CN117390401B - 一种基于云平台的校园体育数字化管理系统和方法 - Google Patents
一种基于云平台的校园体育数字化管理系统和方法 Download PDFInfo
- Publication number
- CN117390401B CN117390401B CN202311648837.2A CN202311648837A CN117390401B CN 117390401 B CN117390401 B CN 117390401B CN 202311648837 A CN202311648837 A CN 202311648837A CN 117390401 B CN117390401 B CN 117390401B
- Authority
- CN
- China
- Prior art keywords
- students
- sports
- student
- data
- sample
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 66
- 230000003993 interaction Effects 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000000386 athletic effect Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 210000003205 muscle Anatomy 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 210000000748 cardiovascular system Anatomy 0.000 description 3
- 239000002360 explosive Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000001604 Rao's score test Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- 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)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于云平台的校园体育数字化管理系统和方法,涉及数据处理领域,其中,该系统包括:数据获取模块,用于获取多个学生的相关数据;教学管理模块,用于对多个学生的相关数据进行分析,确定教学课程;运动监督模块,用于在进行教学课程的过程中,获取多个学生的运动数据,并对多个学生的运动数据进行分析,确定多个学生的体育学习进度;成绩管理模块,用于基于多个学生的体育学习进度,制定至少一次体育考试,获取多个学生在体育考试的体育测试成绩,并对多个学生的体育测试成绩进行分析,生成分析报告,并对教学课程进行调整,具有对校园体育相关数据进行挖掘、分析处理,提高校园体育教学管理的质量的优点。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种基于云平台的校园体育数字化管理系统和方法。
背景技术
在学生的学习生涯中,体育教学为必要性项目课程,可有效促进学生的体质健康,通过进行体育成绩评估,学员的各项体育项目数据可展示学员的身体素质,基于评估结果可对学生的健康管理起导向作用,进行正向健康反馈。学校对体育教学也是格外重视,开设了各种体育教学项目,如跑步、跳远、掷铅球、球类、跳绳、引体向上等。体育教学是运用合理的教学手段和科学的锻炼过程,增强学生的身体素质和体育能力。但是现在大部分校园体育教学管理存在一些明显的弊端。例如,现有的体育教学,主要通过教学人员进行教学记录和考试成绩记录,效率较低,且不能实现对该部分数据的挖掘和分析,使得体育教学质量无法得到提升。
因此,需要提供一种基于云平台的校园体育数字化管理系统和方法,用于对校园体育相关数据进行挖掘、分析处理,提高校园体育教学管理的质量。
发明内容
本发明提供了一种基于云平台的校园体育数字化管理系统,包括:数据获取模块,用于获取多个学生的相关数据;教学管理模块,用于对所述多个学生的相关数据进行分析,确定教学课程;运动监督模块,用于在进行所述教学课程的过程中,获取所述多个学生的运动数据,并对所述多个学生的运动数据进行分析,确定所述多个学生的体育学习进度;成绩管理模块,用于基于所述多个学生的体育学习进度,制定至少一次体育考试,获取所述多个学生在所述体育考试的体育测试成绩,并对所述多个学生的体育测试成绩进行分析,生成分析报告,并对所述教学课程进行调整。
更进一步地,所述数据获取模块获取所述多个学生的相关数据,包括:获取所述多个学生的体检数据;获取所述多个学生在多个身体素质测试项目的测试成绩;获取所述多个学生对体育项目兴趣问卷调查的反馈结果。
更进一步地,所述教学管理模块对所述多个学生的相关数据进行分析,确定教学课程,包括:获取多个体育项目的样本数据,并基于所述多个体育项目的样本数据,建立每个所述体育项目对应的画像;基于所述多个学生的相关数据,建立多个学生画像;对于每个所述学生画像,基于所述学生画像及每个所述体育项目对应的画像,确定所述教学课程。
更进一步地,所述教学管理模块基于所述多个学生的相关数据,建立多个学生画像,包括:基于所述多个学生的体检数据,确定每个所述学生的基础身体特征;基于所述多个学生在多个身体素质测试项目的测试成绩,确定每个所述学生的身体素质特征;基于所述多个学生对体育项目兴趣问卷调查的反馈结果,确定每个所述学生的运动爱好特征;对于任意两个学生,基于所述两个学生的基础身体特征、身体素质特征及运动爱好特征,计算所述两个学生的学生相似度;基于任意两个学生的学生相似度,对所述多个学生进行聚类,确定多个第二学生聚类簇,其中,一个所述第二学生聚类簇包括多个学生;对于每个所述第二学生聚类簇,基于所述第二学生聚类簇包括的学生的基础身体特征、身体素质特征及运动爱好特征,建立所述第二学生聚类簇对应的学生画像;获取所述多个学生在多个身体素质测试项目的测试成绩,包括:建立候选测试项目数据库;获取样本学生集在多个候选身体素质测试项目的测试成绩;基于样本学生集包括的多个样本学生的特征数据,对样本学生集包括的多个样本学生进行聚类,生成多个样本学生聚类簇;对于每项候选身体素质测试项目,基于每个样本学生聚类簇的样本学生在所述候选身体素质测试项目的测试成绩,确定所述候选身体素质测试项目与所述样本学生聚类簇的项目与学生关联度;基于每项候选身体素质测试项目与每个所述样本学生聚类簇之间的项目与学生关联度,确定每个所述样本学生聚类簇关联的身体素质测试项目;基于每个学生的特征数据、每个所述样本学生聚类簇的聚类中心的特征数据及关联的身体素质测试项目,确定每个学生对应的多个身体素质测试项目,获取每个学生在对应的多个身体素质测试项目的测试成绩。
更进一步地,所述运动监督模块包括多个数据采集单元及多个数据处理单元,其中,一个所述数据处理单元对应至少一个所述数据采集单元,所述数据采集单元用于获取所述学生的运动数据;所述数据处理单元用于基于对应的所述至少一个所述数据采集单元采集的所述学生的运动数据进行分析,确定所述学生的体育学习进度。
更进一步地,所述成绩管理模块基于所述多个学生的体育学习进度,制定至少一次体育考试,包括:对于每个所述第二学生聚类簇,基于所述第二学生聚类簇包括的多个学生的体育学习进度,确定所述第二学生聚类簇对应的体育考试数据,其中,所述体育考试数据至少包括体育考试时间及至少一个体育考试项目;基于所述第二学生聚类簇包括的多个学生的相关数据及所述第二学生聚类簇对应的体育考试数据,制定体育考试对应评分规则。
更进一步地,所述系统还包括器材管理模块,用于对所述教学课程中使用的多个体育器材的状态进行监测,并基于所述教学课程中使用的体育器材的状态及所述教学课程,生成对所述多个体育器材的管理策略。
更进一步地,所述系统还包括数据交互模块,用于与多个用户终端进行数据交互,其中,所述多个用户终端至少包括教育行政机构终端、学校终端及家长终端。
更进一步地,所述系统还包括数据存储模块,用于对所述多个学生的相关数据、教学课程、体育学习进度及分析报告进行加密,并基于云存储技术对加密后的多个学生的相关数据、教学课程、体育学习进度及分析报告进行存储。
本发明提供了一种基于云平台的校园体育数字化管理方法,包括:获取多个学生的相关数据;对所述多个学生的相关数据进行分析,确定教学课程;在进行所述教学课程的过程中,获取所述多个学生的运动数据,并对所述多个学生的运动数据进行分析,确定所述多个学生的体育学习进度;基于所述多个学生的体育学习进度,制定至少一次体育考试,获取所述多个学生在所述体育考试的体育测试成绩,并对所述多个学生的体育测试成绩进行分析,生成分析报告,并对所述教学课程进行调整。
相比于现有技术,本发明提供的一种基于云平台的校园体育数字化管理系统和方法,至少具备以下有益效果:
1、实现了教学课程的自动化,可以替代老师完成学生的运动数据的采集与分析,使得学生的运动数据的采集更加准确,减少遗漏,并且,使得学生的相关数据与教学课程进行结合,可以制定出更匹配学生的身体素质的教学课程,进一步地,实现体育考试的自动化,并对多个学生的体育测试成绩进行分析,生成分析报告,并对教学课程进行调整,实现了课程的反馈调整,提高了校园体育教学管理的质量;
2、通过基于任意两个学生的学生相似度,对多个学生进行聚类,确定多个第二学生聚类簇,实现对多个学生进行分类,进而确定每一类学生的教学课程,保证教学课程与学生的实际情况匹配的同时,提高了教学课程确定的效率;
3、通过获取学生的体检数据、测试成绩及对体育项目兴趣问卷调查的反馈结果,从多个维度对学生的情况进行分析,进而使得确定的教学课程更符合学生的实际身体素质及兴趣爱好,提高学生对体育课程的热情的同时对学生的身体素质进行有效的提升;
4、通过基于第二学生聚类簇包括的多个学生的体育学习进度,确定第二学生聚类簇对应的体育考试数据,基于第二学生聚类簇包括的多个学生的相关数据及第二学生聚类簇对应的体育考试数据,制定体育考试对应评分规则,实现对学生的分类考核和身体素质提升情况的有效监督。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种基于云平台的校园体育数字化管理系统的模块示意图;
图2是根据本说明书一些实施例所示的一种基于云平台的校园体育数字化管理方法的流程示意图;
图3是根据本说明书一些实施例所示的建立多个学生画像的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的一种基于云平台的校园体育数字化管理系统的模块示意图,如图1所示,一种基于云平台的校园体育数字化管理系统可以包括数据获取模块、教学管理模块、运动监督模块、成绩管理模块、器材管理模块、数据交互模块及数据存储模块。下面依次对各个模块进行详细说明。
数据获取模块可以用于获取多个学生的相关数据。
学生的相关数据可以包括与学生的身体素质相关的数据,例如,心肺耐力、身体成分、肌肉耐力、肌肉力量和柔韧性等数据。
在一些实施例中,数据获取模块获取多个学生的相关数据,包括:
获取多个学生的体检数据;
获取多个学生在多个身体素质测试项目的测试成绩;
获取多个学生对体育项目兴趣问卷调查的反馈结果。
具体的,可以从学校组织的体检活动中获取多个学生的体检结果,例如,学生的身高、体重、血压、内脏、五官、心脏、脊柱等方面的检查结果。
身体素质测试项目可以为基础的运动项目,用于确定学生的速度、耐力、力量、灵敏、柔韧等身体素质基础。例如,台阶试验、一千米跑步测试、立定跳远测试、握力测试等。其中,台阶试验指数是一种简易的评价心血管系统机能的定量负荷实验。该测试主要是通过观察定量负荷持续运动的时间、运动中心血管的反应负荷后心率恢复速度的关系(台阶指数)来评定心血管系统机能水平。台阶试验指数值越大,则反映心血管系统的机能水平越高。立定跳远主要是测量向前跳跃时下肢肌肉的爆发力。爆发力要求在最短时间内发挥最大的力量,其大小不仅取决于力量,而且取决于力量和速度的结合。腿部的爆发力以腿部的力量为基础。握力测试评价的是学生肌肉静力的最大力量状况,主要反映前臂和手部肌肉的力量,因其与其他肌群的力量有关,所以也是反映肌肉总体力量的一个指标。握力指数反映的是肌肉的相对力量,即每公斤体重的握力。
在一些实施例中,数据获取模块可以通过以下流程确定多个身体素质测试项目:
建立候选测试项目数据库,其中,候选测试项目数据库可以包括多项候选身体素质测试项目,例如,30米跑、30秒跳绳、50米跑、50米跳绳、25米*4往返跑、一分钟仰卧起坐、坐位体前屈等;
获取样本学生集在多个候选身体素质测试项目的测试成绩,其中,样本学生集可以包括多个年龄段的学生,例如,5-7岁、8-11岁、12-14岁、14-17岁、18-21岁、22-24岁等;
基于样本学生集包括的多个样本学生的特征数据,对样本学生集包括的多个样本学生进行聚类,生成多个样本学生聚类簇,其中,样本学生的特征可以包括年龄、性别、体检数据等;
对于每项候选身体素质测试项目,基于每个样本学生聚类簇的样本学生在该候选身体素质测试项目的测试成绩,确定该候选身体素质测试项目与该样本学生聚类簇的项目与学生关联度,并将项目与学生关联度大于预设项目与学生关联度阈值的候选身体素质测试项目,作为该样本学生聚类簇的关联的身体素质测试项目;
