对学生进行学习效率评价和学习效率提升优化的评价方法技术

本发明专利技术公开了一种对学生进行学习效率评价和学习效率提升优化的方法，该方法利用CHPI模型对各个信息系统收集学生数据进行分段处理，通过聚类分析方法最大化各个数据点间的相似程度对学生数据进行特征聚类，将聚类后的学生数据基于学生的投入产出指标对学生学习效率进行分层，计算分层内所有学生个体的吸引力，最终确定学生数据的榜样集合，针对性的给出学习效率的优化方法。本发明专利技术的有益效果是：由于采用上述技术方案，本发明专利技术的方法能针对学生提供个性化、高价值辅助决策信息，提升高校教育质量；以及使学校和老师合理准确地了解分析学生的状态并提供具有针对性的指导及做出合理决策，使整个教学效果大大提高。

【技术实现步骤摘要】
对学生进行学习效率评价和学习效率提升优化的评价方法
本专利技术涉及教育学领域，尤其涉及一种是对学生进行学习效率评价和学习效率提升优化的评价方法。
技术介绍
“百年大计，教育为本”，然而对比于在教育方面的巨大投入，当前我国很多学校的教学质量和教学效率都不尽如人意，尽管很多学校采取了问卷调查等方式收集了学生对于教学过程的意见并着力改进，但是效果并不明显。因为学生是校园主体，而学生又是独立的个体，每个学生的学习状态、学习习惯都千差万别，虽然进入大数据时代后，学生的很多信息都可以通过信息系统查询得到，然而对数据的利用效率较低，学校和老师很难合理准确地了解分析学生的状态并提供具有针对性的指导及做出合理决策，使整个教学效果大打折扣。
技术实现思路
本专利技术公开了一种对学生进行学习效率评价和学习效率提升优化的评价方法，以解决现有技术的上述以及其他潜在问题中任一问题。为实现以上目的，本专利技术采取以下技术方案：一种对学生进行学习效率评价和学习效率提升优化的评价方法，该方法利用CHPI模型对各个信息系统收集的学生数据进行分段处理，通过聚类分析方法最大化各个数据点间的相似程度对学生数据进行特征聚类，将聚类后的学生数据基于学生的投入产出指标对学生学习效率进行分层，计算分层内所有学生个体的吸引力，最终确定学生数据的榜样集合，针对性的给出学习效率的优化方法。进一步，所述评价方法的具体步骤为：S1)从各个信息系统收集学生数据，对收集到的学生数据进行特征提取；S2)利用聚类分析对S1)处理后学生数据进行特征聚类；S3)基于学生个体的学习效率的投入产出数据对学生个体的学习效率进行分层；S4)计算分层后每个学生个体对下层所有学生个体的吸引力；S5)确定数据的榜样集合，针对性的给出学习效率的优化方法。进一步，所述S1)具体实现步骤为：S1.1)首先，对采集的学生数据进行特征提取；S1.2)通过异常值筛选的方法去掉对分类产生影响的异常的极端学生数据；S1.3)采用最大最小归一化方法对经过S1.2)处理后的学生数据分别进行归一化处理，并采用主成分分析法对所有归一化处理后学生数据进行降维处理。进一步，所述S2)的具体步骤为：S2.1)设有n个学生个体DMUj，n的取值范围为大于0的正整数，每个学生个体DMUj0都有m个不同的投入指标和s个不同的产出指标，m和s的取值范围为大于0的正整数，学生个体的学习效率为学生的学习产出加权和与投入加权和之比，根据以下公式(1)求出学生个体的学习效率Ej0，公式如下：式中：Ej0为第j0个学生个体的学习效率；和分别为每个学生个体DMUj0在第i个投入指标上的投入量和在第r个产出指标上的产出量，xij和yrj分别为学生个体DMUj在第i个投入指标上的投入量和在第r个产出指标上的产出量；ur，vi分别代表第i个投入指标和第r个产出指标的权重；S2.2)如果第j0个学生个体的学习效率值等于1，则认为该学生个体的学习效率是有效的；如果小于1，则认为该学生个体学习效率效率低下。还可以在模型(2)的基础上引进阿基米德无穷小量ε，模型(2)如下：uγ≥0γ＝1，…s；vi≥0i＝1，…m；(2),并将(2)转化为对偶形式可以得到模型(3)：其中阿基米德无穷小量ε是小于任何正实数；松弛变量和是分别表示学习效率较低的学生个体为了达到有效所需要的改变的投入量和产出量；表示当产出水平保持不变时，学生个体DMUj,的投入能够减少的程度，所以模型(3)称为投入导向的模型。我们的目标就是对于每个学生个体DMUj0,都要找到不同的最优解使得θj能够达到最小值其中λj为每个学生个体前的系数。也就是意味着对于学生个体DMUj来说，这些点组成一个虚拟的参考点也就是当等于1时，学习效率为有效，其中和均为0时，为强有效，否则为弱有效。进一步，所述S3的具体步骤为：所述S3)的具体步骤为：S3.1)设Sl为去掉前l-1层的学生个体后其余学生个体的集合，l为分层数，l的取值范围为大于0的正整数，令l＝1，则得到S1＝{DMUj，j＝1，…n}，通过学习效率测算，得到学习有效的学生个体集合E1；S3.2)根据S3.1)得到S1和E1，Sl+1求解公式为：Sl+1＝Sl-El；S3.3)通过计算Sl+1内所有学生个体的学习效率，得到新的一层有效集合El+1；S3.4)令l＝l+1，计算下一层的有效集合，直到Sl+1为空时停止。进一步，所述S3.1)中的效率测算通过以下公式(6)求出，公式如下：j∈F(Sl)(6),式中：j∈F(Sl)表示DMUj∈Sl，为当产出量保持不变时，每个学生个体DMUj0的投入能够减少的程度，λj为每个学生个体前的系数，和为松弛变量，分别为学习效率较低的学生个体为了达到有效所需要的改变的投入量和产出量。进一步，所述S)3的具体步骤还可以为：首先，记第j0个学生个体为DMUj(j＝1，…n)，记S1＝{DMUj,j＝1,Ln}为去掉前l-1层的学生个体后其余学生个体的集合，通过学习效率测算后，学习效率有效的学生个体集合记为E1，剩余学习效率较低的学生个体的集合为S2＝S1-E1；依次类推可以定义Sl+1＝Sl-El。其次，根据以下公式(5)其中j∈F(Sl)表示DMUj∈Sl，当l＝1时，E1表示第一层学习有效的学生个体集合，当l＝2时，E2表示所有学生集合去掉所有第一层学习有效的学生个体后有效的学生集合，即为第二层学习有效的学生集合。依次类推，称El为第l层有效学生集合。将所有的学生个体按照学习效率的分成若干层。进一步，所述S4)具体方法为：S4.1)设每个学生个体的吸引力为根据公式(7)求出，公式如下：4.2)为处于l层的学生个体对于l+1层所有学生个体DMUj的吸引力，对每一层DMUj的吸引力进行排序，排序顺序为:从大到小的顺序排序，S4.3)排序后，在与待提升学习效率学生个体处于同一类别的所有学生个体中，从底层逐渐向上在每一层内选择吸引力最大的学生个体组成一条提升学习效率的学习路径，通过雷达图对比路径上各个学生个体的学习情况，从而给出学习效率的优化方法。一种实现上述的对学生进行学习效率评价和学习效率提升优化的评价方法的计算机程序。一种实现上述的对学生进行学习效率评价和学习效率提升优化的评价方法的信息处理终端。一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述的对学生进行学习效率评价和学习效率提升优化的评价方法。本专利技术的有益效果是：由于采用上述技术方案，本专利技术的方法能针对学生提供个性化、实现可行的高价值辅助决策信息，是学生能够逐步提高自己的学习效率，从而本文档来自技高网...

【技术保护点】
1.一种对学生进行学习效率评价和学习效率提升优化的评价方法，其特征在于，该方法利用CHPI模型对各个信息系统收集的学生数据进行分段处理，通过聚类分析方法最大化各个数据点间的相似程度对学生数据进行特征聚类，将聚类后的学生数据基于学生的投入产出指标对学生学习效率进行分层，计算分层内所有学生个体的吸引力，最终确定学生数据的榜样集合，针对性的给出学习效率的优化方法。/n

【技术特征摘要】
1.一种对学生进行学习效率评价和学习效率提升优化的评价方法，其特征在于，该方法利用CHPI模型对各个信息系统收集的学生数据进行分段处理，通过聚类分析方法最大化各个数据点间的相似程度对学生数据进行特征聚类，将聚类后的学生数据基于学生的投入产出指标对学生学习效率进行分层，计算分层内所有学生个体的吸引力，最终确定学生数据的榜样集合，针对性的给出学习效率的优化方法。


2.根据权利要求1所述的评价方法，其特征在于，所述评价方法的具体步骤为：
S1)从各个信息系统收集学生数据，对收集到的学生数据进行特征提取；
S2)利用聚类分析对S1)处理后学生数据进行特征聚类；
S3)基于学生个体的学习效率的投入产出数据对学生个体的学习效率进行分层；
S4)计算分层后每个学生个体对下层所有学生个体的吸引力；
S5)确定数据的榜样集合，针对性的给出学习效率的优化方法。


3.根据权利要求2所述的评价方法，其特征在于，所述S1)具体实现步骤为：
S1.1)首先，对采集的学生数据进行特征提取；
S1.2)通过异常值筛选的方法去掉对分类产生影响的异常的极端学生数据；
S1.3)采用最大最小归一化方法对经过S1.2)处理后的学生数据分别进行归一化处理，并采用主成分分析法对所有归一化处理后学生数据进行降维处理。


4.根据权利要求2所述的评价方法，其特征在于，所述S2)的具体步骤为：
S2.1)设有n个学生个体DMUj，n的取值范围为大于0的正整数，每个学生个体DMUj0都有m个不同的投入指标和s个不同的产出指标，m和s的取值范围为大于0的正整数，学生个体的学习效率为学生的学习产出加权和与投入加权和之比，根据以下公式(1)求出学生个体的学习效率公式如下：



式中：为第j0个学生个体的学习效率；和分别为学生个体DMUj0在第i个投入指标上的投入量和在第r个产出指标上的产出量，xij和yrj分别为学生个体DMUj在第i个投入指标上的投入量和在第r个产出指标上的产出量；ur，vi分别代表第i个投入指标和第r个产出指标的权重；
S2.2)如果第j0个学生个体的学习效率值等于1，则认为该学生个体的学习效率是有效的；如果小于1，则认为该学生个体学习效率效率低下。


5.根据权利要求4所述的评价方法，其特征在于，所述S3)的具体步骤为...

【专利技术属性】
技术研发人员：赵鲁涛，梁丰韵，郑志益，王岱嵩，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京;11