基于深度学习的互联网教育学生综合画像标签管理系统技术方案

本发明专利技术公开了基于深度学习的互联网教育学生综合画像标签管理系统，属于智能教学技术领域，包括学生身份识别模块、学习数据采集模块、学习标签匹配模块、学生画像生成模块、教育方案规划模块、教师管理模块、云端管理数据库以及数据更新反馈模块；本发明专利技术能够自行生成教学方案，无需教师人工制定，提高教师工作效率，同时方便教师对学生数据进行查看与分析，能够实时更新教学方案，防止教学方式单一导致学生学习积极性降低，提高学生学习效率。提高学生学习效率。提高学生学习效率。

【技术实现步骤摘要】
基于深度学习的互联网教育学生综合画像标签管理系统


[0001]本专利技术涉及智能教学
，尤其涉及基于深度学习的互联网教育学生综合画像标签管理系统。

技术介绍

[0002]互联网教育是随着当今科学技术的不断发展，互联网科技与教育领域相结合的一种新的教育形式，它突破了时空的界线，有别于传统的在校住宿的教学模式，使用这种教学模式的学生不需要到特定地点上课，可以随时随地上课，学生亦可以透过电视广播、互联网、辅导专线、课研社、面授等多种不同管道互助学习，即运用网络技术与环境开展的教育，调查显示，37％的用户愿意接受在线视频教学，32.6％的用户愿意接受教师在线直播，众多短视频应用的兴起也为在线教育打开了一个新的用户门户，互联网教育随之成为教育的主流形式之一；因此，专利技术出基于深度学习的互联网教育学生综合画像标签管理系统变得尤为重要；
[0003]经检索，中国专利号CN108492224A公开了基于深度学习在线教育学生综合画像标签管理系统，该专利技术虽然能够对代表性画像标签的高效归纳与高效提炼，弥补行业领域的空白，但是需要教师自行依据学生数据设计教学方案，降低教师工作效率，浪费教师工作时间；此外，现有的基于深度学习的互联网教育学生综合画像标签管理系统无法对教学方案进行实时更新，容易降低学生学习积极性，降低学习效率，为此，我们提出基于深度学习的互联网教育学生综合画像标签管理系统。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的基于深度学习的互联网教育学生综合画像标签管理系统。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于深度学习的互联网教育学生综合画像标签管理系统，包括学生身份识别模块、学习数据采集模块、学习标签匹配模块、学生画像生成模块、教育方案规划模块、教师管理模块、云端管理数据库以及数据更新反馈模块；
[0007]其中，所述学习数据采集模块分别与学生身份识别模块、学习标签匹配模块通信连接，学生画像生成模块分别与学习标签匹配模块、教育方案规划模块通信连接，教育方案规划模块分别与数据更新反馈模块、云端管理数据库通信连接，教师管理模块分别与学生画像生成模块、教育方案规划模块、云端管理数据库通信连接；
[0008]所述学生身份识别模块包括身份审核单元、信息补充单元以及体貌特征抓取单元；
[0009]所述学习数据采集模块包括线上数据采集单元以及线下数据采集单元；
[0010]所述教师管理模块包括教师信息录入单元、信息匹配单元以及教育方案选择单元。
[0011]进一步地，所述身份审核单元用于接收用户上传的用户名以及用户密码，并进行审核判断，其审核判断具体步骤如下：
[0012]步骤一：身份审核单元开始对用户名进行智能审核，并判断身份是否为新学生；
[0013]步骤二：若不为新学生，则开始对用户密码进行识别判断，其识别判断具体步骤如下：
[0014]步骤(1)：若用户密码正确，允许用户进入学生平台，并发送检测指令至信息补充单元，同时发送对比指令至体貌特征单元；
[0015]步骤(2)：若密码错误，则要求用户重新输入；
[0016]步骤三：若用户为新学生，则发送补充指令至信息补充单元，同时发送抓取指令至体貌特征单元；
[0017]步骤四：若用户身份不为学生，则反馈“非学生用户，无法登录”。
[0018]所述信息补充单元用于对用户信息进行检测反馈，其检测反馈具体步骤如下：
[0019]S1：若信息补充单元接收到检测指令，则开始对用户个人信息进行检测，若用户存在重要信息缺失，则禁止用户后续操作，并提示用户补充信息；
[0020]S2：若信息补充单元接收到补充指令，则开始提示用户补充信息，并开始接收用户上传的用户信息；
[0021]所述体貌特征抓取单元用于对用户体貌特征进行对比抓取，其对比抓取具体步骤如下：
[0022]SS1：若体貌特征抓取单元接收到对比指令，则开始对用户体貌特征进行收集，并将其与存储的过往用户体貌特征数据进行对比；
[0023]SS2：若体貌特征抓取单元接收到抓取指令，则开始对用户体貌特征进行收集，并对其进行存储。
[0024]进一步地，所述线上数据采集单元用于对学生线上学习数据进行收集；
[0025]所述线下数据采集单元用于对学生线下学习数据进行采集。
[0026]进一步地，所述学习标签匹配模块用于接收线上学习数据以及线下学习数据，并开始进行个性标签生成，同时对其进行标签匹配，其标签匹配具体步骤如下：
[0027]P1：学习标签匹配模块分别从线上学习数据以及线下学习数据提取学生学习内容偏好、行为模式、学习风格以及学习态度，并将其处理生成个性标签；
