【技术实现步骤摘要】
本专利技术涉及行为数据分析，尤其是一种基于移动软件的学生课堂行为分析方法。
技术介绍
1、当前，学生在课堂上的表现已被证实与他们的学术成绩有着密切的关系。然而，随着智能手机的广泛使用和互联网技术的发展，学生在课堂上因为手机和其他软件分散注意力的现象变得愈发普遍。据相关研究显示，这种分散注意力的现象可能对学生的学习表现产生负面影响。因此，有效分析和改善学生的课堂行为对提高教学质量至关重要。
2、为了分析课堂上的学生行为，面部识别技术已被用来研究课堂上学生的专注度。此外，一些移动软件已经被开发出来为课堂提供信息服务。采用面部识别技术去搜集课堂上学生行为的数据，结果常常导致大量无关数据的产生，同时也需要大量的时间和硬件资源投入。另一方面，现有的移动软件主要是聚焦于课堂信息服务，例如发布作业以及记录出勤情况。然而，它们并没有将学生的课堂行为纳入考虑范围。因此，本专利技术开发了一款能够兼顾学生课堂行为分析和课堂信息管理，以及能够广泛普及的移动软件。
3、目前关于教育领域的数据挖掘研究大多集中在计算机科学的角度，而不是从教育的角度。仅从计算机科学的角度进行研究可能会忽视教育领域的特定需求、挑战和目标。
4、本专利技术基于开发的软件收集的数据，首先采用聚类算法对数据进行分类并生成语义标签。这些标签描述了课堂上的学生行为，并简化了数据的结构。随后，为了构建用户画像以制定学生的专注度水平，使用了一种序列和关联规则分析方法来分析行为标签并生成了一系列关联规则供教育工作者分析。
技术实现
1、本专利技术提出一种基于移动软件的学生课堂行为分析方法，能将数据挖掘技术应用于教育，且考虑了教育领域的独特性，并结合教育科学相关知识进行研究；能够使教育工作者能够更深入地理解课堂上的学生行为，进一步提高课堂教学的质量。
2、本专利技术采用以下技术方案。
3、一种基于移动软件的学生课堂行为分析方法，所述分析方法包括能调用学生手机陀螺仪数据的软件，所述方法通过陀螺仪数据来收集学生上课时的手机翻转动作数据，还收集学生的课堂行为数据，以此评估学生在课堂学习时的专注度；所述评估方法通过k-means聚类算法将手机翻转动作数据、课堂行为数据分类以生成描述学生行为的语义标签，还通过构建用户画像用以对学生的专注度水平分类，分类过程中采用序列和关联规则分析方法来分析行为标签并生成关联规则。
4、所述软件为手机端的小程序。
5、所述分析方法分为教师端方法和学生端方法，所述教师端方法具体为：当教师准备开始课程时，打开软件的教师部分，并将预设的课程信息和动态二维码投影到大屏幕上；
6、所述学生端方法具体为：学生进入教室后，以软件的学生端来扫描教师发布的动态二维码，使软件开始记录学生的课堂行为数据，并上传及记录在后端服务器以供教师实时查看；
7、所述动态二维码用于防止学生记录分享二维码以代替他人签到的行为。
8、所述课堂行为数据包括出勤率、学生到教室的时间、签到距离、答题正确率、课堂专注时长，还包括手机翻转次数，所述软件在记录学生的课堂行为数据时，采用以下方法：
9、课堂专注时长(a)：通过调用手机陀螺仪来计算手机在课桌上翻转的时间，以手机翻转动作时长作为未专注时长，并以此评估课堂专注时长；
10、手机翻转次数(b)：通过计算手机陀螺仪的触发次数和角度阈值，来确定手机是否翻转，并且记录手机的翻转次数；
11、出勤率(c)：通过计算学生扫描二维码签到的次数和总开课次数的比值，以此作为出勤率数据；
12、签到距离(d)：通过调用微信小程序的位置服务接口来计算签到学生和教师之间的距离来获取签到距离；所述位置服务接口包括微信小程序的wx.getlocation接口；
13、学生到教室的时间(e)：通过计算教室发起签到到学生签到完毕的这个时间间隔，以此作为学生到教室的时间；
14、答题正确率(g)：通过计算学生答对题数和教师发起题数的比值，以此作为答题正确率数据。
15、所述软件在记录学生的课堂行为数据后，以下述步骤对数据进行分析：
16、步骤s1、先对收集的数据进行规范化处理；
17、步骤s2、使用k-means算法和肘部规则对收集的数据进行聚类分析，并根据聚类分析结果将每类数据划分为不同的类别，根据肘部图将各部分数据划分为合适的类别；
18、步骤s3、将聚类中心与行为类别进行关联，并处理成简洁的符号，以生成行为标签，并对生成的行为标签进行语义和短文本处理；
19、步骤s4、展示最终的聚类结果，为每种数据类别的聚类结果和行为标签提供概览图像。同时，基于行为数据生成的标签，为每个学生在数据集中构建一个对应的标签集，构建学生在教室中的行为画像；
20、步骤s5、采用关联分析来分析学生的行为标签集；
21、步骤s6、基于上述的数据准备，以后件为专注时长(a)，前件为学生的其他课堂行为指标，设定最小置信度和支持度阈值，构建关联分析模型。
22、步骤s1中，针对已知数据间隔的范围，采用最小-最大规范化方法，以公式表述为
23、
24、其中：x*表示经过最小-最大归一化处理后的行为数值；x表示行为数据的初始值；max表示行为数据的最大值；min表示行为数据的最小值；max-min表示行为数据集中的极差。
25、步骤s2中的划分方法以公式表述为
26、
27、其中，c表示数据点的分配，μ是聚类中心，x是数据点，μ_c是x分配的聚类的中心，公式二的目标是最小化所有数据点与其分配的聚类中心之间的距离；
28、步骤s3中，行为类别的行为标签中，每个主要类别由大写字母表示，而聚类结果中的类别则由数字表示；
