CN109410155A - 一种大学生教育培训***及方法 - Google Patents
一种大学生教育培训***及方法 Download PDFInfo
- Publication number
- CN109410155A CN109410155A CN201811261455.3A CN201811261455A CN109410155A CN 109410155 A CN109410155 A CN 109410155A CN 201811261455 A CN201811261455 A CN 201811261455A CN 109410155 A CN109410155 A CN 109410155A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- training
- thread
- student
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 84
- 230000006399 behavior Effects 0.000 claims abstract description 25
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 17
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000013139 quantization Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000031016 anaphase Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明属于教育技术领域,公开了一种大学生教育培训***及方法,所述大学生教育培训***包括:登录模块、视频采集模块、文本扫描模块、中央控制模块、大数据处理模块、训练模块、记录模块、专家解答模块、显示模块。本发明通过大数据处理模块根据学习者的学习行为数据,在网络云服务器中筛选教育数据,然后通过聚类算法,对教育数据进行分类,最后统一格式进行输出,能够使挖掘的教育资源数据贴合学习者,具有高度的资源收集的准确性;同时,通过训练模块可以将练习训练与游戏结合在一起,提高了学生的学习兴趣,也提高了学习的效率;每个学生采用不同的测控试题进行训练,真正意义上实现了因材施教,针对性强。
Description
技术领域
本发明属于教育技术领域,尤其涉及一种大学生教育培训***及方法。
背景技术
教育是社会或社会群体用一定的观念、政治观点、道德规范,对其成员施加有目的、有计划、有组织的影响,使他们形成符合一定社会所要求的社会实践活动。教育学是一门指导人们形成正确行为的科学,它以人的行为形成变化的规律,以及实施教育的规律作为自己的研究对象。其中人的观点和立场的转变以及人生观,世界观的形成规律是研究的重点。然而,现有教育网络数据海量,不能准确的收集贴合学员相应的教育资源;同时在学员学习过程传统教育枯燥,学习效果差。
综上所述,现有技术存在的问题是:
(1)现有教育网络数据海量,不能准确的收集贴合学员相应的教育资源;同时在学员学习过程传统教育枯燥,学习效果差。
(2)视频的录入图像不够清晰,影响视频教学的后期效果;学习信息存储不具有相位量化;学习显示屏显示的教育视频内容不够清晰,给学习带来困难。
发明内容
针对现有技术存在的问题,本发明提供了一种大学生教育培训***及方法。
本发明是这样实现的,一种大学生教育培训方法,所述大学生教育培训包括:
(1)登录模块学员和教师进行账号登录操作;视频采集模块采集教师教学视频内容数据;文本扫描模块将书籍文本转化电子数据;中央控制模块通过大数据处理模块根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;
所述视频采集模块的摄像头采集教师教学视频内容数据使用YUV色彩***中Y分量描述图像像素点的灰度值,U和V是指色调即描述图像色彩的属性, YUV色彩***与RGB色彩***转换关系为:
采用灰度直方图变换来增加图像对比度,灰度直方图是用于表达图像灰度分步的统计图表,图像的各灰度级分布情况的反映:
P(κ)=nk(k=0,1,2,......,255);
式中,k图像灰度值,nk灰度值为k的像素点数;
