CN112966498A - 视频教学管理方法、***、存储介质及电子设备 - Google Patents

视频教学管理方法、***、存储介质及电子设备 Download PDF

Info

Publication number
CN112966498A
CN112966498A CN202110181781.9A CN202110181781A CN112966498A CN 112966498 A CN112966498 A CN 112966498A CN 202110181781 A CN202110181781 A CN 202110181781A CN 112966498 A CN112966498 A CN 112966498A
Authority
CN
China
Prior art keywords
video
management method
teaching management
voice recognition
class
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.)
Granted
Application number
CN202110181781.9A
Other languages
English (en)
Other versions
CN112966498B (zh
Inventor
李璐
冯文澜
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.)
Suirui Technology Group Co Ltd
Original Assignee
Suirui Technology Group 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 Suirui Technology Group Co Ltd filed Critical Suirui Technology Group Co Ltd
Priority to CN202110181781.9A priority Critical patent/CN112966498B/zh
Publication of CN112966498A publication Critical patent/CN112966498A/zh
Application granted granted Critical
Publication of CN112966498B publication Critical patent/CN112966498B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种视频教学管理方法、***、存储介质及电子设备。视频教学管理方法，基于倍速检测、语音识别和数据分析相结合，视频教学管理方法包括：学员进入课堂进行视频听课时，开启语音识别和倍速检测。根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录。以及将学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。借此，本发明的视频教学管理方法，可以根据学员不同的学习情况进行自动匹配班级，提高了视频教学的时效性，且使得视频教学更具有机动灵活性。

Description

视频教学管理方法、***、存储介质及电子设备
技术领域
本发明是关于视频多媒体通信技术领域，特别是关于一种视频教学管理方法、***、存储介质及电子设备。
背景技术
随着视频多媒体通信技术的发展，视频教学成为一种趋势，可以解决现有师资力量的分配不均，并且能让没有条件的地区，也能听到名师授课，目前的主要教学方式有录播和直播等方式授课。但目前的视频教学过程中，主要存在以下问题：
在视频教学过程中，老师无法实时关注到每位学员的学习状态和进度，并且无法顾及具体分析每位学员的学习情况，进行区别化教育辅导，有些涉及分班教学时，分班教学是按学期划分，时效性滞后。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种视频教学管理方法、***、存储介质及电子设备，其可以根据学员不同的学习情况进行自动匹配班级，提高了视频教学的时效性，且使得视频教学更具有机动灵活性。
为实现上述目的，第一方面，本发明提供了一种视频教学管理方法，基于倍速检测、语音识别和数据分析相结合，视频教学管理方法包括：学员进入课堂进行视频听课时，开启语音识别和倍速检测。根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录。以及将学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
在本发明的一实施方式中，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录包括：根据倍速变化截取对应视频，且每段视频以语音识别的关键字作为视频标题，并存储于所述学员的个人文档中。
在本发明的一实施方式中，视频标题是以相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题进行比对判断；当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题有重复时，则作为所述视频标题。
在本发明的一实施方式中，当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题无重复时，则以课件内容标题、此节重点词汇和相同词汇出现频率的顺序排序作为筛选标准。
在本发明的一实施方式中，获取所述考试成绩包括：录入题目，并分别对所述题目进行难易程度标识；学员进行答题；对学员的答题进行智能判卷，并形成所述考试成绩。
在本发明的一实施方式中，将所述学习记录与所述试卷难易程度和所述考试成绩相结合做出分析判断，并划分对应班型包括：将三次所述考试成绩与所述学习记录进行匹配；若三次所述考试成绩均大于等于90分，则将所述学员自动分配至尖子班；若三次所述考试成绩均大于等于70分小于90分，倍速正常，且难题错误率高，则将所述学员自动分配至提高班；若三次所述考试成绩均大于等于70分小于90分，倍速非正常，且简单题错误率高，则将所述学员自动分配至实验班。
在本发明的一实施方式中，若三次所述考试成绩均小于70分，则将所述学员自动分配至基础班。
第二方面，本发明实施例还提供了一种视频教学管理***，基于倍速检测、语音识别和数据分析相结合。视频教学管理***包括：伺服器，用以存储线上学习软件；以及客户端，与所述伺服器通信连接，且学员通过所述客户端登录所述线上学习软件；其中，当所述学员进入所述线上学习软件进行视频听课时，所述线上学习软件开启语音识别功能和倍速检测功能；其中，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录；其中，将所述学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
第三方面，本发明实施例还提供了一种存储介质，存储介质存储有计算机可执行指令，计算机可执行指令用于执行上述的视频教学管理方法。
第四方面，本发明实施例还提供了一种电子设备，包括：
至少一个处理器；以及，
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的视频教学管理方法。
与现有技术相比，根据本发明的视频教学管理方法、***、存储介质及电子设备，可以根据倍速检测、语音识别和数据分析相结合来综合判断学员的学习情况，进行班型划分，使得视频教学方式也具有线下教育的互动性，灵活性和时效性。
附图说明
图1是根据本发明一实施方式的视频教学管理方法的流程示意图；
图2是根据本发明一实施方式的视频教学管理方法的学员听课的流程示意图；
图3是根据本发明一实施方式的视频教学管理方法的成绩记录的流程示意图；
图4是根据本发明一实施方式的视频教学管理方法的分班的流程示意图；
图5是根据本发明一实施方式的视频教学管理***的架构示意图。
图6是根据本发明一实施方式的电子设备的结构框图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
第一方面，本发明提供了一种视频教学管理方法，基于倍速检测、语音识别和数据分析相结合，如图1所示，视频教学管理方法包括：
步骤1，学员进入课堂进行视频听课时，开启语音识别和倍速检测；
步骤2，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录；
步骤3，将学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
在本发明的一实施方式中，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录包括：根据倍速变化截取对应视频，且每段视频以语音识别的关键字作为视频标题，并存储于所述学员的个人文档中。
在本发明的一实施方式中，视频标题是以相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题进行比对判断；当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题有重复时，则作为所述视频标题。
在本发明的一实施方式中，当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题无重复时，则以课件内容标题、此节重点词汇和相同词汇出现频率的顺序排序作为筛选标准。
在本发明的一实施方式中，获取所述考试成绩包括：录入题目，并分别对所述题目进行难易程度标识；学员进行答题；对学员的答题进行智能判卷，并形成所述考试成绩。
在本发明的一实施方式中，将所述学习记录与所述试卷难易程度和所述考试成绩相结合做出分析判断，并划分对应班型包括：将三次所述考试成绩与所述学习记录进行匹配；若满足第一预设条件，则将学员分配至第一预设班；若满足第二预设条件，则将学员分配至第二预设班；若满足第三预设条件，则将学员分配至第三预设班。
作为一例，第一预设条件可以为：若三次所述考试成绩均大于等于90分，第一预设班可以为：尖子班；第二预设条件可以为：若三次所述考试成绩均大于等于70分小于90分，倍速正常，且难题错误率高，第二预设班可以为：提高班；第三预设条件可以为：若三次所述考试成绩均大于等于70分小于90分，倍速非正常，且简单题错误率高，第三预设班可以为：实验班。
在本发明的一实施方式中，作为第四预设条件可以为：若三次所述考试成绩均小于70分，则将所述学员自动分配至第四预设班，例如可以为基础班。
第二方面，本发明实施例还提供了一种视频教学管理***，基于倍速检测、语音识别和数据分析相结合。如图5所示，视频教学管理***包括：伺服器1，用以存储线上学习软件；以及客户端2，与所述伺服器1通信连接，且学员通过所述客户端2登录所述线上学习软件；其中，当所述学员进入所述线上学习软件进行视频听课时，所述线上学习软件开启语音识别功能和倍速检测功能；其中，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录；其中，将所述学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
第三方面，本发明实施例还提供了一种存储介质，存储介质存储有计算机可执行指令，计算机可执行指令用于执行上述的视频教学管理方法。
其中，所述存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
第四方面，图6示出了本发明的另一个实施例的一种电子设备的结构框图。电子设备1100可以是具备计算能力的主机服务器、个人计算机PC、或者可携带的便携式计算机或终端等。本发明具体实施例并不对电子设备的具体实现做限定。
该电子设备1100包括至少一个处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory array)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。
通信接口1120用于与网元通信，其中网元包括例如虚拟机管理中心、共享存储等。
处理器1110用于执行程序。处理器1110可能是一个中央处理器CPU，或者是专用集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器1130用于可执行的指令。存储器1130可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行，以使处理器1110能够执行上述任意方法实施例中的视频教学管理。
如图2所示，当学员通过线上进行听课时，启动语音识别和倍数检测。当倍数发生变化时，则截取倍数变化前的视频，将该段的语音识别重点内容作为标题，并形成记录。当倍数没有发生变化但进行了跳过操作，则记录跳过前时间点，跳过后时间点，并形成记录。当学员听课结束时，将所有记录整理形成学习记录。如图3所示，成绩记录需要教示提前录入题目，并分别对题目进行难易程度标识，当学员答题后，***智能判卷，并形成统计信息。
在实际应用中，本发明的视频教学管理方法、***、存储介质及电子设备，在视频教学中，***会根据倍速记录学员的听课轨迹，根据倍速结合语音识别来分段截取视频内容，留存备份。根据学员的听课倍速、重听、跳过来初步判定听课人的学习情况。每节课后会有对应章节、单元、模拟测试，此时根据学员的答题情况结合倍速做分析比对。而课后成绩结合听课倍速做出判断，对快进的视频比对，符合判断条件进行视频截取，不符合进行相似知识点试卷，分别保存到学员的个人文档中。试卷难易程度与成绩做分析判断，符合判断条件则划分至对应班型。考试结果以判断条件为参考依据，连续三次符合此条件进行重新比对分配班型。详细来说：倍速检测是通过记录听课轨迹来记录学员的上课情况，1.0倍速、1.5倍速、2.0倍速、跳过、重听来记录分段截取视频，留存备份。语音识别是通过在教师讲课过程中的语音文字与视频匹配，截取不同倍速情况下的视频内容，分段做标记，每段以此段识别重点内容为标题记录。而数据分析是试卷会以难易程度结合分数做出分析判断，划分对应班型。
其中倍速检测与语音识别相结合，根据倍速变化截取对应视频，每段视频以语音识别的关键字作为标题在学生的个人文档中，视频标题以相同词汇出现频率(连词、感叹词除外)、语义词库中的此节重点等此类词汇、课件内容中的标题比对，三个判断标准当不少于一个时，作为视频标题。当无重复时以课件内容标题、此节重点、相同词汇出现频率的顺序排序作为筛选标准。此目的为后续判断非正常倍速的视频与错题做比对，来作为分析学生适宜的班型。
判断基本条件包括：
1、倍速：正常、1.5倍、2.0倍、跳过和重听。
2、考题难易程度：老师录入题目时将章、节、单元、模拟考试题目进行难易程度标识。
如判断条件组合，如图4所示：
1、三次考试成绩均>＝90分，倍速正常或非正常，无需对此类学员做后续判断直接分配至尖子班；
2、三次考试均>＝70且<90分，倍速正常，***分析课后错题，难题错误比重大于简单题，即难题错误率高，分配至提高班；
3、三次考试均>＝70且<90分，不同倍速听课，***分析课后错题，简单题错误比重大于难题，即简单题错误率高，分配至实验班；
4、其它情况分配至基础班。
班型分析：
1、尖子班：成绩极好，不需要老师监督，程序无需多对此类学生做判断；
2、提高班：成绩优秀，基础扎实，此类为关注重点，需要对这类学员做判断，此班型特点是老师注重扩展型思维，发散思维，举一反三；
3、实验班：成绩优秀，难题会解，简单题不会，马虎，基础不够扎实，缺乏多练习的学员，此班型特点是让此类学员多做基础题，培养其良好思考答题习惯，多做多练，改掉马虎此类问题出错率。
4、基础班：其它学员情况分至基础班。
班型条件：连续三次测试，学生特点符合班型特点的，更换调整班级。
场景如下：
1、进入课堂，学员依据自己的水平或习惯来选择适合自己的语速听课；
2、开启语音识别，根据倍速来分别记录学生听课轨迹，并结合语音识别，来截取划分视频标题，供后续匹配比对；
3、课后根据习题来完成测验，***根据测验分数、倍速、试题的难易程度对每位学员做针对性分析，分配班型；
举例说明：
李某考试成绩为80分、倍速非正常、错题难易程度比例为简单题居多，应分配在实验班；
***根据李某听课轨迹做记录，前10分钟为1.5倍速，第11分钟开始为2.0倍速，20分钟后正常听讲，40钟后跳过其中5分钟，60分钟重听前20分钟，这五种模式进行了切换；
首先***根据李某的听课轨迹做出了分段截取视频，并根据语音识别内容配有此视频标题和重点内容；
然后倍速与错题相结合做出判断：倍速快、跳过与错题相符合，那么***会截取此部分内容的视频留存到学生个人文档中，提醒其重新听取课程并建议以正常倍速听课；
最后根据考题难易程度与分数做出判断：如错题20分，其中15分简单题，5分难题，符合实验班条件，匹配成功将此学生划至实验班；
班型切换：当李某分配至实验班学习后三次成绩均高于90分，即符合匹对条件，将李某分配至尖子班。
综上所述，根据学生的倍速与错题情况结合判断，分析出学生错题原因，正常倍速听讲以试卷巩固其知识点，非正常倍速听讲截取此知识点相关视频重听；错题比重与考试分数相结合分析，进一步找到学员错题的真正原因，从而匹配到对应班型，做到因材施教。最后三次考试成绩为参考，如有进步或退步符合其它判断条件重新划分班型，此技术发挥了线上课堂的时效性。这样精准分析后使得基础薄弱的学员能找到自身存在的问题，是因为没有认真听讲因跳过略过的原因，还是因为马虎基础不扎实的原因，不同班型使得学员更有效的学习，使得视频教学更具有机动灵活性，弥补了线上线下教育老师辅导监督不及时的情况。
总之，本发明的视频教学管理方法、***、存储介质及电子设备，可以根据倍速检测、语音识别和数据分析相结合来综合判断学员的学习情况，进行班型划分，使得视频教学方式也具有线下教育的互动性，灵活性和时效性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (10)

1.一种视频教学管理方法，基于倍速检测、语音识别和数据分析相结合，其特征在于，所述视频教学管理方法包括：
学员进入课堂进行视频听课时，开启语音识别和倍速检测；
根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录；以及
将所述学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
2.如权利要求1所述的视频教学管理方法，其特征在于，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录包括：
根据倍速变化截取对应视频，且每段视频以语音识别的关键字作为视频标题，并存储于所述学员的个人文档中。
3.如权利要求2所述的视频教学管理方法，其特征在于，所述视频标题是以相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题进行比对判断；
当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题有重复时，则作为所述视频标题。
4.如权利要求3所述的视频教学管理方法，其特征在于，当相同词汇的出现频率、语音词库中的此节重点词汇和课件内容的标题无重复时，则以课件内容标题、此节重点词汇和相同词汇出现频率的顺序排序作为筛选标准。
5.如权利要求1所述的视频教学管理方法，其特征在于，获取所述考试成绩包括：
录入题目，并分别对所述题目进行难易程度标识；
学员进行答题；
对学员的答题进行智能判卷，并形成所述考试成绩。
6.如权利要求1所述的视频教学管理方法，其特征在于，将所述学习记录与所述试卷难易程度和所述考试成绩相结合做出分析判断，并划分对应班型包括：
将三次所述考试成绩与所述学习记录进行匹配；
若三次所述考试成绩均大于等于90分，则将所述学员自动分配至尖子班；
若三次所述考试成绩均大于等于70分小于90分，倍速正常，且难题错误率高，则将所述学员自动分配至提高班；
若三次所述考试成绩均大于等于70分小于90分，倍速非正常，且简单题错误率高，则将所述学员自动分配至实验班。
7.如权利要求6所述的视频教学管理方法，其特征在于，若三次所述考试成绩均小于70分，则将所述学员自动分配至基础班。
8.一种视频教学管理***，基于倍速检测、语音识别和数据分析相结合，其特征在于，所述视频教学管理***包括：
伺服器，用以存储线上学习软件；以及
客户端，与所述伺服器通信连接，且学员通过所述客户端登录所述线上学习软件；
其中，当所述学员进入所述线上学习软件进行视频听课时，所述线上学习软件开启语音识别功能和倍速检测功能；
其中，根据倍速检测分别记录学员的听课轨迹，且结合语音识别截取划分视频标题，并形成学习记录；
其中，将所述学习记录与试卷难易程度和考试成绩相结合做出分析判断，并划分对应班型。
9.一种存储介质，其特征在于，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1-7任意一项所述的视频教学管理方法。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任意一项所述的视频教学管理方法。
CN202110181781.9A 2021-02-08 2021-02-08 视频教学管理方法、***、存储介质及电子设备 Active CN112966498B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110181781.9A CN112966498B (zh) 2021-02-08 2021-02-08 视频教学管理方法、***、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110181781.9A CN112966498B (zh) 2021-02-08 2021-02-08 视频教学管理方法、***、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112966498A true CN112966498A (zh) 2021-06-15
CN112966498B CN112966498B (zh) 2024-04-09

