CN116402391B - 基于大数据的综合能力评价方法及系统 - Google Patents
基于大数据的综合能力评价方法及系统 Download PDFInfo
- Publication number
- CN116402391B CN116402391B CN202310363429.6A CN202310363429A CN116402391B CN 116402391 B CN116402391 B CN 116402391B CN 202310363429 A CN202310363429 A CN 202310363429A CN 116402391 B CN116402391 B CN 116402391B
- Authority
- CN
- China
- Prior art keywords
- capability
- data
- capacity
- comprehensive
- student
- 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 52
- 230000008451 emotion Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013500 data storage Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 2
- 238000007726 management method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 150000003722 vitamin derivatives Chemical class 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的综合能力评价方法及系统，属于智慧教学技术领域，包括：基于学校的实际教学能力设置需要对学生进行评估的分项能力，并进行各所述分项能力对应的能力测度指标和测度配置；基于各所述分项能力建立包含各分项能力数据库的大数据平台，并对大数据平台内的各所述分项能力数据库内的数据进行实时更新；实时识别学生对应的各所述分项能力对应的目标达成数据，将获得的所述目标达成数据按照各课程进行分类，获得课程达成数据；评估各所述课程达成数据对应的能力增量值和情感效度；将各能力增量值、情感效度和对应设置的培养目标进行对比，建立每个学生的综合能力仪表板；基于所述综合能力仪表板确定对应学生的推荐资源。
Description
技术领域
本发明属于智慧教学技术领域，具体是基于大数据的综合能力评价方法及系统。
背景技术
职业教育是一个不断需要评估和转变的领域，加强对教育过程和产品的评估，形成有效的教学评价体系，将教育的结果即学生各阶段获得的知识、发展的能力、技能、态度和倾向，以及获得的各类职业资格反馈给学生个体和教学主管部门，及时查找能力达成与教育目标之间存在的差距。当教学过程和个人学习成果可衡量时，才会得以促进教育质量有效发展。
目前职业院校普遍缺乏基于大数据背景下对学生学习过程数据跟踪，对学生综合能力的评价进行整体开发的，因此急需从能力评估模型和运用大数据视角进行评价系统的开发。
发明内容
为了解决上述方案存在的问题，本发明提供了基于大数据的综合能力评价方法及系统。
本发明的目的可以通过以下技术方案实现：
基于大数据的综合能力评价方法，具体方法包括：
基于学校的实际教学能力设置需要对学生进行评估的分项能力，并进行各所述分项能力对应的能力测度指标和测度配置；分项能力包括学生知识与学习能力、学生思考与技能能力、学生情绪与情感状态和学生文化与立德状态；
基于各所述分项能力建立包含各分项能力数据库的大数据平台，并对大数据平台内的各所述分项能力数据库内的数据进行实时更新；
实时识别学生对应的各所述分项能力对应的目标达成数据，所述目标达成数据包括各能力测度指标对应的达成数据，即当前学生在各能力测度指标上对应产生的数据；将获得的所述目标达成数据按照各课程进行分类，获得各课程对应的目标达成数据，标记为课程达成数据；评估各所述课程达成数据对应的能力增量值和情感效度；
将各能力增量值、情感效度和对应设置的培养目标进行对比，建立每个学生的综合能力仪表板；综合能力仪表板为基于现有显示技术建立的数据显示面板，可以显示各能力增量值、情感效度、对应培养目标等预设数据；培养目标即为各课程、各阶段对应目标能力增量值和目标情感效度；
基于所述综合能力仪表板确定对应学生的推荐资源。
进一步地，能力增量值和情感效度的评估方法为：
建立对应的能力评估模型，通过建立的能力评估模型对各所述课程达成数据进行实时分析，获得对应的能力增量值或情感效度；学生知识与学习能力和学生思考与技能能力对应分析的为能力增量值；学生情绪与情感状态和学生文化与立德状态对应分析的为情感效度。
能力评估模型可以是现有的能力评估模型，或者基于CNN网络或DNN网络进行建立，通过人工的方式利用大量的历史课程达成数据建立对应的训练集进行训练；因为神经网络为本领域现有技术，因此，具体的建立和训练过程在本发明中不进行详细叙述。
