CN116307934A - 一种基于云计算的录播教学课程质量评价方法及系统 - Google Patents
一种基于云计算的录播教学课程质量评价方法及系统 Download PDFInfo
- Publication number
- CN116307934A CN116307934A CN202310545418.XA CN202310545418A CN116307934A CN 116307934 A CN116307934 A CN 116307934A CN 202310545418 A CN202310545418 A CN 202310545418A CN 116307934 A CN116307934 A CN 116307934A
- Authority
- CN
- China
- Prior art keywords
- level
- low
- video
- marking
- data
- 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
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 154
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000003860 storage Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 36
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000012634 fragment Substances 0.000 abstract 3
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明属于视频教育领域，涉及数据分析技术，用于解决现有的录播教学课程质量评价方法无法对视频课程中需要重点讲解的片段、学生不感兴趣的片段等特殊视频片段进行提取的问题，具体是一种基于云计算的录播教学课程质量评价方法及系统，包括质量评价平台，所述质量评价平台通信连接有视频分析模块、视频处理模块、高级分析模块、低级分析模块、质量评级模块以及存储模块；所述视频分析模块用于对录播教学课程视频进行分析处理；本发明可以对录播教学课程视频在近期的每一次播放进行分析，通过整个课程视频的播放时长对播放数据进行标记，从而通过播放时长对课程内容的容易理解程度以及学生感兴趣程度进行反馈。
Description
技术领域
本发明属于视频教育领域，涉及数据分析技术，具体是一种基于云计算的录播教学课程质量评价方法及系统。
背景技术
在虚拟教育场景下，通常采用屏幕录制的方式生成录播课程，或者采用画中画的方式分别录制教师视频和显示屏幕后，直接进行合成生成录播课程；录播课教学主要是通过对老师的上课内容进行前期录制与后期加工等步骤，制作针对某一领域知识的一系列教授课程的视频内容，而学生通过对该视频的观看来实现学习的一种授课形态。
由于录播课程是提前录制的，这就导致了学生在学习的过程仅能够依靠自主学习能力进行学习，而无法与老师进行互动，因此，学生的学习效果、老师的教学质量均无法有效监控，也无法对视频课程中需要重点讲解的片段、学生不感兴趣的片段等特殊视频片段进行提取，导致录播课程内容无法得到针对性优化。
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于云计算的录播教学课程质量评价方法及系统，用于解决现有的录播教学课程质量评价方法无法对视频课程中需要重点讲解的片段、学生不感兴趣的片段等特殊视频片段进行提取的问题；
本发明需要解决的技术问题为：如何提供一种可以对视频课程中需要重点讲解的片段、学生不感兴趣的片段等特殊视频片段进行提取的基于云计算的录播教学课程质量评价方法及系统。
本发明的目的可以通过以下技术方案实现：
一种基于云计算的录播教学课程质量评价系统，包括质量评价平台，所述质量评价平台通信连接有视频分析模块、视频处理模块、高级分析模块、低级分析模块、质量评级模块以及存储模块；
所述视频分析模块用于对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZS，获取分析对象在最近L1天内的所有播放数据，通过播放数据与制作时长ZS将分析对象标记为播放数据标记为低级数据、中级数据或高级数据，将低级数据通过质量评价平台发送至低级分析模块，将高级数据通过质量评价平台发送至高级分析模块；
所述视频处理模块用于对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；
所述低级分析模块用于对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数的数值大小将视频切片标记为低级切片或普通切片；
所述高级分析模块用于对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数的数值大小将视频切片标记为高级切片或普通切片；
所述质量评级模块用于对录播教学课程质量进行等级评定分析。
