[发明专利]学情确定方法、装置及智能终端在审

专利信息
申请号: 201910070505.8 申请日: 2019-01-24
公开(公告)号: CN109785205A 公开(公告)日: 2019-05-21
发明(设计)人: 徐小辉 申请(专利权)人: 重庆电子工程职业学院
主分类号: G06Q50/20 分类号: G06Q50/20
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 曹桓
地址: 401331 重庆市沙坪坝区*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 个人信息 特征矢量 智能终端 管理技术 获取目标 目标学生 特征提取 学生
【权利要求书】:

1.一种学情确定方法,其特征在于,包括:

获取目标学生的个人信息;其中,所述个人信息包括学习数据、考勤数据和消费数据;

对所述个人信息中的数据进行特征提取,得到多个特征矢量;

基于所述特征矢量确定所述目标学生的学情。

2.根据权利要求1所述的方法,其特征在于,所述获取目标学生的个人信息的步骤,包括:

通过教务系统采集目标学生的学习数据;所述学习数据包括指定科目的学习成绩,和/或指定科目的学习时长;

通过考勤系统采集目标学生的考勤数据;所述考勤数据包括签到次数和/或签到时间;

通过校园卡管理系统采集目标学生的消费数据;所述消费数据包括校内消费地点和各所述校内消费地点对应的消费金额。

3.根据权利要求1所述的方法,其特征在于,所述对所述个人信息中的数据进行特征提取,得到多个特征矢量的步骤,包括:

通过特征级数据融合算法对所述个人信息中的数据进行特征提取,得到所述个人信息的多个特征矢量。

4.根据权利要求1所述的方法,其特征在于,所述基于所述特征矢量确定所述目标学生的学情的步骤,包括:

基于预设的属性类型,采用自适应神经网络的统计模式识别算法对多个所述特征矢量进行模式识别处理,得到各属性类型对应的特征矢量;所述属性类型包括学习类型、考勤类型和消费类型;

采用神经网络的多源信息融合算法对每个所述属性类型对应的特征矢量进行合成处理,得到每个所述属性类型对应的合成数据;

基于每个所述属性类型对应的合成数据确定所述目标学生的学情。

5.根据权利要求1所述的方法,其特征在于,所述学情包括指定评估因素对应的信息;所述指定评估因素包括学习因素、考勤因素和消费因素;所述方法还包括:

根据确定的所述学情,在预设的学情评价表中分别查找各所述指定评估因素对应的评价和建议。

6.一种学情确定装置,其特征在于,包括:

获取模块,用于获取目标学生的个人信息;其中,所述个人信息包括学习数据、考勤数据和消费数据;

特征提取模块,用于对所述个人信息中的数据进行特征提取,得到多个特征矢量;

确定模块,用于基于所述特征矢量确定所述目标学生的学情。

7.根据权利要求6所述的装置,其特征在于,所述获取模块用于:

通过教务系统采集目标学生的学习数据;所述学习数据包括指定科目的学习成绩,和/或指定科目的学习时长;

通过考勤系统采集目标学生的考勤数据;所述考勤数据包括签到次数和/或签到时间;

通过校园卡管理系统采集目标学生的消费数据;所述消费数据包括校内消费地点和各所述校内消费地点对应的消费金额。

8.根据权利要求6所述的装置,其特征在于,所述特征提取模块用于:

通过特征级数据融合算法对所述个人信息中的数据进行特征提取,得到所述个人信息的多个特征矢量。

9.一种智能终端,其特征在于,包括处理器和存储器;

所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至5任一项所述的方法。

10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至5任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆电子工程职业学院,未经重庆电子工程职业学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910070505.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top