CN116484051A - 一种基于知识培训平台的课程评估方法 - Google Patents
一种基于知识培训平台的课程评估方法 Download PDFInfo
- Publication number
- CN116484051A CN116484051A CN202310163788.7A CN202310163788A CN116484051A CN 116484051 A CN116484051 A CN 116484051A CN 202310163788 A CN202310163788 A CN 202310163788A CN 116484051 A CN116484051 A CN 116484051A
- Authority
- CN
- China
- Prior art keywords
- value
- course
- video
- client
- course video
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 30
- 230000009191 jumping Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000002776 aggregation Effects 0.000 claims description 14
- 238000004220 aggregation Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000013468 resource allocation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及视频评估领域，具体涉及一种基于知识培训平台的课程评估方法，通过在平台上获取提交课程视频，并对课程视频进行分类，将所述课程视频文件按分类进行划分，并且获取划分区域时间，将所述视频帧分类后的区域时间进行判断，并对所述判断获取评分，根据初步评分结合客户端的访问情况进行结合，得到课程评估结果，通过课程评估结果对所述课程系统中的资源进行分配，通过上述方法解决了原有技术方案中课程视频的评分的不客观性，并且通过新的评估机制得到的评分通过平台新的资源进行分配，让用户可以在平台中获取更好的教育资源，并且简化了用户寻找资源的渠道，让用户更好的体验更好的教育课程视频。
Description
技术领域
本发明涉及视频评估领域，具体涉及一种基于知识培训平台的课程评估方法。
背景技术
视频评价方法再早前的技术中都是通过专家或者工作人员对视频的内容和视频的时长教学质量等进行层层把关，最终通过专家或者工作人员的主观想法对该视频进行评估并打分，最终将分数呈现给学习视频的用户，而在这种评估方法上存在巨大的主观性，在公开号为CN110620958A的专利(一种视频课程质量评估方法)中提供了一种视频的评估方法，在该专利中利用视频中各特征值，训练出视频质量分类器和视频受欢迎度分类器，从而得出视频的质量类别和受欢迎类别，结合了专家的评估和观看观众评估的结果，让评估结果更具有可参考性，但是评估结果仍然存在着主观性因素，也会因为专家与观看观众的结果相差过大导致评估结果误差过大的情况发生，并且根据误差就会导致视频在平台中的资源分配不均匀，所以亟需一种基于知识培训平台的课程评估方法来解决上述问题。
发明内容
鉴于以上所述现有方法的局限，本发明的目的在于提出一种基于知识培训平台的课程评估方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种基于知识培训平台的课程评估方法，所述方法包括以下步骤：
S100：通过在平台上获取提交课程视频，并对课程视频进行分类；
S200：将所述课程视频文件按分类进行划分，并且获取划分区域时间；
S300：将所述视频帧分类后的区域时间进行判断，并对所述判断获取评分；
S400：根据初步评分结合客户端的访问情况进行结合，得到课程评估结果；
S500：通过课程评估结果对所述课程系统中的资源进行分配。
进一步地，在步骤S100中，在所述知识培训平台上，教师可以通过在教师端上传自己制作的课程视频进行上传，并且通过将所述上传的课程视频进行大致分类，对所述课程视频的音频进行分析，获取数据库中的音频资料进行对照分析，并将确定所述课程视频的科目可课程视频类别，所述类别分为：学习、互动、讲解和练习四个类别，对整个课程视频进行分段分类。
所述分类方法为,通过AI对视频进行识别，并获取视频中老师讲解内容进行分析，获取讲解的内容对应进行分类，并对相同内容的视频片段的时长相加，最终将经过AI分析后的课程视频进行存储并评分。
进一步地，在步骤S200中，将所述课程视频通过分类进行区域划分，将所述课程视频划分为学习区域、互动区域、讲解区域和练习区域，并将所述区域定义为learn、interactive、interpretation和practice，并将所述区域的时间长度进行记录，分别记录为tl、ti、tn和tp，并通过计算得到区域时间长度在课程视频中的比值P，所述t为tl、ti、tn和tp中的任一值，所述L为课程视频的时间长度，计算得到各个区域时间长度在课程视频中的比值P(tl)、P(ti)、P(tn)和P(tp)，并将所述区域时间长度在课程视频中的比值P通过标准化处理，并将所述比值P进行筛选得到比值P的最大值P(max)和最小值P(min)，并通过所述比值P计算得到区域权重值AMKR，AMKR的计算方法为：