作为本发明的一种优选实施方式，将分析对象标记为播放数据标记为低级数据、中级数据或高级数据的具体过程包括：播放数据包括分析对象进行播放时的播放时长BS，通过公式ZSmin=t1*ZS与公式ZSmax=t2*ZS得到制作阈值ZSmin与ZSmax，其中t1与t2均为比例系数，且0.75≤t1≤0.85、1.15≤t2≤1.25，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较：若BS≤ZSmin，则将对应的播放数据标记为低级数据；若ZSmin＜BS＜ZSmax，则将对应的播放数据标记为中级数据；若BS≥ZSmax，则将对应的播放数据标记为高级数据，将低级数据通过质量评价平台发送至低级分析模块，将高级数据通过质量评价平台发送至高级分析模块。
作为本发明的一种优选实施方式，将视频切片标记为低级切片或普通切片的具体过程包括：通过存储模块获取到低级阈值，将视频切片的低级系数与低级阈值进行比较：若低级系数小于等于低级阈值，则将对应的视频切片标记为低级切片；若低级系数大于低级阈值，则将对应的视频切片标记为普通切片。
作为本发明的一种优选实施方式，低级分析模块对低级数据进行处理分析的具体过程还包括：将所有低级切片的编号建立低级集合，对低级集合进行方差计算得到分布系数，通过存储模块获取到分布阈值，将分布系数与分布阈值进行比较：若分布系数小于分布阈值，则将低级数据的分布特征标记为集中，对所有低级切片的编号进行求和取平均值后取整得到集中值JZ，将编号位于JZ-m1与JZ之间的低级切片标记为处理切片；若分布系数大于等于分布阈值，则将低级数据的分布特征标记为分散，将所有编号为低级切片的编号数值减一的视频切片标记为处理切片；将处理切片发送至质量评价平台，质量评价平台接收到处理切片后将处理切片发送至管理人员的手机终端。
作为本发明的一种优选实施方式，通过高级系数的数值大小将视频切片标记为高级切片或普通切片的具体过程包括：通过存储模块获取到高级阈值，将视频切片的高级系数与高级阈值进行比较：若高级系数大于高级阈值，则将对应的视频切片标记为高级切片；若高级系数小于等于高级阈值，则将对应的视频切片标记为普通切片，将高级切片发送至质量评价平台，质量评价平台接收到高级切片后将高级切片发送至管理人员的手机终端。
作为本发明的一种优选实施方式，质量评级模块对录播教学课程质量进行等级评定分析的具体过程包括：获取分析对象的高级切片与低级切片的数量并分别标记为GJ与DJ，获取分析对象的高级数据与低级数据的数量并分别标记为GS与DS，通过对GJ、GS、DJ以及DS进行数值计算得到分析对象的评级系数PJ，通过存储模块获取到评级阈值PJmin、PJmax，将分析对象的评级系数PJ与评级阈值PJmin、PJmax进行比较并通过比较结果对分析对象的质量等级进行标记。
作为本发明的一种优选实施方式，将分析对象的评级系数PJ与评级阈值PJmin、PJmax进行比较的具体过程包括：若PJ≤PJmin，则判定分析对象的课程质量不合格，将对应的分析对象的质量等级标记为三等级；若PJmin＜PJ＜PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为二等级；若PJ≥PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为一等级；将分析对象的质量等级发送至质量评价平台，质量评价平台将接收到的分析对象的质量等级发送至管理人员的手机终端。
一种基于云计算的录播教学课程质量评价方法，包括以下步骤：
步骤一：对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZSmin、ZSmax，获取分析对象在最近L1天内的所有播放数据，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较并通过比较结果将播放数据标记为低级数据、中级数据或高级数据；
步骤二：对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；
步骤三：对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数将视频切片标记为低级切片或普通切片；
步骤四：对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数将视频切片标记为高级切片或普通切片；
步骤五：对录播教学课程质量进行等级评定分析：对分析对象的高级切片与低级切片的数量以及高级数据与低级数据的数量进行数值计算得到分析对象的评级系数PJ，通过评级系数PJ的数值对分析对象的质量等级进行标记。
本发明具备下述有益效果：
通过视频分析模块可以对录播教学课程视频在近期的每一次播放进行分析，通过整个课程视频的播放时长对播放数据进行标记，从而通过播放时长对课程内容的容易理解程度以及学生感兴趣程度进行反馈，进而可以通过反馈结果作出针对性的课程内容优化；
通过低级分析模块可以对低级数据进行处理分析，通过对低级数据中的视频切片播放次数进行分析得到低级系数，从而根据低级系数对视频切片部分教学内容的受欢迎程度进行反馈，同时通过分布分析对所有低级数据中低级切片的分布特征进行标记，根据不同的分布特征进行处理切片标记，从而将需要进行内容调整的视频切片进行精准输出；
通过高级分析模块可以对高级数据进行处理分析，通过对高级数据中的视频切片播放次数进行分析得到高级系数，通过高级系数的数值大小对高级切片进行标记，高级切片的视频内容被用户反复进行观看，从而可以通过高级系数对视频切片部分教学内容的理解难易程度进行反馈；
