【技术实现步骤摘要】
一种基于教育大数据画像的学情评价方法及其装置
本专利技术涉及学情教育技术，尤其是一种基于教育大数据画像的学情评价方法及其装置。
技术介绍
大数据画像是以大量的数据为基础建立的模型。教育大数据画像是指，以大量的教育领域的基础数据为基础，建立的教育模型。教育大数据画像对于学生、老师、家长和教育机构均具有指导意义。但是，目前省市区教育局、学校校长、年级主任等存在信息的数据共享壁垒，大量教育基础数据不能实现整合，更谈不上对于教育基础数据的分析和挖掘。而且传统的教育评价模式比较单一，学校老师忙于教学，只能了解到学生的考试结果，而不能全方面了解学生那些结果造成的原因，从而不能真正对症下药的帮助学生提高成绩。如何形成科学、系统和完整的评价系统，从而达到实现了信息化和自动化程度较高的学情评价的目的是当前亟待解决的问题。
技术实现思路
本专利技术提供一种基于教育大数据画像的学情评价方法及其装置，形成科学、系统和完整的评价系统，实现学生、教师、家长和教育局人员四方的共同需求，综合提高学生的各项素质，实现多...
【技术保护点】
1.一种基于教育大数据画像的学情评价方法，其特征在于，包括以下步骤：/n步骤S1，收集教育基础数据；/n步骤S2，从预设的类型中，确定收集到的所述教育基础数据所属的类型；/n步骤S3，将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果；/n所述分析模型包括个人分析模型、卷面分析模型、班级分析模型、学科分析模型、校级分析模型和综合报表分析模型；/n步骤S4，基于所述分析结果，对学生学情进行评价。/n
【技术特征摘要】
1.一种基于教育大数据画像的学情评价方法，其特征在于，包括以下步骤：
步骤S1，收集教育基础数据；
步骤S2，从预设的类型中，确定收集到的所述教育基础数据所属的类型；
步骤S3，将确定类型的教育基础数据输入训练得到的分析模型，得到分析模型输出的分析结果；
所述分析模型包括个人分析模型、卷面分析模型、班级分析模型、学科分析模型、校级分析模型和综合报表分析模型；
步骤S4，基于所述分析结果，对学生学情进行评价。
2.根据权利要求1所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3中分析模型的训练过程包括以下步骤：
S3.1，收集教育样本数据；
S3.2，将所述教育样本数据划分为预设的类型；
S3.3，依据划分类型后的教育样本数据，训练预设的分析模型。
3.根据权利要求2所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3.2中，所述预设的类型包括：课前作业、当堂检测、课后作业、课课练习作业、单元检测、期中检测和期末检测。
4.根据权利要求1所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3中的所述个人分析模型包括：考生各科成绩概况、考试各科层次分析和考生成绩趋势；
考生各科成绩概况属性包括科目、原始分、班级排名、学校排名、考生答卷、低于全班平均分题号和得分率最低TOP3；
考试各科层次分析中各科层次分为班级层次的统计和校级层次的统计，包括某科目下该考生成绩与全班或全校最高分、全班或全校平均分的比较；
考生成绩趋势为个人分数与班级均分、校级均分的趋势比较。
5.根据权利要求1所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3中的所述卷面分析模型包括：针对某次考试某一学科进行成绩概况、单题质量分析、各班级单题得分情况、学生作答详情、知识点分析和试卷讲评的分析。
6.根据权利要求1所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3中的所述班级分析模型包括：选择考试的一个班级，得出该班级的成绩概况、四分位数分析、成绩分段分析、三率一分分析、分档达线分析、学科考试表现分析、学科成绩结构分布、学生作答详情和重点学生信息。
7.根据权利要求1所述的一种基于教育大数据画像的学情评价方法，其特征在于，所述步骤S3中的所述学科分析报告模型包括：成绩概况、成绩分段分析、四率一分分析、分档达线分析、临界生群体分析、成绩结构比例分析、重点学生信息和学科均衡对比分析。
8.根据权利要求1所述的一种基于教育大数据画像的学情评价方...
【专利技术属性】
技术研发人员：孙永毫，徐强，
申请(专利权)人：广东国粒教育技术有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。