CN115599997B - 基于智慧课堂的根据使用习惯推荐学习资料的方法 - Google Patents

基于智慧课堂的根据使用习惯推荐学习资料的方法 Download PDF

Info

Publication number
CN115599997B
CN115599997B CN202211252099.5A CN202211252099A CN115599997B CN 115599997 B CN115599997 B CN 115599997B CN 202211252099 A CN202211252099 A CN 202211252099A CN 115599997 B CN115599997 B CN 115599997B
Authority
CN
China
Prior art keywords
user
autonomous
control unit
time interval
central control
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
Application number
CN202211252099.5A
Other languages
English (en)
Other versions
CN115599997A (zh
Inventor
傅元弟
林劲
吴河林
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.)
Readboy Education Technology Co Ltd
Original Assignee
Readboy Education Technology 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 Readboy Education Technology Co Ltd filed Critical Readboy Education Technology Co Ltd
Priority to CN202211252099.5A priority Critical patent/CN115599997B/zh
Publication of CN115599997A publication Critical patent/CN115599997A/zh
Application granted granted Critical
Publication of CN115599997B publication Critical patent/CN115599997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于智慧课堂的根据使用习惯推荐学习资料的方法,包括步骤s1,中控单元记录用户在多个预设周期中相同的各时间区间内使用智慧课堂的行为以依次确定用户在各时间区间内的课堂习惯;步骤s2,中控单元在用户处于自主学习阶段时依次确定用户在自主学习阶段时在各预设时间区间内的实际自主行为;步骤s3,中控单元确定用户的自主行为习惯;步骤s4,所述中控单元根据用户的课堂习惯和自主行为习惯推荐对应科目种类及对应类型的学习资料。本发明根据用户的课堂习惯确定推荐的学习资料的科目,根据用户的自主习惯确定推荐的学习资料的种类,提高了用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对推荐学习资料的推荐效率。

Description

基于智慧课堂的根据使用习惯推荐学习资料的方法
技术领域
本发明涉及智慧课堂技术领域,尤其涉及一种基于智慧课堂的根据使用习惯推荐学习资料的方法。
背景技术
智慧教育是当前我国教育信息化研究的热词,有学者将其称之为教育信息化发展的新形态、新境界、新阶段,将智慧教育研究提到了相当高的高度,智慧课堂教学模式将智慧课堂中的人(教师、学生)与技术有机关联,它区别于传统课堂教学模式,以学生智慧发展为旨趣,关注智能化技术对学生智慧发展的促进与增强作用,致力于构建理想形态的智慧课堂,智慧教育发展应依托各类智能设备及网络,这与前述智慧教育是教育信息化发展高端形态的思想是一致的。
中国专利公开号:CN110083776A公开了一种智慧课堂微云服务***,该***包括教师教学终端、云服务平台和学生学***台用于所述教师教学终端和所述学生学***台包括云服务***和通讯***,所述云服务平台包括用户管理层、应用层和资源中心层,用于为所述云服务平台提供服务功能,所述通讯***包括路由器/交换机,用于实现所述教师教学终端和所述学生学***台,通过云服务平台实现学生学习终端和教师教学终端之间的交互功能,教师可以实时推送给学生课件内容,学生可以自行学习并且与教师进行交流。
现有的智慧课堂虽然采用智能化设备进行教师与学生的互动,向学生推荐资料,但是缺少从实际出发根据学生的课堂习惯和自主习惯推荐合理的学习资料导致推荐内容阅读效率低从而导致推荐效率低的现象发生。
发明内容
为此,本发明提供一种基于智慧课堂的根据使用习惯推荐学习资料的方法,用以克服现有技术中推荐效率低的问题。
为实现上述目的,本发明提供一种基于智慧课堂的根据使用习惯推荐学习资料的方法,包括:
步骤s1,中控单元在用户处于课堂学习阶段时记录用户在多个预设周期中相同的各时间区间内使用智慧课堂的行为以依次确定用户在各时间区间内的课堂习惯;所述课堂习惯包括课堂科目习惯和课堂行为习惯;
所述中控单元设有第一预设占比D1和第二预设占比D2,其中D2<D1<1,针对单个所述时间区间,中控单元依次统计用户在预设周期中的该时间区间内的课堂科目、分别计算在预设周期中该时间区间内的各课堂科目的占比以确定用户在该时间区间内的课堂科目习惯;
若存在单个学科,该学科在预设周期中的对应时间区间内的占比D满足D>D1,所述中控单元判定该学科为用户在该时间区间内的课堂科目习惯;
若存在多个学科,各学科在预设周期中的对应时间区间内的占比均大于D1,所述中控单元计算占比最高的学科占比值与占比第二高的学科占比值的差值以对用户在该时间区间内的课堂科目习惯进行确定;
若用户在使用智慧课堂时,各学科的占比均小于D1,且存在多个占比大于D2的学科,所述中控单元判定根据用户在自主学习阶段中的行为对用户在该时间区间内的课堂科目习惯进行进一步确定。
所述中控单元设有预设占比差值△D0,若中控单元判定存在多个学科且各学科在预设周期中的对应时间区间内的占比均大于D1,中控单元计算占比最高的学科占比值Da与占比第二高的学科占比值Db的差值△D并将△D与△D0进行比对以对用户在该时间区间内的课堂科目习惯进行确定,其中,△D=Da-Db,
若△D≥△D0,所述中控单元将该占比最高的学科判定为用户在该时间区间的课堂科目习惯;
若△D<△D0,所述中控单元判定需要根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定。
当△D<△D0时,所述中控单元根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定,
若存在一个科目,该科目与用户在自主学习阶段中时长占比最高的科目相同,所述中控单元判定该科目为用户在该时间区间的课堂科目习惯;
若占比值大于D1的各科目与自主学习中时长占比最高的科目均不同,所述中控单元将学科占比中的最大值对应的学科判定为用户在该时间区间的课堂科目习惯。
步骤s2,所述中控单元在用户处于自主学习阶段时依次确定用户进行单个自主行为的持续时长、使用预设时间区间分别对各自主行为所处的时间区间进行判定以确定用户在自主学习阶段时在各预设时间区间内的实际自主行为;所述自主行为包括自主学习未知知识、主复习已知知识、自主练习习题和自主解析习题;
步骤s3,所述中控单元在完成对用户在自主学习阶段时在各预设时间区间内的实际自主行为的确定时确定用户的自主行为习惯;
步骤s4,所述中控单元在针对处于课堂学习阶段的用户进行学习资料推荐时根据用户的课堂科目习惯确定推荐资料的科目种类并根据课堂行为习惯确定推荐资料的类型;所述中控单元在针对处于自主学习阶段的用户进行学习资料推荐时根据用户的自主行为习惯推荐对应科目种类及对应类型的学习资料。
进一步地,所述中控单元在完成对课堂科目习惯的确定时,依次统计各时间区间中的课堂行为以确定在该时间区间中的课堂行为习惯,所述课堂行为包括课堂学习未知知识、课堂复习已知知识、课堂练习习题和课堂解析习题。
进一步地,所述中控单元针对用户预设课堂学习未知知识的行为时间占比为B1、预设课堂复习已知知识的行为时间占比为B2、预设课堂练习习题的行为时间占比为B3和预设课堂解析习题的行为时间占比为B4,通过对比各预设时间占比值大小确定课堂行为习惯,
若用户在课堂学习未知知识的行为时间占比B1为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为学习未知知识;
若用户在课堂复习已知知识的行为时间占比B2为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为复习已知知识;
若用户在课堂练习习题的行为时间占比B3为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为练习习题;
若用户在课堂解析习题的行为时间占比B4为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为解析习题。
进一步地,在所述步骤s2中,所述中控单元使用预设的时间区间分别划分用户的自主行为时长以统计用户在预设周期内的多个时间区间中的自主行为以确定用户在各时间区间中的自主行为习惯,所述自主行为包括自主学习未知知识、自主复习已知知识、自主练习习题和自主解析习题。
进一步地,当所述中控单元在完成对用户在各时间区间中的自主行为习惯划分后,针对单个时间区间,若该时间区间中的自主行为的种类为一种,所述中控单元将用户在该时间区间内的自主行为习惯判定为该自主行为;若该时间区间中的自主行为种类为多种,所述中控单元将该时间区间内时长占比最高的自主行为判定为用户在该时间区间内的自主行为习惯。
进一步地,所述中控单元在完成对用户的课堂习惯的判定时,针对单个时间区间,中控单元根据用户在该时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的课堂行为习惯确定针对该用户的推荐资料的类型;所述中控单元在完成对用户的自主习惯的判定时,针对单个时间区间,中控单元根据用户在相同时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的自主行为习惯确定针对该用户的推荐资料的类型。
进一步地,所述推荐资料的类型包括习题集、参考书和课外读物,
当用户的课堂行为习惯为练习习题或自主行为习惯为练习习题时,所述中控单元向该用户推荐的学习资料的类型为习题集;
当用户的课堂行为习惯为复习已知知识或自主行为习惯为复习已知知识时,所述中控单元向该用户推荐的学习资料的类型为参考书;
当用户的课堂行为习惯为学习未知知识或自主行为习惯为学习未知知识时,所述中控单元向该用户推荐的学习资料的类型为课外读物。
与现有技术相比,本发明的有益效果在于,所述中控单元记录单个用户在单个周期内使用智慧课堂的行为,初步确定用户的使用习惯,根据习惯以及实际结果推荐对应种类的学习资料,中控单元根据用户的课堂习惯确定推荐的学习资料的科目,根据用户的自主习惯确定推荐的学习资料的种类,本发明从实际出发根据用户使用习惯推荐合理的学习资料,提高了用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对推荐学习资料的推荐效率。
进一步地,所述中控单元设有若干预设占比,针对单个所述时间区间,中控单元依次统计用户在预设周期中的该时间区间内的课堂科目、分别计算在预设周期中该时间区间内的各课堂科目的占比以确定用户在该时间区间内的课堂科目习惯从而有针对性的向其推荐合理的学习资料,有效的提高了本发明所述方法针对用户推荐学习资料的推荐效率。
进一步地,所述中控单元设有预设占比差值,若中控单元判定存在多个学科且各学科在预设周期中的对应时间区间内的占比均大于D1,中控单元计算占比最高的学科占比值Da与占比第二高的学科占比值Db的差值△D并将△D与△D0进行比对以对用户在该时间区间内的课堂科目习惯进行确定,通过此设置可以精确的确定用户的课堂科目习惯,从而推荐合理的学习效率,有效的提高了用户对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
进一步地,若△D<△D0,所述中控单元根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定,所述中控单元通过判定学科占比与用户自主学习中时长占比最高的科目是否相同,确定单个时间区间的课堂科目习惯,通过将课堂习惯与自主习惯比对,通过双重验证确定课堂科目习惯,有效的保证了判断的准确性,从而提高了本发明所述方法针对用户推荐学习资料的推荐效率。
进一步地,所述中控单元通过对比用户的不同课堂行为占比,确定单个时间区间的课堂行为习惯,本发明根据用户的课堂兴趣推荐合理的学习资料,提高用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
进一步地,本发明除了从课堂习惯方面推荐用户合理的学习资料,同时从用户的自主行为方面确定用户的自主习惯从而推荐合理的学习资料,本发明通过从课堂习惯和自主习惯多方面的,同时从课堂时间和业余时间多维度的确定用户的使用习惯,从而推荐合理的学习资料,有效的提高了用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
附图说明
图1为本发明所述基于智慧课堂的根据使用习惯推荐学习资料的方法的流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明所述基于智慧课堂的根据使用习惯推荐学习资料的方法的流程图,本发明所述基于智慧课堂的根据使用习惯推荐学习资料的方法包括:
