一种教育可计算方法技术

本发明专利技术涉及一种教育可计算方法，属于数据处理技术领域。所述教育可计算方法包括：所述分析设备获取所述至少一套采集设备所采集的行为数据；所述分析设备从所述行为数据中提取特征量；所述分析设备基于所述特征量和预设数据分析模型获得分析结果；所述服务设备基于所述分析结果，将与所述分析结果相对应的特定信息发送至预设终端设备。该分析设备从获取到的行为数据中提取所需的特征量，得到所需的特征量后，基于该特征量和所需的预设数据分析模型获得所需的分析结果，在获得分析结果后，服务设备便根据该分析结果有针对性的提供服务，从而提高学生学习以及老师教学的质量和效率，达到事半功倍的效果。

【技术实现步骤摘要】
一种教育可计算方法
本专利技术属于数据处理
，具体涉及一种教育可计算方法。
技术介绍
随着科技的发展，技术变革教育的时代已经来临。大数据时代的来临必将对社会各个领域产生巨大冲击，作为社会子系统重要的组成部分，教育也必然深受大数据来临的深刻影响。教育大数据为教育信息化的发展带来了创新的机遇，可以改变当前学习系统的架构。大数据的更大意义在于通过对海量数据的挖掘、分析、交换和整合，进而发现新知识，创造新价值。与此同时，伴随着电子技术与无线通信技术的快速发展，“智能家居”、“智慧教室”、“智慧城市”等概念也分别涌现，这也成为了科技发展的趋势。现有的智慧教室应用系统是一种构架在整个校园网上的分布式系统，各个分散的网关设备和集中部署的应用服务器之间采用基于物联网技术的三层架构设计，包括感知层、传输层和应用层。当前针对“智慧教室应用系统”的解决方案还存在较多的缺点，主要表现为数据获取不够完善，以及在获得数据后，仅仅对数据进行简单分析，基于数据间的基本关联等特性将其以图表和/或文字的形式展示出来，功能相对单一。因此，如何找到一种能提高学生学习及老师教学的质量和效率的方法，成为行业人士关注的焦点。
技术实现思路
鉴于此，本专利技术的目的在于提供一种教育可计算方法，以有效地改善上述问题。本专利技术的实施例是这样实现的：本专利技术实施例提供了一种教育可计算方法，应用于智能教育系统，所述智能教育系统包括:至少一套采集设备，每套采集设备安装于一教校园的不同位置、与所述至少一套采集设备连接的分析设备和与所述分析设备连接的服务设备。所述教育可计算方法包括：在教学过程中，所述分析设备获取所述至少一套采集设备所采集的行为数据；所述分析设备从所述行为数据中提取特征量；所述分析设备基于所述特征量和预设数据分析模型获得分析结果；所述服务设备基于所述分析结果，将与所述分析结果相对应的特定信息发送至预设终端设备。在本专利技术可选的实施例中，所述分析设备获取所述至少一套采集设备所采集行为数据，包括：所述分析设备获取所述至少一套采集设备中每套采集设备所采集的每个教室的用于表征学生和/或教师行为的音频数据、图像数据和文本数据。在本专利技术可选的实施例中，所述行为数据为所述音频数据、所述图像数据和/或所述文本数据时，所述分析设备从所述行为数据中提取特征量，包括：所述分析设备从所述音频数据、所述图像数据和/或所述文本数据中提取上课过程中表征学生行为的第一数据，所述第一数据包括：学习状态、兴趣调查问卷表、访问记录、回复/提问内容、回答问题的次数和/或作业完成情况；以及提取表征教师行为的第二数据，所述第二数据包括：讲课的方式、兴趣调查问卷表、访问记录、回复/提问内容、提问的次数、教学进度和/或作业的布置情况。在本专利技术可选的实施例中，所述分析设备基于所述特征量和预设数据分析模型获得分析结果之前，所述教育可计算方法还包括：基于预设规则和样本构建所述预设数据分析模型。在本专利技术可选的实施例中，所述样本为课程的学生成绩分析数据表，所述预设规则为决策树算法，所述基于预设规则和样本构建预设数据分析模型，包括：1)获取所述学生成绩分析数据表中的每个属性的信息增益率，共至少一个信息增益率；2)从所述至少一个信息增益率中选取最大信息增益率对应的属性作为根节点，并按其值划分数据集合，获得至少两个子数据集；3)对每个子数据集递归执行步骤1)、2)，以构建学生成绩预测的第一决策树模型。在本专利技术可选的实施例中，所述样本为课程的学生活动基本数据表，所述预设规则为聚类分析算法；所述基于预设规则和样本构建预设数据分析模型，包括：1)将所述学生活动基本数据表中每个维度系数映射为多维空间的点，获得至少三个点，从所述至少三个点中随机选取3个聚类质心点；2)计算每个点到每个所述聚类质心点的欧氏距离，并按照预设规则对每个点进行分类，获得三个类别；3)将每个类别中的所有对象所对应的均值作为每个类别的聚类中心，计算与每个类别的聚类中心对应的目标函数的值；4)判断每个聚类中心和与之相对应的目标函数的值是否发生改变，若改变，则执行步骤2)，以构建学生相似度划分的相似度分析模型。在本专利技术可选的实施例中，所述样本为课程的教师教学相关数据表，所述预设规则为决策树算法，所述基于预设规则和样本构建预设数据分析模型，包括：1)获取所述教师教学相关数据表中的每个属性的信息增益率，共至少一个信息增益率；2)从所述至少一个信息增益率中选取最大信息增益率对应的属性作为根节点，并按其值划分数据集合，获得至少两个子数据集；3)对每个子数据集递归执行步骤1)、2)，以构建教师教学能力预测的第二决策树模型。在本专利技术可选的实施例中，所述分析设备基于所述特征量和预设数据分析模型获得分析结果，包括：基于所述第一数据和所述第一决策树模型，获得每个学生对应一课程的预测成绩。在本专利技术可选的实施例中，所述分析设备基于所述特征量和预设数据分析模型获得分析结果，包括：基于所述第一数据和所述相似度分析模型，获得按照相似度进行划分的分组结果。在本专利技术可选的实施例中，所述分析设备基于所述特征量和预设数据分析模型获得分析结果，包括：基于所述第二数据和所述第二决策树模型，获得教师教学能力预测结果。本专利技术实施例提供的教育可计算方法，该方法应用于智能教育系统，所述智能教育系统包括:至少一套采集设备，每套采集设备安装于一校园的不同位置、与所述至少一套采集设备连接的分析设备和与所述分析设备连接的服务设备。通过分析设备获取所述至少一套采集设备所采集的行为数据，获取到数据后，该分析设备从获取到的行为数据中提取所需的特征量，得到所需的特征量后，基于该特征量和所需的预设数据分析模型获得所需的分析结果，在获得分析结果后，服务设备便根据该分析结果有针对性的提供服务，从而提高学生学习以及老师教学的质量和效率，达到事半功倍的效果。本专利技术的其他特征和优点将在随后的说明书阐述，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实施例而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。通过附图所示，本专利技术的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本专利技术的主旨。图1示出了本专利技术实施例提供的一种教育可计算方法所应用的智能教育系统的结构示意图。图2示出了本专利技术实施例提供的图1中的分析设备的结构框图。图3示出了本专利技术实施例提供的一种教育可计算方法的方法流程图。图4示出了本专利技术实施例提供的一种分析装置的模块示意图。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，下面将结合本专利技术实施例中的附图，对本专利技术实施例中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。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的本文档来自技高网...

