CN117291772A - 一种基于线上教育的大数据分析系统 - Google Patents
一种基于线上教育的大数据分析系统 Download PDFInfo
- Publication number
- CN117291772A CN117291772A CN202311420790.4A CN202311420790A CN117291772A CN 117291772 A CN117291772 A CN 117291772A CN 202311420790 A CN202311420790 A CN 202311420790A CN 117291772 A CN117291772 A CN 117291772A
- Authority
- CN
- China
- Prior art keywords
- module
- evaluation
- teaching
- richness
- online education
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 114
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000007781 pre-processing Methods 0.000 claims abstract description 31
- 238000010276 construction Methods 0.000 claims abstract description 28
- 238000013480 data collection Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training 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
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据分析领域，本发明公开了一种基于线上教育的大数据分析系统，具体涉及数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块以及系统调整优化模块，数据收集模块中收集所需数据，数据预处理模块对数据进行预处理，预处理后的参数基于数学模型计算得出相关系数，综合模型构建模块依据相关系数得出综合评估指数，线上教育评估模块评估线上教育平台的综合质量，系统调整优化模块对线上教育平台进行进一步的改进和优化，总之，通过对学生、教师和课堂多方面的综合评估，更加全面的了解线上教育平台的教学质量。
Description
技术领域
本发明涉及大数据分析领域，更具体地涉及一种基于线上教育的大数据分析系统。
背景技术
随着互联网的迅速发展和普及，在线教育已成为一种新兴的教育方式，线上教育平台是基于互联网技术的教育应用，大量的学生和教师通过互联网参加在线学习、教育培训，它采用互联网技术与教育手段相结合，为学生、老师和教育机构提供便利，为教育事业注入新的活力，整个教育平台积累了大量的学习和教学数据，包括学生的成绩、学习行为数据、时间统计、学习资源使用以及课程评价和反馈，这些数据不仅可以帮助学生发展学习技能和能力，优化其学习模式，而且可以帮助教师更好地掌握学生的学习情况和行为，优化教学设计和措施，提高教学质量和学生满意度。
但是，传统的线上教育分析系统也存在着一些问题：数据类型单一：传统的线上教育分析系统的目标对象仅仅只是面向学生，重点在于分析学生的行为数据以此来判断线上教育平台的教学质量，但是教学质量的判定往往不是依靠单一因素就能决定的；数据整合困难：在线教育平台上的数据存在缺失和不完整的情况，或者数据的采集和传输过程中出现问题，导致数据缺失或不完整，这样的数据缺失和不完整性会影响到数据整合的完整性和准确性，导致数据整合困难；缺乏后续优化措施：线上教育分析系统的分析结果和建议应该结合教育专业知识和教育实践经验，才能更好地支持教师的教学决策和学生的学习需求，然而，目前一些系统可能缺乏对教育领域专业知识的深入理解和应用，导致分析结果的质量和准确性有待提高。
发明内容
为了克服现有技术的上述缺陷，本发明提供了一种基于线上教育的大数据分析系统，以解决上述背景技术中存在的问题。
本发明提供如下技术方案：一种基于线上教育的大数据分析系统，包括：数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块以及系统调整优化模块；
所述数据收集模块中系统收集线上教育平台上的各种数据，包括学生的知识掌握度参数、教师的授课评分参数和线上课堂的课堂丰富度参数，并将参数传输至数据预处理模块；