步骤s1,中控单元在用户处于课堂学习阶段时记录用户在多个预设周期中相同的各时间区间内使用智慧课堂的行为以依次确定用户在各时间区间内的课堂习惯;所述课堂习惯包括课堂科目习惯和课堂行为习惯;
步骤s2,所述中控单元在用户处于自主学习阶段时依次确定用户进行单个自主行为的持续时长、使用预设时间区间分别对各自主行为所处的时间区间进行判定以确定用户在自主学习阶段时在各预设时间区间内的实际自主行为;所述自主行为包括自主学习未知知识、自主复习已知知识、自主练习习题和自主解析习题;
步骤s3,所述中控单元在完成对用户在自主学习阶段时在各预设时间区间内的实际自主行为的确定时确定用户的自主行为习惯;
步骤s4,所述中控单元在针对处于课堂学习阶段的用户进行学习资料推荐时根据用户的课堂科目习惯确定推荐资料的科目种类并根据课堂行为习惯确定推荐资料的类型;所述中控单元在针对处于自主学习阶段的用户进行学习资料推荐时根据用户的自主行为习惯推荐对应科目种类及对应类型的学习资料。
具体而言,所述中控单元设有第一预设占比D1和第二预设占比D2,其中D2<D1<1,针对单个所述时间区间,中控单元依次统计用户在预设周期中的该时间区间内的课堂科目、分别计算在预设周期中该时间区间内的各课堂科目的占比以确定用户在该时间区间内的课堂科目习惯;
若存在单个学科,该学科在预设周期中的对应时间区间内的占比D满足D>D1,所述中控单元判定该学科为用户在该时间区间内的课堂科目习惯;
若存在多个学科,各学科在预设周期中的对应时间区间内的占比均大于D1,所述中控单元计算占比最高的学科占比值与占比第二高的学科占比值的差值以对用户在该时间区间内的课堂科目习惯进行确定;
若用户在使用智慧课堂时,各学科的占比均小于D1,且存在多个占比大于D2的学科,所述中控单元判定根据用户在自主学习阶段中的行为对用户在该时间区间内的课堂科目习惯进行进一步确定。
本发明所述中控单元设有若干预设占比,针对单个所述时间区间,中控单元依次统计用户在预设周期中的该时间区间内的课堂科目、分别计算在预设周期中该时间区间内的各课堂科目的占比以确定用户在该时间区间内的课堂科目习惯从而有针对性的向其推荐合理的学习资料,有效的提高了本发明所述方法针对用户推荐学习资料的推荐效率。
具体而言,所述中控单元设有预设占比差值△D0,若中控单元判定存在多个学科且各学科在预设周期中的对应时间区间内的占比均大于D1,中控单元计算占比最高的学科占比值Da与占比第二高的学科占比值Db的差值△D并将△D与△D0进行比对以对用户在该时间区间内的课堂科目习惯进行确定,其中,△D=Da-Db,
若△D≥△D0,所述中控单元将该占比最高的学科判定为用户在该时间区间的课堂科目习惯;
若△D<△D0,所述中控单元判定需要根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定。
本发明所述中控单元设有预设占比差值,若中控单元判定存在多个学科且各学科在预设周期中的对应时间区间内的占比均大于D1,中控单元计算占比最高的学科占比值Da与占比第二高的学科占比值Db的差值△D并将△D与△D0进行比对以对用户在该时间区间内的课堂科目习惯进行确定,通过此设置可以精确的确定用户的课堂科目习惯,从而推荐合理的学习效率,有效的提高了用户对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
具体而言,当△D<△D0时,所述中控单元根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定,
若存在一个科目,该科目与用户在自主学习阶段中时长占比最高的科目相同,所述中控单元判定该科目为用户在该时间区间的课堂科目习惯;
若占比值大于D1的各科目与自主学习中时长占比最高的科目均不同,所述中控单元将学科占比中的最大值对应的学科判定为用户在该时间区间的课堂科目习惯。
若△D<△D0,所述中控单元根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定,所述中控单元通过判定学科占比与用户自主学习中时长占比最高的科目是否相同,确定单个时间区间的课堂科目习惯,通过将课堂习惯与自主习惯比对,通过双重验证确定课堂科目习惯,有效的保证了判断的准确性,从而提高了本发明所述方法针对用户推荐学习资料的推荐效率。
具体而言,所述中控单元在完成对课堂科目习惯的确定时,依次统计各时间区间中的课堂行为以确定在该时间区间中的课堂行为习惯,所述课堂行为包括课堂学习未知知识、课堂复习已知知识、课堂练习习题和课堂解析习题。
具体而言,所述中控单元针对用户预设课堂学习未知知识的行为时间占比为B1、预设课堂复习已知知识的行为时间占比为B2、预设课堂练习习题的行为时间占比为B3和预设课堂解析习题的行为时间占比为B4,通过对比各预设时间占比值大小确定课堂行为习惯,
若用户在课堂学习未知知识的行为时间占比B1为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为学习未知知识;
若用户在课堂复习已知知识的行为时间占比B2为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为复习已知知识;
若用户在课堂练习习题的行为时间占比B3为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为练习习题;
若用户在课堂解析习题的行为时间占比B4为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为解析习题。
本发明所述中控单元通过对比用户的不同课堂行为占比,确定单个时间区间的课堂行为习惯,本发明根据用户的课堂兴趣推荐合理的学习资料,提高用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
具体而言,在所述步骤s2中,所述中控单元使用预设的时间区间分别划分用户的自主行为时长以统计用户在预设周期内的多个时间区间中的自主行为以确定用户在各时间区间中的自主行为习惯,所述自主行为包括自主学习未知知识、自主复习已知知识、自主练习习题和自主解析习题。
具体而言,当所述中控单元在完成对用户在各时间区间中的自主行为习惯划分后,针对单个时间区间,若该时间区间中的自主行为的种类为一种,所述中控单元将用户在该时间区间内的自主行为习惯判定为该自主行为;若该时间区间中的自主行为种类为多种,所述中控单元将该时间区间内时长占比最高的自主行为判定为用户在该时间区间内的自主行为习惯。
本发明除了从课堂习惯方面推荐用户合理的学习资料,同时从用户的自主行为方面确定用户的自主习惯从而推荐合理的学习资料,本发明通过从课堂习惯和自主习惯多方面的,同时从课堂时间和业余时间多维度的确定用户的使用习惯,从而推荐合理的学习资料,有效的提高了用户针对推荐内容的阅读率,进一步地提高了本发明所述方法针对用户推荐学习资料的推荐效率。
具体而言,所述中控单元在完成对用户的课堂习惯的判定时,针对单个时间区间,中控单元根据用户在该时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的课堂行为习惯确定针对该用户的推荐资料的类型;所述中控单元在完成对用户的自主习惯的判定时,针对单个时间区间,中控单元根据用户在相同时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的自主行为习惯确定针对该用户的推荐资料的类型。
具体而言,所述推荐资料的类型包括习题集、参考书和课外读物,
当用户的课堂行为习惯为练习习题或自主行为习惯为练习习题时,所述中控单元向该用户推荐的学习资料的类型为习题集;
当用户的课堂行为习惯为复习已知知识或自主行为习惯为复习已知知识时,所述中控单元向该用户推荐的学习资料的类型为参考书;
当用户的课堂行为习惯为学习未知知识或自主行为习惯为学习未知知识时,所述中控单元向该用户推荐的学习资料的类型为课外读物。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,包括:
步骤s1,中控单元在用户处于课堂学习阶段时记录用户在多个预设周期中相同的各时间区间内使用智慧课堂的行为以依次确定用户在各时间区间内的课堂习惯;所述课堂习惯包括课堂科目习惯和课堂行为习惯;
所述中控单元设有第一预设占比D1和第二预设占比D2,其中D2<D1<1,针对单个所述时间区间,中控单元依次统计用户在预设周期中的该时间区间内的课堂科目、分别计算在预设周期中该时间区间内的各课堂科目的占比以确定用户在该时间区间内的课堂科目习惯;
若存在单个学科,该学科在预设周期中的对应时间区间内的占比D满足D>D1,所述中控单元判定该学科为用户在该时间区间内的课堂科目习惯;
若存在多个学科,各学科在预设周期中的对应时间区间内的占比均大于D1,所述中控单元计算占比最高的学科占比值与占比第二高的学科占比值的差值以对用户在该时间区间内的课堂科目习惯进行确定;
若用户在使用智慧课堂时,各学科的占比均小于D1,且存在多个占比大于D2的学科,所述中控单元判定根据用户在自主学习阶段中的行为对用户在该时间区间内的课堂科目习惯进行进一步确定;
所述中控单元设有预设占比差值△D0,若中控单元判定存在多个学科且各学科在预设周期中的对应时间区间内的占比均大于D1,中控单元计算占比最高的学科占比值Da与占比第二高的学科占比值Db的差值△D并将△D与△D0进行比对以对用户在该时间区间内的课堂科目习惯进行确定,其中,△D=Da-Db,
若△D≥△D0,所述中控单元将该占比最高的学科判定为用户在该时间区间的课堂科目习惯;
若△D<△D0,所述中控单元判定需要根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定;
当△D<△D0时,所述中控单元根据用户在自主学习阶段内的自主行为对用户在该时间区间的课堂科目习惯进行进一步判定,
若存在一个科目,该科目与用户在自主学习阶段中时长占比最高的科目相同,所述中控单元判定该科目为用户在该时间区间的课堂科目习惯;
若占比值大于D1的各科目与自主学习中时长占比最高的科目均不同,所述中控单元将学科占比中的最大值对应的学科判定为用户在该时间区间的课堂科目习惯;
步骤s2,所述中控单元在用户处于自主学习阶段时依次确定用户进行单个自主行为的持续时长、使用预设时间区间分别对各自主行为所处的时间区间进行判定以确定用户在自主学习阶段时在各预设时间区间内的实际自主行为;所述自主行为包括自主学习未知知识、自主复习已知知识、自主练习习题和自主解析习题;
步骤s3,所述中控单元在完成对用户在自主学习阶段时在各预设时间区间内的实际自主行为的确定时确定用户的自主行为习惯;
步骤s4,所述中控单元在针对处于课堂学习阶段的用户进行学习资料推荐时根据用户的课堂科目习惯确定推荐资料的科目种类并根据课堂行为习惯确定推荐资料的类型;所述中控单元在针对处于自主学习阶段的用户进行学习资料推荐时根据用户的自主行为习惯推荐对应科目种类及对应类型的学习资料。
2.根据权利要求1所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,所述中控单元在完成对课堂科目习惯的确定时,依次统计各时间区间中的课堂行为以确定在该时间区间中的课堂行为习惯,所述课堂行为包括课堂学习未知知识、课堂复习已知知识、课堂练习习题和课堂解析习题。
3.根据权利要求2所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,所述中控单元针对用户预设课堂学习未知知识的行为时间占比为B1、预设课堂复习已知知识的行为时间占比为B2、预设课堂练习习题的行为时间占比为B3和预设课堂解析习题的行为时间占比为B4,通过对比各预设时间占比值大小确定课堂行为习惯,
若用户在课堂学习未知知识的行为时间占比B1为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为学习未知知识;
若用户在课堂复习已知知识的行为时间占比B2为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为复习已知知识;
若用户在课堂练习习题的行为时间占比B3为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为练习习题;
若用户在课堂解析习题的行为时间占比B4为最大值,所述中控单元判定用户在该时间区间的课堂行为习惯为解析习题。
4.根据权利要求3所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,在所述步骤s2中,所述中控单元使用预设的时间区间分别划分用户的自主行为时长以统计用户在预设周期内的多个时间区间中的自主行为以确定用户在各时间区间中的自主行为习惯,所述自主行为包括自主学习未知知识、自主复习已知知识、自主练习习题和自主解析习题。
5.根据权利要求4所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,当所述中控单元在完成对用户在各时间区间中的自主行为习惯划分后,针对单个时间区间,若该时间区间中的自主行为的种类为一种,所述中控单元将用户在该时间区间内的自主行为习惯判定为该自主行为;若该时间区间中的自主行为种类为多种,所述中控单元将该时间区间内时长占比最高的自主行为判定为用户在该时间区间内的自主行为习惯。
6.根据权利要求5所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,所述中控单元在完成对用户的课堂习惯的判定时,针对单个时间区间,中控单元根据用户在该时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的课堂行为习惯确定针对该用户的推荐资料的类型;所述中控单元在完成对用户的自主习惯的判定时,针对单个时间区间,中控单元根据用户在相同时间区间内的课堂科目习惯确定针对该用户的推荐资料的科目种类并根据用户在该时间区间内的自主行为习惯确定针对该用户的推荐资料的类型。
7.根据权利要求6所述的基于智慧课堂的根据使用习惯推荐学习资料的方法,其特征在于,所述推荐资料的类型包括习题集、参考书和课外读物,
当用户的课堂行为习惯为练习习题或自主行为习惯为练习习题时,所述中控单元向该用户推荐的学习资料的类型为习题集;
当用户的课堂行为习惯为复习已知知识或自主行为习惯为复习已知知识时,所述中控单元向该用户推荐的学习资料的类型为参考书;
当用户的课堂行为习惯为学习未知知识或自主行为习惯为学习未知知识时,所述中控单元向该用户推荐的学习资料的类型为课外读物。
CN202211252099.5A 2022-10-13 2022-10-13 基于智慧课堂的根据使用习惯推荐学习资料的方法 Active CN115599997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211252099.5A CN115599997B (zh) 2022-10-13 2022-10-13 基于智慧课堂的根据使用习惯推荐学习资料的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211252099.5A CN115599997B (zh) 2022-10-13 2022-10-13 基于智慧课堂的根据使用习惯推荐学习资料的方法

