基于时间序列分析的在线学习行为监测系统技术方案

本发明专利技术涉及数据处理技术领域，尤其涉及一种基于时间序列分析的在线学习行为监测系统。通过分析不同学生对同一学习视频的学习行为数据，获取学习视频内每个时间节点为重要知识点的可能性；并基于时间序列数据获取学生对学习视频内各个时间节点的所蕴含知识点的掌握程度，以及基于时间序列数据得到学生对学习视频的观看程度指标；然后构建学生对每个学习视频的学习效果，并进一步构建观看学习视频的人工度指标；基于人工度指标和学习效果等完成在线学习行为监测。利用时间序列分析方法，揭示每个学生学习行为中的模式、趋势和周期性变化，从而提供个性化的学习指导、发现学习困难和挑战、支持教育决策等，进而以优化学习效果和教学质量。和教学质量。和教学质量。

【技术实现步骤摘要】
基于时间序列分析的在线学习行为监测系统


[0001]本专利技术涉及数据处理
，尤其涉及一种基于时间序列分析的在线学习行为监测系统。

技术介绍

[0002]在线学习是通过计算机互联网或是通过手机无线网络，在一个网络虚拟教室与教师进行网络授课、学习的方式。
[0003]目前，对学生的在线学习进行监测时，往往是基于学生观看视频的时长以及习题是否完成，判断学生是否完成了在线学习，无法有效地分辨出学生是否采用刷视频软件等操作规避检查，同时也无法反映出学生对视频内知识点的学习情况，进而无法对学生的学习提供一个较好的辅助效果。