所述数据预处理模块对数据收集模块中收集到的线上教育平台的数据进行预处理，对学生、教师和课堂不同的目标对象进行特征信息提取；
所述学习效果分析模块基于数据预处理模块提取出的知识掌握度参数的特征信息，并通过学习效果数学模型计算得出知识掌握度评估系数，并将知识掌握度评估系数传输至综合模型构建模块；
所述教学质量分析模块基于数据预处理模块提取出的授课评分参数的特征信息，并通过教学质量数学模型计算得出授课评分系数，并将授课评分系数传输至综合模型构建模块；
所述课堂丰富度分析模块基于数据预处理模块提取出的课堂丰富度参数的特征信息，并通过丰富度分析模型计算得出课堂丰富度系数，并将课堂丰富度系数传输至综合模型构建模块；
所述综合模型构建模块基于知识掌握度评估系数、授课评分系数和课堂丰富度系数构建综合模型，计算得出综合评估指数，并将综合评估指数传输至线上教育评估模块；
所述线上教育评估模块接收综合模型构建模块计算得出的综合评估指数，评估线上教育平台的综合质量，并将评估结果传输至系统调整优化模块；
所述系统调整优化模块基于线上教育评估模块给出的评估结果，并将结果以可视化形式呈现，优化线上教育平台的课程设计、教学方法以及学习资源。
优选的，所述数据收集模块通过系统内部的数据采集工具采集学生的知识掌握度参数、授课评分参数和课堂丰富度参数，知识掌握度参数包括学习成绩及其所占权重、学习时间及其所占权重和学习参与度及其所占权重，授课评分参数包括每位学生的评价分、教师的自身评价分和教师与学生之间的互动率，课堂丰富度参数包括课堂内容多样性得分、教学资源丰富性得分和教学方法多样性得分。
优选的，所述数据预处理模块，在数据分析之前需要对收集到的数据进行预处理，这包括数据清洗、去除异常值和填充缺失值一系列步骤，可以使用统计方法或插补技术填充缺失值，删除或替换异常值，并删除重复的数据，以确保数据的准确性和完整性，从而为后续的数据分析和模型构建提供支持。
优选的，所述学习效果分析模块中知识掌握度评估系数的计算公式可表示为：其中Q1表示知识掌握度评估系数，ΔSr表示相同时间内学习成绩的变化量，W1表示成绩权重，ΔSt表示学习时间的变化量，W2表示时间权重，Sy表示参与度，W3表示参与度权重。
优选的，所述教学质量分析模块中授课评分系数的计算公式可表示为：其中Q2表示授课评分系数，xi表示每位学生的评价分，/>表示n位学生的平均评价分，y1表示教师的自身评价分，y2表示教师与学生之间的互动率，n表示学生评价人数。
优选的，所述课堂丰富度分析模块中课堂丰富度系数的步骤如下：
步骤S01：为课堂内容多样性、教学资源丰富性和教学方法多样性设定权重为4:3:3；
步骤S02：计算各指标的平均得分：课堂内容多样性的平均得分：其中P1表示课堂内容多样性的平均得分，bi为每个学生的评分，n表示学生评价人数；
教学资源丰富性的平均得分：其中P2表示教学资源丰富性的平均得分，vi为每个学生的评分，n表示学生评价人数；
教学方法多样性的平均得分：其中P3表示教学方法多样性的平均得分，ci为每个学生的评分，n表示学生评价人数；
步骤S03：课堂丰富度系数的计算公式可表示为：Q3＝0.4P1+0.3P2+0.3P3，其中Q3表示课堂丰富度系数。
优选的，所述综合模型构建模块中综合评估指数的计算公式表示为：Q＝αln(Q1+Q2+Q3)，其中Q表示综合评估指数，α表示线上教育综合评估影响因子。
优选的，所述线上教育评估模块依据综合评估指数，将综合评估指数与标准评估指数对比，评估线上教育平台的综合质量，若综合评估指数大于标准评估指数，则线上教育平台质量良好，若综合评估指数小于标准评估指数，则线上教育平台质量较低，需要进一步改进。
优选的，所述系统调整优化模块接收线上教育评估模块的评估结果，确定线上教育平台需要优化和改进的具体目标，制定改善线上教育平台的具体方案，持续监测和评估改进效果，并对需要调整的地方进行进一步的改进和优化。
本发明的技术效果和优点：
本发明通过设有数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块以及系统调整优化模块，数据收集模块中系统收集在线教育平台各种数据，数据预处理模块对收集到的数据进行预处理并提取特征信息，预处理后的参数基于数学模型计算得出学习评估系数、教学质量系数和课堂丰富度系数，综合模型构建模块依据学习评估系数、教学质量系数和课堂丰富度系数得出综合评估指数，线上教育评估模块基于综合评估指数评估线上教育平台的综合质量，系统调整优化模块对线上教育平台进行进一步的改进和优化，总之，一种基于线上教育的大数据分析系统，通过对学生、教师和课堂多方面的综合评估，更加全面的了解线上教育平台的教学质量，它采用互联网技术与教育手段相结合，为学生、老师和教育机构提供便利，为教育事业注入新的活力，不仅提供了更多元化的学习资源和便利的学习方式，更为重要的是优化了教学环境，提高了教学效率，为教育发展带来了新的机遇。
