CN116109456B - 一种智慧教育综合评价方法、系统、电子设备及存储介质 - Google Patents
一种智慧教育综合评价方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116109456B CN116109456B CN202310340792.6A CN202310340792A CN116109456B CN 116109456 B CN116109456 B CN 116109456B CN 202310340792 A CN202310340792 A CN 202310340792A CN 116109456 B CN116109456 B CN 116109456B
- Authority
- CN
- China
- Prior art keywords
- index
- intelligent education
- intelligent
- education
- score
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 126
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 146
- 239000013598 vector Substances 0.000 claims description 45
- 238000011161 development Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000008451 emotion Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims 1
- 230000002776 aggregation Effects 0.000 claims 1
- 239000002131 composite material Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000013480 data collection Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000010391 action planning Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
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
- 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
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及智慧教育技术领域，具体地说，涉及一种智慧教育综合评价方法、系统、电子设备及存储介质，该方法首先通过构建智慧教育评价体系，确定智慧教育评价体系的指标和观测点；其次采用主观和客观结合的方法，确定指标和观测点的权重；并根据权重，计算各层次智慧教育得分；然后将各层次智慧教育得分进行排名，利用biclustering双聚类法得到聚类结果；最后进行画像分析，得到智慧教育综合评价；通过度量智慧教育数据非线性关系，更好地反映了变量间的关系；在减少专家工作量的同时提高了比对准确率。
Description
技术领域
本发明涉及智慧教育技术领域，具体地说，涉及一种智慧教育综合评价方法、系统、电子设备及存储介质。
背景技术
智慧教育即教育信息化，是指在教育领域即教育管理、教育教学和教育科研全面深入地运用现代信息技术来促进教育改革与发展的过程。其技术特点是数字化、网络化、智能化和多媒体化，基本特征是开放、共享、交互、协作、泛在。以教育信息化促进教育现代化，用信息技术改变传统模式。教育信息化是国家信息化的重要组成部分，对于转变教育思想和观念，深化教育改革，提高教育质量和效益，培养创新人才具有深远意义，是实现教育跨越式发展的必然选择。教育信息化在未来将在教育云平台上进行展现，随着教育信息化平台的发展应用，根据教育部的规划，教育信息化将为现有的教育网、校园网进行教育信息化升级，新一代教育网必然成为未来教育信息化的基础。
在现有评价体系中采用critic方法来确定权重，只能度量问题之间的线性关系，而无法度量问题之间的非线性关系，而在教育系统中，非线性关系才是常态。
发明内容
本发明针对上述现有教育系统评价体系中只能度量智慧教育数据变量之间的线性关系，无法度量智慧教育数据变量之间的非线性关系的问题，提出一种智慧教育综合评价方法、系统、电子设备及存储介质，该方法首先通过构建智慧教育评价体系，确定智慧教育评价体系的指标和观测点；其次采用主观和客观结合的方法，确定权重，并计算各层次智慧教育得分；然后进行排名和聚类，得到聚类结果；最后进行画像分析，得到智慧教育综合评价；通过度量智慧教育数据变量之间的非线性关系，更好地反映了变量间的关系；提高了比对准确率。
本发明具体实现内容如下：
一种智慧教育综合评价方法，具体包括以下步骤：
步骤1：构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；指标包括一级指标、二级指标、三级指标；
步骤2：采用主观和客观结合的方法，确定指标和观测点的权重W；主观的方法为自适应层次分析法；客观的方法为NL-CRITIC方法；
步骤3：根据权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分；
步骤4：将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果；
步骤5：根据聚类结果，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行画像分析，得到智慧教育综合评价。
为了更好地实现本发明，进一步地，步骤1具体包括以下步骤：
步骤11：以教育信息化平台、师生调查问卷、访谈作为数据输入源，采集智慧教育数据；
步骤12：清洗智慧教育数据，分析清洗后的智慧教育数据的信度，并保存信度合格的智慧教育数据；
步骤13：根据信度合格的智慧教育数据，构建智慧教育评价体系，并确定智慧教育评价体系的一级指标、二级指标、三级指标和观测点；
一级指标包括智慧环境指标、师生智慧素养指标、智慧融合指标、智慧人才指标；
二级指标包括在智慧环境指标下的硬环境指标和软环境指标，在智慧素养指标下的信息意识指标、信息知识指标、信息应用指标、伦理安全指标和专业发展指标，在智慧融合指标下的智慧生活指标、智慧教学指标、智慧评价指标和智慧治理指标，在智慧人才指标下的综合发展指标和显性成果指标；
三级指标包括在硬环境指标下的基础环境指标和创新环境指标，在软环境指标下的平台环境指标和应用系统指标，在信息意识指标下的信息认识指标、信息情感指标和信息意志指标，在信息知识指标下的基础知识指标和技术知识指标，在信息应用指标下的获取处理指标、优化创新指标、学情测评指标和有效沟通指标，在伦理安全指标下的伦理道德指标和信息安全指标，在专业发展指标下的持续获取指标和能力成长指标，在智慧生活指标下的家校交流指标和学习空间指标，在智慧评价指标下的数据采集指标和呈现解读指标，在智慧治理指标下的智慧管理指标、智慧服务指标和智慧决策指标，在综合发展指标下的教师提升指标，在显性成果指标下的获取教师成果指标和学生成果指标；
观测点为根据三级指标的数据参数设置的对应的观测点。
为了更好地实现本发明，进一步地，当清洗以师生调查问卷为智慧教育数据的数据输入源时，步骤12具体包括以下步骤：
步骤121：去除智慧教育数据中填报时间低于设置的标准阈值的调查问卷，并分析师生调查问卷的信度；
步骤122：根据师生调查问卷的题目数量、师生调查问卷的题目之间的平均相关系数，计算师生调查问卷的标准化系数；
步骤123：根据标准化系数，判断师生调查问卷的信度。
为了更好地实现本发明，进一步地，步骤2具体包括以下步骤：
步骤21：采用客观的方法计算指标或观测点的权重wC；
步骤22：采用主观的方法计算指标或观测点的权重wP；
步骤23：根据权重wC、权重wP、权重系数，计算最终的权重W。
为了更好地实现本发明，进一步地，步骤21的具体操作为：根据指标或观测点的标准差、指标或观测点间的距离相关系数、指标或观测点的距离方差，计算指标或观测点的权重wC。
为了更好地实现本发明，进一步地，步骤22具体包括以下步骤：
步骤221：将指标或观测点分解为不同的组成因素，并根据组成因素构建判断矩阵；组成因素包括学情分析的标度值、教学设计的标度值、学法指导的标度值和学业评价的标度值；
步骤222：根据设定标准将组成因素进行两两比较，得到比较结果；