其中，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
进一步地，在步骤S300中，对所述课程视频中的视频帧的内容进行判断，并对判断结果进行评分，具体步骤如下所述：
将视频中内容细分成多个视频段，将每个视频段中的内容通过AI识别获取初步评分值，将是频段根据对应的learn、interactive、interpretation和practice获取对应评分值：F1、F2、F3、F4，所述AI识别则通过是频段的数量以及视频段的时常和视频段中的老师讲述的内容进行合并计算得到评分值，将所述评分值根据对应权重关系，获取整个课程视频的初步评分值，获取的公式为：
通过上述公式得到的课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp，其中所述Xl为学习类别初步评分，所述Xi为互动类别初步评分，所述Xn为讲解类别初步评分，所述Xp为练习类别初步评分，通过上述初步评分计算得到课程视频初步评分：
通过课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp进行方差计算得到课程视频初步评分S,所述Pi为所述区域时间长度在课程视频中的比值P的t＝tj时刻的值，所述tj代表在第j时刻所属于分类类别中开始到tj时刻的时间长度。
所述初步评分仅为通过视频的分类时长的不同比例决定视频的评分，评分只能作为初步评分对资源进行划分，但不能作为资源划分的主要因素，要通过对每日关注度的监测，调整资源分配。
进一步地，在步骤S400中，所述获取客户端的访问情况的具体方法为：
S401：获取用户客户端的id，在同一天里，累计所有到访同一个课程视频的WZ的不同客户端id的数量作为日到访问量DL1，所述WZ为同一课程视频的访问地址，以在同一个课程视频WZ中一个客户端id在一天内获得的各个推荐客户端的到访问量为DL2，将DL1和DL2的并集作为日邻近客户端列表DL3，所述推荐客户端则为通过一个客户端主动或被动推荐的访问量，由同一个课程视频的WZ中的DL2个客户端id及各个DL1客户端id的访问量构成列表DFist，所述列表v命名为到访表,到访表DFist＝{idj_DL1，idj_DL3}，j∈[1,DFist]，其中idj_DL1代表到访表DFist中第j个客户端id，idj_DL3代表到访表DFist中第j个客户端id的日邻近客户端DL3；
设定一个变量x，令变量x的初始值为1；设定一个变量O作为群体序号，令群体序号O的初始值为1，为DFist中每个客户端id设定一个布尔值作为处理标记Pflag,令处理标记Pflag的初始值为FALSE；计算一天中课程视频的关注系数；
401，当x≤DVst，跳转到步骤402；当x＞DVst，跳转到步骤407；
402，如果DFist中第x个客户端id的处理标记Pflag的值为FALSE，将O的值加1,创建一个集合T，所述集合T为群体序号变量O的群集，在T中的第O个元素是子群集T(O)，所述子群集T(O)初始为空集合，将到访表VTable中第x个日邻近客户端列表DL2的元素按时间顺序放入到子群集T(O)，并将更改到访表DFist中第x个客户端id的处理标记Pflag的值修改为TRUE；将T(O)作为输入序列、O作为输入序号跳转到步骤403；
403，将所述T(O)中的数据获得输入序列SList，输入序号保留为O，新建一个空的序列作为暂存序列temlist，在所述暂存序列中设定新的变量变量y，令变量y的初始值为1，将输入序列SList中元素的个数成为新增检索值Glen，跳转到步骤404，
404，如果y≤Glen，跳转到步骤405；如果y＞Glen，跳转到步骤406；
405，如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为FALSE，把temlist进行更新并且temlist与到访表VTable中id值为list中第y个id值的日邻近客户端列表DL3的并集，把到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值更新为TRUE；将y的值加1，跳转到步骤404；如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为TRUE，将y的值加1，跳转到步骤404；
其中所述id值为客户端id；
406，若temlist为空的序列，将x的值加1，跳转到步骤401，如果temlist不为空的序列，更新SList序列为SList与temlist的并集；然后将temlist作为输入序列、O作为输入序号跳转到步骤403；
407，设置一个集合作为WZ在一天中的事件集合K，事件集合K＝{T(z),z∈[1,O]}，其中z为子群集的序号；以一个子群集T(z)中元素的个数作为该子群集T(z)的聚集量M，以事件集合K中聚集量M数值最大的子群集作为代表群集maxT,代表群maxT的聚集量M为第一聚集量MaxM；