(2)训练模块进行相关知识测试训练;记录模块记录学习的历史记录;专家解答模块咨询在线专家对训练中的疑问进行实时解答;显示模块显示教育视频内容;
所述记录模块用于记录学生学习的历史记录,根据模型对学生学习的历史记录的量化存储处理:
x(t)=p(t)ejp(t)=p(t)exp[j2πf0t];
式中,f0=fs+fd,fd为多普勒频率;
存储的学生学习的历史记录的信息x(t)施加相位量化处理,在第k个通道,增加相位延迟其后经过一个限幅器,利用如下数学式进行描述:
式中为量化相位,N=2M为量化等级,M为学生学习的历史记录的量化位数;量化***由N个独立通道组成,编号为k,k=0~N-1;限幅器的输出与一个复数序列相乘,所有通道相加得到量化的学生学习的历史记录信号。
进一步,所述显示模块通过学习显示屏显示教育视频内容,通过灰度值的修正使得显示的教育视频内容更为清晰;利用灰度矩阵G用来表征显示屏各像素点的灰度值:
其中,Mij表示学习显示屏的第i行第j列个模块,k表示一个模块内包含的像素点数:
当一个模块内只有一个像素点时,灰度矩阵表示为:
经修正后的灰度矩阵为G′:
进一步:
进一步,所述大数据处理模块处理方法包括:
(1)采集,整合***外部学习者信息***中的数据和***内部学习者学习行为数据;
(2)预测,建立一个能够从整合多个预测变量推断单一被预测变量的模式,通过对数据的处理和分析,对学习者未来的学习行为和学习结果进行预测;
(3)根据(2)预测的学习者未来的学习行为和学习结果,在各网络云服务器中根据教育关键词筛选出教育数据;并采用k-means聚类算法或者基于层次的聚类分析算法,对筛选出的教育数据进行分类;
(4)将所述筛选出的不同格式的教育数据转化为统一格式;将含有噪声数据、冗余的数据剔除,对缺省数据进行补充,同时对教育数据通过二进制数据编码进行标识;
(5)根据学习者未来的学习行为和学习结果的具体特征值采用挖掘算法对教育数据进行处理,将挖掘出的教育数据附加上标识后导出。
进一步,所述大数据处理模块处理数据的模型包括:
(1)应用模型;
1)接收线程RThread接收数据,放入内存数据库Memory DB;
2)数据派遣线程DDThread 1循环从内存数据库中读取来自于RThread线程的数据,通过一致性hash算法把数据派遣到数据分析处理线程ADThread的MR中,数据分析处理线程依据FIFO原则处理自己MR中的数据,把处理后的数据放入内存数据库;
3)数据派遣线程DDThread 2循环从内存数据库中读取来自于ADThread N 线程的数据,通过一致性hash算法把数据派遣到数据归并线程MDThread的 MR中,数据归并线程MDThread依据FIFO原则处理自己MR中的数据,对处理后的数据进行输出;
4)动态负载均衡线程负责检测数据处理线程与数据归并线程内存区的状态,计算数据处理线程与数据归并线程的数据处理效率与相对空闲率;当数据处理线程与数据归并线程空闲率值与处理效率值达到一定差值时,通知数据派遣线程进行数据派遣调整和动态负载均衡数据迁移;
5)数据派遣线程DDThread检测数据分析处理线程与数据归并线程空闲率,通过空闲率控制数据派遣速度;
(2)接收与处理分离的数据处理数学模型:
数据发送节点与数据处理节点之间建立数据传输通道、数据处理节点接收数据、分析数据、归并数据、数据处理结果输出5个环节;5个环节对应于数据处理的4个流程:数据接收、数据分析、归并数据以及输出结果数据。处理海量数据的模型是一个排队模型,令N(t)表示时间(0,t)内到达的数据量,则:
N(0)=0,在0s内灭有数据到达;
{N(t),t 0}具有无记忆性,在不相交的时间区间内到达的数据相互独立,即任取n个时刻0<t1<t2<…<tn;随机变量N(t1)-N(0),N(t2)-N(t1),…,N(tn)-N(tn-1)是相互独立的;
(3)负载均衡的海量数据处理模型;
单位时间内处理数据包数的移动平均数。效率模型数学表达式:
时间tn中处理数据包数:
tn=TE-TB;
其中,TB为数据包分析处理前***时间,TE为数据包分析处理后***时间, tn表示处理第n个数据包的时间。
本发明的另一目的在于提供一种实现所述大学生教育培训方法的大学生教育培训***,所述大学生教育培训***包括:
登录模块、视频采集模块、文本扫描模块、中央控制模块、大数据处理模块、训练模块、记录模块、专家解答模块、显示模块;
登录模块,与中央控制模块连接,用于学员和教师进行账号登录操作;
视频采集模块,与中央控制模块连接,用于通过摄像头采集教师教学视频内容数据;