附图说明
图1为一种基于线上教育的大数据分析系统的流程图。
图2为一种基于线上教育的大数据分析系统的结构图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的一种基于线上教育的大数据分析系统并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
本发明提供了一种基于线上教育的大数据分析系统，包括：数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块以及系统调整优化模块。
本实施例中，需要具体说明的是，所述数据收集模块中系统收集线上教育平台上的各种数据，包括学生的知识掌握度参数、教师的授课评分参数和线上课堂的课堂丰富度参数，并将参数传输至数据预处理模块；
所述数据收集模块通过系统内部的数据采集工具采集学生的知识掌握度参数、授课评分参数和课堂丰富度参数，知识掌握度参数包括学习成绩及其所占权重、学习时间及其所占权重和学习参与度及其所占权重，授课评分参数包括每位学生的评价分、教师的自身评价分和教师与学生之间的互动率，课堂丰富度参数包括课堂内容多样性得分、教学资源丰富性得分和教学方法多样性得分。
本实施例中，需要具体说明的是，所述数据预处理模块对数据收集模块中收集到的线上教育平台的数据进行预处理，对学生、教师和课堂不同的目标对象进行特征信息提取；
所述数据预处理模块，在数据分析之前需要对收集到的数据进行预处理，这包括数据清洗、去除异常值和填充缺失值一系列步骤，可以使用统计方法或插补技术填充缺失值，删除或替换异常值，并删除重复的数据，以确保数据的准确性和完整性，从而为后续的数据分析和模型构建提供支持。
本实施例中，需要具体说明的是，所述学习效果分析模块基于数据预处理模块提取出的知识掌握度参数的特征信息，并通过学习效果数学模型计算得出知识掌握度评估系数，并将知识掌握度评估系数传输至综合模型构建模块；
所述学习效果分析模块中知识掌握度评估系数的计算公式可表示为：其中Q1表示知识掌握度评估系数，ΔSr表示相同时间内学习成绩的变化量，W1表示成绩权重，ΔSt表示学习时间的变化量，W2表示时间权重，Sy表示参与度，W3表示参与度权重，学习成绩通过系统数据积累即可获得，学习时间通过系统记录即可获得，学习参与度需要统计学生参与讨论的次数和总课堂会话次数，计算公式可表示为/>其中Sy表示学习参与度，Ts表示学生参与讨论的次数，T总表示总课堂会话次数。
本实施例中，需要具体说明的是，所述教学质量分析模块基于数据预处理模块提取出的授课评分参数的特征信息，并通过教学质量数学模型计算得出授课评分系数，并将授课评分系数传输至综合模型构建模块；
所述教学质量分析模块中授课评分系数的计算公式可表示为：其中Q2表示授课评分系数，xi表示每位学生的评价分，/>表示n位学生的平均评价分，y1表示教师的自身评价分，y2表示教师与学生之间的互动率，n表示学生评价人数，依据教师授课质量设计调查问卷，以电子文件形式邀请各师生参与，采用百分制评分：使用100分制进行评分，90分以上为优秀，80-89分为良好，70-79分为中等，60-69分为及格，60分以下为不及格。
本实施例中，需要具体说明的是，所述课堂丰富度分析模块基于数据预处理模块提取出的课堂丰富度参数的特征信息，并通过丰富度分析模型计算得出课堂丰富度系数，并将课堂丰富度系数传输至综合模型构建模块；
所述课堂丰富度分析模块中课堂丰富度系数的步骤如下：
步骤S01：为课堂内容多样性、教学资源丰富性和教学方法多样性设定权重为4:3:3；
步骤S02：计算各指标的平均得分：课堂内容多样性的平均得分：其中P1表示课堂内容多样性的平均得分，bi为每个学生的评分，n表示学生评价人数；
教学资源丰富性的平均得分：其中P2表示教学资源丰富性的平均得分，vi为每个学生的评分，n表示学生评价人数；
教学方法多样性的平均得分：其中P3表示教学方法多样性的平均得分，ci为每个学生的评分，n表示学生评价人数；
步骤S03：课堂丰富度系数的计算公式可表示为：Q3＝0.4P1+0.3P2+0.3P3，其中Q3表示课堂丰富度系数。
本实施例中，需要具体说明的是，所述综合模型构建模块基于知识掌握度评估系数、授课评分系数和课堂丰富度系数构建综合模型，计算得出综合评估指数，并将综合评估指数传输至线上教育评估模块；
