一种基于弹幕评论云数据的在线课程内容测评方法及系统与流程

本发明涉及在线课程内容测评技术领域，尤其涉及一种基于弹幕评论云数据的在线课程内容测评方法及系统。

背景技术

在线课程内容测评现行的主流技术有三种：专家模拟测评、机构自查测评以及学习者调查测评。专家模拟测评主要是在线课程建设初期（未投入正式教学或学习）利用专家来模拟学生身份体验与感知在线课程内容，从而对其质量做出价值评判。机构自查测评是指在线课程内容建设初期（未投入正式教学或学习）培训机构、个人或制作商采用内容自制量表对在线课程内容进行的粗略性评审与把关，其目的在于判断哪些课程符合网络课程基本要求或规范。学习者调查测评是对学习者完成某一或某系列在线课程后（投入正式教学或学习）的总体感知或满意度进行调查，从用户视角反馈得到在线课程内容的质量信息。

然而，上述在线课程内容测评技术数据信息的采集或发生在在线课程内容正式学习前（专家模拟测评、机构自查测评），或发生在在线课程内容正式学习后（学习者调查），尚不能对学习者学习过程的在线课程内容感知信息数据进行采集，难以实现对在线课程内容质量的全过程性、常态化测评与监控。另外，当前测评技术评价颗粒度比较大，大多以整个课程、单元或章节为测评单元，评价及其结果缺乏针对性，无法对在线课程内容微观层面的设计问题进行及时识别与诊断，失去了及时发现课程内容设计问题和纠错的机会，不利于在线课程内容质量优化与改进。此外，传统测评技术还无法连续准确、真实有效的记录学习者学习过程中对在线课程内容质量的评价数据，难以开展基于学习者感知大数据下的在线课程内容质量分析与诊断。

技术实现要素：

鉴于上述现有技术的不足，本发明的目的在于提供一种基于弹幕评论云数据的在线课程内容测评方法及系统，旨在解决现有的测评方法对在线课程内容测评缺乏针对性以及难以实现全过程性与常态化监控的问题。

实现本发明目的的具体技术方案是：

一种基于弹幕评论云数据的在线课程内容测评方法，该方法包括以下具体步骤：

a．将学习者的弹幕评论数据通过学生终端打包发送给弹幕云数据系统；

b．弹幕云数据系统接收、存储与校验上述弹幕评论数据，然后将校验合格的弹幕评论数据直接打包发送至屏幕终端；

c．屏幕终端接收并显示弹幕评论数据，并将该弹幕评论数据所对应的大数据特征值返回至弹幕云数据系统；

d．弹幕云数据系统接收并处理该弹幕评论的历史大数据特征值，并将处理分析结果推送至教师终端；

e．教师终端接收该处理分析结果，根据情绪标签标注点的分布情况，判断课程内容某部分或某片段是否存在异常，并以可视化形式对课程内容的异常部分给教师以信息提示。

所述的基于弹幕评论云数据的在线课程内容测评方法，其中，步骤a所述的学生弹幕评论数据涉及两类：一类是文本评论数据，包括文本评论内容、文本评论数量及其相对于课程内容的时间节点；另一类是情绪标签数据，包括情绪标签类别、情绪标签数量及其相对于课程内容时间节点。这里所述的情绪标签是指能够表达学生学习体验的表情符号。其中，情绪标签的设置涉及对传统弹幕表情符号的技术改造。具体而言，依据在线学习的特性，本发明对传统弹幕表情符号进行了删减与归类处理，保留了点赞、疑问和吐槽三类学习表情参数，我们称之命名为学习情绪标签。此外，还对学生终端的弹幕发送属性进行了设置，限定评论内容必须同时包含文本与情绪标签，才可以正常有效地发送。

所述的基于弹幕评论云数据的在线课程内容测评方法，其中步骤b中所说的校验是指对所述弹幕评论数据进行逻辑处理，其目的在于校验数据的完整性和合法性。

所述的基于弹幕评论云数据的在线课程内容测评方法，其中步骤c所述的弹幕评论所对应的大数据特征值包括：文本评论数量、每条文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量、每个情绪标签所对应的课程内容时间节点等。