计算在一天内工作地点WZ中第Q个子群集的事件关注系数EK(Q)：
其中Q代表子群集的序号，MQ代表一天内WZ里第Q个子群集的聚集量M，ln函数为取自然对数的函数，Q∈[1,O]；
进一步地，通过对课程文件的初步评分以及客户端的关注系数进行计算得到课程视频的评价值，所述方法为：
通过对客户端中对课程视频的访问量计算得到的关注系数进行标准化处理，并对所述关注系数中可能出现的误差影响降到最小值，所述计算方法为：
通过计算关注系数EK(Q)与DL1和DL2的并集DL3与DL1、DL2的和的比值通过方差计算得到EKW，所述为进过误差分析处理后的关注系数，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：通过评价值确定与客户端id的匹配系数，对所述课程视频的评价值appr的算数平均值作为基础评价Stdappr，通过计算得到客户端的匹配系数B，B＝(appr-Stdappr)/StdMark，若B≤0，则将B设定0，若1≥B＞0，B设定为1，若B＞1，则B不变，根据匹配系数B对资源进行分配，所述资源为云服务器中的课程视频内容量，按照各个客户端的匹配系数B的比例对服务器内课程视频行配置。
本发明的有益效果为：通过上述方法解决了原有技术方案中课程视频的评分的不客观性，并且通过新的评估机制得到的评分通过平台新的资源进行分配，让用户可以在平台中获取更好的教育资源，并且简化了用户寻找资源的渠道，让用户更好的体验更好的教育课程视频。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附
图中：
图1所示为一种基于知识培训平台的课程评估方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图一所示，提供一种基于知识培训平台的课程评估方法，所述方法包括以下步骤：
S100：通过在平台上获取提交课程视频，并对课程视频进行分类；
S200：将所述课程视频文件按分类进行划分，并且获取划分区域时间；
S300：将所述视频帧分类后的区域时间进行判断，并对所述判断获取评分；
S400：根据初步评分结合客户端的访问情况进行结合，得到课程评估结果；
S500：通过课程评估结果对所述课程系统中的资源进行分配。
进一步地，在步骤S100中，在所述知识培训平台上，教师可以通过在教师端上传自己制作的课程视频进行上传，并且通过将所述上传的课程视频进行大致分类，对所述课程视频的音频进行分析，获取数据库中的音频资料进行对照分析，并将确定所述课程视频的科目可课程视频类别，所述类别分为：学习、互动、讲解和练习四个类别，对整个课程视频进行分段分类。
进一步地，在步骤S200中，将所述课程视频通过分类进行区域划分，将所述课程视频划分为学习区域、互动区域、讲解区域和练习区域，并将所述区域定义为learn、interactive、interpretation和practice，并将所述区域的时间长度进行记录，分别记录为tl、ti、tn和tp，并通过计算得到区域时间长度在课程视频中的比值P，所述t为tl、ti、tn和tp中的任一值，所述L为课程视频的时间长度，计算得到各个区域时间长度在课程视频中的比值P(tl)、P(ti)、P(tn)和P(tp)，并将所述区域时间长度在课程视频中的比值P通过标准化处理，并将所述比值P进行筛选得到比值P的最大值P(max)和最小值P(min)，并通过所述比值P计算得到区域权重值AMKR，AMKR的计算方法为：
其中，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
进一步地，在步骤S300中，对所述课程视频中的视频帧的内容进行判断，并对判断结果进行评分，具体步骤如下所述：
将视频中内容细分成多个视频段，将每个视频段中的内容通过AI识别获取初步评分值，将是频段根据对应的learn、interactive、interpretation和practice获取对应评分值：F1、F2、F3、F4，所述AI识别则通过是频段的数量以及视频段的时常和视频段中的老师讲述的内容进行合并计算得到评分值，将所述评分值根据对应权重关系，获取整个课程视频的初步评分值，获取的公式为：
通过上述公式得到的课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp，其中所述Xl为学习类别初步评分，所述Xi为互动类别初步评分，所述Xn为讲解类别初步评分，所述Xp为练习类别初步评分，通过上述初步评分计算得到课程视频初步评分：
通过课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp进行方差计算得到课程视频初步评分S,所述Pi为所述区域时间长度在课程视频中的比值P的t＝tj时刻的值，所述tj代表在第j时刻所属于分类类别中开始到tj时刻的时间长度。
(计算根据学习、互动、讲解和练习四个类别分类比重的有益效果：可以通过该课程视频的时间比值得到该课程视频中的时间安排以及与用户的交流的情况，可以更好地反应所述课程视频可以给予用户的反馈状态，提升用户的接受程度，对此进行评分大大增加了用户的学习兴趣。)
进一步地，在步骤S400中，所述获取客户端的访问情况的具体方法为：
