CN112580910A - 教学调查问卷分析方法、电子装置及存储介质 - Google Patents

教学调查问卷分析方法、电子装置及存储介质 Download PDF

Info

Publication number
CN112580910A
CN112580910A CN201910930335.6A CN201910930335A CN112580910A CN 112580910 A CN112580910 A CN 112580910A CN 201910930335 A CN201910930335 A CN 201910930335A CN 112580910 A CN112580910 A CN 112580910A
Authority
CN
China
Prior art keywords
student
questionnaire
teaching
learning state
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.)
Pending
Application number
CN201910930335.6A
Other languages
English (en)
Inventor
杜庭瑜
陈柏诚
曾诗茵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongfujin Precision Electronics Tianjin Co Ltd
Original Assignee
Hongfujin Precision Electronics Tianjin Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongfujin Precision Electronics Tianjin Co Ltd filed Critical Hongfujin Precision Electronics Tianjin Co Ltd
Priority to CN201910930335.6A priority Critical patent/CN112580910A/zh
Priority to US16/668,051 priority patent/US10984227B1/en
Priority to TW108140480A priority patent/TWI740264B/zh
Publication of CN112580910A publication Critical patent/CN112580910A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • Educational Technology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Social Psychology (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

一种教学调查问卷分析方法，应用于电子装置中，所述方法包括：识别上课图像中的每个学生的身份；分析在预设时段内每个学生所对应的上课图像以获取每个学生在所述预设时段内的课堂行为，所述课堂行为包括处于学习状态中的行为及处于非学习状态中的行为；根据分析结果判断每个学生处于非学习状态中的行为是否符合预设条件；及在学生处于非学习状态中的行为符合预设条件时，将该学生填写的教学调查问卷确定为可用的教学调查问卷；在学生处于非学习状态中的行为不符合预设条件时，将该学生填写的教学调查问卷确定为不可用的教学调查问卷。本发明还提供了一种执行上述教学调查问卷分析方法的电子装置及存储介质。

Description

教学调查问卷分析方法、电子装置及存储介质
技术领域
本发明涉及课堂教学评价领域，特别涉及一种教学调查问卷分析方法、电子装置及存储介质。
背景技术
为了提升教学质量，学校于每学期期中、末时会让学生填写课程的教学调查问卷，让学生来评鉴老师的教学效果。然而，教学调查问卷中的有些问题对于有些学生而言，本来就不是可信赖的调查对象。如对于“你是否喜欢该课程的老师”，学生出于大众心理，都会填写喜欢，即使该学生在该课程上经常睡觉。因此，一些学生填写的教学调查问卷的可信度本来就不高，而该学生填写的教学调查问卷也会作为样本，从而影响教学调查问卷的调查结果的准确度。
发明内容
有鉴于此，有必要提供一种提高教学调查问卷的调查结果的准确度的教学调查问卷分析方法、电子装置及存储介质。
一种教学调查问卷分析方法，应用于电子装置中，所述方法包括：识别上课图像中的每个学生的身份；分析在预设时段内每个学生所对应的上课图像以获取每个学生在所述预设时段内的课堂行为，所述课堂行为包括处于学习状态中的行为及处于非学习状态中的行为；根据分析结果判断每个学生处于非学习状态中的行为是否符合预设条件；及在学生处于非学习状态中的行为符合预设条件时，将该学生填写的教学调查问卷确定为可用的教学调查问卷；在学生处于非学习状态中的行为不符合预设条件时，将该学生填写的教学调查问卷确定为不可用的教学调查问卷。
一种电子装置，包括处理器及存储器，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行上述的教学调查问卷分析方法。
一种存储介质，其上存储有至少一条计算机指令，所述指令由处理器并加载执行上述的教学调查问卷分析方法。
上述教学调查问卷分析方法、电子装置及存储介质将课堂行为不符合预设条件的学生所述填写的教学调查问卷确定为不可用的教学调查问卷，使用于分析的教学调查问卷的信赖度增强，从而提高教学调查问卷的调查结果的准确度。
附图说明
图1是本发明提供的教学调查问卷分析方法的流程图。
图2是本发明提供的电子装置的结构示意图。
图3是本发明提供的教学调查问卷分析***的结构示意图。
主要元件符号说明
教学调查问卷分析方法 步骤S101-S108
电子装置 10
教学调查问卷分析*** 30
摄像装置 20
处理器 12
存储器 14
计算机程序 16
识别模块 31
行为分析模块 32
判断模块 33
筛选模块 34
问卷分析模块 35
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
下面将结合附图对本发明作进一步详细说明。
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
请参阅图1，本发明提供了一种教学调查问卷分析方法。所述教学调查问卷分析方法包括如下步骤。
步骤S101：接收学生在课堂上的上课图像。所述上课图像可来自于摄像装置或中转装置。
步骤S102：识别上课图像中的每个学生的身份。所述身份包括但不限于学生的姓名、学号等信息。在一实施方式中，根据预存的每个学生的脸部图像识别上课图像中的每个学生的身份。在另一实施方式中，根据上课图像中的每个学生的校服上的姓名识别每个学生的身份。
步骤S103：分析在预设时段内每个学生所对应的上课图像以获取每个学生在所述预设时段内的课堂行为，所述课堂行为包括处于学习状态中的行为及处于非学习状态中的行为。处于学习状态中的行为包括但不限于抬头看黑板、做笔记等行为，处于非学习状态中的行为包括但不限于打瞌睡、玩手机及与他人聊天等行为。所述预设时段可为一个月、一学期或一学年等。
步骤S104：根据分析结果判断每个学生处于非学习状态中的行为是否符合预设条件。在学生处于非学习状态中的行为符合预设条件时，进入步骤S105，否则，进入步骤S106。
在一实施方式中，所述预设条件为处于非学习状态中的行为的次数小于预设次数，步骤S104中判断每个学生处于非学习状态中的行为的次数是否小于所述预设次数。所述预设次数可根据可为3次、4次、5次等等，在另一实施方式中，所述预设条件为处于非学习状态中的行为的时长占比小于预设时长占比，步骤S104中判断每个学生处于非学习状态中的行为的时长占比是否在小于所述预设时长占比。所述处于非学习状态中的行为的时长占比为处于非学习状态中的行为的时间占所有课堂时间的比例，如0.9、0.8、0.7等等。
步骤105：将该学生填写的教学调查问卷确定为可用的教学调查问卷。
步骤106：将该学生填写的教学调查问卷确定为不可用的教学调查问卷。
步骤S107：对所有可用的教学调查问卷进行分析以获取对应的被调查老师的课堂教学质量。
步骤S108：删除不可用的教学调查问卷。
其中，在另一实施方式中，所述教学调查问卷分析方法可不包括步骤S101，所述课堂上的上课图像保存于本地装置中。在另一实施方式中，所述教学调查问卷分析方法可不包括步骤S107，所述教学调查问卷的分析通过人工对可用的教学调查问卷进行分析而完成。在另一实施方式中，所述教学调查问卷分析方法可不包括步骤S108，所述不可用的教学调查问卷虽不作为分析样本，但保留以备后用。
请参阅图2所示的本发明提供的电子装置10的结构示意图及图3所示的本发明提供的教学调查问卷分析***30的模块图。
所述电子装置10与摄像装置20通信连接，用于接收所述摄像装置20获取的学生在课堂上的上课图像。所述电子装置10包括，但不仅限于，处理器12、存储器14以及存储在所述存储器14中并可在所述处理器12上运行的计算机程序16，所述计算机程序16包括教学调查问卷分析程序。所述处理器12执行所述计算机程序16时实现图1所示的教学调查问卷分析方法中的步骤S101～S108。或者，所述处理器12执行所述计算机程序16时实现图3所示的教学调查问卷分析***30的功能。
所述电子装置10可以是电脑、服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是电子装置10的示例，并不构成对电子装置10的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子装置10还可以包括输入输出设备、网络接入设备、总线等。
所称处理器12可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器12也可以是任何常规的处理器等，所述处理器12是所述电子装置10的控制中心，利用各种接口和线路连接整个电子装置10的各个部分。