4、通过质量评级模块可以结合高级数据与低级数据等多个数据进行综合分析与计算并得到评级系数，通过评级系数的数值大小对分析对象的质量等级进行评定，通过质量等级对分析对象的整体质量进行反馈。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一的系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
如图1所示，一种基于云计算的录播教学课程质量评价系统，包括质量评价平台，质量评价平台通信连接有视频分析模块、视频处理模块、高级分析模块、低级分析模块、质量评级模块以及存储模块。
视频分析模块用于对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZS，获取分析对象在最近L1天内的所有播放数据，L1为数值常量，L1的具体数值由管理人员自行设置；播放数据包括分析对象进行播放时的播放时长BS，通过公式ZSmin=t1*ZS与公式ZSmax=t2*ZS得到制作阈值ZSmin与ZSmax，其中t1与t2均为比例系数，且0.75≤t1≤0.85、1.15≤t2≤1.25，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较：若BS≤ZSmin，则将对应的播放数据标记为低级数据；若ZSmin＜BS＜ZSmax，则将对应的播放数据标记为中级数据；若BS≥ZSmax，则将对应的播放数据标记为高级数据，将低级数据通过质量评价平台发送至低级分析模块，将高级数据通过质量评价平台发送至高级分析模块；对录播教学课程视频在近期的每一次播放进行分析，通过整个课程视频的播放时长对播放数据进行标记，从而通过播放时长对课程内容的容易理解程度以及学生感兴趣程度进行反馈，进而可以通过反馈结果作出针对性的课程内容优化。
视频处理模块用于对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块。
低级分析模块用于对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过存储模块获取到低级阈值，将视频切片的低级系数与低级阈值进行比较：若低级系数小于等于低级阈值，则将对应的视频切片标记为低级切片；若低级系数大于低级阈值，则将对应的视频切片标记为普通切片；将所有低级切片的编号建立低级集合，对低级集合进行方差计算得到分布系数，通过存储模块获取到分布阈值，将分布系数与分布阈值进行比较：若分布系数小于分布阈值，则将低级数据的分布特征标记为集中，对所有低级切片的编号进行求和取平均值后取整得到集中值JZ，将编号位于JZ-m1与JZ之间的低级切片标记为处理切片；若分布系数大于等于分布阈值，则将低级数据的分布特征标记为分散，将所有编号为低级切片的编号数值减一的视频切片标记为处理切片；将处理切片发送至质量评价平台，质量评价平台接收到处理切片后将处理切片发送至管理人员的手机终端；对低级数据进行处理分析，通过对低级数据中的视频切片播放次数进行分析得到低级系数，从而根据低级系数对视频切片部分教学内容的受欢迎程度进行反馈，同时通过分布分析对所有低级数据中低级切片的分布特征进行标记，根据不同的分布特征进行处理切片标记，从而将需要进行内容调整的视频切片进行精准输出。
高级分析模块用于对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过存储模块获取到高级阈值，将视频切片的高级系数与高级阈值进行比较：若高级系数大于高级阈值，则将对应的视频切片标记为高级切片；若高级系数小于等于高级阈值，则将对应的视频切片标记为普通切片，将高级切片发送至质量评价平台，质量评价平台接收到高级切片后将高级切片发送至管理人员的手机终端；对高级数据进行处理分析，通过对高级数据中的视频切片播放次数进行分析得到高级系数，通过高级系数的数值大小对高级切片进行标记，高级切片的视频内容被用户反复进行观看，从而可以通过高级系数对视频切片部分教学内容的理解难易程度进行反馈。
质量评级模块用于对录播教学课程质量进行等级评定分析：获取分析对象的高级切片与低级切片的数量并分别标记为GJ与DJ，获取分析对象的高级数据与低级数据的数量并分别标记为GS与DS，通过公式PJ=（α1*GJ+α2*GS）/（α3*DJ+α4*DS）得到分析对象的评级系数PJ，其中α1、α2、α3以及α4均为比例系数，且α1＞α2＞α3＞α4＞1；通过存储模块获取到评级阈值PJmin、PJmax，将分析对象的评级系数PJ与评级阈值PJmin、PJmax进行比较：若PJ≤PJmin，则判定分析对象的课程质量不合格，将对应的分析对象的质量等级标记为三等级；若PJmin＜PJ＜PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为二等级；若PJ≥PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为一等级；将分析对象的质量等级发送至质量评价平台，质量评价平台将接收到的分析对象的质量等级发送至管理人员的手机终端；结合高级数据与低级数据等多个数据进行综合分析与计算并得到评级系数，通过评级系数的数值大小对分析对象的质量等级进行评定，通过质量等级对分析对象的整体质量进行反馈。
实施例
如图2所示，一种基于云计算的录播教学课程质量评价方法，包括以下步骤：
步骤一：对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZSmin、ZSmax，获取分析对象在最近L1天内的所有播放数据，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较并通过比较结果将播放数据标记为低级数据、中级数据或高级数据；