文本扫描模块,与中央控制模块连接,用于通过扫描仪将书籍文本转化电子数据;
中央控制模块,与登录模块、视频采集模块、文本扫描模块、大数据处理模块、训练模块、记录模块、专家解答模块、显示模块连接,用于控制各个模块正常工作;
大数据处理模块,与中央控制模块连接,用于根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;
训练模块,与中央控制模块连接,用于学员进行相关知识测试训练;
记录模块,与中央控制模块连接,用于记录学生学习的历史记录;
专家解答模块,与中央控制模块连接,用于通过在线专家对训练中的疑问进行实时解答;
显示模块,与中央控制模块连接,用于显示教育视频内容。
进一步,所述训练模块包括试题测试模块、兴趣闯关模块、疑难问题汇总模块;
试题测试模块,用于根据预设的难度等级在网络云服务器中的培训资料数据库随机选取一定数量的试题进行测试训练;
兴趣闯关模块,用于通过游戏的形式,根据预设的方法在网络云服务器中的试题库中随机的选取一定数量的模拟试题作为关卡,且关卡的难度依次增大,需答对该关卡中所有的试题,才能打开下一个关卡;
疑难问题汇总模块,用于汇总并储存学员在学习和训练过程中遇到的疑难问题。
本发明的另一目的在于提供一种应用所述大学生教育培训方法的信息数据处理终端。
本发明提供发热大学生教育培训***,通过大数据处理模块根据学习者的学习行为数据,在网络云服务器中筛选教育数据,然后通过聚类算法,对教育数据进行分类,最后统一格式进行输出,能够使挖掘的教育资源数据贴合学习者,具有高度的资源收集的准确性;同时,通过训练模块可以将练习训练与游戏结合在一起,提高了学生的学习兴趣,也提高了学习的效率;每个学生采用不同的测控试题进行训练,真正意义上实现了因材施教,针对性强。
本发明提供的大学生教育培训***,具有视频的录入图像清晰,视频教学的后期效果良好;学***稳处理数据,数据不丢失;使用负载均衡的海量数据处理方法,通过对每个数据处理线程的相对空闲率与数据处理效率进行监测与均衡处理,提高了数据处理线程的数据命中均衡性。
附图说明
图1是本发明实施例提供的大学生教育培训***结构示意图;
图中:1、登录模块;2、视频采集模块;3、文本扫描模块;4、中央控制模块;5、大数据处理模块;6、训练模块;7、记录模块;8、专家解答模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的大学生教育培训***包括:登录模块1、视频采集模块2、文本扫描模块3、中央控制模块4、大数据处理模块5、训练模块6、记录模块7、专家解答模块8、显示模块9。
登录模块1,与中央控制模块4连接,用于学员和教师进行账号登录操作;
视频采集模块2,与中央控制模块4连接,用于通过摄像头采集教师教学视频内容数据;
文本扫描模块3,与中央控制模块4连接,用于通过扫描仪将书籍文本转化电子数据;
中央控制模块4,与登录模块1、视频采集模块2、文本扫描模块3、大数据处理模块5、训练模块6、记录模块7、专家解答模块8、显示模块9连接,用于控制各个模块正常工作;
大数据处理模块5,与中央控制模块4连接,用于根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;
训练模块6,与中央控制模块4连接,用于学员进行相关知识测试训练;
记录模块7,与中央控制模块4连接,用于记录学习学习的历史记录;
专家解答模块8,与中央控制模块4连接,用于通过在线专家对训练中的疑问进行实时解答;
显示模块9,与中央控制模块4连接,用于显示教育视频内容。
本发明提供的大数据处理模块5处理方法如下:
(1)采集,整合***外部学习者信息***中的数据和***内部学习者学习行为数据;
(2)预测,建立一个能够从整合多个预测变量推断单一被预测变量的模式,通过对数据的处理和分析,对学习者未来的学习行为和学习结果进行预测;
(3)根据(2)预测的学习者未来的学习行为和学习结果,在各网络云服务器中根据教育关键词筛选出教育数据;并采用k-means聚类算法或者基于层次的聚类分析算法,对筛选出的教育数据进行分类;
(4)将所述筛选出的不同格式的教育数据转化为统一格式;将含有噪声数据、冗余的数据剔除,对缺省数据进行补充,同时对教育数据通过二进制数据编码进行标识;
(5)根据学习者未来的学习行为和学习结果的具体特征值采用挖掘算法对教育数据进行处理,将挖掘出的教育数据附加上标识后导出。
