基于大数据的在线教学过程评价方法技术

技术编号:18399889 阅读:102 留言:0更新日期:2018-07-08 19:59
本发明专利技术的一种基于大数据的在线教学过程评价方法,包括以下步骤:第一阶段:数据获取;第二阶段:数据挖掘;第三阶段:模型构建;利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。本发明专利技术的基于大数据的在线教学过程评价方法,利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。

【技术实现步骤摘要】
基于大数据的在线教学过程评价方法
本专利技术涉及基于大数据的在线教学过程评价方法,特别涉及在线课程评价方法。
技术介绍
所谓教学评价,是以实现教学目标和教学理念为价值标准,依据一定的评估指标体系,通过系统地收集数据,运用科学、可行的方法、教育技术和手段,对教学活动、过程及其结果进行系统的考察和价值判断,从而为优化教学过程提供决策依据。作为提高教育教学质量的一个重要环节,教学评价对于加强教育与社会联系、实现教育目标和促进高素质人才培养发展发挥了积极作用。
技术实现思路
本专利技术目的是提供一种基于大数据的在线教学过程评价方法,该基于大数据的在线教学过程评价方法将在线教学平台中可观察、可测量的教学和学习行为的聚合,通过大数据以及深度学习的理论与方法构建在线教学过程评价指标体系模型。本专利技术是通过以下技术手段实现的:本专利技术的一种基于大数据的在线教学过程评价方法,包括以下步骤:第一阶段:数据获取①结构化数据在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论;②非结构化数据首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持;第二阶段:数据挖掘。从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系;第三阶段:模型构建利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究;进一步,所述方法基于卷积神经网络构建。本专利技术的有益效果:1)本专利技术的基于大数据的在线教学过程评价方法,利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。2)本专利技术的基于大数据的在线教学过程评价方法通过分析教育大数据的特征出发,研究了大数据驱动与在线教学评价的关联性,并从信息数据化、深度学习、情感计算、区块链、人工智能等方面,探究了新技术对大数据背景下教学过程评价的影响和作用,以期为教学评价的改进和发展提供参考。附图说明图1是本专利技术基于大数据的在线教学过程评价方法的原理框图。具体实施方式以下通过具体实施例对本专利技术详细说明:本实施例中的一种基于大数据的在线教学过程评价方法,其特征在于,包括以下步骤:第一阶段:数据获取。①结构化数据在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论;②非结构化数据首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持;第二阶段:数据挖掘从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系;第三阶段:模型构建基于卷积神经网络(CNN)构建,利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。如图1所示,本专利技术的基于大数据的在线教学过程评价方法,包括数据输入、卷积层、光栅化、网络输出四个部分。本专利技术的基于大数据的在线教学过程评价方法的工作原理:在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论。通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持。从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系。利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。本行业的技术人士应该了解,本专利技术不受上述实施例的限制,上述实施例和说明书中描述的只是用于说明本专利技术的原理,在不脱离本专利技术原理和范围的前提下,本专利技术还可有各种变化和改进,这些变化和改进都属于要求保护的本专利技术范围内。本文档来自技高网...

【技术保护点】
1.一种基于大数据的在线教学过程评价方法,其特征在于,包括以下步骤:第一阶段:数据获取①结构化数据在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论;②非结构化数据首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持;第二阶段:数据挖掘从那些看似毫无联系的数据堆里找出有用的信息,经过精心的组织和概括,形成评估体系中的数据结构,需要借助数学模型分析方法的帮助。通过教育大数据建模,发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系;第三阶段:模型构建利用深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的相一致的特点,构建在线学习过程分析模型,进而满足教育质量评估及以此为基础的政策分析研究。

【技术特征摘要】
1.一种基于大数据的在线教学过程评价方法,其特征在于,包括以下步骤:第一阶段:数据获取①结构化数据在教育理论和相关专家的指导下,构建一系列评价指标体系,按照每一类指标获取相应的数据,比照分析指标体系而获得结论;②非结构化数据首先,通过建立跨校学习数据库,采集学生的相关记录和课程记录,建模得到学生的分数、出勤率、綴学率和保留率等主要趋势,利用预测分析大数据帮助学生提高成绩;其次,通过对学生学习习惯进行分析,预测其存在学习失败的可能性而提前做好预警支持;第二阶段:数据挖掘从那...

【专利技术属性】
技术研发人员:李丽
申请(专利权)人:重庆楠桦生物科技有限公司
类型:发明
国别省市:重庆,50

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1