所述的基于弹幕评论云数据的在线课程内容测评方法，其中步骤d中所说的处理分析具体是指以接收到的弹幕评论大数据为基础，借助数学统计方法统计与分析弹幕评论历史大数据，得到基于弹幕评论云数据的课程内容质量分析结果。

所述的基于弹幕评论云数据的在线课程内容测评方法，其中步骤e中所述的情绪标签标注点是指在推送给教师端的可视化信息提示中，用于替代与识别情绪标签类别及其意义的不同颜色的“点”。其中，绿色的标注点代表点赞，橙色的标注点代表疑问，红色的标注点代表吐槽。需要特别说明的是，在可视化图表中每一个标注点都是交互性的，与相对应的在线课程内容和弹幕文字评论内容关联。当点击某一点时，会自动呈现并播放与相对应的在线课程内容及其弹幕文本评论。

一种基于弹幕评论云数据的在线课程内容测评系统，该系统包括：

学生终端发送模块，用于将学生的弹幕评论数据发送至弹幕云数据系统；

弹幕云数据系统接收、存储与校验模块，用于接收、存储与校验上述弹幕评论数据；

弹幕云数据系统发送模块，用于将校验合格的弹幕评论数据打包分发至屏幕终端；

屏幕终端接收与显示模块，用于接收并显示弹幕云数据系统发送过来的弹幕评论数据；

屏幕终端返回模块，用于将弹幕评论数据所对应的大数据特征值返回至弹幕云数据系统；

弹幕云数据系统处理与推送模块，用于提取弹幕评论数据所对应的大数据特征值，并进行统计分析，然后将处理分析结果推送至教师终端；

教师终端接收与提示模块，用于接收弹幕评论的历史大数据分析结果，并将情绪标签标注点的分布情况，以可视化的形式给教师以信息提示。

所述基于弹幕评论云数据的在线课程内容测评系统，其中，学生终端发送模块中，所述学生的弹幕评论数据涉及文本评论和情绪评论两类数据，包括文本评论内容、文本评论数量、每条文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量、每个情绪标签相对于课程内容时间节点。学生终端发送模块还涉及到对传统弹幕的表情符号与发送属性的技术改造。对传统弹幕表情进行了删减与归类处理，保留了点赞、疑问和吐槽三类包情，即学习情绪标签。此外，学生终端还对弹幕发送属性进行了重置，设定评论内容必须同时包含文本与情绪标签两类信息才可以正常地发送。

所述基于弹幕评论云数据的在线课程内容测评系统，其中，弹幕云数据系统接收、存储与校验模块中，校验是指对所述弹幕评论数据进行逻辑处理，校验数据的完整性和合法性。

所述基于弹幕评论云数据的在线课程内容测评系统，其中，屏幕返回模块中所述的大数据特征值包括：文本评论数量、所有文本评论所对应的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点。

所述基于弹幕评论云数据的在线课程内容测评系统，其中，弹幕云数据系统处理与推送模块中参与统计的弹幕评论历史大数据主要包括文本评论数量、所有文本评论所对应的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点。

所述基于弹幕评论云数据的在线课程内容测评系统，其中，教师终端接收与提示模块中所述的情绪标签标注点是指在推送给教师端的可视化信息提示中，用于替代与识别情绪标签类别及其意义的不同颜色的“点”。在可视化信息提示中每一个点都是交互性的，与相对应的在线课程内容和弹幕文本评论内容关联。

有益效果：本发明通过在传统的弹幕评论系统架构中，新加入弹幕云数据系统，并对传统弹幕表情符号和发送属性进行了技术改造，专门设置了学习情绪标签用于标识在线课程内容信息。依托本发明的弹幕云数据技术的异常标识及弹幕评论数据样本的校正流程架构及其运作机制，实现实时地、全过程性地对在线课程内容进行标识并加以改进，既可以聚焦于更小颗粒度的课程内容信息，促进在线课程内容设计与质量的优化，还可以实现对在线课程内容进行常态化诊断，提升在线课程内容测评的真实性和准确性。

