[發明專利]基于線上教育平臺數據特征匹配的學生線下教育管理方法

在審

• 申請號: 202211065918.5
• 申請日: 2022-09-01
• 公開（公告）號: CN115294818A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 何罡;何興
• 申請（專利權）人: 深圳市國育未來教育科學研究院
• 主分類號: G09B5/14
• 分類號: G09B5/14;G09B5/06;G06Q50/20
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 盧嬌嬌

1.基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：用戶注冊模塊、用戶登錄安全驗證模塊、用戶成績數據收集模塊、用戶成績檔案生成模塊、用戶成績分析模塊、根據用戶成績調整指定方向模塊，所述用戶注冊模塊用于教育軟件用戶進行個人賬號的創建和登錄，并進行實名認證，所述用戶登錄安全驗證模塊用于對成功登錄的個人賬號進行安全驗證，具體為進行人臉識別，安全驗證通過后的個人賬號才能訪問教育軟件，所述用戶成績數據收集模塊用于收集用戶使用教育軟件時的相關數據，具體為收集用戶使用教育軟件時的視頻數據、音頻數據和互動數據，所述數據收集模塊基于云端大數據庫，同時對改用戶的成績進行收集，所述用戶成績檔案生成模塊用于根據收集的視頻數據、音頻數據和互動數據以及成績生成用戶的個人檔案，所述用戶成績分析模塊用于根據用戶的個人檔案進行數據分析，并得出用戶使用教育軟件時的個人評價數據，所述根據用戶成績調整指定方向模塊根據用戶個人成績數據進行調整指定方向，從而改善學生用戶的偏科現象。

2.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述用戶注冊模塊包括學生端用戶注冊模塊和教師端用戶注冊模塊。

3.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述成績數據由學生用戶在學習完課程后，根據學生用戶所完成的課后練習形成，所述人臉特征包括由攝像頭抓取用戶人臉特征的面積和時間。

4.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述音頻數據由學生用戶在學習時的語音特征和教師用戶在授課時的語音特征組成，所述語音特征包括發言時長和發言頻率。

5.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述互動數據由學生用戶在學習時的參與互動次數特征和教師用戶在授課時的發起互動次數特征組成，所述參與互動次數特征包括參與互動的次數和互動完成率，所述發起互動次數特征包括發起互動的次數和每次參與互動學生數量的百分比。

6.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述用戶成績分析模塊的分析具體步驟包括：

獲取學生用戶的課上互動時所完成的課間提問，同時保證正確的回答和課后練習題目提高正確率；

在同類分組下，對比多個學生用戶的視頻數據、音頻數據和互動數據，并按照從高到低進行排序，并判斷位于最低序列的學生用戶的相關數據是否達到基本線，所述基本線由成績來設定；

若位于最低序列的學生用戶的相關成績數據達到基本線，則判定本次獲取的多個學生用戶均處于良好的學習狀態以及授課老師用戶處于良好的授課狀態；

若位于最低序列的學生用戶的相關成績數據沒有達到基本線，則繼續判斷位于最低序列的上一個序列的學生用戶是否達到基本線，直至判斷到達到基本線的學生用戶停止，最后判斷未達到基本線的學生用戶處于較差的學習狀態以及初步判定授課老師處于異常授課狀態；

獲取該授課老師用戶的視頻數據、音頻數據和互動數據，并進行同類分組；

在同類分組下，判斷該授課老師用戶的相關數據是否達到基本線，所述基本線由系統管理員設定；

若該授課老師用戶的相關數據達到基本線，則最終判定該授課老師處于正常授課狀態；

若該授課老師用戶的相關數據沒有達到基本線，則最終判定該授課老師處于異常授課狀態。

7.根據權利要求1所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于：所述根據用戶成績調整指定方向模塊包括學生用戶的試卷成績和課后習題成績來調整該名學生的指導方向。

8.基于線上教育平臺數據特征匹配的學生線下教育管理方法的使用方法，應用于如權利要求1～7任一項所述的基于線上教育平臺數據特征匹配的學生線下教育管理方法，其特征在于，包括如下步驟：

Step1：對成功登錄教育軟件的用戶進行人臉識別；

Step2：收集學生用戶在學習時的視頻數據、音頻數據和互動數據；

Step3：收集教師用戶在授課時的視頻數據、音頻數據和互動數據；

Step4：獲取多個學生用戶的成績數據、人數數據和互動數據，并進行判定多名學生用戶的學習狀態以及學生的成績，而通過成績使該授課老師需要調整初步授課狀態，所述學生用戶的學習成績分為良好和較差；

Step5：獲得該授課老師的視頻數據、音頻數據和互動數據，并最終判定該授課老師的授課狀態，所述授課老師用戶的授課狀態分為正常和異常；

Step6：對學生用戶的人數統計；

Step7：課后練習統計，課程播放時長統計、課程完播率和出勤率。