TW202115667A - 教學調查問卷分析方法、電子裝置及存儲介質 - Google Patents

教學調查問卷分析方法、電子裝置及存儲介質 Download PDF

Info

Publication number
TW202115667A
TW202115667A TW108140480A TW108140480A TW202115667A TW 202115667 A TW202115667 A TW 202115667A TW 108140480 A TW108140480 A TW 108140480A TW 108140480 A TW108140480 A TW 108140480A TW 202115667 A TW202115667 A TW 202115667A
Authority
TW
Taiwan
Prior art keywords
student
teaching
behavior
learning state
analysis method
Prior art date
Application number
TW108140480A
Other languages
English (en)
Other versions
TWI740264B (zh
Inventor
杜庭瑜
陳柏誠
曾詩茵
Original Assignee
新加坡商鴻運科股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 新加坡商鴻運科股份有限公司 filed Critical 新加坡商鴻運科股份有限公司
Publication of TW202115667A publication Critical patent/TW202115667A/zh
Application granted granted Critical
Publication of TWI740264B publication Critical patent/TWI740264B/zh

Links

Images

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • Educational Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Social Psychology (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

一種教學調查問卷分析方法，包括： 識別上課圖像中的每個學生的身份；分析預設時段每個學生的上課圖像以獲取每個學生的課堂行為，課堂行為包括處於學習狀態中的行為及處於非學習狀態中的行為；根據分析結果判斷每個學生處於非學習狀態中的行為是否符合預設條件；及在學生的行為符合預設條件時，將該學生填寫的教學調查問卷確定為可用的教學調查問卷；在學生的行為不符合預設條件時，將該學生填寫的教學調查問卷確定為不可用的教學調查問卷。本發明還提供了一種執行上述教學調查問卷分析方法的電子裝置及存儲介質。

