一种云教育平台的数据采集分析方法、系统及终端与流程

1.本技术涉及云教育学习的领域，尤其是涉及一种云教育平台的数据采集分析方法、系统及终端。


背景技术：

2.线上教育是指通过应用信息科技和互联网技术进行内容传播和快速学习状态的方法，随着互联网的快速发展，线上教育已经普及到我们每一个人，线上教育由于教学时间灵活、资源丰富受到人们的喜欢。
3.相关技术中，针对中小学上在家上云教育学习平台的时候，由于云教育学习平台教师不能像在教室那样及时地对学生进行监督，而且由于屏幕的空间有限，老师也不能时刻观看到每个人的学习状态。
4.针对上述中的相关技术，发明人认为，上云教育学习平台由于缺乏监督，导致部分不自觉的学生在云教育学习平台学习状态的时候容易开小差，老师无法掌握学生的学习情况。


技术实现要素：

5.为了便于老师掌握学生在云教育平台的学习情况，本技术提供一种云教育平台的数据采集分析方法、系统及终端。
6.本技术提供的一种云教育平台的数据采集分析方法、系统及终端采用如下的技术方案：一种云教育平台的数据采集分析方法，包括：获取当前时间；基于所述当前时间，判断所述当前时间是否在学习时间；若在所述学习时间，则获取学生的面部信息；基于所述面部信息，初步判断学生是否在学习状态；若初步判断学生不在学习状态，则获取学生的脉搏跳动次数改变量；基于所述脉搏跳动次数改变量，进一步判断学生是否在学习状态；若所述脉搏跳动次数改变量超过改变阈值，则确认学生不在学习状态；若所述脉搏跳动次数改变量未超过改变阈值，则确认学生在学习状态。
7.通过采用上述技术方案，在云教育学习平台都有固定的时间，根据当前的时间是否处于学习时间，判断现在是否在上云教育学习平台，如果在学习时间内，获取学生的面部信息，通过面部信息初步判断学生是否在认真学习状态，如果没有初步判断没有在学习状态，为了防止判断出错，在结合学生的脉搏跳动次数进一步的判断学生是否真的在认真学习状态，比如学生在打游戏的情况下，脉搏的跳动次数相对来说不会保持平稳状态，如果学生的脉搏不是平稳状态，那么判定学生没有在学习状态，如果是平稳状态，证明仅仅根据面部信息来判断出现了错误，根据学生上云教育学习平台时面部信息和脉搏跳动来判断学生
上云教育学习平台时候的学习状态，便于老师掌握学生在云教育平台的学习情况。
8.可选的，所述基于所述面部信息，初步判断学生是否在学习状态包括：分析所述面部信息，获取学生的眼睛聚焦方向；判断所述眼睛聚焦方向是否朝向屏幕；若所述眼睛聚焦方向面向屏幕，则获取屏幕截图判断学生是否在学习状态；若所述眼睛聚焦方向不面向屏幕，则获取学生的头部姿态判断学生是否在学习状态。
9.通过采用上述技术方案，分析学生的面部信息，获取到学生的目光是否盯着电脑屏幕，如果在盯着电脑屏幕的情况下，要结合屏幕截图来判断是否在学习状态，如果眼睛没有盯着屏幕，也不能简单地认为没有在认真学习状态，根据学生的头部姿态来判断是否在学习状态，判断学生是否在学习状态的时候，结合多种情况判断，提高判断结果的准确性。
10.可选的，所述获取学生的头部姿态判断学生是否在学习状态包括：基于学生的头部姿态，判断所述学生的头部姿态是否为低头；若所述头部姿态为低头，则获取低头时间；判断低头时间是否大于低头阈值；若所述低头时间大于低头阈值，则判断学生不在学习状态。
11.通过采用上述技术方案，当眼睛没有盯着屏幕的时候，根据学生的头部姿态来判断学生是否在学习状态，如果学生低着头且低头的时间很长，那么很可能是在做其他与学习状态无关的事情，此时得出判断结果，该学生当前没有在学习状态。
12.可选的，所述获取屏幕截图判断学生是否在学习状态包括：基于所述屏幕截图，判断学生是否在学习状态；若屏幕截图内只有云教育学习平台页面，则学生在学习状态；若屏幕截图内有其他页面，则学生没有在学习状态。
13.通过采用上述技术方案，当学生的眼睛盯着屏幕的时候，也不能简单地判定学生当前处于学生状态，学生可能盯着电脑或手机等智能产品的屏幕但是却在做其他的事情，此时通过获取到学生上课时所使用的电脑设备的屏幕截图，分析屏幕截图内的内容，如果屏幕截图内有除开云教育学习平台等其他页面，那么判断学生没有在学习，如果屏幕截图内只有云教育学习平台这一个页面，进一步结合学生盯着电脑屏幕的时间来判断是否在学习，防止学生只是短时间盯着屏幕实际没有学习的情况。