附图说明

图1为本发明方法实施例流程图；

图2为本发明学生终端评论界面图；

图3为本发明教师终端信息提示图；

图4为本发明系统实施例结构框图。

具体实施方式

本发明提供一种基于弹幕评论云数据的在线课程内容测评方法，为使本发明的目的、技术方案及其效果更加清晰、明确，以下对本发明进一步详细说明。应当理解的是，此处所描述的具体实施仅仅用以解释本发明，并不用于限定本发明。

参阅图1，图1为本发明一种基于弹幕评论云数据的在线课程内容测评方法较佳实施例的流程图，其包括步骤：

s001.将学习者的弹幕评论数据通过学生终端打包发送给弹幕云数据系统；

s002.弹幕云数据系统接收、存储与校验上述弹幕评论数据，然后将校验合格的弹幕评论数据直接打包发送至屏幕终端；

s003.屏幕终端接收并显示弹幕评论数据，并将该弹幕评论数据所对应的大数据特征值返回至弹幕云数据系统；

s004.弹幕云数据系统接收并处理该弹幕评论的历史大数据特征值，并将处理分析结果推送至教师终端；

s005.教师终端接收该处理分析结果，根据情绪标签标注点的分布情况，判断课程内容某部分或某片段是否存在异常，并以可视化形式对课程内容的异常部分给教师以信息提示。

本发明通过在传统的弹幕评论系统架构中，新加入弹幕云数据系统，并对传统弹幕表情符号和发送属性进行了技术改造，专门设置了情绪标签用于标识在线课程内容信息。依托本发明的弹幕云大数据技术的异常标识及弹幕评论数据样本的校正流程架构及其运作机制，实现实时地、全过程性地对在线课程内容进行标识并加以改进，既可以聚焦于更小颗粒度的课程内容信息，促进在线课程内容设计与质量的优化，还可以实现对在线课程内容进行常态化诊断，提升在线课程内容测评的真实性和准确性。

所述步骤s001中，在进行在线课程学习时，每个参与测评的学生都可以通过自己的学生终端向弹幕云数据系统发送弹幕评论数据。具体地，所述学生的弹幕评论数据涉及文本评论数据和情绪评论数据两类，包括文本评论内容、文本评论数量、每条文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量以及每个情绪标签相对于课程内容时间节点。本发明一种基于弹幕评论云数据的在线课程内容测评方法学生终端评论界面，如图2所示。例如，在学习在线课程内容时，每个学生都可通过自己的学生终端将文本评论内容、每条文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量、每个情绪标签相对于课程内容的时间节点发送至弹幕云数据系统。其中，所述的情绪标签类别可以为点赞、疑问或吐槽的任意一种。例如，在一次在线课程学习过程中，学生觉得某一部分课程内容很不容易理解，这时学生可以通过学生终端在文本评论中说明这部分课程内容不容易理解的地方，并用疑问情绪标签对该部分内容进行标识。与此同时，学习终端会自动采集学生的弹幕评论数据，并将其发送至弹幕云数据系统。

所述步骤s002中，弹幕云数据系统接收并存储所有学生发送的弹幕评论数据后，将所述弹幕评论数据的完整性与合法性进行校验，然后将校验合格的弹幕评论数据打包发送至屏幕终端。上述弹幕评论数据的完整性和合法性校验主要是检查各类评论数据是否完整、数据齐全和数据链清晰。例如，在课程内容学习过程中，由于学习终端关机、掉网、网络延迟等异常环境造成的弹幕评论数据异常，这时弹幕云数据系统将从数据指标缺失、数据链自校验等指标进行校验，以确保弹幕评论数据的完整性和合法性。