步骤二：对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；
步骤三：对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数将视频切片标记为低级切片或普通切片；
步骤四：对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数将视频切片标记为高级切片或普通切片；
步骤五：对录播教学课程质量进行等级评定分析：对分析对象的高级切片与低级切片的数量以及高级数据与低级数据的数量进行数值计算得到分析对象的评级系数PJ，通过评级系数PJ的数值对分析对象的质量等级进行标记。
一种基于云计算的录播教学课程质量评价方法及系统，工作时，将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数将视频切片标记为低级切片或普通切片；获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数将视频切片标记为高级切片或普通切片；对分析对象的高级切片与低级切片的数量以及高级数据与低级数据的数量进行数值计算得到分析对象的评级系数PJ，通过评级系数PJ的数值对分析对象的质量等级进行标记。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式PJ=（α1*GJ+α2*GS）/（α3*DJ+α4*DS）；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的评级系数；将设定的评级系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2、α3以及α4的取值分别为5.44、4.38、4.25和3.16；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的评级系数；只要不影响参数与量化后数值的比例关系即可，如评级系数与高级切片的数量成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于云计算的录播教学课程质量评价系统，其特征在于，包括质量评价平台，所述质量评价平台通信连接有视频分析模块、视频处理模块、高级分析模块、低级分析模块、质量评级模块以及存储模块；
所述视频分析模块用于对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZS，获取分析对象在最近L1天内的所有播放数据，通过播放数据与制作时长ZS将分析对象标记为播放数据标记为低级数据、中级数据或高级数据，将低级数据通过质量评价平台发送至低级分析模块，将高级数据通过质量评价平台发送至高级分析模块；
所述视频处理模块用于对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；
所述低级分析模块用于对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数的数值大小将视频切片标记为低级切片或普通切片；
所述高级分析模块用于对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数的数值大小将视频切片标记为高级切片或普通切片；
所述质量评级模块用于对录播教学课程质量进行等级评定分析。
2.根据权利要求1所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，将分析对象标记为播放数据标记为低级数据、中级数据或高级数据的具体过程包括：播放数据包括分析对象进行播放时的播放时长BS，通过公式ZSmin=t1*ZS与公式ZSmax=t2*ZS得到制作阈值ZSmin与ZSmax，其中t1与t2均为比例系数，且0.75≤t1≤0.85、1.15≤t2≤1.25，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较：若BS≤ZSmin，则将对应的播放数据标记为低级数据；若ZSmin＜BS＜ZSmax，则将对应的播放数据标记为中级数据；若BS≥ZSmax，则将对应的播放数据标记为高级数据，将低级数据通过质量评价平台发送至低级分析模块，将高级数据通过质量评价平台发送至高级分析模块。
3.根据权利要求2所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，将视频切片标记为低级切片或普通切片的具体过程包括：通过存储模块获取到低级阈值，将视频切片的低级系数与低级阈值进行比较：若低级系数小于等于低级阈值，则将对应的视频切片标记为低级切片；若低级系数大于低级阈值，则将对应的视频切片标记为普通切片。
4.根据权利要求3所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，低级分析模块对低级数据进行处理分析的具体过程还包括：将所有低级切片的编号建立低级集合，对低级集合进行方差计算得到分布系数，通过存储模块获取到分布阈值，将分布系数与分布阈值进行比较：若分布系数小于分布阈值，则将低级数据的分布特征标记为集中，对所有低级切片的编号进行求和取平均值后取整得到集中值JZ，将编号位于JZ-m1与JZ之间的低级切片标记为处理切片；若分布系数大于等于分布阈值，则将低级数据的分布特征标记为分散，将所有编号为低级切片的编号数值减一的视频切片标记为处理切片；将处理切片发送至质量评价平台，质量评价平台接收到处理切片后将处理切片发送至管理人员的手机终端。