S401：获取用户客户端的id，在同一天里，累计所有到访同一个课程视频的WZ的不同客户端id的数量作为日到访问量DL1，所述WZ为同一课程视频的访问地址，以在同一个课程视频WZ中一个客户端id在一天内获得的各个推荐客户端的到访问量为DL2，将DL1和DL2的并集作为日邻近客户端列表DL3，所述推荐客户端则为通过一个客户端主动或被动推荐的访问量，由同一个课程视频的WZ中的DL2个客户端id及各个DL1客户端id的访问量构成列表DFist，所述列表v命名为到访表,到访表DFist＝{idj_DL1，idj_DL3}，j∈[1,DFist]，其中idj_DL1代表到访表DFist中第j个客户端id，idj_DL3代表到访表DFist中第j个客户端id的日邻近客户端DL3；
设定一个变量x，令变量x的初始值为1；设定一个变量O作为群体序号，令群体序号O的初始值为1，为DFist中每个客户端id设定一个布尔值作为处理标记Pflag,令处理标记Pflag的初始值为FALSE；计算一天中课程视频的关注系数；
401，当x≤DVst，跳转到步骤402；当x＞DVst，跳转到步骤407；
402，如果DFist中第x个客户端id的处理标记Pflag的值为FALSE，将O的值加1,创建一个集合T，所述集合T为群体序号变量O的群集，在T中的第O个元素是子群集T(O)，所述子群集T(O)初始为空集合，将到访表VTable中第x个日邻近客户端列表DL2的元素按时间顺序放入到子群集T(O)，并将更改到访表DFist中第x个客户端id的处理标记Pflag的值修改为TRUE；将T(O)作为输入序列、O作为输入序号跳转到步骤403；
403，将所述T(O)中的数据获得输入序列SList，输入序号保留为O，新建一个空的序列作为暂存序列temlist，在所述暂存序列中设定新的变量变量y，令变量y的初始值为1，将输入序列SList中元素的个数成为新增检索值Glen，跳转到步骤404，
404，如果y≤Glen，跳转到步骤405；如果y＞Glen，跳转到步骤406；
405，如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为FALSE，把temlist进行更新并且temlist与到访表VTable中id值为list中第y个id值的日邻近客户端列表DL3的并集，把到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值更新为TRUE；将y的值加1，跳转到步骤404；如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为TRUE，将y的值加1，跳转到步骤404；
其中所述id值为客户端id；
406，若temlist为空的序列，将x的值加1，跳转到步骤401，如果temlist不为空的序列，更新SList序列为SList与temlist的并集；然后将temlist作为输入序列、O作为输入序号跳转到步骤403；
407，设置一个集合作为WZ在一天中的事件集合K，事件集合K＝{T(z),z∈[1,O]}，其中z为子群集的序号；以一个子群集T(z)中元素的个数作为该子群集T(z)的聚集量M，以事件集合K中聚集量M数值最大的子群集作为代表群集maxT,代表群maxT的聚集量M为第一聚集量MaxM；
计算在一天内工作地点WZ中第Q个子群集的事件关注系数EK(Q)：
其中Q代表子群集的序号，MQ代表一天内WZ里第Q个子群集的聚集量M，ln函数为取自然对数的函数，Q∈[1,O]；
(计算关注系数EK(Q)的有益效果为：有益效果为：对课程视频的访问客户端信息进行定时采集，通过事件关注系数综合地对事件的热度或者参与者的踊跃程度进行综合分析，根据日访问程度和对事件的关键性进行识别并进行量化比较，事件关注系数EK(Q)能够根据定位信息快速的提取出当天该课程视频的访问量可以确定其在用户眼中的受欢迎度。)
进一步地，通过对课程文件的初步评分以及客户端的关注系数进行计算得到课程视频的评价值，所述方法为：
通过对客户端中对课程视频的访问量计算得到的关注系数进行标准化处理，并对所述关注系数中可能出现的误差影响降到最小值，所述计算方法为：
通过计算关注系数EK(Q)与DL1和DL2的并集DL3与DL1、DL2的和的比值通过方差计算得到EKW，所述为进过误差分析处理后的关注系数，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
(计算appr的有益效果：通过课程分类的匹配度计算和对客户端的关注度计算得到评价值，所述评价值主要表现了该课程视频在视频本身的教育程度和用户中的受众程度，可以通过评价值更加直观的得到，并且可以根据评价值对教育平台进行资源分配)
进一步地，在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：通过评价值确定与客户端id的匹配系数，对所述课程视频的评价值appr的算数平均值作为基础评价Stdappr，通过计算得到客户端的匹配系数B，B＝(appr-Stdappr)/StdMark，若B≤0，则将B设定0，若1≥B＞0，B设定为1，若B＞1，则B不变，根据匹配系数B对资源进行分配，所述资源为云服务器中的课程视频内容量，按照各个客户端的匹配系数B的比例对服务器内课程视频行配置。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (7)
