[發明專利]基于大數據分析的教學干預策略獲取方法、裝置及設備

在審

• 申請號: 202211243109.9
• 申請日: 2022-10-11
• 公開（公告）號: CN115577940A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 孔卓帆
• 申請（專利權）人: 深圳市承儒科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F16/951;G06N3/04;G06N3/08;G06Q50/20;G06V10/764;G06V10/82
• 代理公司: 深圳市育科知識產權代理有限公司 44509
• 代理人: 李想想

1.一種基于大數據分析的教學干預策略獲取方法，其特征在于，所述方法包括：

采集目標學生的成績數據及采集所述目標學生的影響成績因素數據；

將所述成績數據進行知識點認知分析，得到所述目標學生的知識點認知水平，并利用預設的教學分析模型將所述影響成績因素數據進行影響因素特征分析，得到所述目標學生的影響因素特征分析結果，整合所述知識點認知水平及所述影響因素特征分析結果，得到所述目標學生的學習特征分析結果；

從所述學習特征分析結果中獲取預先設置的學業診斷項目，根據所述學業診斷項目將所述學習特征分析結果進行學習特征的綜合診斷，得到所述目標學生的學習綜合成果診斷報告；

從所述學習綜合成果診斷報告中識別所述目標學生的學習困難因素，根據所述學習困難因素生成教學干預策略。

2.如權利要求1所述的基于大數據分析的教學干預策略獲取方法，其特征在于，所述利用預設的教學分析模型將所述影響成績因素數據進行影響因素特征分析，得到所述目標學生的影響因素特征分析結果，包括：

利用所述教學分析模型分析所述影響成績因素數據的學生社會屬性特征、學生學習環境特征、學生學習動力特征及學生學習心理特征；

匯總所述學生社會屬性特征、所述學生學習環境特征、所述學生學習動力特征及所述學生學習心理特征，得到所述影響因素特征分析結果。

3.如權利要求1所述的基于大數據分析的教學干預策略獲取方法，其特征在于，所述根據所述學業診斷項目將所述學習特征分析結果進行學習特征的綜合診斷，得到所述目標學生的學習綜合成果診斷報告，包括：

從學習特征分析結果中獲取所述學業診斷項目對應的項目信息，提取所述項目信息所屬的項目診斷等級；

根據所述項目信息及所述項目診斷等級識別所述學習特征分析結果中的學習優勢項目及學習劣勢項目；

根據預設的診斷報告模板和預設的報告生成工具整合所述項目信息、所述項目診斷等級、所述學習優勢項目及所述學習劣勢項目，得到所述學習綜合成果診斷報告。

4.如權利要求1所述的基于大數據分析的教學干預策略獲取方法，其特征在于，所述根據所述學習困難因素生成教學干預策略，包括：

根據所述學習困難因素確定所述目標學生的學習習慣，針對所述學習習慣結合多種干預手段生成所述目標學生的教學干預策略，其中，所述多種干預手段包括平臺干預手段、教師干預手段及社會干預手段之中的至少兩項。

5.如權利要求1至4中任一項所述的基于大數據分析的教學干預策略獲取方法，其特征在于，所述采集目標學生的成績數據及采集所述目標學生的影響成績因素數據，包括：

采集所述目標學生的試卷圖像集及問卷圖像集，利用預設的圖像識別模型中的卷積層分別對所述試卷圖像集及所述問卷圖像集進行特征提取，得到試卷特征圖像集及問卷特征圖像集；

利用所述圖像識別模型中的池化層分別對所述試卷特征圖片集及所述問卷特征圖像集進行降維操作，得到試卷降維圖像集及問卷降維圖像集；

利用所述圖像識別模型中的激活函數分別輸出所述試卷降維圖像集及所述問卷降維圖像集，得到所述成績數據及所述影響成績因素數據。

6.如權利要求1至4中任一項所述的基于大數據分析的教學干預策略獲取方法，其特征在于，所述根據所述學習困難因素生成教學干預策略之后，所述方法還包括：

根據所述教學干預策略將所述目標學生劃分為不同干預組別，所述干預組別包括一級待干預組別、二級待干預組別及三級待干預組別；

根據所述目標學生的干預組別進行對應干預操作。