CN117114941A - 一种基于动态学情数据链的教育教学管理平台 - Google Patents
一种基于动态学情数据链的教育教学管理平台 Download PDFInfo
- Publication number
- CN117114941A CN117114941A CN202311386295.6A CN202311386295A CN117114941A CN 117114941 A CN117114941 A CN 117114941A CN 202311386295 A CN202311386295 A CN 202311386295A CN 117114941 A CN117114941 A CN 117114941A
- Authority
- CN
- China
- Prior art keywords
- learning
- data
- teaching
- dynamic
- data chain
- 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
- 238000007726 management method Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 112
- 230000008451 emotion Effects 0.000 claims description 25
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000010076 replication Effects 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于动态学情数据链的教育教学管理平台,涉及在线教育平台技术领域,包括:动态学情检测模块,所述动态学情检测模块实时监测并收集学情信息;学情数据链构建模块,所述学情数据链构建模块形成动态学情数据链;学情数据存储模块,所述学情数据存储模块存储动态学情数据链;教学辅助模块,所述教学辅助模块根据动态学情数据链,辅助形成教学方案;智能化资源共享模块,所述智能化资源共享模块根据动态学情数据链,实现区域和学校的资源共享,并进行智能化资源推送。通过设置学情数据链构建模块、教学辅助模块和智能化资源共享模块,制定针对性教学方案,根据学生的个人情况,智能推荐区域内的教育资源。
Description
技术领域
本发明涉及在线教育平台技术领域,具体是涉及一种基于动态学情数据链的教育教学管理平台。
背景技术
在线教育平台即在线网络的教育平台,实质是面向全国的资源共享的、零距离的全新交流方式,在线教育平台以利用一切工具来进行的教育活动,其目的皆以提高学习效率为前提,利用先进的网络技术,进而改变师生之间的交流上课方式,能够进一步提高学生掌握知识的效率。
现有的教育平台智能性不足,对于学生学习状况了解不够,未能根据学生的学习情况制定具有针对性的教学方案,也未在课后针对学生的学习问题提供智能化的学习推荐,解决其学习问题。
发明内容
为解决上述技术问题,提供一种基于动态学情数据链的教育教学管理平台,本技术方案解决了上述背景技术中提出的现有的教育平台智能性不足,对于学生学习状况了解不够,未能根据学生的学习情况制定具有针对性的教学方案,也未在课后针对学生的学习问题提供智能化的学习推荐,解决其学习问题的问题。
为达到以上目的,本发明采用的技术方案为:
一种基于动态学情数据链的教育教学管理平台,包括:
动态学情检测模块,所述动态学情检测模块使用特征提取技术和聚类分析技术,实时监测并收集学情信息;
学情数据链构建模块,所述学情数据链构建模块通过对学情信息进行预处理和初步分析,形成动态学情数据链;
学情数据存储模块,所述学情数据存储模块使用分布式备份技术对动态学情数据链进行存储;
教学辅助模块,所述教学辅助模块根据动态学情数据链,辅助形成教学方案;
智能化资源共享模块,所述智能化资源共享模块根据动态学情数据链,实现区域和学校的资源共享,并进行智能化资源推送。
优选的,所述特征提取技术包括以下步骤:
对学生的学习过程和学习结果进行实时监测和分析,获取学生的学习状态、学习进程和学习能力数据;
对采集到的学习状态、学习进程和学习能力数据进行清洗、去噪,对学习状态、学习进程和学习能力数据进行压缩和优化;
按照学习状态、学习进程和学习能力作为分类类别,对数据进行特征提取,识别数据特征;
将数据特征按照学习状态、学习进程和学习能力进行分类,得到学习状态数据特征、学习进程数据特征和学习能力数据特征。
优选的,所述聚类分析技术包括以下步骤:
对于学习状态数据特征,识别具有相似特征点的学习状态数据点,将具有相似特征点的学习状态数据点划分为具有相似特征的学习状态集合,得到至少一个学习状态集合;