所述综合模型构建模块中综合评估指数的计算公式表示为：Q＝αln(Q1+Q2+Q3)，其中Q表示综合评估指数，α表示线上教育综合评估影响因子，具体可以为学生成绩的真实度，α对整个指数数据影响过程属于常规技术研究方向，本实施例不做具体限定和延伸。
本实施例中，需要具体说明的是，所述线上教育评估模块接收综合模型构建模块计算得出的综合评估指数，评估线上教育平台的综合质量，并将评估结果传输至系统调整优化模块；
所述线上教育评估模块依据综合评估指数，将综合评估指数与标准评估指数对比，评估线上教育平台的综合质量，若综合评估指数大于标准评估指数，则线上教育平台质量良好，若综合评估指数小于标准评估指数，则线上教育平台质量较低，需要进一步改进。
本实施例中，需要具体说明的是，所述系统调整优化模块基于线上教育评估模块给出的评估结果，并将结果以可视化形式呈现，优化线上教育平台的课程设计、教学方法以及学习资源；
所述系统调整优化模块接收线上教育评估模块的评估结果，确定线上教育平台需要优化和改进的具体目标，制定改善线上教育平台的具体方案，持续监测和评估改进效果，并对需要调整的地方进行进一步的改进和优化，步骤如下：
步骤S01：明确目标：明确调整优化的目标，确定是学习评估系数、教学质量系数和课堂丰富度系数哪一指标在整体的综合计算中不合格；
步骤S02：系统依据存在问题自动给出优化建议，制定具体方案并实施方案，观察一周记录数据；
步骤S03：重复所述数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块内容，评估优化调整过后的综合评估指数是否符合标准；
步骤S04：若符合，则在线教育平台质量良好，若不符合再次进行调整，重复以上步骤。
本发明通过设有数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块以及系统调整优化模块，数据收集模块中系统收集在线教育平台各种数据，数据预处理模块对收集到的数据进行预处理并提取特征信息，预处理后的参数基于数学模型计算得出学习评估系数、教学质量系数和课堂丰富度系数，综合模型构建模块依据学习评估系数、教学质量系数和课堂丰富度系数得出综合评估指数，线上教育评估模块基于综合评估指数评估线上教育平台的综合质量，系统调整优化模块对线上教育平台进行进一步的改进和优化，总之，一种基于线上教育的大数据分析系统，通过对学生、教师和课堂多方面的综合评估，更加全面的了解线上教育平台的教学质量，它采用互联网技术与教育手段相结合，为学生、老师和教育机构提供便利，为教育事业注入新的活力，不仅提供了更多元化的学习资源和便利的学习方式，更为重要的是优化了教学环境，提高了教学效率，为教育发展带来了新的机遇。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于线上教育的大数据分析系统，其特征在于：包括：数据收集模块、数据预处理模块、学习效果分析模块、教学质量分析模块、课堂丰富度分析模块、综合模型构建模块、线上教育评估模块，以及系统调整优化模块；
所述数据收集模块中系统收集线上教育平台上的各种数据，包括学生的知识掌握度参数、教师的授课评分参数和线上课堂的课堂丰富度参数，并将参数传输至数据预处理模块；
所述数据预处理模块对数据收集模块中收集到的线上教育平台的数据进行预处理，对学生、教师和课堂不同的目标对象进行特征信息提取；
所述学习效果分析模块基于数据预处理模块提取出的知识掌握度参数的特征信息，并通过学习效果数学模型计算得出知识掌握度评估系数，并将知识掌握度评估系数传输至综合模型构建模块；
所述教学质量分析模块基于数据预处理模块提取出的授课评分参数的特征信息，并通过教学质量数学模型计算得出授课评分系数，并将授课评分系数传输至综合模型构建模块；
所述课堂丰富度分析模块基于数据预处理模块提取出的课堂丰富度参数的特征信息，并通过丰富度分析模型计算得出课堂丰富度系数，并将课堂丰富度系数传输至综合模型构建模块；
所述综合模型构建模块基于知识掌握度评估系数、授课评分系数和课堂丰富度系数构建综合模型，计算得出综合评估指数，并将综合评估指数传输至线上教育评估模块；
所述线上教育评估模块接收综合模型构建模块计算得出的综合评估指数，评估线上教育平台的综合质量，并将评估结果传输至系统调整优化模块；
所述系统调整优化模块基于线上教育评估模块给出的评估结果，并将结果以可视化形式呈现，优化线上教育平台的课程设计、教学方法以及学习资源。
