学习管理系统成熟度评估方法、装置及电子设备制造方法及图纸

本发明专利技术涉及一种学习管理系统成熟度评估方法、装置及电子设备，其中方法包括：确定用于评估学习管理系统的成熟度的样本集，其中样本集中的样本为每一用于评价学习管理系统的评价主体在评价周期内对于学习管理系统的使用数据进行特征处理后的特征值集；根据样本集的维度所包含的特征的特征值确定维度的维度分值；根据样本对于每一个分类的隶属度确定每一分类对应的目标评价主体；根据目标评价主体所对应的目标维度分值确定每一分类对应的分类分值；根据分类分值以及隶属度确定样本对于学习管理系统的成熟度的评估值，从而更加准确、全面评估学习管理系统的成熟度。全面评估学习管理系统的成熟度。全面评估学习管理系统的成熟度。

【技术实现步骤摘要】
学习管理系统成熟度评估方法、装置及电子设备


[0001]本专利技术涉及计算机领域，特别涉及一种学习管理系统成熟度评估方法、装置及电子设备。

技术介绍

[0002]LMS(Learning Management System，学习管理系统)在企业文化发展以及企业进行数字化转型的过程中有着十分重要的作用，因此，建立一种能够相对合理和准确地评价当前LMS的方法和模型，帮助或指导企业的LMS建设显得十分有价值。
[0003]目前，对于LMS系统的评价主要是对于LMS成熟度的评价，往往是通过一些常用指标的汇总统计，比如指标的平均、方差等，这样对于LMS成熟度的评价方法，对欠缺全面性和系统性，因此对LMS的评价和发展作用也有限。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供了一种学习管理系统的成熟度评估方法、装置及电子设备，具体方案如下：
[0005]第一方面，提供一种学习管理系统成熟度评估方法，所述方法包括：确定用于评估学习管理系统的成熟度的样本集，其中所述样本集中的样本为每一用于评价所述学习管理系统的评价主体在评价周期内对于所述学习管理系统的使用数据进行特征处理后的特征值集；根据所述样本集的维度所包含的特征的特征值确定所述维度的维度分值；根据所述样本对于每一个分类的隶属度确定每一所述分类对应的目标评价主体；根据所述目标评价主体所对应的目标维度分值确定每一所述分类对应的分类分值；根据所述分类分值以及所述隶属度确定所述样本对于所述学习管理系统的成熟度的评估值。
[0006]在一个较佳的实施方式中，所述根据所述样本集的维度所包含的特征的特征值确定所述维度的维度分值包括：根据所述样本集在所述评价周期内的特征值排序确定每一所述特征的最大特征值以及最小特征值；根据所述最大特征值以及所述最小特征值按所述评价周期对所述样本集中的所述特征值做归一化处理得到归一化样本集；确定每一所述特征的目标特征权重值，所述目标特征权重值为所述特征对所述隶属度的贡献度；根据所述归一化样本集以及所述目标特征权重值确定得到归一权重化样本集；根据所述维度所包含的特征以及所述归一权重化样本集确定初始维度分值；对所述初始维度分值进行缩放得到所述维度分值。
[0007]在一个较佳的实施方式中，所述确定每一所述特征的目标特征权重值包括：根据所述样本对于不同所述分类的所述隶属度构建隶属度矩阵；根据不同所述样本对于同一所述分类的所述隶属度确定分类中心模型；根据所述特征值相对于各分类中心的方差之和确定每一所述特征的特征权重值模型；根据所述隶属度矩阵，所述分类中心模型以及所述特征权重值模型构建计算模型；根据从样本集确定的用于对计算模型训练学习的训练数据对所述计算模型训练直至所述计算模型的计算结果小于收敛阈值，并将对应的特征权重值作
为所述目标特征权重。
[0008]在一个较佳的实施方式中，对所述初始维度分值进行缩放得到所述维度分值包括：将所述初始维度分值按照大小进行排序得到每一所述维度的最大初始维度分值以及最小初始维度分值；根据所述初始维度分值，所述最大初始维度分值，所述最小初始维度分值以及缩放量确定所述维度分值。
[0009]在一个较佳的实施方式中，所述根据所述样本对于每一个分类的隶属度确定每一所述分类对应的目标评价主体包括：将所述样本按照隶属度从大到小进行排序得到样本排序；根据所述样本与所述评价主体的对应关系以及所述样本排序将所述评价主体进行排序得到前m个所述评价主体作为所述目标评价主体。
[0010]在一个较佳的实施方式中，所述根据所述目标评价主体所对应的目标维度分值确定每一所述分类对应的分类分值包括：根据同一所述维度对应的不同所述目标评价主体的所述目标维度分值确定不同所述分类对于每一所述维度的平均维度分值；根据所述平均维度分值，预设维度排序以及预设分类排序方法得到分类排序名次；根据所述分类排序名次，缩放量以及所述分类的种类数确定每一所述分类的分类分值。
[0011]在一个较佳的实施方式中，所述根据所述分类分值以及所述隶属度确定所述样本对于所述学习管理系统成熟度的评估值包括：确定所述样本对于所述分类的隶属度与所述分类分值的乘积值；将所有所述分类对应的所述乘积值之和作为所述评估值。
