一种教学管理平台中消息提醒自主发送方法及系统与流程

本发明涉及在线教学管理领域，尤其涉及一种教学管理平台中消息自主发送方法及系统。

背景技术：

来越多的领域开始广泛使用互联网，教育领域也不例外。在教育领域中，教学管理是非常重要的内容，学生的学习效果是判断教学管理是否成功的主要依据，而学习过程的监控是确保学习效果的前提。学习过程中，作业和考试是最能够反映学生学习效果的依据，掌握这两部分的数据就可以帮助教学管理查缺补漏。现阶段，越来越多的教学任务都是在互联网上进行，作业和考试也是如此，缺少人为的现场监控，如何实现在线监控，就成了在线教学管理平台中的难题。

现有的教学管理平台中的在线管理基本都是延续使用传统教学模式，督促教师或者班主任去打电话、qq或者微信人为的管理学生去及时完成作业或者考试，并没有一个非常合理的在线监控方法，从而导致了教师或者班主任的繁重的工作量，而这工作量主要是用于联系并提醒学生及时参加考试或者是完成作业，所以如果能设计一种平台中自主发送作业或者考试的消息提醒的方法，那么就会大大提高教学管理的工作效率。

现有的教学管理中消息提醒方法存在的问题有：①考虑的消息提醒自动发送的场景少，缺乏灵活性，例如场景是考试还是课程中的作业，不同场景的消息提醒时间是不一样的，如果全部一刀切，会出现消息提醒不及时或者消息过多两种极端；②很多在线教育平台中并没有设置消息提醒的功能，不利于教学管理，因为传统的教学模式的深远影响，很多学生还是依赖于通过教师现场的督促来学习，这不利于培养学生的自主学习能力，而在互联网教育模式下，教师的现场督促作用会变弱，加入消息提醒，可以在线督促学生，并培养学生自主学习的意识。

技术实现要素：

有鉴于此，本发明提出了一种教学管理平台中在线作业或考试的消息提醒自主发送方法及装置，用于解决现有教学管理平台中消息提醒不及时或者消息提醒过多的极端情况。

本发明第一方面，提出一种教学管理平台中消息提醒自主发送方法，所述方法包括：

s1、获取教师创建的任务场景类型、创建任务时间和对应的任务参数，实时监测学生的任务提交状态，所述任务场景类型包括考试场景和作业场景；

s2、在考试场景下，根据创建任务时间确定考试通知时间、根据任务提交状态确定消息提醒对象，根据对应的任务参数确定考试预告、考试提交提醒的时间，根据任务场景类型及消息提醒时间确定消息提醒的具体内容，向消息提醒对象发送考试通知、考试预告、考试提交提醒；

s3、在作业场景下，根据创建任务时间确定作业通知时间，根据任务提交状态确定消息提醒对象，提取作业属性特征并使用随机森林的算法确定作业难易程度，根据作业难易程度确定作业提交提醒的时间，向消息提醒对象发送作业通知、作业提交提醒。

优选的，在考试场景下，所述对应的任务参数包括考试的题目、考试开始时间、考试结束时间、考试时长；在作业场景下，所述对应的任务参数包作业标题、作业内容、和提交时间。

优选的，所述步骤s2具体为：

将所述创建考试的时间作为考试通知的时间，向每一位需参加考试的学生发布考试通知信息，消息提醒的具体内容为考试的题目、开始时间、结束时间和考试时长；

获取考试开始时间starttime，设定时长t0，若starttime-t0比创建考试的时间晚，向每一位需参加考试的学生发布考试预告信息；

在考试结束时间之前获取每位学生的任务提交状态，考试提交提醒的对象为还没有提交考试的学生，考试提交提醒的时间为考试结束时间之前duration*15分钟。

优选的，所述步骤s3具体为：

在作业创建时，向每一位学生发布作业通知，通知内容为作业标题、作业内容和提交时间；

在作业提交时间之前获取每位学生的任务提交状态，作业提交提醒的对象为没有提交作业的学生；确定本次作业的难易度level值，作业提交提醒的时间为作业提交时间之前level*30分钟；

所述确定本次作业的难易度level值的方法为：将作业的难易度分为难、中、易三种难易度，对应level取值为3、2、1，提取作业属性特征，所述属性特征包括本次作业中包含的知识点个数x1、本次作业对应章节的视频资源的时长x2、上一次作业平均成绩x3、学生类别x4、章节重要程度x5；依次使用所述五个属性特征作为决策树的根节点构建决策树，每个学生都对所述的五个属性特征进行决策树判断，通过五轮的决策树判断得出5个决策结果，得票数最高的结果即为难易度level的值。

优选的，所述步骤s4中，所述依次使用所述五个属性特征作为决策树的根节点构建决策树具体为：

①第一次使用知识点个数x1作为决策树的根节点，判断依据如下：

当x1>5个时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当3≤x1≤5个时，继续判断学生类别x4，如果学生类别是本科生，则难易度为中，学生类别是专升本或专科生，则难易度为易；

当x1<3个时，继续判断上一次作业的平均成绩x3，如果x3≥60分，则本次难易度为中，如果x3<60分，则本次难易度为易；②第二次使用章节对应的视频资源的时长x2作为决策树的根节点，判断依据如下：

当x2>20分钟时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当10≤x2≤20分钟时，继续判断学生类别x4，如果学生类别是本科生，则难易度为中，学生类别是专升本或专科生，则难易度为易；

当x2<10分钟时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

③第三次使用上一次作业的平均成绩x3作为决策树的根节点，判断依据如下：

当x3>80分时，继续判断学生类别x4，如果学生类别是本科生，则难易度为难，学生类别是专升本或专科生，则难易度为中；

当60≤x3≤80时，继续判断章节重要程度x5，如果章节重要，则难易度为中，章节一般或不重要，难易度为易；

当x3<60时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

④第四次使用学生类别x4作为决策树的根节点，判断依据如下：

当学生类别为本科生时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当学生类别为专升本时，继续判断视频资源的时长x2，如果x2≥10分钟，则难易度为中，x2<10分钟，难易度为易；

当学生类别为专科生时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

⑤第五次使用章节重要程度x5作为决策树的根节点，判断依据如下：

当章节重要程度为重要时，继续判断学生类别x4，如果学生类别是本科生，则难易度为难，学生类别是专升本或专科生，则难易度为中；

当章节重要程度为一般时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

当章节重要程度为不重要时，继续判断视频资源的时长x2，如果x2≥10分钟，则难易度为中，x2<10分钟，难易度为易。

本发明第二方面，提供一种教学管理平台中消息提醒自主发送系统，所述系统包括：

参数获取模块：用于获取教师创建的任务场景类型、创建任务时间和对应的任务参数，实时监测学生的任务提交状态，所述任务场景类型包括考试场景和作业场景；

考试提醒模块：用于在考试场景下，根据创建任务时间确定考试通知时间，向所有对象发送考试通知；根据任务提交状态确定消息提醒对象，根据对应的任务参数确定考试预告、考试提交提醒的时间，根据任务场景类型及消息提醒时间确定消息提醒的具体内容，向消息提醒对象发送考试预告、考试提交提醒；

作业提醒模块：用于在作业场景下，根据创建任务时间确定作业通知时间，向所有对象发送作业通知；根据任务提交状态确定消息提醒对象，提取作业属性特征并依次使用所述属性特征作为决策树的根节点构建决策树，使用随机森林的算法确定作业难易程度，根据作业难易程度确定作业提交提醒的时间，向消息提醒对象发送作业提交提醒。

本发明的相对于现有技术具有以下有益效果：

(1)采用随机森林算法自动评价作业难易程度，进而根据作业难易程度的不同在不同时间进行作业提交提醒，充分考虑学生实际需求。

(2)同时考虑了在线考试和作业两种应用场景，避免消息提醒的“一刀切”，从而合理的避免了消息提醒不及时或者消息过多的情况，且针对性更强，考虑了多个参数，灵活应用于不同的教学场景；

(3)减少人为的监督造成得依赖思想，在线消息提醒自助发送的模式会让学生学会及时查看消息并完成任务，从而提高学生自主学习意识。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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为本发明实施例提供的教学管理平台中消息提醒自主发送方法流程示意图；