对于当前的多个学生,基于多个学生的特征数据,对多个学生进行聚类,生成多个第一学生聚类簇,其中,学生的特征数据可以包括年龄、性别、体检数据等;
对于每个第一学生聚类簇,计算该第一学生聚类簇的聚类中心的特征数据与任意一个样本学生聚类簇的聚类中心的特征数据之间的余弦相似度,将余弦相似度大于预设余弦相似度阈值的样本学生聚类簇,作为该第一学生聚类簇的目标样本学生聚类簇,若目标样本学生聚类簇的数量为1,则将该目标样本学生聚类簇的关联的身体素质测试项目作为该第一学生聚类簇包括的多个学生的身体素质测试项目;若目标样本学生聚类簇的数量大于1,则对几个目标样本学生聚类簇的关联的身体素质测试项目进行去重融合,确定该第一学生聚类簇包括的多个学生的身体素质测试项目。
例如,可以根据以下公式确定候选身体素质测试项目与样本学生聚类簇的项目与学生关联度:
其中,为第i个候选身体素质测试项目与第j个样本学生聚类簇的项目与学生
关联度,为第j个样本学生聚类簇包括的第n个样本学生在第i个候选身体素质测试项目
的测试成绩,为第j个样本学生聚类簇包括的第m个样本学生在第i个候选身体素质测试
项目的测试成绩,N为第j个样本学生聚类簇包括的样本学生的总数。
可以理解的,当样本学生聚类簇包括的多个样本学生在某个项目的测试成绩较为平均时,可以认为该项目对于该样本学生聚类簇的样本学生的难度过大或过低,而样本学生聚类簇包括的多个样本学生在某个项目的测试成绩差别较大时,可以认为该样本学生聚类簇的样本学生在该项目上表现的身体素质存在差异,可以将该项目作为该样本学生聚类簇对应的身体素质测试项目。
问卷调查可以用于获取学生的运动倾向,例如,喜欢的运动项目、喜欢的体育选手、合适的运动时间等。
教学管理模块可以用于对多个学生的相关数据进行分析,确定教学课程。在一些实施例中,教学管理模块对多个学生的相关数据进行分析,确定教学课程,包括:
获取多个体育项目的样本数据,并基于多个体育项目的样本数据,建立每个体育项目对应的画像,其中,体育项目对应的画像可以包括多个运动标签,例如,运动强度、锻炼的肌肉、使用的设备等;
基于多个学生的相关数据,建立多个学生画像;
对于每个学生画像,基于学生画像及每个体育项目对应的画像,确定教学课程。
例如,教学管理模块可以根据学生画像及每个体育项目对应的画像,确定运动强度符合该学生的身体素质的教学课程。仅作为示例的,学生A的身体素质较差,确定的学生A在时间段1的教学课程包括一周两次400米跑及一周两次的二十分钟羽毛球运动,学生A在时间段2的教学课程包括一周两次800米慢跑及一周两次的二十分钟网球运动,其中,时间段2在时间段1后,而学生B的身体素质较强,确定学生B在时间段1和时间段2的教学课程包括一周两次800米慢跑及一周两次的二十分钟网球运动。
又例如,教学管理模块可以根据学生画像及每个体育项目对应的画像,确定符合该学生的兴趣爱好的教学课程。仅作为示例的,学生C爱好羽毛球,则学生C的教学课程可以包括羽毛球课,学生D爱好篮球,则学生C的教学课程可以包括篮球课。
图3是根据本说明书一些实施例所示的建立多个学生画像的流程示意图,如图3所示,在一些实施例中,教学管理模块基于多个学生的相关数据,建立多个学生画像,包括:
基于多个学生的体检数据,确定每个学生的基础身体特征;
基于多个学生在多个身体素质测试项目的测试成绩,确定每个学生的身体素质特征;
基于多个学生对体育项目兴趣问卷调查的反馈结果,确定每个学生的运动爱好特征;
对于任意两个学生,基于两个学生的基础身体特征、身体素质特征及运动爱好特征,计算两个学生的学生相似度;
基于任意两个学生的学生相似度,对多个学生进行聚类,确定多个第二学生聚类簇,其中,一个第二学生聚类簇包括多个学生;
对于每个第二学生聚类簇,基于第二学生聚类簇包括的学生的基础身体特征、身体素质特征及运动爱好特征,建立第二学生聚类簇对应的学生画像,其中,学生画像可以包括多个学生标签,例如,基础身体特征标签、身体素质特征标签及运动爱好特征标签。
具体的,教学管理模块可以先基于两个学生的基础身体特征,确定该两个学生的基础身体特征相似度,基于该两个学生的身体素质特征,确定该两个学生的身体素质特征相似度,并该两个学生的运动爱好特征,确定该两个学生的运动爱好特征相似度,最后对该两个学生的基础身体特征相似度、身体素质特征相似度及运动爱好特征相似度进行加权求和,计算该两个学生的学生相似度。
例如,可以基于以下公式计算两个学生的学生相似度:
其中,为第p个学生和第q个学生的学生相似度,为第p个学生
和第q个学生的基础身体特征相似度,为第p个学生和第q个学生的身体素质特
征相似度,为第p个学生和第q个学生的运动爱好特征相似度,、、均为预设
权重。
在一些实施例中,对于每个第二学生聚类簇,基于第二学生聚类簇对应的学生画像及每个体育项目对应的画像,确定教学课程可以具体包括:基于第二学生聚类簇对应的学生画像的运动爱好特征标签,筛选与第二学生聚类簇的学生偏好的运动项目,根据该偏好的运动项目的运动强度、锻炼的肌肉、使用的设备是否为可用的运动项目,例如,该偏好的运动项目的运动强度超过了第二学生聚类簇的学生的身体素质承受范围,则该偏好的运动项目为不可用的运动项目。又例如,该偏好的运动项目所使用的设备暂无,则该偏好的运动项目为不可用的运动项目。最后根据可用的运动项目确定教学课程。例如,对于第二学生聚类簇1,偏好的运动项目包括2000米跑和1000米跑,2000米跑超过了第二学生聚类簇1的学生的身体素质承受范围,则确定第二学生聚类簇1的教学课程为:一周两次1000米跑。在一些实施例中,教学管理模块可以通过课程确定模型基于第二学生聚类簇对应的学生画像及每个体育项目对应的画像,确定该第二学生聚类簇对应的教学课程。其中,课程确定模型可以为人工神经网络(Artificial Neural Network,ANN)模型,课程确定模型的输入可以包括第二学生聚类簇对应的学生画像及每个体育项目对应的画像,课程确定模型的输出可以包括该第二学生聚类簇对应的教学课程。可以理解的,同一个第二学生聚类簇,不同时间段的教学课程可以不同,并且,教学管理模块可以基于第二学生聚类簇对上一个时间段的教学课程的反馈,调整后续时间段的教学课程进行灵活调整。例如,第二学生聚类簇对上一个时间段的教学课程的反馈兴趣不大,则可以更换后续时间段的教学课程包含的体育项目的类型。又例如,第二学生聚类簇对上一个时间段的教学课程的反馈运动强度过大,则可以适当减小后续时间段的教学课程的运动强度。
运动监督模块可以用于在进行教学课程的过程中,获取多个学生的运动数据,并对多个学生的运动数据进行分析,确定多个学生的体育学习进度。
在一些实施例中,运动监督模块包括多个数据采集单元及多个数据处理单元,其中,一个数据处理单元对应至少一个数据采集单元,数据采集单元用于获取学生的运动数据。数据处理单元用于基于对应的至少一个数据采集单元采集的学生的运动数据进行分析,确定学生的体育学习进度。具体的,,数据采集单元可以包括身份识别设备及数据采集设备,其中,身份识别设备用于在运动前确定学生的身份,例如,通过人脸识别、指纹识别等方式确定学生的身份。身份确定后,数据采集设备用于采集该学生的运动数据。可以理解的,数据采集单元可以设置在运动器械上,也可以被学生佩戴在身上。数据处理单元可以根据数据采集设备采集的该学生的运动数据,确定该学生的体育学习进度。例如,学生A在时间段1的教学课程包括一周两次400米跑及一周两次的二十分钟羽毛球运动,数据处理单元1可以根据佩戴在学生A身上的数据采集单元1采集的运动轨迹,确定学生A的跑步距离,判断学生A是否完成一周两次400米跑,并通过设置在羽毛球场的数据采集单元2采集的学生A的运动图像,确定学生A的羽毛球运动时间,判断学生A是否完成一周两次的二十分钟羽毛球运动。当学生A在时间段1内均完成了一周两次400米跑及一周两次的二十分钟羽毛球运动,则学生A在时间段1内的体育学习进度为100%。
多个数据采集单元与多个数据处理单元可以通过无线通信的方式进行数据交互。
在一些实施例中,多个数据采集单元与多个数据处理单元的对应关系可以为预设的固定的对应关系。
在一些实施例中,多个数据采集单元与多个数据处理单元的对应关系还可以根据教学课程进行灵活调整。
具体的,对于每个数据采集单元,运动监督模块可以通过算力确定模型基于多个教学课程,确定数据采集单元在至少一个目标时间段的使用频率及采集的运动数据的数据量,从而计算数据采集单元对应的算力预算,其中,算力确定模型可以为长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型,算力确定模型的输入包括数据采集单元在至少一个目标时间段的使用频率及采集的运动数据的数据量,算力确定模型的输出包括该数据采集单元对应的算力预算;
通过蒙特拉罗模型基于约束条件集生成多个对应关系方案,其中,约束条件集可以包括数据处理单元对应的数据采集单元的最大数量约束、数据处理单元对应的数据采集单元的最小数量约束、数据处理单元与对应的数据采集单元之间的最大通信距离约束等;
基于多个方案评价指标,确定每个对应关系方案的匹配值,其中,方案评价指标可以至少包括算力负载均衡指标及通信质量指标等;
基于每个对应关系方案的匹配值,从多个对应关系方案中确定最优的对应关系方案,并基于最优的对应关系方案调整多个数据采集单元与多个数据处理单元的对应关系。
成绩管理模块可以用于基于多个学生的体育学习进度,制定至少一次体育考试,获取多个学生在体育考试的体育测试成绩,并对多个学生的体育测试成绩进行分析,生成分析报告,帮助决策层评估考试效果,指导体育教学,并对教学课程进行调整。
在一些实施例中,成绩管理模块基于多个学生的体育学习进度,制定至少一次体育考试,包括:
对于每个第二学生聚类簇,基于第二学生聚类簇包括的多个学生的体育学习进度,确定第二学生聚类簇对应的体育考试数据,其中,体育考试数据至少包括体育考试时间及至少一个体育考试项目,具体的,成绩管理模块可以基于第二学生聚类簇包括的多个学生的体育学习进度,确定体育考试时间,并基于第二学生聚类簇包括的多个学生的教学课程包含的运动项目确定至少一个体育考试项目,例如,当第二学生聚类簇包括的学生超过90%均完成了时间段1和时间段2的教学课程的运动要求,则成绩管理模块可以安排在最近一个月内进行体育考试,并将该第二学生聚类簇包括的多个学生的教学课程包含的运动项目作为体育考试项目,仅作为示例,该第二学生聚类簇包括的多个学生的教学课程包含400米跑,则体育考试项目可以包括400米跑,可以理解的,同一个第二学生聚类簇在不同的体育学习进度对应的体育考试的具体内容和评分规则可以不同;
基于第二学生聚类簇包括的多个学生的相关数据及第二学生聚类簇对应的体育考试数据,制定体育考试对应评分规则,自动计算并生成每个学生的最终体育成绩。避免了人工计算产生的工作量,同时能确保成绩计算的准确无误。
在一些实施例中,采用微信小程序移动端录入,同时针对体育课堂教学、课堂成绩测试做出了针对性交互优化,体育教师可以快速录入方案中规定的各类体育成绩确保成绩实时准确采集。
器材管理模块可以用于对教学课程中使用的多个体育器材的状态进行监测,并基于教学课程中使用的体育器材的状态及教学课程,生成对多个体育器材的管理策略。
在一些实施例中,器材管理模块可以包括多个器材数据获取单元及多个器材故障判断单元,体育器材上可以设置有至少一个器材数据获取单元,器材数据获取单元可以包括至少一个用于获取体育器材的状态数据的设备,例如,振动传感器、声音采集装置及多轴传感器等。
具体的,器材管理模块可以基于体育器材的历史故障数据,确定体育器材可能发生的故障类型,进而确定体育器材上需要进行监测的至少一个位置,并在该位置设置器材数据获取单元。
多个器材数据获取单元与多个器材故障判断单元可以通过无线通信的方式进行数据交互。
器材故障判断单元可以通过机器学习模型基于器材数据获取单元获取的体育器材的状态数据,判断体育器材是否处于故障状态且发生故障的类型。
在一些实施例中,云平台上可以设置有多种故障监测模型,其中,一种故障监测模型可以对应一种体育器材。
在一些实施例中,器材管理模块可以基于多个学生的教学课程,确定在至少一个目标时间段需要用到的体育器材作为候选体育器材,并确定候选体育器材在至少一个目标时间段使用频率,并结合候选体育器材的历史状态数据,预测候选体育器材在至少一个目标时间段故障概率,将故障概率大于预设故障概率阈值的候选体育器材作为目标体育器材,计算设置在该目标体育器材上的器材数据获取单元在至少一个目标时间段获取的数据的数据量及在至少一个目标时间段用于处理该目标体育器材上的器材数据获取单元获取的数据的算力要求,进而确定设置在该目标体育器材上的器材数据获取单元对应的器材故障判断单元,云平台可以将对应的机器学习模型下发至该器材故障判断单元,器材故障判断单元可以通过下发的机器学习模型基于目标体育器材上的器材数据获取单元在至少一个目标时间段获取的数据,确定体育器材的状态。
在一些实施例中,可以通过以下流程确定目标体育器材上的器材数据获取单元对应的器材故障判断单元:
确定目标体育器材上的器材数据获取单元与每个器材故障判断单元之间的通信距离及障碍物数据,计算器材数据获取单元与每个器材故障判断单元之间的通信质量,并将通信质量大于通信质量阈值的器材故障判断单元作为候选器材故障判断单元,可以理解的,器材数据获取单元与器材故障判断单元之间的通信距离越长和/或障碍物越多,器材数据获取单元与器材故障判断单元之间的通信质量越差,通信质量阈值可以基于候选体育器材在至少一个目标时间段故障概率及目标体育器材上的器材数据获取单元在至少一个目标时间段获取的数据的数据量确定,候选体育器材在至少一个目标时间段故障概率越大和/或目标体育器材上的器材数据获取单元在至少一个目标时间段获取的数据的数据量越大,通信质量阈值越高;
对于每个候选器材故障判断单元,确定该候选器材故障判断单元的当前剩余算力,将候选器材故障判断单元的当前剩余算力大于在至少一个目标时间段用于处理该目标体育器材上的器材数据获取单元获取的数据的算力要求的候选器材故障判断单元作为目标器材故障判断单元;
基于目标器材故障判断单元的当前剩余算力进行排序,确定最优的器材故障判断单元,作为目标体育器材上的器材数据获取单元对应的器材故障判断单元,例如,将当前剩余算力最大的器材故障判断单元作为最优的器材故障判断单元。
在一些实施例中,当判断体育器材发生故障时,可以生成对多个体育器材的管理策略,例如,控制发生故障的体育器材发出提示数据,并通知后勤部门对发生故障的体育器材进行维修。
数据交互模块可以用于与多个用户终端进行数据交互,其中,多个用户终端至少包括教育行政机构终端、学校终端及家长终端。
系统提供PC网页端和移动小程序端两种管理方式,实现学生的编班、学籍数据管理和学习成绩管理。教师可清晰掌握每个班级的基本情况和体育学习进度。还可以实现教育行政机构、学校、家长的数据交互,各级用户可以实时掌握考试进展和学生成绩数据,增强了家校沟通,便于各级管理。
数据存储模块可以用于对多个学生的相关数据、教学课程、体育学习进度及分析报告进行加密,并基于云存储技术对加密后的多个学生的相关数据、教学课程、体育学习进度及分析报告进行存储。
在一些实施例中,数据存储模块可以通过任意方式对多个学生的相关数据、教学课程、体育学习进度及分析报告进行加密。例如,数据存储模块可以先基于学生对应的私钥,对学生的相关数据、教学课程、体育学习进度及分析报告进行第一次加密,生成第一次加密后的数据包,再基于学生的特征数据(例如,学生的学号、运动爱好等)对第一次加密后的数据包进行第二次加密,生成第二次加密后的数据包,并基于云存储技术对第二次加密后的数据包进行存储。
图2是根据本说明书一些实施例所示的一种基于云平台的校园体育数字化管理方法的流程示意图,如图2所示,一种基于云平台的校园体育数字化管理方法可以包括以下流程。在一些实施例中,一种基于云平台的校园体育数字化管理方法可以由一种基于云平台的校园体育数字化管理系统执行。
步骤210,获取多个学生的相关数据。
步骤220,对多个学生的相关数据进行分析,确定教学课程。
步骤230,在进行教学课程的过程中,获取多个学生的运动数据,并对多个学生的运动数据进行分析,确定多个学生的体育学习进度。
步骤240,基于多个学生的体育学习进度,制定至少一次体育考试,获取多个学生在体育考试的体育测试成绩,并对多个学生的体育测试成绩进行分析,生成分析报告,并对教学课程进行调整。
关于一种基于云平台的校园体育数字化管理方法的更多描述可以参见图1及其相关描述,此处不再赘述。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (7)
1.一种基于云平台的校园体育数字化管理系统,其特征在于,包括:
数据获取模块,用于获取多个学生的相关数据;
教学管理模块,用于对所述多个学生的相关数据进行分析,确定教学课程;
运动监督模块,用于在进行所述教学课程的过程中,获取所述多个学生的运动数据,并对所述多个学生的运动数据进行分析,确定所述多个学生的体育学习进度;
成绩管理模块,用于基于所述多个学生的体育学习进度,制定至少一次体育考试,获取所述多个学生在所述体育考试的体育测试成绩,并对所述多个学生的体育测试成绩进行分析,生成分析报告,并对所述教学课程进行调整;
所述数据获取模块获取所述多个学生的相关数据,包括:
获取所述多个学生的体检数据;
获取所述多个学生在多个身体素质测试项目的测试成绩;
获取所述多个学生对体育项目兴趣问卷调查的反馈结果;
所述教学管理模块对所述多个学生的相关数据进行分析,确定教学课程,包括:
获取多个体育项目的样本数据,并基于所述多个体育项目的样本数据,建立每个所述体育项目对应的画像;
基于所述多个学生的相关数据,建立多个学生画像;
对于每个所述学生画像,基于所述学生画像及每个所述体育项目对应的画像,确定所述教学课程;
所述教学管理模块基于所述多个学生的相关数据,建立多个学生画像,包括:
基于所述多个学生的体检数据,确定每个所述学生的基础身体特征;
基于所述多个学生在多个身体素质测试项目的测试成绩,确定每个所述学生的身体素质特征;
基于所述多个学生对体育项目兴趣问卷调查的反馈结果,确定每个所述学生的运动爱好特征;
对于任意两个学生,基于所述两个学生的基础身体特征、身体素质特征及运动爱好特征,计算所述两个学生的学生相似度;
基于任意两个学生的学生相似度,对所述多个学生进行聚类,确定多个第二学生聚类簇,其中,一个所述第二学生聚类簇包括多个学生;
对于每个所述第二学生聚类簇,基于所述第二学生聚类簇包括的学生的基础身体特征、身体素质特征及运动爱好特征,建立所述第二学生聚类簇对应的学生画像;
获取所述多个学生在多个身体素质测试项目的测试成绩,包括:
建立候选测试项目数据库;
获取样本学生集在多个候选身体素质测试项目的测试成绩;
基于样本学生集包括的多个样本学生的特征数据,对样本学生集包括的多个样本学生进行聚类,生成多个样本学生聚类簇;
对于每项候选身体素质测试项目,基于每个样本学生聚类簇的样本学生在所述候选身体素质测试项目的测试成绩,确定所述候选身体素质测试项目与所述样本学生聚类簇的项目与学生关联度;
基于每项候选身体素质测试项目与每个所述样本学生聚类簇之间的项目与学生关联度,确定每个所述样本学生聚类簇关联的身体素质测试项目;
基于每个学生的特征数据、每个所述样本学生聚类簇的聚类中心的特征数据及关联的身体素质测试项目,确定每个学生对应的多个身体素质测试项目,获取每个学生在对应的多个身体素质测试项目的测试成绩。
2.根据权利要求1所述的一种基于云平台的校园体育数字化管理系统,其特征在于,所述运动监督模块包括多个数据采集单元及多个数据处理单元,其中,一个所述数据处理单元对应至少一个所述数据采集单元,所述数据采集单元用于获取所述学生的运动数据;
所述数据处理单元用于基于对应的所述至少一个所述数据采集单元采集的所述学生的运动数据进行分析,确定所述学生的体育学习进度。
3.根据权利要求1所述的一种基于云平台的校园体育数字化管理系统,其特征在于,所述成绩管理模块基于所述多个学生的体育学习进度,制定至少一次体育考试,包括:
对于每个所述第二学生聚类簇,基于所述学生聚类簇包括的多个学生的体育学习进度,确定所述第二学生聚类簇对应的体育考试数据,其中,所述体育考试数据至少包括体育考试时间及至少一个体育考试项目;
基于所述第二学生聚类簇包括的多个学生的相关数据及所述第二学生聚类簇对应的体育考试数据,制定体育考试对应评分规则。
4.根据权利要求1所述的一种基于云平台的校园体育数字化管理系统,其特征在于,还包括器材管理模块,用于对所述教学课程中使用的多个体育器材的状态进行监测,并基于所述教学课程中使用的体育器材的状态及所述教学课程,生成对所述多个体育器材的管理策略。
5.根据权利要求1所述的一种基于云平台的校园体育数字化管理系统,其特征在于,还包括数据交互模块,用于与多个用户终端进行数据交互,其中,所述多个用户终端至少包括教育行政机构终端、学校终端及家长终端。
6.根据权利要求1所述的一种基于云平台的校园体育数字化管理系统,其特征在于,还包括数据存储模块,用于对所述多个学生的相关数据、教学课程、体育学习进度及分析报告进行加密,并基于云存储技术对加密后的多个学生的相关数据、教学课程、体育学习进度及分析报告进行存储。
7.一种基于云平台的校园体育数字化管理方法,应用于权利要求1-6中任意一项所述的一种基于云平台的校园体育数字化管理系统,其特征在于,包括:
获取多个学生的相关数据;
对所述多个学生的相关数据进行分析,确定教学课程;
在进行所述教学课程的过程中,获取所述多个学生的运动数据,并对所述多个学生的运动数据进行分析,确定所述多个学生的体育学习进度;
基于所述多个学生的体育学习进度,制定至少一次体育考试,获取所述多个学生在所述体育考试的体育测试成绩,并对所述多个学生的体育测试成绩进行分析,生成分析报告,并对所述教学课程进行调整;
所述获取所述多个学生的相关数据,包括:
获取所述多个学生的体检数据;
获取所述多个学生在多个身体素质测试项目的测试成绩;
获取所述多个学生对体育项目兴趣问卷调查的反馈结果;
所述对所述多个学生的相关数据进行分析,确定教学课程,包括:
获取多个体育项目的样本数据,并基于所述多个体育项目的样本数据,建立每个所述体育项目对应的画像;
基于所述多个学生的相关数据,建立多个学生画像;
对于每个所述学生画像,基于所述学生画像及每个所述体育项目对应的画像,确定所述教学课程;
所述基于所述多个学生的相关数据,建立多个学生画像,包括:
基于所述多个学生的体检数据,确定每个所述学生的基础身体特征;
基于所述多个学生在多个身体素质测试项目的测试成绩,确定每个所述学生的身体素质特征;
基于所述多个学生对体育项目兴趣问卷调查的反馈结果,确定每个所述学生的运动爱好特征;
对于任意两个学生,基于所述两个学生的基础身体特征、身体素质特征及运动爱好特征,计算所述两个学生的学生相似度;
基于任意两个学生的学生相似度,对所述多个学生进行聚类,确定多个第二学生聚类簇,其中,一个所述第二学生聚类簇包括多个学生;
对于每个所述第二学生聚类簇,基于所述第二学生聚类簇包括的学生的基础身体特征、身体素质特征及运动爱好特征,建立所述第二学生聚类簇对应的学生画像;
获取所述多个学生在多个身体素质测试项目的测试成绩,包括:
建立候选测试项目数据库;
获取样本学生集在多个候选身体素质测试项目的测试成绩;
基于样本学生集包括的多个样本学生的特征数据,对样本学生集包括的多个样本学生进行聚类,生成多个样本学生聚类簇;
对于每项候选身体素质测试项目,基于每个样本学生聚类簇的样本学生在所述候选身体素质测试项目的测试成绩,确定所述候选身体素质测试项目与所述样本学生聚类簇的项目与学生关联度;
基于每项候选身体素质测试项目与每个所述样本学生聚类簇之间的项目与学生关联度,确定每个所述样本学生聚类簇关联的身体素质测试项目;
基于每个学生的特征数据、每个所述样本学生聚类簇的聚类中心的特征数据及关联的身体素质测试项目,确定每个学生对应的多个身体素质测试项目,获取每个学生在对应的多个身体素质测试项目的测试成绩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648837.2A CN117390401B (zh) | 2023-12-05 | 2023-12-05 | 一种基于云平台的校园体育数字化管理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311648837.2A CN117390401B (zh) | 2023-12-05 | 2023-12-05 | 一种基于云平台的校园体育数字化管理系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117390401A CN117390401A (zh) | 2024-01-12 |
CN117390401B true CN117390401B (zh) | 2024-02-13 |
Family
ID=89468635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311648837.2A Active CN117390401B (zh) | 2023-12-05 | 2023-12-05 | 一种基于云平台的校园体育数字化管理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390401B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108172051A (zh) * | 2018-01-24 | 2018-06-15 | 山东科技大学 | 一种体育课教学方法和装置 |
CN109146174A (zh) * | 2018-08-21 | 2019-01-04 | 广东恒电信息科技股份有限公司 | 一种基于成绩预测的选修课精准推荐方法 |
CN111047483A (zh) * | 2019-11-15 | 2020-04-21 | 湖北瑞致和科技有限公司 | 一种学生体质健康监测系统 |
CN113256466A (zh) * | 2021-06-07 | 2021-08-13 | 武汉伽域信息科技有限公司 | 一种基于人工智能的智慧校园建设体育教学管理方法、系统及计算机存储介质 |
WO2021178731A1 (en) * | 2020-03-04 | 2021-09-10 | Karl Denninghoff | Neurological movement detection to rapidly draw user attention to search results |
CN113961773A (zh) * | 2021-10-27 | 2022-01-21 | 潍坊护理职业学院 | 一种用于大学体育球类课程的智能选课推荐系统 |
CN216089499U (zh) * | 2021-07-14 | 2022-03-22 | 云南与同加科技有限公司 | 一种用于教育管理的学科资料分类整理统计装置 |
CN114822763A (zh) * | 2022-04-29 | 2022-07-29 | 浙江工业大学 | 一种运动数据驱动的个性化运动处方推荐方法 |
CN115131183A (zh) * | 2022-07-12 | 2022-09-30 | 柳州铁道职业技术学院 | 一种提高体育教学效果的方法及系统 |
CN115630856A (zh) * | 2022-08-15 | 2023-01-20 | 南昌工学院 | 一种大学体育与健康教育教学质量分析系统 |
CN115841402A (zh) * | 2022-11-24 | 2023-03-24 | 中安华邦(北京)安全生产技术研究院股份有限公司 | 一种针对安全生产的数字化培训方法、系统、介质及设备 |
CN116271773A (zh) * | 2023-03-09 | 2023-06-23 | 安徽一视科技有限公司 | 一种基于ai技术的智慧操场训练系统和方法 |
CN116402634A (zh) * | 2023-03-17 | 2023-07-07 | 淮北矿业股份有限公司 | 一种安全警示教育室智能化考核管理系统 |
CN116402653A (zh) * | 2023-06-09 | 2023-07-07 | 济宁大韵农业科技有限公司 | 一种基于大数据的运动教学管理系统 |
WO2023214413A1 (en) * | 2022-05-03 | 2023-11-09 | I-Braintech Ltd. | System for testing and training a brain capability and method of implementing the same |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040181129A1 (en) * | 2003-03-14 | 2004-09-16 | Glasgow James C. | Personal physical fitness diagnostic evaluation system & method |
US20160260340A1 (en) * | 2015-02-07 | 2016-09-08 | Alan Discount | Automated sports training workflow, delivery and tracking system |
-
2023
- 2023-12-05 CN CN202311648837.2A patent/CN117390401B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108172051A (zh) * | 2018-01-24 | 2018-06-15 | 山东科技大学 | 一种体育课教学方法和装置 |
CN109146174A (zh) * | 2018-08-21 | 2019-01-04 | 广东恒电信息科技股份有限公司 | 一种基于成绩预测的选修课精准推荐方法 |
CN111047483A (zh) * | 2019-11-15 | 2020-04-21 | 湖北瑞致和科技有限公司 | 一种学生体质健康监测系统 |
WO2021178731A1 (en) * | 2020-03-04 | 2021-09-10 | Karl Denninghoff | Neurological movement detection to rapidly draw user attention to search results |
CN113256466A (zh) * | 2021-06-07 | 2021-08-13 | 武汉伽域信息科技有限公司 | 一种基于人工智能的智慧校园建设体育教学管理方法、系统及计算机存储介质 |
CN216089499U (zh) * | 2021-07-14 | 2022-03-22 | 云南与同加科技有限公司 | 一种用于教育管理的学科资料分类整理统计装置 |
CN113961773A (zh) * | 2021-10-27 | 2022-01-21 | 潍坊护理职业学院 | 一种用于大学体育球类课程的智能选课推荐系统 |
CN114822763A (zh) * | 2022-04-29 | 2022-07-29 | 浙江工业大学 | 一种运动数据驱动的个性化运动处方推荐方法 |
WO2023214413A1 (en) * | 2022-05-03 | 2023-11-09 | I-Braintech Ltd. | System for testing and training a brain capability and method of implementing the same |
CN115131183A (zh) * | 2022-07-12 | 2022-09-30 | 柳州铁道职业技术学院 | 一种提高体育教学效果的方法及系统 |
CN115630856A (zh) * | 2022-08-15 | 2023-01-20 | 南昌工学院 | 一种大学体育与健康教育教学质量分析系统 |
CN115841402A (zh) * | 2022-11-24 | 2023-03-24 | 中安华邦(北京)安全生产技术研究院股份有限公司 | 一种针对安全生产的数字化培训方法、系统、介质及设备 |
CN116271773A (zh) * | 2023-03-09 | 2023-06-23 | 安徽一视科技有限公司 | 一种基于ai技术的智慧操场训练系统和方法 |
CN116402634A (zh) * | 2023-03-17 | 2023-07-07 | 淮北矿业股份有限公司 | 一种安全警示教育室智能化考核管理系统 |
CN116402653A (zh) * | 2023-06-09 | 2023-07-07 | 济宁大韵农业科技有限公司 | 一种基于大数据的运动教学管理系统 |
Non-Patent Citations (4)
Title |
---|
"A Method for Recommending Sports Network Course Resources Based on Collaborative Filtering Technology";Bin, Xu;《Security and Communication Networks》;第2021卷;第1-9页 * |
"Analysis and design of personalized recommendation system for university physical education";Jun Liu等;《2010 International Conference on Networking and Digital Society》;第472-475页 * |
"异质分组教学在高职院校跆拳道选修课中的应用研究";刘茜;《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》(第12期);H134-2235 * |
"大学生身体素质数据的FCM算法聚类及MATLAB实现";吴志远等;《科技通报》;第29卷(第3期);第223-226, 236页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117390401A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20110276153A1 (en) | Method and system for facilitating golf swing instruction | |
CN102548470B (zh) | 通过分类分析感知测试数据 | |
CN114049048A (zh) | 一种基于体能验估的体能课程优化方法 | |
Promrit et al. | Model for practice badminton basic skills by using motion posture detection from video posture embedding and one-shot learning technique | |
CN117390401B (zh) | 一种基于云平台的校园体育数字化管理系统和方法 | |
Dilmurod | DEVELOPMENT OF ENDURANCE ABILITY OF 6TH CLASS PUPILS THROUGH TRACK AND FIELD EXERCISES AS AN AFTER-SCHOOL ACTIVITY | |
CN112349413A (zh) | 一种长距离运动训练负荷分析系统 | |
Xiong et al. | Intelligent strategy of internet of things computing in badminton sports activities | |
WO2021016426A1 (en) | Physical training system with machine learning-based training programs | |
CN117172977A (zh) | 一种针对学员训练的训练建议生成方法及系统 | |
Vera-Rivera et al. | Impact of technology on the evolution of sports training | |
Hao et al. | Research on badminton player’s step training model based on big data and iot networks | |
CN113641856A (zh) | 用于输出信息的方法和装置 | |
Kamnardsiri et al. | Requirement analysis to design the knowledge-based system for long jump coaching | |
Zheng | [Retracted] Load Prediction Model of Athletes’ Physical Training Competition Based on Nonlinear Algorithm Combined with Ultrasound | |
Devaki et al. | Usage of Technologies in Sports | |
Qu | Prediction and Analysis of the Physical Test Scores Based on BP Neural Network and Principal Component Analysis Algorithm | |
KR102637528B1 (ko) | 경기력 향상 방법 및 서비스 플랫폼 | |
CN114580529B (zh) | 一种选拔和训练足球运动员的系统 | |
Jurakulovich et al. | Methods of education of high-speed qualities of children 14-15 years old (teenagers) | |
Putra et al. | The Development of a differentiation-based learning model in football school students | |
US20230018013A1 (en) | Athlete Performance Tracking and Prediction System | |
Shanmugavalli | Volleyball Practice Skills With Intelligent Sensor Technology Model To Develop Athlete’s Competency Toward Excellence | |
Narendra et al. | Machine learning Methods for Performance Forecast and Assessment of Female Handball Players | |
Bakhromovich | Innovative Approaches to the Use of Information Technologies in the Training of Highly Qualified Football Players |
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 |