【技术实现步骤摘要】
基于高校互动课堂活动数据的学情分析方法及系统
[0001]本专利技术属于学情分析术领域,具体涉及一种基于高校互动课堂活动数据的学情分析方法及系统。
技术介绍
[0002]传统的学情分析方法是基于教师的观察和考试成绩,或者通过问卷调查进行评测,这样的分析方法主观性较强,获得的数据真实性也存在着一定的问题。尤其对于高校,学生逃课、代为点名签到、上课玩手机等不良行为层出不穷,教师无法准确获取学生的考勤数据和课堂行为数据,也无法准确判定学生究竟是在做与课程相关的学习还是其他无关的娱乐,为准确评析课堂学习情况增加了不小的阻碍。
[0003]现有的课堂考勤多为现场点名或学生在手机端签到,现场点名较为繁琐且占用上课时间,手机端签到存在各种不足,比如可利用他人代签或使用软件模拟地理位置进行签到,这种虚假签到信息会影响学情分析的准确性,甚至会误导教师做出错误决策。
[0004]现有技术中也出现了大量基于“机器视觉”的学情分析方法,通过采集课堂的照片和视频信息,采用机器学习进行姿态、表情、抬头、注意力等的检测,判定学生行为。但是这样的视觉观察手段需要大量数据进行模型训练,分析处理方法复杂且受外界因素干扰较大,如视频信息损坏、人脸识别算法优劣、个人故意伪装等,这些都会影响到最终的实验结果和结论。
技术实现思路
[0005]针对现有技术的缺陷,本专利技术提出了一种基于高校互动课堂活动数据的学情分析方法及系统,用于解决高校互动课堂的学情分析时无法有效分辨学生的不良行为的问题。
[0006]本专利技术第一
【技术保护点】
【技术特征摘要】
1.一种基于高校互动课堂活动数据的学情分析方法,其特征在于,所述方法包括:在课前通过防作弊签到手段统计班级出勤率;在课内通过预制的投票主题和课堂试题统计各个学生对知识的识记和理解程度,并通过统计学生端网络使用情况识别非课程相关的网络行为;在课后通过课后作业统计各个学生对知识的巩固和应用程度;根据班级出勤率、学生对知识的识记和理解程度、非课程相关的网络行为、学生对知识的巩固和应用程度计算班级和个人学情评分。2.根据权利要求1所述的基于高校互动课堂活动数据的学情分析方法,其特征在于,所述在课前通过防作弊签到手段统计班级出勤率具体包括:预先在服务器端存储课程名称、课程时间、教师信息与学生信息的对应关系表;教师端在课前发起签到,并将签到信息上传至服务器端,签到模式为在线签到和/或GPS定位签到;根据签到信息和对应关系表确定需要签到的学生及学生图像,发送签到界面到需要签到的学生端上,并在签到界面显示倒计时;根据签到模式生成对应的签到结果;将签到结果同时推送到教师端和学生端,在教师端统计班级出勤率。3.根据权利要求2所述的基于高校互动课堂活动数据的学情分析方法,其特征在于,所述根据签到模式生成对应的签到结果具体包括:进入在线签到模式,在需要签到的学生端的签到界面上根据学生的活动账户生成签到二维码,记录签到二维码首次生成时间,并按照预设周期更新签到二维码;收集学生对签到的二维码识别结果,记录签到二维码识别结果的收集时间;签到二维码的收集时间减去首次生成时间,得到扫码时段,扫码时段是否在预设的扫码时段之内,若是,则进入GPS定位签到模式或进行身份验证,,GPS定位签到模式签到成功或身份验证通过,则在线签到成功,否则,在线签到失败。4.根据权利要求3所述的基于高校互动课堂活动数据的学情分析方法,其特征在于,当进入GPS定位签到模式时,所述根据签到模式生成对应的签到结果具体包括:获取当前需要签到的学生端与教师端之间的定位距离,当定位距离大于等于预设的距离阈值时,签到界面锁定;当定位距离小于预设的距离阈值时,签到界面解锁并采集签到学生当前的照片信息,经学生确认后传输到服务器端;在服务器端将学生当前的照片信息与需要签到的学生图像比对,若匹配成功,则GPS定位签到成功;若比对失败则发送失败信息到对应的学生端,重新采集签到学生的照片信息,直到达到预设的匹配次数,输出最终的比对结果;根据定位距离和比对结果生成签到结果。5.根据权利要求1所述的基于高校互动课堂活动数据的学情分析方法,其特征在于,所述在课内通过预制的投票主题和课堂试题统计学生对知识的识记和理解程度具体包括:教师在教师端选择预制的投票主题或自定义投票主题,并设置投票开始和结束时间,发起投票,学生在学生端收到对应的选项,投票结束后,统计投票统计结果,投票统计结果
包括学生投票的人数、未投票的人数、投各选项的人数及对应的百分比;教师在课前从题库中选择课堂中需要的试题,课内从教师端选择预置的试题,设置试题答题开始和结束时间并发布,学生在学生端端收到对应的试题,答题完成后提交,答题时间结束后,统计课堂试题统计结果,课堂试题统计结果包括统计出当前答题的人数,答对的人数,答题的正确率,各个选项的人数及对应的百分比;根据投票统计结果和课堂试题统计结果计算学生对知识的识记和理解程度,学生对知识的识记和理解程度包括各个投票知识点和试题知识点的总体正确率,总体参与积极度、每个学生的正确率、每个学生的参与积极...
【专利技术属性】
技术研发人员:海克洪,尚贞享,
申请(专利权)人:湖北美和易思教育科技有限公司,
类型:发明
国别省市:
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。