[發明專利]一種線上教學監督管理方法及系統

有效

• 申請號: 202010477322.0
• 申請日: 2020-05-29
• 公開（公告）號: CN111626372B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 張源
• 申請（專利權）人: 安徽醫學高等專科學校
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06Q10/0639;G06Q50/20;G09B5/08
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 占麗君

本發明提供的線上教學監督管理方法及系統，方法包括以下步驟：預設教師的在線教學特征指標；預設學生的學習行為特征指標；根據所述在線教學特征指標和學習行為特征指標采集學生的歷史學習行為或者是教師的歷史教學行為，以獲得樣本數據；根據所述在線教學特征指標、學習行為特征指標和樣本數據構建并訓練預警模型；獲取學生的實時學習行為或者是教師的實時教學行為，將所述實時學習行為或者是實時教學行為傳輸給訓練好的預警模型，由預警模型輸出分類結果和對應的指標排名；根據所述分類結果和對應的指標排名從預設的干預體系中調取對應的干預措施，執行所述干擾措施。該方法對學生學業預警，并進行針對性地教學干預，保障了線上教學的效果。

技術領域

本發明屬于深度學習技術領域，具體涉及一種線上教學監督管理方法及系統。

背景技術

隨著目前線上教學的發展，人工智能與線上教學的融合成了必然趨勢。線上教學勢在必行，與線上教學資源建設協同發展的是配套的線上教學監督管理系統，線上教學監督管理系統主要包括學業預警和教學干預兩大塊，學業預警主要包括課程考核成績預警。教學干預作為對學習者學習產生影響的介入手段，能夠闡釋學習過程中多方面的要素和關系，能為改善學習績效提供新的思路和視角。

但是現有的線上教學監督管理系統中，大多數的學業預警模型是一個通用的預測模型，不能解決所有課程的復雜性，且這些學業預警模型往往只針對學生行為，往往忽略了教師授課行為。且現有的線上教學監督管理系統并沒有系統的教學干預方法，所以現有的線上教學監督管理系統缺乏適應新時代新技術的監管措施，無法保障線上教學與線下教學效果實質等效。

發明內容

針對現有技術中的缺陷，本發明提供一種線上教學監督管理方法及系統，實現學生學業預警，并進行針對性地教學干預，保障了線上教學的效果。

第一方面，一種線上教學監督管理方法，包括以下步驟：

預設教師的在線教學特征指標；

預設學生的學習行為特征指標；

根據所述在線教學特征指標和學習行為特征指標采集學生的歷史學習行為或者是教師的歷史教學行為，以獲得樣本數據；

根據所述在線教學特征指標、學習行為特征指標和樣本數據構建并訓練預警模型；

獲取學生的實時學習行為或者是教師的實時教學行為，將所述實時學習行為或者是實時教學行為傳輸給訓練好的預警模型，由預警模型輸出分類結果和對應的指標排名；

根據所述分類結果和對應的指標排名從預設的干預體系中調取對應的干預措施，執行所述干擾措施。

優選地，所述在線教學特征指標包括以下一種或幾種指標的組合：

登錄次數、視頻資源數量、授課數量、導入題庫的題目數量、布置作業數量、布置考試數量、上傳視頻數量、引用他人視頻數量、批改作業次數、批改考試次數、課堂教學次數、課堂教學評分、平均在線教學簽到率。

優選地，所述學習行為特征指標包括以下一種或幾種指標的組合：

登錄次數、視頻資源學習進度、每門課程的簽到數量、完成作業數量、完成考試次數、課堂活動參與次數、與教師互動評分、課堂評分、完成課堂問答次數、課堂學習記錄筆記次數。

優選地，所述預警模型的構建和訓練方法包括：

對所述在線教學特征指標和學習行為特征指標進行粗篩選，以獲得篩選指標，對篩選指標進行排序；

由所有的樣本數據構成訓練樣本；

對所述訓練樣本進行k次抽取以獲得k個訓練集；抽取方法包括每次抽取訓練樣本中的n個數據形成一個訓練集，然后再將這些抽取的數據放回到訓練樣本中，再抽取訓練樣本中的n個數據形成另一個訓練集，如此循環，直至抽取k個訓練集；分別對每個訓練集進行訓練，以獲得k個分類器；