一种基于大数据分析的在线学习预警方法及系统

1.本技术涉及在线学习领域，具体涉及一种基于大数据分析的在线学习预警方法及系统。


背景技术：

2.近年来，随着人民生活水平的提高，中国居民消费结构不断改善，教育文化娱乐支出比重上升明显，人民对教育的重视程度和投入将不断增加，为在线教育行业的发展提供了良好的经济基础。
3.学生在线学习过程中，学习平台会存储大量丰富的的学习者数据信息，从这些数据中提取有价值的数据对其分析，可以从多角度更好的了解学生的学习状态、学习的偏好、学习资源利用情况等等。目前对学生在线学习投入进行的数据分析和评价方面，研究缺乏对课程层面的有效投入与评测框架、缺乏揭示在线课程学习投入质量和过程的自动化方法，不能有效的对在线学习投入进行动态评价。


技术实现要素：

4.本技术提供了一种基于大数据分析的在线学习预警方法及系统，通过收集学生学习时的各种指标，对学生学习情况发出预警，以提醒教师及时进行干预。
5.为达到上述目的，本技术提供了以下方案：
6.一种基于大数据分析的在线学习预警方法，包括以下步骤：
7.采集统计学生在线学习的学习指标；
8.基于所述学习指标进行指标分析，生成学习报告；
9.基于所述学习报告判断学生学习情况，向学生发出预警，并提醒教师进行干预；
10.储存所述学习报告，并基于干预后的所述学习报告，判断学生是否需要继续干预；
11.设定学习周期，通过收集同一学生在所述学习周期开始时和所述学习周期结束时的所述学习报告，判断所述预警是否产生效果。
12.优选的，所述学习指标包括：听课时长、听课次数、听课间隔时间、讨论次数、复习作业完成时间、作业正确率和测试成绩。
13.优选的，所述学习报告包括：课程完成率、学习时长和学习效果。
14.优选的，所述学习报告的生成方法包括：
15.基于所述听课时长和所述听课次数，得到所述课程完成率；
16.基于所述听课时长和所述复习作业完成时间，得到所述学习时长；
17.基于所述讨论次数、所述复习作业完成时间、所述作业正确率和所述测试成绩，得到所述学习效果。
18.优选的，所述学生学习情况的判断方法包括：
19.当所述课程完成率、所述学习时长和所述学习效果中的任意一项小于设定阈值，则判断为学习情况不乐观；
20.当所述课程完成率、所述学习时长和所述学习效果均大于设定阈值，则判断为学习情况良好。
21.优选的，所述判断学生是否需要继续干预的方法包括：
22.提取所述学习报告和干预后的所述学习报告；
23.当干预后的所述学习报告中任意一项的数值小于所述学习报告中相对应项的数值，则判断为需要继续干预；
24.当干预后的所述学习报告中的数值均大于所述学习报告中相对应项的数值，则判断为不需要继续干预。
25.本技术还提供了一种基于大数据分析的在线学习预警系统，包括：数据采集模块、数据分析模块、预警模块、对比模块和评价模块；
26.所述数据采集模块用于采集统计学生在线学习的学习指标；
27.所述数据分析模块用于基于所述学习指标进行指标分析，生成学习报告；
28.所述预警模块用于基于所述学习报告判断学生学习情况，向学生发出预警，并提醒教师进行干预；
29.所述对比模块用于储存所述学习报告，并基于干预后的所述学习报告，判断学生是否需要继续干预；
30.所述评价模块用于设定学习周期，通过收集同一学生在所述学习周期开始时和所述学习周期结束时的所述学习报告，判断所述预警是否产生效果。
31.优选的，所述预警模块包括：学生预警单元和教师提醒单元；
32.所述学生预警单元用于基于所述学生学习情况向学生发出警告；
33.所述教师提醒单元用于基于所述学生学习情况向教师发出提醒。
34.本技术的有益效果为：
35.本技术通过收集学生学习时的各种指标，对学生学习情况发出预警，以提醒教师及时进行干预，同时收集经过干预后的学生学习指标，并进行干预前后指标的对比，再根据对比结果判断是否还需进行干预；本技术能够有效的对学生整体学习状况进行评估，同时还能提醒教师对学习情况不乐观的学生及时进行干预，保证学生的学习效率和学习成效。
附图说明
36.为了更清楚地说明本技术的技术方案，下面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是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
37.图1为本技术一种基于大数据分析的在线学习预警方法的流程示意图；
38.图2为本技术一种基于大数据分析的在线学习预警系统的结构示意图。
具体实施方式
39.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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例，都属于本技术保护的范围。
40.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
41.实施例一
42.在本实施例一中，如图1所示，一种基于大数据分析的在线学习预警方法，包括以下步骤：
43.s1.采集统计学生在线学习的学习指标；其中，学习指标包括：听课时长、听课次数、听课间隔时间、讨论次数、复习作业完成时间、作业正确率和测试成绩。
44.s2.基于学习指标进行指标分析，生成学习报告；其中，学习报告包括：课程完成率、学习时长和学习效果。生成学习报告的方法包括：基于听课时长和听课次数，得到课程完成率；基于听课时长和复习作业完成时间，得到学习时长；基于讨论次数、复习作业完成时间、作业正确率和测试成绩，得到学习效果。