Description

教學調查問卷分析方法、電子裝置及存儲介質
本發明涉及課堂教學評價領域，特別涉及一種教學調查問卷分析方法、電子裝置及存儲介質。
為了提升教學品質，學校於每學期期中、末時會讓學生填寫課程的教學調查問卷，讓學生來評鑒老師的教學效果。然而，教學調查問卷中的有些問題對於有些學生而言，本來就不是可信賴的調查對象。如對於“你是否喜歡該課程的老師”，學生出於大眾心理，都會填寫喜歡，即使該學生在該課程上經常睡覺。因此，一些學生填寫的教學調查問卷的可信度本來就不高，而該學生填寫的教學調查問卷也會作為樣本，從而影響教學調查問卷的調查結果的準確度。
有鑑於此，有必要提供一種提高教學調查問卷的調查結果的準確度的教學調查問卷分析方法、電子裝置及存儲介質。
一種教學調查問卷分析方法，應用於電子裝置中，所述方法包括： 識別上課圖像中的每個學生的身份；分析在預設時段內每個學生所對應的上課圖像以獲取每個學生在所述預設時段內的課堂行為，所述課堂行為包括處於學習狀態中的行為及處於非學習狀態中的行為；根據分析結果判斷每個學生處於非學習狀態中的行為是否符合預設條件；及在學生處於非學習狀態中的行為符合預設條件時，將該學生填寫的教學調查問卷確定為可用的教學調查問卷；在學生處於非學習狀態中的行為不符合預設條件時，將該學生填寫的教學調查問卷確定為不可用的教學調查問卷。
一種電子裝置，包括處理器及記憶體，所述記憶體中存儲有多個程式模組，所述多個程式模組由所述處理器載入並執行上述的教學調查問卷分析方法。
一種存儲介質，其上存儲有至少一條電腦指令，所述指令由處理器並載入執行上述的教學調查問卷分析方法。
上述教學調查問卷分析方法、電子裝置及存儲介質將課堂行為不符合預設條件的學生所述填寫的教學調查問卷確定為不可用的教學調查問卷，使用於分析的教學調查問卷的信賴度增強，從而提高教學調查問卷的調查結果的準確度。
下麵將結合附圖對本發明作進一步詳細說明。
為了能夠更清楚地理解本發明的上述目的、特徵和優點，下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
除非另有定義，本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本發明。
請參閱圖1，本發明提供了一種教學調查問卷分析方法。所述教學調查問卷分析方法包括如下步驟。
步驟S101：接收學生在課堂上的上課圖像。所述上課圖像可來自於攝像裝置或中轉裝置。
步驟S102：識別上課圖像中的每個學生的身份。所述身份包括但不限於學生的姓名、學號等資訊。在一實施方式中，根據預存的每個學生的臉部圖像識別上課圖像中的每個學生的身份。在另一實施方式中，根據上課圖像中的每個學生的校服上的姓名識別每個學生的身份。
步驟S103：分析在預設時段內每個學生所對應的上課圖像以獲取每個學生在所述預設時段內的課堂行為，所述課堂行為包括處於學習狀態中的行為及處於非學習狀態中的行為。處於學習狀態中的行為包括但不限於抬頭看黑板、做筆記等行為，處於非學習狀態中的行為包括但不限於打瞌睡、玩手機及與他人聊天等行為。所述預設時段可為一個月、一學期或一學年等。
步驟S104：根據分析結果判斷每個學生處於非學習狀態中的行為是否符合預設條件。在學生處於非學習狀態中的行為符合預設條件時，進入步驟S105，否則，進入步驟S106。
在一實施方式中，所述預設條件為處於非學習狀態中的行為的次數小於預設次數，步驟S104中判斷每個學生處於非學習狀態中的行為的次數是否小於所述預設次數。所述預設次數可根據可為3次、4次、5次等等，在另一實施方式中，所述預設條件為處於非學習狀態中的行為的時長佔比小於預設時長佔比，步驟S104中判斷每個學生處於非學習狀態中的行為的時長佔比是否在小於所述預設時長佔比。所述處於非學習狀態中的行為的時長佔比為處於非學習狀態中的行為的時間佔所有課堂時間的比例，如0.9、0.8、0.7等等。
步驟105：將該學生填寫的教學調查問卷確定為可用的教學調查問卷。
步驟106：將該學生填寫的教學調查問卷確定為不可用的教學調查問卷。
步驟S107：對所有可用的教學調查問捲進行分析以獲取對應的被調查老師的課堂教學品質。
步驟S108：刪除不可用的教學調查問卷。
其中，在另一實施方式中，所述教學調查問卷分析方法可不包括步驟S101，所述課堂上的上課圖像保存於本地裝置中。在另一實施方式中，所述教學調查問卷分析方法可不包括步驟S107，所述教學調查問卷的分析通過人工對可用的教學調查問捲進行分析而完成。在另一實施方式中，所述教學調查問卷分析方法可不包括步驟S108，所述不可用的教學調查問卷雖不作為分析樣本，但保留以備後用。
請參閱圖2所示的本發明提供的電子裝置10的結構示意圖及圖3所示的本發明提供的教學調查問卷分析系統30的模組圖。
所述電子裝置10與攝像裝置20通信連接，用於接收所述攝像裝置20獲取的學生在課堂上的上課圖像。所述電子裝置10包括，但不僅限於，處理器12、記憶體14以及存儲在所述記憶體14中並可在所述處理器12上運行的電腦程式16，所述電腦程式16包括教學調查問卷分析程式。所述處理器12執行所述電腦程式16時實現圖1所示的教學調查問卷分析方法中的步驟S101~S108。或者，所述處理器12執行所述電腦程式16時實現圖3所示的教學調查問卷分析系統30的功能。
所述電子裝置10可以是電腦、伺服器等計算設備。本領域技術人員可以理解，所述示意圖僅僅是電子裝置10的示例，並不構成對電子裝置10的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子裝置10還可以包括輸入輸出設備、網路接入設備、匯流排等。
所稱處理器12可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器12也可以是任何常規的處理器等，所述處理器12是所述電子裝置10的控制中心，利用各種介面和線路連接整個電子裝置10的各個部分。
所述記憶體14可用於存儲所述電腦程式16和/或模組/單元，所述處理器12通過運行或執行存儲在所述記憶體14內的電腦程式和/或模組/單元，以及調用存儲在記憶體14內的資料，實現所述電子裝置10的各種功能。所述記憶體14可主要包括存儲程式區和存儲資料區，其中，存儲程式區可存儲作業系統、至少一個功能所需的應用程式（影像處理程式）等；存儲資料區可存儲根據電子裝置10的使用所創建的資料（如每個學生的臉部圖像及對應的學生的姓名、篩選規則）等。此外，記憶體14可以包括高速隨機存取記憶體，還可以包括非易失性記憶體，例如硬碟、記憶體、插接式硬碟，智慧存儲卡（Smart Media Card，SMC），安全數位（Secure Digital，SD）卡，快閃記憶體卡（Flash Card）、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
教學調查問卷分析系統30運行於所述電子裝置10中。所述教學調查問卷分析系統30可以包括多個由程式碼段所組成的功能模組。所述教學調查問卷分析系統30中的各個程式段的程式碼可以存儲於電子裝置10的記憶體14中，並由所述至少一個處理器12所執行，以實現教學調查問卷分析功能。
本實施例中，教學調查問卷分析系統30根據其所執行的功能，被劃分為多個功能模組，所述功能模組包括識別模組31、行為分析模組32、判斷模組33、篩選模組34以及問卷分析模組35。本發明所稱的模組是指一種能夠被至少一個處理器所執行並且能夠完成固定功能的一系列電腦程式段，其存儲在記憶體14中。可以理解的是，在其他實施例中，上述模組也可為固化於所述處理器12中的程式指令或固件（firmware）。
所述識別模組31用於識別攝像裝置20傳輸的上課圖像中的每個學生的身份。所述身份包括但不限於學生的姓名、學號等資訊。在一實施方式中，所述識別模組31根據預存的每個學生的臉部圖像識別上課圖像中的每個學生的身份。在另一實施方式中，所述識別模組31根據上課圖像中的每個學生的校服上的姓名識別每個學生的身份。
分析模組32用於分析在預設時段內每個學生所對應的上課圖像以獲取每個學生在課堂上的課堂行為，所述課堂行為包括處於學習狀態中的行為及處於非學習狀態中的行為。處於學習狀態中的行為包括但不限於抬頭看黑板、做筆記等行為，處於非學習狀態中的行為包括但不限於打瞌睡、玩手機及與他人聊天等行為。所述預設時段可為一個月、一學期或一學年等。
判斷模組33用於根據分析結果判斷每個學生處於非學習狀態中的行為是否符合預設條件。在一實施方式中，所述預設條件為處於非學習狀態中的行為的次數小於預設次數，判斷模組33判斷每個學生處於非學習狀態中的行為的次數是否小於所述預設次數。在另一實施方式中，所述預設條件為處於非學習狀態中的行為的時長佔比小於預設時長佔比，所述判斷模組33判斷每個學生處於非學習狀態中的行為的時長佔比是否在小於所述預設時長佔比。所述處於非學習狀態中的行為的時長佔比為處於非學習狀態中的行為的時間佔所有課堂時間的比例。
篩選模組34用於根據判斷結果及一篩選規則對每個學生填寫的教學調查問捲進行篩選。所述篩選規則為在學生處於非學習狀態中的行為符合預設條件時將該學生填寫的教學調查問卷確定為可用的教學調查問卷，在學生處於非學習狀態中的行為不符合預設條件時將該學生填寫的教學調查問卷確定為不可用的教學調查問卷。
問卷分析模組35用於對篩選後的可用的教學調查問捲進行問卷分析以獲取對應老師的課堂教學品質。
所述電子裝置10集成的模組/單元如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本發明實現上述實施例方法中的全部或部分流程，也可以通過電腦程式來指令相關的硬體來完成，所述的電腦程式可存儲於一電腦可讀存儲介質中，所述電腦程式在被處理器執行時，可實現上述各個方法實施例的步驟。其中，所述電腦程式包括電腦程式代碼，所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括：能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、U盤、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體（ROM，Read-Only Memory）、隨機存取記憶體（RAM，Random Access Memory）、電載波信號、電信信號以及軟體分發介質等。
上述教學調查問卷分析方法、電子裝置及存儲介質將課堂行為不符合預設條件的學生所述填寫的教學調查問卷確定為不可用的教學調查問卷，使用於分析的教學調查問卷的信賴度增強，從而提高教學調查問卷的調查結果的準確度。
對於本領域技術人員而言，顯然本發明不限於上述示範性實施例的細節，而且在不背離本發明的精神或基本特徵的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本發明的範圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除複數。裝置權利要求中陳述的多個單元或裝置也可以由同一個單元或裝置通過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。
步驟S101-S108:教學調查問卷分析方法 10:電子裝置 30:教學調查問卷分析系統 20:攝像裝置 12:處理器 14:記憶體 16:電腦程式 31:識別模組 32:行為分析模組 33:判斷模組 34:篩選模組 35:問卷分析模組
圖1是本發明提供的教學調查問卷分析方法的流程圖。
圖2是本發明提供的電子裝置的結構示意圖。
圖3是本發明提供的教學調查問卷分析系統的結構示意圖。
無
30:教學調查問卷分析系統
31:識別模組
32:行為分析模組
33:判斷模組
34:篩選模組
35:問卷分析模組

Claims (10)

  1. 一種教學調查問卷分析方法，應用於電子裝置中，所述方法包括： 識別上課圖像中的每個學生的身份； 分析在預設時段內每個學生所對應的上課圖像以獲取每個學生在所述預設時段內的課堂行為，所述課堂行為包括處於學習狀態中的行為及處於非學習狀態中的行為； 根據分析結果判斷每個學生處於非學習狀態中的行為是否符合預設條件；及 在學生處於非學習狀態中的行為符合預設條件時，將該學生填寫的教學調查問卷確定為可用的教學調查問卷；在學生處於非學習狀態中的行為不符合預設條件時，將該學生填寫的教學調查問卷確定為不可用的教學調查問卷。
  2. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，在步驟“識別上課圖像中的每個學生的身份”前還包括步驟： 接收學生在課堂上的上課圖像。
  3. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，還包括步驟： 對所有可用的教學調查問捲進行分析以獲取對應的被調查老師的課堂教學品質。
  4. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，還包括步驟： 刪除不可用的教學調查問卷。
  5. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，所述預設時段為一個學期。
  6. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，根據預存的每個學生的臉部圖像識別上課圖像中的每個學生的身份。
  7. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，所述預設條件為處於非學習狀態中的行為的次數小於預設次數。
  8. 如申請專利範圍第1項所述之教學調查問卷分析方法，其中，所述預設條件為處於非學習狀態中的行為的時長佔比小於預設時長佔比，所述處於非學習狀態中的行為的時長佔比為處於非學習狀態中的行為的時間佔所有課堂時間的比例。
  9. 一種電子裝置，包括處理器及記憶體，所述記憶體中存儲有多個程式模組，所述多個程式模組由所述處理器載入並執行如申請專利範圍第1-8項中任意一項所述的教學調查問卷分析方法。
  10. 一種存儲介質，其上存儲有至少一條電腦指令，其特徵在於，所述指令由處理器並載入執行如申請專利範圍第1-8項中任意一項所述的教學調查問卷分析方法。
TW108140480A 2019-09-29 2019-11-07 教學調查問卷分析方法、電子裝置及存儲介質 TWI740264B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910930335.6 2019-09-29
CN201910930335.6A CN112580910A (zh) 2019-09-29 2019-09-29 教学调查问卷分析方法、电子装置及存储介质

Publications (2)

Publication Number Publication Date
TW202115667A true TW202115667A (zh) 2021-04-16
TWI740264B TWI740264B (zh) 2021-09-21

Family

ID=75110348

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108140480A TWI740264B (zh) 2019-09-29 2019-11-07 教學調查問卷分析方法、電子裝置及存儲介質

Country Status (3)

Country Link
US (1) US10984227B1 (zh)
CN (1) CN112580910A (zh)
TW (1) TWI740264B (zh)

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10333538A (ja) * 1997-05-29 1998-12-18 Fujitsu Ltd ネットワーク型教育システム、ネットワーク型教育システムの講師側プログラムが記録された記録媒体、および受講者側プログラムが記録された記録媒体
CN103946364B (zh) * 2011-09-25 2018-04-24 赛拉诺斯知识产权有限责任公司 用于多重分析的系统和方法
US20130216990A1 (en) * 2012-02-16 2013-08-22 Powhow Inc. Method and system for interactive live webcam physical activity classes
US20130226674A1 (en) * 2012-02-28 2013-08-29 Cognita Systems Incorporated Integrated Educational Stakeholder Evaluation and Educational Research System
US9015156B2 (en) * 2012-03-30 2015-04-21 Percolate Industries, Inc. Interactive computing recommendation facility with learning based on user feedback and interaction
JP2019504402A (ja) * 2015-12-18 2019-02-14 コグノア， インコーポレイテッド デジタル個別化医療のためのプラットフォームおよびシステム
US10621685B2 (en) * 2017-04-03 2020-04-14 International Business Machines Corporation Cognitive education advisor
CN107292271B (zh) * 2017-06-23 2020-02-14 北京易真学思教育科技有限公司 学习监控方法、装置及电子设备
CN107358555A (zh) * 2017-07-14 2017-11-17 安徽智星交通科技股份有限公司 教学监管方法及系统
WO2019028592A1 (zh) * 2017-08-07 2019-02-14 中国科学院深圳先进技术研究院 一种教学辅助方法及采用该方法的教学辅助系统
CN108171414A (zh) * 2017-12-26 2018-06-15 重庆大争科技有限公司 教学质量评估系统
CN108959607A (zh) * 2018-07-16 2018-12-07 淄博职业学院 一种数学学习调查装置及其调查方法
TWI674553B (zh) * 2018-07-27 2019-10-11 財團法人資訊工業策進會 教學品質監測系統及方法
CN109461104A (zh) * 2018-10-22 2019-03-12 杭州闪宝科技有限公司 课堂监控方法、装置及电子设备
CN109284737A (zh) * 2018-10-22 2019-01-29 广东精标科技股份有限公司 一种用于智慧教室的学生行为分析和识别系统
CN109859078A (zh) * 2018-12-24 2019-06-07 山东大学 一种学生学习行为分析干预方法、装置及系统

Also Published As

Publication number Publication date
US10984227B1 (en) 2021-04-20
CN112580910A (zh) 2021-03-30
TWI740264B (zh) 2021-09-21
US20210097264A1 (en) 2021-04-01

Similar Documents

Publication Publication Date Title
Mitchell et al. Benefits and challenges of incorporating citizen science into university education
CN107256650B (zh) 一种习题推送方法、系统及终端设备
CN108984418B (zh) 软件测试管理方法、装置、电子设备及存储介质
CN110222791B (zh) 样本标注信息的审核方法及装置
CN110909035B (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN112711526B (zh) Ui测试方法、装置、设备及存储介质
CN110610404A (zh) 网络课程推荐方法、装置、系统、电子设备、存储介质
CN109901968A (zh) 一种自动化页面数据校验方法和装置
US10732965B2 (en) Systems and methods for dynamic generation of questionnaires on programming concepts
Lai et al. Developing data collection and management systems for decision-making: What professional development is required?
US10924439B2 (en) Hybrid conversational chat bot system
CN110764999A (zh) 自动化测试方法、装置、计算机装置及存储介质
US20160180727A1 (en) Student assessment grading engine
CN114038080A (zh) 一种基于微服务架构的防作弊安全巡检方法及系统
CN112101231A (zh) 学习行为的监控方法、终端、小程序以及服务器
US10740536B2 (en) Dynamic survey generation and verification
JP2014115427A (ja) 抽出方法、抽出装置および抽出プログラム
Zhi et al. RFID-enabled smart attendance management system
US20210357806A1 (en) Machine learning model training method and machine learning model training device
US20150262313A1 (en) Multiplicative incentive mechanisms
TWI740264B (zh) 教學調查問卷分析方法、電子裝置及存儲介質
AU2017393949A1 (en) System and method for determining rank
CN109189766B (zh) 教学方案获取方法、装置以及电子设备
Connolly W (h) ither media in English?
CN114998844A (zh) 基于ai课堂的在线巡课督导系统及方法