本发明提供的训练模块6包括试题测试模块、兴趣闯关模块、疑难问题汇总模块;
试题测试模块,用于根据预设的难度等级在网络云服务器中的培训资料数据库随机选取一定数量的试题进行测试训练;
兴趣闯关模块,用于通过游戏的形式,根据预设的方法在网络云服务器中的试题库中随机的选取一定数量的模拟试题作为关卡,且关卡的难度依次增大,需答对该关卡中所有的试题,才能打开下一个关卡;
疑难问题汇总模块,用于汇总并储存学员在学习和训练过程中遇到的疑难问题。
本发明培训时,通过登录模块1学员和教师进行账号登录操作;通过视频采集模块2采集教师教学视频内容数据;通过文本扫描模块3将书籍文本转化电子数据;中央控制模块4通过大数据处理模块5根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;通过训练模块6进行相关知识测试训练;通过记录模块7记录学习学习的历史记录;通过专家解答模块8咨询在线专家对训练中的疑问进行实时解答;通过显示模块9显示教育视频内容。
所述视频采集模块的摄像头采集教师教学视频内容数据使用YUV色彩***中Y分量描述图像像素点的灰度值,U和V是指色调即描述图像色彩的属性, YUV色彩***与RGB色彩***转换关系为:
采用灰度直方图变换来增加图像对比度,灰度直方图是用于表达图像灰度分步的统计图表,图像的各灰度级分布情况的反映:
P(κ)=nk(k=0,1,2,......,255);
式中,k图像灰度值,nk灰度值为k的像素点数;
(2)训练模块进行相关知识测试训练;记录模块记录学习的历史记录;专家解答模块咨询在线专家对训练中的疑问进行实时解答;显示模块显示教育视频内容;
所述记录模块用于记录学生学习的历史记录,根据模型对学生学习的历史记录的量化存储处理:
x(t)=p(t)ejp(t)=p(t)exp[j2πf0t];
式中,f0=fs+fd,fd为多普勒频率;
存储的学生学习的历史记录的信息x(t)施加相位量化处理,在第k个通道,增加相位延迟其后经过一个限幅器,利用如下数学式进行描述:
式中为量化相位,N=2M为量化等级,M为学生学习的历史记录的量化位数;量化***由N个独立通道组成,编号为k,k=0~N-1;限幅器的输出与一个复数序列相乘,所有通道相加得到量化的学生学习的历史记录信号。
进一步,所述显示模块通过学习显示屏显示教育视频内容,通过灰度值的修正使得显示的教育视频内容更为清晰;利用灰度矩阵G用来表征显示屏各像素点的灰度值:
其中,Mij表示学习显示屏的第i行第j列个模块,k表示一个模块内包含的像素点数:
当一个模块内只有一个像素点时,灰度矩阵表示为:
经修正后的灰度矩阵为G′:
进一步:
进一步,所述大数据处理模块处理方法包括:
(1)采集,整合***外部学习者信息***中的数据和***内部学习者学习行为数据;
(2)预测,建立一个能够从整合多个预测变量推断单一被预测变量的模式,通过对数据的处理和分析,对学习者未来的学习行为和学习结果进行预测;
(3)根据(2)预测的学习者未来的学习行为和学习结果,在各网络云服务器中根据教育关键词筛选出教育数据;并采用k-means聚类算法或者基于层次的聚类分析算法,对筛选出的教育数据进行分类;
(4)将所述筛选出的不同格式的教育数据转化为统一格式;将含有噪声数据、冗余的数据剔除,对缺省数据进行补充,同时对教育数据通过二进制数据编码进行标识;
(5)根据学习者未来的学习行为和学习结果的具体特征值采用挖掘算法对教育数据进行处理,将挖掘出的教育数据附加上标识后导出。
进一步,所述大数据处理模块处理数据的模型包括:
(1)应用模型;
1)接收线程RThread接收数据,放入内存数据库Memory DB;
2)数据派遣线程DDThread 1循环从内存数据库中读取来自于RThread线程的数据,通过一致性hash算法把数据派遣到数据分析处理线程ADThread的 MR中,数据分析处理线程依据FIFO原则处理自己MR中的数据,把处理后的数据放入内存数据库;
3)数据派遣线程DDThread 2循环从内存数据库中读取来自于ADThread N 线程的数据,通过一致性hash算法把数据派遣到数据归并线程MDThread的 MR中,数据归并线程MDThread依据FIFO原则处理自己MR中的数据,对处理后的数据进行输出;
4)动态负载均衡线程负责检测数据处理线程与数据归并线程内存区的状态,计算数据处理线程与数据归并线程的数据处理效率与相对空闲率;当数据处理线程与数据归并线程空闲率值与处理效率值达到一定差值时,通知数据派遣线程进行数据派遣调整和动态负载均衡数据迁移;
