CN111104455B - 多源多维的学校教学横向信息差异比对分析方法 - Google Patents
多源多维的学校教学横向信息差异比对分析方法 Download PDFInfo
- Publication number
- CN111104455B CN111104455B CN201911321299.XA CN201911321299A CN111104455B CN 111104455 B CN111104455 B CN 111104455B CN 201911321299 A CN201911321299 A CN 201911321299A CN 111104455 B CN111104455 B CN 111104455B
- Authority
- CN
- China
- Prior art keywords
- teaching
- teacher
- students
- information
- analysis method
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 22
- 230000007787 long-term memory Effects 0.000 claims description 12
- 230000006403 short-term memory Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007596 consolidation process Methods 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种多源多维的学校教学横向信息差异比对分析方法，对试题进行***划分，从而实现试题与知识点之间的对应关系；对各学生不同试题的正确率、答题时间、主要错误、常见问题等信息进行收集形成试题数据库，并对不同学生对各个知识点的掌握程度构建学生数据库，从而进行分析将试题与学生均进行分类；并可以对不同教师的教学方法教学效果进行***的分析。同时可以进一步的延伸，在学生入学前先进行概念性试题测试，从而在教学前对学生进行类型分化，之后根据不同学生类型发放不同的电子教程，并可以根据不同学生的类型自动安排不同的练习题或家庭作业，进而提高整体的教学质量。
Description
技术领域
本发明具体涉及一种多源多维的学校教学横向信息差异比对分析方法。
背景技术
随着技术及理念的进步与创新，多种教学方式被越来越广泛地应用于现代教学中，使原本单调的教学更富多样性和趣味性。长期以来关于如何跟踪教师的授课质量、如何深入了解学生对不同课程或同一课程不同知识点的学习程度度以及如何掌握和比对不同教师对同一课程授课的效果，很多研究机构和人员进行了大量的研究工作，总体而言，这些研究工作中的基础数据主要依靠抽查提问、问卷调查、任课教师或教学督导等人员进行的随堂观察和主观统计等方式，存在很大的随机性和主观性，准确率低，并且统计过程烦琐、费时。当前尚没有自动、智能和高效的设备和手段用以提供大规模客观、量化的统计数据。同时，目前对学生知识点掌握程度进行反馈的最好方法就是进行测试，但目前的测试大多只停留在单一学生对应单一成绩的范畴，并没有针对各学生对于不同知识点掌握程度进行的横向分析比对与总结方法。所以提出一种利用测试及多源多维信息横向比对分析的方法来对教师的教学行为进行分析，从而得到最优的教学方法。
发明内容
本发明的目的在于针对现有技术的不足，提供一种多源多维的学校教学横向信息差异比对分析方法，该多源多维的学校教学横向信息差异比对分析方法可以很好地解决上述问题。
为达到上述要求，本发明采取的技术方案是：提供一种多源多维的学校教学横向信息差异比对分析方法，该多源多维的学校教学横向信息差异比对分析方法包括如下步骤：
S1：将测试题与所有知识点建立对应关系；
S2：将建立对应关系的试题和知识点按照难易程度进行区别分类；
S3：学生进行试题测试，并对学生测试的正确率、答题时间、错误原因、常见问题进行记录形成单一学生数据库；
S4：对多个单一学生数据库进行合并分析得出单一时间点学生总体数据；
S5：重复S1至S4，收集多个所述单一时间点学生总体数据并形成可视化动态曲线图；
S6：对单一教师教学信息进行录入，所述教学信息包括教授的学生、教学时间、教学知识点、教学方式；
S7：将单一教师教学信息与单一学生数据库信息进行对应，得出教师、学生、知识点、教学时间的一一对应关系。
S8：分析得出单一教师教学贡献值，所述单一教师教学贡献值对应单一知识点；
S9：对多个单一教师教学贡献值进行分析，并形成整体教师教学贡献值分布曲线图；
S10：将多个单一教师教学信息进行汇总分析；
S11：并将汇总结果与所述整体教师教学贡献值分布曲线图进行比对并形成对应关系；
S12：根据所述对应关系得出教师教学正负贡献值数据库，记录不同教师、不同教学行为所呈现的教师教学贡献值正负关系；
S13：重复S7至S12，得出教师行为贡献值正负分布动态数据库，并形成可视化图表；
S14：动态调整教师教学行为维持贡献值为正的教学行为，改正贡献值为负的教学行为，从而提高整体教学质量。
该多源多维的学校教学横向信息差异比对分析方法具有的优点如下：
对试题进行***划分，从而实现试题与知识点之间的对应关系；对各学生不同试题的正确率、答题时间、主要错误、常见问题等信息进行收集形成试题数据库，并对不同学生对各个知识点的掌握程度构建学生数据库，从而进行分析将试题与学生均进行分类，这样在后续的教学中可以参照不同试题与不同学生的特性进行个性化教学从容提高教学效率；并可以对不同教师的教学方法教学效果进行***的分析。
