本发明属于教育领域,尤其涉及一种学习行为分析方法及系统。
背景技术:
学生的学习行为以及学习习惯往往很难被观察或监督,现有的方案只是在教学中教师利用自身的观察力对学生进行监督,也就是完全依靠人力完成,但成本高,效果不精准。
技术实现要素:
本发明的目的在于克服上述现有技术的不足,提供一种能自动监督的学习行为分析方法及系统。
本发明是这样实现的,一种学习行为分析方法,包括:
获取第一客户终端的操作数据和页面内容;
根据数据模型对操作数据和页面内容进行分析获取超出范围的数据;
对超出范围的数据自动对其进行纠正。
进一步地,根据数据模型对操作数据和页面内容进行分析获取包括超出范围的数据的分析结果,并将所述分析结果发送至第二客户终端。
进一步地,数据模组根据做题数据、题目批改结果、题目基础数据模型建立。
进一步地,题目基础数据模型根据平均做题耗时、平均手写耗时、手写分布率和手写离散率建立。
进一步地,根据数据模型对操作数据和页面内容进行分析获取超出范围的数据包括:
根据数据模型获取个体偏差,
根据操作数据和页面内容和个体偏差分析当前操作数据是否超出范围。
进一步地,根据个体偏差和个体属性建立个体画像;
将多个个体画像组合分析确认个体习惯。
一种学习行为分析系统,包括:
获取装置,用于获取第一客户终端的操作数据和页面内容;
分析装置,用于根据数据模型对操作数据和页面内容进行分析获取超出范围的数据;
纠正装置,用于对超出范围的数据自动对其进行纠正。
进一步地,所述分析装置还用于根据数据模型对操作数据和页面内容进行分析获取包括超出范围的数据的分析结果;所述系统还包括发送装置,所述发送装置用于将所述分析结果发送至第二客户终端。
进一步地,所述系统还包括:
第一获取装置,用于获取根据做题数据、题目批改结果、题目基础数据模型建立的数据模组。
进一步地,所述系统还包括:
第二获取装置,用于获取根据平均做题耗时、平均手写耗时、手写分布率和手写离散率建立的题目基础数据模型。
上述学习行为分析方法通过获取第一客户终端的操作数据和页面内容;然后根据数据模型对操作数据和页面内容进行分析获取超出范围的数据;最后对超出范围的数据自动对其进行纠正。可以在几乎零成本的情况下全程监控学生的一切学习行为及习惯,并发现其中缺点和不良行为进行改进。可以解决家长没有足够时间监控孩子的学习行为和学习习惯的问题,解决教师面对学生太多无暇顾及每一位学生造成对学生学习行为和学习习惯无法监控的问题,并可以针对学生不良的学习行为和学习习惯进行改进。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种学习行为分析方法的流程图。
图2是本发明实施例提供的另一种学习行为分析方法的流程图。
图3是本发明实施例提供的又一种学习行为分析方法的流程图。
图4是本发明实施例提供的一种学习行为分析系统的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
如图1所示,本发明实施例提供的一种学习行为分析方法包括步骤s110-s130。具体的:
s110:获取第一客户终端的操作数据和页面内容;
s120:根据数据模型对操作数据和页面内容进行分析获取超出范围的数据;
s130:对超出范围的数据自动对其进行纠正。
本实施例可以在几乎零成本的情况下全程监控学生的一切学习行为及习惯,并发现其中缺点和不良行为进行改进。可以解决家长没有足够时间监控孩子的学习行为和学习习惯的问题,解决教师面对学生太多无暇顾及每一位学生造成对学生学习行为和学习习惯无法监控的问题,并可以针对学生不良的学习行为和学习习惯进行改进。
第一客户终端可以是学生学习智能终端,第一客户终端可以在后台记录学生的行为及操作数据,可以是翻页动作、手写笔写入动作、以及发生的位置、力度及时间等等,并上传至服务器。
其中翻页动作可以包括两种:点击固定位置前后翻页以及向左/右滑动翻页。翻页动作可以用来精确计算学生的做题时间,可以在第一客户终端对练习的界面设计成每页只显示一道题,那么翻页动作发生的时间就是精确的某一道题做完的时间和下一道题开始的时间。
对超出范围的数据自动对其进行纠正可以为进行文字提示、语音播报等,如长时间未翻页,可以提示语音“还有一题未完成”等。