5.根据权利要求4所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，通过高级系数的数值大小将视频切片标记为高级切片或普通切片的具体过程包括：通过存储模块获取到高级阈值，将视频切片的高级系数与高级阈值进行比较：若高级系数大于高级阈值，则将对应的视频切片标记为高级切片；若高级系数小于等于高级阈值，则将对应的视频切片标记为普通切片，将高级切片发送至质量评价平台，质量评价平台接收到高级切片后将高级切片发送至管理人员的手机终端。
6.根据权利要求5所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，质量评级模块对录播教学课程质量进行等级评定分析的具体过程包括：获取分析对象的高级切片与低级切片的数量并分别标记为GJ与DJ，获取分析对象的高级数据与低级数据的数量并分别标记为GS与DS，通过对GJ、GS、DJ以及DS进行数值计算得到分析对象的评级系数PJ，通过存储模块获取到评级阈值PJmin、PJmax，将分析对象的评级系数PJ与评级阈值PJmin、PJmax进行比较并通过比较结果对分析对象的质量等级进行标记。
7.根据权利要求6所述的一种基于云计算的录播教学课程质量评价系统，其特征在于，将分析对象的评级系数PJ与评级阈值PJmin、PJmax进行比较的具体过程包括：若PJ≤PJmin，则判定分析对象的课程质量不合格，将对应的分析对象的质量等级标记为三等级；若PJmin＜PJ＜PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为二等级；若PJ≥PJmax，则判定分析对象的课程质量合格，将对应的分析对象的质量等级标记为一等级；将分析对象的质量等级发送至质量评价平台，质量评价平台将接收到的分析对象的质量等级发送至管理人员的手机终端。
8.一种基于云计算的录播教学课程质量评价方法，其特征在于，包括以下步骤：
步骤一：对录播教学课程视频进行分析处理：将进行分析处理的录播教学课程视频标记为分析对象，获取分析对象的视频时长并标记为制作时长ZSmin、ZSmax，获取分析对象在最近L1天内的所有播放数据，将播放数据中的播放时长BS与制作阈值ZSmin、ZSmax进行比较并通过比较结果将播放数据标记为低级数据、中级数据或高级数据；
步骤二：对录播教学课程视频进行处理分析：将分析对象均匀分割为若干个连续的视频切片，对视频切片按照播放顺序进行编号，将视频切片以及编号通过质量评价平台发送至低级分析模块以及高级分析模块；
步骤三：对低级数据进行处理分析：获取低级数据中的视频切片在最近L1天内的播放次数并标记为低级值，将低级值与播放数据的数量比值标记为视频切片的低级系数，通过低级系数将视频切片标记为低级切片或普通切片；
步骤四：对高级数据进行处理分析：获取高级数据中的视频切片在最近L1天内的播放次数并标记为高级值，将高级值与播放数据的数量比值标记为高级系数，通过高级系数将视频切片标记为高级切片或普通切片；
步骤五：对录播教学课程质量进行等级评定分析：对分析对象的高级切片与低级切片的数量以及高级数据与低级数据的数量进行数值计算得到分析对象的评级系数PJ，通过评级系数PJ的数值对分析对象的质量等级进行标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310545418.XA CN116307934B (zh) | 2023-05-16 | 2023-05-16 | 一种基于云计算的录播教学课程质量评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310545418.XA CN116307934B (zh) | 2023-05-16 | 2023-05-16 | 一种基于云计算的录播教学课程质量评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307934A true CN116307934A (zh) | 2023-06-23 |
| CN116307934B CN116307934B (zh) | 2023-09-26 |
Family
ID=86794394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310545418.XA Active CN116307934B (zh) | 2023-05-16 | 2023-05-16 | 一种基于云计算的录播教学课程质量评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307934B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106941623A (zh) * | 2017-04-27 | 2017-07-11 | 广东小天才科技有限公司 | 一种基于大数据评价视频课程质量的方法及装置 |
| CN111898441A (zh) * | 2020-06-30 | 2020-11-06 | 华中师范大学 | 一种在线课程视频资源内容识别与评估方法及智能系统 |
