一种学习数据分析方法及装置制造方法及图纸

本发明专利技术的实施例公开一种学习数据分析方法及装置，涉及网络技术领域，能够通过对网上学习平台学员的学习行为信息以及课程资源信息进行分析，并生成推荐课程。该方法包括：从管理信息数据库中获取预设时间内预设组织的基础数据、学习行为数据；根据基础数据以及学习行为数据，计算学员特征的分析列表；根据基础数据以及学习行为数据，计算活跃课程以及专区的关键指标的列表；根据基础数据以及学习行为数据，计算不活跃课程的分类列表；不活跃课程包括僵尸课程以及较少学习课程；根据学员的基础信息以及学习行为数据，计算推荐课程。本发明专利技术实施例应用于网络学习系统。

A Learning Data Analysis Method and Device

【技术实现步骤摘要】
一种学习数据分析方法及装置
本专利技术的实施例涉及网络
，尤其涉及一种学习数据分析方法及装置。
技术介绍
企业网上学习平台基于互联网技术，采用开放的在线学习平台模式，以学习资源为核心，满足企业各种培训场景需求，构建企业内训生态系统，助企业实现人才领先。随着互联网的普及和深度应用，企业网上学习平台已经成为内部教育和知识分享的重要途径。用户行为数据是指导平台生产运营的主要依据之一，如何进行有效的数据分析是平台运营面临的一个主要问题。网络学员行为特征的建模过程是在分析学员行为，获取及维持和学员的喜好等，最后形成一个用来反应学员个性化需求、知识背景或者喜好的模型。获取学员的趣味喜好、需求和所有的交互行为等数据，经过剖析综合概括从而得到一个能够运算的可计算的格式化的学员行为特征模型，并连续地记录学员行为的变化，伴随学员喜好的变化进而改变学员行为特征模型的过程。目前，针对企业网上学习平台的研究较少，无法有效的指导针对企业网上学习平台部署运营策略。
技术实现思路
本专利技术的实施例提供一种学习数据分析方法及装置，能够通过对网上学习平台学员的学习行为信息以及课程资源信息进行分析，并生成推荐课程。为本文档来自技高网...

【技术保护点】
1.一种学习数据分析方法，其特征在于，包括：从管理信息数据库中获取预设时间内预设组织的基础数据、学习行为数据；其中，所述基础数据包括学员的基础信息以及课程的资源信息，所述学员的基础信息包括所述学员的ID、所述学员的岗位、所述学员的年龄、以及所述学员的组织信息，所述课程的资源信息包括所述课程的属性信息以及所述课程所属专区；所述学习行为数据包括所述学员的登录信息、所述学员的学习记录以及所述课程的被学习记录；所述预设组织包含至少一个子组织，每个所述子组织包括的至少一个学员为二级学员，所述预设组织还包括至少一个一级学员，所述一级学员为所述预定组织中所有子组织的学员，所述课程包括必修课程以及选修课程；所...

【技术特征摘要】
1.一种学习数据分析方法，其特征在于，包括：从管理信息数据库中获取预设时间内预设组织的基础数据、学习行为数据；其中，所述基础数据包括学员的基础信息以及课程的资源信息，所述学员的基础信息包括所述学员的ID、所述学员的岗位、所述学员的年龄、以及所述学员的组织信息，所述课程的资源信息包括所述课程的属性信息以及所述课程所属专区；所述学习行为数据包括所述学员的登录信息、所述学员的学习记录以及所述课程的被学习记录；所述预设组织包含至少一个子组织，每个所述子组织包括的至少一个学员为二级学员，所述预设组织还包括至少一个一级学员，所述一级学员为所述预定组织中所有子组织的学员，所述课程包括必修课程以及选修课程；所述预设时间包括第一预设时间与第二预设时间，所述第一预设时间在所述第二预设时间之前且相邻；根据所述基础数据以及所述学习行为数据，计算学员特征的分析列表；其中，所述学员特征包括活跃学员的特征、学习增量的特征、不活跃学员的特征以及异常学员的特征，所述活跃学员包括根据所述学员的学习时长、所述学员的学习次数以及所述学员的登录次数中的一项或多项计算生成的加权值的排序前m1的学员；所述学习增量包括在所述第一预设时间所述子组织的学员的登陆次数与所述第二预设时间所述子组织的学员的登陆次数的差值、在所述第一预设时间所述子组织的学员的学习人次与所述第二预设时间所述子组织的学员的学习人次的差值；所述不活跃学员包括未登录的学员、登录未学习的学员以及学习次数较少的学员，所述学习次数较少的学员的学习次数满足：0＜学习次数＜预设次数阈值；所述异常学员包括学习时长大于第一预设时长阈值的学员、未登录的学员以及学习时长较少的学员，所述学习时长较少的学员满足：0＜学习时长＜第二预设时长阈值；根据所述基础数据以及所述学习行为数据，计算活跃课程以及专区的关键指标的列表；其中，所述活跃课程包括最受欢迎课程以及必修课程，所述最受欢迎课程包括学习时长排序前m3的课程；所述活跃课程的关键指标包括：所述最受欢迎课程的学习量的子组织分布、每门所述必修课的完成率、所有所述必修课的完成率、一级学员的必修课完成率、所有一级学员的必修课完成率、每个子组织的必修课的完成率；所述专区的关键指标包括：最受欢迎专区的学习量的子组织分布，所述最受欢迎专区包括学习时长排序前m4的专区，所述专区的必修课的完成率，每个所述专区的一级学员的必修课的完成率，每个所述专区中各子组织的必修课的完成率；根据所述基础数据以及所述学习行为数据，计算不活跃课程的分类列表；所述不活跃课程包括僵尸课程以及较少学习课程，其中所述僵尸课程的学习时长为零，所述较少学习课程的学习时长满足：0＜学习时长＜第三预定时长阈值；根据所述学员的基础信息以及所述学习行为数据，计算推荐课程。2.根据权利要求1所述的学习数据分析方法，其特征在于，所述根据所述基础数据、所述学习行为数据、所述第一特征分析列表以及所述第二特征分析列表生成推荐课程，之后还包括：根据所述推荐课程的已学习时长与所述推荐课程的规定学习时长的比值生成所述推荐课程的转化率。3.一种学习数据分析装置，其特征在于，包括：获取单元，用于从管理信息数据库中获取预设时间内预设组织的基础数据、学习行为数据；其中，所述基础数据包括学员的基础信息以及课程的资源信息，所述学员的基础信息包括所述学员的ID、所述学员的岗位、所述学员的年龄、以及所述学员的组织信息，所述课程的资源信息包括所述课程的属性信息以及所述课程所属专区；所述学习行为数据包括所述学员的登录信息、所述学员的学习记录以及所...

【专利技术属性】
技术研发人员：李素粉，赵健东，刘志华，杨杰，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11