29、步骤s3通过语义处理以确保标签的实际含义易于理解，增强学生画像模型的真实性；
30、步骤s3还通过短文本处理来使标签在描述用户特征时简洁直观，无需进一步分割，以便于数据分析来使算法能更有效地提取信息。
31、步骤s3中，聚类结果中的类别的数字越小则表示学生课堂行为越好或条件越好。
32、步骤s5中，采用fp-growth算法构造频繁模式树，该步骤中，用于关联规则挖掘的数据集记录为d；pi表示包含用户所有信息的特定概况，以公式表述为
33、d＝{p1，p2，...，pn} 公式三；
34、定义一个集合ti，用于记录了概况pi的学生属性以及行为项和描述学生专注度的项；ti中的前p项是行为项，其余的是描述学生专注度的项，即专注时长(a)；以公式表述为
35、ti＝{i1，i2，...，ip，...，iq} 公式四。
36、步骤s6中，在关联分析模型的关联分析中，关联规则算法中常用的度量指标有置信度，支持度和提升度，各指标的定义如下：
37、置本文档来自技高网...
【技术保护点】
1.一种基于移动软件的学生课堂行为分析方法，其特征在于：所述分析方法包括能调用学生手机陀螺仪数据的软件，所述方法通过陀螺仪数据来收集学生上课时的手机翻转动作数据，还收集学生的课堂行为数据，以此评估学生在课堂学习时的专注度；所述评估方法通过K-Means聚类算法将手机翻转动作数据、课堂行为数据分类以生成描述学生行为的语义标签，还通过构建用户画像用以对学生的专注度水平分类，分类过程中采用序列和关联规则分析方法来分析行为标签并生成关联规则。
2.根据权利要求1所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述软件为手机端的小程序。
3.根据权利要求1所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述分析方法分为教师端方法和学生端方法，所述教师端方法具体为：当教师准备开始课程时，打开软件的教师部分，并将预设的课程信息和动态二维码投影到大屏幕上；
4.根据权利要求3所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述课堂行为数据包括出勤率、学生到教室的时间、签到距离、答题正确率、课堂专注时长，还包括手机翻转次数，所述软件
5.根据权利要求4所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述软件在记录学生的课堂行为数据后，以下述步骤对数据进行分析：
6.根据权利要求5所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：步骤S1中，针对已知数据间隔的范围，采用最小-最大规范化方法，以公式表述为
7.根据权利要求5所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：步骤S2中的划分方法以公式表述为
8.根据权利要求7所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：步骤S3中，聚类结果中的类别的数字越小则表示学生课堂行为越好或条件越好。
9.根据权利要求5所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：步骤S5中，采用FP-Growth算法构造频繁模式树，该步骤中，用于关联规则挖掘的数据集记录为D；Pi表示包含用户所有信息的特定概况，以公式表述为
10.根据权利要求5所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：步骤S6中，在关联分析模型的关联分析中，关联规则算法中常用的度量指标有置信度，支持度和提升度，各指标的定义如下：
...【技术特征摘要】
1.一种基于移动软件的学生课堂行为分析方法，其特征在于：所述分析方法包括能调用学生手机陀螺仪数据的软件，所述方法通过陀螺仪数据来收集学生上课时的手机翻转动作数据，还收集学生的课堂行为数据，以此评估学生在课堂学习时的专注度；所述评估方法通过k-means聚类算法将手机翻转动作数据、课堂行为数据分类以生成描述学生行为的语义标签，还通过构建用户画像用以对学生的专注度水平分类，分类过程中采用序列和关联规则分析方法来分析行为标签并生成关联规则。
2.根据权利要求1所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述软件为手机端的小程序。
3.根据权利要求1所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述分析方法分为教师端方法和学生端方法，所述教师端方法具体为：当教师准备开始课程时，打开软件的教师部分，并将预设的课程信息和动态二维码投影到大屏幕上；
4.根据权利要求3所述的一种基于移动软件的学生课堂行为分析方法，其特征在于：所述课堂行为数据包括出勤率、学生到教室的时间、签到距离、答题正确率、课堂专注时长，还包括手机翻转次数，所述软件在记录学生的课堂行为数据时，采用以下方法：<...
【专利技术属性】
技术研发人员：徐哲壮，曾庆波，刘驰，柴琴琴，张滢，
申请(专利权)人：福州大学，
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。