2.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述数据收集模块通过系统内部的数据采集工具采集学生的知识掌握度参数、授课评分参数和课堂丰富度参数，知识掌握度参数包括学习成绩及其所占权重、学习时间及其所占权重和学习参与度及其所占权重，授课评分参数包括每位学生的评价分、教师的自身评价分和教师与学生之间的互动率，课堂丰富度参数包括课堂内容多样性得分、教学资源丰富性得分和教学方法多样性得分。
3.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述数据预处理模块，在数据分析之前需要对收集到的数据进行预处理，这包括数据清洗、去除异常值和填充缺失值一系列步骤，可以使用统计方法或插补技术填充缺失值，删除或替换异常值，并删除重复的数据，以确保数据的准确性和完整性，从而为后续的数据分析和模型构建提供支持。
4.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述学习效果分析模块中知识掌握度评估系数的计算公式可表示为：其中Q1表示知识掌握度评估系数，ΔSr表示相同时间内学习成绩的变化量，W1表示成绩权重，ΔSt表示学习时间的变化量，W2表示时间权重，Sy表示参与度，W3表示参与度权重。
5.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述教学质量分析模块中授课评分系数的计算公式可表示为：其中Q2表示授课评分系数，xi表示每位学生的评价分，x表示n位学生的平均评价分，y1表示教师的自身评价分，y2表示教师与学生之间的互动率，n表示学生评价人数。
6.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述课堂丰富度分析模块中课堂丰富度系数的步骤如下：
步骤S01：为课堂内容多样性、教学资源丰富性和教学方法多样性设定权重为4:3:3；
步骤S02：计算各指标的平均得分：课堂内容多样性的平均得分：其中P1表示课堂内容多样性的平均得分，bi为每个学生的评分，n表示学生评价人数；
教学资源丰富性的平均得分：其中P2表示教学资源丰富性的平均得分，vi为每个学生的评分，n表示学生评价人数；
教学方法多样性的平均得分：其中P3表示教学方法多样性的平均得分，ci为每个学生的评分，n表示学生评价人数；
步骤S03：课堂丰富度系数的计算公式可表示为：Q3＝0.4P1+0.3P2+0.3P3，其中Q3表示课堂丰富度系数。
7.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述综合模型构建模块中综合评估指数的计算公式表示为：Q＝αln(Q1+Q2+Q3)，其中Q表示综合评估指数，α表示线上教育综合评估影响因子。
8.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述线上教育评估模块依据综合评估指数，将综合评估指数与标准评估指数对比，评估线上教育平台的综合质量，若综合评估指数大于标准评估指数，则线上教育平台质量良好，若综合评估指数小于标准评估指数，则线上教育平台质量较低，需要进一步改进。
9.根据权利要求1所述的一种基于线上教育的大数据分析系统，其特征在于：所述系统调整优化模块接收线上教育评估模块的评估结果，确定线上教育平台需要优化和改进的具体目标，制定改善线上教育平台的具体方案，持续监测和评估改进效果，并对需要调整的地方进行进一步的改进和优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311420790.4A CN117291772A (zh) | 2023-10-30 | 2023-10-30 | 一种基于线上教育的大数据分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311420790.4A CN117291772A (zh) | 2023-10-30 | 2023-10-30 | 一种基于线上教育的大数据分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117291772A true CN117291772A (zh) | 2023-12-26 |
Family
ID=89240875