14.可选的，所述获取所述眼睛聚焦方向面向屏幕的聚焦时间判断学生是否在学习状态包括：获取所述眼睛聚焦方向面向屏幕的聚焦时间；判断所述聚焦时间是否大于时间阈值；若所述聚焦时间大于时间阈值，则判断学生在学习状态；若所述聚焦时间不大于时间阈值，则获取所述眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态。
15.通过采用上述技术方案，在屏幕内只存在云教育学习平台页面的时候，根据学生盯着电脑屏幕的时间来判断学生是否在学习，如果学生在通过云教育平台学习的时候，只是偶尔盯着电脑屏幕，那么也不能判定学生在学习，必须盯着屏幕的时间达到一定的时间
阈值，才能判断学生当前的状态确实在学习，如果学生的目光离开了屏幕，此时需要结合学生眼睛离开的时间来判断学生离开屏幕是不是真的不在学习，有可能只是短时间的走神或者去拿东西等原因导致视线离开了屏幕，将做出错误判断的概率尽可能地降低。
16.可选的，所述获取所述眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态包括：判断所述眼睛聚焦方向离开屏幕的时间是否大于所述走神阈值；若所述眼睛聚焦方向离开屏幕的时间大于所述走神阈值，则判断学生不在学习状态；若所述眼睛聚焦方向离开屏幕的时间不大于所述走神阈值，则判断学生在学习状态。
17.通过采用上述技术方案，如果学生眼神离开屏幕的时间大于走神阈值，那么证明学生此刻已经没有在云教育平台上学习，转而去做了其他的事情，因此判定学生不在学习状态，如果学生只是视线短暂的离开屏幕，那么学生此时也是在学习状态。
18.可选的，所述确认学生不在学习状态之后包括：获取学生账号；基于所述学生账号，获取学生姓名并进行扣分记录。
19.通过采用上述技术方案，获取学生登录云教育学习平台的学生账号，根据学生的登录账号匹配学生的姓名，并对不在学习状态的学生进行扣分，便于老师对学生进行评优。
20.第二方面，本技术提供了一种云教育平台的数据采集分析系统。
21.一种云教育平台的数据采集分析系统，包括：获取模块，用于获取当前时间；第一判断模块，用于基于所述当前时间，判断所述当前时间是否在学习时间；第二获取模块，用于若在所述学习时间，则获取学生的面部信息；第二判断模块，用于基于所述面部信息，初步判断学生是否在学习状态；第三获取模块，用于若初步判断学生不在学习状态，则获取学生的脉搏跳动次数改变量；第三判断模块，用于基于所述脉搏跳动次数改变量，进一步判断学生是否在学习状态；第一执行模块，用于若所述脉搏跳动次数改变量超过改变阈值，则确认学生不在学习状态；第二执行模块，用于若所述脉搏跳动次数改变量未超过改变阈值，则确认学生在学习状态。
22.通过采用上述技术方案，第一获取模块获取当前时间，第一判断模块判断当前时间是否在学习时间内，第二获取模块在学习时间内获取学生的面部信息，第二判断模块根据面部信息判断是否在学习，第三获取模块在学生不在学习状态的时候获取脉搏跳动改变量，第三判断模块根据脉搏跳动改变量判断学生是否不在学习状态，第一执行模块在脉搏跳动改变量超过改变阈值的时候，确认学生不在学习状态，第二执行模块在脉搏跳动改变量没超过改变阈值的时候，确认学生在学习状态。便于老师掌握学生在云教育平台的学习情况。
23.第三方面，本技术提供一种终端设备，采用如下的技术方案：一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了上述的一种云教育平台的数据采集分析方法。
24.通过采用上述技术方案，通过将上述的一种云教育平台的数据采集分析方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而，根据存储器及处理器制作终端设备，方便使用。
