课外教学资源推荐更新与学生学习进展图示化表示方法技术

一种课外教学资源推荐更新与学生学习进展图示化表示方法，该方法通过安排学生课外试听课，利用图像识别和语音识别技术全程追踪学生的课堂表现；从学习能力、知识点掌握情况两个方面量化学生的学习状况，结合当前学习进展，灵活整合教学资源，更新培训教师、培训课程，最大可能的实现教学资源的最佳配置，以期达到最佳的教学效果；并通过学习进展图示化表示方法，使教师、家长、学生从学习能力、知识点掌握情况两个方面直观清晰地把握学生的学习进展，使得教育培训和学习过程更具有目的性。该方法可操作性强、易于推广，有利于教育机构新商业模式的探索。

【技术实现步骤摘要】
课外教学资源推荐更新与学生学习进展图示化表示方法
本专利技术涉及信息处理
，具体地说，是一种课外教学资源推荐更新与学生学习进展图示化表示方法。
技术介绍
教育是一种有目的地培养人的社会活动，主要包括教育者(教师)、受教育者(学生)、教育影响(教育内容)三个要素。三个要素之间既相互独立，又相互制约，共同构成一个完整的实践活动系统。为了达到最佳的教学效果，教育机构需要在有限的学习时间内，尽可能地全面了解学生的学习进展，跟踪学生的学习进展，并根据学习进展及时调整为其配备的教师、课程、习题等教学资源。现实中，教育机构向学生推荐课外教学资源及培训的过程中，往往存在如下问题：(1)教学资源的推荐过于僵化，缺失对学生学习能力的准确评价。教育机构对学生学习能力的评价初期仅源自家长对学生的主观描述，易导致教育机构推荐的教师、课程、习题等教学资源与学生学习能力不匹配的现象。(2)教学资源的推荐缺乏更新机制，通常仅在培训前推荐一次教师、课程、习题等教学资源，伴随着培训过程的进行，缺乏教学资源灵活调整的机制，直接影响教学效果。(3)缺乏对学生学习进展的直观描述，使得学生家长无法及时掌握培训效果。通常，学生的学习进展通常由阶段性的考试测验(月考、期中考、期末考等)进行评价，难以直观全面地把握学生的学习进展。因此，为了达到最佳的教学效果、尽量避免教育机构向学生推荐课外教学资源过程中的盲目性，使得教师、家长、学生等学习过程参与者及时掌握学生的学习进展，有必要结合现实情况，借助信息处理技术，提出一种能够实现课外教学资源更新、学习进展图示化表示的方法。对于实现教育机构、教师、学生的三方共赢，具有十分重要的现实意义。
技术实现思路
本专利技术的目的就是提供一种课外教学资源推荐更新与学生学习进展图示化表示方法，该方法能在教学培训过程中，根据学生当前的学习状况灵活地更新教学资源，最大可能的实现教学资源的最佳配置，以期达到最佳的教学效果。同时，提出学生的学习进展图示化表示方法，以便有助于教师、家长、学生直观清晰全面地把握学生的学习进展。本专利技术所采用的技术方案如下：一种课外教学资源推荐更新与学生学习进展图示化表示方法，该方法包括如下步骤：第一步，针对某培训学生，安排该名学生上m门学科，每门学科均参加Q次听课；记录培训学生在第i门学科第q次听课的课堂表现，通过图像识别技术全程追踪学生眼球的活动，识别学生的注意力集中时间ti,q,1，通过语音识别技术记录学生答题次数ci,q,1、教师提问次数ci,q,2、回答问题反应时间ti,q,2、回答问题停顿时间ti,q,3、回答问题总时间ti,q,4和课堂总时间ti,q,5；其中i＝1,2,…,m；q＝1,2,…,Q；建立该名学生在第i门学科第q次听课的学习能力特征矩阵：Ti,q,1＝[ai,q,1，ai,q,2，ai,q,3，ai,q,4]，式中，ai,q,1为第i门学科第q次听课的注意力集中特征，ai,q,2为第i门学科第q次听课的答题互动特征，ai,q,3为第i门学科第q次听课的思维敏捷特征，ai,q,4为第i门学科第q次听课的答题流畅特征，第二步，针对该