步骤223：根据比较结果，计算组成因素的重要性排序；
步骤224：根据重要性排序，计算指标或观测点的权重wP。
为了更好地实现本发明，进一步地，步骤23的具体操作为：
其中，β1、β2为权重系数，wC为采用客观的方法计算的指标或观测点的权重，wP为采用主观的方法计算的指标或观测点的权重，T表示向量的转置，c’m表示采用客观的方法计算的指标或观测点第m个权重，Pm表示表示采用主观的方法计算的指标或观测点第m个权重。
为了更好地实现本发明，进一步地，步骤3的具体操作为：首先根据权重W计算出老师智慧教育得分和学生智慧教育得分，然后根据老师智慧教育得分和学生智慧教育得分，计算学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，最后根据学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，计算区县智慧教育得分。
为了更好地实现本发明，进一步地，步骤4具体包括以下步骤：
步骤41：将区县、学校和学科作为行向量，将一级指标、二级指标、三级指标和观测点作为列向量，建立输入矩阵；
步骤42：将输入矩阵进行归一化处理，并计算奇异向量值；
步骤43：将奇异向量值进行排序，并利用一维k均值确定奇异向量值的近似值；
步骤44：根据欧几里得距离，计算近似值的评分；
步骤45：根据评分，确定最佳的奇异向量值子集，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分投影到最佳的奇异向量值子集并聚集，得到聚类结果。
基于上述提出的智慧教育综合评价方法，为了更好地实现本发明，进一步地，提出一种智慧教育综合评价系统，包括构建单元、权重确定单元、计算单元、聚类单元、综合评价单元；
构建单元，用于构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；指标包括一级指标、二级指标、三级指标；
权重确定单元，用于采用主观和客观结合的方法，确定指标和观测点的权重W；主观的方法为自适应层次分析法；客观的方法为NL-CRITIC方法；
计算单元，用于根据权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分；
聚类单元，用于将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果；
综合评价单元，用于根据聚类结果，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行画像分析，得到智慧教育综合评价。
基于上述提出的智慧教育综合评价方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器、处理器；存储器上存储有计算机程序；
当处理器在计算机程序上执行时，实现上述的智慧教育综合评价方法。
基于上述提出的智慧教育综合评价方法，为了更好地实现本发明，进一步地，提出一种计算机可读存储介质，计算机可读存储介质上存储有计算机指令；
当计算机指令在上述的处理器上执行时，实现上述的智慧教育综合评价方法。
本发明具有以下有益效果：
（1）本发明采用主观和客观相结合的方法确定权重，更好地度量了指标之间的非线性关系，更好地利用了智慧教育数据中的信息，提高了与实际感知的符合程度。
（2）本发明采用自适应层次分析法，避免了传统的层次分析法在比较因素过多时，产生错误从而通不过一致性检验的问题，在减少专家工作量的同时提高了比对准确率。
（3）本发明能够更加准确和充分地挖掘教育数据中的信息，实现对多层次的教师智慧教育发展水平的画像分析，找出各类老师的优势和短板，实现针对性的培训和提升。
附图说明
图1为本发明实施例提供的一种智慧教育综合评价方法的流程图。
图2为本发明实施例提供的综合信息化教学能力的线性示意图。
图3为本发明实施例提供的使用双向聚类算法的效果示意图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，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，应当理解，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，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
本实施例提出一种智慧教育综合评价方法，具体包括以下步骤。
步骤1：构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；指标包括一级指标、二级指标、三级指标。
进一步地，步骤1具体包括以下步骤。
步骤11：以教育信息化平台、师生调查问卷、访谈作为数据输入源，采集智慧教育数据。
步骤12：清洗智慧教育数据，分析清洗后的智慧教育数据的信度，并保存信度合格的智慧教育数据。
当清洗以师生调查问卷为智慧教育数据的数据输入源时，步骤12具体包括以下步骤：
步骤121：去除智慧教育数据中填报时间低于设置的标准阈值的调查问卷，并分析师生调查问卷的信度；
步骤122：根据师生调查问卷的题目数量、师生调查问卷的题目之间的平均相关系数，计算师生调查问卷的标准化系数；
步骤123：根据标准化系数，判断师生调查问卷的信度。
步骤13：根据信度合格的智慧教育数据，构建智慧教育评价体系，并确定智慧教育评价体系的一级指标、二级指标、三级指标和观测点。
一级指标包括智慧环境指标、师生智慧素养指标、智慧融合指标、智慧人才指标。
二级指标包括在智慧环境指标下的硬环境指标和软环境指标，在智慧素养指标下的信息意识指标、信息知识指标、信息应用指标、伦理安全指标和专业发展指标，在智慧融合指标下的智慧生活指标、智慧教学指标、智慧评价指标和智慧治理指标，在智慧人才指标下的综合发展指标和显性成果指标。
三级指标包括在硬环境指标下的基础环境指标和创新环境指标，在软环境指标下的平台环境指标和应用系统指标，在信息意识指标下的信息认识指标、信息情感指标和信息意志指标，在信息知识指标下的基础知识指标和技术知识指标，在信息应用指标下的获取处理指标、优化创新指标、学情测评指标和有效沟通指标，在伦理安全指标下的伦理道德指标和信息安全指标，在专业发展指标下的持续获取指标和能力成长指标，在智慧生活指标下的家校交流指标和学习空间指标，在智慧评价指标下的数据采集指标和呈现解读指标，在智慧治理指标下的智慧管理指标、智慧服务指标和智慧决策指标，在综合发展指标下的教师提升指标，在显性成果指标下的获取教师成果指标和学生成果指标。
观测点为根据三级指标的数据参数设置的对应的观测点。
步骤2：采用主观和客观结合的方法，确定指标和观测点的权重W；主观的方法为自适应层次分析法；客观的方法为NL-CRITIC方法。
进一步地，步骤2具体包括以下步骤。
步骤21：采用客观的方法计算指标或观测点的权重wC。
进一步地，步骤21的具体操作为：根据指标或观测点的标准差、指标或观测点间的距离相关系数、指标或观测点的距离方差，计算指标或观测点的权重wC。
步骤22：采用主观的方法计算指标或观测点的权重wP。
进一步地，步骤22具体包括以下步骤。
步骤221：将指标或观测点分解为不同的组成因素，并根据组成因素构建判断矩阵；组成因素包括学情分析的标度值、教学设计的标度值、学法指导的标度值和学业评价的标度值。
步骤222：根据设定标准将组成因素进行两两比较，得到比较结果。
步骤223：根据比较结果，计算组成因素的重要性排序。
步骤224：根据重要性排序，计算指标或观测点的权重wP。
步骤23：根据权重wC、权重wP、权重系数，计算最终的权重W。
进一步地，步骤23的具体操作为：
其中，β1、β2为权重系数，wC为采用客观的方法计算的指标或观测点的权重，wP为采用主观的方法计算的指标或观测点的权重，T表示向量的转置，c’m表示采用客观的方法计算的指标或观测点第m个权重，Pm表示表示采用主观的方法计算的指标或观测点第m个权重。
步骤3：根据权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分。
进一步地，步骤3的具体操作为：首先根据权重W计算出老师智慧教育得分和学生智慧教育得分，然后根据老师智慧教育得分和学生智慧教育得分，计算学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，最后根据学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，计算区县智慧教育得分。
步骤4：将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果。
