学情确定方法、装置及智能终端制造方法及图纸

本发明专利技术提供了一种学情确定方法、装置及智能终端，涉及学情管理技术领域，该方法包括：获取目标学生的个人信息；对个人信息中的数据进行特征提取，得到多个特征矢量；基于特征矢量确定目标学生的学情。本发明专利技术能够有效提高学情确定的可靠性。

Method, Device and Intelligent Terminal for Determining Learning Situation

The invention provides a learning situation determination method, device and intelligent terminal, which relates to the technical field of learning situation management. The method includes: acquiring the personal information of the target student; extracting the data from personal information to obtain multiple feature vectors; and determining the learning situation of the target student based on the feature vectors. The invention can effectively improve the reliability of the determination of learning conditions.

【技术实现步骤摘要】
学情确定方法、装置及智能终端
本专利技术涉及学情管理
，尤其是涉及一种学情确定方法、装置及智能终端。
技术介绍
在针对在校大学生进行学情管理时，需要对学生在校学习、生活、个性、心理、既有习惯等多个方面进行数据采集和分析，以便提供细微、立体、全面的学情分析与管理方法，学生在校的各个方面的数据往往分属不同子系统并且存储方式呈现出多样化特性，而现有对学情的确定方法通常是根据学生的一个方面的数据如学习数据进行学情分析，难以体现学生在校多个方面的情况，存在学情分析可靠性较差的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种学情确定方法、装置及智能终端，能够有效提高学情确定的可靠性。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种学情确定方法，包括：获取目标学生的个人信息；其中，个人信息包括学习数据、考勤数据和消费数据；对个人信息中的数据进行特征提取，得到多个特征矢量；基于特征矢量确定目标学生的学情。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，获取目标学生的个人信息的步骤，包括：通过教务系统采集目标学生的学习数据；学习数据包括指定科目的学习成绩，和/或指定科目的学习时长；通过考勤系统采集目标学生的考勤数据；考勤数据包括签到次数和/或签到时间；通过校园卡管理系统采集目标学生的消费数据；消费数据包括校内消费地点和各校内消费地点对应的消费金额。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，对个人信息中的数据进行特征提取，得到多个特征矢量的步骤，包括：通过特征级数据融合算法对个人信息中的数据进行特征提取，得到个人信息的多个特征矢量。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，基于特征矢量确定目标学生的学情的步骤，包括：基于预设的属性类型，采用自适应神经网络的统计模式识别算法对多个特征矢量进行模式识别处理，得到各属性类型对应的特征矢量；属性类型包括学习类型、考勤类型和消费类型；采用神经网络的多源信息融合算法对每个属性类型对应的特征矢量进行合成处理，得到每个属性类型对应的合成数据；基于每个属性类型对应的合成数据确定目标学生的学情。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，学情包括指定评估因素对应的信息；指定评估因素包括学习因素、考勤因素和消费因素；上述方法还包括：根据确定的学情，在预设的学情评价表中分别查找各指定评估因素对应的评价和建议。第二方面，本专利技术实施例还提供一种学情确定装置，包括：获取模块，用于获取目标学生的个人信息；其中，个人信息包括学习数据、考勤数据和消费数据；特征提取模块，用于对个人信息中的数据进行特征提取，得到多个特征矢量；确定模块，用于基于特征矢量确定目标学生的学情。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，获取模块用于：通过教务系统采集目标学生的学习数据；学习数据包括指定科目的学习成绩，和/或指定科目的学习时长；通过考勤系统采集目标学生的考勤数据；考勤数据包括签到次数和/或签到时间；通过校园卡管理系统采集目标学生的消费数据；消费数据包括校内消费地点和各校内消费地点对应的消费金额。结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中，特征提取模块用于：通过特征级数据融合算法对个人信息中的数据进行特征提取，得到个人信息的多个特征矢量。第三方面，本专利技术实施例提供了一种智能终端，包括处理器和存储器；存储器上存储有计算机程序，计算机程序在被处理器运行时执行如第一方面至第一方面的第四种可能的实施方式任一项的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面至第一方面的第四种可能的实施方式任一项的方法的步骤。本专利技术实施例提供了一种学情确定方法、装置及智能终端，通过获取目标学生的个人信息，并对个人信息中的数据进行特征提取，得到多个特征矢量，从而基于特征矢量确定目标学生的学情。由于个人信息包括学习数据、考勤数据和消费数据，相比现有的通常根据学生的一个方面的数据如学习数据进行学情分析的学情确定方法，能够有效提高学情确定的可靠性。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了本专利技术实施例所提供的一种学情确定方法的流程图；图2示出了本专利技术实施例所提供的另一种学情确定方法的流程图；图3示出了本专利技术实施例所提供的一种学情确定方法的架构示意图；图4示出了本专利技术实施例所提供的一种学情确定装置的结构框图；图5示出了本专利技术实施例所提供的一种智能终端的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前现有对学情的确定方法通常是根据学生的一个方面的数据如学习数据进行学情分析，难以体现学生在校多个方面的情况，存在学情分析可靠性较差的问题，基于此，本专利技术实施例提供的一种学情确定方法、装置及智能终端，能够有效提高学情确定的可靠性。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种学情确定方法进行详细介绍。参见图1所示的一种学情确定方法的流程图，该方法由诸如计算机等智能终端执行，该方法包括以下步骤：步骤S102，获取目标学生的个人信息；其中，个人信息包括学习数据、考勤数据和消费数据。目标学生的个人信息可以通过学校的教务系统、考勤系统、校园卡管理系统以及学生管理系统等获取，学习数据如指定科目的学习时长和指定科目的学习成绩等，考勤数据包括签到时间、签到地点和签到次数等，消费数据包括学生使用校园卡在学校的消费地点以及在学校的各消费地点对应的消费金额等，个人信息还包括活动参与数据、违规违纪数据和心理咨询数据等。步骤S104，对个人信息中的数据进行特征提取，得到多个特征矢量。通过特征级数据融合算法对个人信息中的数据进行特征提取，得到个人信息的多个特征矢量，如学习数据、考勤数据和消费数据等各自对应的特征矢量。特征级数据融合算法先是将各数据进行特征提取，提取的特征信息应是数据的原始信息的充分表示量或充分统计量，然后按特征信息对多源数据进行分类、聚集和综合，得到特征矢量，而后采用基于特征级融合方法融合这些特征矢量，做出基于融合特征矢量的属性说明。步骤S106，基于特征矢量确定目标学生的学情。基于预设的属性类型，采本文档来自技高网...

【技术保护点】
1.一种学情确定方法，其特征在于，包括：获取目标学生的个人信息；其中，所述个人信息包括学习数据、考勤数据和消费数据；对所述个人信息中的数据进行特征提取，得到多个特征矢量；基于所述特征矢量确定所述目标学生的学情。

【技术特征摘要】
1.一种学情确定方法，其特征在于，包括：获取目标学生的个人信息；其中，所述个人信息包括学习数据、考勤数据和消费数据；对所述个人信息中的数据进行特征提取，得到多个特征矢量；基于所述特征矢量确定所述目标学生的学情。2.根据权利要求1所述的方法，其特征在于，所述获取目标学生的个人信息的步骤，包括：通过教务系统采集目标学生的学习数据；所述学习数据包括指定科目的学习成绩，和/或指定科目的学习时长；通过考勤系统采集目标学生的考勤数据；所述考勤数据包括签到次数和/或签到时间；通过校园卡管理系统采集目标学生的消费数据；所述消费数据包括校内消费地点和各所述校内消费地点对应的消费金额。3.根据权利要求1所述的方法，其特征在于，所述对所述个人信息中的数据进行特征提取，得到多个特征矢量的步骤，包括：通过特征级数据融合算法对所述个人信息中的数据进行特征提取，得到所述个人信息的多个特征矢量。4.根据权利要求1所述的方法，其特征在于，所述基于所述特征矢量确定所述目标学生的学情的步骤，包括：基于预设的属性类型，采用自适应神经网络的统计模式识别算法对多个所述特征矢量进行模式识别处理，得到各属性类型对应的特征矢量；所述属性类型包括学习类型、考勤类型和消费类型；采用神经网络的多源信息融合算法对每个所述属性类型对应的特征矢量进行合成处理，得到每个所述属性类型对应的合成数据；基于每个所述属性类型对应的合成数据确定所述目标学生的学情。5.根据权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：徐小辉，
申请(专利权)人：重庆电子工程职业学院，
类型：发明
国别省市：重庆,50