对于学习进程数据特征,识别具有相似特征点的学习进程数据点,将具有相似特征点的学习进程数据点划分为具有相似特征的学习进程集合,得到至少一个学习进程集合;
对于学习能力数据特征,识别具有相似特征点的学习能力数据点,将具有相似特征点的学习能力数据点划分为具有相似特征的学习能力集合,得到至少一个学习能力集合。
优选的,所述对学情信息进行预处理和初步分析,形成动态学情数据链包括以下步骤:
统计每个学习状态集合中的元素个数,叠加学习状态集合中的元素个数,获得学习状态总个数,计算每个学习状态集合占学习状态总个数的占比,得到学习状态占比,将学习状态占比与对应所述学习状态集合一一配对;
根据每个学习状态集合的相似特征点,对学习状态集合划分等级,级别设置为五级;
统计每个学习进程集合中的元素个数,叠加学习进程集合中的元素个数,获得学习进程总个数,计算每个学习进程集合占学习进程总个数的占比,得到学习进程占比,将学习进程占比与对应所述学习进程集合一一配对;
根据每个学习进程集合的相似特征点,对学习进程集合划分等级,级别设置为五级;
统计每个学习能力集合中的元素个数,叠加学习能力集合中的元素个数,获得学习能力总个数,计算每个学习能力集合占学习能力总个数的占比,得到学习能力占比,将学习能力占比与对应所述学习能力集合一一配对;
根据每个学习能力集合的相似特征点,对学习能力集合划分等级,级别设置为五级;
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,形成动态学情数据链。
优选的,所述使用分布式备份技术对动态学情数据链进行存储包括以下步骤:
将动态学情数据链根据占比和等级判测进行;
在分布式数据库中设置数据复制和冗余备份策略,采用主从复制或多主复制方式,将数据分散存储在多个节点,分布式备份中的每个节点具有数据完整性和恢复能力;
采用分布式事务处理技术,在分布式数据库中实现数据一致性和同步;
采用数据分片路由方法,在分布式数据库中实施负载均衡和性能优化策略。
优选的,所述根据动态学情数据链,辅助形成教学方案包括以下步骤:
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,分析学生的学习情况,得出学生的学习问题及问题占比;
根据学习问题及问题占比,形成课前决策,确定教学侧重点,制定差异化的教学方式,形成差异化的教学设计;
实时进行课中诊断,获取学生课中问题和难点,将学生课中问题和难点作为教学重点;
根据学习问题及问题占比,针对性的布置课后任务,确定课后延伸深度。
优选的,所述得出学生的学习问题及问题占比包括以下步骤:
根据级别,对学习状态集合进行分类,同级别学习状态集合归于同一类;
计算得出同一级别的学习状态集合的占比,提取同一级别的学习状态集合的第一相似特征;
从第一相似特征中归类得出学习问题一,并得出学习问题一的占比;
根据级别,对学习进程集合进行分类,同级别学习进程集合归于同一类;
计算得出同一级别的学习进程集合的占比,提取同一级别的学习进程集合的第二相似特征;
从第二相似特征中归类得出学习问题二,并得出学习问题二的占比;
根据级别,对学习能力集合进行分类,同级别学习能力集合归于同一类;
计算得出同一级别的学习能力集合的占比,提取同一级别的学习能力集合的第三相似特征;
从第三相似特征中归类得出学习问题三,并得出学习问题三的占比;
汇总学习问题一、学习问题二和学习问题三,及其占比,得到学生的学习问题及问题占比。
优选的,所述形成差异化的教学设计包括以下步骤:
根据学生的学习问题及问题占比,评定学习问题的难度;
根据学习问题的难度及其占比,确定教学深度的上限和下限;
在教学深度的上限和下限之间,对教学深度进行分级,根据学习问题的难度及其占比,确定不同级别教学深度的占比。
优选的,所述根据动态学情数据链,实现区域和学校的资源共享包括以下步骤:
根据学生的学习问题及问题占比,提取学习问题的关键词;
在限定区域内的至少一个学校建立资源共享平台,资源共享平台获取限定区域内的至少一个学校的教育资源;
根据学习问题的关键词在资源共享平台中检索,识别与学习问题的关键词相关的教育资源,打包教育资源,并将教育资源与学习问题的关键词一一配对。
优选的,所述进行智能化资源推送包括以下步骤:
学情数据存储模块检索学习问题,获得学习问题所来源的学习状态集合、学习进程集合或学习能力集合;
在学习状态集合、学习进程集合或学习能力集合中,获取产生学习问题的对应学生;
将与学习问题的关键词对应的教育资源推送至对应学生。
与现有技术相比,本发明的有益效果在于:
通过设置学情数据链构建模块、教学辅助模块和智能化资源共享模块,对学生的学习情况进行实时的监测,从学习状态、学习进程和学习能力三个维度进行数据统计,从数据中分析并提取特征,聚类相似特征,得到学生问题的分类及占比,根据学生问题的难度及占比,制定具有针对性的教学方案,使得教学过程能与学生的实际情况相匹配,根据学生的接收能力进行教学深度设置,并且根据学生的个人情况,智能推荐区域内的教育资源,使得学生能根据个性化的教育资源解决自身的问题。
附图说明
图1为本发明的基于动态学情数据链的教育教学管理平台流程示意图;
图2为本发明的特征提取技术流程示意图;
图3为本发明的聚类分析技术流程示意图;
图4为本发明的对学情信息进行预处理和初步分析,形成动态学情数据链流程示意图;
图5为本发明的根据动态学情数据链,辅助形成教学方案流程示意图;
图6为本发明的得出学生的学习问题及问题占比流程示意图;
图7为本发明的形成差异化的教学设计流程示意图;
图8为本发明的根据动态学情数据链,实现区域和学校的资源共享流程示意图;
图9为本发明的进行智能化资源推送流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1所示,一种基于动态学情数据链的教育教学管理平台,包括:
动态学情检测模块,所述动态学情检测模块使用特征提取技术和聚类分析技术,实时监测并收集学情信息;
学情数据链构建模块,所述学情数据链构建模块通过对学情信息进行预处理和初步分析,形成动态学情数据链;
学情数据存储模块,所述学情数据存储模块使用分布式备份技术对动态学情数据链进行存储;
教学辅助模块,所述教学辅助模块根据动态学情数据链,辅助形成教学方案;
智能化资源共享模块,所述智能化资源共享模块根据动态学情数据链,实现区域和学校的资源共享,并进行智能化资源推送。
上述基于动态学情数据链的教育教学管理平台的工作过程如下:
步骤一:动态学情检测模块使用特征提取技术,到学习状态数据特征、学习进程数据特征和学习能力数据特征;
步骤二:动态学情检测模块使用聚类分析技术,提取并划分相似特征,得到至少一个学习状态集合、学习进程集合和学习能力集合;
步骤三:学情数据链构建模块通过对学情信息进行预处理和初步分析,根据学习状态集合、学习进程集合和学习能力集合的占比和级别,形成动态学情数据链;
步骤四:教学辅助模块根据动态学情数据链,形成课前决策,确定教学侧重点,制定差异化的教学方式,形成差异化的教学设计,实时进行课中诊断,将学生课中问题和难点作为教学重点,并确定课后延伸深度;
步骤五:智能化资源共享模块根据动态学情数据链,实现区域和学校的资源共享,并进行智能化资源推送。
参照图2所示,特征提取技术包括以下步骤:
对学生的学习过程和学习结果进行实时监测和分析,获取学生的学习状态、学习进程和学习能力数据;
对采集到的学习状态、学习进程和学习能力数据进行清洗、去噪,对学习状态、学习进程和学习能力数据进行压缩和优化;
按照学习状态、学习进程和学习能力作为分类类别,对数据进行特征提取,识别数据特征;
将数据特征按照学习状态、学习进程和学习能力进行分类,得到学习状态数据特征、学习进程数据特征和学习能力数据特征;
特征提取技术主要是学习状态、学习进程和学习能力数据中的有用信息提取,去除不必要的信息,便于后续进行聚类分析。
参照图3所示,聚类分析技术包括以下步骤:
对于学习状态数据特征,识别具有相似特征点的学习状态数据点,将具有相似特征点的学习状态数据点划分为具有相似特征的学习状态集合,得到至少一个学习状态集合;
对于学习进程数据特征,识别具有相似特征点的学习进程数据点,将具有相似特征点的学习进程数据点划分为具有相似特征的学习进程集合,得到至少一个学习进程集合;
对于学习能力数据特征,识别具有相似特征点的学习能力数据点,将具有相似特征点的学习能力数据点划分为具有相似特征的学习能力集合,得到至少一个学习能力集合;
以学习状态数据特征为例,聚类分析技术将具有相似特征的学习状态数据点合并,得到学习状态集合,则学习状态集合中的数据性质是类似的,学习状态集合中所能提取出来的问题也是类似,其所反映学生的程度是类似的,因此,对于学习状态集合可以作为整体进行处理,对于整个教学的效果不会出现影响,且能有效减轻数据处理的量。
参照图4所示,对学情信息进行预处理和初步分析,形成动态学情数据链包括以下步骤:
统计每个学习状态集合中的元素个数,叠加学习状态集合中的元素个数,获得学习状态总个数,计算每个学习状态集合占学习状态总个数的占比,得到学习状态占比,将学习状态占比与对应所述学习状态集合一一配对;
根据每个学习状态集合的相似特征点,对学习状态集合划分等级,级别设置为五级;
统计每个学习进程集合中的元素个数,叠加学习进程集合中的元素个数,获得学习进程总个数,计算每个学习进程集合占学习进程总个数的占比,得到学习进程占比,将学习进程占比与对应所述学习进程集合一一配对;
根据每个学习进程集合的相似特征点,对学习进程集合划分等级,级别设置为五级;
统计每个学习能力集合中的元素个数,叠加学习能力集合中的元素个数,获得学习能力总个数,计算每个学习能力集合占学习能力总个数的占比,得到学习能力占比,将学习能力占比与对应所述学习能力集合一一配对;
根据每个学习能力集合的相似特征点,对学习能力集合划分等级,级别设置为五级;
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,形成动态学情数据链。
使用分布式备份技术对动态学情数据链进行存储包括以下步骤:
将动态学情数据链根据占比和等级判测进行;
在分布式数据库中设置数据复制和冗余备份策略,采用主从复制或多主复制方式,将数据分散存储在多个节点,分布式备份中的每个节点具有数据完整性和恢复能力;
采用分布式事务处理技术,在分布式数据库中实现数据一致性和同步;
采用数据分片路由方法,在分布式数据库中实施负载均衡和性能优化策略。
参照图5所示,根据动态学情数据链,辅助形成教学方案包括以下步骤:
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,分析学生的学习情况,得出学生的学习问题及问题占比;
根据学习问题及问题占比,形成课前决策,确定教学侧重点,制定差异化的教学方式,形成差异化的教学设计;
实时进行课中诊断,获取学生课中问题和难点,将学生课中问题和难点作为教学重点;
根据学习问题及问题占比,针对性的布置课后任务,确定课后延伸深度。
参照图6所示,得出学生的学习问题及问题占比包括以下步骤:
根据级别,对学习状态集合进行分类,同级别学习状态集合归于同一类;
计算得出同一级别的学习状态集合的占比,提取同一级别的学习状态集合的第一相似特征;
从第一相似特征中归类得出学习问题一,学习问题一与同一级别的学习状态集合是对应的,其占比也与同一级别的学习状态集合对应,在动态学情数据链中,将同一级别的学习状态集合的占比找出,并叠加,得出学习问题一的占比;
根据级别,对学习进程集合进行分类,同级别学习进程集合归于同一类;
计算得出同一级别的学习进程集合的占比,提取同一级别的学习进程集合的第二相似特征;
从第二相似特征中归类得出学习问题二,并得出学习问题二的占比;
根据级别,对学习能力集合进行分类,同级别学习能力集合归于同一类;
计算得出同一级别的学习能力集合的占比,提取同一级别的学习能力集合的第三相似特征;
从第三相似特征中归类得出学习问题三,并得出学习问题三的占比;
汇总学习问题一、学习问题二和学习问题三,及其占比,得到学生的学习问题及问题占比;
学生的学习问题及问题占比可以分析得出其问题的难度,以及每个问题的占比,则根据问题的难度和占比,可以分析得出学生的学习情况,难度低的问题占比高,说明学生接收能力不足,需要降低课程深度,对基本问题侧重教学,难度高的问题占比高,说明学生接收能力强,需要提升课程深度,对难度高的问题侧重教学,同时,问题的难度和占比也决定了教学难度及教学难度的占比,二者比例保持一致。
参照图7所示,形成差异化的教学设计包括以下步骤:
根据学生的学习问题及问题占比,评定学习问题的难度;
根据学习问题的难度及其占比,确定教学深度的上限和下限;
在教学深度的上限和下限之间,对教学深度进行分级,根据学习问题的难度及其占比,确定不同级别教学深度的占比。
参照图8所示,根据动态学情数据链,实现区域和学校的资源共享包括以下步骤:
根据学生的学习问题及问题占比,提取学习问题的关键词;
在限定区域内的至少一个学校建立资源共享平台,资源共享平台获取限定区域内的至少一个学校的教育资源;
限定区域内的至少一个学校建立资源共享平台是由于不同地区使用的教材不同,教学进度也不同,因此不同区域的教育资源的通用性不足,不能无差别进行推荐,需要对区域进行限制和区分;
根据学习问题的关键词在资源共享平台中检索,识别与学习问题的关键词相关的教育资源,打包教育资源,并将教育资源与学习问题的关键词一一配对。
参照图9所示,进行智能化资源推送包括以下步骤:
学情数据存储模块检索学习问题,获得学习问题所来源的学习状态集合、学习进程集合或学习能力集合;
在学习状态集合、学习进程集合或学习能力集合中,获取产生学习问题的对应学生;
在储存数据时,即将学生与学习问题对应,使得根据学习问题能找到对应的学生,进而可以将与学习问题的关键词对应的教育资源推送至对应学生,学生根据推送的教育资源进行学习,针对性解决自身问题。
再进一步的,本方案还提出一种存储介质,其上存储有计算机可读程序,计算机可读程序被调用时操控上述的基于动态学情数据链的教育教学管理平台。
可以理解的是,存储介质可以是磁性介质,例如,软盘、硬盘、磁带;光介质例如,DVD;或者半导体介质例如固态硬盘SolidStateDisk,SSD等。
综上所述,本发明的优点在于:通过设置学情数据链构建模块、教学辅助模块和智能化资源共享模块,对学生的学习情况进行实时的监测,从学习状态、学习进程和学习能力三个维度进行数据统计,从数据中分析并提取特征,聚类相似特征,得到学生问题的分类及占比,根据学生问题的难度及占比,制定具有针对性的教学方案,使得教学过程能与学生的实际情况相匹配,根据学生的接收能力进行教学深度设置,并且根据学生的个人情况,智能推荐区域内的教育资源,使得学生能根据个性化的教育资源解决自身的问题。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种基于动态学情数据链的教育教学管理平台,其特征在于,包括:
动态学情检测模块,所述动态学情检测模块使用特征提取技术和聚类分析技术,实时监测并收集学情信息;
学情数据链构建模块,所述学情数据链构建模块通过对学情信息进行预处理和初步分析,形成动态学情数据链;
学情数据存储模块,所述学情数据存储模块使用分布式备份技术对动态学情数据链进行存储;
教学辅助模块,所述教学辅助模块根据动态学情数据链,辅助形成教学方案;
智能化资源共享模块,所述智能化资源共享模块根据动态学情数据链,实现区域和学校的资源共享,并进行智能化资源推送。
2.根据权利要求1所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述特征提取技术包括以下步骤:
对学生的学习过程和学习结果进行实时监测和分析,获取学生的学习状态、学习进程和学习能力数据;
对采集到的学习状态、学习进程和学习能力数据进行清洗、去噪,对学习状态、学习进程和学习能力数据进行压缩和优化;
按照学习状态、学习进程和学习能力作为分类类别,对数据进行特征提取,识别数据特征;
将数据特征按照学习状态、学习进程和学习能力进行分类,得到学习状态数据特征、学习进程数据特征和学习能力数据特征。
3.根据权利要求2所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述聚类分析技术包括以下步骤:
对于学习状态数据特征,识别具有相似特征点的学习状态数据点,将具有相似特征点的学习状态数据点划分为具有相似特征的学习状态集合,得到至少一个学习状态集合;
对于学习进程数据特征,识别具有相似特征点的学习进程数据点,将具有相似特征点的学习进程数据点划分为具有相似特征的学习进程集合,得到至少一个学习进程集合;
对于学习能力数据特征,识别具有相似特征点的学习能力数据点,将具有相似特征点的学习能力数据点划分为具有相似特征的学习能力集合,得到至少一个学习能力集合。
4.根据权利要求3所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述对学情信息进行预处理和初步分析,形成动态学情数据链包括以下步骤:
统计每个学习状态集合中的元素个数,叠加学习状态集合中的元素个数,获得学习状态总个数,计算每个学习状态集合占学习状态总个数的占比,得到学习状态占比,将学习状态占比与对应所述学习状态集合一一配对;
根据每个学习状态集合的相似特征点,对学习状态集合划分等级,级别设置为五级;
统计每个学习进程集合中的元素个数,叠加学习进程集合中的元素个数,获得学习进程总个数,计算每个学习进程集合占学习进程总个数的占比,得到学习进程占比,将学习进程占比与对应所述学习进程集合一一配对;
根据每个学习进程集合的相似特征点,对学习进程集合划分等级,级别设置为五级;
统计每个学习能力集合中的元素个数,叠加学习能力集合中的元素个数,获得学习能力总个数,计算每个学习能力集合占学习能力总个数的占比,得到学习能力占比,将学习能力占比与对应所述学习能力集合一一配对;
根据每个学习能力集合的相似特征点,对学习能力集合划分等级,级别设置为五级;
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,形成动态学情数据链。
5.根据权利要求4所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述使用分布式备份技术对动态学情数据链进行存储包括以下步骤:
将动态学情数据链根据占比和等级判测进行;
在分布式数据库中设置数据复制和冗余备份策略,采用主从复制或多主复制方式,将数据分散存储在多个节点,分布式备份中的每个节点具有数据完整性和恢复能力;
采用分布式事务处理技术,在分布式数据库中实现数据一致性和同步;
采用数据分片路由方法,在分布式数据库中实施负载均衡和性能优化策略。
6.根据权利要求5所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述根据动态学情数据链,辅助形成教学方案包括以下步骤:
根据学习状态集合、学习进程集合和学习能力集合的占比和级别,分析学生的学习情况,得出学生的学习问题及问题占比;
根据学习问题及问题占比,形成课前决策,确定教学侧重点,制定差异化的教学方式,形成差异化的教学设计;
实时进行课中诊断,获取学生课中问题和难点,将学生课中问题和难点作为教学重点;
根据学习问题及问题占比,针对性的布置课后任务,确定课后延伸深度。
7.根据权利要求6所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述得出学生的学习问题及问题占比包括以下步骤:
根据级别,对学习状态集合进行分类,同级别学习状态集合归于同一类;
计算得出同一级别的学习状态集合的占比,提取同一级别的学习状态集合的第一相似特征;
从第一相似特征中归类得出学习问题一,并得出学习问题一的占比;
根据级别,对学习进程集合进行分类,同级别学习进程集合归于同一类;
计算得出同一级别的学习进程集合的占比,提取同一级别的学习进程集合的第二相似特征;
从第二相似特征中归类得出学习问题二,并得出学习问题二的占比;
根据级别,对学习能力集合进行分类,同级别学习能力集合归于同一类;
计算得出同一级别的学习能力集合的占比,提取同一级别的学习能力集合的第三相似特征;
从第三相似特征中归类得出学习问题三,并得出学习问题三的占比;
汇总学习问题一、学习问题二和学习问题三,及其占比,得到学生的学习问题及问题占比。
8.根据权利要求7所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述形成差异化的教学设计包括以下步骤:
根据学生的学习问题及问题占比,评定学习问题的难度;
根据学习问题的难度及其占比,确定教学深度的上限和下限;
在教学深度的上限和下限之间,对教学深度进行分级,根据学习问题的难度及其占比,确定不同级别教学深度的占比。
9.根据权利要求8所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述根据动态学情数据链,实现区域和学校的资源共享包括以下步骤:
根据学生的学习问题及问题占比,提取学习问题的关键词;
在限定区域内的至少一个学校建立资源共享平台,资源共享平台获取限定区域内的至少一个学校的教育资源;
根据学习问题的关键词在资源共享平台中检索,识别与学习问题的关键词相关的教育资源,打包教育资源,并将教育资源与学习问题的关键词一一配对。
10.根据权利要求9所述的一种基于动态学情数据链的教育教学管理平台,其特征在于,所述进行智能化资源推送包括以下步骤:
学情数据存储模块检索学习问题,获得学习问题所来源的学习状态集合、学习进程集合或学习能力集合;
在学习状态集合、学习进程集合或学习能力集合中,获取产生学习问题的对应学生;
将与学习问题的关键词对应的教育资源推送至对应学生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386295.6A CN117114941B (zh) | 2023-10-25 | 2023-10-25 | 一种基于动态学情数据链的教育教学管理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311386295.6A CN117114941B (zh) | 2023-10-25 | 2023-10-25 | 一种基于动态学情数据链的教育教学管理平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117114941A true CN117114941A (zh) | 2023-11-24 |
CN117114941B CN117114941B (zh) | 2024-02-09 |
Family
ID=88798787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311386295.6A Active CN117114941B (zh) | 2023-10-25 | 2023-10-25 | 一种基于动态学情数据链的教育教学管理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114941B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829836A (zh) * | 2024-01-29 | 2024-04-05 | 广州市高富信息科技有限公司 | 一种外汇兑换方法、装置、计算机设备及存储介质 |
CN117873786A (zh) * | 2024-01-12 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种教育平台智能维护更新系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090186329A1 (en) * | 2008-01-23 | 2009-07-23 | Carol Connor | Method for recommending a teaching plan in literacy education |
CN104881738A (zh) * | 2015-05-15 | 2015-09-02 | 殷彩艳 | 应用于思想政治教学的智能系统 |
CN108682211A (zh) * | 2018-05-29 | 2018-10-19 | 黑龙江省经济管理干部学院 | 一种方便学生学习的高效教学系统 |
CN109858797A (zh) * | 2019-01-25 | 2019-06-07 | 中山大学 | 基于知识网络精准在线教育系统的多维度信息学情分析方法 |
CN112150331A (zh) * | 2020-09-28 | 2020-12-29 | 河南财政金融学院 | 面向教育目标进行层级分配的教育资源远程共享系统 |
WO2021247436A1 (en) * | 2020-06-05 | 2021-12-09 | Sherman Lawrence | Personalized electronic education |
CN114511423A (zh) * | 2021-12-31 | 2022-05-17 | 淮安蓝创信息科技有限公司 | 一种在线教育课程自动化分配方法 |
CN115081880A (zh) * | 2022-06-23 | 2022-09-20 | 珠海华章科技有限公司 | 一种基于区块链的物联网儿童学习监测方案 |
CN116777694A (zh) * | 2023-06-20 | 2023-09-19 | 重庆远轩教育科技有限公司 | 基于自适应学习的教学辅助系统及方法 |
CN116843524A (zh) * | 2023-07-06 | 2023-10-03 | 安徽智慧教育科技有限公司 | 一种用于在线教学的课后辅助系统 |
-
2023
- 2023-10-25 CN CN202311386295.6A patent/CN117114941B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090186329A1 (en) * | 2008-01-23 | 2009-07-23 | Carol Connor | Method for recommending a teaching plan in literacy education |
CN104881738A (zh) * | 2015-05-15 | 2015-09-02 | 殷彩艳 | 应用于思想政治教学的智能系统 |
CN108682211A (zh) * | 2018-05-29 | 2018-10-19 | 黑龙江省经济管理干部学院 | 一种方便学生学习的高效教学系统 |
CN109858797A (zh) * | 2019-01-25 | 2019-06-07 | 中山大学 | 基于知识网络精准在线教育系统的多维度信息学情分析方法 |
WO2021247436A1 (en) * | 2020-06-05 | 2021-12-09 | Sherman Lawrence | Personalized electronic education |
CN112150331A (zh) * | 2020-09-28 | 2020-12-29 | 河南财政金融学院 | 面向教育目标进行层级分配的教育资源远程共享系统 |
CN114511423A (zh) * | 2021-12-31 | 2022-05-17 | 淮安蓝创信息科技有限公司 | 一种在线教育课程自动化分配方法 |
CN115081880A (zh) * | 2022-06-23 | 2022-09-20 | 珠海华章科技有限公司 | 一种基于区块链的物联网儿童学习监测方案 |
CN116777694A (zh) * | 2023-06-20 | 2023-09-19 | 重庆远轩教育科技有限公司 | 基于自适应学习的教学辅助系统及方法 |
