CN116596719A - 一种机房计算机教学质量管理系统及方法 - Google Patents
一种机房计算机教学质量管理系统及方法 Download PDFInfo
- Publication number
- CN116596719A CN116596719A CN202310879646.0A CN202310879646A CN116596719A CN 116596719 A CN116596719 A CN 116596719A CN 202310879646 A CN202310879646 A CN 202310879646A CN 116596719 A CN116596719 A CN 116596719A
- Authority
- CN
- China
- Prior art keywords
- teaching
- period
- students
- exercise
- time
- 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
- 238000003326 Quality management system Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000007726 management method Methods 0.000 claims abstract description 41
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 32
- 230000000903 blocking effect Effects 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims description 87
- 230000006399 behavior Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及平台管理技术领域,具体为一种机房计算机教学质量管理系统及方法,通过对学生对应各授课时段中各异常行为的持续时长、各次卡顿的卡顿时长和各次切屏的切屏时长进行监测,由此对学生对应各授课时段的听课专注度进行分析,实现了多维度的对学生对应授课时段的专注度进行分析,还避免了因人工评估存在的主观性,大幅度提升了学生专注度分析结果的可靠性和精准性;通过对学生对应各练习时段的操作时长、提交作业的规范度、异常浏览的次数和异常下载的次数进行监测,由此对学生对应各练习时段的练习专注度进行分析,为机房环境提供了可靠的保障,规避了因学生练习阶段分析的不足而导致学生课堂专注度分析结果的误差性。
Description
技术领域
本发明涉及平台管理技术领域,具体为一种机房计算机教学质量管理系统及方法。
背景技术
随着互联网技术的发展和计算机的普及,学校当中越来越多的课程采用机房上课的模式,由于机房上课具有资源共享、实践能力培养、互动与合作、多样化的学习方式和教学效果提升等好处。鉴于此,开展机房上课能够提高学生的学习效果和实践能力。
在当前机房课程学习当中,通常通过教师观察学生的学习专注度,其分析维度比较单一,同时还因人工评估存在一定的主观性,导致学生专注度分析不够精准。
在机房上课当中,教师通常会将课时分成两部分,一部分为讲解时段,一部分为练习时段,当前对学生的专注度进行监测和分析时,没有对学生的各时段进行针对性分析,导致学生的专注度分析结果存在误差,不利于为教师后续的课堂管理提供保障。
发明内容
本发明的目的在于提供一种机房计算机教学质量管理系统及方法,为了解决当前技术中由教师对学生专注度监测分析的不足,同时改善当前技术对学生专注力分析结果存在的误差性。
本发明的目的可以通过以下技术方案实现:本发明第一方面提供一种机房计算机教学质量管理系统,包括:
监测数据获取模块,用于对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据。
作为本发明的进一步改进,对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,具体包括:
通过智能摄像头对学生对应各授课时段的行为视频进行采集,得到学生对应各授课时段的行为视频;
从学生对应各授课时段的行为视频中识别出学生对应各授课时段的行为类型,并将学生对应各授课时段的行为类型与设定的各异常行为对应的行为类型进行匹配,得到学生对应各授课时段的各异常行为;
基于学生对应各授课时段的行为视频对学生对应各授课时段中各异常行为的持续时长进行获取,得到学生对应各授课时段中各异常行为的持续时长;
由学生对应各授课时段中各异常行为的持续时长构成学生对应各授课时段的基本参数。
作为本发明的进一步改进,对学生对应各授课时段中计算机的屏幕数据进行解析,解析过程为:
将学生对应各授课时段中计算机的屏幕数据进行逐帧解析,得到学生对应各授课时段中各授课时间点的计算机屏幕数据;
基于教师在当前监测课时中的讲课数据获取教师对应各授课时段中计算机的屏幕数据,并对其进行逐帧解析,得到教师对应各授课时段中各授课时间点的教师计算机屏幕数据;
将学生对应各授课时段中各授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据进行匹配,若某授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据匹配成功,则将该授课时间点记为匹配时间点,反之,则将该授课时间点记为标记时间点,由此统计学生对应各授课时段的各标记时间点,进而将学生对应各授课时段中相邻的各标记时间点进行整合,得到学生对应各授课时段中的各标记时段,并获取学生对应各授课时段中各标记时段的时长;
从学生对应各授课时段中计算机的屏幕数据中获取学生对应各授课时段中各标记时段的屏幕数据,并将学生对应各授课时段中各标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据进行匹配,若某标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据匹配成功,则将该标记时段记为卡顿时长,由此统计学生对应各授课时段中各卡顿时段的时长,作为学生对应各授课时段中各次卡顿的卡顿时长;
从学生对应各授课时段的各标记时段中剔除学生对应各授课时段的各卡顿时段,将剩下的标记时段记为切屏时段,并获取学生对应各授课时段的各切屏时段的时长,作为学生对应各授课时段中各次切屏的切屏时长;
由学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长构成学生对应各授课时段中计算机的使用参数。
作为本发明的进一步改进,述对学生对应各授课时段的听课专注度进行分析,分析过程为:
从学生对应各授课时段的基本参数中提取学生对应各授课时段中各异常行为的持续时长的数值,并记为TYi j,i表示为各授课时段的编号,i=1,2,...,u,u表示为各授课时段的总数,j表示为各异常行为的编号,j=1,2,...,m,m表示为异常行为的总数;
从学生对应各授课时段中计算机的使用参数内提取学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长的数值,并分别记为TKi f和TQi r,f表示为各次卡顿的编号,f=1,2,...,,/>表示为卡顿次数的总数,r表示为各次切屏的编号,r=1,2,...,s,s表示为切屏次数的总数;
依据公式计算出学生对应各授课时段的听课专注度SZi,e表示为自然常数,TYj 0表示为预设的第j个异常行为对应的参考持续时长,TK0表示为预设的参考卡顿时长,TQ0表示为预设的参考切屏时长,a1、a2、a3分别表示为预设的权值因子。
授课分析模块,用于对学生对应各授课时段的基本参数进行监测,同时对学生对应各授课时段中计算机的屏幕数据进行解析,得到学生对应各授课时段中计算机的使用参数,并由此对学生对应各授课时段的听课专注度进行分析;
练习分析模块,用于对学生对应各练习时段的基本参数进行监测,同时对学生对应各练习时段中计算机的屏幕数据进行解析,得到学生对应各练习时段的使用参数,并由此对学生对应各练习时段的练习专注度进行分析。
作为本发明的进一步改进,对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,具体包括:
通过智能摄像头对学生对应各练习时段的操作视频进行采集,得到学生对应各练习时段的操作视频;
从学生对应各练习时段的操作视频中提取学生对应各练习时段的操作时长,得到学生对应各练习时段的操作时长;
对学生对应各练习时段的提交作业进行获取,并通过指定软件对学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度进行生成,其中指定软件为MATLAB,得到学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度,作为学生对应各练习时段中提交作业的规范度;
由学生对应各练习时段的操作时长和提交作业的规范度构成学生对应各练习时段中计算机的基本参数。
作为本发明的进一步改进,对学生对应各练习时段中计算机的屏幕数据进行解析,解析过程为:
从学生对应各练习时段中计算机的屏幕数据内提取学生对应各练习时段中计算机的各次浏览的屏幕数据和各次下载的屏幕数据,得到学生对应各练习时段中各次浏览的屏幕数据和各次下载的屏幕数据;
将学生对应各练习时段中各次浏览的屏幕数据与预设的正常浏览的屏幕数据进行匹配,若某次浏览的屏幕数据与正常浏览的屏幕数据匹配成功,则将该次浏览记为正常浏览,反之,则将该次浏览记为异常浏览,由此统计学生对应各练习时段中异常浏览的次数;其中异常浏览包括但不限于:游戏网站浏览、危险网站浏览、危险信息浏览。
将学生对应各练习时段中各次下载的屏幕数据与预设的学习软件下载的屏幕数据进行匹配,若某次下载的屏幕数据与学习软件下载的屏幕数据匹配成功,则将该次下载记为正常下载,反之,则将该次下载记为异常下载,由此统计学生对应各练习时段中异常下载的次数;其中异常下载为危险软件下载、游戏软件下载等。
由学生对应各练习时段中异常浏览的次数和异常下载的次数构成学生对应各练习时段的使用参数。
作为本发明的进一步改进,对学生对应各练习时段的练习专注度进行分析,具体分析过程为:
从学生对应各练习时段的基本参数中提取学生对应各练习时段的操作时长和提交作业的规范度的数值,并分别记为TLn和GFn,n表示为各练习时段的编号, n=1,2,...,v,其中v表示为各练习时段编号的总数;
从学生对应各练习时段中计算机的使用参数中提取学生对应各练习时段中异常浏览的次数和异常下载的次数的数值,并分别记为YLn和YXn;
依据公式LZn=(TLn/TL0)*b1+(GFn/GF0)*b2+(YL0/YLn+1)*b3+(YX0/YXn+1)*b4计算出学生对应各练习时段的练习专注度LZn,TL0表示为预设的参考操作时长,GF0表示为预设的参考规范度,YL0表示为预设的参考异常浏览次数,YX0表示为预设的参考异常下载次数,b1、b2、b3、b4分别表示为设定的权值因子。
管理分析模块,用于对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数。
作为本发明的进一步改进,将学生对应各授课时段的听课专注度与平台数据库中存储的参考听课专注度进行对比,若某授课时段的听课专注度小于参考听课专注度,则将该授课时段记为异常授课时段,统计学生对应的各异常授课时段;
将学生对应各练习时段的练习专注度与平台数据库中存储的参考练习专注度进行对比,若某练习时段的练习专注度小于参考练习专注度,则将该练习时段记为异常练习时段,统计学生对应的各异常练习时段;
基于学生对应的各异常授课时段和各异常练习时段在教师对应当前课时的记录表中进行标记,以此作为教师对应当前监测课时的管理参数。
执行终端,用于对教师对应当前监测课时的管理参数进行执行相应的操作。
平台数据库,用于存储参考听课专注度和参考练习专注度。
本发明第二方面提供一种机房计算机教学质量管理方法,包括如下步骤:
S1、监测数据获取:对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据;
S2、授课分析:对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,同时对学生对应各授课时段中计算机的屏幕数据进行解析,得到学生对应各授课时段中计算机的使用参数,学生对应各授课时段中计算机的使用参数包括各次卡顿的卡顿时长和各次切屏的切屏时长,并由此对学生对应各授课时段的听课专注度进行分析;
S3、练习分析:对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,同时对学生对应各练习时段中计算机的屏幕数据进行解析,得到学生对应各练习时段的使用参数,其中学生对应各练习时段的使用参数包括异常浏览的次数和异常下载的次数,并由此对学生对应各练习时段的练习专注度进行分析;
S4、管理分析:对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数;
S5、执行:对教师对应当前监测课时的管理参数进行执行相应的操作。
本发明的有益效果:
本发明通过将当前监测课时划分为各授课时段和各练习时段,并分别对学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据进行获取,弥补了当前技术中没有对学生对应各阶段监测分析的不足,大幅度提升了学生对应当前监测课时中的专注度,为后续教师对课堂进行进一步的监控和管理提供了有力的数据支撑。
本发明通过对学生对应各授课时段中各异常行为的持续时长进行监测,同时对学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长进行监测,由此对学生对应各授课时段的听课专注度进行分析,不仅实现了多维度的对学生对应授课时段的专注度进行分析,同时还避免了因人工评估存在的主观性,大幅度提升了学生专注度分析结果的可靠性和精准性。
本发明通过对学生对应各练习时段的操作时长和提交作业的规范度进行监测,同时对学生对应各练习时段的异常浏览的次数和异常下载的次数进行监测,由此对学生对应各练习时段的练习专注度进行分析,在一定程度上为机房环境提供了可靠的保障,规避了因学生练习阶段分析的不足而导致学生课堂专注度分析结果的误差性。
本发明通过基于学生对应各练习时段的练习专注度和各授课时段的听课专注度对教师对应当前监测课时的管理参数进行分析,并执行相应的处理,能够及时的发现学生在某时段的专注力异常,进而采取相应的措施来提高学习效果,从而提升整体的学习成绩。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图。
图2是本发明的方法步骤图。
具体实施方式
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,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。
实施例一
请参阅图1所示,本发明第一方面提供一种机房计算机教学质量管理系统,包括:监测数据获取模块、授课分析模块、练习分析模块、管理分析模块、执行终端和平台数据库。
本发明具体可运用于学校机房中。
监测数据获取模块,用于对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,其中讲课数据包括授课和练习,授课具体为教师讲课,学生听讲;练习具体为学生自主操作,自主练习等。将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据。
授课分析模块,用于对学生对应各授课时段的基本参数进行监测,具体监测步骤为:
步骤101:通过智能摄像头对学生对应各授课时段的行为视频进行采集,得到学生对应各授课时段的行为视频。
步骤102:从学生对应各授课时段的行为视频中识别出学生对应各授课时段的行为类型,并将学生对应各授课时段的行为类型与设定的各异常行为对应的行为类型进行匹配,得到学生对应各授课时段的各异常行为。
其中,学生对应各授课时段的行为类型的识别方式具体参照专利CN114067432A基于SSD-MobileNetV2的学生课堂行为识别技术,行为类型包括:“读书”、“睡觉”、“玩手机”、“起立”、“举手”、“听课”、“走神”、“写字”。各异常行为对应的行为类型包括:“睡觉”、“玩手机”、“走神”。
步骤103:基于学生对应各授课时段的行为视频对学生对应各授课时段中各异常行为的持续时长进行获取,得到学生对应各授课时段中各异常行为的持续时长;
步骤104:由学生对应各授课时段中各异常行为的持续时长构成学生对应各授课时段的基本参数。
对学生对应各授课时段中计算机的屏幕数据进行解析,具体解析过程为:
步骤201:将学生对应各授课时段中计算机的屏幕数据进行逐帧解析,得到学生对应各授课时段中各授课时间点的计算机屏幕数据。
步骤202:基于教师在当前监测课时中的讲课数据获取教师对应各授课时段中计算机的屏幕数据,并对其进行逐帧解析,得到教师对应各授课时段中各授课时间点的教师计算机屏幕数据。
步骤203:将学生对应各授课时段中各授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据进行匹配,若某授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据匹配成功,则将该授课时间点记为匹配时间点,反之,则将该授课时间点记为标记时间点,由此统计学生对应各授课时段的各标记时间点,进而将学生对应各授课时段中相邻的各标记时间点进行整合,得到学生对应各授课时段中的各标记时段,并获取学生对应各授课时段中各标记时段的时长。
步骤204:从学生对应各授课时段中计算机的屏幕数据中获取学生对应各授课时段中各标记时段的屏幕数据,并将学生对应各授课时段中各标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据进行匹配,若某标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据匹配成功,则将该标记时段记为卡顿时长,由此统计学生对应各授课时段中各卡顿时段的时长,作为学生对应各授课时段中各次卡顿的卡顿时长。
步骤205:从学生对应各授课时段的各标记时段中剔除学生对应各授课时段的各卡顿时段,将剩下的标记时段记为切屏时段,并获取学生对应各授课时段的各切屏时段的时长,作为学生对应各授课时段中各次切屏的切屏时长。
步骤206:由学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长构成学生对应各授课时段中计算机的使用参数。
对学生对应各授课时段的听课专注度进行分析,具体分析步骤如下:
步骤301:从学生对应各授课时段的基本参数中提取学生对应各授课时段中各异常行为的持续时长的数值,并记为TYi j,i表示为各授课时段的编号,i=1,2,...,u,u表示为各授课时段的总数;j表示为各异常行为的编号,j=1,2,...,m,m表示为异常行为的总数。
步骤302:从学生对应各授课时段中计算机的使用参数内提取学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长的数值,并分别记为TKi f和TQi r,f表示为各次卡顿的编号,f=1,2,...,,/>表示为卡顿次数的总数,r表示为各次切屏的编号,r=1,2,...,s,s表示为切屏次数的总数。
步骤303:依据公式计算出学生对应各授课时段的听课专注度SZi,e表示为自然常数,TYj 0表示为预设的第j个异常行为对应的参考持续时长,TK0表示为预设的参考卡顿时长,TQ0表示为预设的参考切屏时长,a1、a2、a3分别表示为预设的权值因子。
练习分析模块,用于对学生对应各练习时段的基本参数进行监测,具体监测步骤为:
步骤401:通过智能摄像头对学生对应各练习时段的操作视频进行采集,得到学生对应各练习时段的操作视频。
步骤402:从学生对应各练习时段的操作视频中提取学生对应各练习时段的操作时长,得到学生对应各练习时段的操作时长;其中操作时长的具体识别为:操作视频中学生交作业截止的时间点记为操作结束时间点,并从操作视频中提取学生开始操作的时间点记为操作开始时间点,由操作开始时间点和操作结束时间点构成操作时长。
步骤403:对学生对应各练习时段的提交作业进行获取,并通过指定软件对学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度进行生成,其中指定软件为MATLAB,得到学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度,作为学生对应各练习时段中提交作业的规范度。
步骤405:由学生对应各练习时段的操作时长和提交作业的规范度构成学生对应各练习时段中计算机的基本参数。
对学生对应各练习时段中计算机的屏幕数据进行解析,具体解析步骤为:
步骤501:从学生对应各练习时段中计算机的屏幕数据内提取学生对应各练习时段中计算机的各次浏览的屏幕数据和各次下载的屏幕数据,得到学生对应各练习时段中各次浏览的屏幕数据和各次下载的屏幕数据。
步骤502:将学生对应各练习时段中各次浏览的屏幕数据与预设的正常浏览的屏幕数据进行匹配,若某次浏览的屏幕数据与正常浏览的屏幕数据匹配成功,则将该次浏览记为正常浏览,反之,则将该次浏览记为异常浏览,由此统计学生对应各练习时段中异常浏览的次数;其中异常浏览包括但不限于:游戏网站浏览、危险网站浏览、危险信息浏览。
步骤503:将学生对应各练习时段中各次下载的屏幕数据与预设的学习软件下载的屏幕数据进行匹配,若某次下载的屏幕数据与学习软件下载的屏幕数据匹配成功,则将该次下载记为正常下载,反之,则将该次下载记为异常下载,由此统计学生对应各练习时段中异常下载的次数;其中异常下载为危险软件下载、游戏软件下载等。
步骤504:由学生对应各练习时段中异常浏览的次数和异常下载的次数构成学生对应各练习时段的使用参数。
对学生对应各练习时段的练习专注度进行分析,具体分析过程为:
步骤601:从学生对应各练习时段的基本参数中提取学生对应各练习时段的操作时长和提交作业的规范度的数值,并分别记为TLn和GFn,n表示为各练习时段的编号,n=1,2,...,v,其中v表示为各练习时段编号的总数。
步骤602:从学生对应各练习时段中计算机的使用参数中提取学生对应各练习时段中异常浏览的次数和异常下载的次数的数值,并分别记为YLn和YXn。
依据公式LZn=(TLn/TL0)*b1+(GFn/GF0)*b2+(YL0/YLn+1)*b3+(YX0/YXn+1)*b4计算出学生对应各练习时段的练习专注度LZn,TL0表示为预设的参考操作时长,GF0表示为预设的参考规范度,YL0表示为预设的参考异常浏览次数,YX0表示为预设的参考异常下载次数,b1、b2、b3、b4分别表示为设定的权值因子。
管理分析模块,用于对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数,具体分析过程为:
将学生对应各授课时段的听课专注度与平台数据库中存储的参考听课专注度进行对比,若某授课时段的听课专注度小于参考听课专注度,则将该授课时段记为异常授课时段,统计学生对应的各异常授课时段。
将学生对应各练习时段的练习专注度与平台数据库中存储的参考练习专注度进行对比,若某练习时段的练习专注度小于参考练习专注度,则将该练习时段记为异常练习时段,统计学生对应的各异常练习时段。
基于学生对应的各异常授课时段和各异常练习时段在教师对应当前课时的记录表中进行标记,以此作为教师对应当前监测课时的管理参数。
需要说明的是,记录表上记载了当前监测课时中各授课时段和各练习时段,而教师对应当前监测课时的记录表的生成方式为:在监测数据获取模块中将当前监测课时划分为各授课时段和各练习时段后同步生成教师对应当前监测课时的记录表。
进一步地,当前监测课时中所有学生的名单记录在其中,其他学生的异常练习时段和异常授课时段的分析均可运用本发明的分析方式。
执行终端,用于对教师对应当前监测课时的管理参数进行执行相应的操作。
在一个具体的实施例中,对教师对应当前监测课时的管理参数进行执行相应的操作,例如:教师对应当前监测课时的记录表中某授课时段上标记了学生对应该授课时段为异常授课时段,则在教师对应的计算机上进行学生对应该授课时段的异常听课提醒,提醒教师对该学生进行提醒,不仅便于教师管理课堂纪律和提高教学效果,同时还能及时地对学生进行提醒,为学生上课注意力集中提供了辅助作用。
若教师对应当前监测课时的记录表上某练习时段上标记了学生对应该练习时段为异常练习时段,则在教师对应的计算机上进行学生对应该练习时段的异常练习提醒,便于教师及时地查看学生的练习信息,避免了因学生练习不当而导致机房内部电脑发生故障。
平台数据库,用于存储参考听课专注度和参考练习专注度。
实施例
请参阅图2所示,本发明第二方面提供一种机房计算机教学质量管理方法,包括如下步骤:
S1、监测数据获取:对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据。
S2、授课分析:对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,同时对学生对应各授课时段中计算机的屏幕数据进行解析,得到学生对应各授课时段中计算机的使用参数,学生对应各授课时段中计算机的使用参数包括各次卡顿的卡顿时长和各次切屏的切屏时长,并由此对学生对应各授课时段的听课专注度进行分析。
S3、练习分析:对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,同时对学生对应各练习时段中计算机的屏幕数据进行解析,得到学生对应各练习时段的使用参数,其中学生对应各练习时段的使用参数包括异常浏览的次数和异常下载的次数,并由此对学生对应各练习时段的练习专注度进行分析。
S4、管理分析:对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数。
S5、执行:对教师对应当前监测课时的管理参数进行执行相应的操作。本发明的管理分析模块分析得到教师对应当前监测课时的管理参数,可运用于学生的平时成绩评估,作为学生平时成绩评估的一部分,在一定程度上为学生的平时成绩评估提供了数据支撑,同时直观地反映了学生在计算机课堂上的学习态度。
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。
Claims (9)
1.一种机房计算机教学质量管理系统,其特征在于,包括:
监测数据获取模块,用于对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据;
授课分析模块,用于对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,同时对学生对应各授课时段中计算机的屏幕数据进行解析,得到学生对应各授课时段中计算机的使用参数,学生对应各授课时段中计算机的使用参数包括各次卡顿的卡顿时长和各次切屏的切屏时长,并由此对学生对应各授课时段的听课专注度进行分析;
练习分析模块,用于对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,同时对学生对应各练习时段中计算机的屏幕数据进行解析,得到学生对应各练习时段的使用参数,其中学生对应各练习时段的使用参数包括异常浏览的次数和异常下载的次数,并由此对学生对应各练习时段的练习专注度进行分析;
管理分析模块,用于对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数;
执行终端,用于对教师对应当前监测课时的管理参数进行执行相应的操作;
平台数据库,用于存储参考听课专注度和参考练习专注度。
2.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,具体包括:
通过智能摄像头对学生对应各授课时段的行为视频进行采集,得到学生对应各授课时段的行为视频;
从学生对应各授课时段的行为视频中识别出学生对应各授课时段的行为类型,并将学生对应各授课时段的行为类型与设定的各异常行为对应的行为类型进行匹配,得到学生对应各授课时段的各异常行为;
基于学生对应各授课时段的行为视频对学生对应各授课时段中各异常行为的持续时长进行获取,得到学生对应各授课时段中各异常行为的持续时长。
3.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各授课时段中计算机的屏幕数据进行解析,解析过程为:
将学生对应各授课时段中计算机的屏幕数据进行逐帧解析,得到学生对应各授课时段中各授课时间点的计算机屏幕数据;
基于教师在当前监测课时中的讲课数据获取教师对应各授课时段中计算机的屏幕数据,并对其进行逐帧解析,得到教师对应各授课时段中各授课时间点的教师计算机屏幕数据;
将学生对应各授课时段中各授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据进行匹配,若某授课时间点的计算机屏幕数据与其对应授课时间点的教师计算机屏幕数据匹配成功,则将该授课时间点记为匹配时间点,反之,则将该授课时间点记为标记时间点,由此统计学生对应各授课时段的各标记时间点,进而将学生对应各授课时段中相邻的各标记时间点进行整合,得到学生对应各授课时段中的各标记时段,并获取学生对应各授课时段中各标记时段的时长;
从学生对应各授课时段中计算机的屏幕数据中获取学生对应各授课时段中各标记时段的屏幕数据,并将学生对应各授课时段中各标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据进行匹配,若某标记时段的屏幕数据与教师对应的授课时段中计算机的屏幕数据匹配成功,则将该标记时段记为卡顿时长,由此统计学生对应各授课时段中各卡顿时段的时长,作为学生对应各授课时段中各次卡顿的卡顿时长;
从学生对应各授课时段的各标记时段中剔除学生对应各授课时段的各卡顿时段,将剩下的标记时段记为切屏时段,并获取学生对应各授课时段的各切屏时段的时长,作为学生对应各授课时段中各次切屏的切屏时长。
4.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各授课时段的听课专注度进行分析,分析过程为:
从学生对应各授课时段的基本参数中提取学生对应各授课时段中各异常行为的持续时长的数值,并记为TYi j,i表示为各授课时段的编号,i=1,2,...,u,u表示为各授课时段的总数;j表示为各异常行为的编号,j=1,2,...,m,m表示为异常行为的总数;
从学生对应各授课时段中计算机的使用参数内提取学生对应各授课时段中各次卡顿的卡顿时长和各次切屏的切屏时长的数值,并分别记为TKi f和TQi r,f表示为各次卡顿的编号,f=1,2,...,,/>表示为卡顿次数的总数,r表示为各次切屏的编号,r=1,2,...,s,s表示为切屏次数的总数;
依据公式计算出学生对应各授课时段的听课专注度SZi,e表示为自然常数,TYj 0表示为预设的第j个异常行为对应的参考持续时长,TK0表示为预设的参考卡顿时长,TQ0表示为预设的参考切屏时长,a1、a2、a3分别表示为预设的权值因子。
5.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,具体包括:
通过智能摄像头对学生对应各练习时段的操作视频进行采集,得到学生对应各练习时段的操作视频;
从学生对应各练习时段的操作视频中提取学生对应各练习时段的操作时长,得到学生对应各练习时段的操作时长;
对学生对应各练习时段的提交作业进行获取,并通过指定软件对学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度进行生成,得到学生对应各练习时段的提交作业与预设的对应练习时段的参考作业的重合度,作为学生对应各练习时段中提交作业的规范度;
由学生对应各练习时段的操作时长和提交作业的规范度构成学生对应各练习时段中计算机的基本参数。
6.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各练习时段中计算机的屏幕数据进行解析,解析过程为:
从学生对应各练习时段中计算机的屏幕数据内提取学生对应各练习时段中计算机的各次浏览的屏幕数据和各次下载的屏幕数据,得到学生对应各练习时段中各次浏览的屏幕数据和各次下载的屏幕数据;
将学生对应各练习时段中各次浏览的屏幕数据与预设的正常浏览的屏幕数据进行匹配,若某次浏览的屏幕数据与正常浏览的屏幕数据匹配成功,则将该次浏览记为正常浏览,反之,则将该次浏览记为异常浏览,由此统计学生对应各练习时段中异常浏览的次数;
将学生对应各练习时段中各次下载的屏幕数据与预设的学习软件下载的屏幕数据进行匹配,若某次下载的屏幕数据与学习软件下载的屏幕数据匹配成功,则将该次下载记为正常下载,反之,则将该次下载记为异常下载,由此统计学生对应各练习时段中异常下载的次数。
7.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对学生对应各练习时段的练习专注度进行分析,具体分析过程为:
从学生对应各练习时段的基本参数中提取学生对应各练习时段的操作时长和提交作业的规范度的数值,并分别记为TLn和GFn,n表示为各练习时段的编号,n=1,2,...,v,其中v表示为各练习时段编号的总数;
从学生对应各练习时段中计算机的使用参数中提取学生对应各练习时段中异常浏览的次数和异常下载的次数的数值,并分别记为YLn和YXn;
依据公式LZn=( TLn/TL0)*b1+(GFn/GF0)*b2+(YL0/YLn+1)*b3+(YX0/YXn+1)*b4计算出学生对应各练习时段的练习专注度LZn,TL0表示为预设的参考操作时长,GF0表示为预设的参考规范度,YL0表示为预设的参考异常浏览次数,YX0表示为预设的参考异常下载次数,b1、b2、b3、b4分别表示为设定的权值因子。
8.根据权利要求1所述的一种机房计算机教学质量管理系统,其特征在于,所述对教师对应当前监测课时的管理参数进行分析,分析方式为:
将学生对应各授课时段的听课专注度与平台数据库中存储的参考听课专注度进行对比,若某授课时段的听课专注度小于参考听课专注度,则将该授课时段记为异常授课时段,统计学生对应的各异常授课时段;
将学生对应各练习时段的练习专注度与平台数据库中存储的参考练习专注度进行对比,若某练习时段的练习专注度小于参考练习专注度,则将该练习时段记为异常练习时段,统计学生对应的各异常练习时段;
基于学生对应的各异常授课时段和各异常练习时段在教师对应当前课时的记录表中进行标记,以此作为教师对应当前监测课时的管理参数。
9.一种机房计算机教学质量管理管理方法,其特征在于,包括如下步骤:
S1、监测数据获取:对学生在当前监测课时中计算机的屏幕数据进行录制,得到学生在当前监测课时中计算机的屏幕数据,同时基于教师在当前监测课时中的讲课数据,将当前监测课时划分为各授课时段和各练习时段,进而获取学生对应各授课时段中计算机的屏幕数据和各练习时段中计算机的屏幕数据;
S2、授课分析:对学生对应各授课时段的基本参数进行监测,得到学生对应各授课时段中各异常行为的持续时长,同时对学生对应各授课时段中计算机的屏幕数据进行解析,得到学生对应各授课时段中计算机的使用参数,学生对应各授课时段中计算机的使用参数包括各次卡顿的卡顿时长和各次切屏的切屏时长,并由此对学生对应各授课时段的听课专注度进行分析;S3、练习分析:对学生对应各练习时段的基本参数进行监测,得到学生对应各练习时段的操作时长和提交作业的规范度,同时对学生对应各练习时段中计算机的屏幕数据进行解析,得到学生对应各练习时段的使用参数,其中学生对应各练习时段的使用参数包括异常浏览的次数和异常下载的次数,并由此对学生对应各练习时段的练习专注度进行分析;
S4、管理分析:对教师对应当前监测课时的管理参数进行分析,得到教师对应当前监测课时的管理参数;
S5、执行:对教师对应当前监测课时的管理参数进行执行相应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879646.0A CN116596719B (zh) | 2023-07-18 | 2023-07-18 | 一种机房计算机教学质量管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310879646.0A CN116596719B (zh) | 2023-07-18 | 2023-07-18 | 一种机房计算机教学质量管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116596719A true CN116596719A (zh) | 2023-08-15 |
CN116596719B CN116596719B (zh) | 2023-09-19 |
Family
ID=87595972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310879646.0A Active CN116596719B (zh) | 2023-07-18 | 2023-07-18 | 一种机房计算机教学质量管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596719B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8602793B1 (en) * | 2006-07-11 | 2013-12-10 | Erwin Ernest Sniedzins | Real time learning and self improvement educational system and method |
US20140114148A1 (en) * | 2011-11-04 | 2014-04-24 | Questionmark Computing Limited | System and method for data anomaly detection process in assessments |
CN108346192A (zh) * | 2018-02-13 | 2018-07-31 | 福州外语外贸学院 | 一种计算机机房课程学生专注度的考勤方法及终端 |
CN108460709A (zh) * | 2018-03-22 | 2018-08-28 | 浙江大学 | 一种智能管理系统 |
CN109670395A (zh) * | 2018-10-29 | 2019-04-23 | 四川文轩教育科技有限公司 | 一种基于人工智能的学生专注度监测方法 |
CN110009210A (zh) * | 2019-03-26 | 2019-07-12 | 北京师范大学珠海分校 | 一种基于关注度和专注度的学生听课水平综合评估方法 |
CN110334610A (zh) * | 2019-06-14 | 2019-10-15 | 华中师范大学 | 一种基于计算机视觉的多维度课堂量化系统及方法 |
CN110647807A (zh) * | 2019-08-14 | 2020-01-03 | 中国平安人寿保险股份有限公司 | 异常行为确定方法、装置、计算机设备和存储介质 |
CN111898881A (zh) * | 2020-07-15 | 2020-11-06 | 杭州海康威视系统技术有限公司 | 一种课堂教学质量评估方法、装置、设备及存储介质 |
CN113627779A (zh) * | 2021-08-09 | 2021-11-09 | 青软创新科技集团股份有限公司 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
CN114067432A (zh) * | 2021-11-08 | 2022-02-18 | 内蒙古科技大学包头师范学院 | 基于SSD-MobileNetV2的学生课堂行为识别技术 |
DE202022100887U1 (de) * | 2022-02-16 | 2022-02-24 | Marggise Anusha Angel | System zur Verbesserung des Online-Unterrichts und der Unterrichtsevaluation mit Hilfe der Informations- und Kommunikationstechnologie |
CN114298497A (zh) * | 2021-12-13 | 2022-04-08 | 北京捷通华声科技股份有限公司 | 教师课堂教学质量的评估方法以及装置 |
KR20220114184A (ko) * | 2021-02-08 | 2022-08-17 | 한밭대학교 산학협력단 | 온라인 강의 시스템 및 방법 |
CN116259004A (zh) * | 2023-01-09 | 2023-06-13 | 盐城工学院 | 一种应用于在线教育的学生学习状态检测方法及系统 |
-
2023
- 2023-07-18 CN CN202310879646.0A patent/CN116596719B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8602793B1 (en) * | 2006-07-11 | 2013-12-10 | Erwin Ernest Sniedzins | Real time learning and self improvement educational system and method |
US20140114148A1 (en) * | 2011-11-04 | 2014-04-24 | Questionmark Computing Limited | System and method for data anomaly detection process in assessments |
CN108346192A (zh) * | 2018-02-13 | 2018-07-31 | 福州外语外贸学院 | 一种计算机机房课程学生专注度的考勤方法及终端 |
CN108460709A (zh) * | 2018-03-22 | 2018-08-28 | 浙江大学 | 一种智能管理系统 |
CN109670395A (zh) * | 2018-10-29 | 2019-04-23 | 四川文轩教育科技有限公司 | 一种基于人工智能的学生专注度监测方法 |
CN110009210A (zh) * | 2019-03-26 | 2019-07-12 | 北京师范大学珠海分校 | 一种基于关注度和专注度的学生听课水平综合评估方法 |
CN110334610A (zh) * | 2019-06-14 | 2019-10-15 | 华中师范大学 | 一种基于计算机视觉的多维度课堂量化系统及方法 |
CN110647807A (zh) * | 2019-08-14 | 2020-01-03 | 中国平安人寿保险股份有限公司 | 异常行为确定方法、装置、计算机设备和存储介质 |
CN111898881A (zh) * | 2020-07-15 | 2020-11-06 | 杭州海康威视系统技术有限公司 | 一种课堂教学质量评估方法、装置、设备及存储介质 |
KR20220114184A (ko) * | 2021-02-08 | 2022-08-17 | 한밭대학교 산학협력단 | 온라인 강의 시스템 및 방법 |
CN113627779A (zh) * | 2021-08-09 | 2021-11-09 | 青软创新科技集团股份有限公司 | 一种基于大数据和ai技术的教学管理、质量评估系统 |
CN114067432A (zh) * | 2021-11-08 | 2022-02-18 | 内蒙古科技大学包头师范学院 | 基于SSD-MobileNetV2的学生课堂行为识别技术 |
CN114298497A (zh) * | 2021-12-13 | 2022-04-08 | 北京捷通华声科技股份有限公司 | 教师课堂教学质量的评估方法以及装置 |
DE202022100887U1 (de) * | 2022-02-16 | 2022-02-24 | Marggise Anusha Angel | System zur Verbesserung des Online-Unterrichts und der Unterrichtsevaluation mit Hilfe der Informations- und Kommunikationstechnologie |
CN116259004A (zh) * | 2023-01-09 | 2023-06-13 | 盐城工学院 | 一种应用于在线教育的学生学习状态检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
JULIE COHEN 等: "Respecting complexity in measures of teaching: Keeping students and schools in focus", 《TEACHING AND TEACHER EDUCATION》, vol. 55, pages 308 - 317, XP029446426, DOI: 10.1016/j.tate.2016.01.017 * |
王楠 等: "基于深度学习的学生课堂专注度测评方法", 《数据分析与知识发现》, vol. 7, no. 6, pages 123 - 133 * |
邓秀群;: "怎样提升职业学校计算机课程机房授课的实效", 新课程研究(中旬刊), no. 11, pages 167 - 168 * |
Also Published As
Publication number | Publication date |
---|---|
CN116596719B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019218426A1 (zh) | 教学备课教案生成方法以及装置 | |
CN108764640B (zh) | 一种基于大数据的个性化的动态教学诊断与改进系统 | |
US10713965B2 (en) | Negative learning behavior alert system | |
US8187004B1 (en) | System and method of education administration | |
US20110302202A1 (en) | Development Monitoring System | |
CN113034319A (zh) | 一种在教学管理中的用户行为数据处理方法及装置、电子设备和存储介质 | |
JP6957803B2 (ja) | 学習支援装置 | |
CN111488330A (zh) | 一种医学检验形态学的数字化网络教学系统 | |
CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
CN116596719B (zh) | 一种机房计算机教学质量管理系统及方法 | |
CN109840867B (zh) | 一种智能教学的方法、设备及装置 | |
Khalida et al. | Enhancing Usability of the Academic Information System at Bhayangkara University: A Design Thinking and System Usability Approach | |
TW201610903A (zh) | 線上自動化診斷學習風格系統、線上自動化診斷學習風格方法及電腦可讀取之記錄媒體 | |
CN111640050A (zh) | 一种适用于英语教学的智能教学系统 | |
CN112002153A (zh) | 一种具有较高安全性的电梯检验培训考核系统及方法 | |
JP2010072373A (ja) | 電子黒板を利用した教育システム | |
CN117808643B (zh) | 一种基于汉语言的教学管理系统 | |
Bennett et al. | Data Mining an Online Homework System | |
CN118171824B (zh) | 一种3d沉浸式互动的ppt教学管理系统及方法 | |
CN117726082B (zh) | 一种教学资源推荐方法、装置、电子设备及可读存储介质 | |
JP2002040922A (ja) | 学習評価方法、学習評価プログラムを記録したコンピュータ読み取り可能な記録媒体及び学習評価装置 | |
JP2006350902A (ja) | ラーニングマネージメントシステム | |
CN114299523A (zh) | 一种教辅作业识别批改分析方法和分析系统 | |
CN117171408A (zh) | 知识点展示方法及终端设备 | |
CN117314362A (zh) | 一种教学质量监测管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |