数据对应的专注度要求信息；

获取当前学员专注度趋势信息，基于预设学习周期，根据所述专注度趋势信息与专注度要求信息进行对比并判断学员专注度是否符合要求；

若在预设学习周期内，当前学员专注度均符合要求，则对学员进行二次学员基础评估与二次学员专注度要求分析；

其中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

将当前学员质量评价数据与历史学员质量评价数据进行对比得到专注度变化信息与教学质量变化信息；

根据专注度变化信息进行趋势分析，若专注度趋于平稳或提升，则降低当前专注力分析等级，若专注度趋于下降，则增加专注力分析等级；

将专注力分析等级的变化数值以参数形式导入教学质量评价模型。

2.根据权利要求1所述的一种基于云平台的线上学习管理方法，其特征在于，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

3.根据权利要求1所述的一种基于云平台的线上学习管理方法，其特征在于，所述通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备，具体为：

获取线上教学需求信息；

根据线上教学需求信息对教学数据展示、习题布置方式、教学知识点排布的数据组织形式进行数据结构的定义，得到教学数据组织架构信息；

根据数据组织架构信息，将第二线下教学数据进行数据重构得到对应结构化数据，并标记为线上教学数据。

4.根据权利要求1所述的一种基于云平台的线上学习管理方法，其特征在于，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，之前包括：

构建教学质量评价模型；

所述教学质量评价模型包括肢体分析模块、头部分析模块、眼睛注视分析模块；

从线上教学视频大数据中获取不同学习状态下的学员视频数据，将所述学员视频数据进行数据清洗与标准格式化处理，得到模型训练数据；

将所述模型训练数据导入教学质量评价模型并对肢体分析模块、头部分析模块、眼睛注视分析模块分别进行训练并达到预设分析识别标准。

5.一种基于云平台的线上学习管理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于云平台的线上学习管理程序，所述基于云平台的线上学习管理程序被所述处理器执行时实现如下步骤：

获取线下教学数据，将所述线下教学数据上传至云平台；

通过云平台将教学内容数据实时转化为线上教学数据并将所述线上教学数据发送至用户终端设备；

根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，获取学员线上视频数据，根据所述线上视频数据进行学员认证与教学专注度评估，通过教学质量评价模型得到学员质量评价数据；

根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备；

其中，所述根据学员档案数据生成学员参数信息，将学员参数信息导入教学质量评价模型，包括：

获取学员档案数据进行数据提取得到年龄、年级、学习时长、历史学员质量评价信息；

根据所述年龄、年级、学习时长、历史学员质量评价信息进行参数转化得到学员参数信息并导入教学质量评价模型；

教学质量评价模型根据学员参数信息进行学员专注力综合评估并得到专注力分析等级；

其中，所述通过教学质量评价模型得到学员质量评价数据，具体为：

实时获取学员线上视频数据；

根据所述学员线上视频数据进行关键帧提取得到关键帧集合；

根据专注力分析等级对教学质量评价模型进行分析模块选择，专注力分析等级越高，选择的模块越多,并基于选择的分析模块实时进行专注力分析；

所述分析模块包括肢体分析模块、头部分析模块、眼睛注视分析模块；

根据预设时间间隔计算专注度并进行数值统计，得到专注度趋势信息；

获取线上习题反馈数据，通过所述线上习题反馈数据进行学员知识点掌握情况计算，得到习题通过率；

通过习题通过率与专注度趋势信息进行综合性质量评估得到学员质量评价数据；

其中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

获当前学员的历史习题通过率；

根据所述历史习题通过率进行学员基础评估，得到学员基础掌握度；

将线上教学数据根据教学数据组织架构信息进行基于教学难易度的数据划分，得到多段教学数据与对应难易度信息；

根据学员基础掌握度与难易度信息，对多段教学数据进行学员专注度要求分析，得到每段教学数据对应的专注度要求信息；

获取当前学员专注度趋势信息，基于预设学习周期，根据所述专注度趋势信息与专注度要求信息进行对比并判断学员专注度是否符合要求；

若在预设学习周期内，当前学员专注度均符合要求，则对学员进行二次学员基础评估与二次学员专注度要求分析；

其中，所述根据学员质量评价数据调整学员参数信息，并将学员质量评价数据发送至用户终端设备，具体为：

将当前学员质量评价数据与历史学员质量评价数据进行对比得到专注度变化信息与教学质量变化信息；

根据专注度变化信息进行趋势分析，若专注度趋于平稳或提升，则降低当前专注力分析等级，若专注度趋于下降，则增加专注力分析等级；

将专注力分析等级的变化数值以参数形式导入教学质量评价模型。

6.根据权利要求5所述的一种基于云平台的线上学习管理系统，其特征在于，所述获取线下教学数据，将所述线下教学数据上传至云平台，具体为：

将线下教学数据进行数据结构化处理，得到结构化教学数据；

将结构化教学数据根据数据类型进行分类得到教学视频数据、教学文本数据、教学多媒体数据；

将所述教学视频数据、教学文本数据、教学多媒体数据整合为第二线下教学数据并上传至云平台。

Images