Publications (2)

Publication Number Publication Date
CN115599997A CN115599997A (zh) 2023-01-13
CN115599997B true CN115599997B (zh) 2023-06-13

Family

ID=84846693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211252099.5A Active CN115599997B (zh) 2022-10-13 2022-10-13 基于智慧课堂的根据使用习惯推荐学习资料的方法

Country Status (1)

Country Link
CN (1) CN115599997B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503172A (zh) * 2016-10-25 2017-03-15 天闻数媒科技(湖南)有限公司 基于知识图谱推荐学习路径的方法和装置
CN110083776A (zh) * 2019-06-17 2019-08-02 合肥易尔智能技术有限公司 一种智慧课堂微云服务***
CN113516574A (zh) * 2021-07-27 2021-10-19 北京爱学习博乐教育科技有限公司 基于大数据与深度学习的自适应学习***及其构建方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160082078A (ko) * 2014-12-30 2016-07-08 한국전자통신연구원 교육 서비스 시스템
US20220038778A1 (en) * 2020-07-28 2022-02-03 Microsoft Technology Licensing, Llc Intelligent captioning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503172A (zh) * 2016-10-25 2017-03-15 天闻数媒科技(湖南)有限公司 基于知识图谱推荐学习路径的方法和装置
CN110083776A (zh) * 2019-06-17 2019-08-02 合肥易尔智能技术有限公司 一种智慧课堂微云服务***
CN113516574A (zh) * 2021-07-27 2021-10-19 北京爱学习博乐教育科技有限公司 基于大数据与深度学习的自适应学习***及其构建方法

Also Published As

Publication number Publication date
CN115599997A (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
Price et al. Changes in participants' scientific attitudes and epistemological beliefs during an astronomical citizen science project
Sciuchetti Addressing inequity in special education: An integrated framework for culturally responsive social emotional practice
Diethelm et al. Students, teachers and phenomena: educational reconstruction for computer science education
Mao Student Mobility, Academic Performance, and School Accountability.
CN107481170A (zh) 一种课程推荐方法、装置、选课服务器及存储介质
CN108171629A (zh) 一种课程推荐方法及装置
Belser et al. The influence of career planning on career thoughts in STEM‐interested undergraduates
CN110619772A (zh) 一种数据处理方法、装置、设备及介质
CA2561698A1 (en) Method to assess a person's knowledge of a subject area
CN106251261A (zh) 一种培训方案生成方法及装置
Li et al. Faculty adoption behaviour about web‐based distance education: a case study from China Agricultural University
CN105023214B (zh) 一种题目知识点智能推荐方法
Cox et al. Challenges of teacher diversity training
US8696365B1 (en) System for defining, tracking, and analyzing student growth over time
Commeford et al. Characterizing active learning environments in physics using latent profile analysis
CN115599997B (zh) 基于智慧课堂的根据使用习惯推荐学习资料的方法
CN108109090B (zh) 基于大数据的教育资源共享平台
WO2016101443A1 (zh) 课程表的操作方法及装置
Lee et al. Error-discovery learning boosts student engagement and performance, while reducing student attrition in a bioinformatics course
Gentry et al. Operationalizing a test of a model of the use of simulation games and experiential exercises
Solon et al. Designing, Disseminating and Evaluating a New Online High School Curriculum about COVID-19.
CN112733026A (zh) 一种基于大数据的在线课程推送方法
Visser et al. Computer science for the community: Increasing equitable opportunity for youth through libraries
Guenther Education is the key, but do we need to change the locks
Lodewyck Postsecondary program design for adult learners

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