CN116777698A - 一种基于ai智能化的智慧教学的方法及系统 - Google Patents
一种基于ai智能化的智慧教学的方法及系统 Download PDFInfo
- Publication number
- CN116777698A CN116777698A CN202310841602.9A CN202310841602A CN116777698A CN 116777698 A CN116777698 A CN 116777698A CN 202310841602 A CN202310841602 A CN 202310841602A CN 116777698 A CN116777698 A CN 116777698A
- Authority
- CN
- China
- Prior art keywords
- information
- teaching
- acceptance
- class
- intelligent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005516 engineering process Methods 0.000 title abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 51
- 238000013499 data model Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000007726 management method Methods 0.000 claims description 25
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010972 statistical evaluation Methods 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 claims 3
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic 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
- 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
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Educational Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Emergency Management (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智慧教学技术领域，具体公开了一种基于AI智能化的智慧教学的方法及系统，所述方法包括：步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零；步骤S2：获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理；步骤S3：通过分类后的成绩信息和随堂测验信息等内容；本发明通过结合AI智能化技术，以班级习题、测验成绩等信息，训练班级的接受度模型，随着时间推移，模型越来越成熟，可向教师以及家长提供准确的成绩信息和接收度信息参考，为教学进度安排，作业习题内容调整提供参考。
Description
技术领域
本发明涉及智慧教学技术领域，具体是一种基于AI智能化的智慧教学的方法及系统。
背景技术
人工智能教育，简称：智能教育，是指人工智能多层次教育体系的全民智能教育，涵盖在中小学阶段设置人工智能相关课程。不少地方都已经开始探索在义务教育阶段开展人工智能教育，但各地基础和条件各不相同，也面临缺少智能装备支撑、缺少地方教育行政部门、教育教研部门共同参与的顶层设计等难点和问题，通过“政产学研用”的合力尝试，有望能推动人工智能教育朝着更加系统化、科学化的方向发展。
现有技术（113947289A）该发明公开了一种基于AI智能化的智慧教学方法及系统，包括远程管理系统、教室AI综合视讯系统、学生终端、家长终端和教师终端，所述远程管理系统通过物联网对智慧课堂教学、学生终端、家长终端和教师终端进行管理，教师终端内设置有AI教学助手；该发明通过将学生完成任务的情况，及时反馈给家长终端和教师终端，家长和教师能够起到及时监督的作用，并且采用强制的措施，当学生的错误率超过设定的阈值或者学生的任务没有完成时，不能结束当前进程，从而能够进一步对学生的学习起到及时督促的作用，对于一些学习自制力比较差的学生，强制他们完成学习任务，从而提高学习的效果，达到督促学习的目的；但是其不能解决智能化管理备课的问题，备课是教师根据学科课程标准的要求和本门课程的特点，结合学生的具体情况，选择最合适的表达方法和顺序，以保证学生有效地学习，为了帮助教师更准确的把握学生的情况，我们提出一种基于AI智能化的智慧教学的方法及系统。
发明内容
本发明的目的在于提供一种基于AI智能化的智慧教学的方法及系统，通过结合AI智能化技术，以班级习题、测验成绩等信息，训练班级的接受度模型，随着时间推移，模型越来越成熟，可向教师以及家长提供准确的成绩信息和接收度信息参考。
为实现上述目的，本发明提供如下技术方案：一种基于AI智能化的智慧教学的方法，所述方法采用智慧教学系统，所述系统包括服务器、管理系统、远程通讯系统、多媒体教学系统和移动终端，所述方法包括如下步骤：
步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零；
步骤S2：获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理；
步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价；
步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师；
步骤S5：汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型；
步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议；
步骤S7：依据上述教学进度修改建议和习题调整建议对教学进度和习题练习进行调整。
作为本发明所述的一种优选的实施方案，所述步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零的详细步骤如下：
首先让教师、学生和家长注册进入教学系统，并记录归属班级；
按照班级建立基础数据模型；
将教师、学生和家长以班级为索引基础信息建立连接；
其中所述基础数据模型，按班级-科目-时间分级录入学生成绩数据，所述基础数据模型内容包括，科目教学进度、科目学生接受度，且初始均为0，采用百分制。
作为本发明所述的一种优选的实施方案，所述步骤S2获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理的详细步骤如下：
获取所有学生成绩信息，所述成绩信息包括历史成绩信息和当前学年实时成绩信息，其中历史成绩信息作为基础参照信息，当前成绩信息作为当前时段的评价信息；
将上述两个成绩信息按科目时间分类，并按其成绩信息类别分为当前信息和历史信息；
获取课堂测验信息，对随堂测验信息按科目分类；
其中学生成绩信息包括随堂测验、课后习题、阶段性考试信息。
作为本发明所述的一种优选的实施方案，所述步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价的详细步骤如下：
首先汇总各个科目的成绩，并按测验时间排序；
计算每次答题准确率，按内容确定学习内容范围章节信息；
接着导入时间信息和成绩信息种类；
最后经过汇总取不同时间段或者不同阶段内容测验成绩的准确率信息取平均值作为接受度，同时按时间生成不同时间段测验的准确率模型。
作为本发明所述的一种优选的实施方案，所述步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师的详细步骤如下：
依据学生历史平均学习状态设定预警阈值；
将步骤S3中接受度信息与预警值对比，确定其是否低于预警值；
若低于预警值则，将该生的信息同时推送给家长和学生。
作为本发明所述的一种优选的实施方案，所述步骤S5: 汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型的详细步骤如下：
首先将信息按学生分类，首先记录历史成绩信息；
引入时间信息，将成绩信息排序，并依据接受度信息建立接受度模型，以直观判断学生不同时间段对不同科目的接受度情况；
汇总每个学生接受度模型，建立班级接受度模型。
作为本发明所述的一种优选的实施方案，所述步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议步骤如下：
首先获取教学进度安排信息；
通过多媒体教学系统获取的教学进度信息以及习题测验内容；
对教学进度信息进行分析，判断当前进度是否与整体教学进度存在误差，若教学进度存在误差则判断其是否影响，其中影响区分为教学进度过快和教学进度过慢；依据上述影响提出正对性建议；
对习题测验内容进行分析，确定不同阶段内容在习题中占比，分析接受度较低内容在习题中占比，并依据内容增加接受度较低的内容占比。
一种基于AI智能化的智慧教学的系统，包括：
服务器，所述服务器中设置有智能AI系统，用于进行智能管理训练模型并提出建议；
管理系统，所述管理系统用于进行备课管理、课后习题管理、发布消息；
远程通讯系统，所述远程通讯系统用于建立通讯；
多媒体教学系统，所述多媒体教学系统用于进行多媒体教学；
移动终端，所述移动终端包括教师终端、家长终端和学生终端。
作为本发明所述的一种优选的实施方案，所述智能AI系统包括：
教学进度系统，所述教学进度系统用于汇总管理教学进度；
课后测验系统，所述课后测验系统用于汇总管理课后测验信息；
备课系统，所述备课系统用于进行备课；
统计评价系统，所述统计评价系统用于计算统计接受度；
预警系统，所述预警系统用于发布预警信息。
作为本发明所述的一种优选的实施方案，所述管理系统包括：
备课模块，所述备课模块用于进行备课管理；
课后习题模块，所述课后习题模块用于进行课后习题管理；
消息发布模块，所述消息发布模块用于发布消息。
与现有技术相比，本发明的有益效果是：
本发明通过结合AI智能化技术，以班级习题、测验成绩等信息，训练班级的接受度模型，随着时间推移，模型越来越成熟，可向教师以及家长提供准确的成绩信息和接收度信息参考，为教学进度安排，作业习题内容调整提供参考，提高教师工作效率，同时方便家长准确了解学生学习情况。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1为本发明一种基于AI智能化的智慧教学的方法流程图；
图2为本发明一种基于AI智能化的智慧教学的系统结构图；
图3为本发明一种基于AI智能化的智慧教学的系统的AI智能系统图；
图4为本发明一种基于AI智能化的智慧教学的系统的移动终端图；
图5为本发明一种基于AI智能化的智慧教学的系统的管理系统结构图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1-图5，本发明为实现上述目的对本发明所述技术方案进行详细说明。
本发明提出一种基于AI智能化的智慧教学的方法，所述方法采用智慧教学系统，所述系统包括服务器、管理系统、远程通讯系统、多媒体教学系统和移动终端，所述方法包括如下步骤：
步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零；
步骤S2：获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理；
步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价；
步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师；
步骤S5：汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型；
步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议；
步骤S7：依据上述教学进度修改建议和习题调整建议对教学进度和习题练习进行调整。
进一步，请参阅图1-图5，所述步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零的详细步骤如下：
首先让教师、学生和家长注册进入教学系统，并记录归属班级；
按照班级建立基础数据模型；
将教师、学生和家长以班级为索引基础信息建立连接；
其中所述基础数据模型，按班级-科目-时间分级录入学生成绩数据，所述基础数据模型内容包括，科目教学进度、科目学生接受度，且初始均为0，采用百分制。
进一步，请参阅图1-图5，所述步骤S2获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理的详细步骤如下：
获取所有学生成绩信息，所述成绩信息包括历史成绩信息和当前学年实时成绩信息，其中历史成绩信息作为基础参照信息，当前成绩信息作为当前时段的评价信息；
将上述两个成绩信息按科目时间分类，并按其成绩信息类别分为当前信息和历史信息；
获取课堂测验信息，对随堂测验信息按科目分类；
其中学生成绩信息包括随堂测验、课后习题、阶段性考试信息。
进一步，请参阅图1-图5，所述步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价的详细步骤如下：
首先汇总各个科目的成绩，并按测验时间排序；
计算每次答题准确率，按内容确定学习内容范围章节信息；
接着导入时间信息和成绩信息种类；
最后经过汇总取不同时间段或者不同阶段内容测验成绩的准确率信息取平均值作为接受度，同时按时间生成不同时间段测验的准确率模型。
进一步，请参阅图1-图5，所述步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师的详细步骤如下：
依据学生历史平均学习状态设定预警阈值；
将步骤S3中接受度信息与预警值对比，确定其是否低于预警值；
若低于预警值则，将该生的信息同时推送给家长和学生。
进一步，请参阅图1-图5，所述步骤S5: 汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型的详细步骤如下：
首先将信息按学生分类，首先记录历史成绩信息；
引入时间信息，将成绩信息排序，并依据接受度信息建立接受度模型，以直观判断学生不同时间段对不同科目的接受度情况；
汇总每个学生接受度模型，建立班级接受度模型。
进一步，请参阅图1-图5，所述步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议步骤如下：
首先获取教学进度安排信息；
通过多媒体教学系统获取的教学进度信息以及习题测验内容；
对教学进度信息进行分析，判断当前进度是否与整体教学进度存在误差，若教学进度存在误差则判断其是否影响，其中影响区分为教学进度过快和教学进度过慢；依据上述影响提出正对性建议；
对习题测验内容进行分析，确定不同阶段内容在习题中占比，分析接受度较低内容在习题中占比，并依据内容增加接受度较低的内容占比。
一种基于AI智能化的智慧教学的系统，包括：
服务器，所述服务器中设置有智能AI系统，用于进行智能管理训练模型并提出建议；
管理系统，所述管理系统用于进行备课管理、课后习题管理、发布消息；
远程通讯系统，所述远程通讯系统用于建立通讯；
多媒体教学系统，所述多媒体教学系统用于进行多媒体教学；
移动终端，所述移动终端包括教师终端、家长终端和学生终端。
进一步，请参阅图1-图5，所述智能AI系统包括：
教学进度系统，所述教学进度系统用于汇总管理教学进度；
课后测验系统，所述课后测验系统用于汇总管理课后测验信息；
备课系统，所述备课系统用于进行备课；
统计评价系统，所述统计评价系统用于计算统计接受度；
预警系统，所述预警系统用于发布预警信息。
进一步，请参阅图1-图5，所述管理系统包括：
备课模块，所述备课模块用于进行备课管理；
课后习题模块，所述课后习题模块用于进行课后习题管理；
消息发布模块，所述消息发布模块用于发布消息。
综上所述，本发明通过结合定期检测脑部影像、患者眼部图片以及认知问卷的方式，实现对患者进行持续观察预测，结合多重方法，有利于提高预测几率；同时本发明提供的系统还可实现线下上传数据，实现异地就诊，方便患者就医和长期观察。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述为本发明的较佳实施例，并不用于限制本发明。在本发明原理及实施范围内所作的任何修改、等同替换及改进等均应包含在本发明的保护范围内。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于AI智能化的智慧教学的方法，其特征在于，所述方法采用智慧教学系统，所述系统包括服务器、管理系统、远程通讯系统、多媒体教学系统和移动终端，所述方法包括如下步骤：
步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零；
步骤S2：获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理；
步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价；
步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师；
步骤S5：汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型；
步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议；
步骤S7：依据上述教学进度修改建议和习题调整建议对教学进度和习题练习进行调整。
2.根据权利要求1所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S1：将教师、学生以及家长按班级建立基础数据模型并赋予学习评价初始属性，所述基础数据模型默认确定为零的详细步骤如下：
首先让教师、学生和家长注册进入教学系统，并记录归属班级；
按照班级建立基础数据模型；
将教师、学生和家长以班级为索引基础信息建立连接；
其中所述基础数据模型，按班级-科目-时间分级录入学生成绩数据，所述基础数据模型内容包括，科目教学进度、科目学生接受度，且初始均为0，采用百分制。
3.根据权利要求2所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S2获取所有学生成绩信息，并对该信息分类处理，获取该学生随堂测验信息，并进行分类处理的详细步骤如下：
获取所有学生成绩信息，所述成绩信息包括历史成绩信息和当前学年实时成绩信息，其中历史成绩信息作为基础参照信息，当前成绩信息作为当前时段的评价信息；
将上述两个成绩信息按科目时间分类，并按其成绩信息类别分为当前信息和历史信息；
获取课堂测验信息，对随堂测验信息按科目分类；
其中学生成绩信息包括随堂测验、课后习题、阶段性考试信息。
4.根据权利要求3所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S3：通过分类后的成绩信息和随堂测验信息，对学生学习状态和接受度评价的详细步骤如下：
首先汇总各个科目的成绩，并按测验时间排序；
计算每次答题准确率，按内容确定学习内容范围章节信息；
接着导入时间信息和成绩信息种类；
最后经过汇总取不同时间段或者不同阶段内容测验成绩的准确率信息取平均值作为接受度，同时按时间生成不同时间段测验的准确率模型。
5.根据权利要求4所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S4：当学习状态和接受度评价低于预警阈值，将消息反馈给家长和教师的详细步骤如下：
依据学生历史平均学习状态设定预警阈值；
将步骤S3中接受度信息与预警值对比，确定其是否低于预警值；
若低于预警值则，将该生的信息同时推送给家长和学生。
6.根据权利要求5所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S5: 汇总所有信息并记录入基础数据模型，并按科目建立班级接受度模型的详细步骤如下：
首先将信息按学生分类，首先记录历史成绩信息；
引入时间信息，将成绩信息排序，并依据接受度信息建立接受度模型，以直观判断学生不同时间段对不同科目的接受度情况；
汇总每个学生接受度模型，建立班级接受度模型。
7.根据权利要求6所述的一种基于AI智能化的智慧教学的方法，其特征在于，所述步骤S6：获取教学进度信息和习题测验信息，结合班级接受度模型，提出教学进度修改建议和习题调整建议步骤如下：
首先获取教学进度安排信息；
通过多媒体教学系统获取的教学进度信息以及习题测验内容；
对教学进度信息进行分析，判断当前进度是否与整体教学进度存在误差，若教学进度存在误差则判断其是否影响，其中影响区分为教学进度过快和教学进度过慢；依据上述影响提出正对性建议；
对习题测验内容进行分析，确定不同阶段内容在习题中占比，分析接受度较低内容在习题中占比，并依据内容增加接受度较低的内容占比。
8.一种基于AI智能化的智慧教学的系统，其特征在于，所述系统用于执行权利要求1-7所述方法,包括：
服务器，所述服务器中设置有智能AI系统，用于进行智能管理训练模型并提出建议；
管理系统，所述管理系统用于进行备课管理、课后习题管理、发布消息；
远程通讯系统，所述远程通讯系统用于建立通讯；
多媒体教学系统，所述多媒体教学系统用于进行多媒体教学；
移动终端，所述移动终端包括教师终端、家长终端和学生终端。
9.根据权利要求8所述的一种基于AI智能化的智慧教学的系统，其特征在于，所述智能AI系统包括：
教学进度系统，所述教学进度系统用于汇总管理教学进度；
课后测验系统，所述课后测验系统用于汇总管理课后测验信息；
备课系统，所述备课系统用于进行备课；
统计评价系统，所述统计评价系统用于计算统计接受度；
预警系统，所述预警系统用于发布预警信息。
10.根据权利要求9所述的一种基于AI智能化的智慧教学的系统，其特征在于，所述管理系统包括：
备课模块，所述备课模块用于进行备课管理；
课后习题模块，所述课后习题模块用于进行课后习题管理；
消息发布模块，所述消息发布模块用于发布消息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310841602.9A CN116777698A (zh) | 2023-07-11 | 2023-07-11 | 一种基于ai智能化的智慧教学的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310841602.9A CN116777698A (zh) | 2023-07-11 | 2023-07-11 | 一种基于ai智能化的智慧教学的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116777698A true CN116777698A (zh) | 2023-09-19 |
Family
ID=88011470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310841602.9A Pending CN116777698A (zh) | 2023-07-11 | 2023-07-11 | 一种基于ai智能化的智慧教学的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777698A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117541447A (zh) * | 2024-01-09 | 2024-02-09 | 山东浩恒信息技术有限公司 | 一种用于智能教室实训的教学数据处理方法及系统 |
-
2023
- 2023-07-11 CN CN202310841602.9A patent/CN116777698A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117541447A (zh) * | 2024-01-09 | 2024-02-09 | 山东浩恒信息技术有限公司 | 一种用于智能教室实训的教学数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yılmaz | Young children’s number sense development: Age related complexity across cases of three children | |
| US20160005323A1 (en) | Adaptive e-learning system and method | |
| CN111915148A (zh) | 一种基于信息技术的课堂教学评价方法和系统 | |
| WO2022170985A1 (zh) | 选题方法、装置、计算机设备和存储介质 | |
| WO2022193040A1 (zh) | 一种理科教学系统及其使用方法、计算机可读存储介质 | |
| CN109597937A (zh) | 网络课程推荐方法及装置 | |
| Gluga et al. | Mastering cognitive development theory in computer science education | |
| CN102467835A (zh) | 学习终端检选数字内容的系统及方法 | |
| CN116777698A (zh) | 一种基于ai智能化的智慧教学的方法及系统 | |
| AdrianChin et al. | JomDataMining: academic performance and learning behaviour dubious relationship | |
| Alves | Making diagnostic inferences about student performance on the Alberta education diagnostic mathematics project: An application of the Attribute Hierarchy Method | |
| National Research Council et al. | Improving indicators of the quality of science and mathematics education in grades K-12 | |
| Tong et al. | An evaluation model based on procedural behaviors for predicting MOOC learning performance: students’ online learning behavior analytics and algorithms construction | |
| CN103871275A (zh) | 学力诊断药方辅助教学系统 | |
| Miller et al. | What do we know and how well do we know it? Identifying practice-based insights in education | |
| Pandey et al. | Using AI and IoT to assess the efficacy of English-language curricula in higher education: A Proposed Method | |
| CN115100912A (zh) | 一种基于大数据的教学活动设计系统 | |
| Prasetyo et al. | Application of Education Management Information System in the Online Learning Process in Madrasah | |
| Sezer et al. | Perceptions of Trainers on a Flipped Train–the-Trainers Course for Simulation | |
| CN111260518B (zh) | 一种校园信息管理系统 | |
| Weber et al. | Design and Evaluation of an AI-based Learning System to Foster Students' Structural and Persuasive Writing in Law Courses | |
| Opposs et al. | The reliability programme | |
| Xu et al. | Performance of problem-based learning based image teaching in clinical emergency teaching | |
| Williams et al. | Influence of Teaching Self-Regulation | |
| González López et al. | Didactic Strategy with the Application of Technologies to Contribute to the Development of Modelling Skills from Operations Research Subject |
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 |