1.一种基于知识培训平台的课程评估方法，其特征在于，所述方法包括以下步骤：
S100：通过在平台上获取提交课程视频，并对课程视频进行分类；
S200：将所述课程视频文件按分类进行划分，并且获取划分区域时间；
S300：将所述视频帧分类后的区域时间进行判断，并对所述判断获取评分；
S400：根据初步评分结合客户端的访问情况进行结合，得到课程评估结果；
S500：通过课程评估结果对所述课程系统中的资源进行分配。
2.根据权利要求1所述的一种基于知识培训平台的课程评估方法，其特征在于，在步骤S100中，在所述知识培训平台上，教师可以通过在教师端上传自己制作的课程视频进行上传，并且通过将所述上传的课程视频进行大致分类，对所述课程视频的音频进行分析，获取数据库中的音频资料进行对照分析，并将确定所述课程视频的科目可课程视频类别，所述类别分为：学习、互动、讲解和练习四个类别，对整个课程视频进行分段分类。
3.根据权利要求1所述的一种基于知识培训平台的课程评估方法，其特征在于，在步骤S200中，将所述课程视频通过分类进行区域划分，将所述课程视频划分为学习区域、互动区域、讲解区域和练习区域，并将所述区域定义为learn、interactive、interpretation和practice，并将所述区域的时间长度进行记录，分别记录为tl、ti、tn和tp，并通过计算得到区域时间长度在课程视频中的比值P，所述t为tl、ti、tn和tp中的任一值，所述L为课程视频的时间长度，计算得到各个区域时间长度在课程视频中的比值P(tl)、P(ti)、P(tn)和P(tp)，并将所述区域时间长度在课程视频中的比值P通过标准化处理，并将所述比值P进行筛选得到比值P的最大值P(max)和最小值P(min)，并通过所述比值P计算得到区域权重值AMKR，AMKR的计算方法为：
其中，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
4.根据权利要求3所述的一种基于知识培训平台的课程评估方法，其特征在于，在步骤S300中，对所述课程视频中的视频帧的内容进行判断，并对判断结果进行评分，具体步骤如下所述：
将视频中内容细分成多个视频段，将每个视频段中的内容通过AI识别获取初步评分值，将是频段根据对应的learn、interactive、interpretation和practice获取对应评分值：F1、F2、F3、F4，所述AI识别则通过是频段的数量以及视频段的时常和视频段中的老师讲述的内容进行合并计算得到评分值，将所述评分值根据对应权重关系，获取整个课程视频的初步评分值，获取的公式为：
通过上述公式得到的课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp，其中所述Xl为学习类别初步评分，所述Xi为互动类别初步评分，所述Xn为讲解类别初步评分，所述Xp为练习类别初步评分，通过上述初步评分计算得到课程视频初步评分：
通过课程视频中每个分类的初步评价评分Xl、Xi、Xn和Xp进行方差计算得到课程视频初步评分S,所述Pi为所述区域时间长度在课程视频中的比值P的t＝tj时刻的值，所述tj代表在第j时刻所属于分类类别中开始到tj时刻的时间长度。
5.根据权利要求3所述的一种基于知识培训平台的课程评估方法，其特征在于，在步骤S400中，所述获取客户端的访问情况的具体方法为：
S401：获取用户客户端的id，在同一天里，累计所有到访同一个课程视频的WZ的不同客户端id的数量作为日到访问量DL1，所述WZ为同一课程视频的访问地址，以在同一个课程视频WZ中一个客户端id在一天内获得的各个推荐客户端的到访问量为DL2，将DL1和DL2的并集作为日邻近客户端列表DL3，所述推荐客户端则为通过一个客户端主动或被动推荐的访问量，由同一个课程视频的WZ中的DL2个客户端id及各个DL1客户端id的访问量构成列表DFist，所述列表v命名为到访表,到访表DFist＝{idj_DL1，idj_DL3}，j∈[1,DFist]，其中idj_DL1代表到访表DFist中第j个客户端id，idj_DL3代表到访表DFist中第j个客户端id的日邻近客户端DL3；
设定一个变量x，令变量x的初始值为1；设定一个变量O作为群体序号，令群体序号O的初始值为1，为DFist中每个客户端id设定一个布尔值作为处理标记Pflag,令处理标记Pflag的初始值为FALSE；计算一天中课程视频的关注系数；
401，当x≤DVst，跳转到步骤402；当x＞DVst，跳转到步骤407；
402，如果DFist中第x个客户端id的处理标记Pflag的值为FALSE，将O的值加1,创建一个集合T，所述集合T为群体序号变量O的群集，在T中的第O个元素是子群集T(O)，所述子群集T(O)初始为空集合，将到访表VTable中第x个日邻近客户端列表DL2的元素按时间顺序放入到子群集T(O)，并将更改到访表DFist中第x个客户端id的处理标记Pflag的值修改为TRUE；将T(O)作为输入序列、O作为输入序号跳转到步骤403；
403，将所述T(O)中的数据获得输入序列SList，输入序号保留为O，新建一个空的序列作为暂存序列temlist，在所述暂存序列中设定新的变量变量y，令变量y的初始值为1，将输入序列SList中元素的个数成为新增检索值Glen，跳转到步骤404，
404，如果y≤Glen，跳转到步骤405；如果y＞Glen，跳转到步骤406；
405，如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为FALSE，把temlist进行更新并且temlist与到访表VTable中id值为list中第y个id值的日邻近客户端列表DL3的并集，把到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值更新为TRUE；将y的值加1，跳转到步骤404；如果到访表VTable中id值为list中第y个id值的客户端id的处理标记Pflag值为TRUE，将y的值加1，跳转到步骤404；
其中所述id值为客户端id；
406，若temlist为空的序列，将x的值加1，跳转到步骤401，如果temlist不为空的序列，更新SList序列为SList与temlist的并集；然后将temlist作为输入序列、O作为输入序号跳转到步骤403；
407，设置一个集合作为WZ在一天中的事件集合K，事件集合K＝{T(z),z∈[1,O]}，其中z为子群集的序号；以一个子群集T(z)中元素的个数作为该子群集T(z)的聚集量M，以事件集合K中聚集量M数值最大的子群集作为代表群集maxT,代表群maxT的聚集量M为第一聚集量MaxM；
计算在一天内工作地点WZ中第Q个子群集的事件关注系数EK(Q)：
其中Q代表子群集的序号，MQ代表一天内WZ里第Q个子群集的聚集量M，ln函数为取自然对数的函数，Q∈[1,O]。
6.根据权利要求1所述的一种基于知识培训平台的课程评估方法，其特征在于，通过对课程文件的初步评分以及客户端的关注系数进行计算得到课程视频的评价值，所述方法为：
通过对客户端中对课程视频的访问量计算得到的关注系数进行标准化处理，并对所述关注系数中可能出现的误差影响降到最小值，所述计算方法为：
通过计算关注系数EK(Q)与DL1和DL2的并集DL3与DL1、DL2的和的比值通过方差计算得到EKW，所述为进过误差分析处理后的关注系数，所述ln函数为取自然对数的函数，abs函数为求绝对值函数。
7.根据权利要求1所述的一种基于知识培训平台的课程评估方法，其特征在于，在步骤S500中，所述根据评价值对客户端进行资源分配的方法是：通过评价值确定与客户端id的匹配系数，对所述课程视频的评价值appr的算数平均值作为基础评价Stdappr，通过计算得到客户端的匹配系数B，B＝(appr-Stdappr)/StdMark，若B≤0，则将B设定0，若1≥B＞0，B设定为1，若B＞1，则B不变，根据匹配系数B对资源进行分配，所述资源为云服务器中的课程视频内容量，按照各个客户端的匹配系数B的比例对服务器内课程视频行配置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310163788.7A CN116484051A (zh) | 2023-02-24 | 2023-02-24 | 一种基于知识培训平台的课程评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310163788.7A CN116484051A (zh) | 2023-02-24 | 2023-02-24 | 一种基于知识培训平台的课程评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116484051A true CN116484051A (zh) | 2023-07-25 |
Family
ID=87216702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310163788.7A Pending CN116484051A (zh) | 2023-02-24 | 2023-02-24 | 一种基于知识培训平台的课程评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116484051A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455732A (zh) * | 2023-09-22 | 2024-01-26 | 广州蓝梵信息科技股份有限公司 | 一种智慧教学平台的资源库控制方法及系统 |
| CN117474725A (zh) * | 2023-09-22 | 2024-01-30 | 广州蓝梵信息科技股份有限公司 | 一种教学平台的课程管理方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090276705A1 (en) * | 2008-05-05 | 2009-11-05 | Matsushita Electric Industrial Co., Ltd. | System architecture and process for assessing multi-perspective multi-context abnormal behavior |
| CN102088626A (zh) * | 2009-12-02 | 2011-06-08 | Tcl集团股份有限公司 | 一种在线视频推荐方法及视频门户服务系统 |
| CA2973415A1 (en) * | 2015-10-15 | 2017-04-20 | Shenzhen Eaglesoul Technology Co., Ltd. | Method and system for recording and broadcasting of network teaching |
| CN106844446A (zh) * | 2016-12-16 | 2017-06-13 | 飞狐信息技术（天津）有限公司 | 基于用户观影行为的视频评分方法、装置及视频系统 |
| CN107180074A (zh) * | 2017-03-31 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及装置 |
| CN110620958A (zh) * | 2019-09-25 | 2019-12-27 | 东北师范大学 | 一种视频课程质量评估方法 |
| 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 |
| CN112163778A (zh) * | 2020-10-13 | 2021-01-01 | 中国人民解放军国防科技大学 | 一种在线开放课程视频质量量化评价方法 |
| CN113781384A (zh) * | 2021-01-21 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 视频质量评估方法和装置 |
| CN114791963A (zh) * | 2022-04-08 | 2022-07-26 | 布赵春 | 基于人工智能的视频推荐方法及系统 |
| CN114866616A (zh) * | 2022-07-11 | 2022-08-05 | 京华信息科技股份有限公司 | 一种基于定位信息的移动设备可用云资源分配方法 |
| CN114881971A (zh) * | 2022-05-09 | 2022-08-09 | 广州欢聚时代信息科技有限公司 | 视频质量评估方法及其装置、设备、介质 |
-
2023
- 2023-02-24 CN CN202310163788.7A patent/CN116484051A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090276705A1 (en) * | 2008-05-05 | 2009-11-05 | Matsushita Electric Industrial Co., Ltd. | System architecture and process for assessing multi-perspective multi-context abnormal behavior |
| CN102088626A (zh) * | 2009-12-02 | 2011-06-08 | Tcl集团股份有限公司 | 一种在线视频推荐方法及视频门户服务系统 |
| CA2973415A1 (en) * | 2015-10-15 | 2017-04-20 | Shenzhen Eaglesoul Technology Co., Ltd. | Method and system for recording and broadcasting of network teaching |
| CN106844446A (zh) * | 2016-12-16 | 2017-06-13 | 飞狐信息技术（天津）有限公司 | 基于用户观影行为的视频评分方法、装置及视频系统 |
| CN107180074A (zh) * | 2017-03-31 | 2017-09-19 | 北京奇艺世纪科技有限公司 | 一种视频分类方法及装置 |
| CN110620958A (zh) * | 2019-09-25 | 2019-12-27 | 东北师范大学 | 一种视频课程质量评估方法 |
| 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 |
| CN112163778A (zh) * | 2020-10-13 | 2021-01-01 | 中国人民解放军国防科技大学 | 一种在线开放课程视频质量量化评价方法 |
| CN113781384A (zh) * | 2021-01-21 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 视频质量评估方法和装置 |
| WO2022156534A1 (zh) * | 2021-01-21 | 2022-07-28 | 北京沃东天骏信息技术有限公司 | 视频质量评估方法和装置 |
| CN114791963A (zh) * | 2022-04-08 | 2022-07-26 | 布赵春 | 基于人工智能的视频推荐方法及系统 |
| CN114881971A (zh) * | 2022-05-09 | 2022-08-09 | 广州欢聚时代信息科技有限公司 | 视频质量评估方法及其装置、设备、介质 |
| CN114866616A (zh) * | 2022-07-11 | 2022-08-05 | 京华信息科技股份有限公司 | 一种基于定位信息的移动设备可用云资源分配方法 |
Non-Patent Citations (3)
| Title |
|---|
| WU, PZ ; COSMAN, PC; MILSTEIN, LB;: "Resource Allocation for Multicarrier Device-to-Device Video Transmission: Symbol Error Rate Analysis and Algorithm Design", ENGINEERING, ELECTRICAL & ELECTRONIC, 6 December 2017 (2017-12-06), pages 4446 - 4462 * |
| 许良武: "基于向量化标签的视频推荐算法研究与实现", 无线互联科技, 30 June 2020 (2020-06-30), pages 132 - 134 * |
| 赵丕锡, 王秀坤, 李国辉, 田宏: "视频概要的分类与综合评价方法", 计算机应用研究, no. 11, pages 5 - 7 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117455732A (zh) * | 2023-09-22 | 2024-01-26 | 广州蓝梵信息科技股份有限公司 | 一种智慧教学平台的资源库控制方法及系统 |
| CN117474725A (zh) * | 2023-09-22 | 2024-01-30 | 广州蓝梵信息科技股份有限公司 | 一种教学平台的课程管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116484051A (zh) | 一种基于知识培训平台的课程评估方法 | |
| CN109299372B (zh) | 一种基于协同过滤的智慧选课推荐方法 | |
| CN110909205B (zh) | 一种视频封面确定方法、装置、电子设备及可读存储介质 | |
| US20180075358A1 (en) | Feature extraction and machine learning for evaluation of media-rich coursework | |
| CN112150331A (zh) | 面向教育目标进行层级分配的教育资源远程共享系统 | |
| CN110400293B (zh) | 一种基于深度森林分类的无参考图像质量评价方法 | |
| CN114329054B (zh) | 一种基于大数据的教育资源共享系统 | |
| CN110782375B (zh) | 基于数据的在线学习全过程动态分析方法及系统 | |
| US7296020B2 (en) | Automatic evaluation of categorization system quality | |
| CN107330455A (zh) | 图像评价方法 | |
| CN113282840B (zh) | 一种训练采集综合管理平台 | |
| CN102473409B (zh) | 声音空间的基准模型适应装置、集成电路以及av设备 | |
| CN109087146A (zh) | 影院票房收入的预测方法及系统 | |
| CN111177500A (zh) | 数据对象分类方法、装置、计算机设备和存储介质 | |
| Dunlap | How effective are graduate social work admission criteria? | |
| CN112819230A (zh) | 一种基于打卡数据的用户打卡地点预测方法及装置 | |
| CN112598553A (zh) | 一种基于在线学习与智能评测的服务系统 | |
| CN113158022A (zh) | 业务推荐方法、装置、服务器及存储介质 | |
| CN111652238B (zh) | 一种多模型集成方法及系统 | |
| CN111611973A (zh) | 目标用户识别的方法、装置及存储介质 | |
| CN110717668A (zh) | 一种旅游景区互联网影响力评估及景区自动管理调度方法 | |
| CN111339386B (zh) | 一种智慧课堂教学活动推荐方法及系统 | |
| CN115689139A (zh) | 一种基于dbscan聚类算法的宿舍分配方法 | |
| CN114462858A (zh) | 一种基于区块链的公共教育服务管理方法及系统 | |
| CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 |
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 |