具体的,根据数据模型对操作数据和页面内容进行分析获取包括超出范围的数据的分析结果,并将所述分析结果发送至第二客户终端。第二客户端可以是教师端,可以是家长的手机、电脑等。让教师和家长能及时了解学生的学习行为和学习习惯,对其中不良的学习行为和学习习惯进行改进,对好的学习行为和学习习惯进行配合和鼓励,提高学生的学习积极性,培养好的学习行为和学习习惯。教师端可以获取大量的学生学习行为和学习习惯,进行系统的总结分析,针对性的对某个学生进行改进。分析结果不仅包括超出范围的,也包括学生常规的,方便教师和家长全面了解学生的学习行为和学习习惯。
其中,数据模组根据做题数据、题目批改结果、题目基础数据模型建立。具体的,题目基础数据模型根据平均做题耗时、平均手写耗时、手写分布率和手写离散率建立。
可选地,根据数据模型对操作数据和页面内容进行分析获取超出范围的数据包括:根据数据模型获取个体偏差,根据操作数据和页面内容和个体偏差分析当前操作数据是否超出范围。
通过模型的方式能更准确的获取学生的学习行为和学习习惯,
在一个实施例中,可以根据个体偏差和个体属性建立个体画像;将多个个体画像组合分析确认个体习惯。
具体的,如图2所示,如学生a做题,系统收集该做题数据,该题批改结果、该题基础数据模型和该学生用户画像;然后确认过程中是否发生异常情况,如果有则可以通知老师及家长,还可以进行自动纠正。
如图3所示,其中题目基础数据模型可以通过题目a集体做题原始数据的平均做题耗时、平均手写耗时、手写分布率、手写离散率等数据建立,然后结合用户a题目a个人解题数据形成用户a个体偏差,根据用户a个体偏差和用户a题目b做题数据确认数据是否处于个体偏差范围内,还可以根据用户a个体偏差和用户a个人数据建立用户a画像,同理根据用户a画像、用户b画像等多个用户画像精确用户画像分析确定用户习惯偏好。
如图4所示,本实施例为一种学习行为分析系统,包括获取装置220、分析装置230和纠正装置240。其中:获取装置220用于获取第一客户终端的操作数据和页面内容;分析装置230用于根据数据模型对操作数据和页面内容进行分析获取超出范围的数据;纠正装置240用于对超出范围的数据自动对其进行纠正。
本实施例可以在几乎零成本的情况下全程监控学生的一切学习行为及习惯,并发现其中缺点和不良行为进行改进。可以解决家长没有足够时间监控孩子的学习行为和学习习惯的问题,解决教师面对学生太多无暇顾及每一位学生造成对学生学习行为和学习习惯无法监控的问题,并可以针对学生不良的学习行为和学习习惯进行改进。
第一客户终端可以是学生学习智能终端,第一客户终端可以在后台记录学生的行为及操作数据,可以是翻页动作、手写笔写入动作、以及发生的位置、力度及时间等等,并上传至服务器。
对超出范围的数据自动对其进行纠正可以为进行文字提示、语音播报等,如长时间未翻页,可以提示语音“还有一题未完成”等。
具体的,所述分析装置还用于根据数据模型对操作数据和页面内容进行分析获取包括超出范围的数据的分析结果;所述系统还包括发送装置,所述发送装置用于将所述分析结果发送至第二客户终端。
第二客户端可以是教师端,可以是家长的手机、电脑等。让教师和家长能及时了解学生的学习行为和学习习惯,对其中不良的学习行为和学习习惯进行改进,对好的学习行为和学习习惯进行配合和鼓励,提高学生的学习积极性,培养好的学习行为和学习习惯。教师端可以获取大量的学生学习行为和学习习惯,进行系统的总结分析,针对性的对某个学生进行改进。分析结果不仅包括超出范围的,也包括学生常规的,方便教师和家长全面了解学生的学习行为和学习习惯。
其中,所述系统还包括第一获取装置,该第一获取装置用于获取根据做题数据、题目批改结果、题目基础数据模型建立的数据模组。
可选地,所述系统还包括第二获取装置,该第二获取装置用于获取根据平均做题耗时、平均手写耗时、手写分布率和手写离散率建立的题目基础数据模型。
通过模型的方式能更准确的获取学生的学习行为和学习习惯。
在一个实施例中,该系统还可以根据个体偏差和个体属性建立个体画像;将多个个体画像组合分析确认个体习惯。
上述实施方式中的学习行为分析方法和学习行为分析系统可以应用在所有教育的领域,包括早教、k12、高校及职业教育,只需要让学生在相应的电子终端上完成所有学习流程即可,但面对不同领域需要建立不同的数据分析模型。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。