5)数据派遣线程DDThread检测数据分析处理线程与数据归并线程空闲率,通过空闲率控制数据派遣速度;
(2)接收与处理分离的数据处理数学模型:
数据发送节点与数据处理节点之间建立数据传输通道、数据处理节点接收数据、分析数据、归并数据、数据处理结果输出5个环节;5个环节对应于数据处理的4个流程:数据接收、数据分析、归并数据以及输出结果数据。处理海量数据的模型是一个排队模型,令N(t)表示时间(0,t)内到达的数据量,则:
N(0)=0,在0s内灭有数据到达;
{N(t),t 0}具有无记忆性,在不相交的时间区间内到达的数据相互独立,即任取n个时刻0<t1<t2<…<tn;随机变量N(t1)-N(0),N(t2)-N(t1),…,N(tn)-N(tn-1)是相互独立的;
(3)负载均衡的海量数据处理模型;
单位时间内处理数据包数的移动平均数。效率模型数学表达式:
时间tn中处理数据包数:
tn=TE-TB;
其中,TB为数据包分析处理前***时间,TE为数据包分析处理后***时间, tn表示处理第n个数据包的时间。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (7)
1.一种大学生教育培训方法,其特征在于,所述大学生教育培训包括:
(1)登录模块学员和教师进行账号登录操作;视频采集模块采集教师教学视频内容数据;文本扫描模块将书籍文本转化电子数据;中央控制模块通过大数据处理模块根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;
所述视频采集模块的摄像头采集教师教学视频内容数据使用YUV色彩***中Y分量描述图像像素点的灰度值,U和V是指色调即描述图像色彩的属性,YUV色彩***与RGB色彩***转换关系为:
采用灰度直方图变换来增加图像对比度,灰度直方图是用于表达图像灰度分步的统计图表,图像的各灰度级分布情况的反映:
P(κ)=nk(k=0,1,2,......,255);
式中,k图像灰度值,nk灰度值为k的像素点数;
(2)训练模块进行相关知识测试训练;记录模块记录学习的历史记录;专家解答模块咨询在线专家对训练中的疑问进行实时解答;显示模块显示教育视频内容;
所述记录模块用于记录学生学习的历史记录,根据模型对学生学习的历史记录的量化存储处理:
x(t)=p(t)ejp(t)=p(t)exp[j2πf0t];
式中,f0=fs+fd,fd为多普勒频率;
存储的学生学习的历史记录的信息x(t)施加相位量化处理,在第k个通道,增加相位延迟其后经过一个限幅器,利用如下数学式进行描述:
式中为量化相位,N=2M为量化等级,M为学生学习的历史记录的量化位数;量化***由N个独立通道组成,编号为k,k=0~N-1;限幅器的输出与一个复数序列相乘,所有通道相加得到量化的学生学习的历史记录信号。
2.如权利要求1所述的大学生教育培训方法,其特征在于,所述显示模块通过学习显示屏显示教育视频内容,通过灰度值的修正使得显示的教育视频内容更为清晰;利用灰度矩阵G用来表征显示屏各像素点的灰度值:
其中,Mij表示学习显示屏的第i行第j列个模块,k表示一个模块内包含的像素点数:
当一个模块内只有一个像素点时,灰度矩阵表示为:
经修正后的灰度矩阵为G′:
进一步:
3.如权利要求1所述的大学生教育培训方法,其特征在于,所述大数据处理模块处理方法包括:
(1)采集,整合***外部学习者信息***中的数据和***内部学习者学习行为数据;
(2)预测,建立一个能够从整合多个预测变量推断单一被预测变量的模式,通过对数据的处理和分析,对学习者未来的学习行为和学习结果进行预测;
(3)根据(2)预测的学习者未来的学习行为和学习结果,在各网络云服务器中根据教育关键词筛选出教育数据;并采用k-means聚类算法或者基于层次的聚类分析算法,对筛选出的教育数据进行分类;
(4)将所述筛选出的不同格式的教育数据转化为统一格式;将含有噪声数据、冗余的数据剔除,对缺省数据进行补充,同时对教育数据通过二进制数据编码进行标识;
(5)根据学习者未来的学习行为和学习结果的具体特征值采用挖掘算法对教育数据进行处理,将挖掘出的教育数据附加上标识后导出。
4.如权利要求2所述的大学生教育培训方法,其特征在于,所述大数据处理模块处理数据的模型包括:
(1)应用模型;