所述步骤s003中，屏幕终端接收并显示上述弹幕评论数据，并将该弹幕评论数据所对应的大数据特征值返回至弹幕云数据系统。具体地，返回的大数据特征值包括：文本评论数量、所有文本评论所对应的的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点。

所述步骤s004中，弹幕云数据系统接收并处理该弹幕评论的历史大数据特征值，并将处理分析结果推送至教师终端。具体处理的历史大数据特征值主要包括文本评论数量、所有文本评论所对应的的课程内容时间节点、情绪标签类别、情绪标签数量，所有情绪标签所对应的课程内容时间节点。

所述步骤s004还包括步骤处理分析步骤：以接收到的弹幕评论大数据为基础，借助数学统计方法统计与分析弹幕评论历史大数据，得到基于弹幕评论云数据的课程内容质量分析结果。这是由于学生终端会采集每次在线课程学习中的每个学生通过学生终端对课程内容的评价信息，该评价信息即本发明中的弹幕评论数据，然后将各个学生文本评论内容、文本评论数量、所有文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量、所有情绪标签相对于课程内容时间节点等弹幕评论信息发送至弹幕评论云数据系统上并存储。通过日常在线课程内容学习过程的数据积累，便可在弹幕云数据系统上形成每门在线课程的历史评论数据。本发明的弹幕云数据系统实现了对常态化在线课程内容学习过程中的学生评论数据进行连续量化采集，且能够真实有效地详细记录学生对每门课的弹幕评论信息数据，形成学生对每门课的历史弹幕评论大数据。进一步地，本发明可利用数学统计方法，对历史弹幕评论大数据进行统计计算，从而得到每门课的文本评论数量、所有文本评论所对应的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点等大数据特征值。本发明的弹幕云数据系统通过对每门课的历史弹幕评论数据进行统计分析，从而便于教师监控课程内容状态，优化与改进在线课程内容设计，提高课程内容学习效率。

本发明下面将针对情绪标签数量、情绪标签类别及其所对应的课程内容时间节点进行举例说明。例如，根据形成的每门课的历史弹幕评论数据，计算每门课的情绪标签数量、情绪标签类别以及所有情绪标签所对应的课程内容时间节点，即可得到每门课程内容在每个时间节点上的情绪标签分布情况。由情绪标签的类别及数量分布情况，可以大致上判断出课程内容某一部分或某一片段的内容质量设计情况。如果在某部分课程内容上分布的点赞情绪标签比较多且集中，说明学生对该部分课程内容的学习体验比较好，课程内容设计良好；如果在某部分课程内容上分布的疑问情绪标签比较多且集中，说明学生对该部分课程内容不太理解，课程内容设计比较超前，超出学生认知发展区；如果在某部分课程内容上分布的吐槽情绪标签比较多且集中，说明学生对该部分课程内容的学习体验比较槽糕，课程内容设计存在严重问题，应引起教师特别注意。这时教师终端可对课程教师发出预警提示，以便教师及时改进与优化在线课程内容，从而提高课程内容学习效率。

所述步骤s005中，教师终端接收弹幕云数据系统推送的弹幕评论大数据处理分析结果，根据情绪标签在课程内容时间节点上标识与分布情况，判断课程内容某部分或某片段是否存在异常。当判断出课程内容异常时，对异常的课程内容部分给教师以信息提示。即当某部分课程内容分布的疑问情绪标签比较多且集中时，教师端就会提示教师：学生对该部分课程内容不太理解，课程内容设计可能比较超前；当某部分课程内容分布的吐槽情绪标签比较多且集中，教师终端就会提示教师：学生对该部分课程内容的学习体验比较槽糕，课程内容设计存在严重问题，应引起特别注意。当某部分课程内容分布的点赞情绪标签比较多且集中，教师终端就会提示教师：学生对该部分课程内容的学习体验比较好，课程内容设计良好。本发明一种基于弹幕评论云数据的在线课程内容测评方法教师终端信息提示图例，如图3所示。