CN116843524A (zh) * | 2023-07-06 | 2023-10-03 | 安徽智慧教育科技有限公司 | 一种用于在线教学的课后辅助系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117873786A (zh) * | 2024-01-12 | 2024-04-12 | 北京华乐思教育科技有限公司 | 一种教育平台智能维护更新系统及方法 |
CN117829836A (zh) * | 2024-01-29 | 2024-04-05 | 广州市高富信息科技有限公司 | 一种外汇兑换方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117114941B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117114941B (zh) | 一种基于动态学情数据链的教育教学管理平台 | |
CN107122594B (zh) | 一种新能源车辆电池的健康预测方法和系统 | |
Jha et al. | Educational data mining using improved apriori algorithm | |
CN101504654A (zh) | 一种实现数据库模式自动匹配的方法 | |
CN114580706A (zh) | 基于gru-lstm神经网络的电力金融业务风控方法及系统 | |
Grosse et al. | An Argument-based Approach to Mining Opinions from Twitter. | |
CN111738843B (zh) | 一种使用流水数据的量化风险评价系统和方法 | |
CN112149949A (zh) | 一种基于犹豫模糊及层次分析法的卫星通信系统效能评估方法 | |
Oskouei et al. | Over-sampling via under-sampling in strongly imbalanced data | |
Utami et al. | Hoax information detection system using apriori algorithm and random forest algorithm in twitter | |
CN117556369B (zh) | 一种动态生成的残差图卷积神经网络的窃电检测方法及系统 | |
KR101985961B1 (ko) | 국가연구개발과제 유사도 정량화 시스템 및 이를 이용한 국가연구개발과제 협업 제안 방법 | |
Barracosa et al. | Anticipating teachers’ performance | |
Singh et al. | Performance analysis of faculty using data mining techniques | |
CN112287996B (zh) | 一种基于机器学习的重大事件关键因子挖掘方法 | |
Li | Intelligent evaluation of college students’ ideological and political education effect based on big data technology | |
Villa-Torrano et al. | Early prediction of students' efficiency during online assessments using a Long-Short Term Memory architecture. | |
CN111209513B (zh) | 基于图链接分析的网络用户分类方法 | |
FENG et al. | Research on the Technology of Data Cleaning in Big Data | |
CN117829836A (zh) | 一种外汇兑换方法、装置、计算机设备及存储介质 | |
CN113886651A (zh) | 一种基于图论的团队挖掘分析方法 | |
Liu | Applying Data Mining in Score Analysis | |
Chen et al. | Low-Correlation Node Filter-Based Neural Subgraph Matching | |
CN114510649A (zh) | 基于去重样本的社交网络和lstm模型准确率计算方法 | |
Xiao | Research on Education Data Association Rule Mining Based on Optimized 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 |