CN117350693A - 一种课程学习提醒方法及系统 - Google Patents
一种课程学习提醒方法及系统 Download PDFInfo
- Publication number
- CN117350693A CN117350693A CN202311428662.4A CN202311428662A CN117350693A CN 117350693 A CN117350693 A CN 117350693A CN 202311428662 A CN202311428662 A CN 202311428662A CN 117350693 A CN117350693 A CN 117350693A
- Authority
- CN
- China
- Prior art keywords
- learning
- student
- current
- notification
- reminding
- 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- Withdrawn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 55
- 238000012986 modification Methods 0.000 claims abstract description 12
- 230000004048 modification Effects 0.000 claims abstract description 12
- 230000003203 everyday effect Effects 0.000 claims abstract description 10
- 230000001121 heart beat frequency Effects 0.000 claims description 54
- 230000006399 behavior Effects 0.000 claims description 34
- 230000035565 breathing frequency Effects 0.000 claims description 32
- 230000001133 acceleration Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 19
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000036391 respiratory frequency Effects 0.000 claims description 7
- 230000036578 sleeping time Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005406 washing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 239000003086 colorant Substances 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 4
- 230000036387 respiratory rate Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 230000004622 sleep time 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种课程学习提醒方法及系统,涉及教育技术的领域,尤其是涉及一种课程学习提醒方法及系统,其包括获取学生的学习生活的时间规律,判断学生每天回家的时间点和睡眠的时间点;获取历史知识点和当前知识点;判断学生当前的疲劳程度;根据所述课外学习时间、所述疲劳程度、所述当前知识点以及所述历史知识点判断学生当前的课外学习内容;获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式;根据所述课外学习内容,生成初始学习提醒通知,并根据所述第一通知方式对所述学习提醒通知进行风格修改,并发送至学生的智能设备上;本申请具有提高提醒学生学习课程的效率的效果。
Description
技术领域
本申请涉及教育技术的领域,尤其是涉及一种课程学习提醒方法及系统。
背景技术
随着平板、电脑等智能设备的普及,对于学生在线上进行上课的课程也越来越丰富,很多学生和学生家长为了提高学生的学习成绩,会购买一些校外课程来辅助学习,帮助学生进行预习或复习,进一步掌握知识点。
但是由于不同的学校有着不同的学习生活规律,并且目前很多高校中的学生都选择住校,在学生下课回到宿舍后,多会选择一些放松手段,从而忽略了课外的学习时间。
现有技术中,一般采用根据后台数据判断学生是否有进行课程学习的行为,并使用人工的方式与学生以及学生家长进行沟通,提醒学生需要进行课程的学习,一般情况下,一名工作人员需要负责两百名以上的学生的学习行为的监督,耗费了大量的人力和工作人员的精力。
因此,如何提高提醒学生学习课程的效率,成为亟待解决的问题。
发明内容
为了提高提醒学生学习课程的效率,本申请提供了一种课程学习方法及系统。
本申请提供了一种课程学习提醒方法及系统,采用如下技术方案:
第一方面,本申请提供了一种课程学习提醒方法,采用如下技术方案:
获取学生的学习生活的时间规律,判断学生每天回家的时间点和睡眠的时间点;
获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点;
获取学生当前的身体健康数据,判断学生当前的疲劳程度;
基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据所述课外学习时间、所述疲劳程度和所述当前知识点判断学生当前的课外学习内容;