[0028]P2：学习标签匹配模块开始提取学生信息，并开始将其与对应个性标签进行数据匹配，同时将匹配完成的数据处理生成标签数据。
[0029]进一步地，所述学生画像生成模块用于接收标签数据，并对其进行图像可视化处理，其图像可视化具体步骤如下：
[0030]PP1：学生画像生成模块开始调用各学生的人像信息，并开始将其与标签数据进行匹配处理生成人像数据；
[0031]PP2：将各学生的学号以及班级信息在对应的人像数据中进行标注；
[0032]PP3：标注完成，学生画像生成模块开始从线上学习数据以及线下学习数据中提取各学生的学习活跃度、学习投入度、自我效能感、交互参与度以及快速学习能力，并将各项数据处理生成折线图，同时将各项数据变化录入学生记录表中，记录完成，将人像数据与对应折线图以及学生记录表进行数据匹配。
[0033]进一步地，所述教育方案规划模块用于接收人像数据，同时依据人像数据开始进行方案规划，其方案规划具体步骤如下：
[0034]Q1：教育方案规划模块开始构建卷积神经网络，并将人像数据导入卷积神经网络进行分析；
[0035]Q2：卷积神经网络开始与互联网进行通信连接，并开始依据各组人像数据对对应教学数据进行抓取；
[0036]Q3：卷积神经网络将人像数据以及教学数据按照不同班级进行分类，并开始将分类完成的教学数据进行数据整合，同时智能生成教学方案；
[0037]Q4：卷积神经网络对教学方案进行仿真模拟，并对其中多余数据进行删除，同时对其中存在的缺陷进行优化修复。
[0038]进一步地，所述教师信息录入单元用于接收教师信息，并生成教师数据；
[0039]所述信息匹配单元用于接收人像数据与教师数据，并对其进行匹配查看，其匹配查看具体步骤如下：
[0040]QQ1：信息匹配单元将人像数据以及教师数据按照不同班级进行数据分类；
[0041]QQ2：教师可通过信息匹配单元输入需要查看的班级名M以及学生名N，同时信息匹配单元依据班级名M以及学生名N生成调用指令；
[0042]QQ3：信息匹配单元依据调用指令从学生画像生成模块中调用对应学生的人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的互联网教育学生综合画像标签管理系统，其特征在于，包括学生身份识别模块、学习数据采集模块、学习标签匹配模块、学生画像生成模块、教育方案规划模块、教师管理模块、云端管理数据库以及数据更新反馈模块；其中，所述学习数据采集模块分别与学生身份识别模块、学习标签匹配模块通信连接，学生画像生成模块分别与学习标签匹配模块、教育方案规划模块通信连接，教育方案规划模块分别与数据更新反馈模块、云端管理数据库通信连接，教师管理模块分别与学生画像生成模块、教育方案规划模块、云端管理数据库通信连接；所述学生身份识别模块包括身份审核单元、信息补充单元以及体貌特征抓取单元；所述学习数据采集模块包括线上数据采集单元以及线下数据采集单元；所述教师管理模块包括教师信息录入单元、信息匹配单元以及教育方案选择单元。2.根据权利要求1所述的基于深度学习的互联网教育学生综合画像标签管理系统，其特征在于，所述身份审核单元用于接收用户上传的用户名以及用户密码，并进行审核判断，其审核判断具体步骤如下：步骤一：身份审核单元开始对用户名进行智能审核，并判断身份是否为新学生；步骤二：若不为新学生，则开始对用户密码进行识别判断，其识别判断具体步骤如下：步骤(1)：若用户密码正确，允许用户进入学生平台，并发送检测指令至信息补充单元，同时发送对比指令至体貌特征单元；步骤(2)：若密码错误，则要求用户重新输入；步骤三：若用户为新学生，则发送补充指令至信息补充单元，同时发送抓取指令至体貌特征单元；步骤四：若用户身份不为学生，则反馈“非学生用户，无法登录”。所述信息补充单元用于对用户信息进行检测反馈，其检测反馈具体步骤如下：S1：若信息补充单元接收到检测指令，则开始对用户个人信息进行检测，若用户存在重要信息缺失，则禁止用户后续操作，并提示用户补充信息；S2：若信息补充单元接收到补充指令，则开始提示用户补充信息，并开始接收用户上传的用户信息；所述体貌特征抓取单元用于对用户体貌特征进行对比抓取，其对比抓取具体步骤如下：SS1：若体貌特征抓取单元接收到对比指令，则开始对用户体貌特征进行收集，并将其与存储的过往用户体貌特征数据进行对比；SS2：若体貌特征抓取单元接收到抓取指令，则开始对用户体貌特征进行收集，并对其进行存储。3.根据权利要求1所述的基于深度学习的互联网教育学生综合画像标签管理系统，其特征在于，所述线上数据采集单元用于对学生线上学习数据进行收集；所述线下数据采集单元用于对学生线下学习数据进行采集。4.根据权利要求3所述的基于深度学习的互联网教育学生综合画像标签管理系统，其特征在于，所述学习标签匹配模块用于接收线上学习数据以及线下学习数据，并开始进行个性标签生成，同时对其进行标签匹配，其标签匹配具体步骤如下：P1：学习标签匹配模块分别从线上学习数据以及线下学习数据提取学生学习内容偏
好、行为模式、学习风格以及学习态度，并将其处理生成个性标签；P2：学习标签匹配模块开始提取学生信息，并开始将其与对应个性标签进行数据匹配，同时将匹配完成的数据处理生成标签数据。5.根据权利要求4所述的基于深度学习的互联网教育学生综合画像标签管理系统，...

【专利技术属性】
技术研发人员：王晓跃，
申请(专利权)人：江苏熙枫教育科技有限公司，
类型：发明
国别省市：