名学生上的m门学科，每门学科均参加P次测验；记录培训学生第i门学科第p次测验表现，填空题类型对应数值1、选择题类型对应数值2、简答计算题型对应数值3,其中p＝1,2,…,P；并进行如下统计和计算：i)统计该名学生对第i门学科第p次测验第j个知识点的作答错误题目中，分别统计出现次数最多的题目类型数值ki,p,j,1、出现次数最多的题目难度等级ki,p,j,2、第i门学科第j个知识点的跨知识点错题数ki,p,j,3以及第i门学科第j个知识点的跨知识点题目数ki,p,j,4；其中j＝1,2,…,n；n表示每门学科测试的知识点总数；所述的题目难度等级中简单题目的难度等级对应数值0.3，一般题目的难度等级对应数值0.6，困难题目的难度等级对应数值0.9；ii)计算该名学生对第i门学科第p次测验第j个知识点的不擅长题型特征不擅长题目难度等级特征和不擅长题目跨知识点等级特征其中，ε为难度等级修正系数，默认ε＝1；iii)建立该名学生第i门学科第p次测验的知识点掌握情况特征矩阵Ti,p,2＝[bi,p,j,1，bi,p,j,2，bi,p,j,3]；第三步，建立学习能力特征数据库，将教育机构培养过的所有学生的学习能力特征矩阵与其对应的培训教师编号存到学习能力特征数据库中；在学习能力特征数据库中，检索第w位教师所有培养学生中成绩排名前50％的学生的学习能力特征矩阵构成样本库，用聚类算法搜索该样本库的核心学习能力特征矩阵T3,w＝[aw,core,1，aw,core,2，aw,core,3，aw,core,4]，作为第w位教师培养能力矩阵；其中，aw,core,1为第w位教师培养学生的核心注意力集中特征，aw,core,2为第w位教师培养学生的核心答题互动特征，aw,core,3为第w位教师培养学生的核心思维敏捷特征，aw,core,4为第w位教师培养学生的核心答题流畅特征；计算该名学生在第i门学科第Q次听课的学习能力特征矩阵与第w位教师培养能力矩阵间的相似度式中，q＝Q；w＝1,2,…,g；g表示培训教师总人数；则在g位培训教师中，令相似度disw取得最小值的培训教师即为当前最佳推荐培训教师，更新培训教师；第四步，建立培训课程数据库，将教育机构所有学科的所有知识点的所有培训课程存到培训课程数据库中；在培训课程数据库中，对应第i门学科第j个知识点存有U套培训课程，第v套培训课程的适应特征矩阵为Ti,j,v＝[bi,j,v,1，bi,j,v,2，bi,j,v,3]；其中，v＝1,2,…,U；bi,j,v,1为第v套培训课程的题型特征，bi,j,v,2为第v套培训课程的题目难度等级特征，bi,j,v,3为第v套培训课程的题目跨知识点等级特征；i)针对第i门学科第j个知识点，依次计算该名学生第i门学科第P次测验的知识点掌握情况特征矩阵与第v套培训课程的适应特征矩阵间的相似度其中，p＝P；则在第i门学科第j个知识点的U套培训课程中，令相似度disv取得最小值的培训课程即为第i门学科第j个知识点的最佳推送培训课程；ii)重复步骤i)，直至完成m门学科，每门学科各n个知识点培训课程的更新；第五步，基于该名学生在m门学科，每门学科听课Q次的学习能力特征矩阵Ti,q,1＝[ai,q,1，ai,q,2，ai,q,3，ai,q,4]，按照以下步骤进行学习能力图示化表示:i)当q＝1时，表示该名学生在第i门学科第1次听课的学习能力特征矩阵Ti,1,1＝[ai,1,1，ai,1,2，ai,1,3，ai,1,4]；绘制一个正四边形，连接正四边形的中心与四个顶点，正四边形的中心表示特征下限值0，四个顶点依次表示特征ai,1,1，ai,1,2，ai,1,3，ai,1,4的上限值1；将学习能力特征矩阵Ti,1,1的四个特征依次标注在正四边形中心与四个顶点的连线上，四个标本文档来自技高网...

【技术保护点】
1.一种课外教学资源推荐更新与学生学习进展图示化表示方法，该方法包括如下步骤：/n第一步，针对某培训学生，安排该名学生上m门学科，每门学科均参加Q次听课；记录培训学生在第i门学科第q次听课的课堂表现，通过图像识别技术全程追踪学生眼球的活动，识别学生的注意力集中时间t

【技术特征摘要】
1.一种课外教学资源推荐更新与学生学习进展图示化表示方法，该方法包括如下步骤：
第一步，针对某培训学生，安排该名学生上m门学科，每门学科均参加Q次听课；记录培训学生在第i门学科第q次听课的课堂表现，通过图像识别技术全程追踪学生眼球的活动，识别学生的注意力集中时间ti,q,1，通过语音识别技术记录学生答题次数ci,q,1、教师提问次数ci,q,2、回答问题反应时间ti,q,2、回答问题停顿时间ti,q,3、回答问题总时间ti,q,4和课堂总时间ti,q,5；其中i＝1,2,…,m；q＝1,2,…,Q；
建立该名学生在第i门学科第q次听课的学习能力特征矩阵：
Ti,q,1＝[ai,q,1，ai,q,2，ai,q,3，ai,q,4]，式中，ai,q,1为第i门学科第q次听课的注意力集中特征，ai,q,2为第i门学科第q次听课的答题互动特征，ai,q,3为第i门学科第q次听课的思维敏捷特征，ai,q,4为第i门学科第q次听课的答题流畅特征，
第二步，针对该名学生上的m门学科，每门学科均参加P次测验；记录培训学生第i门学科第p次测验表现，填空题类型对应数值1、选择题类型对应数值2、简答计算题型对应数值3,其中p＝1,2,…,P；并进行如下统计和计算：
i)统计该名学生对第i门学科第p次测验第j个知识点的作答错误题目中，分别统计出现次数最多的题目类型数值ki,p,j,1、出现次数最多的题目难度等级ki,p,j,2、第i门学科第j个知识点的跨知识点错题数ki,p,j,3以及第i门学科第j个知识点的跨知识点题目数ki,p,j,4；其中j＝1,2,…,n；n表示每门学科测试的知识点总数；
所述的题目难度等级中简单题目的难度等级对应数值0.3，一般题目的难度等级对应数值0.6，困难题目的难度等级对应数值0.9；
ii)计算该名学生对第i门学科第p次测验第j个知识点的不擅长题型特征不擅长题目难度等级特征和不擅长题目跨知识点等级特征其中，ε为难度等级修正系数，默认ε＝1；
iii)建立该名学生第i门学科第p次测验的知识点掌握情况特征矩阵Ti,p,2＝[bi,p,j,1，bi,p,j,2，bi,p,j,3]；
第三步，建立学习能力特征数据库，将教育机构培养过的所有学生的学习能力特征矩阵与其对应的培训教师编号存到学习能力特征数据库中；
在学习能力特征数据库中，检索第w位教师所有培养学生中成绩排名前50％的学生的学习能力特征矩阵构成样本库，用聚类算法搜索该样本库的核心学习能力特征矩阵T3,w＝[aw,core,1，aw,core,2，aw,core,3，aw,core,4]，作为第w位教师培养能力矩阵；其中，aw,core,1为第w位教师培养学生的核心注意力集中特征，aw,core,2为第w位教师培养学生的核心答题互动特征，aw,core,3为第w位教师培养学生的核心思维敏捷特征，aw,core,4为第w位教师培养学生的核心答题流畅特征；
计算该名学生在第i门学科第Q次听课的学习能力特征矩阵与第w位教师培养能力矩阵间的相似度:

式中，q＝Q；w＝1,2,…,g；g表示培训教师总人数；则在g位培训教师中，令相似度disw取得最小值的培...

【专利技术属性】
技术研发人员：何振宇，张筱辰，郭韧强，陈安强，
申请(专利权)人：何振宇，
类型：发明
国别省市：江苏;32