基于统计数据的营销服务移动交互式实训评价方法及系统技术方案

本发明专利技术公开了一种基于统计数据的营销服务移动交互式实训评价方法及系统，方法包括以下步骤：1)建立学员学习积极性水平评价指标体系；2)采用层次分析法对学员学习积极性进行评价。系统包括：体系建立模块，用于建立学员学习积极性水平评价指标体系；评价模块，用于采用层次分析法对学员学习积极性进行评价。本发明专利技术首先建立学员学习积极性水平评价指标体系，然后采用层次分析法对学员学习积极性进行评价，能够及时高效地掌握学员学习动态、激发“教”与“学”的积极性、完善系统模块功能的不足，全面提升了交互式实训教学能力水平。

【技术实现步骤摘要】
基于统计数据的营销服务移动交互式实训评价方法及系统
本专利技术涉及实训教学领域，具体地说是一种基于统计数据的营销服务移动交互式实训评价方法及系统。
技术介绍
“互联网+”技术不断成熟，越来越多的行业开始将其引入使用。利用“互联网+教育”技术，依托智能化系统，打破传统的口对口教学方式中时间和地域的局限性，全面实现授课教师和学员实时在线的教学方式，同时消除无差别教学方式，有针对性的设置学习模块、兴趣模块和复习模块，学员能根据自己的兴趣和专业需求进行在线学习，开设课后在线交流模块，方便学员对未全面掌握的知识及时进行补充学习，同时设置复习、试题和教师评分模块，在保障及时检验学员的学习效率的同时，测评教师的教学水平，双向提升教师与学员的教、授能力。学员学习积极性评价是教学质量管理的重要环节，也是衡量营销服务移动交互式实训平台实用率的一项重要标准，但是，传统营销服务移动式交互实训学习系统的教学评价体系中，对学员的学习能力和学习积极性评价一般通过考试、考勤、教师反馈等方式进行统计评价，评价标准中人为因素大，评价较为片面单一，同时评价工作量大、耗时长，例如通过考试对学院进行学习能力测评要经过出题、考试、打分等一系列程序，过程复杂，浪费大量人力资源。因此，为了进一步完善营销服务移动式交互实训学习系统，需要一种能够对学员学习积极性进行评价的营销服务移动交互式实训方案。
技术实现思路
针对现有技术的不足，本专利技术提出了一种基于统计数据的营销服务移动交互式实训评价方法法及系统，其能够对学员学习积极性进行评价，及时高效掌握学员学习动态。本专利技术解决其技术问题采取的技术方案是：一方面，本专利技术实施例提供的一种基于统计数据的营销服务移动交互式实训评价方法，它包括以下步骤：1)建立学员学习积极性水平评价指标体系；2)采用层次分析法对学员学习积极性进行评价。作为本实施例一种可能的实现方式，所述学员学习积极性水平评价指标体系分别三类指标，一类指标为目标层，二类指标为准则层，三类指标为方案层；所述目标层的预定目标为学员学习积极性水平评价指标体系，所述准则层包括学习准备、学习方法、学习态度、学习复习和考核5个二类指标，所述方案层包括学习准备、是否预习、是否提出需求、预习笔记记录程度、联系实际、接收程度、听课方式、互动度、笔记完善度、课堂时间使用度、课件观看时长、课件点击重复度、课后问题回答度、在线主动交流度、积极态度、课外实践、作业完成度和答题得分共18个三类指标。作为本实施例一种可能的实现方式，所述学习准备二类指标对应学习准备、是否预习、是否提出需求和预习笔记记录程度4个三类指标；所述学习方法二类指标对应联系实际、接收程度和听课方式3个三类指标；所述学习态度二类指标对互动度、笔记完善度、课堂时间使用度和课件观看时长4个三类指标；所述学习复习二类指标对应课件点击重复度、课后问题回答度、在线主动交流度和积极态度4个三类指标；所述考核二类指标对应课外实践、作业完成度和答题得分3个三类指标。作为本实施例一种可能的实现方式，所述采用层次分析法对学员学习积极性进行评价的过程包括以下步骤：21)构造判断矩阵，运用专家打分法分别进行同一级指标两两对比，得到判断矩阵；22)确定权重向量，对二类指标和三类指标分别赋予权重；23)进行一致性检验：利用R软件计算判断矩阵的最大特征值对应特征向量以及一致性检验系数；24)进行层次加权，合并权重得到最终评价分。作为本实施例一种可能的实现方式，在构造判断矩阵过程中，用A表示一类指标，用B1-B5分别表示5个二类指标，用C1-C18分别表示18个三类指标，则建立A-B、B1-C、B2-C、B3-C、B4-C、B5-C共6个关于二类指标的判断矩阵。作为本实施例一种可能的实现方式，在进行一致性检验过程中，利用R软件计算A-B、B1-C、B2-C、B3-C、B4-C和B5-C判断矩阵的最大特征值对应的特征向量分别为W0、W1、W2、W3、W4和W5，A-B、B1-C、B2-C、B3-C、B4-C和B5-C判断矩阵的一致性检验系数分别为BR0、CR1、CR2、CR3、CR4和CR5,其中，R0、R1、R2、R3、R4和R5分别为相应判断矩阵的权重系数，如果断矩阵的一致性检验系数小于0.1则判定该判断矩阵具有满意的一致性。另一方面，本专利技术实施例提供的一种基于统计数据的营销服务移动交互式实训评价系统，它包括：体系建立模块，用于建立学员学习积极性水平评价指标体系；评价模块，用于采用层次分析法对学员学习积极性进行评价。作为本实施例一种可能的实现方式，所述学员学习积极性水平评价指标体系分别三类指标，一类指标为目标层，二类指标为准则层，三类指标为方案层；所述目标层的预定目标为学员学习积极性水平评价指标体系，所述准则层包括学习准备、学习方法、学习态度、学习复习和考核5个二类指标，所述方案层包括学习准备、是否预习、是否提出需求、预习笔记记录程度、联系实际、接收程度、听课方式、互动度、笔记完善度、课堂时间使用度、课件观看时长、课件点击重复度、课后问题回答度、在线主动交流度、积极态度、课外实践、作业完成度和答题得分共18个三类指标；其中，所述学习准备二类指标对应学习准备、是否预习、是否提出需求和预习笔记记录程度4个三类指标；所述学习方法二类指标对应联系实际、接收程度和听课方式3个三类指标；所述学习态度二类指标对互动度、笔记完善度、课堂时间使用度和课件观看时长4个三类指标；所述学习复习二类指标对应课件点击重复度、课后问题回答度、在线主动交流度和积极态度4个三类指标；所述考核二类指标对应课外实践、作业完成度和答题得分3个三类指标。作为本实施例一种可能的实现方式，所述评价模块包括：判断矩阵构造模块，用于运用专家打分法分别进行同一级指标两两对比，得到判断矩阵；权重向量确定模块，用于对二类指标和三类指标分别赋予权重；一致性检验模块，用于利用R软件计算判断矩阵的最大特征值对应特征向量以及一致性检验系数；层次加权模块，用于合并权重得到最终评价分。本专利技术实施例的技术方案可以具有的有益效果如下：一方面，本专利技术实施例技术方案的一种基于统计数据的营销服务移动交互式实训评价方法，首先建立学员学习积极性水平评价指标体系，然后采用层次分析法对学员学习积极性进行评价，能够及时高效地掌握学员学习动态、激发“教”与“学”的积极性、完善系统模块功能的不足，全面提升了交互式实训教学能力水平。另一方面，本专利技术实施例技术方案的一种基于统计数据的营销服务移动交互式实训评价系统，它包括用于建立学员学习积极性水平评价指标体系的体系建立模块和用于采用层次分析法对学员学习积极性进行评价的评价模块，能够及时高效地掌握学员学习动态、激发“教”与“学”的积极性、完善系统模块功能的不足，全面提升了交互式实训教学能力水平。本专利技术实施例技术方案基于学员在利用交互式实训技术进行学习过程中留下的一系列历史数据，建立学员学习积极性评价指标，应用层次分析法，构建判断矩阵和数学模型，对学员通过营销服务移动交互式实训进行学习的积极性进行评价，通过交互式实训进行培训学习，并结合本专利技术的评价方案，在打破地域和时间的局限性基础上，进一步促使学员进行自主独立的学习，从而有效的提升了学员学习效率。附图说明图1是根据一示例性实施例示出本文档来自技高网...

【技术保护点】
一种基于统计数据的营销服务移动交互式实训评价方法，其特征是，包括以下步骤：1)建立学员学习积极性水平评价指标体系；2)采用层次分析法对学员学习积极性进行评价。

【技术特征摘要】
1.一种基于统计数据的营销服务移动交互式实训评价方法，其特征是，包括以下步骤：1)建立学员学习积极性水平评价指标体系；2)采用层次分析法对学员学习积极性进行评价。2.如权利要求1所述的基于统计数据的营销服务移动交互式实训评价方法，其特征是，所述学员学习积极性水平评价指标体系分别三类指标，一类指标为目标层，二类指标为准则层，三类指标为方案层；所述目标层的预定目标为学员学习积极性水平评价指标体系，所述准则层包括学习准备、学习方法、学习态度、学习复习和考核5个二类指标，所述方案层包括学习准备、是否预习、是否提出需求、预习笔记记录程度、联系实际、接收程度、听课方式、互动度、笔记完善度、课堂时间使用度、课件观看时长、课件点击重复度、课后问题回答度、在线主动交流度、积极态度、课外实践、作业完成度和答题得分共18个三类指标。3.如权利要求2所述的基于统计数据的营销服务移动交互式实训评价方法，其特征是，所述学习准备二类指标对应学习准备、是否预习、是否提出需求和预习笔记记录程度4个三类指标；所述学习方法二类指标对应联系实际、接收程度和听课方式3个三类指标；所述学习态度二类指标对互动度、笔记完善度、课堂时间使用度和课件观看时长4个三类指标；所述学习复习二类指标对应课件点击重复度、课后问题回答度、在线主动交流度和积极态度4个三类指标；所述考核二类指标对应课外实践、作业完成度和答题得分3个三类指标。4.如权利要求3所述的基于统计数据的营销服务移动交互式实训评价方法，其特征是，所述采用层次分析法对学员学习积极性进行评价的过程包括以下步骤：21)构造判断矩阵，运用专家打分法分别进行同一级指标两两对比，得到判断矩阵；22)确定权重向量，对二类指标和三类指标分别赋予权重；23)进行一致性检验：利用R软件计算判断矩阵的最大特征值对应特征向量以及一致性检验系数；24)进行层次加权，合并权重得到最终评价分。5.如权利要求4所述的基于统计数据的营销服务移动交互式实训评价方法，其特征是，在构造判断矩阵过程中，用A表示一类指标，用B1-B5分别表示5个二类指标，用C1-C18分别表示18个三类指标，则建立A-B、B1-C、B2-C、B3-C、B4-C、B5-C共6个关于二类指标的判断矩阵。6.如权利要求4所述的基于统计数据的营销服务移动交互式实训评价方法，其...

【专利技术属性】
技术研发人员：王婧，孟巍，李静，吴雪霞，徐美玲，杜颖，梁雅洁，王艳玫，卢文龙，
申请(专利权)人：国网山东省电力公司电力科学研究院，国家电网公司，
类型：发明
国别省市：山东,37