同时可以进一步的延伸，在学生入学前先进行概念性试题测试，从而在教学前对学生进行类型分化，之后根据不同学生类型发放不同的电子教程，并可以根据不同学生的类型自动安排不同的练习题或家庭作业，进而提高整体的教学质量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示意性地示出了根据本申请一个实施例的多源多维的学校教学横向信息差异比对分析方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例，提供一种多源多维的学校教学横向信息差异比对分析方法，如图1所示，包括如下步骤：
S1：将测试题与所有知识点建立对应关系；
S2：将建立对应关系的试题和知识点按照难易程度进行区别分类；
S3：学生进行试题测试，并对学生测试的正确率、答题时间、错误原因、常见问题进行记录形成单一学生数据库；
S4：对多个单一学生数据库进行合并分析得出单一时间点学生总体数据；
S5：重复S1至S4，收集多个所述单一时间点学生总体数据并形成可视化动态曲线图；
S6：对单一教师教学信息进行录入，所述教学信息包括教授的学生、教学时间、教学知识点、教学方式；
S7：将单一教师教学信息与单一学生数据库信息进行对应，得出教师、学生、知识点、教学时间的一一对应关系。
S8：分析得出单一教师教学贡献值，所述单一教师教学贡献值对应单一知识点；
S9：对多个单一教师教学贡献值进行分析，并形成整体教师教学贡献值分布曲线图；
S10：将多个单一教师教学信息进行汇总分析；
S11：并将汇总结果与所述整体教师教学贡献值分布曲线图进行比对并形成对应关系；
S12：根据所述对应关系得出教师教学正负贡献值数据库，记录不同教师、不同教学行为所呈现的教师教学贡献值正负关系；
S13：重复S7至S12，得出教师行为贡献值正负分布动态数据库，并形成可视化图表；
S14：动态调整教师教学行为维持贡献值为正的教学行为，改正贡献值为负的教学行为，从而提高整体教学质量。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法中对教师进行信息录入时还包括如下信息：教师姓名、从业时间、单一教师教学贡献值历史数值。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法中单一教师教学贡献值的计算方法如下：
S＝m-(M1+M2+M3+…Mn)/n；
其中，S为单一教师教学贡献值；
m为该教师所教学生对应知识点的分数；
n为教师总量；
当教师所教学生对应知识点的分数高于平局值时该教师的单一教师教学贡献值为正，反之为负。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法还包括如下步骤：
S15：根据教师的教学贡献值对教师进行评级、奖惩。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法还包括如下步骤：
S16：根据不同时间段所述单一学生数据库对学生的学习特性进行分析得出，并将学生分类为长期记忆型和短期记忆型；
S17：对所述长期记忆型学生进行单一知识点的的集中攻克与加强记忆；
S18：对所述短期记忆型学生进行少量多次反复的知识点巩固教育；
S19：根据对所述长期记忆型学生和所述短期记忆型学生教学方式的不同将试题进行分类形成长期记忆题库和短期记忆题库。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法还包括如下步骤：
S20：对新入学的学生进行阶段性测试；
S21：根据所述阶段性测试结果将新入学的学生进行短期记忆型学生和长期记忆型学生的分类；
S22：对新入学的学生根据其记忆类型的不同选择相应的教育方式及试题库。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法还包括如下步骤：
S23：将所述长期记忆题库和短期记忆题库整理形成电子文档数据包；
S24：将所述电子文档数据包上传至交易服务器；
S25：交易服务器接收数据请求方终端发送的查询请求；
S26：所述交易服务器确定与所述查询条件和所述用户特征标识对应的交易者用户特征信息；
S20：所述交易服务器接收所述数据请求方终端根据所述查询结果发送的购买请求，并根据所述购买请求完成交易。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法中查询请求中包括查询条件和需满足所述查询条件的用户特征标识，所述用户特征标识为对所述交易者的各用户特征信息进行分类得到的特征类别标识，根据所述交易者用户特征信息的访问权限设置参数得到查询结果，并将所述查询结果发送给所述数据请求方终端。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法中对教师教学行为进行分类是采用如下方法：
将教师的教学行为进行文本化录入计算机，将所述录入信息根据相似度进行分类。
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法中对录入教师教学行为信息文本进行相似度分类时所采用的公式如下：
Similarity(T1，T2)＝Q(T1∽T2)/(Q(T1)+Q(T2))；
其中，T1为待对比信息文本中的语句；
T2为现有文本库中任意一份文本中的语句；
T1∽T2表示句子T1、T2所包含的相同的词；
Q()是词的个数
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法的
根据本申请的一个实施例，该多源多维的学校教学横向信息差异比对分析方法对试题进行***划分，从而实现试题与知识点之间的对应关系；对各学生不同试题的正确率、答题时间、主要错误、常见问题等信息进行收集形成试题数据库，并对不同学生对各个知识点的掌握程度构建学生数据库，从而进行分析将试题与学生均进行分类，这样在后续的教学中可以参照不同试题与不同学生的特性进行个性化教学从容提高教学效率；并可以对不同教师的教学方法教学效果进行***的分析。同时可以进一步的延伸，在学生入学前先进行概念性试题测试，从而在教学前对学生进行类型分化，之后根据不同学生类型发放不同的电子教程，并可以根据不同学生的类型自动安排不同的练习题或家庭作业，进而提高整体的教学质量。
以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。
Claims (9)
1.一种多源多维的学校教学横向信息差异比对分析方法，其特征在于，包括如下步骤：
S1：将测试题与所有知识点建立对应关系；
S2：将建立对应关系的试题和知识点按照难易程度进行区别分类；
S3：学生进行试题测试，并对学生测试的正确率、答题时间、错误原因、常见问题进行记录形成单一学生数据库；
S4：对多个单一学生数据库进行合并分析得出单一时间点学生总体数据；
S5：重复S1至S4，收集多个所述单一时间点学生总体数据并形成可视化动态曲线图；
S6：对单一教师教学信息进行录入，所述教学信息包括教授的学生、教学时间、教学知识点、教学方式；
S7：将单一教师教学信息与单一学生数据库信息进行对应，得出教师、学生、知识点、教学时间的一一对应关系；
S8：分析得出单一教师教学贡献值，所述单一教师教学贡献值对应单一知识点；
S9：对多个单一教师教学贡献值进行分析，并形成整体教师教学贡献值分布曲线图；
S10：将多个单一教师教学信息进行汇总分析；
S11：并将汇总结果与所述整体教师教学贡献值分布曲线图进行比对并形成对应关系；
S12：根据所述对应关系得出教师教学正负贡献值数据库，记录不同教师、不同教学行为所呈现的教师教学贡献值正负关系；
S13：重复S7至S12，得出教师行为贡献值正负分布动态数据库，并形成可视化图表；
S14：动态调整教师教学行为维持贡献值为正的教学行为，改正贡献值为负的教学行为，从而提高整体教学质量；
单一教师教学贡献值的计算方法如下：
S=m-(M1+ M 2+ M3+…M n)/n；
其中，S为单一教师教学贡献值；
m为该教师所教学生对应知识点的分数；
n为教师总量；
当教师所教学生对应知识点的分数高于平局值时该教师的单一教师教学贡献值为正，反之为负。
2.根据权利要求1所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，对教师进行信息录入时还包括如下信息：教师姓名、从业时间、单一教师教学贡献值历史数值。
3.根据权利要求1所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，还包括如下步骤：
S15：根据教师的教学贡献值对教师进行评级、奖惩。
4.根据权利要求1所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，还包括如下步骤：
S16：根据不同时间段所述单一学生数据库对学生的学习特性进行分析得出，并将学生分类为长期记忆型和短期记忆型；
S17：对所述长期记忆型学生进行单一知识点的集中攻克与加强记忆；
S18：对所述短期记忆型学生进行少量多次反复的知识点巩固教育；
S19：根据对所述长期记忆型学生和所述短期记忆型学生教学方式的不同将试题进行分类形成长期记忆题库和短期记忆题库。
5.根据权利要求1所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，还包括如下步骤：
S20：对新入学的学生进行阶段性测试；
S21：根据所述阶段性测试结果将新入学的学生进行短期记忆型学生和长期记忆型学生的分类；
S22：对新入学的学生根据其记忆类型的不同选择相应的教育方式及试题库。
6.根据权利要求5所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，还包括如下步骤：
S23：将长期记忆题库和短期记忆题库整理形成电子文档数据包；
S24：将所述电子文档数据包上传至交易服务器；
S25：交易服务器接收数据请求方终端发送的查询请求；
S26：所述交易服务器确定与查询条件和用户特征标识对应的交易者用户特征信息；
S27：所述交易服务器接收所述数据请求方终端根据查询结果发送的购买请求，并根据所述购买请求完成交易。
7.根据权利要求6所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于：所述查询请求中包括查询条件和需满足所述查询条件的用户特征标识，所述用户特征标识为对所述交易者的各用户特征信息进行分类得到的特征类别标识，根据所述交易者用户特征信息的访问权限设置参数得到查询结果，并将所述查询结果发送给所述数据请求方终端。
8.根据权利要求1所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，对教师教学行为进行分类是采用如下方法：
将教师的教学行为进行文本化录入计算机，将录入信息根据相似度进行分类。
9.根据权利要求8所述的多源多维的学校教学横向信息差异比对分析方法，其特征在于，对录入教师教学行为信息文本进行相似度分类时所采用的公式如下：
Similarity(T1，T2)＝Q (T1∽T2)/( Q (T1)+ Q (T2))；
其中，T1为待对比信息文本中的语句；
T2为现有文本库中任意一份文本中的语句；
T1∽T2表示句子T1、T2所包含的相同的词；
Q()是词的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911321299.XA CN111104455B (zh) | 2019-12-18 | 2019-12-18 | 多源多维的学校教学横向信息差异比对分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911321299.XA CN111104455B (zh) | 2019-12-18 | 2019-12-18 | 多源多维的学校教学横向信息差异比对分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111104455A CN111104455A (zh) | 2020-05-05 |
| CN111104455B true CN111104455B (zh) | 2023-08-04 |
Family
ID=70423480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911321299.XA Active CN111104455B (zh) | 2019-12-18 | 2019-12-18 | 多源多维的学校教学横向信息差异比对分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111104455B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100976B (zh) * | 2020-09-24 | 2021-11-16 | 上海松鼠课堂人工智能科技有限公司 | 知识点关系标注方法及*** |
| CN113222315A (zh) * | 2020-12-10 | 2021-08-06 | 成都寻道科技有限公司 | 大学生在校数据管理*** |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130316315A1 (en) * | 2012-05-24 | 2013-11-28 | Jae Song | Method And System For Improving Testing Assessment |
| CN109698920B (zh) * | 2017-10-20 | 2020-07-24 | 深圳市鹰硕技术有限公司 | 一种基于互联网教学平台的跟随教学*** |
| CN109801193B (zh) * | 2017-11-17 | 2020-09-15 | 深圳市鹰硕教育服务股份有限公司 | 一种具有语音评价功能的跟随教学*** |
| CN108491994A (zh) * | 2018-02-06 | 2018-09-04 | 北京师范大学 | 基于大数据的stem教育测评***及方法 |
| CN108597280B (zh) * | 2018-04-27 | 2021-02-26 | 中国人民解放军国防科技大学 | 一种基于学习行为分析的教学***及教学方法 |
| CN109272789A (zh) * | 2018-10-31 | 2019-01-25 | 安徽网网络科技有限公司 | 基于数据分析的学习效果评估***及评估方法 |
| CN109948881A (zh) * | 2019-01-07 | 2019-06-28 | 北京汉博信息技术有限公司 | 一种教学数据的处理方法 |
-
2019
- 2019-12-18 CN CN201911321299.XA patent/CN111104455B/zh active Active
Non-Patent Citations (3)
| Title |
|---|
| Effects of Corrective Feedback on Academic Achievements of Students: Case of Government Secondary Schools in Pakistan;Iqbal Ahmad 等;《International Journal of Science and Research (IJSR)》;第2卷(第1期);第36-40页 * |
| 基于WWW的个性化教学***的研究与实现;王健;《万方学术》;第三-四章 * |
| 大学物理实验智慧课堂教学模式探究;宗晓岚 等;《合肥师范学院学报》;第37卷(第6期);第56-58页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111104455A (zh) | 2020-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272789A (zh) | 基于数据分析的学习效果评估***及评估方法 | |
| Sonnert et al. | The impact of taking a college pre-calculus course on students’ college calculus performance | |
| CN107657559A (zh) | 一种中文阅读能力测评方法及*** | |
| Auker et al. | Teaching R in the undergraduate ecology classroom: Approaches, lessons learned, and recommendations | |
| CN114913729B (zh) | 一种选题方法、装置、计算机设备和存储介质 | |
| CN111104455B (zh) | 多源多维的学校教学横向信息差异比对分析方法 | |
| Putri et al. | Analysis of students graduation target based on academic data record using c4. 5 algorithm case study: Information systems students of telkom university | |
| Hamim et al. | Student profile modeling using boosting algorithms | |
| Stein et al. | Confirming what we know: Understanding questionable research practices in intro physics labs | |
| CN114330997A (zh) | 基于boppps模型的智慧教案生成*** | |
| Takács et al. | Dropping-Out Prevention Of Computer Science Students: Developing Studying, Thinking, And Soft Skills Among Students Using Training Programs | |
| CN110378814A (zh) | 智能教学生态*** | |
| Phanniphong et al. | The Distinction Learning Style in Learning Outcomes of the Secondary School Learner | |
| Smith et al. | Assessing proxies of knowledge and difficulty with rubric‐based instruments | |
| Lagrio et al. | Research Competence and Productivity Among School Heads and Teachers: Basis for District Research Capacity Building | |
| Bertović et al. | Using Moodle Test Scores to Predict Success in an Online Course | |
| Prakash et al. | Mathematical Modelling and Big-Data Analytics for Student Performance | |
| Nissen et al. | Educational debts incurred by racism and sexism in students’ beliefs about physics | |
| Shang et al. | Application of clustering algorithm in English proficiency evaluation under the framework of big data | |
| Ma | [Retracted] Optimization of Business English Teaching Based on the Integration of Interactive Virtual Reality Genetic Algorithm | |
| Idika et al. | Determinants of academic achievement in Economics in public secondary schools in Nsukka Local Government Area Enugu State, Nigeria | |
| Razak et al. | Prediction of Secondary Students Performance: A Case Study | |
| Crehan | An exploration of the usefulness of meta-analysis in educational administration | |
| Eser et al. | Educational Data Mining: The Analysis of the Factors Affecting Science Instruction by Clustering Analysis. | |
| Park | Understanding dropouts among community college students: using cluster analysis and data mining |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |