一种教学课件推荐方法技术

本发明专利技术公开了一种教学课件推荐方法，包括以下步骤，步骤一：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内，步骤二：对获取的课件进行关联度计算，找到最佳合适的推荐课件，步骤三：判断课件是否值得推荐，如果适合推荐，执行下一步操作，若不适合推荐，将返回到步骤一进行重新获取，步骤四：对评估后的推荐课件进行整合打包。本发明专利技术所述的一种教学课件推荐方法，通过对获取的课件与所需课件进行关联度计算，能够迅速得到关联度强的课件，能够有效的提高课件推荐前的筛选工作效率，通过对推荐课件进行系统整合，可以进行分类推荐，从而能够明确教学课件推荐的方向，使得课件推荐具有专项性。使得课件推荐具有专项性。使得课件推荐具有专项性。

【技术实现步骤摘要】
一种教学课件推荐方法


[0001]本专利技术涉及数字教学
，具体涉及一种教学课件推荐方法。

技术介绍

[0002]教学实践表明，有效地利用数字化教学资源，对于学生学习能力以及问题意识的培养乃至怀疑精神的塑造具有重要意义，学生通过对数字化教学资源的真正利用，可以激发学生的学习与发现的兴趣，是培养自主学习能力和创业能力极佳的路径，数字时代年轻一代所具有的优势通常超过年长者，这种并非个体性因素造成的优越，已越来越得到认同，这也是人类在数字化革命中所取得的最重要的收获之一，教学课件进行数字化推荐可以有效的提高备课效率，本方案具体涉及一种教学课件推荐方法；
[0003]但是现有的教学课件推荐方法，没有对获取的课件与所需课件进行关联度计算，不能够迅速得到关联度强的课件，课件推荐前的筛选工作效率低下，没有对推荐课件进行系统整合，不可以进行分类推荐，不能够明确教学课件推荐的方向，课件推荐不具有专项性。

技术实现思路

[0004]本专利技术的主要目的在于提供一种教学课件推荐方法，可以有效解决
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术采取的技术方案为：
[0006]一种教学课件推荐方法，该方法包括以下步骤：
[0007]步骤一：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内；
[0008]步骤二：对获取的课件进行关联度计算，找到最佳合适的推荐课件；
[0009]步骤三：判断课件是否值得推荐，如果适合推荐，执行下一步操作，若不适合推荐，将返回到步骤一进行重新获取；
[0010]步骤四：对评估后的推荐课件进行整合打包；
[0011]步骤五：将整合打包后的课件推送给。
[0012]优选的，所述进行关联度计算需要对获取的课件与目标课件进行标记。
[0013]优选的，所述进行关联度计算具体操作如下，设标记后获取的课件数据列记作X,存储课件数据列记作Y，标记后获取的课件数据列与存储课件数据列中的交集C，标记后获取的课件数据列与存储课件数据列的相似度R,得到标记后获取的课件数据列与存储课件数据列的关联度。
[0014]优选的，所述计算出的关联度0.6＜R＜1，则认为二因素的关联性强，若0＜R＜0.5，则认为二因素的关联性弱。
[0015]优选的，所述整合打包的具体处理步骤如下：
[0016]S1：对整合过来课件进行集中存储；
[0017]S2：将整合过来的课件进行系统分类，记作A类，B类和C类，A类，B类和C类分别对应一系列的课件；
[0018]S3：对分类后的课件进行备注，后续再进行系统的备课。
[0019]一种教学课件推荐方法，该推荐方法具体处理步骤如下：
[0020]A1：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内；
[0021]A2：对获取的课件进行关联度计算；
[0022]A3：通过传输模块对打包后的数据信息进行传输录入，有线传输和无线传输都在显示屏上显示传输结果，计算出的关联度若0.6＜R＜1，则认为二因素的关联性强，若0＜R＜0.5，则认为二因素的关联性弱；
[0023]A4：对整合过来课件进行集中存储，将整合过来的课件进行系统分类，记作A类，B类和C类，A类，B类和C类分别对应一系列的课件，当需要不同类别的课件时，进行分步推荐；
[0024]A5：对分类后的课件进行备注，后续再进行系统的备课。
[0025]与现有技术相比，本专利技术具有如下有益效果：
[0026]通过对获取的课件与所需课件进行关联度计算，能够迅速得到关联度强的课件，能够有效的提高课件推荐前的筛选工作效率，通过对推荐课件进行系统整合，可以进行分类推荐，从而能够明确教学课件推荐的方向，使得课件推荐具有专项性。
附图说明
[0027]图1为本专利技术流程图；
[0028]图2为本专利技术的系统整合打包的流程示意图。
具体实施方式
[0029]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。
[0030]如图1
‑
2所示，一种教学课件推荐方法，该方法包括以下步骤：
[0031]步骤一：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内；
[0032]步骤二：对获取的课件进行关联度计算，找到最佳合适的推荐课件；
[0033]步骤三：判断课件是否值得推荐，如果适合推荐，执行下一步操作，若不适合推荐，将返回到步骤一进行重新获取；
[0034]步骤四：对评估后的推荐课件进行整合打包；
[0035]步骤五：将整合打包后的课件推送给。
[0036]进行关联度计算需要对获取的课件与目标课件进行标记。
[0037]进行关联度计算具体操作如下,设标记后获取的课件数据列记作X,存储课件数据列记作Y，标记后获取的课件数据列与存储课件数据列中的交集C，标记后获取的课件数据列与存储课件数据列的相似度R,得到标记后获取的课件数据列与存储课件数据列的关联度。
[0038]计算出的关联度0.6＜R＜1，则认为二因素的关联性强，若0＜R<0.5，则认为二因素的关联性弱。
[0039]整合打包的具体处理步骤如下：
[0040]S1：对整合过来课件进行集中存储；
[0041]S2：将整合过来的课件进行系统分类，记作A类，B类和C类，A类，B类和C类分别对应一系列的课件；
[0042]S3：对分类后的课件进行备注，后续再进行系统的备课。
[0043]一种教学课件推荐方法，该推荐方法具体处理步骤如下：
[0044]A1：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内；
[0045]A2：对获取的课件进行关联度计算；
[0046]A3：通过传输模块对打包后的数据信息进行传输录入，有线传输和无线传输都在显示屏上显示传输结果，计算出的关联度若0.6<R<1，则认为二因素的关联性强，若0<R＜0.5，则认为二因素的关联性弱；
[0047]A4：对整合过来课件进行集中存储，将整合过来的课件进行系统分类，记作A类，B类和C类，A类，B类和C类分别对应一系列的课件，当需要不同类别的课件时，进行分步推荐；
[0048]A5：对分类后的课件进行备注，后续再进行系统的备课。
[0049]关联度计算具体实施为，假设标记后获取的课件数据列记作X[1，2，3，4],存储课件数据列记作Y[1，2，7]，标记后获取的课件数据列与存储课件数据列中的交集C[1，2]，标记后获取的课件数据列与存储课件数据列的相似度R＝N
C
/(N
A
+N
B
‑
N
C
)＝2/(4+3
‑
2)＝0.4,其中：N<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教学课件推荐方法，其特征在于：该方法包括以下步骤：步骤一：通过网络传输设备获取所有推荐的课件，将获取的课件存储到终端设备内；步骤二：对获取的课件进行关联度计算，找到最佳合适的推荐课件；步骤三：判断课件是否值得推荐，如果适合推荐，执行下一步操作，若不适合推荐，将返回到步骤一进行重新获取；步骤四：对评估后的推荐课件进行整合打包；步骤五：将整合打包后的课件推送给。2.根据权利要求1所述的一种教学课件推荐方法，其特征在于：所述进行关联度计算需要对获取的课件与目标课件进行标记。3.根据权利要求1所述的一种教学课件推荐方法，其特征在于：所述进行关联度计算具体操作如下，设标记后获取的课件数据列记作X,存储课件数据列记作Y，标记后获取的课件数据列与存储课件数据列中的交集C，标记后获取的课件数据列与存储课件数据列的相似度R,得到标记后获取的课件数据列与存储课件数据列的关联度。4.根据权利要求1所述的一种教学课件推荐方法，其特征在于：所述计算出的关联度0.6＜R＜1，则认为二因素的关联性强，若0＜R＜0....

【专利技术属性】
技术研发人员：沈小莲，张杰斌，梁皓然，
申请(专利权)人：东莞市亚太未来软件有限公司，
类型：发明
国别省市：