所述存储器14可用于存储所述计算机程序16和/或模块/单元，所述处理器12通过运行或执行存储在所述存储器14内的计算机程序和/或模块/单元，以及调用存储在存储器14内的数据，实现所述电子装置10的各种功能。所述存储器14可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(图像处理程序)等；存储数据区可存储根据电子装置10的使用所创建的数据(如每个学生的脸部图像及对应的学生的姓名、筛选规则)等。此外，存储器14可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
教学调查问卷分析***30运行于所述电子装置10中。所述教学调查问卷分析***30可以包括多个由程序代码段所组成的功能模块。所述教学调查问卷分析***30中的各个程序段的程序代码可以存储于电子装置10的存储器14中，并由所述至少一个处理器12所执行，以实现教学调查问卷分析功能。
本实施例中，教学调查问卷分析***30根据其所执行的功能，被划分为多个功能模块，所述功能模块包括识别模块31、行为分析模块32、判断模块33、筛选模块34以及问卷分析模块35。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器14中。可以理解的是，在其他实施例中，上述模块也可为固化于所述处理器12中的程序指令或固件(firmware)。
所述识别模块31用于识别摄像装置20传输的上课图像中的每个学生的身份。所述身份包括但不限于学生的姓名、学号等信息。在一实施方式中，所述识别模块31根据预存的每个学生的脸部图像识别上课图像中的每个学生的身份。在另一实施方式中，所述识别模块31根据上课图像中的每个学生的校服上的姓名识别每个学生的身份。
分析模块32用于分析在预设时段内每个学生所对应的上课图像以获取每个学生在课堂上的课堂行为，所述课堂行为包括处于学习状态中的行为及处于非学习状态中的行为。处于学习状态中的行为包括但不限于抬头看黑板、做笔记等行为，处于非学习状态中的行为包括但不限于打瞌睡、玩手机及与他人聊天等行为。所述预设时段可为一个月、一学期或一学年等。
判断模块33用于根据分析结果判断每个学生处于非学习状态中的行为是否符合预设条件。在一实施方式中，所述预设条件为处于非学习状态中的行为的次数小于预设次数，判断模块33判断每个学生处于非学习状态中的行为的次数是否小于所述预设次数。在另一实施方式中，所述预设条件为处于非学习状态中的行为的时长占比小于预设时长占比，所述判断模块33判断每个学生处于非学习状态中的行为的时长占比是否在小于所述预设时长占比。所述处于非学习状态中的行为的时长占比为处于非学习状态中的行为的时间占所有课堂时间的比例。
筛选模块34用于根据判断结果及一筛选规则对每个学生填写的教学调查问卷进行筛选。所述筛选规则为在学生处于非学习状态中的行为符合预设条件时将该学生填写的教学调查问卷确定为可用的教学调查问卷，在学生处于非学习状态中的行为不符合预设条件时将该学生填写的教学调查问卷确定为不可用的教学调查问卷。
问卷分析模块35用于对筛选后的可用的教学调查问卷进行问卷分析以获取对应老师的课堂教学质量。
所述电子装置10集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
上述教学调查问卷分析方法、电子装置及存储介质将课堂行为不符合预设条件的学生所述填写的教学调查问卷确定为不可用的教学调查问卷，使用于分析的教学调查问卷的信赖度增强，从而提高教学调查问卷的调查结果的准确度。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由同一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种教学调查问卷分析方法，应用于电子装置中，其特征在于：所述方法包括：
识别上课图像中的每个学生的身份；
分析在预设时段内每个学生所对应的上课图像以获取每个学生在所述预设时段内的课堂行为，所述课堂行为包括处于学习状态中的行为及处于非学习状态中的行为；
根据分析结果判断每个学生处于非学习状态中的行为是否符合预设条件；及
在学生处于非学习状态中的行为符合预设条件时，将该学生填写的教学调查问卷确定为可用的教学调查问卷；在学生处于非学习状态中的行为不符合预设条件时，将该学生填写的教学调查问卷确定为不可用的教学调查问卷。
2.如权利要求1所述的教学调查问卷分析方法，其特征在于，在步骤“识别上课图像中的每个学生的身份”前还包括步骤：
接收学生在课堂上的上课图像。
3.如权利要求1所述的教学调查问卷分析方法，其特征在于，还包括步骤：
对所有可用的教学调查问卷进行分析以获取对应的被调查老师的课堂教学质量。
4.如权利要求1所述的教学调查问卷分析方法，其特征在于，还包括步骤：
删除不可用的教学调查问卷。
5.如权利要求1所述的教学调查问卷分析方法，其特征在于，所述预设时段为一个学期。
6.如权利要求1所述的教学调查问卷分析方法，其特征在于，根据预存的每个学生的脸部图像识别上课图像中的每个学生的身份。
7.如权利要求1所述的教学调查问卷分析方法，其特征在于，所述预设条件为处于非学习状态中的行为的次数小于预设次数。
8.如权利要求1所述的教学调查问卷分析方法，其特征在于，所述预设条件为处于非学习状态中的行为的时长占比小于预设时长占比，所述处于非学习状态中的行为的时长占比为处于非学习状态中的行为的时间占所有课堂时间的比例。
9.一种电子装置，包括处理器及存储器，其特征在于，所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如权利要求1-8中任意一项所述的教学调查问卷分析方法。
10.一种存储介质，其上存储有至少一条计算机指令，其特征在于，所述指令由处理器并加载执行如权利要求1-8中任意一项所述的教学调查问卷分析方法。
CN201910930335.6A 2019-09-29 2019-09-29 教学调查问卷分析方法、电子装置及存储介质 Pending CN112580910A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201910930335.6A CN112580910A (zh) 2019-09-29 2019-09-29 教学调查问卷分析方法、电子装置及存储介质
US16/668,051 US10984227B1 (en) 2019-09-29 2019-10-30 Electronic device and method for analyzing responses to questionnaires
TW108140480A TWI740264B (zh) 2019-09-29 2019-11-07 教學調查問卷分析方法、電子裝置及存儲介質