25.综上所述，本技术包括以下有益技术效果：在云教育学习平台都有固定的时间，根据当前的时间是否处于学习时间，判断现在是否在上云教育学习平台，如果在学习时间内，获取学生的面部信息，通过面部信息初步判断学生是否在认真学习状态，如果没有初步判断没有在学习状态，为了防止判断出错，在结合学生的脉搏跳动次数进一步的判断学生是否真的在认真学习状态，比如学生在打游戏的情况下，脉搏的跳动次数相对来说不会保持平稳状态，如果学生的脉搏不是平稳状态，那么判定学生没有在学习状态，如果是平稳状态，证明仅仅根据面部信息来判断出现了错误，根据学生上云教育学习平台时面部信息和脉搏跳动来判断学生上云教育学习平台时候的学习状态，在学习状态不好的时候进行提醒，提高学生的通过云教育平台的学习状态效率。
附图说明
26.图1是本技术实施例一种云教育平台的数据采集分析方法的方法流程图；图2是本技术实施例基于面部信息，初步判断学生是否在学习状态的方法流程图；图3是本技术实施例获取学生的头部姿态判断学生是否在学习状态的方法流程图；图4是本技术实施例获取屏幕截图判断学生是否在学习状态的方法流程图；图5是本技术实施例获取眼睛聚焦方向面向屏幕的聚焦时间判断学生是否在学习状态的方法流程图；图6是本技术实施例获取眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态的方法流程图；图7是本技术实施例确认学生不在学习状态之后的方法流程图；图8是本技术实施例一种云教育平台的数据采集分析系统的系统框图。
27.附图标记说明：1、第一获取模块；2、第一判断模块；3、第二获取模块；4、第二判断模块；5、第三获取模块；6、第三判断模块；7、第一执行模块；8、第二执行模块。
具体实施方式
28.以下结合全部附图对本技术作进一步详细说明。
29.本技术实施例公开一种云教育平台的数据采集分析方法，参照图1，包括：s100、获取当前时间。
30.具体的，当前时间为现在的北京时间。
31.s110、基于当前时间，判断当前时间是否在学习时间。
32.具体的，通过云教育平台进行线上学习，都是设置有学习的时间段的，比如早上8
点到10为语文学习时间，比如当前的时间为背景时间8点10分，那么此刻就是在学习时间内。
33.s120、若在学习时间，则获取学生的面部信息。
34.具体的，面部信息为通过摄像头拍摄的学生上云教育学习平台的时候的脸部影像。
35.s130、基于面部信息，初步判断学生是否在学习状态。
36.具体的，分析面部信息，可以从中获取到学生的眼睛的目光朝向、头部姿态和面部表情等信息，学习状态为学生当前是否在认真学习。
37.s140、若初步判断学生不在学习状态，则获取学生的脉搏跳动次数改变量。
38.具体的，脉搏跳动次数的改变量为在一定时间内的脉搏跳动的改变，比如某学生脉搏为80次/分钟，某时刻他的脉搏变成了110次/分钟，那么脉搏的改变量即为30次/分钟，脉搏的跳动次数可以通过佩戴脉搏检测的相关电子设备，比如具有脉搏检测功能的电子手表来检测。
39.s150、基于脉搏跳动次数改变量，进一步判断学生是否在学习状态。
40.具体的，为防止仅仅通过面部信息判断学生是否处于学习状态判断不准确，将学生的脉搏变化考虑进去，结合起来判断学生是否在学习状态，提高判断的准确度。
41.s160、若脉搏跳动次数改变量超过改变阈值，则确认学生不在学习状态。
42.具体的，改变阈值为预先设置在执行主体内，判断学生的情绪有没有较大的波动，比如在打游戏的时候，人的脉搏就不会保持平稳状态，在云教育平台学习的时候，脉搏突然发生较大的变化，那么也证明学生没有在学习状态，而是在做其他事情，比如打游戏。
43.s170、若脉搏跳动次数改变量未超过改变阈值，则确认学生在学习状态。