获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式;
根据所述课外学习内容,生成初始学习提醒通知,并根据所述第一通知方式对所述学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上;
获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒。
通过采用上述技术方案,判断学生每天回家后的学习时间的长短,并根据学生处理其他事务的时间,获取学生的课外学习时间,根据学生每天的学习内容和历史学习内容,生成知识点,获取学生每天回家后的身体健康数据判断学生的疲劳程度,根据学生的课外学习时间、知识点和疲劳程度为学生安排课外学习内容;获取学生的智能设备上的常用软件,并学习学生常用软件的消息通知的风格,根据课外学习内容生成学习提醒通知,并将学习提醒通知根据常用软件的消息通知的风格进行包装,发送至学生的智能软件上,提醒学生进行学习,提高了提醒学生学习课程的效率。
优选的,所述获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点的步骤,包括:
获取学生学习的教材的版本,对不同版本的教材的内容进行板块划分,获取内容板块;
获取学生的历史学习内容和当前学习内容,将所述历史学习内容和所述当前学习内容对应至内容该板块上,获取历史内容该板块和当前内容板块;
对历史内容板块和当前内容板块进行内容识别,获取历史候选知识点和当前候选知识点;
将所述历史候选知识点和当前候选知识点与所述历史学习内容和所述当前学习内容进行比对,筛选出历史知识点和当前知识点。
通过采用上述技术方案,根据学生教材的版本不同划分内容板块,并将学生的历史学习内容和当前学习内容与内容板块进行对应,获取历史候选知识点和当前候选知识点,并与学生的历史学习内容和当前学习内容进行比对,筛选得到历史知识点和当前知识点,提高了对使用不同教材的学生的知识点获取的准确度。
优选的,所述获取学生当前的身体健康数据,判断学生当前的疲劳程度的步骤,包括:
获取学生当前的心跳频率以及呼吸频率,根据所述心跳频率和呼吸频率获取学生的第一疲劳指数;
获取学生在精力充沛情况下的语音,并生成标准语音特征;
获取学生当前的语音,生成学生的当前语音特征,并与所述标准语音特征进行对比,获取学生的第二疲劳指数;
获取学生在精力充沛情况下的手臂摆动所产生的加速度,并生成标准加速度特征;
获取学生当前的手臂摆动产生的加速度,生成学生的当前加速度特征,并与所述标准加速度特征进行对比,获取学生的第三疲劳指数;
根据所述第一疲劳指数、所述第二疲劳指数和所述第三疲劳指数进行结合判断学生当前的疲劳程度。
通过采用上述技术方案,获取学生当前的呼吸频率和心跳频率,判断学生的第一疲劳指数,获取学生在精力充沛情况下的说话声音,并生成标准语音特征,获取学生当前的说话的声音,生成当前语音特征,并与标准语音特征进行比较,判断学生的第二疲劳指数,获取学生在精力充沛情况下手臂摆动的加速度并生成标准加速度特征,获取学生当前手臂摆动产生的加速度并生成当前加速度特征,与标准加速度特征进行对比,获取第三疲劳指数,将第一疲劳指数、第二疲劳指数和第三疲劳指数结合判断学生当前的疲劳程度,提高了对学生疲劳检测的全面性。
优选的,获取学生当前的心跳频率以及呼吸频率,根据所述心跳频率和呼吸频率获取学生的第一疲劳指数的步骤,包括:
获取学生一天的所述心跳频率和所述呼吸频率的变化情况,并生成所述心跳频率的心跳频率曲线和所述呼吸频率的呼吸频率曲线;
对所述心跳频率和所述呼吸频率进行频率识别,判断学生的所述心跳频率和所述呼吸频率与正常的心跳频率和呼吸频率的心跳频率差和呼吸频率差:
根据所述心跳频率曲线和所述心跳频率差获取心跳变化指数,根据所述呼吸频率曲线和呼吸频率差获取呼吸变化指数;
基于所述心跳变化指数和所述呼吸变化指数获取第一疲劳指数。
通过采用上述技术方案,获取学生一天中的心跳频率和呼吸频率的数据,并生成心跳频率曲线和呼吸频率曲线,根据曲线图查看学生一天当中的身体数据的变化情况,获取学生当前的心跳频率和呼吸频率,与学生正常情况下的心跳频率和呼吸频率进行对比获取心跳频率差和呼吸频率差,根据频率差和频率曲线分析判断学生的第一疲劳指数,提高了对学生第一疲劳指数获取的精确度。
优选的,所述基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据所述课外学习时间、所述疲劳程度、所述当前知识点以及所述历史知识点判断学生当前的课外学习内容的步骤,包括:
基于学生回家的时间点和睡眠的时间点,并根据学生的休息、洗漱时间留存冗余时间,计算获取学生的课外学习时间;
获取所述历史知识点的重要程度和所述当前知识点的重要程度,对所有的所述历史知识点和所述当前知识点进行重要程度排序,获取重要程度序列;
获取每个所述历史知识点的最近一次的学习时间,对所述历史知识点在所述重要程度序列中的位置进行调整,获取知识点的综合序列;
基于所述疲劳程度判断学生在当前疲劳状态下能够学习的知识点的数量;
基于所述综合序列和学生在当前疲劳状态下所能够学习的知识点的数量选择适量且重要的知识点判断学生当前的课外学习内容。
通过采用上述技术方案,获取学生的回家和睡眠的时间点,计算学生的课外学习时间,获取历史知识点和当前知识点的重要程度并进行排列,并根据历史知识点的学习时间对重要程度排列中的历史知识点的位置进行调整,获取知识点的综合序列,根据学生课外学习时间的长短以及学生当前的疲劳程度判断学生所能接受的学习强度,对课外学习内容进行合理的安排,提高了对学生学习内容安排的合理性。
优选的,所述获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式的步骤,包括:
获取学生在智能设备上不同软件的使用时长,对所述智能设备上的软件进行使用时长的排序;
获取使用时长最长的软件作为常用软件,并获取所述常用软件的消息通知的内容;
提取所述常用软件的消息通知中的颜色种类,判断每种颜色种类的使用率,并选择使用率最高的两个颜色种类作为颜色风格;