进一步地，所述大数据平台包括ZooKeeper层、Hadoop层和Apache Spark层；
ZooKeeper层包含封装成集群形式的多个数据存储设备；ZooKeeper把集群内管理的数据存储设备所能提供的计算和存储功能以接口的形式提供给Hadoop；
Hadoop用于管理大数据平台内基于能力评估模型关联测度和效能算法定制的数据；
Apache Spark用于数据平台内数据集的计算和分析。
进一步地，所述数据存储设备至少包括智慧职教出口节点服务器、教务管理服务器、校园管理服务器、数字图书馆/CNKI出口节点服务器、维普查重出口节点服务器；所述大数据平台，将智慧职教服务器上的能力评价数据、教务管理系统的能力评价数据、校园管理服务系统的个人状态评价数据、数字图书馆系统的个人状态评价数据，融合学生信息数据，进行反馈统计，形成综合能力评价虚拟资源域。
进一步地，所述大数据平台根据学生访问的ID号，获取学生能力实时评价结果，将推荐资源推送给学生进行拓展学习。
进一步地，基于学生的各能力增量值和情感效度评估其对应的综合能力值，并将所述综合能力值输入到综合能力仪表板内。
进一步地，综合能力值的评估方法包括：
将分项能力标记为i，i＝1、2、……、n，n为正整数；将各能力增量值和情感效度标记为NQi，如i＝1表示学生知识与学习能力，NQ1表示学生知识与学习能力对应的能力增量值，i＝3表示学生情绪与情感状态，NQ3表示学生情绪与情感状态对应的情感效度；设置各分项能力对应的权重系数和转化系数，将获得的权重系数标记qi，将获得的转化系数标记为pi，其中转化系数只有两个值，分别对应能力增量值和情感效度的单位转化；根据综合能力值公式计算对应的综合能力值ZP。
进一步地，确定学生推荐资源的方法包括：
识别推荐目标数据，推荐目标数据包括未达标的数据，即综合能力值未达标、某能力增量值和情感效度未达标，以及未达标对应的综合能力值、能力增量值和情感效度；具体的根据综合能力仪表板中的比较结果确定对应的推荐目标数据；
对于能力增量值和情感效度未达标的情况，将对应未达标的能力增量值和情感效度统一标记为推荐项；根据对应推荐项的评估方法，确定各评估项需要补充的学生学习方向以及各学习方向对应的学习资源，即根据推荐项对应的能力评估模型，判断为了使对应的能力增量值或情感效度达到培养目标，基于现有的教学资源获得针对应该推荐项的学习资源，并评估该学习资源对应的补充值，即学生学习完该学习资源可以补充增加的能力增量值或情感效度，用补充值表示；根据各学习资源对应的补充值以及根据当前推荐项对应的补充差值进行各学习资源的组合，获得若干个待选组合；补充差值是根据当前对应的能力增量值或情感效度与对应培养目标之间的差值确定的；而待选组合的组合原则为最低原则，即各学习资源对应的补充值之和刚好为补充差值为最佳，达到补充差值后，就不再进行额外组合。
基于CNN网络或DNN网络建立对应的组合分析模型，通过人工的方式建立对应的训练集进行训练，训练集包括基于各学习资源建立和模拟组合、学生性格数据以及对应设置任务值和兴趣值；兴趣值是结合学生性格和对应的模拟组合进行设置的，用于表示该学生对应模拟组合的学习兴趣程度；任务值是根据模拟组合进行设置的，根据对应的学习时长、学习内容、课后作业等进行设置的，学习负担越重，任务值越高；通过训练成功后的组合分析模型对各学生对应的各待选组合进行分析，获得对应的任务值和兴趣值，分别标记为RW和PY，根据优先值公式QY＝b1×PY-b2×RW计算对应的优先值PY，b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；选择优先值最高的待选组合对应的学习资源作为推荐资源。
对于具有综合能力值未达标的情况，根据综合能力值公式确定当各未达标能力增量值和情感效度达标后，综合能力值还差距的综合差值，再基于对应的权重系数，分配各对应的能力增量值或情感效度，改变各能力增量值或情感效度对应的培养目标对应的数值；后续即可按照能力增量值和情感效度未达标的情况进行推荐资源的确定；其中，对于综合差值的分配，可以根据实际的教学培养目标，进行相应的调整。
与现有技术相比，本发明的有益效果是：
1.本公开结合能力评估模型对学生各类能力的测度指标和效能表示方法，以及与教学内容的匹配方式和存储方式进行研究，设计基于能力评估模型的关联测度和效能算法，通过大数据对上述数据库数据进行整合，使能力评价数据与学生学习过程无缝连接；
2.本公开根据个性定制的定义，针对学生的能力评价反馈结果，将其优势及短板融入到实际培养当中，以仪表板直观展示的方式反馈给学生本人和学校，提升培养质量，成为职业教育开展个性化评价的先河；
3.本公开利用基于能力评估模型的定量和定性方法对学生综合能力进行评价反馈，提升了培养质量。
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的介绍，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为本发明原理框图。