1)接收线程RThread接收数据,放入内存数据库Memory DB;
2)数据派遣线程DDThread 1循环从内存数据库中读取来自于RThread线程的数据,通过一致性hash算法把数据派遣到数据分析处理线程ADThread的MR中,数据分析处理线程依据FIFO原则处理自己MR中的数据,把处理后的数据放入内存数据库;
3)数据派遣线程DDThread 2循环从内存数据库中读取来自于ADThread N线程的数据,通过一致性hash算法把数据派遣到数据归并线程MDThread的MR中,数据归并线程MDThread依据FIFO原则处理自己MR中的数据,对处理后的数据进行输出;
4)动态负载均衡线程负责检测数据处理线程与数据归并线程内存区的状态,计算数据处理线程与数据归并线程的数据处理效率与相对空闲率;当数据处理线程与数据归并线程空闲率值与处理效率值达到一定差值时,通知数据派遣线程进行数据派遣调整和动态负载均衡数据迁移;
5)数据派遣线程DDThread检测数据分析处理线程与数据归并线程空闲率,通过空闲率控制数据派遣速度;
(2)接收与处理分离的数据处理数学模型:
数据发送节点与数据处理节点之间建立数据传输通道、数据处理节点接收数据、分析数据、归并数据、数据处理结果输出5个环节;5个环节对应于数据处理的4个流程:数据接收、数据分析、归并数据以及输出结果数据;处理海量数据的模型是一个排队模型,令N(t)表示时间(0,t)内到达的数据量,则:
N(0)=0,在0s内灭有数据到达;
{N(t),t 0}具有无记忆性,在不相交的时间区间内到达的数据相互独立,即任取n个时刻0<t1<t2<…<tn;随机变量N(t1)-N(0),N(t2)-N(t1),…,N(tn)-N(tn-1)是相互独立的;
(3)负载均衡的海量数据处理模型;
单位时间内处理数据包数的移动平均数;效率模型数学表达式:
时间tn中处理数据包数:
tn=TE-TB;
其中,TB为数据包分析处理前***时间,TE为数据包分析处理后***时间,tn表示处理第n个数据包的时间。
5.一种实现权利要求1所述大学生教育培训方法的大学生教育培训***,其特征在于,所述大学生教育培训***包括:
登录模块、视频采集模块、文本扫描模块、中央控制模块、大数据处理模块、训练模块、记录模块、专家解答模块、显示模块;
登录模块,与中央控制模块连接,用于学员和教师进行账号登录操作;
视频采集模块,与中央控制模块连接,用于通过摄像头采集教师教学视频内容数据;
文本扫描模块,与中央控制模块连接,用于通过扫描仪将书籍文本转化电子数据;
中央控制模块,与登录模块、视频采集模块、文本扫描模块、大数据处理模块、训练模块、记录模块、专家解答模块、显示模块连接,用于控制各个模块正常工作;
大数据处理模块,与中央控制模块连接,用于根据学员的学习行为数据,在网络云服务器中筛选贴合学员学习的教育数据内容;
训练模块,与中央控制模块连接,用于学员进行相关知识测试训练;
记录模块,与中央控制模块连接,用于记录学生学习的历史记录;
专家解答模块,与中央控制模块连接,用于通过在线专家对训练中的疑问进行实时解答;
显示模块,与中央控制模块连接,用于显示教育视频内容。
6.如权利要求5所述的大学生教育培训***,其特征在于,所述训练模块包括试题测试模块、兴趣闯关模块、疑难问题汇总模块;
试题测试模块,用于根据预设的难度等级在网络云服务器中的培训资料数据库随机选取一定数量的试题进行测试训练;
兴趣闯关模块,用于通过游戏的形式,根据预设的方法在网络云服务器中的试题库中随机的选取一定数量的模拟试题作为关卡,且关卡的难度依次增大,需答对该关卡中所有的试题,才能打开下一个关卡;
疑难问题汇总模块,用于汇总并储存学员在学习和训练过程中遇到的疑难问题。
7.一种应用权利要求1~4任意一项所述大学生教育培训方法的信息数据处理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261455.3A CN109410155A (zh) | 2018-10-26 | 2018-10-26 | 一种大学生教育培训***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261455.3A CN109410155A (zh) | 2018-10-26 | 2018-10-26 | 一种大学生教育培训***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109410155A true CN109410155A (zh) | 2019-03-01 |
Family
ID=65469276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811261455.3A Pending CN109410155A (zh) | 2018-10-26 | 2018-10-26 | 一种大学生教育培训***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410155A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239028A (zh) * | 2018-07-26 | 2019-01-18 | 海南大学 | 一种海南鱼体耐药性检测方法 |
CN113066327A (zh) * | 2021-04-13 | 2021-07-02 | 黑龙江中医药大学 | 一种大学生在线智能教育方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN104778869A (zh) * | 2015-03-25 | 2015-07-15 | 西南科技大学 | 即时更新三维可视化教学***及其建立方法 |
CN104851063A (zh) * | 2015-05-14 | 2015-08-19 | 上海知汇云信息技术股份有限公司 | 实验考评***及其进程管理方法 |
CN105590281A (zh) * | 2015-12-29 | 2016-05-18 | 南京邮电大学 | 一种用于教育大数据处理的***及方法 |
CN105869461A (zh) * | 2016-05-20 | 2016-08-17 | 河南理工大学万方科技学院 | 一种数学综合教学学习*** |
CN106502402A (zh) * | 2016-10-25 | 2017-03-15 | 四川农业大学 | 一种三维动态情景教学***及方法 |
CN106710341A (zh) * | 2017-03-16 | 2017-05-24 | 淮阴师范学院 | 一种教育培训管理*** |
CN108563720A (zh) * | 2018-04-02 | 2018-09-21 | 上海优景智能科技股份有限公司 | 基于ai的大数据推荐学习***及推荐方法 |
CN108630077A (zh) * | 2018-07-23 | 2018-10-09 | 金华职业技术学院 | 一种电子电路实验的教学实验装置 |
-
2018
- 2018-10-26 CN CN201811261455.3A patent/CN109410155A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN104778869A (zh) * | 2015-03-25 | 2015-07-15 | 西南科技大学 | 即时更新三维可视化教学***及其建立方法 |
CN104851063A (zh) * | 2015-05-14 | 2015-08-19 | 上海知汇云信息技术股份有限公司 | 实验考评***及其进程管理方法 |
CN105590281A (zh) * | 2015-12-29 | 2016-05-18 | 南京邮电大学 | 一种用于教育大数据处理的***及方法 |
CN105869461A (zh) * | 2016-05-20 | 2016-08-17 | 河南理工大学万方科技学院 | 一种数学综合教学学习*** |
CN106502402A (zh) * | 2016-10-25 | 2017-03-15 | 四川农业大学 | 一种三维动态情景教学***及方法 |
CN106710341A (zh) * | 2017-03-16 | 2017-05-24 | 淮阴师范学院 | 一种教育培训管理*** |
CN108563720A (zh) * | 2018-04-02 | 2018-09-21 | 上海优景智能科技股份有限公司 | 基于ai的大数据推荐学习***及推荐方法 |
CN108630077A (zh) * | 2018-07-23 | 2018-10-09 | 金华职业技术学院 | 一种电子电路实验的教学实验装置 |
Non-Patent Citations (3)
Title |
---|
宋玉婷: "基于三维彩色直方图均衡化的彩色图像增强算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
常锋 等: "LED显示图像的非均匀度校正改进方法", 《光学精密工程》 * |
彭建华 等: "接收与处理分离的实时大数据处理模型", 《JOURNAL OF FRONTIERS OF COMPUTER SCIENCE AND TECHNOLOGY》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239028A (zh) * | 2018-07-26 | 2019-01-18 | 海南大学 | 一种海南鱼体耐药性检测方法 |
CN113066327A (zh) * | 2021-04-13 | 2021-07-02 | 黑龙江中医药大学 | 一种大学生在线智能教育方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915148B (zh) | 一种基于信息技术的课堂教学评价方法和*** | |
CN111931598B (zh) | 一种基于人脸识别的课堂智能实时分析方法及*** | |
Raga et al. | Early prediction of student performance in blended learning courses using deep neural networks | |
CN109636689A (zh) | 一种基于大数据的智能教育信息分析*** | |
CN109785204A (zh) | 一种基于云平台的课堂教学管理*** | |
CN108228674A (zh) | 一种基于dkt的信息处理方法及装置 | |
CN109410155A (zh) | 一种大学生教育培训***及方法 | |
CN114115392A (zh) | 一种基于5g云边结合的智慧课堂控制***及方法 | |
CN108735031A (zh) | 一种基于虚拟现实的教学培训*** | |
CN111178263A (zh) | 一种实时表情分析方法及其装置 | |
CN116452071B (zh) | 一种基于vr和5g技术的智慧教学质量评估*** | |
CN112116841A (zh) | 一种基于深度学习的个性化远程教育***及方法 | |
KR102492466B1 (ko) | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 | |
CN112183638A (zh) | 基于声纹深度特征的硬岩拉剪破裂识别方法及装置 | |
CN114117033B (zh) | 知识追踪方法及*** | |
CN113407670B (zh) | 一种基于TextCNN的学生线上学习行为检测方法及*** | |
CN112785039B (zh) | 一种试题作答得分率的预测方法及相关装置 | |
CN113919983A (zh) | 试题画像方法、装置、电子设备和存储介质 | |
CN115511670A (zh) | 一种在线教育方法及在线教育平台 | |
CN111222684B (zh) | 一种基于大数据环境下的成绩预测*** | |
Doctor | A predictive model using machine learning algorithm in identifying students probability on passing semestral course | |
CN112597294A (zh) | 一种习题智能推送方法 | |
Prihar et al. | Identifying struggling students by comparing online tutor clickstreams | |
CN111402656A (zh) | 一种云计算教学*** | |
Yang et al. | The classroom education model of artificial intelligence and information technology supported by wireless networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |