本發(fā)明涉及教學(xué)管理技術(shù)領(lǐng)域，具體而言，涉及一種基于大數(shù)據(jù)的教學(xué)分析系統(tǒng)。

背景技術(shù)：

傳統(tǒng)教育是老師基于課本內(nèi)容為學(xué)生授課，這種教育模式存在諸多弊端，例如無(wú)法充分調(diào)動(dòng)學(xué)生的學(xué)習(xí)興趣，無(wú)法針對(duì)不同類型的學(xué)生進(jìn)行教學(xué)，教學(xué)效率通常比較低，雖然隨著互聯(lián)網(wǎng)的發(fā)展，出現(xiàn)了網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)，但學(xué)生無(wú)法高效利用教學(xué)資源。

最近幾年，云計(jì)算和大數(shù)據(jù)作為新興技術(shù)已被很多人知曉，云計(jì)算和大數(shù)據(jù)的結(jié)合不僅是針對(duì)提供的服務(wù)，更是對(duì)教育發(fā)展的促進(jìn)，增強(qiáng)在線職業(yè)教育的核心競(jìng)爭(zhēng)力，保持在線職業(yè)教育的健康發(fā)展。但目前尚未研究出一種基于大數(shù)據(jù)的教學(xué)管理系統(tǒng)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明提出一種基于大數(shù)據(jù)的教學(xué)分析系統(tǒng)，通過(guò)對(duì)海量用戶數(shù)據(jù)進(jìn)行分析和挖掘，能夠?yàn)閷W(xué)生提供精準(zhǔn)的學(xué)習(xí)引導(dǎo)，為學(xué)生推送準(zhǔn)確、個(gè)性化的學(xué)習(xí)資源，提高教學(xué)質(zhì)量。

本發(fā)明的技術(shù)方案是：提供一種基于大數(shù)據(jù)的教學(xué)分析系統(tǒng)，包括：客戶端、服務(wù)器、在線教學(xué)平臺(tái)；

其中客戶端包括：

行為收集單元，用于收集在線教學(xué)平臺(tái)中的用戶信息以及用戶行為；

收發(fā)單元，用于通過(guò)云計(jì)算服務(wù)將收集到的用戶信息以及用戶行為上傳至服務(wù)器端；

所述服務(wù)器端包括：

接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；

評(píng)估單元，用于根據(jù)預(yù)設(shè)的評(píng)估方法，對(duì)用戶信息及用戶行為進(jìn)行評(píng)估，生成評(píng)估結(jié)果；

推送單元，用于根據(jù)評(píng)估結(jié)果，對(duì)符合評(píng)估結(jié)果的用戶推送對(duì)應(yīng)的教學(xué)資源信息；

顯示單元，用于顯示所述評(píng)估結(jié)果。

根據(jù)本發(fā)明的實(shí)施例，所述評(píng)估單元還包括：

選擇單元，用于選擇用戶信息和/或用戶行為中一個(gè)或多個(gè)屬性作為評(píng)估項(xiàng)；

預(yù)處理單元，用于對(duì)所述評(píng)估項(xiàng)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)；

聚類分析單元，用于對(duì)處理數(shù)據(jù)進(jìn)行聚類算法分析，生成評(píng)估結(jié)果。

根據(jù)本發(fā)明的實(shí)施例，所述聚類算法包括神經(jīng)網(wǎng)絡(luò)算法、art2算法、劃分聚類算法、層次聚類算法。

根據(jù)本發(fā)明的實(shí)施例，所述評(píng)估單元定期對(duì)接收到的用戶信息及用戶行為進(jìn)行評(píng)估。

根據(jù)本發(fā)明的實(shí)施例，其中所述用戶信息的屬性包括用戶年齡、學(xué)歷、學(xué)習(xí)意向；所述用戶行為的屬性包括平臺(tái)具體功能的使用、用戶參與的課程信息、課程學(xué)習(xí)時(shí)長(zhǎng)、學(xué)習(xí)周期。

通過(guò)大數(shù)據(jù)分析用戶的學(xué)習(xí)行為，同時(shí)管理用戶的學(xué)習(xí)節(jié)奏、行為跟蹤，針對(duì)核心的教學(xué)培訓(xùn)服務(wù)進(jìn)行積極評(píng)價(jià)、深度測(cè)評(píng)。用戶在平臺(tái)內(nèi)的幾乎所有操作行為，包括平臺(tái)具體功能的使用（學(xué)習(xí)狀況、自我管理狀況）、平臺(tái)使用習(xí)慣等都被納入到測(cè)評(píng)框架內(nèi)，進(jìn)行用戶行為跟蹤，并基于特定的發(fā)展邏輯進(jìn)行積分，真正使得平臺(tái)應(yīng)用具有推動(dòng)用戶現(xiàn)實(shí)發(fā)展的價(jià)值和意義。

附圖說(shuō)明

圖1為本發(fā)明的結(jié)構(gòu)示意圖。

圖2為本發(fā)明中客戶端的結(jié)構(gòu)示意圖。

圖3為本發(fā)明中服務(wù)器的結(jié)構(gòu)示意圖。

具體實(shí)施方式

參見(jiàn)圖1，本發(fā)明的基于大數(shù)據(jù)的教學(xué)分析系統(tǒng)，包括：客戶端、服務(wù)器、在線教學(xué)平臺(tái)；

其中客戶端、服務(wù)器、在線教學(xué)平臺(tái)通過(guò)云端相互通信；

如圖2所示，其中客戶端包括：

行為收集單元，用于收集在線教學(xué)平臺(tái)中的用戶信息以及用戶行為；其中所述用戶信息的屬性包括用戶年齡、學(xué)歷、學(xué)習(xí)意向；所述用戶行為的屬性包括平臺(tái)具體功能的使用、用戶參與的課程信息、課程學(xué)習(xí)時(shí)長(zhǎng)、學(xué)習(xí)周期；

收發(fā)單元，用于通過(guò)云計(jì)算服務(wù)將收集到的用戶信息以及用戶行為上傳至服務(wù)器端；

如圖3所示，所述服務(wù)器端包括：

接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；

評(píng)估單元，用于根據(jù)預(yù)設(shè)的評(píng)估方法，對(duì)用戶信息及用戶行為進(jìn)行評(píng)估，生成評(píng)估結(jié)果；

更進(jìn)一步，所述評(píng)估單元定期對(duì)接收到的用戶信息及用戶行為進(jìn)行評(píng)估。

推送單元，用于根據(jù)評(píng)估結(jié)果，對(duì)符合評(píng)估結(jié)果的用戶推送對(duì)應(yīng)的教學(xué)資源信息；

顯示單元，用于顯示所述評(píng)估結(jié)果。

更進(jìn)一步，所述評(píng)估單元還包括：

選擇單元，用于選擇用戶信息和/或用戶行為中一個(gè)或多個(gè)屬性作為評(píng)估項(xiàng)；

預(yù)處理單元，用于對(duì)所述評(píng)估項(xiàng)進(jìn)行預(yù)處理，得到預(yù)處理數(shù)據(jù)；

聚類分析單元，用于對(duì)處理數(shù)據(jù)進(jìn)行聚類算法分析，生成評(píng)估結(jié)果。

其中，所述聚類算法包括神經(jīng)網(wǎng)絡(luò)算法、art2算法、劃分聚類算法、層次聚類算法。

最后應(yīng)說(shuō)明的是：顯然，上述實(shí)施例僅僅是為清楚地說(shuō)明本發(fā)明所作的舉例，而并非對(duì)實(shí)施方式的限定。對(duì)于所屬領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在上述說(shuō)明的基礎(chǔ)上還可以做出其它不同形式的變化或變動(dòng)。這里無(wú)需也無(wú)法對(duì)所有的實(shí)施方式予以窮舉。而由此所引申出的顯而易見(jiàn)的變化或變動(dòng)仍處于本發(fā)明的保護(hù)范圍之中。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開(kāi)一種基于大數(shù)據(jù)的教學(xué)分析系統(tǒng)，屬于教學(xué)管理技術(shù)領(lǐng)域，所述系統(tǒng)包括客戶端、服務(wù)器、在線教學(xué)平臺(tái)。其中客戶端包括：行為收集單元，用于收集在線教學(xué)平臺(tái)中的用戶信息以及用戶行為；收發(fā)單元，用于通過(guò)云計(jì)算服務(wù)將收集到的用戶信息以及用戶行為上傳至服務(wù)器端；所述服務(wù)器端包括：接收單元，用于接收從客戶端發(fā)送的用戶信息及用戶行為；評(píng)估單元，用于根據(jù)預(yù)設(shè)的評(píng)估方法，對(duì)用戶信息及用戶行為進(jìn)行評(píng)估，生成評(píng)估結(jié)果；推送單元，用于根據(jù)評(píng)估結(jié)果，對(duì)符合評(píng)估結(jié)果的用戶推送對(duì)應(yīng)的教學(xué)資源信息；顯示單元，用于顯示所述評(píng)估結(jié)果。

技術(shù)研發(fā)人員：管斌彬
受保護(hù)的技術(shù)使用者：管斌彬
技術(shù)研發(fā)日：2017.02.20
技術(shù)公布日：2017.07.21