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。
如图1所示，基于大数据的综合能力评价方法，具体方法包括：
建立包含学生知识与学习能力数据库、学生思考与技能能力数据库、情绪与情感状态数据库、文化与立德状态数据库、学生个人信息库、反馈数据库的大数据平台；并根据学生的采集数据对大数据平台内各数据库内的储存数据进行实时更新；向各能力和状态数据库录入教学内容、活动内容、能力测度指标和效度指标；能力和状态数据库指的是学生知识与学习能力数据库、学生思考与技能能力数据库、情绪与情感状态数据库和文化与立德状态数据库；向学生个人信息库录入学生信息和培养目标，向反馈数据库录入各类能力评价结果，向大数据平台提出服务请求；根据服务请求，结合综合能力评价结果和培养目标，将各能力和状态数据库内的相关信息进行反馈。
其中，能力测度指标是通过人工进行制定的各学生能力、评估方向对应的能力测度指标和效度指标，如学生知识与学习能力涉及记忆、理解、运用方面能力测度，每个方面有5个测度，即学生知识与学习能力对应的有记忆、理解、运用四个能力测度指标，每个能力测度指标具有5个测度；具体可以因教学条件和教学内容差异而增加或减少，具体的根据各校园的实际情况进行各能力测度指标和效度指标，因为各学校的实际教学情况是具有差异；如学生思考与技能能力对应的分析、评价、创造方面能力测度；学生情绪与情感状态对应的专业态度、生活态度效度预处理操作；学生文化与立德状态对应的图书借阅、文献下载、讲座的聆听、主题演讲参与数据的预处理操作。
通过本实施例，能够将智慧职教服务器上的能力评价数据、教务管理系统的能力评价数据、校园管理服务系统的个人状态评价数据、数字图书馆系统的个人状态评价数据，融合学生信息数据，对每个学生的综合能力进行统计分析，与培养目标对比，确定每个学生的综合能力仪表板，结合培养目标，自动分析出学生的兴趣点以及不足点，进而提供拓展资源，从而提升培养效果，提高培养质量。
大数据平台的设计方案为：大数据平台提供了基础数据和实时数据，其中，所述学生信息数据库包括学生学号、学生姓名、学生性别、班级、籍贯和选课等数据，方便学生随时安全登录以查看需课表安排情况。
大数据平台在一个特定的应用环境下，建立数据库及其应用系统，使之能够有效地存储数据，提供本地知识库中的数据表同业务对象的映射处理，包括各种数据处理的组件或服务，供业务逻辑层调用，屏蔽具体数据库访问实现技术上的差异，实现对底层系统数据库的访问；满足各种能力评价需求包括反馈要求和拓展学习要求；一个良好的数据平台的设计不但能够很好的提高系统的整体性能，而且能够提高开发质量和开发效率。
根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：智慧职教数据集、教务管理数据集、校园管理数据集、数字图书馆数据集/知网节点数据集/维普查重数据集；对于不同的数据集，可能存在不同的结构和模式，如文件、XML树、关系表等，表现为数据的异构性；对多个异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的数据集，为后续查询和分析处理提供统一的数据视图；另外，本实施例中，还将通过对数据库和知识库进行优化，使数据库能更准确地表示业务数据，数据库易于使用和维护并且能够较快的响应用户，便于数据修改和数据的检索以及有效的安全机制以确保数据的安全，减少冗余的数据。
优选的，最底层是由ZooKeeper搭建的一个分布式协作服务集群；ZooKeeper是为分布式应用提供一致性服务的可靠协调系统，能够为服务器集群提供配置维护、域名服务、分布式同步等功能；ZooKeeper将智慧职教出口节点服务器、教务管理服务器、校园管理服务器、数字图书馆服务器/CNKI出口节点服务器/维普查重出口节点服务器等数据存储设备封装成集群的形式，使其中的存储节点互为备份，当某台服务器宕机，不会影响故障数据的提取或者降低集群的运算能力。
ZooKeeper把集群内管理的硬件设备所能提供的计算和存储等功能以接口的形式提供给上层的Hadoop分布式文件系统；HDFS是一种能够在通用硬件上运行的高容错性分布式文件系统，可以提供超高吞吐量的访问数据，非常适合大数据集的应用；在故障大数据平台架构中，HDFS用来管理所有个性化定制所能用到的数据，例如各种能力评价、电子图书、视频课件、学生访问记录、考试成绩分析和学生反馈记录等；相对于传统的分布式数据库，HDFS具备更好的分布式数据协调能力，而且能够通过备份存储技术增加系统的容错性；Hadoop通过统一资源管理框架YARN为各类应用计算提供资源调度和管理；YARN在框架中的作用为将个性化定制中的多个子模块提供统一的资源调度服务，共享集群资源；YARN将框架中的数据资源与推送机制分离，这样的好处在于，当上层的推送机制有变化时，不会影响到HDFS；而集群中出现新的数据采集系统时，推送机制不会因新资源的加入而全部重写。
