一种视频观看行为的在线异步教学反馈分析方法及系统技术方案

本发明专利技术提供了一种视频观看行为的在线异步教学反馈分析方法及系统，属于在线教育领域，包括以下步骤：对用户观看操作数据进行特征提取与融合，获取视频观看行为样本数据；利用XGBoost方法，在视频观看行为样本数据中筛选出异常数据；采用随机森林和神经网络模型对异常数据进行行为分类，获取反馈信息；基于反馈信息，提供在线异步教学建议；其中，异常数据为用户对视频的观看行为不符合教育资源提供者预期的数据。本发明专利技术可以根据反馈信息，让教师掌握学生的学习情况，不断完善在线教学的不足，进而提高在线教学的质量，推动在线教育的发展。

【技术实现步骤摘要】
一种视频观看行为的在线异步教学反馈分析方法及系统
本专利技术属于在线教育领域，更具体地，涉及一种视频观看行为的在线异步教学反馈分析方法及系统。
技术介绍
在异步在线教育中，通常来说，由教育者(老师)预先上传录制好的教学视频到指定的网络教学平台中。随后，在课程开放期间，受教育者(学生)访问该网络教学平台，并观看预先上传的教学视频进行“听课”以及完成相应的学习内容。由于该类在线教育平台的异步特征，学生可以自由选择观看教学内容的时间，且不会有老师的陪同。而学生和老师之间的沟通常常也仅限于留言、邮件等非实时性的沟通方式。此时，传统课堂和实时在线教学中师生间的交互，转换成为了学生与视频资源之间的交互：如学生在观看教学视频时的暂停、回看、跳过等操作，反映了学生对流媒体内容片段的理解难度、重要性认知及兴趣。其中存在部分观看行为不符合教育资源提供者的预期，如因为内容难以理解而反复观看，或对内容不感兴趣而跳过。对这些学生观看行为的挖掘与分为，并为教师提供反馈，可以有助于了解学生的学习状况，帮助教师理解学生在观看教学视频时交互行为的具体含义，为异步教学视频的优化与本文档来自技高网...

【技术保护点】
1.一种视频观看行为的在线异步教学反馈分析方法，其特征在于，包括以下步骤：/n对用户观看操作数据进行特征提取与融合，获取视频观看行为样本数据；/n利用XGBoost方法，在视频观看行为样本数据中筛选出异常数据；/n采用随机森林和神经网络模型对异常数据进行行为分类，获取反馈信息；/n基于反馈信息，提供在线异步教学建议；/n其中，异常数据为用户对视频的观看行为不符合教育资源提供者预期的数据。/n

【技术特征摘要】
1.一种视频观看行为的在线异步教学反馈分析方法，其特征在于，包括以下步骤：
对用户观看操作数据进行特征提取与融合，获取视频观看行为样本数据；
利用XGBoost方法，在视频观看行为样本数据中筛选出异常数据；
采用随机森林和神经网络模型对异常数据进行行为分类，获取反馈信息；
基于反馈信息，提供在线异步教学建议；
其中，异常数据为用户对视频的观看行为不符合教育资源提供者预期的数据。


2.根据权利要求1所述的在线异步教学反馈分析方法，其特征在于，所述视频观看行为数据的获取方法，包括以下步骤：
采用数据库调用或API接口调用方式获取观看操作数据和时间热度数据；
基于贝叶斯推理对观看操作数据和时间热度数据的缺失值进行填充；
通过异常值检测，对填充后的观看操作数据和时间热度数据消除噪音，获取视频观看行为数据；
其中，观看操作数据为用户观看时在视频时间进度条上的操作数据；时间热度数据为视频某一段内容被观看次数的数据。


3.根据权利要求1或2所述的在线异步教学反馈分析方法，其特征在于，提取的特征包括视频属性特征、统计型特征和变化特征。


4.根据权利要求1所述的在线异步教学反馈分析方法，其特征在于，所述反馈信息包括认知困难反馈、内容跳过反馈、课外因素反馈和重点认知参考。


5.根据权利要求1或2所述的在线异步教学反馈分析方法，其特征在于，所述异常数据包括反复观看引起的数据和跳看引起的数据。


6.根据权利要求1所述的在线异步教学反馈分析方法，其特征在于，对视频中用户的异常观看行为进行人工标注，使用交叉验证的方法训练...

【专利技术属性】
技术研发人员：王子博，吴江，徐周灿，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42