提取所述常用软件的消息通知中的描述风格,并结合所述颜色风格生成所述常用软件的第一通知方式。
通过采用上述技术方案,获取学生的智能设备上的不同软件的使用时长,并根据使用时长的排序,判断学生的常用软件的种类,获取该常用软件消息通知中使用的颜色的种类,并根据不同种类颜色的使用率选择其中使用率最高的两种颜色作为该常用软件消息通知的颜色风格,并分析该常用软件消息通知中的文字的描述风格,结合颜色风格获取到该常用软件的第一通知方式,提高了对软件消息通知风格学习的效率和精准度。
优选的,所述根据所述课外学习内容,生成初始学习提醒通知,并根据所述第一通知方式对所述学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上的步骤,包括:
根据所述课外学习内容,提取其中的关键词,获取学习提醒内容;
基于所述第一通知风格,对所述学习提醒内容进行描述风格的修改;
基于所述第一通知风格,生成具有所述第一通知风格的颜色风格的消息弹窗;
将经过描述风格修改的所述学习提醒内容与所述消息弹窗进行组合,生成学习提醒通知,并将所述学习提醒通知发送至学生的智能设备上。
通过采用上述技术方案,根据学生的课外学习内容,提取其中的关键词,生成学习提醒内容,根据第一通知风格,对学习提醒内容进行描述风格的修改,根据第一通知风格的颜色风格生成消息弹窗,将学习提醒内容与消息弹窗组合获取学习提醒通知,提高了学习提醒通知对学生的吸引性。
优选的,所述获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒的步骤,包括:
获取后台数据,判断学生是否存在课外学习行为;
若没有,则根据学生智能设备上软件的使用时长的排序,获取使用时长中排名第二、三、四名的软件,并获取第二通知方式、第三通知方式和第四通知方式;
基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为;
若没有,则判定学生存在其他事务行为,同时停止学习提醒通知。
通过采用上述技术方案,根据后台数据判断学生是否进行课程学习,若没有,则再根据学生智能设备上软件使用时长的排序,获取排名第二、三、四名的软件,生成第二通知方式、第三通知方式和第四通知方式,将学习提醒通知以上述三种通知方式进行风格修改,生成六个学习提醒通知,并逐一的发送到学生的智能设备上,若学生依旧没有学习行为,则提高提醒的频率,当六条学习提醒通知发送完毕后,学生依然没有学习行为,则判定学生存在其他事务需要处理,停止发送学习提醒通知,提高了对学生提醒的频率,同时降低了对学生处理其他事务时的干扰度。
优选的,所述基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为的步骤,包括:
获取课程开始时间点,并基于所述时间点和所述睡眠时间点生成时间带;
基于所述时间带,根据变化的频率在所述时间带上打上六个标记;
基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知;
所述六个标记与六个风格不同的所述学习通知一一对应;
所述六个标记随时间变化距离逐渐变小;
根据时间到达所述六个标记的位置,发送标记所对应的学习提醒通知,并判断学生是否出现课外学习行为;
若有,则停止发送所述学习提醒通知,若没有,则当六个所述学习提醒通知都发送完毕后,停止发送所述学习提醒通知。
通过采用上述技术方案,当学生没有在指定时间进行课程学习后,根据课程的开始时间点和学生的睡眠时间点生成时间带,在时间带上做六个标记,六个标记的在时间带上的距离逐渐变小,同时根据第二通知方式、第三通知方式和第四通知方式生成六种学习提醒通知,与六个标记一一对应,当时间到达标记点时,发送对应的学习提醒通知,若检测到学生有学习课程的行为,则停止通知,若检测到六条学习提醒通知发送完毕学生依旧没有学习行为,则停止通知,提高了对学生提醒的效率,同时降低了干扰学生处理其他事务的可能性。
第二方面,本申请提供了一种课程学习提醒系统,采用如下技术方案:
学生规律模块:用于获取并分析学生的学习生活的规律,获取学生回家和睡眠的时间点;
学习内容获取模块:用于获取学生的历史学习内容和当前学习内容;
疲劳数据获取模块:用于获取学生身体的疲劳数据;
疲劳数据分析模块:配置为与所述疲劳数据获取模块数据连接,对所接收到的学生身体的疲劳数据进行分析,判断学生的疲劳程度;
学习内容分析模块:配置为与所述学生规律模块、所述学习内容获取模块以及所述疲劳数据分析模块数据连接,分析根据学生及学习内容的各项数据分析学生当前所需要学习的课程或知识点,并生成学习提醒通知;
常用软件学习模块:用于获取学生智能设备上的常用软件,并学习他们的通知消息的风格;
学习行为判断模块:用于判断学生当前是否有学习行为,并将判断结果进行输出;
通知模块:配置为与所述常用软件学习模块、学习内容分析模块以及学习行为判断模块数据连接,用于对所接收到的学习提醒通知进行风格修改以及向学生发出学习提醒通知。
综上所述,本申请包括以下至少一种有益技术效果:
1.判断学生每天回家后的学习时间的长短,并根据学生处理其他事务的时间,获取学生的课外学习时间,根据学生每天的学习内容和历史学习内容,生成知识点,获取学生每天回家后的身体健康数据判断学生的疲劳程度,根据学生的课外学习时间、知识点和疲劳程度为学生安排课外学习内容;获取学生的智能设备上的常用软件,并学习学生常用软件的消息通知的风格,根据课外学习内容生成学习提醒通知,并将学习提醒通知根据常用软件的消息通知的风格进行包装,发送至学生的智能软件上,提醒学生进行学习,提高了提醒学生学习课程的效率。
2.根据学生教材的版本不同划分内容板块,并将学生的历史学习内容和当前学习内容与内容板块进行对应,获取历史候选知识点和当前候选知识点,并与学生的历史学习内容和当前学习内容进行比对,筛选得到历史知识点和当前知识点,提高了对使用不同教材的学生的知识点获取的准确度。
3.获取学生的智能设备上的不同软件的使用时长,并根据使用时长的排序,判断学生的常用软件的种类,获取该常用软件消息通知中使用的颜色的种类,并根据不同种类颜色的使用率选择其中使用率最高的两种颜色作为该常用软件消息通知的颜色风格,并分析该常用软件消息通知中的文字的描述风格,结合颜色风格获取到该常用软件的第一通知方式,提高了对软件消息通知风格学习的效率和精准度。
附图说明
图1是本实施例一种课程学习提醒方法的步骤流程图;
图2是本实施例一种课程学习提醒方法中S200的子步骤流程示意图;
图3是本实施例一种课程学习提醒方法中S300的子步骤流程示意图;
图4是本实施例一种课程学习提醒方法中S301的子步骤流程示意图;
图5是本实施例一种课程学习提醒方法中S400的子步骤流程示意图;
图6是本实施例一种课程学习提醒方法中S500的子步骤流程示意图;
图7是本实施例一种课程学习提醒方法中S600的子步骤流程示意图;
图8是本实施例一种课程学习提醒方法中S700的子步骤流程示意图;
图9是本实施例一种课程学习提醒方法中S702的子步骤流程示意图;
图10是本实施例一种课程学习提醒系统的模块框图。
附图标记说明:1、学生规律模块;2、学习内容获取模块;3、疲劳数据获取模块;4、疲劳数据分析模块;5、学习内容分析模块;6、常用软件学习模块;7、学习行为判断模块;8、通知模块。
具体实施方式
以下结合附图1-10对本申请作进一步详细说明。
本申请实施例公开了一种课程学习提醒方法及系统。
在本实施例中,参照图1,一种课程学习提醒方法,包括以下步骤:
S100:获取学生的学习生活的时间规律,判断学生每天回家的时间点和睡眠的时间点;
S200:获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点;
S300:获取学生当前的身体健康数据,判断学生当前的疲劳程度;
S400:基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据课外学习时间、疲劳程度和当前知识点判断学生当前的课外学习内容;
S500:获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式;
S600:根据课外学习内容,生成初始学习提醒通知,并根据第一通知方式对学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上;
S700:获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒。
应当指出的是,上述步骤仅是优选的实施顺序,在具体实施过程中,在不影响整体实施效果的前提下,部分步骤可以调换。
参照图2,步骤S200中,获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点的步骤,包括:
S201:获取学生学习的教材的版本,对不同版本的教材的内容进行板块划分,获取内容板块;
S202:获取学生的历史学习内容和当前学习内容,将历史学习内容和当前学习内容对应至内容该板块上,获取历史内容该板块和当前内容板块;
S203:对历史内容板块和当前内容板块进行内容识别,获取历史候选知识点和当前候选知识点;
S204:将历史候选知识点和当前候选知识点与历史学习内容和当前学习内容进行比对,筛选出历史知识点和当前知识点。
运用中,不同的地区的学生使用的教材的版本不同,则教材中的教学内容会存在差别,根据不同地区的学生分辨不同的教材版本,例如,江苏地区的学生使用的数学教材为苏教版,则对苏教版的数学教材中的内容进行板块划分,获取每个章节的内容板块,当学生学习到第三章的内容时,获取第一章和第二章作为历史内容板块,第三章作为当前内容板块,并对其进行内容识别,获取第一、二、三章中的知识点,并作为历史候选知识点和当前候选知识点,教师在教学过程中,会有意识的将部分不需要的知识点进行忽略,因此将这些知识点与学生的学习内容进行对比,筛选出历史知识点和当前知识点。
参照图3,步骤S300中,获取学生当前的身体健康数据,判断学生当前的疲劳程度的步骤,包括:
S301:获取学生当前的心跳频率以及呼吸频率,根据心跳频率和呼吸频率获取学生的第一疲劳指数;
S302:获取学生在精力充沛情况下的语音,并生成标准语音特征;
S303:获取学生当前的语音,生成学生的当前语音特征,并与标准语音特征进行对比,获取学生的第二疲劳指数;
S304:获取学生在精力充沛情况下的手臂摆动所产生的加速度,并生成标准加速度特征;
S305:获取学生当前的手臂摆动产生的加速度,生成学生的当前加速度特征,并与标准加速度特征进行对比,获取学生的第三疲劳指数;
S306:根据第一疲劳指数、第二疲劳指数和第三疲劳指数进行结合判断学生当前的疲劳程度。
运用中,获取学生在回到家后的呼吸频率和心跳频率,当学生疲劳时,呼吸频率和心跳频率会发生变化,根据呼吸频率和心跳频率获取学生的第一疲劳指数,当学生疲劳时,说话声音的音调和语气也会发生变化,根据学生当前说话的声音特征与正常说话的声音特征进行对比获取第二疲劳指数,当学生疲劳时,身体四肢的摆动所产生的加速度会发生变化,疲劳时,身体和四肢的摆动处于不易控制的状态,根据学生当前手臂摆动产生的加速度特征与正常学生手臂摆动产生的加速度特征进行对比,获取第三疲劳指数,根据第一疲劳指数、第二疲劳指数和第三疲劳指数综合分析判断学生当前的疲劳程度。
参照图4,步骤S301中,学生当前的心跳频率以及呼吸频率,根据心跳频率和呼吸频率获取学生的第一疲劳指数的步骤,包括:
S3011:获取学生一天的心跳频率和呼吸频率的变化情况,并生成心跳频率的心跳频率曲线和呼吸频率的呼吸频率曲线;
S3012:对心跳频率和呼吸频率进行频率识别,判断学生的心跳频率和呼吸频率与正常的心跳频率和呼吸频率的心跳频率差和呼吸频率差:
S3013:根据心跳频率曲线和心跳频率差获取心跳变化指数,根据呼吸频率曲线和呼吸频率差获取呼吸变化指数;
S3014:基于心跳变化指数和呼吸变化指数获取第一疲劳指数。
