一种融合隐私保护的学生综合能力评测方法技术

本申请提供一种融合隐私保护的学生综合能力评测方法，包括：获取学生各科目的成绩，判断优势科目与劣势科目及其稳定性；识别倒退科目及所属能力项，计算倒退幅度；判断能力项的稳定性和总成绩稳定性；识别倒退科目属于优势还是劣势科目，判断是否进行隐私保护；对学生成绩进行隐私保护；针对需要进行隐私保护的不同能力项进行学生跟踪；根据隐私保护能力项的跟踪结果，对学习能力进行优化干预；根据隐私保护范围，分配成绩查看管理系统权限。分配成绩查看管理系统权限。分配成绩查看管理系统权限。

【技术实现步骤摘要】
一种融合隐私保护的学生综合能力评测方法


[0001]本专利技术涉及信息
，尤其涉及一种融合隐私保护的学生综合能力评测方法。

技术介绍

[0002]学生综合能力的评测应该是长时间的，不是一次性完成的工作。他会随着学生的兴趣转移，能力的不足的变化以及学习的努力程度等因素，不断变化。但是大部分的人，都不喜欢自己的失败或者短处被同伴看到，在评测过程中，人们更倾向让别人看到自己的成长，而不喜欢被看到自己的倒退。因为学生的性格没有完全形成，有时候，差的成绩，反而容易让学生破罐子破摔。当前，对学生综合能力的隐私保护工作不够细致，未考虑对不同水平能力项进行不同隐私保护，且单纯的隐私保护对学生学习能力提升的促进力度不够。所以，识别学生的倒退能力项和优势能力项，判断学生是否真正倒退并利用差分隐私保护技术保护学生弱势科目的成绩，突出自身优势科目，避开劣势，是当前教育方面的重要课题。此外，赋予不同级别的老师不同的成绩查看权限，并跟踪学生能力提升进度督促学生进步，也是教育隐私保护的重要目标。

技术实现思路

[0003]本专利技术提供了一种融合隐私保护的学生综合能力评测方法，主要包括：获取学生各科目的成绩，判断优势科目与劣势科目及其稳定性；识别倒退科目及所属能力项，计算倒退幅度，具体包括：基于k
‑
means识别科目代表的能力项；判断能力项的稳定性和总成绩稳定性；识别倒退科目属于优势还是劣势科目，判断是否进行隐私保护，具体包括：根据学生画像预测倒退科目的成绩，并计算倒退可信度；对学生成绩进行隐私保护，所述对学生成绩进行隐私保护，具体包括：基于差分隐私的学生成绩隐私保护技术，基于用户认证的隐私保护技术；针对需要进行隐私保护的不同能力项进行学生跟踪，所述针对需要进行隐私保护的不同能力项进行学生跟踪，具体包括：基于网络舆情跟踪学生德育能力，基于BP神经网络预测智育、美育能力完成时间；根据隐私保护能力项的跟踪结果，对学习能力进行优化干预，具体包括：根据预测完成时间，对学习能力进行优化干预；根据隐私保护范围，分配成绩查看管理系统权限。
[0004]进一步可选地，所述获取学生各科目的成绩，判断优势科目与劣势科目及其稳定性包括：获取目标学生各个科目的成绩，包括本次考试成绩和历次考试成绩；首先判断学生的优势科目和劣势科目；用递进系数反应每次考试成绩的变化趋势：Di=（（Yi
‑
X（i
‑
1））/X（i
‑
1））*100其中Di为递进系数，Yi为本次考试成绩，X（i
‑
1）为上次考试成绩；逐次计算目标学生各科目的递进系数，记录科目名称和递进系数Di，对各个科目的递进系数求平均；对全班学生目标科目的递进系数求平均，并作为第一阈值；若平均递进系数大于所述第一阈值，说
明考试成绩高于平均水平，属于优势科目；若递进系数的平均值小于或等于第一阈值，说明考试成绩低于平均水平，属于劣势科目；然后计算目标学生各科目的稳定性指数；对所述目标学生的各科目的递进系数求标准差，作为目标学生各科目的稳定性指数，将全班学生对应科目的递进系数标准差作为第二阈值；若所述稳定性指数小于第二阈值，则说明目标学生的目标科目成绩稳定性高；若所述稳定性指数大于等于第二阈值，则说明目标学生的目标科目成绩稳定性低。
[0005]进一步可选地，所述识别倒退科目及所属能力项，计算倒退幅度包括：首先识别倒退科目及倒退幅度；获取学生本次目标科目成绩和上次目标科目成绩数据，计算目标科目成绩环比；其中，目标科目成绩环比=本次目标科目成绩/上次目标科目成绩；比较目标科目成绩环比与1的大小，若目标科目成绩环比大于1，则说明目标科目为进步科目；若目标科目成绩环比等于1，则说明目标科目不进不退；若目标科目成绩环比小于1，则说明目标科目为倒退科目，用倒退科目的递进系数的绝对值表示其倒退幅度；然后根据倒退科目名称和科目的描述文本获取所属能力项，将最终结果记为倒退科目名称、倒退幅度、能力项；包括：基于k
‑
means识别科目代表的能力项；所述基于k
‑
means识别科目代表的能力项，具体包括：获取所有科目名称以及各科目的描述文本。首先将各科目的描述文本按句拆分，对拆分后的每句话分词并去除其中的停用词，最后得到各个科目的词项。然后计算各个科目的词项的TF
‑
IDF值，词频TF=词项出现的次数/描述文本所有词项总数，逆向文件频率：；TF
‑
IDF=TF*IDF。通过预设第四阈值提取各科目的描述关键词，TF
‑
IDF值大于第四阈值的词项为描述关键词，记为科目名称、描述关键词。计算所有科目的描述文本中的所有词项的TF
‑
IDF值，并转化成TF
‑
IDF矩阵进行k
‑
means聚类。随机选取五个类中心点，遍历所有词项并计算各词项距类中心的距离d=|x1
‑
x2|^2，距离越近说明该词项和类中心属于同一类，然后取各类均值作为新的类中心重新进行分类，直到类中心不再发生变化。统计聚类结果并分别命名为德智体美劳五个能力项。获取待识别科目名称及描述文本，计算描述文本中所有词项的TF
‑
IDF值，提取描述关键词，计算关键词到五个类中心的距离，取最小距离作为分类标准，即关键词到类中心距离最小的类为待识别科目所属科目。
[0006]进一步可选地，所述判断能力项的稳定性和总成绩稳定性包括：首先计算各能力项的稳定性指数；获取同一能力项的所有科目的稳定性指数，计算所述稳定性指数的平均值作为能力项的稳定性指数；最后，将能力项的稳定性指数的平均值作为总成绩的稳定性指数；输出最后结果为能力项：能力项的稳定性指数，总成绩的稳定性指数。
[0007]进一步可选地，所述识别倒退科目属于优势还是劣势科目，判断是否进行隐私保护包括：获取学生学号、倒退科目的名称、本次考试成绩和历次考试成绩，通过平均递进系数判断倒退科目属于优势科目还是劣势科目；若属于劣势科目，则需要进行隐私保护，否则进行下一步；获取倒退可信度acc，并预设第三阈值；当倒退可信度acc大于或等于第三阈值，则说明倒退科目成绩体现了学生的真实能力，即表示学生不是波动性倒退，而是能力不
足，需要进行隐私保护；当倒退可信度acc小于第三阈值，则说明学生此次考试是波动性倒退，不用进行隐私保护；根据倒退科目的名称获取所属能力项，对能力项标注是否进行隐私保护，即输出结果为能力项：是否进行隐私保护；包括：根据学生画像预测倒退科目的成绩，并计算倒退可信度；所述根据学生画像预测倒退科目的成绩，并计算倒退可信度，具体包括：获取倒退科目的名称、学生个人倒退科目的分数、学生个人倒退科目的及格率、倒退科目的平均分、倒退科目的班级及格率、本次考试倒退科目的班级平均分、本次考试难度系数七个属性作为学生画像的特征训练集。将所述特征训练集输入BP神经网络中训练，训练完成后需输入倒退科目的名称、学生个人倒退科目的及格率、倒退科目的平均分、倒退科目的班级及格率、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合隐私保护的学生综合能力评测方法，其特征在于，所述方法包括：获取学生各科目的成绩，判断优势科目与劣势科目及其稳定性；识别倒退科目及所属能力项，计算倒退幅度，并基于k
‑
means识别科目代表的能力项；判断能力项的稳定性和总成绩稳定性；识别倒退科目属于优势还是劣势科目，判断是否进行隐私保护，根据学生画像预测倒退科目的成绩，并计算倒退可信度；对学生成绩进行隐私保护，基于差分隐私的学生成绩隐私保护技术与基于用户认证的隐私保护技术对所述学生成绩进行保护；针对需要进行隐私保护的不同能力项进行学生跟踪，其中，基于网络舆情跟踪学生德育能力，并基于BP神经网络预测智育与美育能力完成时间；根据隐私保护能力项的跟踪结果，以及根据学生需要进行隐私保护的能力项改善方案的预测完成时间，对学习能力进行优化干预；根据隐私保护范围，分配成绩查看管理系统权限。2.根据权利要求1所述的方法，其中，所述获取学生各科目的成绩，判断优势科目与劣势科目及其稳定性，包括:获取目标学生各个科目的成绩，包括本次考试成绩和历次考试成绩；首先判断学生的优势科目和劣势科目；用递进系数反应每次考试成绩的变化趋势：Di=（（Yi
‑
X（i
‑
1））/X（i
‑
1））*100 ；其中Di为递进系数，Yi为本次考试成绩，X（i
‑
1）为上次考试成绩；逐次计算目标学生各科目的递进系数，记录科目名称和递进系数Di，对各个科目的递进系数求平均；对全班学生目标科目的递进系数求平均，并作为第一阈值；若平均递进系数大于所述第一阈值，说明考试成绩高于平均水平，属于优势科目；若递进系数的平均值小于或等于第一阈值，说明考试成绩低于平均水平，属于劣势科目；然后计算目标学生各科目的稳定性指数；对所述目标学生的各科目的递进系数求标准差，作为目标学生各科目的稳定性指数，将全班学生对应科目的递进系数标准差作为第二阈值；若所述稳定性指数小于第二阈值，则说明目标学生的目标科目成绩稳定性高；若所述稳定性指数大于等于第二阈值，则说明目标学生的目标科目成绩稳定性低。3.根据权利要求1所述的方法，其中，所述识别倒退科目及所属能力项，计算倒退幅度，包括:首先识别倒退科目及倒退幅度；获取学生本次目标科目成绩和上次目标科目成绩数据，计算目标科目成绩环比；其中，目标科目成绩环比=本次目标科目成绩/上次目标科目成绩；比较目标科目成绩环比与1的大小，若目标科目成绩环比大于1，则说明目标科目为进步科目；若目标科目成绩环比等于1，则说明目标科目不进不退；若目标科目成绩环比小于1，则说明目标科目为倒退科目，用倒退科目的递进系数的绝对值表示其倒退幅度；然后根据倒退科目名称和科目的描述文本获取所属能力项，将最终结果记为倒退科目名称、倒退幅度、能力项；包括：基于k
‑
means识别科目代表的能力项；所述基于k
‑
means识别科目代表的能力项，具体包括:获取所有科目名称以及各科目的描述文本；首先将各科目的描述文本按句拆分，对拆分后的每句话分词并去除其中的停用词，最后得到各个科目的词项；然后计算各个科目的
词项的TF
‑
IDF值，词频TF=，逆向文件频率：；TF
‑
IDF=TF*IDF；通过预设第四阈值提取各科目的描述关键词，TF
‑
IDF值大于第四阈值的词项为描述关键词，记为科目名称、描述关键词；计算所有科目的描述文本中的所有词项的TF
‑
IDF值，并转化成TF
‑
IDF矩阵进行k
‑
means聚类；随机选取五个类中心点，遍历所有词项并计算各词项距类中心的距离，其中，x1是第一个词的TF
‑
IDF值，x2是第二个词的TF
‑
IDF值，距离越近说明该词项和类中心属于同一类，然后取各类均值作为新的类中心重新进行分类，直到类中心不再发生变化；统计聚类结果并分别命名为德智体美劳五个能力项；获取待识别科目名称及描述文本，计算描述文本中所有词项的TF
‑
IDF值，提取描述关键词，计算关键词到五个类中心的距离，取最小距离作为分类标准，即关键词到类中心距离最小的类为待识别科目所属科目。4.根据权利要求1所述的方法，其中，所述判断能力项的稳定性和总成绩稳定性，包括:首先计算各能力项的稳定性指数；获取同一能力项的所有科目的稳定性指数，计算所述稳定性指数的平均值作为能力项的稳定性指数；最后，将能力项的稳定性指数的平均值作为总成绩的稳定性指数；输出最后结果为能力项：能力项的稳定性指数，总成绩的稳定性指数。5.根据权利要求1所述的方法，其中，所述识别倒退科目属于优势还是劣势科目，判断是否进行隐私保护，包括:获取学生学号、倒退科目的名称、本次考试成绩和历次考试成绩，通过平均递进系数判断倒退科目属于优势科目还是劣势科目；若属于劣势科目，则需要进行隐私保护，否则进行下一步；获取倒退可信度acc，并预设第三阈值；当倒退可信度acc大于或等于第三阈值，则说明倒退科目成绩体现了学生的真实能力，即表示学生不是波动性倒退，而是能力不足，需要进行隐私保护；当倒退可信度acc小于第三阈值，则说明学生此次考试是波动性倒退，不用进行隐私保护；根据倒退科目的名称获取所属能力项，对能力项标注是否进行隐私保护，即输出结果为能力项：是否进行隐私保护；包括：根据学生画像预测倒退科目的成绩，并计算倒退可信度；所述根据学生画像预测倒退科目的成绩，并计算倒退可信度，具体包括:获取倒退科目的名称、学生个人倒退科目的分数、学生个人倒退科目的及格率、倒退科目的平均分、倒退科目的班级及格率、本次考试倒退科目的班级平均分、本次考试难度系数七个属性作为学生画像的特征训练集；将所述特征训练集输入BP神经网络中训练，训练完成后需输入倒退科目的名称、学生个人倒退科目的及格率、倒退科目的平均分、倒退科目的班级及格率、本次考试倒退科目的班级平均分、本次考试难度系数六个属性，来实现对学生个人倒退科目的分数的预测；即获取倒退科目的名称、学生个人倒退科目的及格率、倒退科目的平均分、倒退科目的班级及格率、本次考试倒退科目的班级平均分、本次考试难度系数六个属性，输入已训练好的BP神经网络，得到学生个人倒退科目的预测分数；获取学生上次考试中倒退科目的分数，计算预测倒退幅度=学生个人倒退科目的预测分数/上次考试中倒
退科目的成绩，记为...

【专利技术属性】
技术研发人员：陈育青，隆承志，许伟锋，
申请(专利权)人：广州数园网络有限公司，
类型：发明
国别省市：