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910930335.6A CN112580910A (zh) 2019-09-29 2019-09-29 教学调查问卷分析方法、电子装置及存储介质

Publications (1)

Publication Number Publication Date
CN112580910A true CN112580910A (zh) 2021-03-30

Family

ID=75110348

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910930335.6A Pending CN112580910A (zh) 2019-09-29 2019-09-29 教学调查问卷分析方法、电子装置及存储介质

Country Status (3)

Country Link
US (1) US10984227B1 (zh)
CN (1) CN112580910A (zh)
TW (1) TWI740264B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959607A (zh) * 2018-07-16 2018-12-07 淄博职业学院 一种数学学习调查装置及其调查方法
CN109461104A (zh) * 2018-10-22 2019-03-12 杭州闪宝科技有限公司 课堂监控方法、装置及电子设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10333538A (ja) * 1997-05-29 1998-12-18 Fujitsu Ltd ネットワーク型教育システム、ネットワーク型教育システムの講師側プログラムが記録された記録媒体、および受講者側プログラムが記録された記録媒体
CA2849104A1 (en) * 2011-09-25 2013-04-11 Theranos, Inc. Systems and methods for multi-analysis
US20130216990A1 (en) * 2012-02-16 2013-08-22 Powhow Inc. Method and system for interactive live webcam physical activity classes
US20130226674A1 (en) * 2012-02-28 2013-08-29 Cognita Systems Incorporated Integrated Educational Stakeholder Evaluation and Educational Research System
US9015156B2 (en) * 2012-03-30 2015-04-21 Percolate Industries, Inc. Interactive computing recommendation facility with learning based on user feedback and interaction
WO2017106770A1 (en) * 2015-12-18 2017-06-22 Cognoa, Inc. Platform and system for digital personalized medicine
US10621685B2 (en) * 2017-04-03 2020-04-14 International Business Machines Corporation Cognitive education advisor
CN107292271B (zh) * 2017-06-23 2020-02-14 北京易真学思教育科技有限公司 学习监控方法、装置及电子设备
CN107358555A (zh) * 2017-07-14 2017-11-17 安徽智星交通科技股份有限公司 教学监管方法及***
US11270526B2 (en) * 2017-08-07 2022-03-08 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Teaching assistance method and teaching assistance system using said method
CN108171414A (zh) * 2017-12-26 2018-06-15 重庆大争科技有限公司 教学质量评估***
TWI674553B (zh) * 2018-07-27 2019-10-11 財團法人資訊工業策進會 教學品質監測系統及方法
CN109284737A (zh) * 2018-10-22 2019-01-29 广东精标科技股份有限公司 一种用于智慧教室的学生行为分析和识别***
CN109859078A (zh) * 2018-12-24 2019-06-07 山东大学 一种学生学习行为分析干预方法、装置及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959607A (zh) * 2018-07-16 2018-12-07 淄博职业学院 一种数学学习调查装置及其调查方法
CN109461104A (zh) * 2018-10-22 2019-03-12 杭州闪宝科技有限公司 课堂监控方法、装置及电子设备

Also Published As

Publication number Publication date
TWI740264B (zh) 2021-09-21
US10984227B1 (en) 2021-04-20
TW202115667A (zh) 2021-04-16
US20210097264A1 (en) 2021-04-01

Similar Documents

Publication Publication Date Title
CN107256650B (zh) 一种习题推送方法、***及终端设备
Kabakci Yurdakul Modeling the relationship between pre-service teachers’ TPACK and digital nativity
CN110222791B (zh) 样本标注信息的审核方法及装置
CN111046819B (zh) 一种行为识别处理方法及装置
CN109800320B (zh) 一种图像处理方法、设备及计算机可读存储介质
CN110909035B (zh) 个性化复习题集生成方法、装置、电子设备及存储介质
CN107978189B (zh) 一种习题的智能推送方法、***及终端设备
CN111382633A (zh) 课堂出勤管理方法、装置、终端及计算机可读存储介质
Alipourfard et al. Using Simpson’s paradox to discover interesting patterns in behavioral data
US20160180727A1 (en) Student assessment grading engine
CN112199598A (zh) 网络课程的推荐方法、装置及计算机设备
CN114140280A (zh) 一种基于ai批改的数据处理方法、***和电子设备
CN110889406B (zh) 一种习题数据卡的信息采集方法、***及终端
CN112507679A (zh) 一种自动生成课程表的方法、装置、电子设备及存储介质
CN115546692A (zh) 一种远程教育数据采集分析方法、设备及计算机存储介质
CN113822907B (zh) 图像处理方法及装置
CN110852131B (zh) 一种考试卡的信息采集方法、***及终端
CN116777698A (zh) 一种基于ai智能化的智慧教学的方法及***
KR101996247B1 (ko) 진단 검사 방법 및 장치
CN108733784B (zh) 一种教学课件推荐方法、装置及设备
CN111477050A (zh) 基于云计算的教育信息化云平台、方法、终端设备、介质
CN112580910A (zh) 教学调查问卷分析方法、电子装置及存储介质
US20150269862A1 (en) Methods and systems for providing penmanship feedback
CN114842567A (zh) 一种视频巡查方法、装置、设备及介质
CN114998844A (zh) 基于ai课堂的在线巡课督导***及方法

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
CB02 Change of applicant information

Address after: No. 36, North Street, West District, economic and Technological Development Zone, Binhai New Area, Tianjin

Applicant after: Fulian precision electronics (Tianjin) Co.,Ltd.

Address before: No. 36, North Street, West District, economic and Technological Development Zone, Binhai New Area, Tianjin

Applicant before: HONGFUJIN PRECISION ELECTRONICS (TIANJIN) Co.,Ltd.

CB02 Change of applicant information