Family

ID=76284707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110181781.9A Active CN112966498B (zh) 2021-02-08 2021-02-08 视频教学管理方法、***、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112966498B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003091930A2 (en) * 2002-04-26 2003-11-06 Kumon North America, Inc. Method and system for monitoring and managing the educational progress of students
CN107274738A (zh) * 2017-06-23 2017-10-20 广东外语外贸大学 基于移动互联网的汉英翻译教学评分***
WO2017193709A1 (zh) * 2016-05-12 2017-11-16 深圳市鹰硕技术有限公司 一种互联网教学方法及***
WO2018223530A1 (zh) * 2017-06-08 2018-12-13 深圳市鹰硕技术有限公司 一种基于互联网的录播数据学习监控方法
CN109035085A (zh) * 2018-07-10 2018-12-18 上海进馨网络科技有限公司 一种在线课程助教方法及计算机设备
CN109615328A (zh) * 2018-12-06 2019-04-12 天津市职业大学 一种教学测评***
CN110428678A (zh) * 2019-08-12 2019-11-08 重庆工业职业技术学院 一种计算机在线教学管理***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003091930A2 (en) * 2002-04-26 2003-11-06 Kumon North America, Inc. Method and system for monitoring and managing the educational progress of students
WO2017193709A1 (zh) * 2016-05-12 2017-11-16 深圳市鹰硕技术有限公司 一种互联网教学方法及***
WO2018223530A1 (zh) * 2017-06-08 2018-12-13 深圳市鹰硕技术有限公司 一种基于互联网的录播数据学习监控方法
CN107274738A (zh) * 2017-06-23 2017-10-20 广东外语外贸大学 基于移动互联网的汉英翻译教学评分***
CN109035085A (zh) * 2018-07-10 2018-12-18 上海进馨网络科技有限公司 一种在线课程助教方法及计算机设备
CN109615328A (zh) * 2018-12-06 2019-04-12 天津市职业大学 一种教学测评***
CN110428678A (zh) * 2019-08-12 2019-11-08 重庆工业职业技术学院 一种计算机在线教学管理***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴婷;: "超星学习通在微生物学检验教学中的应用研究", 现代职业教育, no. 13 *
沙保勇;李媛;冯浩;刘洁;景晓红;高巍;: "基于在线课程的医学细胞生物学翻转课堂改革探讨", 中国医药导报, no. 25 *

Also Published As

Publication number Publication date
CN112966498B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
Amsterdam Clinical Legal Education--A 21st Century Perspective
Erickson Definition and analysis of data from videotape: Some research procedures and their rationales
CN109801525A (zh) 一种用于网络教学的师生多维匹配方法和***
Aminatun ICT in university: How lecturers embrace technology for teaching
El Aouifi et al. Predicting learner’s performance through video sequences viewing behavior analysis using educational data-mining
CN113516574A (zh) 基于大数据与深度学习的自适应学习***及其构建方法
Doko et al. A systematic mapping study of educational technologies based on educational data mining and learning analytics
Barth et al. Intentions, meanings, and whys: designing content for voice-based conversational museum guides
CN111932415A (zh) 一种语言自适应分级学习的方法及装置
Fauzanna Listening journals for extensive listening practice of EFL students at Andalas University
Salsabila et al. The Effectiveness of Georgiana’ s Podcast on Spotify to Improve Students’ Listening Skills
Psihountas Flipped classrooms and finance—Is this a better way to learn?
CN116258613B (zh) 课程规划方法、课程规划设备和可读存储介质
CN112966498B (zh) 视频教学管理方法、***、存储介质及电子设备
CN110930790A (zh) 自适应课程推荐的方法和装置
CN110826796A (zh) 成绩预测方法
Khan et al. Using convolutional neural networks for smart classroom observation
KR100777225B1 (ko) 강제 반복 청취를 통한 영어 리스닝 능력 향상 시스템
CN111709551B (zh) 基于相似度的学生测试数据处理方法、***、装置及介质
KR20230038625A (ko) Ai기반 강의영상 분석을 통한 데이터 태깅장치 및 태깅방법
CN112712738A (zh) 学生显示处理方法和装置、电子装置
Shang et al. The effect of extensive reading strategies on EFL students
Wang et al. Teaching with Video Assistance in Embedded Real-Time Operating System
Asmaningrum et al. The design of vlogs as ethnochemical learning media by project based learning
Liu et al. Design of Voice Style Detection of Lecture Archives

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