进一步地，步骤4具体包括以下步骤。
步骤41：将区县、学校和学科作为行向量，将一级指标、二级指标、三级指标和观测点作为列向量，建立输入矩阵。
步骤42：将输入矩阵进行归一化处理，并计算奇异向量值。
步骤43：将奇异向量值进行排序，并利用一维k均值确定奇异向量值的近似值。
步骤44：根据欧几里得距离，计算近似值的评分。
步骤45：根据评分，确定最佳的奇异向量值子集，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分投影到最佳的奇异向量值子集并聚集，得到聚类结果。
步骤5：根据聚类结果，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行画像分析，得到智慧教育综合评价。
工作原理：本实施例针对现有评价体系中采用critic方法来确定权重，只能度量问题之间的线性关系，而在教育系统中，非线性关系才是常态，并且只采用客观的方法来确定权重的方法在使用中常常会出现与实际感知不符的问题；采用层次分析法来确定权重，在一些简单决策问题上效果较好，但当问题复杂之后，比如超过10个因素需要两两比较，容易出现错误，出现错误后，进行一致检验就会通不过，严重影响权重确定的效果。
本实施例首先通过构建智慧教育评价体系，确定智慧教育评价体系的指标和观测点；其次采用主观和客观结合的方法，确定指标和观测点的权重；并根据权重，计算各层次智慧教育得分；然后将各层次智慧教育得分进行排名，利用biclustering双聚类法得到聚类结果；最后进行画像分析，得到智慧教育综合评价；通过度量智慧教育数据非线性关系，更好地反映了变量间的关系，提高了比对准确率。
实施例2：
本实施例在上述实施例1的基础上，如图1、图2、图3所示，以一个具体的实施例进行详细说明。
如图1所示，包括以下步骤。
步骤1：确定智慧教育评价体系的一级、二级、三级指标及观测点。
确定评估的指标体系是进行智慧教育发展水平评估的基础，指标的选取对评估的结果具有非常重要的作用。指标体系的构建是智慧教育发展水平评估的核心环境，直接决定最终评估结果的有效性。智慧教育发展综合指数是评价智慧教育综合发展水平的数值，是相同时间下各评估对象发展水平的相对数。
在总结和分析了国内外智慧教育的发展、教育信息化发展水平评估指标体系的基础上，结合笔者提出的智慧教育生态体系，设定了智慧环境发展、师生智慧素养发展、智慧融合应用、智慧人才发展四个方面的一级指标。
智慧环境，主要涵盖教育信息基础硬件设施方面的指标，如学校网络接入带宽、无线网络覆盖情况、多媒体教室建设比例、多媒体教室形态、创新实验室建设情况、师生终端普及率等；教育信息基础软件设施方面的指标，如学校网站、校园网安全防护系统、校园广播系统以及教学应用系统；数字教育资源建设情况等。
师生智慧素养，主要涵盖教师和学生的信息素养方面的指标，如教师的信息意识、信息知识、信息应用、信息伦理与安全；学生的信息意识与认知、信息知识与技能、信息思维与行为和信息社会责任等。
智慧融合，主要涵盖信息技术与教育教学的各个方面的指标，有智慧生活、信息技术与教学融合、智慧评价、智慧治理等二级指标。如智慧生活有师生网络学习空间应用情况、家校沟通情况、在学情等；信息技术与教学融合具体细化为学情分析、教学设计、学法指导和学业评价方面；智慧评价有数据的采集和数据的呈现与解读方面；智慧治理指标涵盖智慧服务、智慧管理和智慧决策方面。
智慧人才，主要涵盖教师和学生的信息技术提升与成果方面。
二级和三级指标的选取是智慧教育发展水平评估的重要一环。二级和三级指标的选取一是对《教育信息化十年发展规划（2011—2020年）》中关于基础教育信息化发展的关键内容和信息进行提炼，二是参考了《教育信息化2.0行动计划》的发展目标和任务，三是结合智慧教育生态理论体系架构，四是考虑到地方教育信息化的实施情况以及相关管理部门的收集数据的现实原因，五是综合分析考虑国内专家学者的研究和实践成果，最后，综合考虑精心设计了智慧教育发展二级指标13个，三级指标31个的指标体系。如表1所示为智慧教育评价体系及观测点对应表
表1：智慧教育评价体系及观测点对应表
多模态数据采集与清洗。
通过教育信息化平台、师生调查问卷、现成访谈等对步骤1设计的指标及观测点进行多模态数据收集。
数据清洗主要通过去除填报时间过短的调查问卷以及信度分析。需要说明的是，教育信息化平台、师生调查问卷、现成访谈都需要进行清洗，本实施例只是以师生调查问卷的清洗过程进行说明。
Cronbach α系数是度量调查问卷信度的最常用方法。若一份量表有n题，题间的平均相关系数为r，则此量表的标准化α系数为：
其中，n代表师生调查问卷的问题的数量，r为题间的平均相关系数。
Cronbach α系数的值在0和1之间。如果α系数不超过0.6，一般认为内部一致信度不足，为不合格的信度；达到0.7—0.8时表示量表具有相当的信度、达到0.8—1.0时说明量表信度非常好，均为合格的信度。
步骤2：确定各级指标及观测点的权重。
在确定了一级、二级、三级度量指标之后，要确定智慧教育评价体系，最重要的就是如何确定各指标之间的权重。之前的做法主要有偏主观地采用层次分析法、德尔菲法，客观的方法有CRITIC法等。单纯地主观确定权重方法，不能很好地利用数据中的信息。而鉴于智慧教育评价的复杂性以及数据收集的局限性，单纯地客观确定权重的方法在使用中又常常会出现与实际感知不符。
在本实施例中，采用一种主客观结合的方法。客观的方法采用新提出的NL-CRITIC方法，主观确定权重的方法采用自适应层次分析法。
CRITIC方法是一种数据驱动的确定权重的客观方法。运用CRITIC法不仅可以考虑到指标内部变异对指标权重的影响，还可以考虑到指标之间的冲突。特别是在选取指标的过程中，如果指标之间关联度过大，可以适当地去掉一些指标，这样可以使指标设置更合理。CRITIC 法是通过评价指标内部的对比强度与指标之间的冲突性的乘积来综合衡量指标间的客观权重。设共有m个问题或指标，则对第k个指标的权重计算公式为：
；
；
上式中，ak为第k个指标的标准差，标准差越大则该指标所含的信息量越大，rik表示指标i和k之间的相关系数，故部分表示指标k的独立程度，此数值越大，则表示指标k越不可被其他指标代替。因此Ck是一种纯数据启动的确定问题权重的客观方法。
但是，统计量Ck只考虑了变量之间的线性关系，这是一种最简单的相关关系。而这对于教育数据这种复杂数据，变量之间往往存在着复杂的非线性关系。因此，统计量中的rik已不再适用于复杂的教育数据。本实施例在此提出采用一种能度量两个随机变量之间独立性，包含任意形式的相关关系的统计量，即用距离相关系数distance correlation来代替/>。改进后的第k个指标的权重/>计算公式为：
其中为指标/>和/>之间的距离相关系数。/>为指标/>自身的距离方差，/>为指标/>自身的距离方差，距离相关系数不仅仅能度量线性相关，也能度量任意类型的非线性相关。
具体的计算如下：
令记第i个指标为样本为n的随机变量；
第k个指标为。
定义两个数据点和/>的距离为：
；
；
；
令；
其中，是行均值，/>是列均值，/>是行列均值。
；
；
；
则的计算如下：
；
在教育数据中，非线性关系是普遍的，如下表2所示。
表2 年龄与综合信息化教学能力对应表
如图2所示，通过计算年龄和综合信息化教学能力的相关系数为0，但两者间的距离相关系数distance correlation为0.5，从而可以看出，距离相关系数distancecorrelation能度量教育数据中的非线性相关关系。从而使基于非线性相关关系的CRITIC能更好地度量变量间的关系。
另一种应用程度广泛的权重确定方法为层次分析法。层次分析法（AnalyticHierarchy Process,AHP）这是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。是对难以完全定量的复杂系统做出决策的模型和方法。
层次分析法根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同的层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层如供决策的方案、措施等相对于最高层如总目标的相对重要权值的确定或相对优劣次序的排定。
首先，构造判断矩阵如下表3所示。
表3 判断矩阵表
然后由5-10位专家对判断矩阵中的指标进行两两比较，比较标准如下表4所示。
表4 比较标准表
取得判断矩阵后，经过一致性检验和判断矩阵的特征根计算后，可得出各个因素的权重。
层次分析法在一些简单决策问题上效果较好。但当问题复杂之后，比如超过10个因素需要两两比较，那么对于专家来说，工作量大增，而且容易出现错误。出现错误后，进行一致检验就会通不过，从而使得专家的工作作废。这严重影响层次分析法的应用场景和效果。本实施例中，我们实现一个自动提示填充方法，该工具在专家填写的过程中，实现自动提示填充。即专家在填写的过程中，根据专家之前填写的两两因素之间的比较结果，计算出接下来要比较的两个因素之间的重要性排序，从而对专家给出提示。专家可根据提示，自动接受该结果或者更改结果。这将大大降低专家的工作量，也大大降低专家犯错的概率，从而顺利通过一致性检验。
具体算法如下：
记所有的标度值为，/>；/>；
其中，n为要比较的指标个数。
标度值已填写的用真实的填写值表示，标度值还未填写的记为/>为1；则对专家接下来将要比较的两个因素k和l，系统会提示的标度值/>为：
其中，和/>为已经填写过的标度值；
专家可通过推荐的进行微调确定最终的标度值/>。通过这个调整，可尽可能帮助专家避免错误，如指标过多时出现方向性的错误。
主客观相结合的方法：
假设共有m指标，其中NL-CRITIC得到的m个指标权重wC分别为：
自适应层次分析法得到的权重wP为：
那么最终的权重W可由下式求解：
其中，β1、β2为权重系数，wC为采用客观的方法计算的指标或观测点的权重，wP为采用主观的方法计算的指标或观测点的权重，T表示向量的转置，c’m表示采用客观的方法计算的指标或观测点第m个权重，Pm表示表示采用主观的方法计算的指标或观测点第m个权重。
步骤3：计算各区县、学校、教师智慧教育得分。
经过对收集的数据进行清洗，以及步骤3计算出的各级指标、观测点的权重，计算出各位老师、学生的智慧教育得分。进一步，综合到各学科、学段、年级、年龄段等师生的智慧教育得分。再进一步，汇总到各区县智慧教育得分。
步骤4：对各区县、学校、学科的智慧教育得分进行排名和基于biclustering进行聚类分析。
传统的聚类分析方法多采用K-means、层次聚类、谱聚类等方法，对各区县、学校、学科的智慧教育得分进行聚类分析，将相似的区县、学校、学科聚成一类。但这些传统的聚类方法将各个指标视为权重相同。而在智慧教育评价中，很多区县、学校只在一些局部指标上不一致，大部分指标上相同，这使得传统的单维聚类方法不适用于高维的教育数据。
biclustering算法能检测出数据中的棋盘结构，如下图3所示。本实施例通过使用spectral biclucstering算法，可同时对行向量如区县、学校、学科等及列向量如一级指标、二级指标、三级指标进行聚类。传统的距离算法只可对区县、学校、学科等行向量进行聚类，这在实际使用当中，经常存在聚类效果不佳的情况。因此，在教育数据中使用biclucstering算法，不仅能得出哪些区县、学校、学科等向量相似，还可以说明这些行向量的哪些具体指标更相似。
下面以spectral biclustering为例介绍biluustering算法。
1）对行向量为指标，列向量为学校的输入矩阵进行归一化。
2）计算前几个奇异向量值。
3）根据这些奇异向量值进行排序，使其可以更好地通过piecewise-constant向量进行近似表示。
4）使用一维k均值找到每个向量的近似值，并使用欧几里得距离进行评分。
5）选择最佳左右奇异向量值的一些子集。
6）将数据投影到这个奇异向量值的最佳子集并聚集。
传统聚类结果如表5所示，8所学校共聚成三类。
表5 传统聚类结果表
双聚类的结果如表6所示，8所学校、7个指标共聚成5类。
表6 双聚类结果表
步骤5：对各区县、学校、学科教师的智慧教育水平进行画像分析。
根据步骤4的结果，对各区县、学校、学科教师的智慧教育水平进行画像分析。找出各类老师的优势和短板。从而对各区县、学校、学科教师进行有针对性的培训和提升。
工作原理：本实施例致力于提出一种有效度量智慧教育评价及应用体系。通过科学全面的指标体系设计、多模态数据收集、数据驱动的指标权重确定，分析和得出各层级，如各区县、学校、学科、学段智慧教育发展水平。再经过聚类分析等方法，对各区县、学校、学科、学段、年龄段的教师智慧教育发展水平进行画像分析，找出优势和短板，从而对优势的方面凝练成果，对短板的方面，进行优化队伍，精准提升。
与传统的智慧教育评价体系相比，本实施具有以下优势：第一，指标体系更加完整。主要体现在表1的三级指标选取，涵盖了智慧教育的四大方面，传统的教育评价体系多体现在我们的一级指标“智慧融合”一部分，是不完整的。第二，关键方法创新。这个主要体现步骤2中提出的NL-CRITIC方法。之前的评价体系中，多是采用critic方法来确定权重。这样做的缺点是，critic方法只能度量问题之间的线性关系，而在教育系统中，非线性关系才是常态。NL-CRITIC方法的提出就是为了更好地度量问题之间的非线性关系。第三，主观方法中提出的自适应层次分析法，原来的方法叫层次分析法。第四，应用创新。体现在步骤5中。之前的应用体系，用聚类来对学校做分类评价的不多，本实施例更是创新性地用biclustering双聚类。传统的聚类算法只能聚出哪些学校是一类，而双聚类算法的好处是，可同时对学校和指标进行聚类，即可以聚出哪些学校在哪些指标上是属于同一类。
本实施例的其他部分与上述实施例1相同，故不再赘述。
实施例3：
本实施例在上述实施例1-2任一项的基础上，提出一种智慧教育综合评价系统，包括构建单元、权重确定单元、计算单元、聚类单元、综合评价单元。
构建单元，用于构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；指标包括一级指标、二级指标、三级指标。
权重确定单元，用于采用主观和客观结合的方法，确定指标和观测点的权重W；主观的方法为自适应层次分析法；客观的方法为NL-CRITIC方法。
计算单元，用于根据权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分。
聚类单元，用于将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果。
综合评价单元，用于根据聚类结果，将区县智慧教育得分、学校智慧教育得分和教师智慧教育得分进行画像分析，得到智慧教育综合评价。
本实施例还提出一种电子设备，包括存储器、处理器；存储器上存储有计算机程序；
当处理器在计算机程序上执行时，实现上述的智慧教育综合评价方法。
本实施例还提出一种计算机可读存储介质，计算机可读存储介质上存储有计算机指令；
当计算机指令在上述的处理器上执行时，实现上述的智慧教育综合评价方法。
本实施例的其他部分与上述实施例1-2任一项相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (9)
1.一种智慧教育综合评价方法，其特征在于，具体包括以下步骤：
步骤1：构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；
步骤2：采用主观的方法和客观的方法结合的方式，确定所述智慧教育评价体系的指标和所述智慧教育评价体系的观测点的权重W；所述主观的方法为自适应层次分析法；所述客观的方法为CRITIC方法；
步骤3：根据所述权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分；
步骤4：将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果；
步骤5：根据所述聚类结果，将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分进行画像分析，得到智慧教育综合评价；
所述步骤2具体包括以下步骤：
步骤21：采用客观的方法计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用客观的方法计算的指标或采用客观的方法计算的观测点的权重wC；
步骤22：采用主观的方法计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用主观的方法计算的指标或采用主观的方法计算的观测点的权重wP；
步骤23：根据权重wC、权重wP、权重系数，计算最终的权重W；
所述步骤3的具体操作为：首先根据所述权重W计算出老师智慧教育得分和学生智慧教育得分，然后根据所述老师智慧教育得分和学生智慧教育得分，计算学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，最后根据所述学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，计算区县智慧教育得分；
所述步骤4具体包括以下步骤：
步骤41：将区县、学校和学科作为行向量，将所述智慧教育评价体系的指标和所述智慧教育评价体系的观测点作为列向量，建立输入矩阵；
步骤42：将所述输入矩阵进行归一化处理，并计算奇异向量值；
步骤43：将所述奇异向量值进行排序，并利用一维k均值确定所述奇异向量值的近似值；
步骤44：根据欧几里得距离，计算所述近似值的评分；
步骤45：根据所述评分，确定最佳的奇异向量值子集，将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分投影到所述最佳的奇异向量值子集并聚集，得到聚类结果。
2.根据权利要求1所述的一种智慧教育综合评价方法，其特征在于，所述步骤21的具体操作为：根据所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的标准差、所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点间的距离相关系数、所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的距离方差，计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用客观的方法计算的指标或采用客观的方法计算的观测点的权重wC。
3.根据权利要求2所述的一种智慧教育综合评价方法，其特征在于，所述步骤22具体包括以下步骤：
步骤221：将所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点分解为不同的组成因素，并根据所述组成因素构建判断矩阵；所述组成因素包括学情分析的标度值、教学设计的标度值、学法指导的标度值和学业评价的标度值；
步骤222：根据设定标准将所述组成因素进行两两比较，得到比较结果；
步骤223：根据所述比较结果，计算组成因素的重要性排序；
步骤224：根据所述重要性排序，计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用主观的方法计算的指标或采用主观的方法计算的观测点的权重wP。
4.根据权利要求3所述的一种智慧教育综合评价方法，其特征在于，所述步骤23的具体操作为：
其中，β1、β2为权重系数，wC为采用客观的方法计算的指标或采用客观的方法计算的观测点的权重，wP为采用主观的方法计算的指标或采用主观的方法计算的观测点的权重，T表示向量的转置，c’m表示采用客观的方法计算的指标或采用客观的方法计算的观测点第m个权重，Pm表示采用主观的方法计算的指标或采用主观的方法计算的观测点第m个权重。
5.根据权利要求1所述的一种智慧教育综合评价方法，其特征在于，所述步骤1具体包括以下步骤：
步骤11：以教育信息化平台、师生调查问卷、访谈作为数据输入源，采集智慧教育数据；
步骤12：清洗所述智慧教育数据，分析清洗后的所述智慧教育数据的信度，并保存所述智慧教育数据的信度合格的智慧教育数据；
步骤13：根据所述智慧教育数据的信度合格的智慧教育数据，构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；所述指标包括一级指标、二级指标、三级指标；
所述一级指标包括智慧环境指标、师生智慧素养指标、智慧融合指标、智慧人才指标；
所述二级指标包括在智慧环境指标下的硬环境指标和软环境指标，在智慧素养指标下的信息意识指标、信息知识指标、信息应用指标、伦理安全指标和专业发展指标，在智慧融合指标下的智慧生活指标、智慧教学指标、智慧评价指标和智慧治理指标，在智慧人才指标下的综合发展指标和显性成果指标；
所述三级指标包括在硬环境指标下的基础环境指标和创新环境指标，在软环境指标下的平台环境指标和应用系统指标，在信息意识指标下的信息认识指标、信息情感指标和信息意志指标，在信息知识指标下的基础知识指标和技术知识指标，在信息应用指标下的获取处理指标、优化创新指标、学情测评指标和有效沟通指标，在伦理安全指标下的伦理道德指标和信息安全指标，在专业发展指标下的持续获取指标和能力成长指标，在智慧生活指标下的家校交流指标和学习空间指标，在智慧评价指标下的数据采集指标和呈现解读指标，在智慧治理指标下的智慧管理指标、智慧服务指标和智慧决策指标，在综合发展指标下的教师提升指标，在显性成果指标下的获取教师成果指标和学生成果指标；
所述观测点为根据所述三级指标的数据参数设置的对应的观测点。
6.根据权利要求5所述的一种智慧教育综合评价方法，其特征在于，当清洗以所述师生调查问卷为智慧教育数据的数据输入源时，所述步骤12具体包括以下步骤：
步骤121：去除所述智慧教育数据中填报时间低于设置的标准阈值的调查问卷，并分析所述师生调查问卷的信度；
步骤122：根据所述师生调查问卷的题目数量、所述师生调查问卷的题目之间的平均相关系数，计算所述师生调查问卷的标准化系数；
步骤123：根据所述标准化系数，判断所述师生调查问卷的信度，并保存所述师生调查问卷的信度合格的师生调查问卷。
7.一种智慧教育综合评价系统，其特征在于，包括构建单元、权重确定单元、计算单元、聚类单元、综合评价单元；
所述构建单元，用于构建智慧教育评价体系，并确定智慧教育评价体系的指标和观测点；所述指标包括一级指标、二级指标、三级指标；
所述权重确定单元，用于采用主观的方法和客观的方法结合的方式，确定所述指标和所述观测点的权重W；所述主观的方法为自适应层次分析法；所述客观的方法为CRITIC方法；首先采用客观的方法计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用客观的方法计算的指标或采用客观的方法计算的观测点的权重wC；然后采用主观的方法计算所述智慧教育评价体系的指标或所述智慧教育评价体系的观测点的权重，得到采用主观的方法计算的指标或采用主观的方法计算的观测点的权重wP；最后根据权重wC、权重wP、权重系数，计算最终的权重W；
所述计算单元，用于根据所述权重W，计算区县智慧教育得分、学校智慧教育得分和教师智慧教育得分；首先根据所述权重W计算出老师智慧教育得分和学生智慧教育得分，然后根据所述老师智慧教育得分和学生智慧教育得分，计算学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，最后根据所述学科智慧教育得分、学段智慧教育得分、年级智慧教育得分和年龄段师生智慧教育得分，计算区县智慧教育得分；
所述聚类单元，用于将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分进行排名，并根据biclustering双聚类法进行聚类分析，得到聚类结果；首先将区县、学校和学科作为行向量，将所述智慧教育评价体系的指标和所述智慧教育评价体系的观测点作为列向量，建立输入矩阵；其次将所述输入矩阵进行归一化处理，并计算奇异向量值；将所述奇异向量值进行排序，并利用一维k均值确定所述奇异向量值的近似值；然后根据欧几里得距离，计算所述近似值的评分；最后根据所述评分，确定最佳的奇异向量值子集，将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分投影到所述最佳的奇异向量值子集并聚集，得到聚类结果；
所述综合评价单元，用于根据所述聚类结果，将所述区县智慧教育得分、所述学校智慧教育得分和所述教师智慧教育得分进行画像分析，得到智慧教育综合评价。
8.一种电子设备，其特征在于，包括存储器、处理器；所述存储器上存储有计算机程序；
当所述处理器在所述计算机程序上执行时，实现如权利要求1-6任一项所述的智慧教育综合评价方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令；
当所述计算机指令在如权利要求8所述的电子设备上执行时，实现如权利要求1-6任一项所述的智慧教育综合评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340792.6A CN116109456B (zh) | 2023-04-03 | 2023-04-03 | 一种智慧教育综合评价方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340792.6A CN116109456B (zh) | 2023-04-03 | 2023-04-03 | 一种智慧教育综合评价方法、系统、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116109456A CN116109456A (zh) | 2023-05-12 |
| CN116109456B true CN116109456B (zh) | 2023-07-28 |
Family