本发明下面将结合图3对信息提示进行举例说明。例如，当教师终端接收弹幕云数据系统推送的弹幕评论大数据处理分析结果是：某一部分课程内容学生的吐槽情绪标签比较多且集中，在教师端的信息提示中这部分内容对应的红色标注点就比较多且集中；当教师终端接收弹幕云数据系统推送的弹幕评论大数据处理分析结果是：某一部分课程内容学生的疑问情绪标签比较多且集中，在教师端的信息提示中这部分内容对应的橙色标注点就比较多且集中；当教师终端接收弹幕云数据系统推送的弹幕评论大数据处理分析结果是：某一部分课程内容学生的点赞情绪标签比较多且集中，在教师端的信息提示中这部分内容对应的绿色标注点就比较多且集中。教师终端的信息提示中，主要以不同颜色的标注点代表不同的情绪标签内容及其意义。绿色的标注点代表点赞，橙色的标注点代表疑问，红色的标注点代表吐槽。

基于上述方法，本发明还提供一种基于弹幕云数据的在线课程内容测评系统较佳实施例的结构框图，如图4所示，其包括：

学生终端发送模块100，用于将学生的弹幕评论数据发送至弹幕云数据系统；

弹幕云数据系统接收、存储与校验模块200，用于接收、存储与校验上述弹幕评论数据；

弹幕云数据系统发送模块300，用于将校验合格的弹幕评论数据打包分发至屏幕终端；

屏幕终端接收与显示模块400，用于接收并显示弹幕云数据系统发送过来的弹幕评论数据；

屏幕终端返回模块500，用于将弹幕评论数据所对应的大数据特征值返回至弹幕云数据系统；

弹幕云数据系统处理与推送模块600，用于提取弹幕评论数据所对应的大数据特征值，并进行统计分析，然后将处理分析结果推送至教师终端；

教师终端接收与提示模块700，用于接收弹幕评论的历史大数据分析结果，并将情绪标签标注点的分布情况，以可视化的形式给教师以信息提示。

所述学生终端发送模块100中，所述学生的弹幕评论数据具体包括文本评论内容、文本评论数量、每条文本评论相对于课程内容的时间节点、情绪标签类别、情绪标签数量、每个情绪标签相对于课程内容时间节点。此外，学生终端发送模块还涉及到对传统弹幕的表情符号与发送属性的技术改造。

所述弹幕云数据系统接收、存储与校验模块200中，校验是指对所述弹幕评论数据进行逻辑处理，其目的在于校验弹幕评论数据的完整性和合法性。

所述屏幕返回模块500中，所述的大数据特征值包括：文本评论数量、所有文本评论所对应的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点。

所述弹幕云数据系统处理与推送模块600中，参与统计的弹幕评论历史大数据主要包括文本评论数量、所有文本评论所对应的课程内容时间节点、情绪标签类别、情绪标签数量、所有情绪标签所对应的课程内容时间节点。

所述教师终端接收与提示模块700中，所述的情绪标签标注点是指在推送给教师端的可视化信息提示中，用于替代与识别情绪标签类别及其意义的不同颜色的“点”。其中，绿色的标注点代表点赞，橙色的标注点代表疑问，红色的标注点代表吐槽。此外，每一个点都是交互性的，与相对应的在线课程内容和文本评论信息关联。

综上所述，本发明通过在传统的弹幕评论系统架构中，新加入弹幕云数据系统，并对传统弹幕表情符号和发送属性进行了技术改造，专门设置了学习情绪标签用于标识在线课程内容信息。依托本发明的弹幕云数据技术的异常标识及弹幕评论数据样本的校正流程架构及其运作机制，实现实时地、全过程性地对在线课程内容进行标识并加以改进，既可以聚焦于更小颗粒度的课程内容信息，促进在线课程内容设计与质量的优化，还可以实现对在线课程内容进行常态化诊断，提升在线课程内容测评的真实性和准确性。

应当理解的是，本发明应用并不限于上述案例，对本领域普通技术人员来说，可根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。