教学资源评价排名方法技术

本发明专利技术公开了一种教学资源评价排名方法。其包括设置教学资源评价参数，分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型，分别计算教学资源浏览次数得分、教学资源学习反馈评价得分、教学资源评价得分及教学资源时间维度得分，构建教学资源评价排名计算模型计算教学资源评价排名。本发明专利技术更全面的对教学资源进行评价排名，结果更加符合实际。

Teaching resource evaluation ranking method

The invention discloses a teaching resource evaluation ranking method. The evaluation of teaching resources including setting parameters, construction of teaching resources respectively viewed score calculation model, teaching resources and learning feedback evaluation score calculation model of teaching resources, teaching resources evaluation score calculation model and time dimension score calculation model, calculated the teaching resources, teaching resources and learning views score feedback evaluation scores, teaching resources and teaching evaluation scores. The time dimension resources score, evaluation of teaching resources teaching resources evaluation model to calculate ranking ranking. The invention is more comprehensive in evaluating and ranking the teaching resources, and the result is more in line with the reality.

【技术实现步骤摘要】
教学资源评价排名方法
本专利技术属于教学资源评价
，尤其涉及一种教学资源评价排名方法。
技术介绍
随着教育互联网快速的发展，教学资源数据量越来越大，教学资源的评价则尤为重要。教学资源的评价是对资源建设质量的把关，在资源建设和使用过程中，是一个不可缺少的重要环节。我国教育技术界针对教学资源信息评价总结过所谓“五性”的评价原则即：教育性、科学性、技术性、艺术性、经济性，这些原则不仅适用于传统的教学教材，同时也是现各类多媒体教学资源评价遵循的基本原则，资源评价具有导向、监控、矫正、鉴定等功能。介于资源评价的重要性，市场上出现了很多针对资源评价的各类算法，如：delicious和hackernews等投票排名算法，这类算法的问题是：对于一些有争议的资源信息(好评和差评非常接近)，他们就不可能排到前列，假如同一时间创建两个资源，资源a有1个好评(资源创建者自己投的)、0个差评，资源b有100个好评、100个差评，那么资源a的排名会高于资源b，这样显然不符合逻辑。采用这样的算法排名会有一个结果：排名基本上由资源创建的时间觉得，非常受欢迎的资源会排行在最前面，然后是一般受欢迎资源，有争议的资源都不会排在前面。
技术实现思路
本专利技术的专利技术目的是：为了解决现有技术中存在的以上问题，本专利技术提出了一种教学资源评价排名方法。本专利技术的技术方案是：一种教学资源评价排名方法，包括以下步骤：A、设置教学资源评价参数，所述评价参数包括教学资源浏览次数、教学资源学习反馈数量、教学资源评价及教学资源学习心得评价；B、分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型；C、根据步骤A中的教学资源评价参数和步骤B中构建的多个计算模型分别计算教学资源浏览次数得分、教学资源学习反馈评价得分、教学资源评价得分及教学资源时间维度得分；D、构建教学资源评价排名计算模型，并根据步骤C中的计算结果计算教学资源评价排名。进一步地，所述步骤B中的教学资源浏览次数得分计算模型具体为：A＝(log10Rview)*4其中，A为教学资源浏览次数得分，Rview为教学资源被浏览的次数。进一步地，所述步骤B中的教学资源学习反馈评价得分计算模型具体为：其中，B为教学资源学习反馈评价得分，Rscore为教学资源得分，Rfeedback为教学资源学习反馈数量。进一步地，所述教学资源得分Rscore的计算方式为教学资源的好评数量减去教学资源的差评数量。进一步地，所述步骤B中的教学资源评价得分计算模型具体为：C＝sum(Backscores)其中，C为教学资源评价得分，Backscores为教学资源学习心得评价得分。进一步地，所述步骤B中的教学资源时间维度得分计算模型具体为：其中，D为教学资源时间维度得分，Rage为距离资源创建发布的时间，Rupdated为距离最后一个发表教学资源学习心得的时间。进一步地，所述步骤D中教学资源评价排名计算模型具体为：其中，Scores为教学资源评价排名得分。本专利技术的有益效果是：本专利技术通过设定教学资源的浏览次数、学习反馈数量、评价及学习心得评价等评价参数，从浏览次数和学习反馈数量反映的教学资源参与度、评价及学习心得评价反映的教学资源质量及资源创建发布和学习反馈时间反映的教学资源时间维度等方面对教学资源进行分析，从而更全面的对教学资源进行评价排名，结果更加符合实际。附图说明图1是本专利技术的教学资源评价排名方法流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为本专利技术的教学资源评价排名方法流程示意图。一种教学资源评价排名方法，包括以下步骤：A、设置教学资源评价参数，所述评价参数包括教学资源浏览次数、教学资源学习反馈数量、教学资源评价及教学资源学习心得评价；B、分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型；C、根据步骤A中的教学资源评价参数和步骤B中构建的多个计算模型分别计算教学资源浏览次数得分、教学资源学习反馈评价得分、教学资源评价得分及教学资源时间维度得分；D、构建教学资源评价排名计算模型，并根据步骤C中的计算结果计算教学资源评价排名。在步骤A中，本专利技术对教学资源的评价参数进行设定，这里的评价参数包括教学资源浏览次数、教学资源学习反馈数量、教学资源评价及教学资源学习心得评价。教学资源创建成功后，等待别人提出学习心得。访问者可以对资源本身进行评价投票(好评或差评)，表示这个问题是否有大的学习价值，一旦有人对资源提出了学习心得，其他的用户也可以对他的学习心得进行评价(好评或差评)。在步骤B中，本专利技术分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型；教学资源浏览次数得分计算模型具体为：A＝(log10Rview)*4其中，A为教学资源浏览次数得分，Rview为教学资源被浏览的次数。教学资源浏览的次数越多，说明教学资源越受欢迎，得分也就越高，这里采用10为底对数处理访问量越大，它本身对教学资源得分的影响就不断变小。教学资源学习反馈评价得分计算模型具体为：其中，B为教学资源学习反馈评价得分，Rscore为教学资源得分，Rfeedback为教学资源学习反馈数量。这里的教学资源得分Rscore的计算方式为教学资源的好评数量减去教学资源的差评数量。教学资源本身所受好评数量越多，自然评价排行越靠前。Rfeedback表示某教学资源学习心得反馈的数量，代表有多少个人进行了资源的学习并反馈了学习结果，这个值越多，所得到的分数成倍的放大。当然如果无人对资源本身进行学习，Rfeedback就等于0，这是即使Rscore资源本身评价得分再高也无用，意味着再好的资源，无人进行浏览和学习，也都无法成为热点的教学资源信息。教学资源评价得分计算模型具体为：C＝sum(Backscores)其中，C为教学资源评价得分，Backscores为教学资源学习心得评价得分。以教学资源本身来说，通常用户更看重教学资源学习后结果的反馈，也就是反馈心得具体的得分情况，这一项得分越高，说明本身教学资源学习的效果越好。考虑到得分差的教学资源学习心得反馈会拉低教学资源本身得分，所以本专利技术采取了sum求值的设计，而不是简单的加总设计。教学资源时间维度得分计算模型具体为：其中，D为教学资源时间维度得分，Rage为距离资源创建发布的时间，Rupdated为距离最后一个发表教学资源学习心得的时间。本专利技术中Rage和Rupdated的单位规定为秒，如果教学资源创建发布存在的时间越久或距离上一次学习反馈的时间越久，Rage和Rupdated的值就会随之增大，这样就会导致分母不断的变大，这样做的目的为了使总得分越来越小。在步骤C中，本专利技术根据步骤A中的教学资源浏览次数结合步骤B中构建的教学资源浏览次数得分计算模型计算教学资源浏览次数得分；还根据步骤A中的教学资源学习反馈数量和教学资源评价结合步骤B中构建的教学资源学习反馈评价得分本文档来自技高网...