[0012]在一个较佳的实施方式中，所述确定用于评估学习管理系统的成熟度的样本集还包括：按照所述维度的影响因素统计所述评价主体在所述评价周期内的所述使用数据得到初始数据集；对所述初始数据集进行特征化处理从而得到所述样本集。
[0013]第二方面，提供一种学习管理系统成熟度评估装置，所述装置包括：样本集确定模块，用于评估学习管理系统的成熟度的样本集，其中所述样本集中的样本为每一用于评价所述学习管理系统的评价主体在评价周期内对于所述学习管理系统的使用数据进行特征处理后的特征值集；维度分值确定模块，用于根据所述样本集的维度所包含的特征的特征值确定所述维度的维度分值；目标评价主体确定模块，用于根据所述样本对于每一个分类的隶属度确定每一所述分类对应的目标评价主体；分类分值确定模块，用于根据所述目标评价主体所对应的目标维度分值确定每一所述分类对应的分类分值；成熟度评估模块，用于根据所述分类分值以及所述隶属度确定所述样本对于所述学习管理系统的成熟度的评估值。
[0014]第三方面，提供一种电子设备，包括：
[0015]一个或多个处理器；以及
[0016]与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令，所述程序指令在被所述一个或多个处理器读取执行时，执行如如前所述的任一方法。
[0017]在本专利技术中，样本为每一用于评价学习管理系统的评价主体在评价周期内对于LMS的使用数据进行特征处理后的特征值集，也即是在本专利技术中所用到的样本是通过评价主体的使用数据生成的，比较全面反映出对于LMS的影响因素，而后根据样本中的特征值以及样本维度数确定维度分值，确定维度评价体系，根据样本对于每一个分类的隶属度确定用于确定每一分类对应的目标评价主体，根据目标评价主体所对应的目标维度分值确定每一分类对应的分类分值，根据分类分值以及隶属度确定样本对于学习管理系统成熟度的评
估值，从而使得最终得到的成熟度的评估值既相对全面又具准确性和合理性。
附图说明
[0018]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术实施例中学习管理系统成熟度评估方法的流程图；
[0020]图2为本专利技术实施例中学习管理系统成熟度评估装置的示意图；
[0021]图3为本专利技术实施例中电子设备的架构图。
具体实施方式
[0022]为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习管理系统成熟度评估方法，其特征在于，所述方法包括：确定用于评估学习管理系统的成熟度的样本集，其中所述样本集中的样本为每一用于评价所述学习管理系统的评价主体在评价周期内对于所述学习管理系统的使用数据进行特征处理后的特征值集；根据所述样本集的维度所包含的特征的特征值确定所述维度的维度分值；根据所述样本对于每一个分类的隶属度确定每一所述分类对应的目标评价主体；根据所述目标评价主体所对应的目标维度分值确定每一所述分类对应的分类分值；根据所述分类分值以及所述隶属度确定所述样本对于所述学习管理系统的成熟度的评估值。2.根据权利要求1所述的方法，其特征在于，所述根据所述样本集的维度所包含的特征的特征值确定所述维度的维度分值包括：根据所述样本集在所述评价周期内的特征值排序确定每一所述特征的最大特征值以及最小特征值；根据所述最大特征值以及所述最小特征值按所述评价周期对所述样本集中的所述特征值做归一化处理得到归一化样本集；确定每一所述特征的目标特征权重值，所述目标特征权重值为所述特征对所述隶属度的贡献度；根据所述归一化样本集以及所述目标特征权重值确定得到归一权重化样本集；根据所述维度所包含的特征以及所述归一权重化样本集确定初始维度分值；对所述初始维度分值进行缩放得到所述维度分值。3.根据权利要求2所述的方法，其特征在于，所述确定每一所述特征的目标特征权重值包括：根据所述样本对于不同所述分类的所述隶属度构建隶属度矩阵；根据不同所述样本对于同一所述分类的所述隶属度确定分类中心模型；根据所述特征值相对于各分类中心的方差之和确定每一所述特征的特征权重值模型；根据所述隶属度矩阵，所述分类中心模型以及所述特征权重值模型构建计算模型；根据从样本集确定的用于对计算模型训练学习的训练数据对所述计算模型训练直至所述计算模型的计算结果小于收敛阈值，并将对应的特征权重值作为所述目标特征权重。4.根据权利要求2所述的方法，其特征在于，对所述初始维度分值进行缩放得到所述维度分值包括：将所述初始维度分值按照大小进行排序得到每一所述维度的最大初始维度分值以及最小初始维度分值；根据所述初始维度分值，所述最大初始维度分值，所述最小初始维度分值以及缩放量确定所述维度分值。5.根据权利要求1所述的方法，其特征在于，所述根据所述样本对于每一个分...

【专利技术属性】
技术研发人员：殷志宏，杨永福，蒋有志，陈世雄，
申请(专利权)人：上海时代光华教育发展有限公司，
类型：发明
国别省市：