YARN的上层是以Apache Spark为主要计算框架的各个子模块程序，例如数字资源管理、学生综合能力分析、仪表板展示推送和反馈信息收集等都在这一层实现；ApacheSpark是一个分布式计算框架，可以任意读写HDFS中的资源，能够与YARN无缝连接；相比Hadoop自身携带的MapReduce大规模数据集计算模型，Spark完全基于内存计算，包括中间结果也完全缓存在内存中，因此运算性能更加优越，对实时处理系统的处理更为高效。模型最顶层是电子资源集群部署、配置、管理工具，以及人机界面。
大数据平台能够将数据建立模块，被配置为：建立包含知识与学习数据库、思考与技能能力数据库、情绪与情感状态数据库、文化与立德状态数据库、学生个人信息库和反馈数据库的大数据平台，并实时更新大数据平台内的数据。
信息交互模块，被配置为：向智慧职教、教学管理系统、校园管理系统、数字图书馆系统录入各类能力目标和量化评价指标；向学生个人信息库录入学生信息和培养目标，向反馈数据库录入能力评价结果；向大数据平台提出服务请求；
所述信息反馈模块，被配置为：根据服务请求，结合各类能力目标达成值和培养目标，海量信息融合，将各数据库信息进行统计分析，反馈仪表板直观展示评价结果，对上层的个性化定制模块形成一个虚拟资源域，保证了对数据的各项访问快速和稳定的实施。
在本实施例中，所述数据库建立模块设计为用户层设计；所述用户层是学生或教师进行定制以及管理员操作的入口，即客户端浏览器；学生(教师)通过浏览器向WEB服务器提出服务请求，返回的信息在浏览器上显示，完成与后台的交互，实现仪表板个性化评价；管理员通过浏览器向后台录入培养目标涉及的各类知识、能力考核指标及学生信息。具体的，为了体现用户层开放性好、开发维护容易，可移植性高，可扩展性强等特点，本实施例中，选择B/S结构来实现；基于B/S体系结构的系统，把用户服务、数据服务和业务服务相互隔离开来，分成了三层；B/S是基于特定通信协议(HTTP)的C/S架构，B/S架构是为了满足瘦客户端、一体化客户端的需要，最终目的是节约客户端更新、维护等的成本，及广域资源的共享；基于上述分析，本实施例中，将选择B/S结构作为本文的主体结构，采用DreamweaverCS3ASP.NET作为客户端开发工具，Microsoft SQL Server2018作为服务器端开发工具，设计友好、易操作的学生操作界面以及流畅、安全的后台服务器。
在本实施例中，信息交互模块设计为应用层设计；应用层是学生或教师与系统交互的一层，也是整个系统价值最能体现的一层，系统的各种功能在这层实现，包括了反馈统计子系统，仪表板生成子系统、学生信息录入子系统、能力目标和量化指标录入子系统等主要模块，应用层为实现学生(教师)定制和管理功能的逻辑实现层。
具体的，应用层是本实施例中的中间环节，也是重点环节；该层包括了反馈统计、仪表板生成、学生信息录入、能力目标和量化指标录入，其设计方式直接决定了系统的运行效率；本实施例中，拟采用LAN+5G的形式对功能服务器与学生(教师)客户端进行连接；学生(教师)客户端主要由移动设备、电脑用户以及虚拟现实设备组成，因此电脑用户和虚拟现实设备通过LAN与功能服务器进行连接，移动设备采用5G技术与功能服务器进行连接；功能服务器上运行的程序模块通过LAN读取数据服务器上能力和状态数据库内容，反馈给客户端。
在本实施例中，所述信息反馈收集模块设计为大数据服务层(大数据平台)设计；所述大数据服务层是整个平台的底层基础，它提供了系统运行的基础数据和实时数据；学生个人信息库保存了所有培养学生的信息，反馈数据库存放学生能力评价反馈和警示，各能力和状态库存放学习内容、项目任务、社团活动、学习任务、操作视频等教学环节，随时按照应用层提出的要求进行数据交换。另外，大数据服务层还包括智慧职教出口节点服务器、教务管理服务器、校园管理服务器、数字图书馆服务器以及知网出口节点服务器、维普出口节点服务器，可以根据学生访问的ID号获取学生学习成效及能力评价数据资源，将评价结果反馈给应用层的定制设计模块，以便推送给学生进行改进和提升。
具体的，大数据服务层是整个平台的底层基础，它提供了系统运行的基础数据和实时数据，学生信息数据库包括了学生学号、学生姓名、学生性别、班级、籍贯和选课等数据，方便学生随时安全登录以查看需课表安排情况；大数据服务层是系统设计中的重要组成部分，在一个特定的应用环境下，建立数据库及其应用系统，使之能够有效地存储数据，提供本地知识库中的数据表同业务对象的映射处理，包括各种数据处理的组件或服务，供业务逻辑层调用，屏蔽具体数据库访问实现技术上的差异，实现对底层系统数据库的访问；满足各种学生的应用需求包括反馈要求和学习要求。
基于大数据的综合能力评价系统，执行上述的基于大数据的综合能力评价方法。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (5)
1.基于大数据的综合能力评价方法，其特征在于，包括：
基于学校的实际教学能力设置需要对学生进行评估的分项能力，并进行各所述分项能力对应的能力测度指标和测度配置；
基于各所述分项能力建立包含各分项能力数据库的大数据平台，并对大数据平台内的各所述分项能力数据库内的数据进行实时更新；