技术实现思路

[0004]本专利技术要解决的技术问题在于，现有技术无法对学生的在线学习进行有效监测。针对现有技术中的缺陷，提供一种基于时间序列分析的在线学习行为监测系统。
[0005]为了解决上述技术问题，本专利技术提供了一种基于时间序列分析的在线学习行为监测系统，采用如下监测方法：采集当前学生的在线学习行为的时间序列数据；其中，每个所述时间序列数据单独对应一个学习视频；对各个所述时间序列数据进行在线学习行为分析，得到当前学生对每个所述学习视频的观看程度指标；基于课后习题从每个所述学习视频中提取关联时间节点，并计算当前学生对各个所述关联时间节点的掌握程度；获取各个参考学生的参考时间序列数据，基于所述参考时间序列数据计算每个所述学习视频中各个时间节点的重要知识点可能性；基于当前学生对每个所述学习视频的所述观看程度指标、各个所述关联时间节点的所述掌握程度、各个时间节点的所述重要知识点可能性，计算当前学生对每个所述学习视频的学习效果；基于当前学生对每个所述学习视频的所述学习效果和所述时间序列数据，计算当前学生观看每个所述学习视频的人工度指标；根据所述人工度指标、所述学习效果和所述时间序列数据完成当前学生的在线学习行为监测。
[0006]可选地，采集当前学生的在线学习行为的时间序列数据，包括：采集当前学生的在线学习行为数据；将所述在线学习行为数据转化为时间序列数据。
[0007]可选地，对各个所述时间序列数据进行在线学习行为分析，得到当前学生对每个
所述学习视频的观看程度指标，包括：从当前学生的所述时间序列数据中，获取各个所述学习视频的长度、结合时长阈值统计每个所述学习视频的观看次数，提取每个所述学习视频的观看时间节点、统计每个所述观看时间节点的重复浏览次数和播放速度；基于所述学习视频的长度和观看次数、所述观看时间节点、所述观看时间节点对应的重复浏览次数和播放速度，计算当前学生对每个所述学习视频的观看程度指标。
[0008]可选地，根据以下公式计算所述观看程度指标：；式中，是当前学生观看第个所述学习视频的所述观看程度指标，是当前学生观看第个所述学习视频的观看次数，是当前学生第次观看第个所述学习视频时的所述观看时间节点的个数，是当前学生观看的第个所述学习视频的时间节点的个数，是当前学生第次观看第个所述学习视频时对第个所述观看时间节点的重复浏览次数，是当前学生在第次观看第个所述学习视频时在第个所述观看时间节点处的播放速度，是当前学生第次观看第个所述学习视频时第个所述观看时间节点的节点值，是当前学生第次观看第个所述学习视频时第个所述观看时间节点的节点值。
[0009]可选地，基于课后习题从每个所述学习视频中提取关联时间节点，并计算当前学生对各个所述关联时间节点的掌握程度，包括：获取课后习题与所述学习视频中知识点之间的关联性指标；根据所述关联性指标获取知识点对应的关联时间节点；从所述时间序列数据中获取当前学生对课后习题的解答结果和解答时间；基于当前学生对课后习题的解答结果和解答时间、对每个所述关联时间节点的重复浏览次数，计算当前学生对各个所述关联时间节点的掌握程度。
[0010]可选地，所述掌握程度表示为：；式中，是当前学生对所述关联时间节点的所述掌握程度，是当前学生各次观看时对所述关联时间节点的重复浏览次数之和，是当前学生在解答课后习题时花费的解答时间。
[0011]可选地，获取各个参考学生的参考时间序列数据，基于所述参考时间序列数据计算每个所述学习视频中各个时间节点的重要知识点可能性，包括：结合时长阈值统计获取各个参考学生对每个所述学习视频的观看次数，提取各个参考学生观看每个所述学习视频的观看时间节点，统计各个参考学生对每个所述观看时间节点的重复浏览次数和播放速度；基于每个参考学生对各个所述学习视频的观看次数、每个所述观看时间节点的重复浏览次数和播放速度，计算每个所述学习视频中各个时间节点的重要知识点可能性。
[0012]可选地，根据以下公式计算所述重要知识点可能性：；式中，是时间节点的所述重要知识点可能性，是参考学生的个数，是第个参考学生观看时间节点所在的所述学习视频的观看次数，是第个参考学生观看时间节点所在的所述学习视频时对时间节点的重复浏览次数，是第个参考学生观看时间节点所在的所述学习视频时对时间节点的播放速度，是时间节点与其所在的所述学习视频的第一个时间节点和最后一个时间节点的节点值距离中的最小值。
[0013]可选地，根据以下公式计算所述学习效果：；式中，是当前学生对第个所述学习视频的所述学习效果，是当前学生对第个所述学习视频的所述观看程度指标，是第个所述学习视频内第个时间节点的所述重要知识点可能性，是当前学生对第个所述学习视频第个时间节点的所述掌握程度， 是第个所述学习视频中时间节点的个数，exp（）是归一化函数。
[0014]可选地，根据以下公式计算所述人工度指标：；；；
式中，是当前学生观看第个所述学习视频的所述人工度指标，是当前学生观看的所有所述学习视频的所述学习效果中的最大值，当前学生观看的所有所述学习视频的所述学习效果中的最小值，是当前学生观看的所有所述学习视频的所述学习效果的熵值，是参考学生的个数，是当前学生需要观看的所述学习视频的个数，是第个所述学习视频的时间节点的个数，是第个参考学生在观看第个所述学习视频时对第个时间节点的重复浏览次数，是当前学生观看第个所述学习视频时对第个时间节点的重复浏览次数。
[0015]可选地，根据所述人工度指标、所述学习效果和所述时间序列数据完成当前学生的在线学习行为监测，包括：当所述人工度指标小于人工度阈值时，提醒当前学生对所述人工度指标对应的所述学习视频重新进行学习并完成课后习题；当所述人工度指标大于等于人工度阈值时，获取当前学生对各个所述学习视频的所述学习效果，提取所述学习效果小于效果阈值的所述学习视频，获取当前学生对该学习视频中所述关联时间节点的所述掌握程度，基于当前学生的观看次数、对观看时间节点的重复浏览次数和播放速度计算当前学生对所述观看时间节点的所述掌握程度，对所述掌握程度进行归一化处理后小于掌握阈值的所述关联时间节点或所述观看时间节点进行标记。
[0016]可选地，根据以下公式计算当前学生对所述观看时间节点的所述掌握程度：；式中，是当前学生对第个所述观看时间节点的所述掌握程度，是当前学生对该学习视频的观看次数，是当前学生第次观看该学习视频时对第个所述观看本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间序列分析的在线学习行为监测系统，其特征在于，采用如下监测方法：采集当前学生的在线学习行为的时间序列数据；其中，每个所述时间序列数据单独对应一个学习视频；对各个所述时间序列数据进行在线学习行为分析，得到当前学生对每个所述学习视频的观看程度指标；基于课后习题从每个所述学习视频中提取关联时间节点，并计算当前学生对各个所述关联时间节点的掌握程度；获取各个参考学生的参考时间序列数据，基于所述参考时间序列数据计算每个所述学习视频中各个时间节点的重要知识点可能性；基于当前学生对每个所述学习视频的所述观看程度指标、各个所述关联时间节点的所述掌握程度、各个时间节点的所述重要知识点可能性，计算当前学生对每个所述学习视频的学习效果；基于当前学生对每个所述学习视频的所述学习效果和所述时间序列数据，计算当前学生观看每个所述学习视频的人工度指标；根据所述人工度指标、所述学习效果和所述时间序列数据完成当前学生的在线学习行为监测。2.根据权利要求1所述的基于时间序列分析的在线学习行为监测系统，其特征在于，采集当前学生的在线学习行为的时间序列数据，包括：采集当前学生的在线学习行为数据；将所述在线学习行为数据转化为时间序列数据。3.根据权利要求1所述的基于时间序列分析的在线学习行为监测系统，其特征在于，对各个所述时间序列数据进行在线学习行为分析，得到当前学生对每个所述学习视频的观看程度指标，包括：从当前学生的所述时间序列数据中，获取各个所述学习视频的长度、结合时长阈值统计每个所述学习视频的观看次数，提取每个所述学习视频的观看时间节点、统计每个所述观看时间节点的重复浏览次数和播放速度；基于所述学习视频的长度和观看次数、所述观看时间节点、所述观看时间节点对应的重复浏览次数和播放速度，计算当前学生对每个所述学习视频的观看程度指标。4.根据权利要求3所述的基于时间序列分析的在线学习行为监测系统，其特征在于，根据以下公式计算所述观看程度指标：式中，是当前学生观看第个所述学习视频的所述观看程度指标，是当前学生观看第个所述学习视频的观看次数，是当前学生第次观看第个所述学习视频时的所述观看时间节点的个数，是当前学生观看的第个所述学习视频的时间节点的个数，是当
前学生第次观看第个所述学习视频时对第个所述观看时间节点的重复浏览次数，是当前学生在第次观看第个所述学习视频时在第个所述观看时间节点处的播放速度，是当前学生第次观看第个所述学习视频时第个所述观看时间节点的节点值，是当前学生第次观看第个所述学习视频时第个所述观看时间节点的节点值。5.根据权利要求1所述的基于时间序列分析的在线学习行为监测系统，其特征在于，基于课后习题从每个所述学习视频中提取关联时间节点，并计算当前学生对各个所述关联时间节点的掌握程度，包括：获取课后习题与所述学习视频中知识点之间的关联性指标；根据所述关联性指标获取知识点对应的关联时间节点；从所述时间序列数据中获取当前学生对课后习题的解答结果和解答时间；基于当前学生对课后习题的解答结果和解答时间、对每个所述关联时间节点的重复浏览次数，计算当前学生对各个所述关联时间节点的掌握程度；其中，所述掌握程度表示为：式中，是当前学生对所述关联时间节点的所述掌握程度，是当前学生各次观看时对所述关联时间节点的重复浏览次数之和，是当前学生在解答课后习题时花费的解答时间。6.根据权利要求1所述的基于时间序列分析的在线学习行为监测系统，其特征在于，获取各个参考学...

【专利技术属性】
技术研发人员：于丽娜，刘少坤，耿林，李玮，王颜羽，
申请(专利权)人：河北工业职业技术学院，
类型：发明
国别省市：