基于大数据的网络课件推送方法技术

本发明专利技术涉及在线教育和大数据领域，公开了一种基于大数据的网络课件推送方法，其包括：每个子课件具有相应的集中度指数，用户终端获取用户的眼动数据，注意力分析服务器对眼动数据进行处理后得第一测试集中度，并将其与标准眼动指数进行比较以判断是否进行第二测试；在进行第二测试时，注意力分析服务器获取用户的测试回复数据，对其处理后得到第二测试集中度；注意力分析服务器根据第一测试集中度和第二测试集中度分析得出用户学习集中度并将其发送至课件推送服务器；课件推送服务器根据用户学习集中度、子课件的集中度指数以及用户学习记录分析生成课件推送指令，课件内容服务器根据课件推送指令发送相应的子课件至用户终端。

【技术实现步骤摘要】
基于大数据的网络课件推送方法
本专利技术涉及在线教育和大数据领域，尤其涉及一种基于大数据的网络课件推送方法。
技术介绍
随着信息技术的高速发展，依靠互联网而进行的网络教育在世界范围内得到了前所未有的发展，在线教育的出现对高等教育的教学模式、教育质量、教学理念甚至是高等教育发展的方向都带来了巨大的影响。我国是一个人口大国，仅仅依靠传统教育形式难以解决教育不公平的问题，难以实现教育普及的目标，也难以满足人们日益增长的文化需求，因此大力发展在线教育，更大限度开发和分享网络课程资源也是我国教育发展的趋势。在线教育相对于传统教育优势在于其满足了很多没有文凭的社会工作人士对文凭的诉求，并且在线教育不受空间的限制，降低空间上的时间成本，并且在线教育可以让人们接触到种类繁多的知识，让人们能学到更适合自己的东西。目前，在线教育一般采用用户自主选择学习内容的顺序，即，用户根据自己的兴趣和需要选择自己要学习的内容及顺序或者按照当前学习课程预设的学习顺序进行学习。但是，如果用户选择的内容或者预设的学习内容不适合当前注意力，则会出现学习效果不佳，不能掌握当前所学习的知识点的情况。因此，在进行网络学习过程中，如何根据用户学习时候的注意力指标，适应性的调整学习内容，从而提升用户的学习效果，成为了亟待解决的问题。
技术实现思路
现有的在线教育技术方案存在以下缺陷：1、由于在线教育完全是依靠用户进行自主学习，对用户的自控力要求比较高，因此会出现用户注意力不集中，而不能掌握比较难的知识点的情况，不能自主高效的完成学习任务。2、用户不能科学的根据当前的学习状态选择最适合当前学习的内容。针对现有技术之不足，本专利技术提供了一种基于大数据的网络课件推送方法，其包括以下步骤：S1)课件预处理服务器将课件按照知识点分割为子课件，并且为每个子课件设置对应的集中度指数，然后将其存储至子课件数据库；S2)注意力分析服务器对用户进行注意力测试以得到用户学习集中度，该步骤包括：S2.1)用户终端获取用户的眼动数据，并将其发送至注意力分析服务器；S2.2)注意力分析服务器对眼动数据进行分析处理以得到第一测试集中度，并将第一测试集中度与标准眼动指数进行比较以判断是否进行第二测试；S2.3)在第一测试集中度小于标准眼动指数时进行第二测试，注意力分析服务器发送测试对话数据至用户终端，接收用户发送的测试回复数据并对其处理以得到第二测试集中度；S2.4)注意力分析服务器根据第一测试集中度和第二测试集中度进行分析以得到用户学习集中度，并将其发送至课件推送服务器；S3)课件推送服务器根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令，并将课件推送指令发送至课件内容服务器；S4)课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。根据一个优选的实施方式，在步骤S2.2中：在第一测试集中度大于标准眼动指数时，表明用户注意力集中，不进行第二测试，用户继续学习第一子课件；所述第一子课件为用户正在学习的子课件。根据一个优选实施方式，步骤S2.3包括：注意力分析服务器发送测试对话数据至用户终端；用户根据接收到的测试对话数据发送相应的测试回复数据到注意力分析服务器；注意力分析服务器获取测试回复数据和用户学习主题的历史测试回复数据；注意力分析服务器根据测试回复数据和历史测试回复数据计算第二测试集中度。根据一个优选实施方式，步骤S2.3包括：注意力分析服务器为每个历史测试回复数据创建历史集中度矢量，并提取每个历史测试回复数据的词向量，然后对所述词向量进行分析以得到词频向量；注意力分析服务器计算词频向量与标准词频向量的相似度以得到每个历史集中度矢量的测试反馈值；注意力分析服务器为测试回复数据创建即时集中度矢量，并通过测试间隔函数计算每个历史集中度矢量与即时集中度矢量的测试间隔；注意力分析服务器将历史集中度矢量根据测试间隔进行升序排序，然后选取测试间隔最小的n个历史集中度矢量；注意力分析服务器计算测试间隔最小的n个历史集中度矢量的测试反馈值的平均值以得到用户的第二测试集中度。根据一个优选实施方式，在步骤S2.4中，学习集中度的计算公式为：其中m表示第一测试集中度，表示标准眼动指数，n表示第二测试集中度，表示历史第二测试集中度的平均值，系数α、β分别为第一测试集中度的和第二测试集中度的增强指数，根据一个优选实施方式，步骤S3包括：S3.1、课件推送服务器根据用户学习记录分析用户学习主题，并接收对应于用户学习主题的子课件列表；S3.2、课件推送服务器在子课件列表中选择集中度指数小于用户学习集中度的子课件以生成课件推送指令；S3.3、课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。根据一个优选的实施方式，在进行第二测试时，记录第一子课件的时间戳数据，并将其存储在用户数据库中；所述时间戳数据用于标记子课件的学习进度。根据一个优选的实施方式，用户在完成第二子课件的学习后，根据所述时间戳数据继续学习第一子课件；所述第二子课件为课件推送服务器推荐学习的子课件。根据一个优选的实施方式，所述用户终端包括笔记本电脑、平板电脑和带有摄像头的台式电脑。根据一个优选的实施方式，所述集中度指数用于指示子课件的知识点学习难度和学习时长。本专利技术具有以下有益效果：本专利技术能够有效的分析用户当前的注意力，从而判断用户当前的学习状态，并根据用户当前注意力和学习状态，为用户推荐当前最适合的学习内容，从而能使用户快速掌握当前所学习的知识点，高效的完成学习任务。此外，本专利技术在进行学习集中度计算时，考虑了注意力偏离的程度对学习集中度的影响而对其进行一定的增强，从而使得在用户注意力越偏离标准时，对计算学习集中度值的影响越大，结果越准确。附图说明图1示意性示出了本专利技术的网络课件推送方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。如图1所示，本专利技术的基于大数据的网络课件推送方法包括以下步骤：S1)课件预处理服务器将课件按照知识点分割为子课件，并且为每个子课件设置相应的集中度指数，然后将其存储至课件内容服务器；具体地，课件内容服务器根据知识点数据集将课件按照知识点分为子课件。课件内容服务器包括内容识别模块、课件分割模块、原始课件数据库和子课件数据库，其中内容识别模块利用文本识别技术和图片识别技术，识别课件的知识点数据集，课件分割模块将课件按照知识点分割为子课件，并记录每个子课件的时间戳数据。优选地，子课件的集中度指数为用本文档来自技高网...

【技术保护点】
1.一种基于大数据的网络课件推送方法，其特征在于，其包括以下步骤：/nS1)课件预处理服务器将课件按照知识点分割为子课件，并且为每个子课件设置对应的集中度指数，然后将其存储至子课件数据库；/nS2)注意力分析服务器对用户进行注意力测试以得到用户学习集中度，该步骤包括：/nS2.1)用户终端获取用户的眼动数据，并将其发送至注意力分析服务器；/nS2.2)注意力分析服务器对眼动数据进行分析处理以得到第一测试集中度，并将第一测试集中度与标准眼动指数进行比较以判断是否进行第二测试；/nS2.3)在第一测试集中度小于标准眼动指数时进行第二测试，注意力分析服务器发送测试对话数据至用户终端，接收用户发送的测试回复数据并对其处理以得到第二测试集中度；/nS2.4)注意力分析服务器根据第一测试集中度和第二测试集中度进行分析以得到用户学习集中度，并将其发送至课件推送服务器；/nS3)课件推送服务器根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令，并将课件推送指令发送至课件内容服务器；/nS4)课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。/n

【技术特征摘要】
1.一种基于大数据的网络课件推送方法，其特征在于，其包括以下步骤：
S1)课件预处理服务器将课件按照知识点分割为子课件，并且为每个子课件设置对应的集中度指数，然后将其存储至子课件数据库；
S2)注意力分析服务器对用户进行注意力测试以得到用户学习集中度，该步骤包括：
S2.1)用户终端获取用户的眼动数据，并将其发送至注意力分析服务器；
S2.2)注意力分析服务器对眼动数据进行分析处理以得到第一测试集中度，并将第一测试集中度与标准眼动指数进行比较以判断是否进行第二测试；
S2.3)在第一测试集中度小于标准眼动指数时进行第二测试，注意力分析服务器发送测试对话数据至用户终端，接收用户发送的测试回复数据并对其处理以得到第二测试集中度；
S2.4)注意力分析服务器根据第一测试集中度和第二测试集中度进行分析以得到用户学习集中度，并将其发送至课件推送服务器；
S3)课件推送服务器根据用户学习集中度、子课件的集中度指数和用户学习记录进行分析以得到课件推送指令，并将课件推送指令发送至课件内容服务器；
S4)课件内容服务器响应于接收到的课件推送指令推送相应的子课件至用户终端。


2.根据权利要求1所述的方法，其特征在于，在步骤S2.2中：
在第一测试集中度大于标准眼动指数时，不进行第二测试，用户继续学习第一子课件；所述第一子课件为用户正在学习的子课件。


3.根据权利要求2所述的方法，其特征在于，步骤S2.3包括：
注意力分析服务器发送测试对话数据至用户终端；
用户根据接收到的测试对话数据发送相应的测试回复数据到注意力分析服务器；
注意力分析服务器获取测试回复数据和用户学习主题的历史测试回复数据；
注意力分析服务器根据测试回复数据和历史测试回复数据计算第二测试集中度。


4.根据权利要求3所述的方法，其特征在于，步骤S2.3还包括：
注意力分析服务器为每个历史测试回复数据创建历史集中度矢量，并提取每个历史测试回复数据的...

【专利技术属性】
技术研发人员：罗孝琼，
申请(专利权)人：广元量知汇科技有限公司，
类型：发明
国别省市：四川;51