实时识别学生对应的各所述分项能力对应的目标达成数据，将获得的所述目标达成数据按照各课程进行分类，获得课程达成数据；评估各所述课程达成数据对应的能力增量值和情感效度；学生知识与学习能力和学生思考与技能能力对应分析的为能力增量值；学生情绪与情感状态和学生文化与立德状态对应分析的为情感效度；
能力增量值和情感效度的评估方法为：
建立对应的能力评估模型，基于所述能力评估模型对对应的课程达成数据进行分析，获得对应的能力增量值和情感效度；
将各能力增量值、情感效度和对应设置的培养目标进行对比，建立每个学生的综合能力仪表板；
基于所述综合能力仪表板确定对应学生的推荐资源；
基于学生的各能力增量值和情感效度评估其对应的综合能力值，并将所述综合能力值输入到综合能力仪表板内；
综合能力值的评估方法包括：
将分项能力标记为i，i=1、2、……、n，n为正整数；将各能力增量值和情感效度标记为NQi，设置各分项能力对应的权重系数和转化系数，将获得的权重系数标记qi，将获得的转化系数标记为pi，根据综合能力值公式ZP=∑qi×pi×NQi计算对应的综合能力值ZP；
确定学生推荐资源的方法包括：
根据综合能力仪表板采集推荐目标数据，基于所述推荐目标数据确定推荐项，分析各所述推荐项对应的学习资源和补充差值，基于学习资源和补充差值设置若干组待选组合；对各所述待选组合进行筛选，确定目标组合，将所述目标组合对应的学习资源标记为推荐资源；
对各待选组合进行筛选的方法包括：
评估各待选组合对应的任务值和兴趣值，分别标记为RW和PY，根据优先值公式QY=b1×PY-b2×RW计算对应的优先值，式中：QY为优先值；b1、b2均为比例系数，取值范围为0<b1≤1，0<b2≤1；
将优先值最高的待选组合标记为目标组合。
2.根据权利要求1所述的基于大数据的综合能力评价方法，其特征在于，所述大数据平台包括ZooKeeper层、Hadoop层和Apache Spark层；
ZooKeeper层包含封装成集群形式的多个数据存储设备；ZooKeeper把集群内管理的数据存储设备所能提供的计算和存储功能以接口的形式提供给Hadoop；
Hadoop用于管理大数据平台内基于能力评估模型关联测度和效能算法定制的数据；
Apache Spark用于数据平台内数据集的计算和分析。
3.根据权利要求2所述的基于大数据的综合能力评价方法，其特征在于，所述数据存储设备包括智慧职教出口节点服务器、教务管理服务器、校园管理服务器、数字图书馆/CNKI出口节点服务器、维普查重出口节点服务器；所述大数据平台，将智慧职教服务器上的能力评价数据、教务管理系统的能力评价数据、校园管理服务系统的个人状态评价数据、数字图书馆系统的个人状态评价数据，融合学生信息数据，进行反馈统计，形成综合能力评价虚拟资源域。
4.根据权利要求3所述的基于大数据的综合能力评价方法，其特征在于，所述大数据平台根据学生访问的ID号，获取学生能力实时评价结果，将推荐资源推送给学生进行拓展学习。
5.基于大数据的综合能力评价系统，其特征在于，执行权利要求1-4中任意一项所述的基于大数据的综合能力评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310363429.6A CN116402391B (zh) | 2023-04-07 | 2023-04-07 | 基于大数据的综合能力评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310363429.6A CN116402391B (zh) | 2023-04-07 | 2023-04-07 | 基于大数据的综合能力评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116402391A CN116402391A (zh) | 2023-07-07 |
| CN116402391B true CN116402391B (zh) | 2023-11-10 |
Family
ID=87019497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310363429.6A Active CN116402391B (zh) | 2023-04-07 | 2023-04-07 | 基于大数据的综合能力评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116402391B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117909200B (zh) * | 2024-03-19 | 2024-06-11 | 中国电子科技集团公司第十研究所 | 一种信息保障体系能力增量对比评估方法、设备及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169902A (zh) * | 2017-06-02 | 2017-09-15 | 武汉纺织大学 | 基于人工智能的微表情分析的课堂教学评价系统 |