图2为本发明实施例提供的考试场景下的消息提醒自主发送流程图；

图3为本发明实施例提供的作业场景下的消息提醒自主发送流程图；

图4为本发明实施例提供的使用知识点个数x1作为根节点决策树图；

图5位本发明实施例提供的使用章节对应的视频资源的时长x2作为根节点的决策树图；

图6为本发明实施例提供的使用上一次作业的平均成绩x3作为根节点决策树图；

图7为本发明实施例提供的使用学生类别x4作为根节的点决策树图；

图8为本发明实施例提供的使用章节重要程度x5作为根节点的决策树图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，本发明提出一种教学管理平台中消息提醒自主发送方法，所述方法包括：

s1、获取教师创建的任务场景类型、创建任务时间和对应的任务参数，实时监测学生的任务提交状态，所述任务场景类型包括考试场景和作业场景；

s2、在考试场景下，根据创建任务时间确定考试通知时间、根据任务提交状态确定消息提醒对象，根据对应的任务参数确定考试预告、考试提交提醒的时间，根据任务场景类型及消息提醒时间确定消息提醒的具体内容，向消息提醒对象发送考试通知、考试预告、考试提交提醒；

s3、在作业场景下，根据创建任务时间确定作业通知时间，根据任务提交状态确定消息提醒对象，提取作业属性特征并使用随机森林的算法确定作业难易程度，根据作业难易程度确定作业提交提醒的时间，向消息提醒对象发送作业通知、作业提交提醒。

本发明的教学管理平台同时考虑了在线考试和作业两种应用场景，教师根据需求选择创建考试还是作业，本实施例子中，假设job表示任务场景类型，jobcreatetime表示任务创建时间，starttime表示任务开始时间，endtime表示任务结束时间，duration表示任务时长(单位小时)，level表示任务难易度，notice表示任务预告时间，content表示消息提醒的具体内容，issubmit为学生的任务提交状态，用于表示学生是否提交任务。

当教师创建了一个具体的任务后，以上参数的值就会确定，根据本发明提出的消息提醒自主发送方法得出具体的消息提醒次数、时间、对象和内容。

(1)假设教师创建的是考试，请参阅图2，将任务场景类型job赋值为1。创建考试的过程中会设置考试的题目、开始时间、结束时间、考试时长等任务参数，并记录创建考试的时间，因此参数starttime、endtime、duration和jobcreatetime都会确定，根据任务场景类型和对应的任务参数即可确定消息提醒时间和内容：

1)考试通知：在创建考试成功的第一时间，向每一位需参加考试的学生发布考试通知信息，即在jobcreatetime发布考试通知提醒消息，内容content为考试题目、考试开始时间、结束时间、考试时长等信息。

2)考试预告：获取考试开始时间starttime(单位为小时)，设定时长t0，将starttime-t0赋值给任务预告时间notice，若notice比创建考试的时间晚，即notice>jobcreatetime，在任务预告时间notice向每一位需参加考试的学生发布考试预告信息；如果时间比jobcreatetime早，则不发布考试预告信息。若t0＝1小时，则是在考试开始之前1个小时向每一位需参加考试的学生发布考试预告消息，内容content为“距离考试开始还有一个小时，请及时参加”。

3)考试提交提醒：获取学生的任务提交状态，考试提交提醒的对象为还没有提交考试的学生，即issubmit＝fasle的学生，通知时间根据考试时长duration确定，duration在创建在线考试时获取，单位为小时，考试提交提醒的时间为考试结束时间endtime提前duration*15分钟；例如考试时长为2小时，那么在考试结束时间endtime之前半小时提醒提交，内容content为“距离考试结束还有duration*15分钟，请及时提交”，其中表达式duration*15应为具体的时间。

(2)假设教师创建的是作业，比如章节对应的预习作业、课后作业、课堂作业等多种类型，请参阅图3，将任务场景类型job赋值为2。创建作业的过程中，会设置作业标题、作业内容和提交时间，同时记录作业创建时间，因此参数jobcreatetime、content、endtime都会确定，那么确定消息提醒的时间和内容如下：

1)作业通知：作业不同于考试，作业的创建时间就是作业的开始时间，即jobcreatetime＝starttime，所以在作业创建时，应向每一位学生发布作业通知，内容content为作业标题、作业内容、提交时间等信息。

2)作业提交提醒：通知对象为还没有提交作业的学生，即issubmit为fasle的学生，作业提交提醒的通知时间根据作业的难易度level确定，

所述确定本次作业的难易度level值的方法为：将作业的难易度分为难、中、易三种难易度，对应level取值为3、2、1，难度越大，level值越大；本发明采用随机森林模型计算本次作业难易度，随机森林是一种在共拥有m个特征的决策树中随机选择k个特征组成n棵决策树，再选择预测结果模式，首先提取本次作业属性特征，所述属性特征包括本次作业中包含的知识点个数x1、本次作业对应章节的视频资源的时长x2、上一次作业平均成绩x3、学生类别x4、章节重要程度x5。使用随机森林算法时，假设班级有n个学生，那么每个学生都会有以上五个属性特征数据。每个学生都对以上的五个属性特征进行决策树判断，而决策树的节点依次使用以上五个特征。依次使用所述五个属性特征作为决策树的根节点构建决策树，具体为：

①第一次使用知识点个数x1作为决策树的根节点，如图4所示，判断依据如下：

当x1>5个时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当3≤x1≤5个时，继续判断学生类别x4，如果学生类别是本科生，则难易度为中，学生类别是专升本或专科生，则难易度为易；

当x1<3个时，继续判断上一次作业的平均成绩x3，如果x3≥60分，则本次难易度为中，如果x3<60分，则本次难易度为易；其中分数均为100分制。

②第二次使用章节对应的视频资源的时长x2作为决策树的根节点，如图5所示，判断依据如下：

当x2>20分钟时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当10≤x2≤20分钟时，继续判断学生类别x4，如果学生类别是本科生，则难易度为中，学生类别是专升本或专科生，则难易度为易；

当x2<10分钟时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

③第三次使用上一次作业的平均成绩x3作为决策树的根节点，如图6所示，判断依据如下：

当x3>80分时，继续判断学生类别x4，如果学生类别是本科生，则难易度为难，学生类别是专升本或专科生，则难易度为中；

当60≤x3≤80时，继续判断章节重要程度x5，如果章节重要，则难易度为中，章节一般或不重要，难易度为易；

当x3<60时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

④第四次使用学生类别x4作为决策树的根节点，如图7所示，判断依据如下：

当学生类别为本科生时，继续判断章节重要程度x5，如果章节重要，则难易度为难，章节一般或不重要，难易度为中；

当学生类别为专升本时，继续判断视频资源的时长x2，如果x2≥10分钟，则难易度为中，x2<10分钟，难易度为易；

当学生类别为专科生时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

⑤第五次使用章节重要程度x5作为决策树的根节点，如图8所示，判断依据如下：

当章节重要程度为重要时，继续判断学生类别x4，如果学生类别是本科生，则难易度为难，学生类别是专升本或专科生，则难易度为中；

当章节重要程度为一般时，继续判断本次作业或者考试中包含的知识点个数x1，如果x1≥3个，则难易度为中，x1<3个则难易度为易；

当章节重要程度为不重要时，继续判断视频资源的时长x2，如果x2≥10分钟，则难易度为中，x2<10分钟，难易度为易。

通过上述五轮的决策树判断得出5个决策结果，得票数最高的结果即为难易度level的值。

作业提交提醒的时间为提交时间endtime前的level*30分钟，例如难度为中，则在提交时间endtime前60分钟发送提醒消息。提醒的内容content为“距离提交时间还有level*30分钟，请及时完成作业并提交”，其中表达式level*30应为具体的时间。

本发明采用随机森林模型评价每次作业的难易程度，根据作业的难易度level确定作业提交提醒的时间，充分考虑了每个学生写作业过程中的实际情况，避免消息提醒不及时、过多或者消息提醒时间过早，能有效跟随学生的实际学习情况，及时督促学生按时完成学习任务。

与所述方法实施例相对应，本发明还提供同一种教学管理平台中消息提醒自主发送系统，所述系统包括：

参数获取模块：用于获取教师创建的任务场景类型、创建任务时间和对应的任务参数，实时监测学生的任务提交状态，所述任务场景类型包括考试场景和作业场景；

考试提醒模块：用于在考试场景下，根据创建任务时间确定考试通知时间，向所有对象发送考试通知；根据任务提交状态确定消息提醒对象，根据对应的任务参数确定考试预告、考试提交提醒的时间，根据任务场景类型及消息提醒时间确定消息提醒的具体内容，向消息提醒对象发送考试预告、考试提交提醒；

作业提醒模块：用于在作业场景下，根据创建任务时间确定作业通知时间，向所有对象发送作业通知；根据任务提交状态确定消息提醒对象，提取作业属性特征并依次使用所述属性特征作为决策树的根节点构建决策树，使用随机森林的算法确定作业难易程度，根据作业难易程度确定作业提交提醒的时间，向消息提醒对象发送作业提交提醒。

以上方法实施例与系统实施例时一一对应的，系统实施例简述之处请参阅方法实施例即可。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。