【技术保护点】
一种教学资源评价排名方法，其特征在于，包括以下步骤：A、设置教学资源评价参数，所述评价参数包括教学资源浏览次数、教学资源学习反馈数量、教学资源评价及教学资源学习心得评价；B、分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型；C、根据步骤A中的教学资源评价参数和步骤B中构建的多个计算模型分别计算教学资源浏览次数得分、教学资源学习反馈评价得分、教学资源评价得分及教学资源时间维度得分；D、构建教学资源评价排名计算模型，并根据步骤C中的计算结果计算教学资源评价排名。

【技术特征摘要】
1.一种教学资源评价排名方法，其特征在于，包括以下步骤：A、设置教学资源评价参数，所述评价参数包括教学资源浏览次数、教学资源学习反馈数量、教学资源评价及教学资源学习心得评价；B、分别构建教学资源浏览次数得分计算模型、教学资源学习反馈评价得分计算模型、教学资源评价得分计算模型及教学资源时间维度得分计算模型；C、根据步骤A中的教学资源评价参数和步骤B中构建的多个计算模型分别计算教学资源浏览次数得分、教学资源学习反馈评价得分、教学资源评价得分及教学资源时间维度得分；D、构建教学资源评价排名计算模型，并根据步骤C中的计算结果计算教学资源评价排名。2.如权利要求1所述的教学资源评价排名方法，其特征在于，所述步骤B中的教学资源浏览次数得分计算模型具体为：A＝(log10Rview)*4其中，A为教学资源浏览次数得分，Rview为教学资源被浏览的次数。3.如权利要求2所述的教学资源评价排名方法，其特征在于，所述步骤B中的教学资源学习反馈评价得分...

【专利技术属性】
技术研发人员：唐雪飞，张青龙，邓齐，岳超，
申请(专利权)人：成都康赛信息技术有限公司，
类型：发明
国别省市：四川,51