| CN109784710A (zh) * | 2019-01-08 | 2019-05-21 | 上海大学 | 一种基于定量计算的高等教育学生能力达成度形成性评价方法 |
| CN110517171A (zh) * | 2019-08-26 | 2019-11-29 | 成都市知用科技有限公司 | 一种基于智慧校园的精准化智能型育人平台 |
| CN111667178A (zh) * | 2020-06-07 | 2020-09-15 | 中信银行股份有限公司 | 培训机构教师的评估和推荐方法、装置、电子设备及介质 |
| CN112948684A (zh) * | 2021-03-20 | 2021-06-11 | 李成隆 | 基于大数据分析和云计算的在线学习平台课程智能推荐方法 |
| CN113643162A (zh) * | 2021-07-19 | 2021-11-12 | 山东电力高等专科学校 | 基于大数据平台的个性化学习方法及系统 |
| CN115375166A (zh) * | 2022-09-02 | 2022-11-22 | 南京航空航天大学 | 一种基于定量计算的高等教育学生能力达成度评价系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9064017B2 (en) * | 2011-06-01 | 2015-06-23 | D2L Corporation | Systems and methods for providing information incorporating reinforcement-based learning and feedback |
-
2023
- 2023-04-07 CN CN202310363429.6A patent/CN116402391B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169902A (zh) * | 2017-06-02 | 2017-09-15 | 武汉纺织大学 | 基于人工智能的微表情分析的课堂教学评价系统 |
| CN109784710A (zh) * | 2019-01-08 | 2019-05-21 | 上海大学 | 一种基于定量计算的高等教育学生能力达成度形成性评价方法 |
| CN110517171A (zh) * | 2019-08-26 | 2019-11-29 | 成都市知用科技有限公司 | 一种基于智慧校园的精准化智能型育人平台 |
| CN111667178A (zh) * | 2020-06-07 | 2020-09-15 | 中信银行股份有限公司 | 培训机构教师的评估和推荐方法、装置、电子设备及介质 |
| CN112948684A (zh) * | 2021-03-20 | 2021-06-11 | 李成隆 | 基于大数据分析和云计算的在线学习平台课程智能推荐方法 |
| CN113643162A (zh) * | 2021-07-19 | 2021-11-12 | 山东电力高等专科学校 | 基于大数据平台的个性化学习方法及系统 |
| CN115375166A (zh) * | 2022-09-02 | 2022-11-22 | 南京航空航天大学 | 一种基于定量计算的高等教育学生能力达成度评价系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116402391A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104008453A (zh) | 职业能力测评仿真系统 | |
| CN116402391B (zh) | 基于大数据的综合能力评价方法及系统 | |
| CN113269662A (zh) | 一种基于大数据的智慧教学系统 | |
| CN113643162B (zh) | 基于大数据平台的个性化学习方法及系统 | |
| Aziz et al. | A FRAMEWORK FOR EDUCATIONAL DATA WAREHOUSE (EDW) ARCHITECTURE USING BUSINESS INTELLIGENCE (BI) TECHNOLOGIES. | |
| Zhang | Design and Application of College and University Entrepreneurship Platform Based on MVC Architecture | |
| Wang et al. | [Retracted] Research on the Construction of Intelligent Media Ideological and Political Learning Platform Based on Artificial Intelligence Technology | |