ID=86260070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310340792.6A Active CN116109456B (zh) | 2023-04-03 | 2023-04-03 | 一种智慧教育综合评价方法、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116109456B (zh) |
Citations (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408128A (zh) * | 2016-09-26 | 2017-02-15 | 华南理工大学 | 基于双聚类挖掘及模糊推理的股票交易规则预测方法 |
| CN106777872A (zh) * | 2016-11-18 | 2017-05-31 | 北京安易康科技有限公司 | 一种基于智能穿戴技术进行老年人生活质量评价的方法 |
| CN107122894A (zh) * | 2017-04-14 | 2017-09-01 | 华中师范大学 | 一种组合赋权的教育信息化水平评估方法及系统 |
| CN107220756A (zh) * | 2017-05-22 | 2017-09-29 | 华中师范大学 | 一种教育信息化发展水平区域差异对比分析方法及系统 |
| CN107679663A (zh) * | 2017-10-09 | 2018-02-09 | 中国电子科技集团公司第二十八研究所 | 一种教育资源监测预警系统 |
| CN107679698A (zh) * | 2017-09-07 | 2018-02-09 | 华南师范大学 | 基于经济关联参数的教育信息化建设水平分析方法 |
| CN107707613A (zh) * | 2017-08-15 | 2018-02-16 | 杭州华网信息技术有限公司 | 一种智慧教育云计算系统 |
| CN107705019A (zh) * | 2017-09-30 | 2018-02-16 | 安徽四创电子股份有限公司 | 一种智慧城市惠民服务水平评价方法 |
| CN107909296A (zh) * | 2017-12-11 | 2018-04-13 | 梁金凤 | 一种规划准确的智慧城市规划系统 |
| CN108022191A (zh) * | 2017-12-26 | 2018-05-11 | 重庆大争科技有限公司 | 应用于校园的智慧教学管理系统 |
| CN108319733A (zh) * | 2018-03-29 | 2018-07-24 | 华中师范大学 | 一种基于地图的教育大数据分析方法及系统 |
| CN108345697A (zh) * | 2018-03-22 | 2018-07-31 | 山东财经大学 | 面向大学生群体的智慧课程推荐方法、系统及存储介质 |
| CN108416713A (zh) * | 2018-04-24 | 2018-08-17 | 温州市鹿城区中津先进科技研究院 | 一种区域开放式教育大数据基础云平台系统 |
| CN108537516A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 智慧校园教育大数据融合平台 |
| CN108596802A (zh) * | 2018-04-24 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的区域智慧教育云平台 |
| CN108881157A (zh) * | 2018-05-04 | 2018-11-23 | 国家计算机网络与信息安全管理中心 | 一种基于pc终端行为的个体信息安全能力评价方法及系统 |
| CN108985582A (zh) * | 2018-06-27 | 2018-12-11 | 清华大学附属中学 | 一种行为数据收集分析方法 |
| CN109191001A (zh) * | 2018-09-21 | 2019-01-11 | 常州工学院 | 基于主成分分析的教育质量评价方法 |
| CN109255731A (zh) * | 2018-08-09 | 2019-01-22 | 广联达科技股份有限公司 | 一种建筑工程劳务人员管理系统及管理方法 |
| CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
| CN109377429A (zh) * | 2018-11-13 | 2019-02-22 | 广东同心教育科技有限公司 | 一种人脸识别素质教育智慧评价系统 |
| CN109377096A (zh) * | 2018-11-27 | 2019-02-22 | 华南理工大学 | 城市综合公园环境教育效果评价方法 |
| CN109636150A (zh) * | 2018-11-30 | 2019-04-16 | 南京市城市规划编制研究中心 | 一种智慧城市“多规合一”评价体系的建立方法及其系统 |
| CN109712041A (zh) * | 2018-11-30 | 2019-05-03 | 南京恒嘉坤科技有限公司 | 基于智慧教育的社会办学监管系统 |
| CN109784688A (zh) * | 2018-12-28 | 2019-05-21 | 上海软科教育信息咨询有限公司 | 教育水平可视化评价方法、装置、设备及存储介质 |
| CN109858797A (zh) * | 2019-01-25 | 2019-06-07 | 中山大学 | 基于知识网络精准在线教育系统的多维度信息学情分析方法 |
| CN109902912A (zh) * | 2019-01-04 | 2019-06-18 | 中国矿业大学 | 一种基于性格特征的个性化图像美学评价方法 |
| CN109919471A (zh) * | 2019-02-27 | 2019-06-21 | 河南鑫安利安全科技股份有限公司 | 一种智慧风控评估方法及系统 |
| CN110189020A (zh) * | 2019-05-30 | 2019-08-30 | 重庆跃途科技有限公司 | 一种高校智慧校园建设水平评价方法 |
| CN110197340A (zh) * | 2019-06-06 | 2019-09-03 | 哈尔滨工业大学 | 一种面向在线教育平台的学习者学习能力评估方法 |
| CN110363691A (zh) * | 2019-07-04 | 2019-10-22 | 科谊达(北京)智能科技有限公司 | 一种智慧校园的家校共育系统 |
| CN111210376A (zh) * | 2019-12-05 | 2020-05-29 | 农芯(南京)智慧农业研究院有限公司 | 乡村数字化程度评估方法及装置 |
| CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置 |
| CN111476495A (zh) * | 2020-04-13 | 2020-07-31 | 北京科技大学 | 一种提升学习效率的评价及优化方法及其系统 |
| CN111738285A (zh) * | 2019-11-29 | 2020-10-02 | 北京科技大学 | 对学生进行学习效率评价和学习效率提升优化的评价方法 |
| CN112100606A (zh) * | 2020-09-28 | 2020-12-18 | 邓燕平 | 基于云端大数据计算的在线教育处理方法及在线教育平台 |
| CN112734393A (zh) * | 2021-01-18 | 2021-04-30 | 宁波送变电建设有限公司永耀科技分公司 | 集体企业外施单位智慧管理平台 |
| CN114637206A (zh) * | 2022-03-18 | 2022-06-17 | 合肥工业大学 | 一种基于双聚类自适应模糊神经网络的重量控制方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120005143A1 (en) * | 2009-12-07 | 2012-01-05 | Liu Jinshuo | Model and algorithm for automated item generator of the graphic intelligence test |
| US20130246903A1 (en) * | 2011-09-11 | 2013-09-19 | Keith Douglas Mukai | System and methods for structured evaluation, analysis, and retrieval of document contents |
| US20140322678A1 (en) * | 2013-04-24 | 2014-10-30 | Kitchology Inc. | Presentation of food information on a personal and selective dynamic basis and associated services |
| US20160232624A1 (en) * | 2012-01-05 | 2016-08-11 | Kitchology Inc. | Method, apparatus and system for consumer profiling in support of food-related activities |
| CN111699504A (zh) * | 2017-10-23 | 2020-09-22 | 维恩知识产权有限公司 | 经由区块链交易平台进行ip所有权和ip注册的系统和方法 |
| US20200265518A1 (en) * | 2017-10-23 | 2020-08-20 | Erich Lawson Spangenberg | ICO and crowdfunding and presale payment system using alternative currency |
| CN111684443A (zh) * | 2017-12-20 | 2020-09-18 | 维恩知识产权有限公司 | 去中心化的自主知识产权资产评估引擎 |
| US20200302296A1 (en) * | 2019-03-21 | 2020-09-24 | D. Douglas Miller | Systems and method for optimizing educational outcomes using artificial intelligence |
-
2023
- 2023-04-03 CN CN202310340792.6A patent/CN116109456B/zh active Active
Patent Citations (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408128A (zh) * | 2016-09-26 | 2017-02-15 | 华南理工大学 | 基于双聚类挖掘及模糊推理的股票交易规则预测方法 |
| CN106777872A (zh) * | 2016-11-18 | 2017-05-31 | 北京安易康科技有限公司 | 一种基于智能穿戴技术进行老年人生活质量评价的方法 |
| CN107122894A (zh) * | 2017-04-14 | 2017-09-01 | 华中师范大学 | 一种组合赋权的教育信息化水平评估方法及系统 |
| CN107220756A (zh) * | 2017-05-22 | 2017-09-29 | 华中师范大学 | 一种教育信息化发展水平区域差异对比分析方法及系统 |
| CN107707613A (zh) * | 2017-08-15 | 2018-02-16 | 杭州华网信息技术有限公司 | 一种智慧教育云计算系统 |
| CN107679698A (zh) * | 2017-09-07 | 2018-02-09 | 华南师范大学 | 基于经济关联参数的教育信息化建设水平分析方法 |
| CN107705019A (zh) * | 2017-09-30 | 2018-02-16 | 安徽四创电子股份有限公司 | 一种智慧城市惠民服务水平评价方法 |
| CN107679663A (zh) * | 2017-10-09 | 2018-02-09 | 中国电子科技集团公司第二十八研究所 | 一种教育资源监测预警系统 |
| CN107909296A (zh) * | 2017-12-11 | 2018-04-13 | 梁金凤 | 一种规划准确的智慧城市规划系统 |
| CN108022191A (zh) * | 2017-12-26 | 2018-05-11 | 重庆大争科技有限公司 | 应用于校园的智慧教学管理系统 |
| CN108345697A (zh) * | 2018-03-22 | 2018-07-31 | 山东财经大学 | 面向大学生群体的智慧课程推荐方法、系统及存储介质 |
| CN108319733A (zh) * | 2018-03-29 | 2018-07-24 | 华中师范大学 | 一种基于地图的教育大数据分析方法及系统 |
| CN108416713A (zh) * | 2018-04-24 | 2018-08-17 | 温州市鹿城区中津先进科技研究院 | 一种区域开放式教育大数据基础云平台系统 |
| CN108537516A (zh) * | 2018-04-24 | 2018-09-14 | 温州市鹿城区中津先进科技研究院 | 智慧校园教育大数据融合平台 |
| CN108596802A (zh) * | 2018-04-24 | 2018-09-28 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据分析的区域智慧教育云平台 |
| CN108881157A (zh) * | 2018-05-04 | 2018-11-23 | 国家计算机网络与信息安全管理中心 | 一种基于pc终端行为的个体信息安全能力评价方法及系统 |
| CN108985582A (zh) * | 2018-06-27 | 2018-12-11 | 清华大学附属中学 | 一种行为数据收集分析方法 |
| CN109255731A (zh) * | 2018-08-09 | 2019-01-22 | 广联达科技股份有限公司 | 一种建筑工程劳务人员管理系统及管理方法 |
| CN109191001A (zh) * | 2018-09-21 | 2019-01-11 | 常州工学院 | 基于主成分分析的教育质量评价方法 |
| CN109299372A (zh) * | 2018-10-18 | 2019-02-01 | 浙江正元智慧科技股份有限公司 | 一种基于协同过滤的智慧选课推荐方法 |
| CN109377429A (zh) * | 2018-11-13 | 2019-02-22 | 广东同心教育科技有限公司 | 一种人脸识别素质教育智慧评价系统 |
| CN109377096A (zh) * | 2018-11-27 | 2019-02-22 | 华南理工大学 | 城市综合公园环境教育效果评价方法 |
| CN109636150A (zh) * | 2018-11-30 | 2019-04-16 | 南京市城市规划编制研究中心 | 一种智慧城市“多规合一”评价体系的建立方法及其系统 |
| CN109712041A (zh) * | 2018-11-30 | 2019-05-03 | 南京恒嘉坤科技有限公司 | 基于智慧教育的社会办学监管系统 |
| CN109784688A (zh) * | 2018-12-28 | 2019-05-21 | 上海软科教育信息咨询有限公司 | 教育水平可视化评价方法、装置、设备及存储介质 |
| CN109902912A (zh) * | 2019-01-04 | 2019-06-18 | 中国矿业大学 | 一种基于性格特征的个性化图像美学评价方法 |
| CN109858797A (zh) * | 2019-01-25 | 2019-06-07 | 中山大学 | 基于知识网络精准在线教育系统的多维度信息学情分析方法 |
| CN109919471A (zh) * | 2019-02-27 | 2019-06-21 | 河南鑫安利安全科技股份有限公司 | 一种智慧风控评估方法及系统 |
| CN110189020A (zh) * | 2019-05-30 | 2019-08-30 | 重庆跃途科技有限公司 | 一种高校智慧校园建设水平评价方法 |
| CN110197340A (zh) * | 2019-06-06 | 2019-09-03 | 哈尔滨工业大学 | 一种面向在线教育平台的学习者学习能力评估方法 |
| CN110363691A (zh) * | 2019-07-04 | 2019-10-22 | 科谊达(北京)智能科技有限公司 | 一种智慧校园的家校共育系统 |
| CN111738285A (zh) * | 2019-11-29 | 2020-10-02 | 北京科技大学 | 对学生进行学习效率评价和学习效率提升优化的评价方法 |
| CN111210376A (zh) * | 2019-12-05 | 2020-05-29 | 农芯(南京)智慧农业研究院有限公司 | 乡村数字化程度评估方法及装置 |
| CN111260211A (zh) * | 2020-01-14 | 2020-06-09 | 东南大学 | 一种基于ahp-改进的熵权法-topsis的智慧能源系统评价方法及装置 |
| CN111476495A (zh) * | 2020-04-13 | 2020-07-31 | 北京科技大学 | 一种提升学习效率的评价及优化方法及其系统 |
| CN112100606A (zh) * | 2020-09-28 | 2020-12-18 | 邓燕平 | 基于云端大数据计算的在线教育处理方法及在线教育平台 |
| CN112734393A (zh) * | 2021-01-18 | 2021-04-30 | 宁波送变电建设有限公司永耀科技分公司 | 集体企业外施单位智慧管理平台 |
| CN114637206A (zh) * | 2022-03-18 | 2022-06-17 | 合肥工业大学 | 一种基于双聚类自适应模糊神经网络的重量控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116109456A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A competency evaluation method of human resources managers based on multi-granularity linguistic variables and VIKOR method | |
| Tisi et al. | A review of literature on marking reliability research | |
| Li et al. | An artificial intelligence based model for evaluation of college students’ ability and characteristics through teaching evaluation | |
| Wang | Ideological and political teaching model using fuzzy analytic hierarchy process based on machine learning and artificial intelligence | |
| Marshall et al. | Assessment by comparative judgement: An application to secondary statistics and English in New Zealand | |
| Brown et al. | Iranian university students’ conceptions of assessment: Using assessment to self-improve | |
| Peng | Research on online learning behavior analysis model in big data environment | |
| Özgenel et al. | Effects of organizational cynicism occupational commitment and organizational dissent on knowledge inertia | |
| Liu | Data Analysis of Educational Evaluation Using K‐Means Clustering Method | |
| Berková et al. | Motivation of Students of Economic and Technical Study Programmes as a Tool of Competitiveness of Universities and Colleges: Empirical Study. | |
| LoGerfo et al. | High School Longitudinal Study of 2009 (HSLS: 09). A First Look at Fall 2009 Ninth-Graders' Parents, Teachers, School Counselors, and School Administrators. NCES 2011-355. | |
| CN116109456B (zh) | 一种智慧教育综合评价方法、系统、电子设备及存储介质 | |
| Kong et al. | [Retracted] Construction and Application of Physical Education Teacher Literacy Evaluation System Based on Grey Relational Model | |
| Farley et al. | Law student success and supports: Examining bar passage and factors that contribute to student performance | |
| Tang et al. | A new fuzzy comprehensive evaluation model for influencing factors of physical education | |
| Liu et al. | Multimode Teaching Quality Evaluation Model of Higher Education Course Based on Improved Particle Swarm Optimization | |
| Ramli et al. | Teaching performance evaluation framework: an analytic hierarchy process approach | |
| Tang | [Retracted] Evaluation Method of College Students’ Education Management Quality Based on Collaborative Filtering Algorithm and IoT Apps | |
| Jayaratna | Understanding university students’ journey using advanced data analytics | |
| Shi et al. | Research and design of teaching evaluation system based on fuzzy model | |
| CN116523225B (zh) | 一种基于数据挖掘的翻转课堂混合教学方法 | |
| Coats | A comparison of organizational performance in publicly traded companies with and without a mature organizational learning culture | |
| Wang | Application of Superiority Chart in the Construction of the Internal Quality Guarantee System of Private Colleges and Universities | |
| Jamba | The Role of Parental Involvement Impact on Career Decisions Making among Senior Secondary School Student in Selected Province of Bhutan. | |
| Ranjan et al. | Data analysis to uncover critical parameters for performance appraisal of students in higher education |
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 |