[發(fā)明專利]一種針對學(xué)生小組合作學(xué)習(xí)智能分組的方法

在審

• 申請?zhí)枺?/td>: 201711216325.3
• 申請日: 2017-11-28
• 公開（公告）號: CN107909285A
• 公開（公告）日: 2018-04-13
• 發(fā)明（設(shè)計(jì)）人: 李康;單江濤
• 申請（專利權(quán)）人: 東莞優(yōu)閃電子科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/10;G06Q50/20
• 代理公司: 北京輕創(chuàng)知識產(chǎn)權(quán)代理有限公司11212
• 代理人: 談杰

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，具體為一種針對學(xué)生小組合作學(xué)習(xí)智能分組的方法。

背景技術(shù)

小組合作學(xué)習(xí)就是以合作學(xué)習(xí)小組為基本形式，系統(tǒng)利用教學(xué)中動態(tài)因素之間的互動，促進(jìn)學(xué)生的學(xué)習(xí)，以團(tuán)體的成績?yōu)樵u價(jià)標(biāo)準(zhǔn)，共同達(dá)成教學(xué)目標(biāo)的教學(xué)活動。

目前，現(xiàn)有小組合作學(xué)習(xí)的分組模式是：教師指定小組成員，根據(jù)考試成績確定小組成員，學(xué)生自己分組等形式，存在的缺陷是分組沒有科學(xué)數(shù)據(jù)的依據(jù)或者不靈活。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種針對學(xué)生小組合作學(xué)習(xí)智能分組的方法，以解決上述背景技術(shù)中提出的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

本發(fā)明公開了一種針對學(xué)生小組合作學(xué)習(xí)智能分組的方法，具體步驟如下：

（1）、數(shù)據(jù)采集：利用信息化教育工具收集學(xué)生課堂、課外學(xué)習(xí)數(shù)據(jù)，例如：考試成績、搶答次數(shù)、課堂筆記記錄次數(shù)、課堂筆記查閱次數(shù)；

（2）、z-score規(guī)范化：變換后各維特征有0均值，單位方差，也叫z-score規(guī)范化（零均值規(guī)范化），計(jì)算方式是將特征值減去均值，除以標(biāo)準(zhǔn)差；

（3）、特征選擇：利用皮爾遜相關(guān)系數(shù)分析自變量與因變量之間的相關(guān)性，根據(jù)計(jì)算出皮爾遜相關(guān)系數(shù)得出自變量與因變量之間的相關(guān)程度；

（4）、SVM分類模型：利用learn核函數(shù)把科目按興趣分為A、B、C、D四類。

作為優(yōu)選，所述的步驟（3）和（4）中，所述（3）中皮爾遜相關(guān)系數(shù)在（0.5，1）之間對應(yīng)（4）中的A組，所述（3）中的皮爾遜相關(guān)系數(shù)在（0，0.5）之間對應(yīng)（4）中的B組，所述（3）中皮爾遜相關(guān)系數(shù)在（0，-0.5）之間對應(yīng)（4）中C組，所述（3）中皮爾遜相關(guān)系數(shù)在（-0.5，-1）之間對應(yīng)（4）中D組。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

在本發(fā)明所述的針對學(xué)生小組合作學(xué)習(xí)智能分組的方法中，根據(jù)科學(xué)的數(shù)據(jù)建立有監(jiān)督學(xué)習(xí)學(xué)生模型，把學(xué)生按不同科目分為A、B、C、D四個(gè)等級，實(shí)現(xiàn)按不同科目、不同等級分組，并可以按照數(shù)據(jù)隨時(shí)更新小組成員，有較高的靈活性。

附圖說明

圖1是學(xué)習(xí)小組分組流程圖。

具體實(shí)施方式

本發(fā)明公開了一種針對學(xué)生小組合作學(xué)習(xí)智能分組的方法，具體步驟如下：

（1）、數(shù)據(jù)采集：利用信息化教育工具收集學(xué)生課堂、課外學(xué)習(xí)數(shù)據(jù)，例如：考試成績、搶答次數(shù)、課堂筆記記錄次數(shù)、課堂筆記查閱次數(shù)；

（2）、z-score規(guī)范化：變換后各維特征有0均值，單位方差，也叫z-score規(guī)范化（零均值規(guī)范化），計(jì)算方式是將特征值減去均值，除以標(biāo)準(zhǔn)差；

（3）、特征選擇：利用皮爾遜相關(guān)系數(shù)分析自變量與因變量之間的相關(guān)性，根據(jù)計(jì)算出皮爾遜相關(guān)系數(shù)得出自變量與因變量之間的相關(guān)程度；

（4）、SVM分類模型：利用learn核函數(shù)把科目按興趣分為A、B、C、D四類。

作為優(yōu)選，所述的步驟（3）和（4）中，所述（3）中皮爾遜相關(guān)系數(shù)在（0.5，1）之間對應(yīng)（4）中的A組，所述（3）中的皮爾遜相關(guān)系數(shù)在（0，0.5）之間對應(yīng)（4）中的B組，所述（3）中皮爾遜相關(guān)系數(shù)在（0，-0.5）之間對應(yīng)（4）中C組，所述（3）中皮爾遜相關(guān)系數(shù)在（-0.5，-1）之間對應(yīng)（4）中D組。

教師通過記錄學(xué)生每堂課的考試成績、搶答次數(shù)、課堂筆記記錄次數(shù)、課堂筆記查閱次數(shù)，并通過z=(x-μ)/σ計(jì)算得出學(xué)生考試成績、搶答次數(shù)、課堂筆記記錄次數(shù)、課堂筆記查閱次數(shù)所對應(yīng)科目的標(biāo)準(zhǔn)評分，然后通過皮爾遜公式

計(jì)算出自變量與因變量之間的相關(guān)程度，再根據(jù)皮爾遜相關(guān)系數(shù)的大小，將科目按學(xué)生興趣分為A、B、C、D四類。

通過上述學(xué)生模型能夠得到：

學(xué)生1=[B,A,C,A,B,C,A,D,D]

學(xué)生2=[C,A,D,B,A,C,C,D,C]

學(xué)生3=[A,C,A,A,B,A,A,A,A]

學(xué)生4=[B,A,B,A,A,A,B,B,C]

學(xué)生5=[C,D,D,C,D,D,D,D,D]

學(xué)生6=[D,B,C,D,A,B,B,C,B]

現(xiàn)在按對語文感興趣把學(xué)生1{B}、學(xué)生2{C}、學(xué)生3{A}、學(xué)生6{D}分為一組，按對數(shù)學(xué)感興趣把學(xué)生1{A}、學(xué)生3{C}、學(xué)生5{D}、學(xué)生6{B}分為一組，這樣我們就可以把學(xué)生按不同科目的掌握程度分成合作學(xué)習(xí)小組，同時(shí)根據(jù)數(shù)據(jù)隨時(shí)調(diào)整學(xué)生分組。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。