【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及認(rèn)知教學(xué)，具體涉及一種基于ai智能推薦的教師組課授課系統(tǒng)及方法。
技術(shù)介紹
1、目前，傳統(tǒng)的教學(xué)組課方式往往是按照教學(xué)計劃為教師分配課程，并將課程名單提交到組課系統(tǒng)中；然后學(xué)生根據(jù)學(xué)校制定的培訓(xùn)計劃從組課系統(tǒng)中挑選對應(yīng)的課程。在學(xué)生選課時，由于對課程的內(nèi)容以及教師的教學(xué)方式了解有限，導(dǎo)致學(xué)生選完課程進(jìn)入上課階段時，遇到的教師的教學(xué)方式不符合自身的需求，導(dǎo)致學(xué)生學(xué)習(xí)的積極性降低，進(jìn)而導(dǎo)致教師的授課效率降低。總之，傳統(tǒng)的組課授課方式難以滿足不同學(xué)生的學(xué)習(xí)需求，導(dǎo)致學(xué)生和教師的匹配精準(zhǔn)度底，進(jìn)而導(dǎo)致教學(xué)資源利用率不高。
2、因此，本專利技術(shù)提供一種基于ai智能推薦的教師組課授課系統(tǒng)及方法，以解決上述問題。
技術(shù)實現(xiàn)思路
1、針對上述情況，為克服現(xiàn)有技術(shù)之缺陷，本專利技術(shù)提供了一種基于ai智能推薦的教師組課授課系統(tǒng)及方法，以解決上述傳統(tǒng)的組課授課方式難以滿足不同學(xué)生的學(xué)習(xí)需求，導(dǎo)致學(xué)生和教師的匹配精準(zhǔn)度底，進(jìn)而導(dǎo)致教學(xué)資源利用率不高的問題。
2、為了實現(xiàn)上述目的，本專利技術(shù)采取的技術(shù)方案為：
3、第一方面，本專利技術(shù)提供了一種基于ai智能推薦的教師組課授課方法，包括：獲取學(xué)生的多維度數(shù)據(jù)以及教學(xué)有關(guān)的匹配數(shù)據(jù)，所述多維度數(shù)據(jù)至少包括學(xué)生的學(xué)習(xí)習(xí)慣、學(xué)習(xí)需求、學(xué)習(xí)成績、興趣，所述匹配數(shù)據(jù)至少包括教師的講課風(fēng)格、講課計劃、講課類型；對多維度數(shù)據(jù)和匹配數(shù)據(jù)進(jìn)行預(yù)處理，分別得到對應(yīng)的第一預(yù)處理數(shù)據(jù)和第二預(yù)處理數(shù)據(jù)；采用預(yù)設(shè)智能分配模型對第一預(yù)處理數(shù)
4、優(yōu)選地，所述預(yù)設(shè)智能分配模型的處理過程包括：基于第一預(yù)設(shè)詞庫對第一預(yù)處理數(shù)據(jù)中的學(xué)習(xí)習(xí)慣、學(xué)習(xí)需求和興趣進(jìn)行特征提取，以得到第一特征信息；基于預(yù)設(shè)成績評分標(biāo)準(zhǔn)對第一預(yù)處理數(shù)據(jù)中的學(xué)習(xí)成績進(jìn)行評估，以得到學(xué)生成績優(yōu)劣課程的第二特征信息；對第一特征信息和第二特征信息進(jìn)行融合分析，以得到學(xué)生的綜合特征信息；基于第二預(yù)處理數(shù)據(jù)對教學(xué)資源庫進(jìn)行調(diào)整，以更新教學(xué)資源庫；對綜合特征信息和更新后的教學(xué)資源庫進(jìn)行匹配分析，生成匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表；按照預(yù)設(shè)課程設(shè)計規(guī)則從教學(xué)資源列表中隨機(jī)選出匹配課程，以得到學(xué)生和教師的課程分配結(jié)果；或者，獲取學(xué)生從教學(xué)資源列表中選取的課程數(shù)據(jù)，以得到學(xué)生和教師的課程分配結(jié)果。
5、優(yōu)選地，所述的對綜合特征信息和更新后的教學(xué)資源庫進(jìn)行匹配分析，生成匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表，包括：根據(jù)綜合特征信息，從教學(xué)資源庫中篩選出滿足任一特征信息的第一教學(xué)資源；
6、根據(jù)綜合特征信息的預(yù)設(shè)權(quán)重和各第一教學(xué)資源所包含的特征信息進(jìn)行加權(quán)平均計算，以分別得到各第一教學(xué)資源的匹配度；根據(jù)各第一教學(xué)資源的匹配度，得到匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表；或者，
7、按照各特征信息的預(yù)設(shè)優(yōu)先級順序?qū)C合特征信息進(jìn)行匹配，以得到綜合特征信息對應(yīng)的綜合優(yōu)先級順序，并按照綜合優(yōu)先級順序為綜合特征信息賦予第二預(yù)設(shè)權(quán)重；根據(jù)綜合特征信息的第二預(yù)設(shè)權(quán)重和各第一教學(xué)資源所包含的特征信息進(jìn)行加權(quán)平均計算，以分別得到各第一教學(xué)資源的匹配度；根據(jù)各第一教學(xué)資源的匹配度，得到匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表。
8、優(yōu)選地，所述效果評估模型的處理過程包括三個分析層，其中，第一分析層用于對授課數(shù)據(jù)進(jìn)行分類，以得到各預(yù)設(shè)評估指標(biāo)的因素數(shù)據(jù)；第二分析層用于根據(jù)專家經(jīng)驗建立的權(quán)重數(shù)據(jù)庫查詢并獲取各因素數(shù)據(jù)對應(yīng)的權(quán)重，并根據(jù)因素數(shù)據(jù)和對應(yīng)的權(quán)重，采用加權(quán)平均方法得到各預(yù)設(shè)評估指標(biāo)的評估指標(biāo)數(shù)據(jù)；第三分析層用于獲取評估學(xué)生成績綜合評分的評估指標(biāo)數(shù)據(jù)，并根據(jù)評估指標(biāo)數(shù)據(jù)和對應(yīng)的第三預(yù)設(shè)權(quán)重進(jìn)行計算，以得到學(xué)生成績的綜合評分；第四分析層用于對各評估指標(biāo)數(shù)據(jù)和對應(yīng)的第四預(yù)設(shè)權(quán)重進(jìn)行加權(quán)分析，以得到智能分配總體評分。
9、優(yōu)選地，所述第三分析層的評估指標(biāo)至少包括成績指標(biāo)、互動指標(biāo)、成績變化指標(biāo)、學(xué)習(xí)進(jìn)度指標(biāo)、參與指標(biāo)。
10、優(yōu)選地，所述互動指標(biāo)數(shù)據(jù)的計算過程包括：獲取授課過程中的錄像數(shù)據(jù)；采用圖像分析模型提取錄像數(shù)據(jù)中互動視頻數(shù)據(jù)和音頻數(shù)據(jù)；對互動視頻數(shù)據(jù)和音頻數(shù)據(jù)進(jìn)行分析，計算學(xué)生互動時長占教師總互動時長的比例，根據(jù)所述比例確定第一互動數(shù)據(jù)；將音頻數(shù)據(jù)轉(zhuǎn)換成文字?jǐn)?shù)據(jù)，對文字?jǐn)?shù)據(jù)進(jìn)行關(guān)聯(lián)性分析，確定學(xué)生與教師互動信息的關(guān)聯(lián)度，以得到第二互動數(shù)據(jù)；根據(jù)第一互動數(shù)據(jù)和第二互動數(shù)據(jù)以及對應(yīng)的預(yù)設(shè)權(quán)重確定互動指標(biāo)數(shù)據(jù)。
11、優(yōu)選地，所述的根據(jù)效果評估結(jié)果對預(yù)設(shè)智能分配模型進(jìn)行調(diào)整，以優(yōu)化預(yù)設(shè)智能分配模型，包括：獲取效果評估結(jié)果中的異常評價指標(biāo)，并根據(jù)異常評價指標(biāo)獲取對應(yīng)的記錄數(shù)據(jù)；獲取專家根據(jù)異常評價指標(biāo)和記錄數(shù)據(jù)制定的調(diào)整策略；根據(jù)調(diào)整策略調(diào)整預(yù)設(shè)智能分配模型。
12、優(yōu)選地，一種基于ai智能推薦的教師組課授課方法還包括：獲取學(xué)生輸入的組課信息，對組課信息進(jìn)行分析，根據(jù)預(yù)設(shè)組課詞庫提取組課信息中的關(guān)鍵特征；根據(jù)關(guān)鍵特征調(diào)整預(yù)設(shè)智能分配模型中對應(yīng)的綜合特征信息的綜合優(yōu)先級順序。
13、優(yōu)選地，一種基于ai智能推薦的教師組課授課方法還包括：采用加密算法對記錄的學(xué)生數(shù)據(jù)和教師數(shù)據(jù)進(jìn)行加密；并采用生物識別方法以及設(shè)置訪問權(quán)限對訪問人員進(jìn)行驗證。
14、第二方面，本專利技術(shù)提供了一種基于ai智能推薦的教師組課授課系統(tǒng)，包括：數(shù)據(jù)采集模塊，用于獲取學(xué)生的多維度數(shù)據(jù)以及教學(xué)有關(guān)的匹配數(shù)據(jù)，所述多維度數(shù)據(jù)至少包括學(xué)生的學(xué)習(xí)習(xí)慣、學(xué)習(xí)需求、學(xué)習(xí)成績、興趣，所述匹配數(shù)據(jù)至少包括教師的講課風(fēng)格、講課計劃、講課類型；
15、數(shù)據(jù)預(yù)處理模塊，用于對多維度數(shù)據(jù)和匹配數(shù)據(jù)進(jìn)行預(yù)處理，分別得到對應(yīng)的第一預(yù)處理數(shù)據(jù)和第二預(yù)處理數(shù)據(jù)；
16、課程分配模塊，采用預(yù)設(shè)智能分配模型對第一預(yù)處理數(shù)據(jù)、第二預(yù)處理數(shù)據(jù)以及教學(xué)資源庫進(jìn)行匹配分析，以得到學(xué)生和教師的課程分配結(jié)果；
17、數(shù)據(jù)獲取模塊，根據(jù)課程分配結(jié)果進(jìn)行授課，獲取授課階段的授課數(shù)據(jù)，所述授課數(shù)據(jù)至少包括學(xué)生的各成績數(shù)據(jù)、學(xué)生評價數(shù)據(jù)、學(xué)生課堂參與數(shù)據(jù)、教師評價數(shù)據(jù)、資源利用率；
18、效果評估模塊，采用層次分析法構(gòu)建的效果評估模型對授課數(shù)據(jù)進(jìn)行評估分析，以得到課程分配結(jié)果的效果評估結(jié)果；
19、模型優(yōu)化模塊，根據(jù)效果評估結(jié)果對預(yù)設(shè)智能分配模型進(jìn)行調(diào)整，以優(yōu)化預(yù)設(shè)智能分配模型。
20、本專利技術(shù)的有益效果為：
21、1、本專利技術(shù)采用了預(yù)設(shè)智能分配模型對學(xué)生的多維度數(shù)據(jù)、對應(yīng)的匹配數(shù)據(jù)以及教學(xué)資源庫進(jìn)行優(yōu)化匹配分析，來得到滿足學(xué)生多樣化需求的課程分配結(jié)果；按照課程分配結(jié)果進(jìn)入授課階本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于AI智能推薦的教師組課授課方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的教師組課授課方法，其特征在于，所述預(yù)設(shè)智能分配模型的處理過程包括：
3.根據(jù)權(quán)利要求2所述的教師組課授課方法，其特征在于，所述的對綜合特征信息和更新后的教學(xué)資源庫進(jìn)行匹配分析，生成匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表，包括：根據(jù)綜合特征信息，從教學(xué)資源庫中篩選出滿足任一特征信息的第一教學(xué)資源；
4.根據(jù)權(quán)利要求1所述的教師組課授課方法，其特征在于，所述效果評估模型的處理過程包括四個分析層，其中，第一分析層用于對授課數(shù)據(jù)進(jìn)行分類，以得到各預(yù)設(shè)評估指標(biāo)的因素數(shù)據(jù)；第二分析層用于根據(jù)專家經(jīng)驗建立的權(quán)重數(shù)據(jù)庫查詢并獲取各因素數(shù)據(jù)對應(yīng)的權(quán)重，并根據(jù)因素數(shù)據(jù)和對應(yīng)的權(quán)重，采用加權(quán)平均方法得到各預(yù)設(shè)評估指標(biāo)的評估指標(biāo)數(shù)據(jù)；第三分析層用于獲取評估學(xué)生成績綜合評分的評估指標(biāo)數(shù)據(jù)，并根據(jù)評估指標(biāo)數(shù)據(jù)和對應(yīng)的第三預(yù)設(shè)權(quán)重進(jìn)行計算，以得到學(xué)生成績綜合評分；第四分析層用于對各評估指標(biāo)數(shù)據(jù)和對應(yīng)的第四預(yù)設(shè)權(quán)重進(jìn)行加權(quán)分析，以得到智能分配總體評分。
5.根據(jù)權(quán)利要求4所述的教
6.根據(jù)權(quán)利要求4所述的教師組課授課方法，其特征在于，所述互動指標(biāo)數(shù)據(jù)的計算過程包括：獲取授課過程中的錄像數(shù)據(jù)；采用圖像分析模型提取錄像數(shù)據(jù)中互動視頻數(shù)據(jù)和音頻數(shù)據(jù)；對互動視頻數(shù)據(jù)和音頻數(shù)據(jù)進(jìn)行分析，計算學(xué)生互動時長占教師總互動時長的比例，根據(jù)所述比例確定第一互動數(shù)據(jù)；將音頻數(shù)據(jù)轉(zhuǎn)換成文字?jǐn)?shù)據(jù)，對文字?jǐn)?shù)據(jù)進(jìn)行關(guān)聯(lián)性分析，確定學(xué)生與教師互動信息的關(guān)聯(lián)度，以得到第二互動數(shù)據(jù)；根據(jù)第一互動數(shù)據(jù)和第二互動數(shù)據(jù)以及對應(yīng)的預(yù)設(shè)權(quán)重確定互動指標(biāo)數(shù)據(jù)。
7.根據(jù)權(quán)利要求6所述的教師組課授課方法，其特征在于，所述的根據(jù)效果評估結(jié)果對預(yù)設(shè)智能分配模型進(jìn)行調(diào)整，以優(yōu)化預(yù)設(shè)智能分配模型，包括：獲取效果評估結(jié)果中的異常評價指標(biāo)，并根據(jù)異常評價指標(biāo)獲取對應(yīng)的記錄數(shù)據(jù)；獲取專家根據(jù)異常評價指標(biāo)和記錄數(shù)據(jù)制定的調(diào)整策略；根據(jù)調(diào)整策略調(diào)整預(yù)設(shè)智能分配模型。
8.根據(jù)權(quán)利要求3所述的教師組課授課方法，其特征在于，還包括：
9.根據(jù)權(quán)利要求1所述的教師組課授課方法，其特征在于，還包括：
10.一種基于AI智能推薦的教師組課授課系統(tǒng)，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種基于ai智能推薦的教師組課授課方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的教師組課授課方法，其特征在于，所述預(yù)設(shè)智能分配模型的處理過程包括：
3.根據(jù)權(quán)利要求2所述的教師組課授課方法，其特征在于，所述的對綜合特征信息和更新后的教學(xué)資源庫進(jìn)行匹配分析，生成匹配度滿足預(yù)設(shè)展示規(guī)則的教學(xué)資源列表，包括：根據(jù)綜合特征信息，從教學(xué)資源庫中篩選出滿足任一特征信息的第一教學(xué)資源；
4.根據(jù)權(quán)利要求1所述的教師組課授課方法，其特征在于，所述效果評估模型的處理過程包括四個分析層，其中，第一分析層用于對授課數(shù)據(jù)進(jìn)行分類，以得到各預(yù)設(shè)評估指標(biāo)的因素數(shù)據(jù)；第二分析層用于根據(jù)專家經(jīng)驗建立的權(quán)重數(shù)據(jù)庫查詢并獲取各因素數(shù)據(jù)對應(yīng)的權(quán)重，并根據(jù)因素數(shù)據(jù)和對應(yīng)的權(quán)重，采用加權(quán)平均方法得到各預(yù)設(shè)評估指標(biāo)的評估指標(biāo)數(shù)據(jù)；第三分析層用于獲取評估學(xué)生成績綜合評分的評估指標(biāo)數(shù)據(jù)，并根據(jù)評估指標(biāo)數(shù)據(jù)和對應(yīng)的第三預(yù)設(shè)權(quán)重進(jìn)行計算，以得到學(xué)生成績綜合評分；第四分析層用于對各評估指標(biāo)數(shù)據(jù)和對應(yīng)的第四預(yù)設(shè)權(quán)重進(jìn)行加權(quán)分析，以得到智能分配總體評分。
5.根據(jù)權(quán)利要求4所述的教師組課授課方法，其特征在于，所述第三分析層的評估指標(biāo)至少...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王偉，任紅，
申請(專利權(quán))人：北京指課科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。