44.本技术实施例的实施原理为：上云教育学习平台都有固定的时间，根据当前的时间是否处于学习时间，判断现在是否在上云教育学习平台，如果在学习时间内，获取学生的面部信息，通过面部信息初步判断学生是否在认真学习状态，如果没有初步判断没有在学习状态，为了防止判断出错，在结合学生的脉搏跳动次数进一步的判断学生是否真的在认真学习状态，比如学生在打游戏的情况下，脉搏的跳动次数相对来说不会保持平稳状态，如果学生的脉搏不是平稳状态，那么判定学生没有在学习状态，如果是平稳状态，证明仅仅根据面部信息来判断出现了错误，根据学生上云教育学习平台时面部信息和脉搏跳动来判断学生上云教育学习平台时候的学习状态，便于老师掌握学生在云教育平台的学习情况。
45.参照图2，基于面部信息，初步判断学生是否在学习状态包括：s200、分析面部信息，获取学生的眼睛聚焦方向。
46.具体的，在云教育平台学习的时候，人的视线应该是目视前方的，通过分析影像中的脸部影像，获取到学生的眼睛聚焦方向是否为面向屏幕的。
47.s210、判断眼睛聚焦方向是否朝向屏幕。
48.具体的，如果在学习时间内，学生的视线都没有看着屏幕，那么此学生很大概率没有在学习状态。
49.s220、若眼睛聚焦方向面向屏幕，则获取屏幕截图判断学生是否在学习状态。
50.具体的，屏幕截图为每一个通过云教育平台学习的学生的屏幕，可以为电脑、平板以及手机等智能终端的屏幕截图。在眼睛聚焦方向盯着屏幕的时候，如果学生盯着电脑屏
幕却没有做与学习有关的事情，比如一般打开云教育学习平台学习，一遍打开网络电视剧，这种情况虽然学生盯着电脑屏幕但是也没有在学习，因此需要结合屏幕截图的具体内容来判断。
51.s230、若眼睛聚焦方向不面向屏幕，则获取学生的头部姿态判断学生是否在学习状态。
52.具体的，当学生的眼睛都没有盯着电脑屏幕的时候，此时学生也有可能在学习，比如在进行算式的演练，也可能是弯腰低头捡东西这种情况出现，因此在根据学生的头部姿态判断是否在学习。头部姿态为学生此时头的姿势，比如低头和歪头等。
53.本技术实施例基于面部信息，初步判断学生是否在学习状态的实施原理为：分析学生的面部信息，获取到学生的目光是否盯着电脑屏幕，如果在盯着电脑屏幕的情况下，要结合屏幕截图来判断是否在学习状态，如果眼睛没有盯着屏幕，也不能简单地认为没有在认真学习状态，根据学生的头部姿态来判断是否在学习状态，判断学生是否在学习状态的时候，结合多种情况判断，提高判断结果的准确性。
54.参照图3，获取学生的头部姿态判断学生是否在学习状态包括：s300、基于学生的头部姿态，判断学生的头部姿态是否为低头。
55.具体的，头部姿态也可以通过摄像头拍摄获取，当学生处没有看向屏幕而是低着头的时候，有可能不在学习状态，根据低头时间进一步地去判断是否不在学习状态。
56.s310、若头部姿态为低头，则获取低头时间。
57.具体的，低头时间为检测到学生低头到现在的时间。
58.s320、判断低头时间是否大于低头阈值。
59.具体的，低头阈值为预设的判断学生不在学习状态的最长时间，比如低头阈值为10分钟，当检测到学生低头的时间超过10分钟，就判定学生不在学习。
60.s330、若低头时间大于低头阈值，则判断学生不在学习状态。
61.s340、若低头时间不大于低头阈值，则判断学生在学习状态。
62.本技术实施例获取学生的头部姿态判断学生是否在学习状态的实施原理为：当眼睛没有盯着屏幕的时候，根据学生的头部姿态来判断学生是否在学习状态，如果学生低着头且低头的时间很长，那么很可能是在做其他与学习状态无关的事情，此时得出判断结果，该学生当前没有在学习状态。
63.参照图4，获取屏幕截图判断学生是否在学习状态包括：s400、基于屏幕截图，判断学生是否在学习状态。
64.具体的，屏幕截图的是通过电脑、手机和平板等智能终端设备截取的学生上云教育学习平台时的屏幕截图，屏幕截图的截取时间是不定时的截取，截取次数也是随机截取，仅仅在学生盯着电脑屏幕的时候才会去触发屏幕截取的功能。
65.s410、若屏幕截图内只有云教育学习平台页面，则获取眼睛聚焦方向面向屏幕的聚焦时间判断学生是否在学习状态。
66.具体的，通过云教育平台进行学习的时候，要么是通过提前安装的运行软件进入，要么是通过网页链接进入，无论哪种方式，屏幕上都只会存在有一种云教育学习平台的页面，将截取的影像和预设的影像进行比较，如果在任务栏的图标内只有云教育平台的图标，那么表示只有云教育平台一个页面。在只有云教育平台一种页面的时候，在结合学生盯着