45.在本实施例一中，以语文科目为例，详细介绍生成学习报告的方法，教师通过在线学习平台向学生发布教学任务，包括4个50分钟的视频课程、课程内容讨论时间、课后复习作业和课程测试。在本实施例一中，收集学生甲对总时长为200分钟的4个视频课程的听课时长和听课次数，学生甲完整的观看了3个视频课程，1个视频课程观看了25分钟，即视频课程观看时间为175分钟，听课次数4次为满分，即可计算出课程完成率为87.5％；其次，收集学生甲完成课后复习作业的时长，为45分钟，正确率为80％，则可计算出学习时长为220分钟；最后，收集学生在课程内容讨论时间段内发言次数为6次，课程测试成绩为85分，再基于复习作业完成时间和作业正确率，既可评判学生甲的学习效果为良好。
46.s3.基于学习报告判断学生学习情况，向学生发出预警，并提醒教师进行干预。学生学习情况的判断方法包括：当课程完成率、学习时长和学习效果中的任意一项小于设定阈值，则判断为学习情况不乐观；当课程完成率、学习时长和学习效果均大于设定阈值，则判断为学习情况良好。
47.在本实施例一中，将课程完成率阈值设定为90％，学习时长阈值设定为250分钟，根据学生甲的学习报告可知，其课程完成率为87.5％，数值小于阈值设定的90％，则判断学生甲的学习情况不乐观，并将判断结果反馈至教师，让教师及时采取干预措施。
48.s4.储存学习报告，并基于干预后的学习报告，判断学生是否需要继续干预。判断学生是否需要继续干预的方法包括：提取学习报告和干预后的学习报告；当干预后的学习报告中任意一项的数值小于学习报告中相对应项的数值，则判断为需要继续干预；当干预后的学习报告中的数值均大于学习报告中相对应项的数值，则判断为不需要继续干预。
49.在本实施例一中，教师对学生甲进行及时干预，再次发布教学任务时，收集学生甲在接受干预后的教学任务中的学习指标，生成干预后的学习报告，并与第一次生成的学习报告进行对比，发现学生甲课程完成率提高至95％，大于第一次学习报告中的课程完成率87.5％，但学习时间为240分钟，则判断为还需教师进行干预。
50.s5.设定学习周期，通过收集同一学生在学习周期开始时和学习周期结束时的学习报告，判断预警是否产生效果。
51.实施例二
52.在本实施例二中，如图2所示，一种基于大数据分析的在线学习预警系统，包括：数据采集模块、数据分析模块、预警模块、对比模块和评价模块。
53.数据采集模块用于采集统计学生在线学习的学习指标；其中，学习指标包括：听课时长、听课次数、听课间隔时间、讨论次数、复习复习作业完成时间、作业正确率和测试成绩。
54.数据分析模块用于基于学习指标进行指标分析，生成学习报告；其中，学习报告包括：课程完成率、学习时长和学习效果。生成学习报告的方法包括：基于听课时长和听课次数，得到课程完成率；基于听课时长和复习作业完成时间，得到学习时长；基于讨论次数、复习作业完成时间、作业正确率和测试成绩，得到学习效果。
55.在本实施例二中，以语文科目为例，详细介绍生成学习报告的方法，教师通过在线学习平台向学生发布教学任务，包括4个50分钟的视频课程、课程内容讨论时间、课后复习作业和课程测试。在本实施例二中，收集学生甲对总时长为200分钟的4个视频课程的听课时长和听课次数，学生甲完整的观看了3个视频课程，1个视频课程观看了25分钟，即视频课程观看时间为175分钟，听课次数4次为满分，即可计算出课程完成率为87.5％；其次，收集学生甲完成课后复习作业的时长，为45分钟，正确率为80％，则可计算出学习时长为220分钟；最后，收集学生在课程内容讨论时间段内发言次数为6次，课程测试成绩为85分，再基于复习作业完成时间和作业正确率，既可评判学生甲的学习效果为良好。
56.预警模块用于基于学习报告判断学生学习情况，包括学生预警单元和教师提醒单元；其中，学生预警单元用于向学生发出预警，教师提醒单元用于提醒教师进行干预。学生学习情况的判断方法包括：当课程完成率、学习时长和学习效果中的任意一项小于设定阈值，则判断为学习情况不乐观；当课程完成率、学习时长和学习效果均大于设定阈值，则判断为学习情况良好。
57.在本实施例二中，将课程完成率阈值设定为90％，学习时长阈值设定为250分钟，根据学生甲的学习报告可知，其课程完成率为87.5％，数值小于阈值设定的90％，则判断学生甲的学习情况不乐观，并将判断结果反馈至教师，让教师及时采取干预措施。
58.对比模块用于储存学习报告，并基于干预后的学习报告，判断学生是否需要继续干预。判断学生是否需要继续干预的方法包括：提取学习报告和干预后的学习报告；当干预后的学习报告中任意一项的数值小于学习报告中相对应项的数值，则判断为需要继续干预；当干预后的学习报告中的数值均大于学习报告中相对应项的数值，则判断为不需要继续干预。
59.在本实施例二中，教师对学生甲进行及时干预，再次发布教学任务时，收集学生甲在接受干预后的教学任务中的学习指标，生成干预后的学习报告，并与第一次生成的学习报告进行对比，发现学生甲课程完成率提高至95％，大于第一次学习报告中的课程完成率87.5％，但学习时间为240分钟，则判断为还需教师进行干预。
60.评价模块用于设定学习周期，通过收集同一学生在学习周期开始时和学习周期结束时的学习报告，判断预警是否产生效果。
61.以上所述的实施例仅是对本技术优选方式进行的描述，并非对本技术的范围进行限定，在不脱离本技术设计精神的前提下，本领域普通技术人员对本技术的技术方案做出的各种变形和改进，均应落入本技术权利要求书确定的保护范围内。