运用中,获取学生一天中的心跳频率和呼吸频率的变化情况,在不同时间中学生的呼吸和心跳会发生变化,并生成心跳频率和呼吸频率的曲线图,当学生回家后获取学生的当前心跳频率和呼吸频率,并对比正常情况下的心跳频率和呼吸频率获取心跳频率和呼吸频率的差值,根据该差值和曲线图判断学生的第一疲劳指数。
参照图5,步骤S400中,基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据课外学习时间、疲劳程度、当前知识点以及历史知识点判断学生当前的课外学习内容的步骤,包括:
S401:基于学生回家的时间点和睡眠的时间点,并根据学生的休息、洗漱时间留存冗余时间,计算获取学生的课外学习时间;
S402:获取历史知识点的重要程度和当前知识点的重要程度,对所有的历史知识点和当前知识点进行重要程度排序,获取重要程度序列;
S403:获取每个历史知识点的最近一次的学习时间,对历史知识点在重要程度序列中的位置进行调整,获取知识点的综合序列;
S404:基于疲劳程度判断学生在当前疲劳状态下能够学习的知识点的数量;
S405:基于综合序列和学生在当前疲劳状态下所能够学习的知识点的数量选择适量且重要的知识点判断学生当前的课外学习内容。
运用中,根据学生回到家的时间点和上床休息的时间点,计算学生可用的学习时间,并为休息、洗漱的时间留存冗余时间,当需要为学生进行课程学习的安排时,对历史知识点和当前知识点进行重要程度的排序,并根据历史知识点的最近一次学习的时间,对历史知识点的排序进行调整,根据学生当前的疲劳程度判断学生本次学习能够学习多少内容,并在知识点序列中查找合适数量的知识点为学生安排学习内容。
参照图6,步骤S500中,获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式的步骤,包括:
S501:获取学生在智能设备上不同软件的使用时长,对智能设备上的软件进行使用时长的排序;
S502:获取使用时长最长的软件作为常用软件,并获取常用软件的消息通知的内容;
S503:提取常用软件的消息通知中的颜色种类,判断每种颜色种类的使用率,并选择使用率最高的两个颜色种类作为颜色风格;
S504:提取常用软件的消息通知中的描述风格,并结合颜色风格生成常用软件的第一通知方式。
运用中,根据学生使用的智能设备上的不同软件的使用时长,判断学生在学习和生活中最常用的软件的类型,例如,在学生的学习和生活中,发现该智能设备上支付宝的使用率最高,则根据支付宝消息通知中的颜色内容,判断出蓝色和白色是使用率最高的颜色,则将蓝色和白色作为颜色风格,同时根据支付宝的推送的内容,提取消息通知中文字的描述风格,最后将颜色风格和文字描述风格作为支付宝的第一通知方式。
参照图7,步骤S600中,根据课外学习内容,生成初始学习提醒通知,并根据第一通知方式对学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上的步骤,包括:
S601:根据课外学习内容,提取其中的关键词,获取学习提醒内容;
S602:基于第一通知风格,对学习提醒内容进行描述风格的修改;
S603:基于第一通知风格,生成具有第一通知风格的颜色风格的消息弹窗;
S604:将经过描述风格修改的学习提醒内容与消息弹窗进行组合,生成学习提醒通知,并将学习提醒通知发送至学生的智能设备上。
运用中,当需要对学生进行学习提醒时,根据课外学习内容提取关键词,并生成学习提醒内容,根据第一通知风格,将学习提醒内容改编成具有支付宝弹窗消息的风格的文字描述,并根据第一通知风格生成蓝白色组成的消息通知框,并将改编后的文字描述和消息通知框组合生成学习提醒通知,并发送至学生的智能设备上。
参照图8,步骤S700中,获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒的步骤,包括:
S701:获取后台数据,判断学生是否存在课外学习行为;
S702:若没有,则根据学生智能设备上软件的使用时长的排序,获取使用时长中排名第二、三、四名的软件,并获取第二通知方式、第三通知方式和第四通知方式;
S703:基于第二通知方式、第三通知方式和第四通知方式生成六条风格不同的学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为;
S704:若没有,则判定学生存在其他事务行为,同时停止学习提醒通知。
运用中,当到达学生学习的时间后,根据后台数据判断学生是否有上课行为,如果没有,则根据学生智能设备上软件的使用时长的排序,获取时长排名中第二、三、四名的软件,并学习他们的通知方式,生成第二通知方式、第三通知方式和第四通知方式,并生成六条风格不同的学习提醒通知,在前期为学生发送学习提醒通知的频率较低,若学生一直没有进入学习,提高发送学习提醒通知的频率,直到六条学习提醒通知发送完毕,则判定学生现在有其他事务需要处理,则停止向学生发送学习提醒通知。
参照图9,步骤S702中,基于第二通知方式、第三通知方式和第四通知方式生成六条风格不同的学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为的步骤,包括:
S7021:获取课程开始时间点,并基于时间点和睡眠时间点生成时间带;
S7022:基于时间带,根据变化的频率在时间带上打上六个标记;
S7023:基于第二通知方式、第三通知方式和第四通知方式生成六条风格不同的学习提醒通知;
S7024:六个标记与六个风格不同的学习提醒通知一一对应;
S7025:六个标记随时间变化距离逐渐变小;
S7026:根据时间到达六个标记的位置,发送标记所对应的学习提醒通知,并判断学生是否出现课外学习行为;
S7027:若有,则停止发送学习提醒通知,若没有,则当六个学习提醒通知都发送完毕后,停止发送学习提醒通知。
运用中,当学生没有进行上课行为时,获取课程开始的时间点和学生睡眠的时间点,并生成时间点,在该时间带上根据不同的频率做出六个标记,六个标记随时间变化,间隔越小,同时生成的六个学习提醒通知与六个标记一一对应,当时间到达标记点时,则将对应的学习提醒通知发送至学生的智能设备上,若检测到学生已经开始上课了,则停止发送学习提醒通知,若六条学习提醒通知全部发送完毕,则停止发送学习提醒通知。
参照图10,一种课程学习提醒系统,包括:
学生规律模块1:用于获取并分析学生的学习生活的规律,获取学生回家和睡眠的时间点;
学习内容获取模块2:用于获取学生的历史学习内容和当前学习内容;
疲劳数据获取模块3:用于获取学生身体的疲劳数据;
疲劳数据分析模块4:配置为与疲劳数据获取模块3数据连接,对所接收到的学生身体的疲劳数据进行分析,判断学生的疲劳程度;
学习内容分析模块5:配置为与学生规律模块1、学习内容获取模块2以及疲劳数据分析模块4数据连接,分析根据学生及学习内容的各项数据分析学生当前所需要学习的课程或知识点,并生成学习提醒通知;
常用软件学习模块6:用于获取学生智能设备上的常用软件,并学习他们的通知消息的风格;
学习行为判断模块7:用于判断学生当前是否有学习行为,并将判断结果进行输出;
通知模块8:配置为与常用软件学习模块6、学习内容分析模块5以及学习行为判断模块7数据连接,用于对所接收到的学习提醒通知进行风格修改以及向学生发出学习提醒通知。
本申请实施例一种课程学习提醒方法及系统的实施原理为:获取到学生的日常的学习生活的规律,判断学生每天放学回家的时间点和每天的睡眠的时间点,留存冗余时间方便学生去处理其他事务,将剩下的时间作为学习时间。
获取学生每天的学习内容,并根据该学习内容生成当前候选知识点,获取学生的历史学习内容,并生成历史候选知识点,根据不同地区的学生的教材版本不同,对教材进行划分,获取不同版本教材的内容板块,并根据历史候选知识点和当前候选知识点对应查找学习内容,将教师未提及的内容进行去除,获取历史知识点和当前知识点。
对学生的疲劳程度进行判断,获取学生的心跳频率和呼吸频率,生成第一疲劳指数,获取学生的说话的声音,生成第二疲劳指数,获取学生手臂摆动的加速度,生成第三疲劳指数,根据第一疲劳指数、第二疲劳指数和第三疲劳指数获取学生的疲劳程度,并根据学生的学习时间的时长、疲劳程度、历史知识点和当前知识点安排合理的课外学习内容。
根据学生在智能设备上使用软件的时长对软件进行排序,选择使用时长最长的作为常用软件,并学习该软件的消息通知方式,获取其消息通知的颜色风格和描述风格,并生成第一通知方式,根据课外学习内容生成初始学习提醒通知,并根据第一通知方式对初始学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上,提醒学生上课。同时根据后台数据判断学生是否存在课外学习行为,如果没有,则根据其他软件的通知风格对学生进行多次提醒,若在提醒过程中,学生开始进行课外学习,则停止发送,若多次发送学习提醒通知后,学生依旧没有进行课外学习,则判断学生在处理其他事务,则停止发送学习提醒通知。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种课程学习提醒方法,其特征在于,包括以下步骤:
获取学生的学习生活的时间规律,判断学生每天回家的时间点和睡眠的时间点;
获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点;
获取学生当前的身体健康数据,判断学生当前的疲劳程度;
基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据所述课外学习时间、所述疲劳程度、所述当前知识点以及所述历史知识点判断学生当前的课外学习内容;
获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式;
根据所述课外学习内容,生成初始学习提醒通知,并根据所述第一通知方式对所述学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上;
获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒。
2.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述获取学生的历史学习内容和当前学习内容,并识别学生学习的历史知识点和当前知识点的步骤,包括:
获取学生学习的教材的版本,对不同版本的教材的内容进行板块划分,获取内容板块;
获取学生的历史学习内容和当前学习内容,将所述历史学习内容和所述当前学习内容对应至内容该板块上,获取历史内容该板块和当前内容板块;
对历史内容板块和当前内容板块进行内容识别,获取历史候选知识点和当前候选知识点;
将所述历史候选知识点和当前候选知识点与所述历史学习内容和所述当前学习内容进行比对,筛选出历史知识点和当前知识点。
3.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述获取学生当前的身体健康数据,判断学生当前的疲劳程度的步骤,包括:
获取学生当前的心跳频率以及呼吸频率,根据所述心跳频率和呼吸频率获取学生的第一疲劳指数;
获取学生在精力充沛情况下的语音,并生成标准语音特征;
获取学生当前的语音,生成学生的当前语音特征,并与所述标准语音特征进行对比,获取学生的第二疲劳指数;
获取学生在精力充沛情况下的手臂摆动所产生的加速度,并生成标准加速度特征;
获取学生当前的手臂摆动产生的加速度,生成学生的当前加速度特征,并与所述标准加速度特征进行对比,获取学生的第三疲劳指数;
根据所述第一疲劳指数、所述第二疲劳指数和所述第三疲劳指数进行结合判断学生当前的疲劳程度。
4.根据权利要求3所述的一种课程学习提醒方法,其特征在于,获取学生当前的心跳频率以及呼吸频率,根据所述心跳频率和呼吸频率获取学生的第一疲劳指数的步骤,包括:
获取学生一天的所述心跳频率和所述呼吸频率的变化情况,并生成所述心跳频率的心跳频率曲线和所述呼吸频率的呼吸频率曲线;
对所述心跳频率和所述呼吸频率进行频率识别,判断学生的所述心跳频率和所述呼吸频率与正常的心跳频率和呼吸频率的心跳频率差和呼吸频率差:
根据所述心跳频率曲线和所述心跳频率差获取心跳变化指数,根据所述呼吸频率曲线和呼吸频率差获取呼吸变化指数;
基于所述心跳变化指数和所述呼吸变化指数获取第一疲劳指数。
5.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述基于学生回家的时间点和睡眠的时间点计算课外学习时间,根据所述课外学习时间、所述疲劳程度、所述历史知识点和所述当前知识点判断学生当前的课外学习内容的步骤,包括:
基于学生回家的时间点和睡眠的时间点,并根据学生的休息、洗漱时间留存冗余时间,计算获取学生的课外学习时间;
获取所述历史知识点的重要程度和所述当前知识点的重要程度,对所有的所述历史知识点和所述当前知识点进行重要程度排序,获取重要程度序列;
获取每个所述历史知识点的最近一次的学习时间,对所述历史知识点在所述重要程度序列中的位置进行调整,获取知识点的综合序列;
基于所述疲劳程度判断学生在当前疲劳状态下能够学习的知识点的数量;
基于所述综合序列和学生在当前疲劳状态下所能够学习的知识点的数量选择适量且重要的知识点判断学生当前的课外学习内容。
6.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述获取学生在智能设备上不同软件的使用时长,判断学生最常使用的软件的消息通知的第一通知方式的步骤,包括:
获取学生在智能设备上不同软件的使用时长,对所述智能设备上的软件进行使用时长的排序;
获取使用时长最长的软件作为常用软件,并获取所述常用软件的消息通知的内容;
提取所述常用软件的消息通知中的颜色种类,判断每种颜色种类的使用率,并选择使用率最高的两个颜色种类作为颜色风格;
提取所述常用软件的消息通知中的描述风格,并结合所述颜色风格生成所述常用软件的第一通知方式。
7.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述根据所述课外学习内容,生成初始学习提醒通知,并根据所述第一通知方式对所述学习提醒通知进行风格修改,生成学习提醒通知,并发送至学生的智能设备上的步骤,包括:
根据所述课外学习内容,提取其中的关键词,获取学习提醒内容;
基于所述第一通知风格,对所述学习提醒内容进行描述风格的修改;
基于所述第一通知风格,生成具有所述第一通知风格的颜色风格的消息弹窗;
将经过描述风格修改的所述学习提醒内容与所述消息弹窗进行组合,生成学习提醒通知,并将所述学习提醒通知发送至学生的智能设备上。
8.根据权利要求1所述的一种课程学习提醒方法,其特征在于,所述获取后台数据,判断学生是否存在课外学习行为,若没有,则对学生进行进一步提醒的步骤,包括:
获取后台数据,判断学生是否存在课外学习行为;
若没有,则根据学生智能设备上软件的使用时长的排序,获取使用时长中排名第二、三、四名的软件,并获取第二通知方式、第三通知方式和第四通知方式;
基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为;
若没有,则判定学生存在其他事务行为,同时停止学习提醒通知。
9.根据权利要求8所述的一种课程学习提醒方法,其特征在于,所述基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知,并随时间的变化逐步提高通知频率,并判断学生是否出现课外学习行为的步骤,包括:
获取课程开始时间点,并基于所述时间点和所述睡眠时间点生成时间带;
基于所述时间带,根据变化的频率在所述时间带上打上六个标记;
基于所述第二通知方式、第三通知方式和第四通知方式生成六条风格不同的所述学习提醒通知;
所述六个标记与六个风格不同的所述学习提醒通知一一对应;
所述六个标记随时间变化距离逐渐变小;
根据时间到达所述六个标记的位置,发送标记所对应的学习提醒通知,并判断学生是否出现课外学习行为;
若有,则停止发送所述学习提醒通知,若没有,则当六个所述学习提醒通知都发送完毕后,停止发送所述学习提醒通知。
10.一种课程学习提醒系统,其特征在于,包括:
学生规律模块(1):用于获取并分析学生的学习生活的规律,获取学生回家和睡眠的时间点;
学习内容获取模块(2):用于获取学生的历史学习内容和当前学习内容;
疲劳数据获取模块(3):用于获取学生身体的疲劳数据;
疲劳数据分析模块(4):配置为与所述疲劳数据获取模块(3)数据连接,对所接收到的学生身体的疲劳数据进行分析,判断学生的疲劳程度;
学习内容分析模块(5):配置为与所述学生规律模块(1)、所述学习内容获取模块(2)以及所述疲劳数据分析模块(4)数据连接,分析根据学生及学习内容的各项数据分析学生当前所需要学习的课程或知识点,并生成学习提醒通知;
常用软件学习模块(6):用于获取学生智能设备上的常用软件,并学习他们的通知消息的风格;
学习行为判断模块(7):用于判断学生当前是否有学习行为,并将判断结果进行输出;
通知模块(8):配置为与所述常用软件学习模块(6)、学习内容分析模块(5)以及学习行为判断模块(7)数据连接,用于对所接收到的学习提醒通知进行风格修改以及向学生发出学习提醒通知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311428662.4A CN117350693A (zh) | 2023-10-31 | 2023-10-31 | 一种课程学习提醒方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311428662.4A CN117350693A (zh) | 2023-10-31 | 2023-10-31 | 一种课程学习提醒方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117350693A true CN117350693A (zh) | 2024-01-05 |
Family
ID=89369125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311428662.4A Withdrawn CN117350693A (zh) | 2023-10-31 | 2023-10-31 | 一种课程学习提醒方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117350693A (zh) |
-
2023
- 2023-10-31 CN CN202311428662.4A patent/CN117350693A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
VanDerHeyden et al. | Essentials of response to intervention | |
US6299452B1 (en) | Diagnostic system and method for phonological awareness, phonological processing, and reading skill testing | |
US7286793B1 (en) | Method and apparatus for evaluating educational performance | |
US6350128B1 (en) | Rapid automatized naming method and apparatus | |
CN110010247A (zh) | 一种基于人工智能的个性化体质健康终端服务系统 | |
CN108597278A (zh) | 一种中小学生数字化课堂智能交互教学系统 | |
CN110189238A (zh) | 辅助学习的方法、装置、介质以及电子设备 | |
CN114388103A (zh) | 一种针对青少年心理预警分析的算法 | |
KR20130099714A (ko) | 인지 능력 증진 시스템 및 그를 이용한 인지 능력 훈련 방법 | |
CN102467835A (zh) | 学习终端检选数字内容的系统及方法 | |
Adams et al. | Do we remember when to better recall what? Repetition benefits are probably not due to explicit temporal context memory | |
CN117350693A (zh) | 一种课程学习提醒方法及系统 | |
Culbertson | Pharmaceutical care plan examinations to identify students at risk for poor performance in advanced pharmacy practice experiences | |
US20160335902A1 (en) | Computerized system for providing activities | |
JP2007226458A (ja) | 授業管理装置および授業管理方法 | |
Perez et al. | Implementation of a test constructor utilizing a calibrated item bank using 3PL-IRT model | |
KR20090000699A (ko) | 인터넷을 이용한 독서논술능력 평가시스템 및 그 방법 | |
SCOFIELD | Inhibitory Control and Patterns of Errors in Resolution of Syntactically Ambiguous Sentences | |
Thomas et al. | Evaluation of Parent–Researcher Agreement on the Vocal Development Landmarks Interview | |
Weiss | Computerized Adaptive Ability Measurement. | |
Bochner et al. | Simple Discrimination Isn't Really Simple A Confirmatory Analysis of the Speech Sound Pattern Discrimination Test | |
CN115829377A (zh) | 一种基于grm模型的试题区分度评估方法 | |
Tanner | Concurrent validity and diagnostic accuracy of curriculum based assessment: Comparing the DIBELS to the CTOPP | |
Mandel et al. | Emergence of auditory–visual discrimination and tacts through exclusionary responding | |
Mitchell | Academic Screening in Middle School: How well do AIMSweb Measures of Oral Reading Fluency, and NWEA Measures of Academic Progress, Predict Future Performance on State Exams |
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 |
Application publication date: 20240105 |
|
WW01 | Invention patent application withdrawn after publication |