【技术保护点】
一种教育可计算方法，其特征在于，应用于智能教育系统，所述智能教育系统包括:至少一套采集设备，每套采集设备安装于一校园的不同位置、与所述至少一套采集设备连接的分析设备和与所述分析设备连接的服务设备，所述教育可计算方法包括：所述分析设备获取所述至少一套采集设备所采集的行为数据；所述分析设备从所述行为数据中提取特征量；所述分析设备基于所述特征量和预设数据分析模型获得分析结果；所述服务设备基于所述分析结果，将与所述分析结果相对应的特定信息发送至预设终端设备。

【技术特征摘要】
1.一种教育可计算方法，其特征在于，应用于智能教育系统，所述智能教育系统包括:至少一套采集设备，每套采集设备安装于一校园的不同位置、与所述至少一套采集设备连接的分析设备和与所述分析设备连接的服务设备，所述教育可计算方法包括：所述分析设备获取所述至少一套采集设备所采集的行为数据；所述分析设备从所述行为数据中提取特征量；所述分析设备基于所述特征量和预设数据分析模型获得分析结果；所述服务设备基于所述分析结果，将与所述分析结果相对应的特定信息发送至预设终端设备。2.根据权利要求1所述的教育可计算方法，其特征在于，所述分析设备获取所述至少一套采集设备所采集行为数据，包括：所述分析设备获取所述至少一套采集设备中每套采集设备所采集的每个教室的用于表征学生和/或教师行为的音频数据、图像数据和文本数据。3.根据权利要求2所述的教育可计算方法，其特征在于，所述行为数据为所述音频数据、所述图像数据和/或所述文本数据时，所述分析设备从所述行为数据中提取特征量，包括：所述分析设备从所述音频数据、所述图像数据和/或所述文本数据中提取上课过程中表征学生行为的第一数据，所述第一数据包括：学习状态、兴趣调查问卷表、访问记录、回复/提问内容、回答问题的次数和/或作业完成情况；以及提取表征教师行为的第二数据，所述第二数据包括：讲课的方式、兴趣调查问卷表、访问记录、回复/提问内容、提问的次数、教学进度和/或作业的布置情况。4.根据权利要求3所述的教育可计算方法，其特征在于，所述分析设备基于所述特征量和预设数据分析模型获得分析结果之前，所述教育可计算方法还包括：基于预设规则和样本构建所述预设数据分析模型。5.根据权利要求4所述的教育可计算方法，其特征在于，所述样本为课程的学生成绩分析数据表，所述预设规则为决策树算法，所述基于预设规则和样本构建预设数据分析模型，包括：1)获取所述学生成绩分析数据表中的每个属性的信息增益率，共至少一个信息增益率；2)从所述至少一个信息增益率中选取最大信息增益率对应的属性作为根节点，并按其值划分...

【专利技术属性】
技术研发人员：杨宗凯，刘三女牙，黄涛，张浩，李永丹，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北,42