| Borges et al. | A multidimensional data model for the analysis of learning management systems under different perspectives | |
| Zhang | Construction and application of big data analysis platform for ideological and political education in colleges | |
| Kim et al. | A study on the LMS platform performance and performance improvement of K-MOOCSs platform from learner’s perspect | |
| Gao et al. | Evaluation method of creative dance teaching quality based on fuzzy comprehensive evaluation | |
| Hamdane et al. | Big data based architecture to bringing together graduates and recruiters: case of Moroccan university | |
| Santamarıa-Bonfil et al. | A learning ecosystem for linemen training based on big data components and learning analytics | |
| Hai-ling et al. | Big data technology applied to learning behavior evaluation system | |
| Shi et al. | [Retracted] Research on Organization Design of College Chinese Teaching under Big Data Environment | |
| Zhang | Optimization Strategy of College Students’ Education Management Based on Smart Cloud Platform Teaching | |
| CN111402656A (zh) | 一种云计算教学系统 | |
| Han | [Retracted] The Dilemma and Countermeasures of Music Education under the Background of Big Data | |
| Artamonov et al. | Use Analysis of Microserves in E-Learning System With Multivariant Access to Educational Materials | |
| Sui et al. | Research on the Application of Educational Big Data Analysis in Online Learning Behavior of Computer Basic Teaching | |
| Luo et al. | Design and Implementation of Teaching Evaluation Data Management System Based on B/S Technology | |
| Zhang | Design and implementation of college physical education intelligent management system based on big data cloud platform | |
| Ou | Research on the Push of Online Teaching Resources for Innovation and Entrepreneurship Based on User Characteristics | |
| Han et al. | Study on multimedia network aided English teaching resource integration system based on cloud storage | |
| Yuan | Designing the Education Resource Management System Using Apriori Algorithm |
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 |