屏幕的时间来进一步判断是否在学习状态，而不是简单的没有打开其他东西就认为在认真的学习。
67.s420、若屏幕截图内有其他页面，则学生没有在学习状态。
68.具体的，其他页面为与云教育学习平台无关的页面，比如观看电视剧、在线网小游戏等。在上课的时候，屏幕截图内出现与云教育平台无关的页面的时候，判断学生没有在学习状态。
69.本技术实施例获取屏幕截图判断学生是否在学习状态的实施原理为：当学生的眼睛盯着屏幕的时候，也不能简单的判定学生当前处于学生状态，学生可能盯着电脑或手机等智能产品的屏幕但是却在做其他的事情，此时通过获取到学生上课时所使用的电脑设备的屏幕截图，分析屏幕截图内的内容，如果屏幕截图内有除开云教育学习平台等其他页面，那么判断学生没有在学习，如果屏幕截图内只有云教育学习平台这一个页面，进一步结合学生盯着电脑屏幕的时间来判断是否在学习，防止学生只是短时间盯着屏幕实际没有学习的情况。
70.参照图5，获取眼睛聚焦方向面向屏幕的聚焦时间判断学生是否在学习状态包括：s510、获取眼睛聚焦方向面向屏幕的聚焦时间。
71.具体的，聚焦时间为学生眼睛持续盯着电脑屏幕的时间，获取到人的视线为盯着电脑屏幕后，开始计算聚焦时间。
72.s520、判断聚焦时间是否大于时间阈值。
73.具体的，时间阈值为判断学生进入学习状态的最短时间，比如某学生在通过云教育平台学习的时候，只是短时间地盯着电脑屏幕后视线就移开了，那么此时证明该学生并没有进入学习状态，只是在完成学习的任务而已。比如时间阈值设置为5分钟，但是该学生盯着屏幕的聚焦时间最长时间才1分钟就移开，连持续盯着电脑屏幕都不能做到，自然也就没有在认真学习。但是，如果是学生一直在学习，只是中途因为其他的事情视线短暂的离开了电脑屏幕，也不能判断该学生没有在认真学习。要结合眼睛聚焦方向离开屏幕的时间来进一步判断是否在学习。
74.s530、若聚焦时间大于时间阈值，则判断学生在学习状态。
75.具体的，当盯着屏幕的时间大于时间阈值的时候，此时学生已经进入学习状态在学习。
76.s540、若聚焦时间不大于时间阈值，则获取眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态。
77.具体的，在聚焦时间小于时间阈值的时候，为了排除该学生只是由于其他的事情视线短时间的离开屏幕，需要结合眼睛聚焦方向离开屏幕的时间来做更加具体的判断学生是否在学习状态。
78.本技术实施例获取眼睛聚焦方向面向屏幕的聚焦时间判断学生是否在学习状态的实施原理为：在屏幕内只存在云教育学习平台页面的时候，根据学生盯着电脑屏幕的时间来判断学生是否在学习，如果学生在通过云教育平台学习的时候，只是偶尔盯着电脑屏幕，那么也不能判定学生在学习，必须盯着屏幕的时间达到一定的时间阈值，才能判断学生当前的状态确实在学习，如果学生的目光离开了屏幕，此时需要结合学生眼睛离开的时间来判断学生离开屏幕是不是真的不在学习，有可能只是短时间的走神或者去拿东西等原因
导致视线离开了屏幕，将做出错误判断的概率尽可能的降低。
79.参照图6，获取眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态包括：s600、判断眼睛聚焦方向离开屏幕的时间是否大于走神阈值。
80.具体的，走神阈值为预设在执行主体内，所允许的学生视线所离开的最长时间，比如走神阈值设置为1分钟，某学生之前盯着屏幕学习，突然视线离开了屏幕，眼睛聚焦方向离开屏幕的时间从学生的视线离开屏幕的时间开始计算，学生的视线离开屏幕的时间超过一分钟后就判定学生没有在学习状态。
81.s610、若眼睛聚焦方向离开屏幕的时间大于走神阈值，则判断学生不在学习状态。
82.s620、若眼睛聚焦方向离开屏幕的时间不大于走神阈值，则判断学生在学习状态。
83.具体的，学生的视线离开屏幕后再走神阈值的时间内又重新回到屏幕的方向，这种情况可能只是该学生突然去捡东西或者去拿东西视线短暂的离开了屏幕，该学生仍然是在学习状态。
84.本技术实施例获取眼睛聚焦方向离开屏幕的时间判断学生是否在学习状态的实施原理为：如果学生眼神离开屏幕的时间大于走神阈值，那么证明学生此刻已经没有在云教育平台上学习，转而去做了其他的事情，因此判定学生不在学习状态，如果学生只是视线短暂的离开屏幕，那么学生此时也是在学习状态。
85.参照图7，所述确认学生不在学习状态之后包括：s700、获取学生账号。
86.具体的，学生账号为学生在进入云教育平台学习的时候所使用的个人账号，账号内包括了学生的名字、性别和班级等信息。
87.s710、基于所述学生账号，获取学生姓名并进行扣分记录。
88.本技术实施例所述确认学生不在学习状态之后的实施原理为：获取学生登录云教育学习平台的学生账号，根据学生的登录账号匹配学生的姓名，并对不在学习状态的学生进行扣分，便于老师对学生进行评优。
89.以上详细描述了一种云教育平台的数据采集分析方法，下面对基于一种云教育平台的数据采集分析方法的一种云教育平台的数据采集分析系统进行详细说明，一种云教育平台的数据采集分析系统，包括：获取模块，用于获取当前时间；第一判断模块，用于基于当前时间，判断当前时间是否在学习时间；第二获取模块，用于若在学习时间，则获取学生的面部信息；第二判断模块，用于基于面部信息，初步判断学生是否在学习状态；第三获取模块，用于若初步判断学生不在学习状态，则获取学生的脉搏跳动次数改变量；第三判断模块，用于基于脉搏跳动次数改变量，进一步判断学生是否在学习状态；第一执行模块，用于若脉搏跳动次数改变量超过改变阈值，则确认学生不在学习状态；第二执行模块，用于若脉搏跳动次数改变量未超过改变阈值，则确认学生在学习状态。
90.通过采用上述技术方案，第一获取模块获取当前时间，第一判断模块判断当前时
间是否在学习时间内，第二获取模块在学习时间内获取学生的面部信息，第二判断模块根据面部信息判断是否在学习，第三获取模块在学生不在学习状态的时候获取脉搏跳动改变量，第三判断模块根据脉搏跳动改变量判断学生是否不在学习状态，第一执行模块在脉搏跳动改变量超过改变阈值的时候，确认学生不在学习状态，第二执行模块在脉搏跳动改变量没超过改变阈值的时候，确认学生在学习状态。便于老师掌握学生在云教育平台的学习情况。
91.本技术实施例还公开一种终端设备，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，其中，处理器执行计算机程序时，采用了上述实施例中的一种云教育平台的数据采集分析方法。
92.其中，终端设备可以采用台式电脑、笔记本电脑或者云端服务器等计算机设备，并且，终端设备包括但不限于处理器以及存储器，例如，终端设备还可以包括输入输出设备、网络接入设备以及总线等。
93.其中，处理器可以采用中央处理单元（cpu），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（dsp）、专用集成电路（asic）、现成可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本技术对此不做限制。
94.其中，存储器可以为终端设备的内部存储单元，例如，终端设备的硬盘或者内存，也可以为终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘、智能存储卡（smc）、安全数字卡（sd）或者闪存卡（fc）等，并且，存储器还可以为终端设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及终端设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本技术对此不做限制。
95.其中，通过本终端设备，将上述实施例中的一种云教育平台的数据采集分析方法存储于终端设备的存储器中，并且，被加载并执行于终端设备的处理器上，方便使用。
96.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。