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311420790.4A Pending CN117291772A (zh) | 2023-10-30 | 2023-10-30 | 一种基于线上教育的大数据分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117291772A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807631A (zh) * | 2023-12-29 | 2024-04-02 | 北京万讯博通科技发展有限公司 | 基于多方安全计算的在线评估方法及系统 |
-
2023
- 2023-10-30 CN CN202311420790.4A patent/CN117291772A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117807631A (zh) * | 2023-12-29 | 2024-04-02 | 北京万讯博通科技发展有限公司 | 基于多方安全计算的在线评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shute et al. | Measuring problem solving skills via stealth assessment in an engaging video game | |
| CN114038256B (zh) | 一种基于人工智能的教学互动系统 | |
| CN117291772A (zh) | 一种基于线上教育的大数据分析系统 | |
| CN111444391B (zh) | 一种基于人工智能的视频学习成效评估方法 | |
| CN114595923B (zh) | 一种基于深度强化学习的群体教学推荐系统 | |
| CN108062880A (zh) | 一种智能翻转教育应用及数据基础平台 | |
| CN106373057B (zh) | 一种面向网络教育的成绩不良学习者识别方法 | |
| CN111125640A (zh) | 一种知识点学习路径推荐方法和装置 | |
| CN110910038A (zh) | 基于网络课程的教师教学画像模型的构建方法 | |
| CN115760510B (zh) | 一种基于vr虚拟现实的教学方法及系统 | |
| CN110782375A (zh) | 基于数据的在线学习全过程动态分析方法及系统 | |
| CN109523201A (zh) | 一种基于大数据时代高效慕课质量评估方法 | |
| CN112990723A (zh) | 基于用户学习行为深度分析的在线教育平台学生学习力分析反馈方法 | |
| CN111523444A (zh) | 基于改进的Openpose模型和面部微表情的课堂行为检测的方法 | |
| CN115062950A (zh) | 一种基于数字化智能学习培训管理系统 | |
| CN114119304A (zh) | 一种在线教育平台用户管理方法、系统及计算机存储介质 | |
| CN117076782B (zh) | 在线学习平台的课程推荐方法、装置、计算机设备及介质 | |
| CN112951022A (zh) | 一种多媒体互动教育培训系统 | |
| CN111476536A (zh) | 一种基于人工智能的职业技能竞赛实训教育平台 | |
| CN110991943A (zh) | 一种基于云计算的教学质量评价系统 | |
| CN108647788A (zh) | 一种联想式知识库的自动改进方法 | |
| Leitner et al. | Design and evaluation of ARIN-561: an educational game for youth artificial intelligence education | |
| CN114118864A (zh) | 一种大型群众体育赛事综合评估系统 | |
| Scharenberg | Do secondary students learn more in homogeneous or heterogeneous classes? The importance of classroom composition for the development of Reading achievement in secondary school | |
| Xu | Development and application of the teaching tool of design thinking collaboration based on UCD methods |
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 |