| WO2021073164A1 (zh) * | 2019-10-15 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于大数据的视频课程推荐方法和相关装置 |
-
2023
- 2023-05-16 CN CN202310545418.XA patent/CN116307934B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106941623A (zh) * | 2017-04-27 | 2017-07-11 | 广东小天才科技有限公司 | 一种基于大数据评价视频课程质量的方法及装置 |
| WO2021073164A1 (zh) * | 2019-10-15 | 2021-04-22 | 平安科技（深圳）有限公司 | 基于大数据的视频课程推荐方法和相关装置 |
| CN111898441A (zh) * | 2020-06-30 | 2020-11-06 | 华中师范大学 | 一种在线课程视频资源内容识别与评估方法及智能系统 |
Non-Patent Citations (1)
| Title |
|---|
| 朱炯;严丽军: "以时间维度数据优化网课教学策略的案例研究", 教学学术, no. 001, pages 50 - 63 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307934B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108428227B (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
| CN111931598B (zh) | 一种基于人脸识别的课堂智能实时分析方法及系统 | |
| CN105100789A (zh) | 一种视频质量评价方法 | |
| CN110457566A (zh) | 信息筛选方法、装置、电子设备及存储介质 | |
| CN113242468B (zh) | 一种基于大数据云平台教育数据流的控制方法及系统 | |
| CN110751861B (zh) | 一种基于云平台的网络远程教育系统 | |
| Yim et al. | Subjective quality assessment for youtube ugc dataset | |
| CN114297434A (zh) | 基于gpu集群的短视频信息流智能推荐方法 | |
| CN117952796B (zh) | 一种基于数据分析的阅读教学质量评估方法及系统 | |
| CN110620958A (zh) | 一种视频课程质量评估方法 | |
| CN111861204A (zh) | 基于智能平台的课程移动学习评价系统及方法 | |
| CN115914544A (zh) | 一种视频会议通讯质量的智能检测方法及系统 | |
| Xing et al. | DVL2021: An ultra high definition video dataset for perceptual quality study | |
| CN103281555B (zh) | 基于半参考评估的视频流业务QoE客观评估方法 | |
| CN116307934B (zh) | 一种基于云计算的录播教学课程质量评价方法及系统 | |
| CN106022362A (zh) | 针对jpeg2000压缩失真的无参考图像质量客观评价方法 | |
| CN117556965A (zh) | 基于智慧作业平台的教学课程优化方法、系统及存储介质 | |
| CN113962335B (zh) | 一种可灵活配置的数据全过程处理方法 | |
| CN111415283A (zh) | 一种有效在线教学的因素分析方法和装置 | |
| CN114512041A (zh) | 一种基于全景摄像的教学行为大数据分析装置 | |
| CN113408470A (zh) | 数据处理方法、装置、电子设备、存储介质及程序产品 | |
| CN113919987A (zh) | 一种基于人工智能的职业教育网络教学系统 | |
| CN112750057A (zh) | 基于大数据和云计算的学生学习行为数据库建立分析处理方法及云数据平台 | |
| CN111626902A (zh) | 一种基于区块链的线上教育管理系统及方法 | |
| CN117610806B (zh) | 一种基于vr技术的实景互动教学管理系统及方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for evaluating the quality of recorded teaching courses based on cloud computing Granted publication date: 20230926 Pledgee: Haidian Beijing science and technology enterprise financing Company limited by guarantee Pledgor: Beijing Puben Education Technology Co.,Ltd. Registration number: Y2024110000157 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |