CN116976743A - 线上课程教学评估系统及方法 - Google Patents
线上课程教学评估系统及方法 Download PDFInfo
- Publication number
- CN116976743A CN116976743A CN202310983147.6A CN202310983147A CN116976743A CN 116976743 A CN116976743 A CN 116976743A CN 202310983147 A CN202310983147 A CN 202310983147A CN 116976743 A CN116976743 A CN 116976743A
- Authority
- CN
- China
- Prior art keywords
- course
- data
- online
- students
- input
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 230000006399 behavior Effects 0.000 claims abstract description 28
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008921 facial expression Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000004088 simulation 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本发明提供了一种线上课程教学评估系统及方法。本发明的数据采集子系统用于获取线上课程投入、学员的行为数据及学员的反馈数据;所述线上课程投入包括主讲人信息、课程内容、课程清晰度;所述学员的行为数据包括学员学习时间、学习频率、交互次数、专注度;学员的反馈数据包括课程满意度、教师满意度以及考试成绩;评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;评估结果输出子系统根据数据采集子系统采集的数据和评估指标权重计算子系统分配的权重计算课程的绩效,根据该绩效评估课程教学效果是否合格。本发明综合考虑了课程的投入、学员的行为和反馈,能对线上课程的教学效果进行一个综合的、客观的评估。
Description
技术领域
本发明属于网络教育领域,具体涉及一种线上课程教学评估系统及方法。
背景技术
在互联网技术时代,信息技术广泛应用于教育行业,数字化、网络化、智慧化的学习方式越来越流行。与传统的面对面教育,在线教学具有以下优点:教学内容具有可重复性、学员可以根据自身要求进行个性化学习。
现有技术除了传统的通过学员对线上课程进行打分来对于线上课程的评估。还引入各种智能算法对线上课程进行自动评估。
例如:通过获取学员的面部表情来判断学员是否注意力集中;基于层次分析法(AHP)和模糊综合评价法的线上课程教学质量评估。但是这些评估方法都存在一定缺陷,过分依赖学员的主观意见,无法对线上课程进行一个客观的评估。
发明内容
本发明的目的是提供一种线上课程教学评估系统及方法,能对线上课程的教学效果进行一个综合的、客观的评估。
一种线上课程教学评估系统,其包括:数据采集子系统,所述数据采集子系统用于获取线上课程投入、学员的行为数据及学员的反馈数据;所述线上课程投入包括主讲人信息、课程内容、课程清晰度;所述学员的行为数据包括学员学习时间、学习频率、交互次数、专注度;学员的反馈数据包括课程满意度、教师满意度以及考试成绩;
评估指标权重计算子系统,所述评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
评估结果输出子系统,所述评估结果输出子系统根据数据采集子系统采集的数据和评估指标权重计算子系统分配的权重计算课程的绩效,根据该绩效评估课程教学效果是否合格;
课程的绩效通过以下步骤获得:假设有n个线上课程,每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,…y7j)T;其中j=1,…,n,第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,表示该线上课程教学效果合格;ε为非阿基米德数,si -和sr +是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量,λij为课程第i个输入的权重,λrj课程第r个输出的权重。
在本发明一实施例中,所述交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
在本发明一实施例中,所述专注度通过对学员上课的面部表情识别算法来计算。
在本发明一实施例中,课程满意度、教师满意度通过问卷调查获得。
在本发明一实施例中,还包括数据预处理模块,所述数据预处理模块对学员的行为数据和反馈数据进行量化并取平均值。
本发明还提供了一种线上课程教学评估方法,其包括以下步骤:
S1:通过所述数据采集子系统用于获取线上课程投入,课程投入包括主讲人信息、课程内容、课程清晰度;所述数据采集子系统还用于获取学员的行为数据,所述行为数据包括学员学习时间、学习频率、交互次数、专注度;数据采集子系统还用于获取学员的反馈数据、所述反馈数据包括课程满意度、教师满意度以及考试成绩;
S2:评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
S3:根据S2和S2获得的数据来计算课程绩效;具体为:假设有由n个线上课程,每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;,学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,...y7j)T;其中j=1,…,n,
第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,那么表示该线上课程合格,ε为非阿基米德数,si -和sr +是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量,λij为课程第i个输入的权重,λrj课程第r个输出的权重。
在本发明一实施例中,所述交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
在本发明一实施例中,所述专注度通过对学员上课的面部表情识别算法来计算。
在本发明一实施例中,课程满意度、教师满意度通过问卷调查获得。
在本发明一实施例中,S1还包括以下步骤:对学员的行为数据和反馈数据进行量化并取平均。
与现有技术相比,本发明的技术方案综合考虑了课程的投入、学员的行为和反馈,能对线上课程的教学效果进行一个综合的、客观的评估。对学员的行为数据和反馈数据进行量化并取平均值,可以使得学员的行为和反馈等数据能更好地融合入课程绩效模型中。
附图说明
图1为本发明的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本发明提供了一种线上课程评估系统,包括:数据采集子系统,所述数据采集子系统用于获取线上课程投入,课程投入包括主讲人信息、课程内容、课程清晰度;
所述数据采集子系统还用于获取学员的行为数据,所述行为数据包括学员学习时间、学习频率、交互次数、专注度;其中交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
所述专注度可以通过对学员上课的面部表情识别算法来计算。具体可以采用shape_predictor_facelandmarks.dat模型。这是一个人脸68关键点检测模型。在实际使用中可以准确判断学员处于“专注”或者“走神”状态。
数据采集子系统还用于获取学员的反馈数据、所述反馈数据包括课程满意度、教师满意度以及考试成绩。课程满意度、教师满意度可以通过问卷调查获得。
还包括数据预处理模块,所述数据预处理模块对学员的行为数据和反馈数据进行量化并取平均值。通过这一步骤,可以使得学员的行为和反馈等数据能更好地融合入课程绩效模型中。
评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
评估结果输出子系统根据数据采集子系统采集的数据和评估指标权重计算子系统分配的权重计算课程的绩效,根据该绩效评估课程是否合格。
课程的绩效通过以下步骤获得:
假设有由n个线上课程,每个线上课程的每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;,学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,…y7j)T;其中j=1,…,n。
那么对于第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,那么表示该线上课程是个合格课程。ε为非阿基米德数,一般设定为10-6。si -和sr +是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量。课程最佳情况应该为θ≥1且si -=Sr +=0,此时θ越大表示教学效果越好。λij为课程第i个输入的权重,λrj课程第r个输出的权重。
本发明还提供了一种线上课程评估方法,其包括以下步骤:
S1:通过所述数据采集子系统用于获取线上课程投入,课程投入包括主讲人信息、课程内容、课程清晰度;
所述数据采集子系统还用于获取学员的行为数据,所述行为数据包括学员学习时间、学习频率、交互次数、专注度;其中交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
在本发明一实施例中所述专注度可以通过对学员上课的面部表情识别算法来计算。
数据采集子系统还用于获取学员的反馈数据、所述反馈数据包括课程满意度、教师满意度以及考试成绩。
S1还包括以下步骤:对学员的行为数据和反馈数据进行量化并取平均。
S2:评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
S3:根据S2和S2获得的数据来计算课程绩效;具体为:假设有由n个线上课程,每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;,学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,…y7j)T;其中j=1,…,n。
那么对于第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,那么表示该线上课程是个合格课程。ε为非阿基米德数,一般设定为10-6。si -和sr +是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量,课程最佳情况应该为θ≥1且si -=sr +=0。λij为课程第i个输入的权重,λrj课程第r个输出的权重。
在本发明一具体实施例中,以职教师资培养为例。评估指标权重计算子系统按照以下步骤进行权重计算:
讲人信息包括主讲人所获得的资质,根据不同的主讲人资质分配不同的权重。课程内容可以按照理论以及技能的重要程度分配不同的权重。课程清晰度与拍录设备有关,设备越好,其清晰度越高,因此课程清晰度也可以算作课程投入的一种。课程清晰度按照超清、高清、清晰分配不同的权重。
学员学习时间可以按照学习时长为时长<15min、15min≤时长<30min、时长≥30min分配不同的权重。
学习频率可以按照每周超过三次、每周一到三次、每周低于一次来分配不同的权重。
交互次数可以按照超过五次、三到五次、一到二次来分配不同的权重。
专注度可以按照专注、走神来分配不同的权重。
课程满意度、教师满意度可以按照非常满意、满意、不满意来分配不同的权重。
考试成绩可以按照小于60分、超过60分但不超过85分、超过85来分配不同的权重。
上述的指标和权重分配是经过实际仿真求证的较佳数据。上述权重是通过或熵权法获得。
在本发明的其他实施例中指标对应的权重还可以通过层次分析法获得。
具体的指标及权重分配参见表1
表1
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、装置以及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦写可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的控制方法及系统进行了详细介绍。本发明中应用了具体实施了例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明申请进行若干改进和修饰,这些改进和修饰也落入本发明申请权利要求的保护范围。
Claims (10)
1.一种线上课程教学评估系统,其特征在于:包括:
数据采集子系统,所述数据采集子系统用于获取线上课程投入、学员的行为数据及学员的反馈数据;所述线上课程投入包括主讲人信息、课程内容、课程清晰度;所述学员的行为数据包括学员学习时间、学习频率、交互次数、专注度;学员的反馈数据包括课程满意度、教师满意度以及考试成绩;
评估指标权重计算子系统,所述评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
评估结果输出子系统,所述评估结果输出子系统根据数据采集子系统采集的数据和评估指标权重计算子系统分配的权重计算课程的绩效,根据该绩效评估课程教学效果是否合格;
课程的绩效通过以下步骤获得:
假设有n个线上课程,每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,…y7j)T;其中j=1,…,n,
第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,表示该线上课程教学效果合格;ε为非阿基米德数,Si-和Sr+是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量,λij为课程第i个输入的权重,λrj课程第r个输出的权重。
2.根据权利要求1所述的线上课程教学评估系统,其特征在于:所述交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
3.根据权利要求1所述的线上课程教学评估系统,其特征在于:所述专注度通过对学员上课的面部表情识别算法来计算。
4.根据权利要求1所述的线上课程教学评估系统,其特征在于:课程满意度、教师满意度通过问卷调查获得。
5.根据权利要求1所述的线上课程教学评估系统,其特征在于:还包括数据预处理模块,所述数据预处理模块对学员的行为数据和反馈数据进行量化并取平均值。
6.一种线上课程教学评估方法,其特征在于:包括以下步骤:
S1:通过所述数据采集子系统用于获取线上课程投入,课程投入包括主讲人信息、课程内容、课程清晰度;
所述数据采集子系统还用于获取学员的行为数据,所述行为数据包括学员学习时间、学习频率、交互次数、专注度;
数据采集子系统还用于获取学员的反馈数据、所述反馈数据包括课程满意度、教师满意度以及考试成绩;
S2:评估指标权重计算子系统根据数据采集子系统获得的数据进行分配不同的权重;
S3:根据S2和S2获得的数据来计算课程绩效;具体为:假设有由n个线上课程,每个线上课程的课程投入记为输入Xj,Xj=(x1j,x2j,x3j)T;,学员的行为和反馈记为输出Yj,共7种,Yj=(y1j,y2j,…y7j)T;其中j=1,…,n,
第k个课程的评估模型为:
其中,θ表示课程的绩效值,若θ≥1,那么表示该线上课程教学效果合格,ε为非阿基米德数,si-和sr+是柔性变量,分别表示第i种课程输入超量和第r种课程输出亏量,λij为课程第i个输入的权重,λrj课程第r个输出的权重。
7.根据权利要求6所述的线上课程教学评估方法,其特征在于:所述交互包括课堂上与老师、其他学员的交流以及在讨论区的发帖和留言。
8.根据权利要求6所述的线上课程教学评估方法,其特征在于:所述专注度通过对学员上课的面部表情识别算法来计算。
9.根据权利要求6所述的线上课程教学评估方法,其特征在于:课程满意度、教师满意度通过问卷调查获得。
10.根据权利要求1所述的线上课程教学评估系统,其特征在于:S1还包括以下步骤:对学员的行为数据和反馈数据进行量化并取平均。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310983147.6A CN116976743A (zh) | 2023-08-04 | 2023-08-04 | 线上课程教学评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310983147.6A CN116976743A (zh) | 2023-08-04 | 2023-08-04 | 线上课程教学评估系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116976743A true CN116976743A (zh) | 2023-10-31 |
Family
ID=88474804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310983147.6A Withdrawn CN116976743A (zh) | 2023-08-04 | 2023-08-04 | 线上课程教学评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408580A (zh) * | 2023-12-15 | 2024-01-16 | 青岛理工大学 | 一种课程质量的评估方法、装置及电子设备 |
-
2023
- 2023-08-04 CN CN202310983147.6A patent/CN116976743A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117408580A (zh) * | 2023-12-15 | 2024-01-16 | 青岛理工大学 | 一种课程质量的评估方法、装置及电子设备 |
CN117408580B (zh) * | 2023-12-15 | 2024-03-22 | 青岛理工大学 | 一种课程质量的评估方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Niswaty et al. | The Effect of Learning Media on Progress Quality in Office Administration Program in Vocational School Negeri 1 Watampone Bone Regency | |
CN116976743A (zh) | 线上课程教学评估系统及方法 | |
CN111861146A (zh) | 一种基于微表情识别的教学评价和实时反馈系统 | |
CN116320525B (zh) | 一种基于数字孪生的教学信息处理系统及方法 | |
Liu et al. | The influence of artificial intelligence technology on teaching under the threshold of “Internet+”: based on the application example of an English education platform | |
Jönsson et al. | Analytic or holistic: A study of agreement between different grading models | |
CN109615264A (zh) | 一种面向在线学习的学生积极度确定系统 | |
Xia et al. | Design and application of machine learning-based evaluation for university music teaching | |
Lv et al. | Artificial intelligent based video analysis on the teaching interaction patterns in classroom environment | |
CN111369408A (zh) | 一种医院本科实习生教学管理系统及方法 | |
Agustini et al. | Student-centered learning models and learning outcomes: Meta-analysis and effect sizes on the students’ thesis | |
CN113657723A (zh) | 知识点掌握情况诊断方法、试题推荐方法及装置 | |
CN114512041B (zh) | 一种基于全景摄像的教学行为大数据分析装置 | |
Wang | Exploration on the operation status and optimization strategy of networked teaching of physical education curriculum based on AI algorithm | |
Handayani et al. | Design e-learning with flipped learning model to improve layout understanding the concepts basic of the loop control structure | |
Chen | Design of piano intelligent teaching system based on neural network algorithm | |
Lindsay et al. | The association between sustained professional development and physics learning | |
Muslim et al. | Critical study of stem-based learning in order to develop century skills 21 | |
Chizmar Jr et al. | An evaluation of a “trade-offs” implementation using canonical estimation of joint educational production functions | |
Suniasih | The Effectiveness of Discovery Learning Model and Problem-Based Learning Using Animated Media to Improve Science Learning Outcomes | |
Chuvaev et al. | Business Simulators in the Educational Process: Comparative Evaluation of the Effectiveness of the Use | |
Ng et al. | Student Engagement With Video-Watching and Flipped Class Behaviors | |
Weber et al. | The influence of analyzing own classroom videos or videos of other teachers during a teaching practicum on pre-service teachers’ professional vision of classroom management | |
Prihatmojo et al. | Blended Project-Based Learning (BPjBL) on Students' Achievement: A Meta-Analysis Study. | |
Zhang | Research on the Integration Path of Computer-Aided Technology and Higher Vocational English Teaching |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231031 |